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	2025-10-06	Automated detection and segmentation of thoracic lymph nodes from CT using 3D foveal fully convolutional neural networks 2021-04-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00599-z PMID:33849483	研究论文	开发基于3D foveal全卷积神经网络的自动化工具，用于胸部CT扫描中淋巴结的检测和分割	首次采用基于3D foveal patches的全卷积神经网络进行淋巴结的自动3D检测和分割	对小尺寸淋巴结（短轴直径5-10mm）的检测率较低（62.2%），测试数据集规模较小（15个CT扫描）	开发自动检测和分割胸部淋巴结的工具，辅助临床诊断和影像组学研究	胸部CT扫描中的淋巴结	计算机视觉	肺癌	CT扫描	CNN	3D医学图像	训练集：89个增强CT扫描，4275个淋巴结；测试集：15个增强CT扫描	NA	3D Foveal Fully Convolutional Neural Network	检测率，假阳性率	NA
2	2025-10-06	Crossing the 'Cookie Theft' Corpus Chasm: Applying what BERT Learns from Outside Data to the ADReSS Challenge Dementia Detection Task 2021-Apr, Frontiers in computer science IF:2.4Q3 DOI:10.3389/fcomp.2021.642517 PMID:40535703	研究论文	本研究通过整合外部Wisconsin Longitudinal Study语料库数据，提升BERT模型在ADReSS挑战赛中痴呆检测任务的性能	创建了包含1366个Cookie Theft任务转录的新语料库，将可用训练数据增加一个数量级，并探索了使用推断认知状态选择规范数据的方法	WLS语料库的元数据不包含痴呆诊断，需要通过认知测试结果推断参与者的认知状态	提高深度学习模型在阿尔茨海默病检测任务中的性能	阿尔茨海默病患者和健康对照者的自发言语样本	自然语言处理	阿尔茨海默病	语音转录分析，认知测试推断	BERT	文本（语音转录）	DementiaBank语料库加上1366个WLS转录样本	NA	BERT	NA	NA
3	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
4	2025-10-07	Artificial Intelligence-Enabled Analysis of Public Attitudes on Facebook and Twitter Toward COVID-19 Vaccines in the United Kingdom and the United States: Observational Study 2021-04-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26627 PMID:33724919	研究论文	使用人工智能分析英美两国社交媒体上对COVID-19疫苗的公众态度	首次结合自然语言处理和深度学习技术对英美两国大规模社交媒体数据开展疫苗态度的纵向和地理空间分析	仅分析特定时间段（2020年3-11月）的社交媒体数据，可能无法反映态度变化的全貌	通过人工智能方法分析社交媒体数据以了解公众对COVID-19疫苗的态度和担忧	英国和美国的社交媒体用户发布的疫苗相关内容	自然语言处理	COVID-19	自然语言处理, 深度学习	深度学习模型	文本数据	英国23,571条Facebook帖子和40,268条推文，美国144,864条Facebook帖子和98,385条推文	NA	NA	情感分析准确率, 与全国调查结果的相关性	NA
5	2025-10-07	The ANTsX ecosystem for quantitative biological and medical imaging 2021-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87564-6 PMID:33907199	研究论文	介绍ANTsX生态系统在生物和医学影像定量分析中的综合应用	将传统图像处理工具与深度学习能力相结合，通过ANTsRNet和ANTsPyNet扩展提供高效的深度学习解决方案	NA	开发和完善生物医学影像处理与分析的开源软件生态系统	生物和医学影像数据	医学影像分析	NA	医学影像处理，深度学习	深度学习网络	结构T1加权脑MRI图像	NA	TensorFlow, Keras	多种流行网络架构	计算效率，准确度	NA
6	2025-02-21	An Efficient Anomaly Recognition Framework Using an Attention Residual LSTM in Surveillance Videos 2021-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s21082811 PMID:33923712	研究论文	本文提出了一种基于注意力残差LSTM的高效异常识别框架，用于智能城市中的监控视频	提出了一种轻量级的卷积神经网络（CNN）框架，结合残差注意力机制的LSTM网络，有效降低了时间复杂性并提高了异常识别的准确性	未提及具体的时间复杂性和计算资源消耗的详细对比	提高智能城市监控视频中异常识别的效率和准确性	监控视频中的异常活动	计算机视觉	NA	深度学习	CNN, LSTM	视频	UCF-Crime, UMN, Avenue数据集	NA	NA	NA	NA
7	2025-02-21	An improved SPEI drought forecasting approach using the long short-term memory neural network 2021-Apr-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2021.111979 PMID:33482453	研究论文	本研究提出了一种改进的SPEI干旱预测方法，使用长短期记忆神经网络（LSTM）来预测标准降水蒸发指数（SPEI）	首次将LSTM神经网络应用于SPEI干旱预测，并与传统的机器学习方法（如随机森林和人工神经网络）进行了比较	研究仅在新南威尔士地区进行，未在其他地区验证模型的普适性	开发准确的干旱预测模型，并理解模型在分析不同干旱特征方面的能力	标准降水蒸发指数（SPEI）	机器学习	NA	长短期记忆神经网络（LSTM）	LSTM	时间序列数据	1901年至2018年的气候研究单位（CRU）数据集	NA	NA	NA	NA
8	2024-11-17	Trends in artificial intelligence, machine learning, and chemometrics applied to chemical data 2021-Apr, Analytical science advances IF:3.0Q2 DOI:10.1002/ansa.202000162 PMID:38716450	综述	本文综述了2020年化学数据中化学计量学、机器学习和深度学习的最新趋势	探讨了逆向建模、预处理方法和数据建模在光谱和图像数据中的应用	NA	旨在提高化学数据的应用潜力	化学和光谱数据	机器学习	NA	化学计量学	深度学习	光谱和图像数据	NA	NA	NA	NA	NA
9	2024-10-14	Infrared Metasurface Augmented by Deep Learning for Monitoring Dynamics between All Major Classes of Biomolecules 2021-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202006054 PMID:33615570	研究论文	本文介绍了一种结合深度学习的化学特异性纳米等离子体技术，用于在不干扰天然过程的情况下，以无标签方式区分所有主要类别的生物分子	本文提出了一种新的深度学习增强的纳米等离子体技术，能够在微流控设备中增强中红外光谱的吸收，并实时收集大量光谱时间数据，用于构建深度神经网络以准确区分所有主要类别的生物分子	NA	开发一种能够监测生物分子间动态交互的新技术，以促进疾病诊断和药物开发	蛋白质、核酸、碳水化合物和脂质等主要类别的生物分子	生物学	NA	纳米等离子体技术	深度神经网络	光谱时间数据	包含蔗糖和核苷酸的脂质体与小分子脂质膜穿孔肽的多步生物测定	NA	NA	NA	NA
10	2024-10-09	Machine learning and deep learning to predict mortality in patients with spontaneous coronary artery dissection 2021-04-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-88172-0 PMID:33903608	研究论文	本文探讨了机器学习和深度学习技术在预测自发性冠状动脉夹层患者住院期间死亡率中的应用	首次应用深度神经网络模型从电子健康记录中提取信息，预测自发性冠状动脉夹层患者的住院死亡率，并展示了该模型在预测准确性和区分能力上优于传统的机器学习模型	研究样本量较小，且仅限于一个城市健康系统的数据，可能影响模型的普适性	探索机器学习和深度学习技术在预测自发性冠状动脉夹层患者死亡率中的应用价值	自发性冠状动脉夹层患者	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	深度神经网络	电子健康记录 (EHR)	375名自发性冠状动脉夹层患者	NA	NA	NA	NA
11	2024-10-06	Deeply Supervised UNet for Semantic Segmentation to Assist Dermatopathological Assessment of Basal Cell Carcinoma 2021-Apr-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7040071 PMID:34460521	研究论文	本文开发了一种深度学习方法，通过语义分割标记高概率显示病理特征的区域，以协助皮肤病理学家评估基底细胞癌	本文引入了深度监督和解码器输出的线性组合两种训练策略，并分析了不同编码器对UNet网络性能的影响	NA	开发一种深度学习方法，协助皮肤病理学家快速准确地评估基底细胞癌的切除边缘	基底细胞癌的病理特征区域	计算机视觉	皮肤癌	深度学习	UNet	图像	650张全切片图像，包含3443个组织切片	NA	NA	NA	NA
12	2024-09-28	Artificial intelligence and digital pathology: Opportunities and implications for immuno-oncology 2021-04, Biochimica et biophysica acta. Reviews on cancer DOI:10.1016/j.bbcan.2021.188520 PMID:33561505	综述	本文探讨了人工智能在免疫肿瘤学中的应用及其对数字病理学的影响	利用深度学习进行病理样本的大数据分析，超越传统技术的可能性	NA	探讨人工智能在免疫肿瘤学中的应用，解决肿瘤免疫相互作用和免疫治疗患者选择的问题	肿瘤免疫微环境的可测量特征及其在预测和预后中的价值	数字病理学	肿瘤	深度学习	NA	病理样本数据	NA	NA	NA	NA	NA
13	2024-09-27	Efficient few-shot machine learning for classification of EBSD patterns 2021-04-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87557-5 PMID:33854109	研究论文	本文研究了在电子背散射衍射（EBSD）图案分类中使用少样本迁移学习方法的有效性	本文首次将少样本迁移学习应用于EBSD图案分类，并使用可视化技术解释模型操作	本文未详细讨论迁移学习在其他材料科学问题中的应用	验证少样本迁移学习在EBSD图案分类中的有效性	电子背散射衍射（EBSD）图案	计算机视觉	NA	迁移学习	卷积神经网络（CNN）	图像	六种空间群的EBSD图案	NA	NA	NA	NA
14	2024-09-25	An imageomics and multi-network based deep learning model for risk assessment of liver transplantation for hepatocellular cancer 2021-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2021.101894 PMID:33725579	研究论文	本文开发了一种结合临床数据和定量组织学及放射组学特征的深度学习模型，用于评估肝细胞癌患者肝移植的风险	本文的创新点在于开发了一种结合多尺度组织病理学和放射组学图像特征的深度学习模型，用于发现超出肿瘤大小和生物标志物分析的复发风险因素	NA	本文的研究目的是开发一种能够更客观评估肝细胞癌患者肝移植风险的深度学习模型	本文的研究对象是接受肝移植的肝细胞癌患者	计算机视觉	肝癌	深度学习	多层感知器	图像	共109名患者（训练组87名，测试组22名），其中20名患者出现癌症复发	NA	NA	NA	NA
15	2024-09-19	A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images 2021-Apr-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare9050522 PMID:33946809	研究论文	提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法	提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率	由于COVID-19数据集较小，存在过拟合的风险	开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者	COVID-19患者的胸部X光图像	计算机视觉	传染病	深度学习	Inception-ResNet	图像	有限数量的COVID-19患者胸部X光图像	NA	NA	NA	NA
16	2024-09-19	Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets 2021-Apr-22, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.106849 PMID:33584016	研究论文	本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法	本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别	本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证	开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担	COVID-19的CT影像识别	计算机视觉	COVID-19	迁移学习	DensNet-121	CT影像	小规模数据集	NA	NA	NA	NA
17	2024-09-13	[Research progress in lung parenchyma segmentation based on computed tomography] 2021-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202008032 PMID:33913299	综述	本文综述了近年来基于CT图像的肺实质分割研究进展	重点介绍了改进深度学习模型网络结构的研究进展	讨论了肺实质分割中尚未解决的问题	回顾和分析肺实质分割的研究进展，为相关领域的研究人员提供参考	基于CT图像的肺实质分割方法	计算机视觉	肺部疾病	CT技术	深度学习模型	图像	NA	NA	NA	NA	NA
18	2024-09-10	Does non-COVID-19 lung lesion help? investigating transferability in COVID-19 CT image segmentation 2021-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2021.106004 PMID:33662804	研究论文	研究了非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果	提出了混合编码器学习策略，结合了专用编码器和适应性编码器，以及基于注意力的选择性融合单元，用于动态特征选择和聚合	NA	探讨非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果，并提出一种更有效的深度学习模型训练策略	COVID-19 CT图像分割	计算机视觉	肺部疾病	迁移学习	3D U-Net	CT图像	基于公开的COVID-19 CT数据集和三个公开的非COVID-19数据集	NA	NA	NA	NA
19	2024-09-08	Deep Learning-Based Cell Detection and Extraction in Thin Blood Smears for Malaria Diagnosis 2021-Apr-26, IEEE Applied Imagery Pattern Recognition Workshop : [proceedings]. IEEE Applied Imagery Pattern Recognition Workshop DOI:10.1109/AIPR52630.2021.9762109 PMID:36483328	研究论文	本文提出了一种基于深度学习的薄血涂片中细胞检测和提取框架，用于疟疾诊断	使用改进的Channel-wise Feature Pyramid Network for Medicine (CFPNet-M)深度学习网络进行细胞检测，并通过距离变换图像提高密集细胞的计数准确性	初步结果基于193名患者的数据，需要进一步验证和扩展	自动化疟疾诊断，解决传统显微镜检查的繁琐和误差问题	薄血涂片中的红细胞检测和提取	计算机视觉	疟疾	深度学习	CFPNet-M	图像	193名患者（包括148名感染患者和45名未感染患者）	NA	NA	NA	NA
20	2024-08-31	Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction 2021-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.14609 PMID:33225476	研究论文	本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测	首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测	需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性	开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	VB-Net神经网络	CT扫描图像	训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描	NA	NA	NA	NA