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
1	2026-04-09	Automated identification of clinical features from sparsely annotated 3-dimensional medical imaging 2021-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00411-w PMID:33686212	研究论文	本文提出了一种名为SLIVER-net的新型深度学习技术，用于从稀疏标注的三维医学影像中自动识别临床特征，并应用于预测年龄相关性黄斑变性的进展风险因素	提出了一种基于迁移学习的新深度学习技术SLIVER-net，通过利用公开大型数据集中的网络结构和参数，并采用新颖的切片和层叠方法处理三维结构，从而在少量标注数据下有效预测临床特征	训练数据相对较少（仅数百个标注体积和数十个阳性样本），且依赖于公开数据集的可用性，可能限制了模型在更广泛医学影像任务中的泛化能力	开发一种能够在有限标注医学影像数据下自动识别临床特征的深度学习技术，以解决医学领域标注数据稀缺的挑战	三维医学影像数据，特别是光学相干断层扫描体积，用于预测年龄相关性黄斑变性的进展风险因素	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	深度学习	三维体积图像	数百个标注体积和数十个阳性训练样本	NA	SLIVER-net	NA	NA
2	2026-04-06	Automatic semantic segmentation of kidney cysts in MR images of patients affected by autosomal-dominant polycystic kidney disease 2021-03, Abdominal radiology (New York) DOI:10.1007/s00261-020-02748-4 PMID:32940759	研究论文	本文开发了一种基于卷积神经网络的自动语义分割方法，用于在常染色体显性多囊肾病患者的磁共振图像中分割肾脏囊肿	提出了一种全自动的语义分割方法，用于区分和分析ADPKD患者的肾脏囊肿，其性能达到观察者间变异性水平	研究样本量较小（60例MR图像），且仅使用T2加权图像，可能限制了模型的泛化能力	开发并评估一种全自动语义分割方法，以区分和分析ADPKD患者的肾脏囊肿，用于自动分类患者表型、临床决策和疾病进展监测	常染色体显性多囊肾病患者的磁共振图像中的肾脏囊肿	数字病理学	常染色体显性多囊肾病	磁共振成像	CNN	图像	60例MR T2加权图像	NA	NA	Dice系数, 总囊肿体积百分比差异	NA
3	2026-03-22	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	本研究评估了深度学习算法在预测冠状动脉完全闭塞中的可行性，并探讨了数据特征混淆对模型性能的影响	揭示了深度学习模型在数据泄露情况下可能产生虚假高结果的风险，强调了在回顾性观察性研究中数据质量控制的重要性	数据集规模过小，导致第二次实验模型性能不佳；存在数据泄露问题，影响了第一次实验结果的可靠性	评估深度学习算法在检测冠状动脉闭塞方面的可行性，并与心脏病专家及STEMI标准进行比较	STAFF III数据库中的心电图样本，包括急性冠状动脉闭塞样本和无闭塞样本	机器学习	心血管疾病	心电图分析	CNN	心电图信号	STAFF III数据库中的样本，具体数量未明确说明	未明确说明	深度卷积神经网络	F1分数	未明确说明
4	2026-03-22	Artificial intelligence assessment for early detection of heart failure with preserved ejection fraction based on electrocardiographic features 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaa015 PMID:36711179	研究论文	本研究开发了一种基于心电图特征的深度学习模型，用于早期检测射血分数保留的心力衰竭	首次开发了一种可解释的深度学习模型，利用常规心电图设备进行HFpEF的可靠和经济筛查，并通过内部和外部验证展示了高性能	研究为回顾性队列设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性研究中进一步验证	开发并验证一种基于心电图的深度学习模型，用于早期筛查射血分数保留的心力衰竭	接受超声心动图和心电图检查且左心室收缩功能正常的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	内部开发集：20,169名患者的32,671份心电图；内部验证集：1,979名患者；外部验证集：11,955名患者	NA	集成神经网络	受试者工作特征曲线下面积	NA
5	2026-03-02	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，并提供了方法论角度的定性和定量分析	首次系统性回顾了患者表示学习领域，总结了从2015年至2019年该领域的发展趋势、典型工作流程、主流方法及应用	现有预测模型主要关注单一疾病预测，未从整体角度考虑患者的复杂机制；由于电子健康记录数据的隐私问题，基准数据集大多不可用	回顾和分析使用深度学习方法从电子健康记录中学习患者表示的研究进展	从电子健康记录中提取的患者数据	自然语言处理, 机器学习	NA	深度学习	RNN, LSTM, GRU	结构化电子健康记录数据	49篇研究论文	NA	长短期记忆网络, 门控循环单元	交叉熵损失	NA
6	2026-02-21	STAN: spatio-temporal attention network for pandemic prediction using real-world evidence 2021-03-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa322 PMID:33486527	研究论文	本文提出了一种时空注意力网络（STAN），用于基于真实世界证据的疫情预测	结合患者索赔数据、人口统计相似性和地理邻近性，并将疫情传播动力学整合到深度学习模型中，以提升预测准确性	NA	开发一种混合模型，以更早、更准确地预测疫情中的感染病例数	美国各县的疫情数据和患者索赔数据	机器学习	COVID-19	深度学习	图注意力网络	索赔数据, 统计数据	美国各县的疫情数据和患者索赔数据	NA	时空注意力网络	均方误差	NA
7	2025-11-30	A comparison of methods for fully automatic segmentation of tumors and involved nodes in PET/CT of head and neck cancers 2021-03-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe553 PMID:33666176	研究论文	比较传统PET阈值方法、经典机器学习算法和2D U-Net卷积神经网络在头颈癌PET/CT图像中自动分割肿瘤体积的性能	首次系统比较传统阈值法、经典机器学习和深度学习在头颈癌多模态影像分割中的表现，并评估单模态与多模态输入对分割质量的影响	仅使用2D U-Net架构，未探索3D或其他更先进的深度学习模型	开发头颈癌放疗中自动肿瘤体积分割方法，提高分割准确性和效率	头颈癌患者的PET/CT影像数据	数字病理	头颈癌	PET/CT影像技术	CNN	医学影像	197名患者（训练集157名，测试集40名）	NA	2D U-Net	Sørensen-Dice相似系数, 真阳性率, 阳性预测值, 表面距离指标	NA
8	2025-10-06	Integrative proteomics identifies thousands of distinct, multi-epitope, and high-affinity nanobodies 2021-03-17, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2021.01.003 PMID:33592195	研究论文	通过整合蛋白质组学方法系统性地鉴定了数千种具有多表位和高亲和力的纳米抗体	开发了前所未有的规模化蛋白质组学策略来研究抗原结合的循环骆驼科重链抗体，并首次绘制了超过10万种抗原-纳米抗体复合物的表位图谱	研究主要聚焦于骆驼科动物抗体，可能不直接适用于其他哺乳动物抗体系统	系统理解抗体库的多样性和抗原结合特性	骆驼科重链抗体及其纳米抗体片段	蛋白质组学	NA	蛋白质组学、高通量结构建模、交联质谱、突变分析、深度学习	深度学习模型	质谱数据、结构数据、序列数据	数千种不同的纳米抗体家族，超过10万种抗原-纳米抗体复合物	NA	NA	亲和力、特异性、多样性	NA
9	2025-10-06	Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning 2021-Mar, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-020-03366-9 PMID:32852634	研究论文	本研究开发了基于XGBoost和深度学习的模型，用于术前预测肝细胞癌的微血管侵犯	结合放射组学特征、影像学特征和临床变量构建XGBoost模型，并开发3D-CNN模型进行MVI预测	需要进一步验证，样本量相对有限（405例患者）	术前预测肝细胞癌的微血管侵犯状态	肝细胞癌患者	医学影像分析	肝细胞癌	CT影像分析，放射组学特征提取	XGBoost, 3D-CNN	CT图像	405例患者（220例MVI阳性，185例MVI阴性）	NA	3D卷积神经网络	AUROC, 置信区间, 无复发生存期	NA
10	2025-02-21	Sensor-Based Human Activity Recognition with Spatio-Temporal Deep Learning 2021-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s21062141 PMID:33803891	研究论文	本文提出了一种基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的时空深度学习新方法，用于传感器数据的人类活动识别（HAR）	本研究的创新点在于有效选择最佳视频表示，并利用传统CNN和BiLSTM从传感器数据中有效提取空间和时间特征	NA	优化人类活动识别（HAR）性能，特别是在医疗保健和老年护理领域的应用	传感器数据，包括加速度计、传感器和陀螺仪收集的数据	计算机视觉	NA	深度学习	CNN, BiLSTM	传感器数据	WISDM和UCI数据集	NA	NA	NA	NA
11	2025-02-21	An Experimental Review on Deep Learning Architectures for Time Series Forecasting 2021-Mar, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065721300011 PMID:33588711	综述	本文对深度学习在时间序列预测中的应用进行了全面回顾和实验研究，比较了七种流行架构的性能	提供了最广泛的深度学习研究，涉及超过38,000个模型的训练，并比较了不同架构配置和训练超参数下的结果	需要进一步研究不同预测任务中现有架构的适用性	评估深度学习架构在时间序列预测中的性能和适用性	时间序列数据	机器学习	NA	深度学习	LSTM, CNN	时间序列数据	超过50,000个时间序列，分为12个不同的预测问题	NA	NA	NA	NA
12	2025-10-07	Synthetic dual-energy CT for MRI-only based proton therapy treatment planning using label-GAN 2021-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe736 PMID:33596558	研究论文	本研究提出一种基于标签生成对抗网络的深度学习模型，从MRI生成合成双能CT用于质子治疗计划中的阻止本领比计算	提出新型标签生成对抗网络模型，不仅能判别合成双能CT的真实性，还能区分双能CT中的高能和低能CT，更准确地建模两者间的对比度差异	研究仅基于57例头颈癌患者数据验证，样本量相对有限	开发MRI-only质子治疗计划方法，通过生成合成双能CT来准确计算阻止本领比	头颈癌患者的双能CT和MRI影像数据	医学影像分析	头颈癌	双能CT, MRI	GAN	医学影像	57例头颈癌患者的双能CT和MRI配对数据	NA	标签生成对抗网络	平均绝对误差, 归一化平均绝对误差	NA
13	2024-12-01	Applications of Artificial Intelligence for Retinopathy of Prematurity Screening 2021-03, Pediatrics IF:6.2Q1 DOI:10.1542/peds.2020-016618 PMID:33637645	研究论文	评估人工智能在印度ROP远程医疗项目中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异是否与氧气调节能力有关	利用人工智能进行ROP筛查，可能改善次级预防的护理可及性，并有助于评估疾病流行病学和新生儿护理单元资源	NA	评估人工智能在ROP筛查中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异与氧气调节能力的关系	ROP的严重程度及新生儿护理单元的氧气调节能力	机器学习	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
14	2024-10-09	SMORE: A Self-Supervised Anti-Aliasing and Super-Resolution Algorithm for MRI Using Deep Learning 2021-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.3037187 PMID:33170776	研究论文	本文提出了一种基于卷积神经网络的自监督抗锯齿和超分辨率算法SMORE，用于提高MRI图像的质量	该方法无需外部训练数据，利用图像本身的高分辨率和低分辨率数据进行自监督训练	NA	提高MRI图像的分辨率和减少锯齿伪影	MRI图像	计算机视觉	NA	卷积神经网络	CNN	图像	广泛收集的MRI数据，包括滤波和下采样的图像以及实际采集的低分辨率图像	NA	NA	NA	NA
15	2024-10-08	InstantDL: an easy-to-use deep learning pipeline for image segmentation and classification 2021-Mar-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04037-3 PMID:33653266	研究论文	本文介绍了一个名为InstantDL的深度学习管道，用于图像分割和分类任务	InstantDL允许具有基本计算背景的研究人员轻松应用经过调试和基准测试的最新深度学习算法，无需大量编码和机器学习背景	NA	开发一个易于使用的深度学习管道，使生物医学研究人员能够进行可重复的图像处理	图像分割和分类任务	计算机视觉	NA	卷积神经网络	CNN	图像	七个公开数据集	NA	NA	NA	NA
16	2024-09-19	Deep Learning-Driven Automated Detection of COVID-19 from Radiography Images: a Comparative Analysis 2021-Mar-02, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09779-5 PMID:33680209	研究论文	本文详细研究了基于深度学习的COVID-19自动检测方法，并进行了模型性能的基准测试	首次对315种深度学习模型在COVID-19检测中的性能进行了基准测试，并发现DenseNet201模型结合Quadratic SVM分类器表现最佳	研究主要集中在X射线图像上，未涵盖其他类型的医学影像数据	评估和比较不同深度学习模型在COVID-19检测中的性能	COVID-19、正常和肺炎的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet201	图像	来自四个数据集的X射线图像，共315个模型	NA	NA	NA	NA
17	2024-09-11	Handling of uncertainty in medical data using machine learning and probability theory techniques: a review of 30 years (1991-2020) 2021-Mar-21, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-021-04006-2 PMID:33776178	综述	本文回顾了过去30年（1991-2020）使用概率论和机器学习技术处理医疗数据中不确定性的相关研究	总结了处理医疗原始数据不确定性及新模型中挑战的各种方法	医疗数据中的不确定性问题仍存在有限的知识和挑战	探讨如何通过概率论和机器学习技术处理医疗数据中的不确定性	医疗数据中的不确定性及其处理方法	机器学习	NA	概率论	深度学习	医疗数据	NA	NA	NA	NA	NA
18	2024-09-10	TLCoV- An automated Covid-19 screening model using Transfer Learning from chest X-ray images 2021-Mar, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2021.110713 PMID:33526961	研究论文	本文设计了一种基于迁移学习的自动化Covid-19筛查模型，通过胸部X光图像识别患者是否感染Covid-19	本文提出的模型使用VGG-16架构，在Covid-19筛查中表现优于现有的CNN和ResNet-50模型	NA	开发一种高精度的自动化Covid-19筛查模型，以减少疾病的快速传播	Covid-19感染患者、其他肺炎感染患者和无感染者	计算机视觉	Covid-19	迁移学习	VGG-16	图像	使用来自Kaggle仓库的标准Covid-19放射影像数据集中的胸部X光图像	NA	NA	NA	NA
19	2024-09-05	Generating High-Quality Lymph Node Clinical Target Volumes for Head and Neck Cancer Radiation Therapy Using a Fully Automated Deep Learning-Based Approach 2021-03-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2020.10.005 PMID:33068690	研究论文	本文开发了一种基于深度学习的全自动方法，用于生成头颈部癌症放疗的高质量淋巴结临床目标体积（CTV）轮廓。	该研究首次实现了全自动的深度学习方法来描绘头颈部癌症患者的淋巴结CTV，提高了放疗计划的自动化程度。	研究中使用的模型需要进一步优化，以减少对医生编辑的依赖，并提高不同医生间的评分一致性。	开发一种全自动的深度学习模型，用于生成头颈部癌症放疗的高质量淋巴结CTV轮廓。	头颈部癌症患者的淋巴结CTV轮廓。	计算机视觉	头颈部癌症	计算机断层扫描（CT）	U-Net	图像	71名头颈部癌症患者的CT扫描数据，其中51名用于训练，10名用于交叉验证，10名用于测试，另外32名用于最终模型验证。	NA	NA	NA	NA
20	2024-09-04	[Research progress and application of retention time prediction method based on deep learning] 2021-Mar, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2020.08015 PMID:34227303	研究论文	本文综述了基于深度学习的保留时间预测方法及其在蛋白质组学中的应用进展	引入深度学习技术进行保留时间预测，通过迁移学习提高模型在不同色谱条件下的适用性，并生成伪光谱库以克服传统方法的局限	对于复杂修饰如糖基化的预测仍存在不足	探讨深度学习在保留时间预测及其相关应用中的研究进展和未来发展方向	蛋白质组学中的肽段保留时间预测	机器学习	NA	深度学习	深度神经网络	序列数据	NA	NA	NA	NA	NA