深度学习在生物医药领域中的应用

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
1	2025-07-25	Automatic Classification of Cancer Pathology Reports: A Systematic Review 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100003 PMID:35242443	系统综述	本文系统综述了2010年至2021年间发表的用于病理报告自动分类的自然语言处理（NLP）技术	遵循PRISMA指南，对NLP系统进行分类和基准测试，识别了当前技术的局限性和未来研究方向	某些癌症特征的提取（如大小、形状、癌症类型等）仍存在挑战，且综述仅涵盖25篇最终符合条件的文章	评估和比较用于病理报告自动分类的NLP技术，以促进癌症研究的进展	病理报告	自然语言处理	癌症	自然语言处理（NLP）	Rule-based and Intelligent systems, 统计机器学习, 深度学习	文本	25篇符合条件的文章
2	2025-07-22	Deep learning-based pancreas volume assessment in individuals with type 1 diabetes 2022-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00729-7 PMID:34986790	研究论文	本研究开发了一种基于深度学习的自动化胰腺体积测量方法，用于糖尿病患者	利用深度学习自动测量胰腺体积，解决了手动标注耗时且主观的问题	训练数据仅包含160例腹部MRI扫描，测试集仅包含25例T1D患者	开发自动化胰腺体积测量方法以应用于大型影像数据集	1型糖尿病患者、对照组及两者混合的个体	数字病理学	糖尿病	MRI	CNN	图像	160例腹部MRI扫描用于训练，25例T1D患者用于测试
3	2025-07-21	Deep learning tackles single-cell analysis-a survey of deep learning for scRNA-seq analysis 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab531 PMID:34929734	综述	本文综述了深度学习在单细胞RNA测序分析中的应用，涵盖了25种深度学习算法及其在scRNA-seq处理流程中的适用性	建立了变分自编码器、自编码器、生成对抗网络和监督深度学习模型的统一数学表示，并比较了这些模型的训练策略和损失函数	仅关注了深度学习在scRNA-seq分析中的应用，未涉及其他单细胞技术	探讨深度学习在单细胞RNA测序数据分析中的潜力和应用	单细胞RNA测序数据	生物信息学	NA	scRNA-seq	变分自编码器、自编码器、生成对抗网络、监督深度学习模型	单细胞RNA测序数据	NA
4	2025-07-21	Diabetic Foot Ulcer Ischemia and Infection Classification Using EfficientNet Deep Learning Models 2022, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2022.3219725 PMID:36660100	research paper	该研究开发了一种基于深度学习的图像系统，用于糖尿病足溃疡的感染和缺血分类	使用EfficientNet深度学习模型在糖尿病足溃疡的感染和缺血分类中实现了高准确率，并显著优于现有技术	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种高效的糖尿病足溃疡感染和缺血分类系统	糖尿病足溃疡的图像数据	digital pathology	diabetic foot ulcer	deep learning	EfficientNet	image	NA
5	2025-07-20	Deep learning strategies for addressing issues with small datasets in 2D materials research: Microbial Corrosion 2022, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2022.1059123 PMID:36620046	研究论文	本文探讨了深度学习策略在解决二维材料研究中小数据集问题上的应用，特别是在微生物腐蚀领域	研究了两种不同的深度生成模型（VAE和GAN）用于生成合成数据以扩展小实验数据集，并比较了它们在神经网络系统和XGBoost中的性能	缺乏大型实验数据集使得分类器训练困难并经常导致过拟合	加速虚拟筛选具有理想物理和化学性质的二维涂层	二维材料（如石墨烯、六方氮化硼和二硫化钼）涂层	机器学习	NA	深度学习数据增强方法	VAE, GAN, XGBoost	电化学数据	少量层状石墨烯覆盖铜表面
6	2025-07-02	Effectiveness of Artificial Intelligence Models for Cardiovascular Disease Prediction: Network Meta-Analysis 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5849995 PMID:35251153	meta-analysis	该研究通过网络荟萃分析比较了机器学习和深度学习模型在心血管疾病预测中的有效性	首次通过网络荟萃分析比较不同AI模型在多种心血管疾病预测中的表现，并识别出针对不同疾病的最佳算法	缺乏关于深度学习方法在心血管疾病领域的文献支持，需要更大样本量的研究验证结果	评估人工智能模型在心血管疾病预测中的有效性	心力衰竭、中风、高血压和糖尿病患者	machine learning	cardiovascular disease	网络荟萃分析	深度学习(DL)、机器学习(ML)包括GBM、ANN、SVM、RF	临床数据	17项研究共285,213名心血管疾病患者
7	2025-06-24	Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7186687 PMID:36419507	系统文献综述	本文综述了计算机视觉在自动检测马铃薯植物病害中的应用	全面系统地回顾了计算机视觉技术在马铃薯病害检测中的应用，并比较了深度学习和传统机器学习算法的使用频率	仅选择了39项主要研究，可能未涵盖所有相关研究	探讨计算机视觉技术在马铃薯植物病害检测中的应用	马铃薯植物及其常见病害	计算机视觉	马铃薯病害	计算机视觉、机器学习	深度学习算法、传统机器学习算法	图像	39项主要研究
8	2025-06-08	Automatic engagement estimation in smart education/learning settings: a systematic review of engagement definitions, datasets, and methods 2022, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-022-00212-y PMID:40477985	review	本文系统回顾了智能教育/学习环境中自动参与度估计的最新发展，包括参与度定义、数据集和基于机器学习的方法	提出了一个清晰的分类法来定义参与度，并总结了机器学习方法在自动参与度识别中的应用	存在一些关键挑战，如认知和个性化参与度问题，以及可能影响实际应用的机器学习问题	为研究人员提供关于自动参与度估计的见解，以增强智能学习中的自动参与度识别方法	学习者的参与度	machine learning	NA	machine learning, deep learning	NA	dataset	47篇研究文章
9	2025-06-07	Deep recurrent Gaussian Nesterovs recommendation using multi-agent in social networks 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09435-3 PMID:37521128	研究论文	提出了一种结合深度学习和多智能体场景的深度循环高斯Nesterov最优梯度（DR-GNOG）推荐系统，用于社交网络中的精确推荐	结合深度学习和多智能体场景，提出DR-GNOG模型，解决了推荐系统中的梯度消失问题，并提高了推荐准确性和效率	未提及模型在大规模数据集上的可扩展性和计算资源需求	提高社交网络中信息推荐的准确性和效率	社交网络中的用户推文数据	机器学习	NA	深度学习和多智能体技术	DR-GNOG（深度循环高斯Nesterov最优梯度模型）	文本（推文）	未明确提及具体样本数量
10	2025-06-07	FocusCovid: automated COVID-19 detection using deep learning with chest X-ray images 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-021-09385-2 PMID:38624806	研究论文	本文提出了一种基于深度卷积神经网络的架构，用于通过胸部X光片自动检测COVID-19	利用深度学习技术自动检测COVID-19，减轻医疗基础设施的压力	尽管模型准确率高，但COVID-19的诊断仍需与专业医疗临床医生协商决定	开发一种自动化工具以辅助COVID-19的早期筛查和检测	胸部X光片	计算机视觉	COVID-19	深度学习	CNN	图像	NA
11	2025-05-10	Artificial Intelligence-based Tumor Segmentation in Mouse Models of Lung Adenocarcinoma 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100007 PMID:35242446	研究论文	开发了一种基于深度学习的新模型，用于在数字扫描的H&E组织切片上分割肺肿瘤病灶	使用DeepLabV3+和UNet架构的深度学习模型进行肺肿瘤病灶的自动分割，减少了人工测量的时间和误差	不同染色标准化策略未显示出对基线模型的改进，假阳性率较高	提高肺腺癌小鼠模型中肿瘤负荷测量的准确性和效率	肺腺癌小鼠模型的H&E组织切片	数字病理学	肺腺癌	H&E染色	DeepLabV3+, UNet	图像	239只小鼠的H&E组织切片，分为训练集（137）、验证集（37）和测试集（65）
12	2024-11-19	Retraction: A comprehensive review of deep learning-based single image super-resolution 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.621/retraction PMID:39554485	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13	2025-04-25	Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270308 PMID:35830434	研究论文	本文提出了一种基于稀疏自编码器（SAE）和深度学习（DL）的自动翻译质量评估（TQA）模型，用于无参考英文文章的翻译质量评估	利用稀疏自编码器在深度学习背景下进行无监督学习，优化语言向量特征的提取，并将其引入自动翻译质量评估	未提及具体的数据集规模或模型在其他语言对上的泛化能力	实现无参考英文文章的高精度自动翻译质量评估	无参考英文文章的翻译质量	自然语言处理	NA	深度学习，稀疏自编码器（SAE）	SAE, AE	文本	句子数量从1,000增加到6,000
14	2025-04-21	Secure deep learning for distributed data against malicious central server 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0272423 PMID:35913921	研究论文	提出了一种针对分布式训练器的安全深度学习系统，可检测中央参数服务器的恶意活动并支持垂直和水平神经网络训练	系统能够检测中央服务器的恶意活动，并支持垂直和水平两种神经网络训练方式	NA	开发一个安全的深度学习系统，以保护分布式训练器免受中央服务器的恶意活动影响	分布式训练器和中央参数服务器	机器学习	NA	深度学习	神经网络	医学图像（磁共振和X射线图像）	NA
15	2025-03-14	The impact of trade and financial expansion on volatility of real exchange rate 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262230 PMID:35061782	研究论文	本文研究贸易和金融开放对实际汇率波动的影响，并通过实证分析提供减少实际汇率波动的参考	结合物联网金融的创新商业模式，利用深度学习进行金融数据分析，探讨贸易和金融开放对实际汇率波动的影响	研究仅基于45个主要国家的面板数据，可能无法全面反映全球情况	探讨贸易和金融开放对实际汇率波动的影响，为减少实际汇率波动提供参考	45个主要国家的贸易和金融开放数据	金融数据分析	NA	深度学习（DL）	NA	面板数据	45个主要国家的数据
16	2025-03-01	Using deep learning to study emotional behavior in rodent models 2022, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2022.1044492 PMID:36483523	综述	本文探讨了深度学习技术在动物行为实验中的应用，特别是如何利用不同模型架构和训练范式来获取行为状态的表示	利用深度学习技术从视频中提取姿势信息，并通过监督、无监督和自监督方法获取行为状态的细微信息	未提及具体实验数据或样本量，可能缺乏实证支持	研究深度学习技术在量化动物情绪行为中的应用	啮齿类动物模型中的情绪行为	机器学习	NA	深度学习	监督、无监督、自监督模型	视频	NA
17	2025-02-21	A Trust Management Model for IoT Devices and Services Based on the Multi-Criteria Decision-Making Approach and Deep Long Short-Term Memory Technique 2022-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s22020634 PMID:35062594	研究论文	本文提出了一种基于多准则决策方法和深度长短期记忆技术的物联网设备和服务信任管理模型	结合SMART和LSTM算法，提出了一种新的物联网信任管理模型，有效处理大量数据和不断变化的行为	模型在处理大规模数据时的有效性仍需进一步验证	解决物联网设备和服务中的信任管理问题，提高安全性和可靠性	物联网设备和服务	物联网	NA	SMART, LSTM	LSTM	行为数据	不同大小的数据样本
18	2025-02-21	Large-Scale Textual Datasets and Deep Learning for the Prediction of Depressed Symptoms 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5731532 PMID:35463265	研究论文	本研究提出了一种利用基于LSTM的循环神经网络（RNN）从大规模文本数据中识别自我感知抑郁症状的有效方法	使用LSTM-based RNN模型从文本中提取抑郁症状特征，超越了传统的基于词频的方法	方法的有效性依赖于正确的注释和基于症状的特征提取，可能在不同数据集上的泛化能力有限	通过深度学习技术预测抑郁症状，以辅助早期检测和治疗	文本数据，特别是描述自我感知抑郁症状的文本	自然语言处理	抑郁症	深度学习	LSTM-based RNN	文本	233337个数据集，来自Kaggle的自杀和抑郁检测数据集
19	2025-02-21	Music Emotion Classification Method Based on Deep Learning and Improved Attention Mechanism 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5181899 PMID:35769273	研究论文	本文提出了一种基于深度学习和改进注意力机制的音乐情感分类方法，通过融合音频和歌词的多模态信息，提高了分类准确性和效率	创新点在于结合了CNN和LSTM网络，并引入了改进的注意力机制，以解决现有研究中单模态分析导致的信息丢失问题	未提及具体的数据集规模或多样性，可能影响模型的泛化能力	研究目标是提高音乐情感分类的准确性和效率	研究对象是音乐音频和歌词	自然语言处理	NA	TF-IDF, Word2vec, CNN, LSTM, 注意力机制	CNN-LSTM	音频, 文本	未提及具体样本数量
20	2025-02-21	Multimode Gesture Recognition Algorithm Based on Convolutional Long Short-Term Memory Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4068414 PMID:35281195	研究论文	本文提出了一种基于卷积长短期记忆网络的多模态手势识别算法，通过CNN自动提取多模态手势数据的深层特征，并利用LSTM网络构建时间序列模型，最终通过SoftMax分类器实现手势分类	结合卷积神经网络（CNN）和长短期记忆网络（LSTM）来自动提取和学习多模态手势数据的深层特征及其时间序列依赖关系，提高了手势识别的准确性和收敛性能	实验仅在VIVA和NVGesture两个动态手势数据集上进行，未涉及更多数据集或实际应用场景的验证	提高多模态手势识别的准确性和模型泛化能力	多模态手势数据	计算机视觉	NA	深度学习	CNN, LSTM	多模态数据（可能包括图像、视频等）	两个动态手势数据集（VIVA和NVGesture）