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	2025-11-11	A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT) 2021-07-18, Sensors (Basel, Switzerland) DOI:10.3390/s21144884 PMID:34300623	研究论文	提出一种基于SDN和深度学习的混合框架，用于物联网环境中的威胁检测	结合SDN技术与混合深度学习模型（Cu-DNNGRU和Cu-BLSTM），实现高效的物联网安全威胁检测	NA	保护物联网环境免受网络攻击，防止数据泄露和经济损失	物联网设备网络流量数据	机器学习	NA	NA	DNN, GRU, BLSTM	网络流量数据	CICIDS2018公开数据集	CUDA	DNNGRU, BLSTM, GRULSTM, DNNLSTM	准确率, 召回率, F1分数, 精确率, 速度效率	CUDA加速
2	2025-10-05	GestAltNet: aggregation and attention to improve deep learning of gestational age from placental whole-slide images 2021-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1038/s41374-021-00579-5 PMID:33674784	研究论文	开发GestAltNet深度学习模型通过注意力机制和区域聚合从胎盘全切片图像预测孕周	模拟人类对高价值区域的注意力机制并实现跨区域特征聚合，提升胎盘切片图像分析性能	模型在未见过的36张全切片图像上性能略有下降	通过深度学习准确估计胎盘切片图像对应的孕周	胎盘全切片图像	数字病理学	妊娠期糖尿病,先兆子痫	全切片图像扫描	深度学习	图像	未明确样本数量，包含训练集和36张测试全切片图像	NA	GestAltNet	相关系数(r), 平均绝对误差(MAE)	NA
3	2025-10-06	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	研究论文	开发基于深度学习的自动化管道用于三阴性乳腺癌PDX肿瘤的MRI图像分割，并评估影像组学特征对肿瘤边界的敏感性	首次系统比较五种网络架构在TNBC PDX肿瘤分割中的性能，并深入分析影像组学特征对肿瘤边界扰动的敏感性	研究仅限于三阴性乳腺癌PDX模型，未验证其他癌症类型	开发自动化的肿瘤分割方法并评估影像组学特征的稳定性	三阴性乳腺癌患者来源的肿瘤异种移植模型	数字病理	乳腺癌	磁共振成像	深度学习	医学影像	NA	NA	U-Net, Dense U-Net, Res-Net, R2UNet, D-R2UNet	F1-Score, recall, precision, AUC	NA
4	2025-10-06	Semi-Automated Extraction of Lens Fragments via a Surgical Robot Using Semantic Segmentation of OCT Images with Deep Learning - Experimental Results in ex vivo Animal Model 2021-Jul, IEEE robotics and automation letters IF:4.6Q2 DOI:10.1109/LRA.2021.3072574 PMID:34621980	研究论文	本研究开发了一种基于OCT图像语义分割的机器人系统，用于半自动提取猪眼晶状体碎片	首次将深度学习语义分割技术与眼科手术机器人结合，实现眼内结构的自动识别和晶状体碎片的半自动提取	研究仅在离体猪眼模型中进行验证，样本量有限，尚未进行在体实验	验证使用OCT引导机器人系统提取晶状体碎片的可行性	猪眼晶状体碎片	计算机视觉	眼科疾病	光学相干断层扫描(OCT)	CNN	OCT图像	训练集10只猪眼，验证集8只猪眼，测试集10只猪眼，系统演示7只猪眼	NA	NA	平均交并比(mIoU)	NA
5	2025-02-21	Single-Channel Blind Source Separation of Spatial Aliasing Signal Based on Stacked-LSTM 2021-Jul-16, Sensors (Basel, Switzerland) DOI:10.3390/s21144844 PMID:34300584	研究论文	本文提出了一种基于深度学习的堆叠长短期记忆网络（Stacked-LSTM）方法，用于解决空间互联网卫星-地面通信场景中混叠信号分离精度不足的问题	该方法结合了SE模块的注意力机制和1-D卷积解码，显著提高了单通道盲源分离的性能	未提及具体的数据集或实验环境限制	提高空间互联网卫星-地面通信场景中混叠信号的分离精度	空间互联网卫星-地面通信中的混叠信号	自然语言处理	NA	深度学习	Stacked-LSTM	信号	未提及具体样本数量	NA	NA	NA	NA
6	2025-10-07	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	提出一种自监督深度学习工作流程，用于合成高平面分辨率CT图像	该工作流程是自监督的，不依赖真实CT图像训练网络，并证实了平面内高分辨率信息可以指导平面间高分辨率生成的假设	研究中仅针对头颈癌和肺癌患者的CT图像进行了验证，样本量相对有限	提高放射治疗计划中CT图像的平面分辨率	头颈癌患者和肺癌患者的CT图像	医学影像处理	头颈癌, 肺癌	CT成像	深度学习	CT图像	75例头颈癌患者（1mm层厚）和20例肺癌患者（3mm层厚）的200张CT图像	NA	NA	平均绝对误差, 边缘保持指数, 结构相似性指数, 信息保真度准则, 像素域视觉信息保真度	NA
7	2025-01-06	Self-supervised learning for accelerated 3D high-resolution ultrasound imaging 2021-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.14946 PMID:33993508	研究论文	本研究开发了一种基于深度学习的算法，用于从稀疏获取的二维图像重建高分辨率三维超声图像	提出了一种自监督学习框架，使用循环一致性生成对抗网络（cycleGAN）来生成高分辨率三维超声图像，无需外部图谱图像	研究仅在乳腺癌和前列腺癌患者的数据集上进行了评估，可能在其他疾病或更大样本量上的泛化能力有待验证	开发一种深度学习算法，用于从稀疏获取的二维图像重建高分辨率三维超声图像	乳腺癌和前列腺癌患者的超声图像	计算机视觉	乳腺癌, 前列腺癌	cycleGAN	cycleGAN	图像	70名乳腺癌患者和45名前列腺癌患者的超声图像	NA	NA	NA	NA
8	2024-11-18	ChronoRoot: High-throughput phenotyping by deep segmentation networks reveals novel temporal parameters of plant root system architecture 2021-07-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab052 PMID:34282452	研究论文	本文介绍了一种结合3D打印开放硬件和深度分割网络的高通量植物根系表型分析系统ChronoRoot	开发了一种基于深度学习的根系提取方法，利用卷积神经网络的最新进展进行图像分割，并将时间一致性纳入根系结构重建过程	NA	扩展根系高通量表型分析的可能性，揭示新的根系特征	植物根系	计算机视觉	NA	深度学习	卷积神经网络	图像	NA	NA	NA	NA	NA
9	2024-10-06	Quantum algorithm for quicker clinical prognostic analysis: an application and experimental study using CT scan images of COVID-19 patients 2021-07-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01588-6 PMID:34330278	研究论文	本文提出了一种基于量子机器学习算法的图像分类和分割方法，用于COVID-19患者的CT扫描图像分析	引入了量子机器学习（QML）在医学实践中的应用，并展示了量子神经网络（QNN）在COVID-19特征分类任务中优于传统深度学习模型的性能	需要进一步研究以评估在医疗设备中集成该模型的实施场景	开发一种更快速和准确的临床预测分析方法，以提高COVID-19患者的诊断效率	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	量子机器学习（QML）	量子神经网络（QNN）	图像	NA	NA	NA	NA	NA
10	2024-10-01	Machine Learning and Deep Learning Methods for Skin Lesion Classification and Diagnosis: A Systematic Review 2021-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11081390 PMID:34441324	综述	本文综述了过去五年中使用传统机器学习和深度学习方法进行皮肤病变分类和诊断的研究	系统性地评估了计算机辅助诊断系统的诊断准确性	研究中识别了评估皮肤病变分割和分类方法的主要挑战，如小数据集、临时图像选择和种族偏见	综述和评估计算机辅助皮肤病变诊断系统的诊断准确性	过去五年中发表在ScienceDirect、IEEE和SpringerLink数据库中的53篇传统机器学习方法和49篇深度学习方法的文章	计算机视觉	NA	传统机器学习方法和深度学习方法	NA	图像	53篇传统机器学习方法和49篇深度学习方法的文章	NA	NA	NA	NA
11	2024-10-01	Single-cell classification using graph convolutional networks 2021-Jul-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04278-2 PMID:34238220	研究论文	本文提出了一种名为sigGCN的多模态端到端深度学习模型，用于细胞分类，结合了图卷积网络（GCN）和神经网络来利用基因相互作用网络	本文的创新点在于将基因相互作用网络与基因表达数据结合，通过GCN方法提取有效特征，从而提高细胞分类的性能	NA	研究目的是通过结合基因相互作用网络和基因表达数据，提高细胞分类的准确性	研究对象是单细胞RNA测序（scRNAseq）数据中的细胞分类	机器学习	NA	图卷积网络（GCN）	图卷积网络（GCN）	基因表达数据	NA	NA	NA	NA	NA
12	2024-09-29	Automatic Extraction of Lung Cancer Staging Information From Computed Tomography Reports: Deep Learning Approach 2021-Jul-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/27955 PMID:34287213	研究论文	本文开发了一种信息提取系统，用于从CT报告中自动提取肺癌分期相关信息	提出了一种新的关系分类方法，使用关系符号约束（RSC），并在实验中展示了其优越性	NA	自动提取CT报告中肺癌分期相关信息，以支持准确的临床分期	肺癌分期信息	计算机视觉	肺癌	深度学习	BERT	文本	392份胸部CT报告	NA	NA	NA	NA
13	2024-09-28	COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 prediction 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93545-6 PMID:34253768	研究论文	本文提出了一种名为COURAGE的方法，利用深度学习技术预测美国各县未来两周的COVID-19相关死亡人数	采用自注意力模型（transformer模型）捕捉时间序列中的短期和长期依赖关系，并实现了计算效率的提升	NA	预测COVID-19在美国的局部严重程度，以优化资源分配	美国各县的COVID-19相关死亡人数	机器学习	COVID-19	深度学习	transformer模型	时间序列数据	美国各县的COVID-19相关确诊病例、死亡人数、社区流动趋势和人口统计信息	NA	NA	NA	NA
14	2024-09-25	Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future 2021-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s21144758 PMID:34300498	综述	本文综述了基于图的深度学习在医疗诊断和分析中的应用	探讨了图神经网络在处理不规则和无序生理记录数据中的潜力	现有技术主要集中在网格状数据上，难以处理不规则数据	探讨机器学习和深度学习方法在医疗数据分析中的应用	图神经网络及其在医疗领域的应用	机器学习	NA	图神经网络	图神经网络	生理记录数据	NA	NA	NA	NA	NA
15	2024-09-25	Map3D: Registration-Based Multi-Object Tracking on 3D Serial Whole Slide Images 2021-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3069154 PMID:33780334	研究论文	本文提出了一种名为Map3D的新方法，用于在3D连续全切片图像上进行基于配准的多目标跟踪，以实现肾脏病理学中大规模肾小球的自动识别和关联	创新点包括将大规模肾小球关联视为新的多目标跟踪视角，提出质量感知的全系列配准方法以提供亲和力估计和自动肾脏质量保证，以及提出双路径关联方法以应对跟踪过程中的大变形、缺失组织和伪影	NA	实现肾脏病理学中大规模肾小球的自动识别和关联	3D连续全切片图像中的肾小球	数字病理学	肾脏疾病	全切片成像（WSI）	多目标跟踪（MOT）	图像	大规模肾小球	NA	NA	NA	NA
16	2024-09-19	Blockchain-Federated-Learning and Deep Learning Models for COVID-19 Detection Using CT Imaging 2021-Jul-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/JSEN.2021.3076767 PMID:35789224	研究论文	本文提出了一种利用区块链联邦学习和深度学习模型进行COVID-19检测的框架	提出了基于区块链的联邦学习框架，解决了数据异质性和隐私保护问题，并使用了胶囊网络进行分割和分类	NA	开发一种有效的COVID-19诊断方法，解决测试试剂短缺和数据共享隐私问题	COVID-19患者的CT影像数据	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络	CT影像	来自不同医院的少量COVID-19患者数据	NA	NA	NA	NA
17	2024-09-10	Prediction of the spread of Corona-virus carrying droplets in a bus - A computational based artificial intelligence approach 2021-07-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2021.125358 PMID:33611042	研究论文	本文提出了一种基于计算和人工智能的框架，用于快速预测公交车中打喷嚏乘客产生的飞沫传播模式	本文的创新点在于结合了体积流体方法和深度学习技术，显著提高了飞沫传播预测的速度	NA	预测新冠病毒携带飞沫在公交车中的传播模式	公交车中打喷嚏乘客产生的飞沫传播	计算机视觉	NA	体积流体方法，大涡模拟	深度学习	数值模拟结果	NA	NA	NA	NA	NA
18	2024-09-10	Automatic diagnosis of coronavirus (COVID-19) using shape and texture characteristics extracted from X-Ray and CT-Scan images 2021-Jul, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102602 PMID:33824681	研究论文	本文研究了利用X射线和CT扫描图像的形状和纹理特征进行COVID-19的自动诊断	提出了上下文特征减少卷积滤波器（CFRCF），用于从胸部X光片和腹部CT图像中提取形状和纹理特征，并使用形态学算子、Gabor滤波器和属性滤波器进行特征提取	需要足够大的训练集来支持深度网络的使用，而实际中这种数据集并不总是可用	解决深度学习方法在COVID-19诊断中需要大量训练数据的问题	COVID-19的自动诊断	计算机视觉	传染病	卷积神经网络（CNN）	CNN	图像	CT扫描图像数据集和X射线图像数据集分别获得了超过76%和94%的整体分类准确率	NA	NA	NA	NA
19	2024-09-10	Fusion of convolution neural network, support vector machine and Sobel filter for accurate detection of COVID-19 patients using X-ray images 2021-Jul, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102622 PMID:33846685	研究论文	本文提出了一种结合卷积神经网络（CNN）、支持向量机（SVM）和Sobel滤波器的方法，用于通过X射线图像准确检测COVID-19患者	本文的创新点在于将CNN、SVM和Sobel滤波器结合使用，以提高COVID-19检测的准确性，并且不依赖预训练网络	NA	开发一种自动诊断系统，用于快速诊断COVID-19，以防止其传播	COVID-19患者的X射线图像	计算机视觉	COVID-19	卷积神经网络（CNN）、支持向量机（SVM）、Sobel滤波器	CNN	图像	新收集的X射线图像数据集	NA	NA	NA	NA
20	2024-09-10	BS-Net: Learning COVID-19 pneumonia severity on a large chest X-ray dataset 2021-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102046 PMID:33862337	研究论文	设计了一种端到端的深度学习架构，用于在胸部X光图像上预测COVID-19患者肺部受损程度的多区域评分	采用弱监督学习策略处理不同的任务（分割、空间对齐和评分估计），并使用“从部分到整体”的训练过程，生成高分辨率的解释性图谱以帮助理解网络在肺部区域的活动	NA	开发一种能够准确预测COVID-19肺炎严重程度的深度学习模型	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	BS-Net	图像	约5000张胸部X光图像	NA	NA	NA	NA