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	2026-04-12	PredictProtein - Predicting Protein Structure and Function for 29 Years 2021-07-02, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkab354 PMID:33999203	研究论文	本文介绍了PredictProtein在线资源，一个用于蛋白质序列分析的一站式平台，自1992年以来持续提供服务，结合进化信息和机器学习预测蛋白质结构和功能	PredictProtein是首个互联网蛋白质预测服务器，率先结合进化信息和机器学习，并最近整合了深度学习嵌入预测方法	NA	提供可靠的蛋白质结构和功能预测工具，服务于计算和实验生物学家	蛋白质序列	生物信息学	NA	蛋白质序列分析	机器学习, 深度学习	蛋白质序列	每月超过3,000用户查询（2020年数据）	NA	NA	NA	卢森堡系统生物医学中心（LCSB）托管，使用MMseqs2序列搜索提升处理速度
2	2026-04-10	Impact of Upstream Medical Image Processing on Downstream Performance of a Head CT Triage Neural Network 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200229 PMID:34350412	研究论文	开发了一个卷积神经网络用于头CT检查的自动分诊，并研究了上游医学图像处理对CNN性能的影响	首次系统性地探讨了图像采集、重建和预处理等上游处理环节对下游CNN分诊性能的影响，特别是发现投影数量可减少16倍且原始传感器数据可直接输入CNN而不影响性能	研究基于单一机构的回顾性数据，可能存在选择偏倚；未在外部验证集上测试模型泛化能力	开发头CT自动分诊系统并评估上游图像处理流程对深度学习模型性能的影响	头CT检查图像	计算机视觉	神经系统疾病	CT成像	CNN	医学图像	9776个头CT研究（训练集7856，验证集936，测试集984）	NA	NA	AUROC, 敏感性	NA
3	2026-04-10	Automated Identification of Orthopedic Implants on Radiographs Using Deep Learning 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200183 PMID:34350407	研究论文	本研究开发并评估了一种基于深度学习的卷积神经网络，用于从X光片中自动识别骨科植入物模型	结合U-Net分割网络与分类网络集成，实现自动零掩码处理，并在识别准确率上显著超越资深骨科专家	研究仅涵盖膝关节和髋关节的12种植入物模型，未来需扩展到更多关节和植入物类型	开发自动识别骨科植入物模型的深度学习系统，以辅助翻修关节成形术的术前规划	骨科植入物在X光片上的图像	计算机视觉	骨科疾病	X光成像	CNN	图像	427张膝关节和922张髋关节单侧前后位X光片，来自650名患者，涵盖12种植入物模型	NA	U-Net	准确率, top-three准确率	NA
4	2026-04-09	Extracting postmarketing adverse events from safety reports in the vaccine adverse event reporting system (VAERS) using deep learning 2021-07-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocab014 PMID:33647938	研究论文	本研究利用深度学习算法从疫苗不良事件报告系统（VAERS）中提取神经系统障碍相关的不良事件，以自动化分析疫苗上市后监测报告	首次在VAERS报告中应用并评估了最先进的深度学习算法进行命名实体识别，并预训练了领域特定的BERT模型（VAERS BERT）	样本量较小，仅包含91份VAERS报告，可能影响模型的泛化能力	自动化提取疫苗安全报告中的神经系统障碍相关不良事件，以支持疫苗上市后监测	疫苗不良事件报告系统（VAERS）中与格林-巴利综合征（GBS）相关的流感疫苗安全报告	自然语言处理	神经系统障碍	命名实体识别	BERT, Bi-LSTM, CRF	文本	91份VAERS报告，包含2512个实体	TensorFlow, PyTorch	BERT, BioBERT, Bi-LSTM	F1-score, 精确匹配F1分数, 宽松匹配F1分数	NA
5	2026-04-09	DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI 2021-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93427-x PMID:34238951	研究论文	本研究开发了一种基于深度学习的分割方法，用于同时检测脑微出血和基底节区非出血性铁沉积	采用改进的U-Net模型，增加分辨率层数以检测MRI标准分辨率下的小病灶，并探索了多模态MRI数据（特别是QSM）对检测性能的提升	样本量较小（仅24名参与者），且为便利样本，可能限制模型的泛化能力	开发一种自动化检测脑小血管病相关病变（脑微出血和非出血性铁沉积）的深度学习分割方法	脑微出血和基底节区非出血性铁沉积	数字病理学	脑血管疾病	定量磁化率成像，磁共振成像	CNN	图像	24名参与者	NA	U-Net	灵敏度，精确度	NA
6	2026-03-10	Accurate diagnosis of endoscopic mucosal healing in ulcerative colitis using deep learning and machine learning 2021-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000559 PMID:34050105	研究论文	本研究开发了一种结合深度学习和机器学习的计算机辅助诊断系统，用于准确诊断溃疡性结肠炎患者的黏膜愈合状态	开发了DLML-CAD系统，结合预训练神经网络特征提取与多种分类器（DNN、SVM、k-NN）及集成学习，实现了对溃疡性结肠炎内镜下黏膜愈合的高精度自动诊断	研究样本量有限（仅54名患者的856张图像），且数据来源于单一医疗中心，可能影响模型的泛化能力	开发一种计算机辅助诊断系统，以客观、准确地评估溃疡性结肠炎患者的内镜下黏膜愈合状态	溃疡性结肠炎患者的内镜结肠图像	数字病理学	溃疡性结肠炎	内镜成像	DNN, SVM, k-NN	图像	54名患者的856张内镜图像	NA	预训练神经网络（具体架构未指定）	准确率, 灵敏度, 特异性	NA
7	2026-03-06	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	综述	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度评估指标的历史、预测价值及局限性，并探讨了替代指标和未来研究方向	系统性地批判了传统呼吸暂停低通气指数（AHI）的不足，并引入了缺氧负荷、觉醒强度、比值乘积和心肺耦合等新兴指标，同时展望了利用遗传学、生物标志物、机器学习/深度学习和可穿戴技术的未来研究方向	文章为综述性质，未提供原始实验数据或新模型的验证结果，主要基于现有文献进行分析和总结	评估和比较阻塞性睡眠呼吸暂停（OSA）严重程度的不同度量指标，探索更有效的诊断和预后评估方法	阻塞性睡眠呼吸暂停（OSA）患者及其相关临床数据	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA	NA	NA	NA	NA
8	2026-03-06	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	本文提出GestAltNet模型，通过注意力机制和区域聚合来从胎盘全玻片图像中深度学习预测孕周	开发了GestAltNet模型，模拟人类对高产出区域的注意力并跨区域聚合数据，以改善胎盘全玻片图像中孕周的深度学习预测	NA	利用深度学习模型从胎盘全玻片图像中准确估计孕周，并研究绒毛成熟度的机器识别	胎盘全玻片图像	数字病理学	妊娠期糖尿病, 先兆子痫	全玻片图像扫描	深度学习模型	图像	36张未见过的全玻片图像用于测试	NA	GestAltNet	相关系数(r), 平均绝对误差(MAE)	NA
9	2025-12-20	End-to-end deep learning for recognition of ploidy status using time-lapse videos 2021-Jul, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-021-02228-8 PMID:34021832	研究论文	本研究开发了一种端到端深度学习模型，利用原始延时视频识别胚胎的倍性状态	首次提出使用端到端深度学习模型直接从原始延时视频中预测胚胎倍性状态，无需人工特征提取	研究为回顾性设计，样本量相对较小，未来需要更大规模数据和前瞻性验证	通过深度学习自动识别胚胎的倍性状态，辅助胚胎植入前遗传学检测	人类胚胎的延时视频	计算机视觉	生殖健康	延时视频成像，胚胎植入前遗传学检测（PGT-A）	深度学习模型	视频	690组延时视频图像，其中138个用于测试	NA	NA	AUC	NA
10	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
11	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
12	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
13	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
14	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
15	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
16	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
17	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
18	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
19	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
20	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