深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
41	2025-06-08	Scientific production and thematic breakthroughs in smart learning environments: a bibliometric analysis 2021, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-020-00145-4 PMID:40477293	研究论文	本文通过文献计量学方法分析了智能学习环境领域的研究趋势、学者生产力和主题焦点	提供了智能学习环境领域的全面概览，包括研究热点、主题焦点和未来方向	仅基于Scopus数据库的1081篇同行评议文章，可能未涵盖所有相关研究	分析智能学习环境领域的研究趋势、学者生产力和主题焦点	智能学习环境领域的科学出版物	教育技术	NA	文献计量分析	NA	文本	1081篇同行评议文章	NA	NA	NA	NA
42	2025-06-08	Deep Learning and Particle Swarm Optimisation-Based Techniques for Visually Impaired Humans' Text Recognition and Identification 2021, Augmented human research DOI:10.1007/s41133-021-00051-5 PMID:40477829	研究论文	本文提出了一种结合深度学习和粒子群优化的方法，用于视觉障碍者的文本识别与识别	结合深度神经网络和粒子群优化技术，用于复杂退化图像中的文本识别	未提及具体样本量或实际应用中的性能表现	开发一种能够帮助视觉障碍者在自然场景中识别文本的系统	视觉障碍者	计算机视觉	NA	梯度图像方法、对比度图像方法、自适应图像映射、笔画宽度变换、Gabor变换	深度神经网络、粒子群优化	图像	使用IIIT5K数据集进行开发	NA	NA	NA	NA
43	2025-10-06	Deep learning assisted COVID-19 detection using full CT-scans 2021-Jun, Internet of things (Amsterdam, Netherlands) DOI:10.1016/j.iot.2021.100377 PMID:38620521	研究论文	本研究提出一种基于深度学习技术的自动化COVID-19检测方法，使用完整胸部CT扫描图像	采用残差网络结合跳跃连接结构，通过预处理技术提升检测精度，并设计为可在边缘设备部署的轻量化方案	NA	开发自动化COVID-19诊断系统以加速检测过程并降低计算资源需求	COVID-19患者的完整胸部CT扫描图像	计算机视觉	COVID-19	CT扫描	CNN	医学影像	NA	NA	ResNet	准确率	企业级GPU
44	2025-10-06	A Comparison of Deep Learning Models for Detecting COVID-19 in Chest X-ray Images 2021, IFAC-PapersOnLine DOI:10.1016/j.ifacol.2021.10.282 PMID:38620947	研究论文	比较四种深度学习模型在胸部X光图像中检测COVID-19的性能	通过45次不同实验系统比较了四种深度学习架构在COVID-19检测中的表现	仅进行二元分类，未涉及疾病严重程度分级或多类别分类	评估不同深度学习模型在COVID-19胸部X光图像诊断中的性能	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习，迁移学习	CNN	医学图像	NA	NA	CNN with 4 convolutional blocks, VGG-19, Inception, MobileNet	准确率	NA
45	2025-05-31	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文报告了一种基于智能手机的多重DNA疟疾诊断端到端平台	结合低成本纸基微流体诊断测试、深度学习算法进行本地决策支持，以及区块链技术确保数据安全连接和管理	研究仅在乌干达农村地区进行验证，未涉及其他地区或疾病	开发一种快速、准确的疟疾诊断平台，适用于资源有限的农村社区	疟疾诊断	数字病理	疟疾	DNA诊断	深度学习	图像	乌干达农村地区的测试案例，准确率超过98%	NA	NA	NA	NA
46	2025-10-06	High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy 2021-12-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.1c02178 PMID:34797972	研究论文	提出基于深度学习的拉曼光谱框架DeepeR，实现高通量分子成像	开发首个结合去噪重建与空间超分辨的深度学习拉曼光谱框架，实现最高160倍成像加速	需要大量训练数据（150万光谱），组织尺度成像需依赖迁移学习	解决拉曼光谱数据采集速度慢的问题，实现高通量分子成像	细胞和组织尺度的生物样本	计算生物医学成像	NA	拉曼光谱，深度学习	神经网络	高光谱拉曼图像	超过150万光谱（相当于400小时采集数据）	NA	NA	均方误差，空间分辨率	NA
47	2025-05-23	Computer-aided diagnosis of esophageal cancer and neoplasms in endoscopic images: a systematic review and meta-analysis of diagnostic test accuracy 2021-05, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.11.025 PMID:33290771	meta-analysis	通过系统性回顾和荟萃分析评估计算机辅助诊断（CAD）算法在内镜图像中对食管癌及肿瘤的诊断准确性	首次通过荟萃分析评估CAD算法在食管癌及肿瘤内镜诊断中的准确性，并提供了全面的诊断性能指标	缺乏外部验证和临床应用的表现数据	评估CAD算法在内镜图像中对食管癌及肿瘤的诊断准确性	食管癌及肿瘤的内镜图像	digital pathology	esophageal cancer	deep learning, machine learning	NA	image	21项研究用于系统性回顾，19项研究用于荟萃分析	NA	NA	NA	NA
48	2025-05-23	Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis 2021-01, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.06.059 PMID:32598963	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在结肠镜检查中检测腺瘤和息肉的表现	首次对实时计算机辅助息肉检测（CADe）系统在结直肠肿瘤检测中的随机对照试验进行荟萃分析，证实其显著提高腺瘤检出率	纳入的随机对照试验数量有限（5项），部分指标如高级别腺瘤检出率的证据等级不高	评估人工智能辅助系统在结直肠肿瘤检测中的临床效能	结直肠肿瘤（腺瘤和息肉）	digital pathology	colorectal cancer	deep learning	CADe	colonoscopy images	4354例患者（来自5项随机对照试验）	NA	NA	NA	NA
49	2025-10-07	An autonomous drone for search and rescue in forests using airborne optical sectioning 2021-06-23, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.abg1188 PMID:34162744	研究论文	本文介绍了一种使用空中光学切片技术在森林中自主搜索救援人员的无人机系统	开发了基于自适应采样的实时在线搜索技术，能够在飞行过程中动态调整路径，将图像复杂度降低至先前方法的1/10	在17次野外实验中未能找到全部42名隐藏人员（找到38名），在预设路径实验中精度为86%	开发能够在茂密遮挡森林中自主搜索救援人员的无人机系统	森林中隐藏的人员	计算机视觉	NA	空中光学切片技术，热成像处理	深度学习	热成像图像	17次野外实验，涉及42名隐藏人员	NA	NA	精度, 分类置信度	机载实时计算
50	2025-10-07	Retracted: Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning 2021-04-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/24754 PMID:33714937	研究论文	本研究利用深度学习模型基于常见遗传变异对自闭症谱系障碍进行诊断分类和预后预测	首次将卷积神经网络应用于自闭症常见遗传变异数据，相比传统筛查工具准确率提升约13%	仅基于常见遗传变异进行分析，未考虑罕见变异和环境因素对自闭症的影响	开发基于遗传数据的自闭症早期筛查和诊断分类方法	自闭症谱系障碍患者及其家庭	机器学习	自闭症谱系障碍	基因组数据分析，卡方检验	CNN	基因型数据	数千个有自闭症风险的单纯型家庭	NA	卷积神经网络	AUC, 准确率	NA
51	2025-04-27	Deep learning prediction of patient response time course from early data via neural-pharmacokinetic/pharmacodynamic modelling 2021-Aug, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-021-00357-4 PMID:40271424	研究论文	本文提出了一种结合深度学习与药代动力学/药效动力学（PK/PD）的新型神经-PK/PD框架，用于预测患者对治疗的反应时间过程	将药理学关键原理与神经常微分方程结合，直接从纵向患者数据中学习控制微分方程，实现了对未测试给药方案的患者反应模拟	需要大量患者数据进行训练，且模型性能依赖于数据质量	开发自动化预测患者反应时间过程的方法，减少对人工建模经验的依赖	患者对治疗的反应时间过程	机器学习	NA	神经常微分方程	神经-PK/PD模型	纵向患者数据	超过600名患者的临床数据集	NA	NA	NA	NA
52	2025-10-07	A comprehensive review of deep learning-based single image super-resolution 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.621 PMID:34322592	综述	本文对基于深度学习的单图像超分辨率技术进行了全面综述	从深度学习角度系统分类超分辨率方法，涵盖监督学习、无监督学习和领域特定方法	作为综述文章，不包含原始实验数据和新方法提出	总结单图像超分辨率领域的最新进展和发展趋势	图像超分辨率算法和方法	计算机视觉	NA	NA	GAN, CNN	图像	NA	NA	EDSR, CinCGAN, MSRN, Meta-RDN, RBPN, SAN, SRFBN, WRAN	图像质量指标	NA
53	2025-10-07	Pollen analysis using multispectral imaging flow cytometry and deep learning 2021-01, The New phytologist DOI:10.1111/nph.16882 PMID:32803754	研究论文	本研究开发了一种结合多光谱成像流式细胞术和深度学习的花粉分析方法	首次将多光谱成像流式细胞术与深度学习相结合用于花粉分析，实现了快速测量和高精度物种识别	需要建立全面的花粉参考数据库才能充分发挥方法优势	开发自动化的花粉识别和定量分析方法	35种植物物种的花粉	计算机视觉	NA	多光谱成像流式细胞术	CNN	图像	426,876张花粉图像	NA	卷积神经网络	准确率	NA
54	2025-10-07	Application of machine learning in the prediction of COVID-19 daily new cases: A scoping review 2021-Oct, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2021.e08143 PMID:34660935	综述	本文综述了机器学习和深度学习方法在预测COVID-19每日新增病例中的应用	系统比较了多种机器学习方法在COVID-19传播预测中的性能，包括ANFIS、LSTM、RNN和MLP等模型	NA	评估机器学习方法在预测COVID-19传播趋势中的效果	COVID-19每日新增病例数据	机器学习	COVID-19	NA	ANFIS, LSTM, RNN, MLP, ANN, ARIMA	流行病学数据	NA	NA	自适应神经模糊推理系统, 长短期记忆网络, 循环神经网络, 多层感知器, 自回归积分滑动平均模型	RMSE, MAE, R系数, MAPE	NA
55	2025-10-07	Performance for rotor system of hybrid electromagnetic bearing and elastic foil gas bearing with dynamic characteristics analysis under deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0244403 PMID:33720953	研究论文	通过深度学习分析混合电磁轴承和弹性箔片气体轴承转子系统的动态特性，并优化CNN在故障检测中的结构	结合混合电磁轴承和弹性箔片气体轴承的转子系统动态特性分析，并首次将CNN应用于该系统故障检测的参数优化	NA	分析轴承-转子系统的动态特性并优化CNN在系统故障检测和分类中的性能	涡轮膨胀机轴承-转子系统	机器学习	NA	动态特性分析	CNN	工程系统数据	NA	NA	卷积神经网络	分类准确率,损失函数	NA
56	2025-10-07	Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram 2021-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01264-7 PMID:34711971	研究论文	提出Tangram方法，通过深度学习将单细胞转录组数据与空间数据对齐，构建全基因组单细胞分辨率空间图谱	开发能够将sc/snRNA-seq数据与多种空间数据（包括MERFISH、STARmap、smFISH、空间转录组学和组织学图像）对齐的首个通用方法	方法依赖于来自同一区域的匹配空间数据和单细胞数据，且空间数据的分辨率和灵敏度限制可能影响对齐精度	构建器官生物图谱，在单细胞分辨率下实现全基因组空间映射	小鼠脑组织（视觉和体感运动区域）	生物信息学	NA	sc/snRNA-seq, MERFISH, STARmap, smFISH, Spatial Transcriptomics (Visium), SHARE-seq	深度学习	单细胞转录组数据，空间转录组数据，多模态数据，组织学图像	NA	NA	NA	NA	NA
57	2025-10-07	Determination of disease severity in COVID-19 patients using deep learning in chest X-ray images 2021-Jan, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2020.20205 PMID:32815519	研究论文	本研究利用深度学习分析COVID-19患者胸部X光片，评估病变严重程度及其与临床特征的关联	在急性COVID-19爆发环境中验证深度学习模型可行性，并建立影像特征与临床指标（年龄、合并症、治疗急迫性）的统计学关联	回顾性研究设计，样本量较小（48例患者），单中心数据	开发基于深度学习的COVID-19胸部X光自动分析工具，探索影像特征与临床严重程度的关联	SARS-CoV-2 RT-PCR阳性患者	计算机视觉	COVID-19	胸部X光成像	深度学习	医学影像	48名患者（年龄60±17岁，15名女性），共65张胸部X光片	NA	NA	Cohen's kappa	NA
58	2025-10-07	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	研究论文	比较基于直方图和基于图像的算法在肺超极化气体图像语义分割中的性能差异	首次系统比较传统直方图分割方法与基于卷积神经网络的图像分割方法在超极化气体肺图像中的表现	研究仅针对模拟数据集，未在真实临床环境中验证	评估不同分割算法在存在常见MRI伪影情况下的性能差异	超极化129Xe气体肺图像	计算机视觉	肺疾病	MRI	CNN	医学图像	80名受试者（29名公共数据集+51名回顾性数据集）	NA	卷积神经网络	测量偏差, 测量精度	NA
59	2025-10-07	Deep representation learning of patient data from Electronic Health Records (EHR): A systematic review 2021-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103671 PMID:33387683	系统综述	本文对使用深度学习从电子健康记录中学习患者表示的研究进行了系统性回顾和方法学分析	首次从方法学角度对患者表示学习领域进行系统和定量分析，揭示了该领域的发展趋势和技术特点	纳入研究主要关注单一疾病预测，缺乏对患者复杂机制的整体考量，且多数研究因隐私问题缺乏基准数据集	系统回顾和分析基于电子健康记录的患者表示学习方法	从五个数据库筛选出的49篇相关研究论文	自然语言处理	NA	深度学习	RNN, LSTM, GRU	电子健康记录	49篇研究论文	NA	循环神经网络, 长短期记忆网络, 门控循环单元	交叉熵损失	NA
60	2025-10-07	MVP predicts the pathogenicity of missense variants by deep learning 2021-01-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20847-0 PMID:33479230	研究论文	提出基于深度残差网络的错义变异致病性预测新方法MVP	首次将深度残差网络应用于错义变异致病性预测，并针对功能缺失不耐受基因和耐受基因分别训练模型	未明确说明模型在特定遗传疾病类型中的泛化能力	开发更准确的错义变异致病性预测方法	错义基因变异	机器学习	先天性心脏病	深度残差网络	深度学习	基因变异数据	包含癌症突变热点和发育障碍新生变异的大规模训练数据集	NA	深度残差网络	致病性变异优先排序性能	NA