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	2026-10-01	Ethics and Law in Research on Algorithmic and Data-Driven Technology in Mental Health Care: Scoping Review 2021-Jun-10, JMIR mental health IF:4.8Q1 DOI:10.2196/24668 PMID:34110297	范围综述	本文通过范围综述方法，调查了算法和数据驱动技术在心理健康护理中应用的相关实证文献，以识别已提出的法律和伦理问题	首次系统性地调查了算法和数据驱动技术在心理健康领域应用中的伦理和法律问题，并采用传统内容分析结合关键词语境分析方法进行了综合评估	仅纳入Scopus、Embase和ACM数据库的同行评审实证研究，可能遗漏其他数据库或灰色文献中的相关研究；所纳入的研究本身对伦理和法律问题的讨论较少，限制了分析的深度	调查算法和数据驱动技术在心理健康倡议中应用的实证学术文献，以识别已提出的法律和伦理问题	在心理健康护理中应用算法和数据驱动技术的同行评审实证研究	机器学习	精神疾病	NA	NA	文本	从1078篇相关同行评审应用研究中筛选出132篇实证研究论文进行综述	NA	NA	NA	NA
2	2026-10-01	Segmentation-Renormalized Deep Feature Modulation for Unpaired Image Harmonization 2021-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3059726 PMID:33591913	研究论文	本文提出了一种分割重归一化的图像翻译框架，用于无配对图像协调，以减少扫描仪间的异质性，同时保持解剖结构	基于形态形状在成像站点间一致的假设，将生成网络归一化层中的仿射变换替换为基于联合学习解剖分割嵌入的可训练缩放和偏移参数，以在每个翻译级别调节特征，从而减少扫描仪间异质性并保持解剖布局	未明确提及	减少多中心医学图像中的扫描仪间异质性，同时保持解剖结构，以提高下游统计和深度学习图像分析的可靠性	多中心医学图像（包括T1w MRI、FLAIR MRI和OCT）	医学图像处理	NA	深度学习图像协调（基于Cycle-consistent Generative Adversarial Networks的变体）	Cycle-consistent Generative Adversarial Networks	医学图像	NA（多个数据集，包括有和没有病变的数据集）	NA	NA	Inception距离、事后分割准确度、翻译扰动鲁棒性、自对抗攻击鲁棒性	NA
3	2026-09-30	Plankton classification with high-throughput submersible holographic microscopy and transfer learning 2021-06-16, BMC ecology and evolution IF:2.3Q3 DOI:10.1186/s12862-021-01839-0 PMID:34134620	研究论文	本文利用便携式数字同轴全息显微镜和高通量成像技术，结合迁移学习，对浮游生物图像进行分类	结合便携式全息显微镜与预训练卷积神经网络，实现高通量浮游生物图像分类，并展示即用型分类器在不同决策阈值下的强性能	未明确提及	利用全息成像和迁移学习改进浮游生物群落的原位监测，并促进微生物真核生物多样性的采样	浮游生物（微型和中型浮游生物，> 20 μm）图像	计算机视觉	NA	数字同轴全息显微镜	CNN	图像	超过3800张微型和中型浮游生物图像，涵盖19个类别	NA	预训练卷积神经网络（未指定具体架构）	F1-score	NA
4	2026-09-30	Federated learning improves site performance in multicenter deep learning without data sharing 2021-06-12, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa341 PMID:33537772	研究论文	本文展示了通过联邦学习实现多机构训练而不集中或共享底层物理数据	在3个学术机构间成功展示联邦学习，避免患者数据转移和池化的隐私风险	需要进一步研究以加速跨机构模型开发	展示通过联邦学习实现多机构训练而不集中或共享底层物理数据	3个学术机构的临床数据和外部挑战数据集	数字病理学	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
5	2026-09-30	Adversarial Attack and Defence through Adversarial Training and Feature Fusion for Diabetic Retinopathy Recognition 2021-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s21113922 PMID:34200216	研究论文	本文针对糖尿病视网膜病变识别中的视网膜眼底图像，提出了一种结合对抗训练和特征融合策略的防御模型，以抵御对抗性散斑噪声攻击	提出了一种防御框架，该框架整合了对抗训练和特征融合策略，能够抵御对抗性散斑噪声攻击并保持正确的分类标签	未明确说明	研究糖尿病视网膜病变识别中对抗性攻击的防御方法，提高深度学习模型的安全性和鲁棒性	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	对抗训练、特征融合	NA	图像	NA	NA	NA	准确率	NA
6	2026-09-29	Automated scoring of pre-REM sleep in mice with deep learning 2021-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-91286-0 PMID:34112829	研究论文	本文提出一种基于深度学习的方法，自动对小鼠睡眠阶段进行评分，包括经典阶段和pre-REM阶段	提出了一种简单的神经网络架构，能够同时评分经典睡眠阶段和pre-REM阶段，并提供了源代码和在线平台	对pre-REM阶段的评分F1分数较低（0.5），可能由于过渡阶段在数据集中代表性不足或评分者间差异大	实现小鼠睡眠阶段的自动评分，特别是pre-REM阶段	雄性C57BL/6J小鼠的睡眠数据	机器学习	NA	NA	神经网络	NA	NA	NA	简单神经网络	F1分数	NA
7	2026-09-29	Improved amyloid burden quantification with nonspecific estimates using deep learning 2021-06, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05131-z PMID:33415430	研究论文	该研究利用深度学习网络从结构MRI预测淀粉样蛋白PET的非特异性摄取，从而改进淀粉样蛋白负荷的量化	利用深度学习的跨模态图像转换能力来去除脑血管疾病引起的非特异性结合变异性，从而更准确地量化淀粉样蛋白负荷	研究样本来自新加坡淀粉样蛋白PET研究，可能存在人群特异性限制；仅使用了特定网络架构，未广泛比较其他方法	提出一种新的淀粉样蛋白PET量化方法，以消除脑血管疾病导致的非特异性结合变异，提高淀粉样蛋白负荷测量的准确性	172名具有不同严重程度脑血管疾病的参与者	数字病理学, 机器学习	阿尔茨海默病, 脑血管疾病	淀粉样蛋白PET, MRI	CNN, cGAN	图像	172名参与者，配对MR和PET图像	NA	ScaleNet, HighRes3DNet, cGAN	平均相对误差, 认知和功能测试评分的关联性	NA
8	2026-09-29	Complex networks and deep learning for EEG signal analysis 2021-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-020-09626-1 PMID:34040666	综述	本文综述了复杂网络和深度学习在脑电图（EEG）信号分析中的应用，并提出了一个结合递归图和卷积神经网络进行疲劳驾驶识别的框架	将复杂网络和深度学习结合用于EEG信号分析，并提出了递归图与卷积神经网络结合的疲劳驾驶识别框架	复杂网络与深度学习的结合在基于EEG信号的分类问题中仍处于起步阶段	综述复杂网络和深度学习在EEG信号研究中的应用，并探索二者结合进行特征提取和分类的潜力	EEG信号	机器学习	神经系统疾病	脑电图（EEG）	卷积神经网络（CNN）	图像	NA	NA	卷积神经网络（CNN）	NA	NA
9	2026-09-29	An effectively causal deep learning algorithm to increase intelligibility in untrained noises for hearing-impaired listeners 2021-06, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0005089 PMID:34241481	研究论文	本文提出一种有效因果深度学习算法，通过单麦克风门控卷积循环网络进行复杂频谱映射，以在未训练噪声中提高听障听者的语音可懂度	采用有效因果深度学习框架，在人类语音感知机制的短暂延迟容忍度内利用未来时间帧信息，实现实时噪声减少并显著提高可懂度	未明确说明计算复杂度或实时性实现的具体硬件要求，以及可能对更广泛噪声类型的泛化能力有限	开发一种有效因果深度学习算法，以在未训练背景噪声中提高听障听者的语音可懂度	听障听者	语音增强	听力损失	深度学习	门控卷积循环网络	音频	NA	NA	门控卷积循环网络	可懂度	NA
10	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
11	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
12	2026-09-04	Intra-domain task-adaptive transfer learning to determine acute ischemic stroke onset time 2021-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2021.101926 PMID:33934065	研究论文	本文提出了一种域内任务自适应迁移学习方法，利用MRI扩散序列对急性缺血性卒中患者的发病时间进行分类	提出了一种域内任务自适应迁移学习方法，先在较简单的临床任务（卒中检测）上训练模型，再根据不同TSS二元阈值对模型进行微调	未明确提及	开发深度学习模型，利用MRI扩散序列对急性缺血性卒中患者的发病时间进行分类，以辅助未知TSS患者的治疗决策	急性缺血性卒中（AIS）患者的MRI扩散序列影像数据	计算机视觉	急性缺血性卒中（心血管疾病）	MRI扩散成像	CNN（2D和3D卷积神经网络）	医学影像（MRI扩散序列）	未明确提及具体样本量，但涵盖了更广泛的患者群体，未排除基于临床、人口统计学或图像处理标准的影像研究	NA	2D CNN, 3D CNN	ROC-AUC, 敏感性 (sensitivity), 特异性 (specificity), 准确率 (accuracy)	NA
13	2026-08-25	Quantification of Nonperfusion Area in Montaged Widefield OCT Angiography Using Deep Learning in Diabetic Retinopathy 2021-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100027 PMID:36249293	研究论文	本研究评估了一种基于深度学习的算法，用于量化拼接宽视野OCT血管成像中的非灌注区，以评估糖尿病视网膜病变的严重程度。	开发了一种深度学习算法，能够区分非灌注区与阴影伪影，并在拼接的宽视野OCTA图像上准确量化非灌注区，显示出比单独黄斑扫描更高的检测灵敏度。	未在文中明确提及局限性。	评估基于深度学习的算法在拼接宽视野OCT血管成像中量化非灌注区的效果，用于糖尿病视网膜病变严重程度的评估。	137名不同严重程度的糖尿病视网膜病变参与者和26名健康参与者。	深度学习	糖尿病视网膜病变	OCT血管成像	深度学习算法（具体类型未指定，推测为卷积神经网络）	OCT血管成像图像	163名参与者，978个OCT血管成像扫描	未明确指定	未明确指定	F1分数、曲线下面积、灵敏度、特异性	未明确提及
14	2026-06-17	In-Pero: Exploiting Deep Learning Embeddings of Protein Sequences to Predict the Localisation of Peroxisomal Proteins 2021-Jun-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms22126409 PMID:34203866	研究论文	提出In-Pero方法，结合深度学习嵌入与机器学习预测过氧化物酶体蛋白质亚定位	首个专门针对过氧化物酶体蛋白亚定位（基质vs膜）的预测工具，利用深度学习的蛋白质序列多维度嵌入表示	未指明	开发预测过氧化物酶体蛋白亚细胞定位的新方法	过氧化物酶体蛋白（基质和膜蛋白）	机器学习	相关疾病（多种疾病发病机制涉及过氧化物酶体蛋白定位异常）	深度学习嵌入	机器学习与深度学习组合模型	蛋白质氨基酸序列	160个过氧化物酶体蛋白（实验验证定位证据）	NA	NA	准确率	NA
15	2026-06-07	Development and validation of MRI-based deep learning models for prediction of microsatellite instability in rectal cancer 2021-06, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.3957 PMID:33963688	研究论文	开发并验证基于MRI的深度学习模型，用于预测直肠癌中的微卫星不稳定性	首次将改进的MobileNetV2架构应用于直肠癌MRI图像，以预测微卫星不稳定性状态，并探索了结合临床因素的集成模型	单中心回顾性研究，样本量有限，可能存在选择偏倚；临床模型性能较低，深度学习模型间差异无统计学意义	术前预测直肠癌患者的微卫星不稳定性状态，以辅助制定个性化治疗策略	491例直肠癌患者，其微卫星状态经病理证实	计算机视觉	直肠癌	MRI成像	改进的MobileNetV2	图像（高分辨率T2加权MRI图像）	491例直肠癌患者，其中训练/验证队列395例，测试队列96例	PyTorch	MobileNetV2	准确率、AUC、95%置信区间	NA
16	2026-05-31	Deep Learning to Predict Cardiac Magnetic Resonance-Derived Left Ventricular Mass and Hypertrophy From 12-Lead ECGs 2021-06, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.120.012281 PMID:34126762	研究论文	利用深度学习从12导联心电图预测心脏磁共振测量的左心室质量和肥厚	首次使用深度学习模型从12导联心电图预测CMR导出的左心室质量，并与传统心电图规则比较左心室肥厚的鉴别能力	UK Biobank和MGB队列中预测LV质量与CMR导出的相关性不同，说明模型泛化性存在局限	提高使用12导联心电图检测左心室肥厚的敏感性	左心室质量和左心室肥厚	机器学习	心血管疾病	12导联心电图	CNN（卷积神经网络）	心电图信号和心脏磁共振数据	UK Biobank中32,239名受试者（训练），独立测试集包括UK Biobank 4,903人和MGB 1,371人，MGB结果队列28,612人	NA	卷积神经网络	相关系数r，c统计量，Cox回归风险比	NA
17	2026-05-27	Microscopy deep learning predicts virus infections and reveals mechanics of lytic-infected cells 2021-Jun-25, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102543 PMID:34151222	研究论文	开发深度学习算法，通过显微镜图像预测病毒感染，并揭示裂解感染细胞的力学特性	无需病毒特异性染色，利用深度学习从荧光显微镜图像中识别疱疹病毒和腺病毒感染细胞，提前约20小时预测裂解感染结果，并揭示裂解细胞核的力学缺陷	NA	开发成像和深度学习方法，用于预测病毒感染表型并研究细胞裂解的机制	疱疹病毒和腺病毒感染的细胞	计算机视觉	病毒感染	荧光显微镜、活细胞成像	深度学习	图像	NA	NA	深度学习模型（具体架构未指定）	NA	NA
18	2026-05-27	Quantification of abdominal fat from computed tomography using deep learning and its association with electronic health records in an academic biobank 2021-06-12, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa342 PMID:33576413	研究论文	开发了一种全自动算法用于腹部脂肪分割，并在学术生物库中大规模部署该方法	利用深度学习和分布式计算构建全自动图像筛选和标记技术，可从CT扫描中识别皮下和内脏腹部脂肪，并验证与电子健康记录中表型的关联	未明确提及局限	开发全自动腹部脂肪分割算法并大规模应用在学术生物库中	宾夕法尼亚医学生物库中13502名患者的52844次CT扫描中的皮下和内脏腹部脂肪	计算机视觉	糖尿病、高血压、肾衰竭	CT	CNN	图像	13502名患者，52844次CT扫描	NA	分类网络、分割网络	类内相关系数	分布式计算
19	2026-05-25	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	提出一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，结合灰质体积和单核苷酸多态性数据	在输入层引入L1范数正则化实现稀疏特征选择，从而直接解释原始特征（如灰质体积和SNP）对分类的贡献权重	平均错误率仍达28.98%，且方法仅在精神分裂症数据上验证，外推至其他疾病或数据模态需进一步实验	开发可解释的深度学习模型，用于精神分裂症的病例-对照分类并识别生物标志物	精神分裂症患者与健康对照的灰质体积和单核苷酸多态性数据	机器学习, 影像遗传学	精神分裂症	灰质体积成像, 单核苷酸多态性基因分型	稀疏深度神经网络	图像（灰质体积）, 基因型（SNP）	训练样本634例，外部验证集分别为394、255和160例（共1443例）	NA	稀疏深度神经网络（输入层含L1正则化）	错误率	NA
20	2026-05-25	A deep learning model for mass screening of COVID-19 2021-Jun, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22544 PMID:33821094	研究论文	开发卷积神经网络模型 'COVID-Screen-Net'，用于胸部X光图像的三分类（COVID-19、细菌性肺炎和正常）	利用 GradCam 可视化特征，优化卷积层和激活层数量，微调超参数以最小化计算时间并提高效率	未明确提及局限性	开发一种快速且低成本的 COVID-19 大规模筛查工具	胸部X光图像	计算机视觉	COVID-19	NA	卷积神经网络（CNN）	图像	来自医院和网络数据集的匿名胸部X光图像	NA	COVID-Screen-Net	准确率、召回率	NA