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
61	2026-09-29	LoDoPaB-CT, a benchmark dataset for low-dose computed tomography reconstruction 2021-04-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-021-00893-z PMID:33863917	研究论文	本文介绍了LoDoPaB-CT数据集，用于低剂量计算机断层扫描重建，包含超过40000个扫描切片，来自约800名患者，适用于训练和比较深度学习及经典重建方法	提供了一个全面的、开放获取的CT图像和模拟低光子计数测量数据集，包含生成脚本、Python库和在线重建挑战，并支持迁移学习、稀疏和有限角度重建场景	数据集基于模拟的低光子计数测量，可能无法完全反映真实临床环境中的噪声和伪影	为低剂量CT重建提供一个基准数据集，以促进深度学习方法和经典重建方法的训练与比较	来自LIDC/IDRI数据库的约800名患者的CT扫描切片	计算机视觉	肺癌	低剂量计算机断层扫描	NA	图像	超过40000个扫描切片，来自约800名患者	NA	NA	NA	NA
62	2026-09-29	Multi-Level Seg-Unet Model with Global and Patch-Based X-ray Images for Knee Bone Tumor Detection 2021-Apr-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11040691 PMID:33924426	研究论文	该研究提出了一种多级Seg-Unet模型，结合全局和基于块的X射线图像，用于膝关节骨肿瘤的检测和分类	提出了一种结合全局和基于块方法的Seg-Unet模型，包含分类、肿瘤分割和高风险区域分割分支，以学习全局上下文和局部纹理之间的相互益处，并构建了一个由全南大学医院医生支持的膝关节骨肿瘤数据集	未明确说明模型的泛化能力，可能受限于特定数据集，且未提及其他医院或更大规模数据的验证	帮助医生在放射学解释中检测和分类膝关节骨区域，判断其是正常、良性肿瘤还是恶性肿瘤区域	膝关节骨肿瘤的X射线图像	计算机视觉	骨肿瘤	X射线成像	CNN	图像	NA	NA	Seg-Unet	准确率, 平均IoU	NA
63	2026-09-29	Bring the model to the data: The Deep Learning Epilepsy Detection Challenge 2021-04, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2021.103323 PMID:33857902	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
64	2026-09-29	Hybrid Deep Learning Models with Sparse Enhancement Technique for Detection of Newly Grown Tree Leaves 2021-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s21062077 PMID:33809537	研究论文	本文提出结合稀疏增强技术与混合深度学习CNN模型，用于检测森林图像中新长出的树叶	提出稀疏增强技术增强新叶信号，并设计混合CNN模型（结合U-net和SegNet特征）以及3-Layer SegNet、3-Layer U-SegNet、2-Layer U-SegNet、2-Layer Conv-U-SegNet架构来减少池化程度，并使用损失函数增加新叶权重	未明确说明	基于深度学习检测新长出的树叶，以帮助估计树木生长和气候变化	森林图像中的新长出的树叶	计算机视觉	NA	深度学习图像分割	CNN	图像	NA	NA	U-net, SegNet, 3-Layer SegNet, 3-Layer U-SegNet, 2-Layer U-SegNet, 2-Layer Conv-U-SegNet	kappa	NA
65	2026-09-29	Whole-body voxel-based internal dosimetry using deep learning 2021-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05013-4 PMID:32875430	研究论文	本文提出了一种基于深度学习的方法，用于全身个性化器官级内照射剂量学，考虑了活度分布异质性、周围介质非均匀性和患者特异性解剖结构	将体素尺度MIRD方法从单一S值核扩展到对应患者特异性解剖结构的特定S值核，并使用深度神经网络从3D核中心单源预测沉积能量分布，从而构建全身剂量图	未明确提及	在精准医学时代，利用深度学习算法进行全身个性化器官级剂量学计算，以克服传统核医学剂量学技术的局限性	患者特异性解剖结构、活度分布、周围介质	医学影像分析	NA	蒙特卡罗模拟、CT成像、发射/透射图像	深度神经网络	图像	NA	NA	深度神经网络	平均相对绝对误差、Bland-Altman分析、剂量偏差、方差	NA
66	2026-09-29	Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision 2021-02, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference) DOI:10.5220/0010241900002865 PMID:34046649	研究论文	该文章提出了一种利用深度学习计算机视觉进行嗜酸性粒细胞性食管炎诊断和表型评估的自动化方法	这是首个利用深度学习计算机视觉方法进行EoE诊断并提供自动化过程来追踪疾病严重程度和进展的研究	未提及	研究目的是开发一种自动化方法来量化嗜酸性粒细胞，以诊断EoE并描述疾病严重程度和进展，并寻找与患者临床和治疗表型的联系	嗜酸性粒细胞性食管炎患者	数字病理学	嗜酸性粒细胞性食管炎	NA	U-Net, 深度学习分类模型	图像	NA	NA	U-Net	NA	NA
67	2026-09-29	Overview of current state of research on the application of artificial intelligence techniques for COVID-19 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.564 PMID:34141890	综述	本文综述了人工智能技术在COVID-19预测、诊断、药物设计和社交影响分析等方面的应用现状	系统梳理和评估了多种AI技术（机器学习和深度学习模型）在COVID-19分类工具开发和药物发现模型构建中的应用，并提出了未来研究方向建议	作为综述文章，未开展原始实验验证；当前可用于预测和诊断COVID-19的资源仍然有限，COVID-19快速检测试剂盒的开发仍具挑战性	聚焦于COVID-19疫情带来的两大核心挑战，即开发COVID-19分类工具和针对感染患者的药物发现模型，借助人工智能技术加以解决	COVID-19疾病相关数据及感染患者，包括预测、诊断、药物设计和社会影响分析	机器学习	COVID-19	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
68	2026-09-29	Detection of sitting posture using hierarchical image composition and deep learning 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.442 PMID:33834109	研究论文	本文提出了一种基于深度循环层次网络（DRHN）的新模型，用于通过RGB-Depth帧序列检测坐姿，并解决遮挡问题	创新点在于提出了深度循环层次网络（DRHN），通过分层图像组合减少或消除与有限可见人体躯干相关的姿势检测问题（即遮挡问题），提高了灵活性	摘要中未明确提及局限性	研究目的是利用深度学习和计算机视觉技术，实现人体坐姿检测，以应用于辅助生活、医疗保健、体育锻炼和康复等领域	研究对象是人体坐姿，使用RGB-Depth帧序列作为输入	计算机视觉	NA	NA	深度循环层次网络（DRHN）	图像（RGB-Depth帧序列）	NA	NA	深度循环层次网络（DRHN）	准确率	NA
69	2026-09-29	The language of proteins: NLP, machine learning & protein sequences 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.022 PMID:33897979	综述	本文综述了将自然语言处理（NLP）算法应用于蛋白质研究的成功、前景和挑战	系统性地探讨蛋白质与语言的概念异同，并综述从经典文本分析到现代深度学习（如掩码语言建模、自监督学习、基于注意力的模型）在蛋白质任务中的应用	作为综述，未提出新的计算方法或实验验证，主要总结现有研究	探讨NLP与蛋白质研究的交叉领域，总结相关方法、趋势与挑战	蛋白质序列	自然语言处理	NA	NA	神经网络语言模型	文本	NA	NA	NA	NA	NA
70	2026-09-29	Optimal hyperparameter selection of deep learning models for COVID-19 chest X-ray classification 2021, Intelligence-based medicine DOI:10.1016/j.ibmed.2021.100034 PMID:33899036	研究论文	本文提出了一种基于胸部X射线图像的COVID-19诊断方法，通过优化超参数选择来解决小样本和类别不平衡问题	使用判别性微调方法动态为每层网络分配不同的学习率，并采用循环学习率策略，结合混合精度训练提高计算效率	数据集规模较小，可能存在过拟合风险，需要在更大规模数据集上进一步验证	开发有效的COVID-19筛查工具，以辅助放射科医生快速诊断	COVID-19患者的胸部X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	NA	NA	准确率, 灵敏度, 特异性	NA
71	2026-09-29	Transductive Transfer Learning for Domain Adaptation in Brain Magnetic Resonance Image Segmentation 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.608808 PMID:33994917	研究论文	本文提出了一种用于域自适应的转导迁移学习方法，以减少脑部MRI分割中的域偏移效应	提出了一种转导迁移学习方法，在特征层面使用直方图损失函数进行域自适应优化，将源域和目标域图像联合整合到转导训练过程中，同时分割感兴趣区域并最小化域偏移效应	未明确讨论计算复杂度、超参数选择的敏感性以及对更多不同域和疾病类型的泛化能力	开发一种准确且对扫描仪和采集协议变异性具有鲁棒性的自动化深度学习分割方法	脑部MRI图像，包括皮层下脑结构和白质高信号	计算机视觉, 数字病理学	神经系统疾病, 神经退行性疾病	MRI	CNN	图像	多中心和多扫描仪数据库	NA	NA	Dice相似系数（DSC）	NA
72	2026-09-29	Diagnosis of Cervical Cancer based on Ensemble Deep Learning Network using Colposcopy Images 2021, BioMed research international IF:2.6Q3 DOI:10.1155/2021/5584004 PMID:33997017	研究论文	本文提出了两种深度学习CNN架构（VGG19迁移学习模型和CYENET）用于基于阴道镜图像自动检测宫颈癌	提出了一种新的阴道镜集成网络（CYENET），用于自动分类宫颈癌，其性能优于VGG19迁移学习模型	未明确说明	利用阴道镜图像提高宫颈癌类型分类的诊断准确性和效率	宫颈癌患者	医学图像分析	宫颈癌	阴道镜检查	CNN	图像	未明确说明	NA	VGG19, CYENET	准确率, 特异性, 灵敏度, kappa分数	NA
73	2026-09-29	COVID-19 prediction using AI analytics for South Korea 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-021-02352-z PMID:34764592	研究论文	本文利用人工智能分析方法，对韩国COVID-19疫情数据进行建模，分析人口统计学因素对疫情传播和死亡率的影响，并预测感染者的生存可能性	结合机器学习超参数调优与基于自编码器的深度学习模型，同时采用聚类分析对年龄段进行分组研究，综合分析年龄、性别、时间演变等多因素对COVID-19传播和死亡的影响，并预测隔离患者的生存概率	摘要中未明确提及研究的具体局限性	分析影响COVID-19全球传播的人口统计学因素及导致感染死亡的特征，并预测韩国COVID-19感染者的生存可能性	韩国COVID-19确诊患者和死亡病例，包括不同年龄段、性别及时间演变数据	机器学习	COVID-19	NA	自编码器, 机器学习模型, 深度学习模型	表格数据（人口统计学数据、确诊病例数据、死亡病例数据）	NA	NA	自编码器	NA	NA
74	2026-09-28	A Deep Network for Joint Registration and Parcellation of Cortical Surfaces 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87202-1_17 PMID:35994035	研究论文	提出一个深度学习框架，联合进行皮层表面配准和分区，利用球形拓扑和共享编码器，通过分区图相似性损失和配准增强数据来提升两个任务的性能	1. 首次联合优化皮层表面配准和分区任务，利用共享特征表示；2. 引入分区图相似性损失强制区域边界一致性，为配准提供额外监督；3. 配准通过变形手动分区图生成增强数据，帮助分区网络在少量标注数据下训练	未明确说明框架在其它模态或疾病上的泛化能力，也未讨论计算复杂度或实时性	联合优化皮层表面配准和分区，提高两个任务的准确率，并减少对大量标注数据的依赖	皮层表面（来自神经影像数据集）	医学图像分析	NA	神经影像分析	深度学习	图像	超过600个皮层表面	NA	球形网络（共享编码器），两个任务特定解码器	分区准确率，配准准确率	NA
75	2026-09-28	SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment 2021-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops DOI:10.1109/cvprw53098.2021.00505 PMID:35794879	研究论文	提出了一种无监督的生成深度学习框架SrvfNet，用于功能数据的多重微分同胚对齐	完全无监督，能够对齐到预定义模板，同时从数据中联合预测最优模板，并采用生成式编码器-解码器架构	未明确说明	实现大规模功能数据集合的多重对齐，包括对齐到预定义模板和联合预测最优模板	功能数据，包括平方根速度函数（SRVF）和磁共振成像（MRI）的扩散轮廓	机器学习	NA	NA	生成网络	功能数据、图像	大规模收集，未指定	PyTorch	编码器-解码器	NA	NA
76	2026-09-28	Multi-institutional Collaborations for Improving Deep Learning-based Magnetic Resonance Image Reconstruction Using Federated Learning 2021-Jun, Proceedings. IEEE Computer Society Conference on Computer Vision and Pattern Recognition DOI:10.1109/cvpr46437.2021.00245 PMID:35444379	研究论文	本文提出了一种基于联邦学习的多机构协作框架，用于磁共振图像重建，通过对齐不同来源站点的中间潜在特征来克服域偏移问题	提出了基于联邦学习的MR图像重建方案，利用不同机构的MR数据同时保护患者隐私；提出跨站点建模方法，将不同来源站点的中间潜在特征与目标站点的潜在特征分布对齐，以解决多机构数据因传感器、疾病类型和采集协议不同导致的域偏移问题	联邦学习设置下训练的模型由于域偏移问题，其泛化性能可能仍不够理想	利用多机构数据实现快速准确的磁共振图像重建，同时保护患者隐私并克服域偏移问题	多机构采集的欠采样磁共振图像数据	计算机视觉	NA	联邦学习，磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
77	2026-09-28	Adaptive Squeeze-and-Shrink Image Denoising for Improving Deep Detection of Cerebral Microbleeds 2021, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87231-1_26 PMID:42800958	研究论文	本文提出了一种无监督自适应挤压与收缩（ASAS）图像去噪方法，通过利用PCA域中的稀疏性，提升深度学习脑微出血检测的性能	提出的内容自适应去噪技术利用从输入图像中获取的高度相关图像内容形成的协方差矩阵的对数行列式，隐式且高效地利用PCA域中的稀疏性，无需依赖任何外部数据集，能更好地拟合输入图像数据	未明确说明	提升深度学习脑微出血检测的性能，通过有效的无监督图像去噪方案	长回波时间（TE）磁敏感加权成像（SWI）数据中的脑微出血（CMB）	医学图像分析	脑血管疾病	磁敏感加权成像（SWI）	未明确说明	图像	未明确说明	未明确说明	未明确说明	精确率、敏感度、相关性	未明确说明
78	2026-09-22	Fast Real-Time Cardiac MRI: a Review of Current Techniques and Future Directions 2021-Dec, Investigative magnetic resonance imaging DOI:10.13104/imri.2021.25.4.252 PMID:42158585	综述	本文综述了实时心脏MRI的现有技术，根据非迭代和迭代重建方法分类，并讨论了深度学习图像重建等未来方向	系统分类实时心脏MRI技术为非迭代和迭代重建两类，并指出深度学习图像重建和自由呼吸实时成像等新兴趋势	未提及具体实验验证或定量比较，可能缺乏对各类方法性能的详细评估	讨论已开发的实时心脏MRI方法，以克服传统心脏MRI的局限性，并展望未来研究方向	实时心脏MRI技术，包括数据采集和图像重建方法	医学影像	心血管疾病	心脏磁共振成像	NA	医学图像	NA	NA	NA	NA	NA
79	2026-09-21	TVnet: Automated Time-Resolved Tracking of the Tricuspid Valve Plane in MRI Long-Axis Cine Images with a Dual-Stage Deep Learning Pipeline 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87231-1_55 PMID:41641013	研究论文	该文章提出了一种基于双阶段深度学习流程的TVnet，用于在MRI长轴电影图像中自动跟踪三尖瓣平面	提出了一种新颖的双阶段深度学习流程，结合ResNet-50和自动图像线性变换，能够自动推导三尖瓣环平面收缩期位移	未明确提及	自动跟踪MRI长轴电影图像中的三尖瓣，以辅助评估右心室功能障碍	140名具有不同心血管病理的患者	计算机视觉	心血管疾病	磁共振成像	CNN	图像	4170张图像来自140名患者	NA	ResNet-50	欧几里得距离误差, ICC	NA
80	2026-09-07	Deep generative neural network for accurate drug response imputation 2021-03-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-21997-5 PMID:33741950	研究论文	开发深度变分自编码器模型以准确插补药物反应，并在细胞系和癌症样本中验证其性能	利用深度变分自编码器将数千个基因压缩为低维潜在向量，用于准确插补药物反应，优于基于特征基因的方法，并控制过拟合问题	未在文中明确提及局限性	开发深度生成模型以准确插补药物反应，并研究相关特征和标志物	癌症细胞系和癌症样本，包括TCGA数据	深度学习	癌症	转录组测序	变分自编码器	基因表达数据	未明确提及具体样本数量	未明确提及	变分自编码器	相关性	未明确提及