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
21	2026-10-01	Intelligent personalized shopping recommendation using clustering and supervised machine learning algorithms 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0278364 PMID:36454766	研究论文	本文提出了一种基于聚类和监督机器学习算法的智能个性化购物推荐系统，用于生成杂货清单	提出了一个在MyGroceryTour平台上可用的新杂货推荐系统，使用传统机器学习和深度学习算法实时提供推荐，并为每个客户建立单独的模型以实现个性化推荐，以及将DREAM模型扩展到多类分类	未明确说明	开发一个智能个性化杂货推荐系统，帮助加拿大客户根据个人购买历史、当地商店的每周特价以及产品成本和可用性信息创建个性化的智能每周杂货清单	加拿大客户的杂货购物习惯和购买历史	机器学习	NA	聚类分析，传统机器学习算法，深度学习算法	随机森林，基于门控循环单元（GRU）的循环神经网络（RNN）	市场篮子数据	831名客户	NA	门控循环单元（GRU）为基础的循环神经网络（RNN）	F-score	NA
22	2026-09-29	Dermoscopic image segmentation based on Pyramid Residual Attention Module 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0267380 PMID:36112649	研究论文	本文提出了一种堆叠卷积神经网络，结合新型高效的金字塔残差注意力模块，用于皮肤镜图像的自动分割	提出了一种新型高效的金字塔残差注意力模块，该模块结合了金字塔结构、残差学习和注意力机制，通过高效堆叠可增强对病变区域的分割能力，并采用编码器-解码器架构将分割过程分为三个层次（浅层处理空间信息，中层细化空间和语义信息，深层集中学习语义信息）	未明确提及	实现皮肤镜图像的精确自动分割，以辅助皮肤病变的计算机辅助诊断	皮肤镜图像（来自ISIC2017和ISIC2018数据集的皮肤病变图像）	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	ISIC2017和ISIC2018数据集（具体样本数量未提及）	NA	金字塔残差注意力网络（PRAN），基于堆叠卷积神经网络，包含金字塔结构、残差模块和注意力机制，采用编码器-解码器架构	NA	NA
23	2026-09-29	CT-based radiomics in predicting pathological response in non-small cell lung cancer patients receiving neoadjuvant immunotherapy 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.937277 PMID:36267975	研究论文	该研究基于CT影像组学、临床特征和深度学习特征，构建多种模型预测接受免疫治疗为基础的新辅助治疗的非小细胞肺癌患者的良好病理反应	联合治疗前后CT影像组学特征、深度学习特征与临床病理信息构建整体模型，并比较不同模型对良好病理反应的预测性能	样本量较小，仅纳入62例患者，且为单中心回顾性研究	评估基于CT的影像组学特征、临床特征、深度学习特征及其组合对非小细胞肺癌患者接受免疫新辅助治疗后良好病理反应的预测价值	接受免疫治疗为基础的新辅助治疗后进行手术的62例非小细胞肺癌患者	数字病理学, 机器学习	肺癌	CT影像组学, 深度学习	KNN, SVM, MLP	图像, 文本	62例非小细胞肺癌患者	NA	KNN, SVM, MLP	准确率	NA
24	2026-09-29	Deep Transfer Learning for COVID-19 Detection and Lesion Recognition Using Chest CT Images 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4509394 PMID:36285284	研究论文	本文提出了一种基于深度迁移学习的COVID-19检测和病灶识别方法，利用胸部CT图像实现快速自动诊断	提出了一种基于深度卷积神经网络（CNN）的新方法，使用2D全局最大池化层提高性能，并引入了热图方法突出COVID-19胸部CT图像上的病灶区域，同时开发了免费在线模拟软件	未明确提及	利用胸部CT扫描实现快速、准确的COVID-19自动诊断和病灶识别	胸部CT图像	计算机视觉	COVID-19	胸部CT	CNN, ViT	图像	NA	NA	CNN, Vision Transformer (ViT)	AUC, 敏感度, 特异度, 准确率, 错误发现率 (FDR)	NA
25	2026-09-29	Protein-protein interaction prediction with deep learning: A comprehensive review 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.08.070 PMID:36212542	综述	本文综述了近年来深度学习在蛋白质功能预测、蛋白质-蛋白质相互作用及其作用位点预测、蛋白质-配体结合预测以及蛋白质设计等生物信息学问题上的应用	全面综述了深度学习在蛋白质功能、蛋白质-蛋白质相互作用、蛋白质-配体结合和蛋白质设计等多个领域的最新应用进展	未涉及具体的实验验证或新方法开发，仅对现有文献进行归纳总结	回顾和总结深度学习在蛋白质-蛋白质相互作用预测及相关生物信息学问题中的最新应用	蛋白质、蛋白质-蛋白质相互作用、蛋白质-配体结合、蛋白质设计	生物信息学	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
26	2026-09-29	A survey on deep multimodal learning for computer vision: advances, trends, applications, and datasets 2022, The Visual computer DOI:10.1007/s00371-021-02166-7 PMID:34131356	综述	本文综述了用于计算机视觉的深度多模态学习的进展、趋势、应用和数据集	从六个视角（多模态数据表示、多模态融合、多任务学习、多模态对齐、多模态迁移学习和零样本学习）系统总结深度多模态学习，并汇总基准数据集	论文未进行实验验证，仅基于现有文献综述，可能缺乏对新方法的实证评估	提高计算机视觉领域对深度多模态学习关键概念和算法的理解	深度多模态学习的文献、应用和数据集	计算机视觉	NA	NA	NA	图像, 文本	NA	NA	NA	NA	NA
27	2026-09-29	Echocardiography-based AI detection of regional wall motion abnormalities and quantification of cardiac function in myocardial infarction 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.903660 PMID:36072864	研究论文	开发并验证一个全自动深度学习流程，用于在心肌梗死患者中从超声心动图中检测区域性室壁运动异常并量化心脏功能，比较床旁与标准设备图像的性能。	开发了一个适用于床旁和标准超声的全自动超声心动图流程，集成了视图选择、质量控制、分割、室壁运动异常检测和心脏功能量化功能。	摘要中未明确提及局限性。	比较新开发的深度学习框架在床旁和标准设备获取的超声心动图中自动检测区域性室壁运动异常的性能，并量化心脏功能。	疑似心肌梗死患者。	计算机视觉	心肌梗死	超声心动图	3D CNN	图像	训练和内部测试数据集：4,142次检查；外部测试数据集：2,811次检查	NA	3D 卷积神经网络	准确率, Dice系数, AUC, 平均偏差	NA
28	2026-09-29	Application of Deep Learning in College Physical Education Design under Flipped Classroom 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7368771 PMID:36156941	研究论文	本文探讨了深度学习与卷积神经网络在翻转课堂模式下高校体育教学设计中的应用，并评估其教学效果	将深度学习与卷积神经网络引入翻转课堂下的高校体操微课教学设计，构建并评估了基于深度学习的教学模式	未提及具体数据集来源、模型训练细节、计算资源及量化评估指标	研究基于翻转课堂的深度学习教学模式在高校体操微课教学中的应用与评估	高校体操微课教学中的学生与教师	机器学习	NA	深度学习、卷积神经网络	CNN	NA	NA	NA	卷积神经网络	学习兴趣比例、学习能力提升比例、学习效率提升比例、资源利用率	NA
29	2026-09-29	Deep semantic segmentation for the quantification of grape foliar diseases in the vineyard 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.978761 PMID:36161031	研究论文	该文章开发了一种基于深度学习的图像分析流程，用于计算葡萄叶部病害的感染严重度	提出了分层多尺度注意力语义分割（HMASS）模型用于病害感染分割，并结合彩色滤波、深度和位置信息进行有效区域掩膜，实现了高通量、客观的病害评估	未明确提及	提高病害评估的准确性、通量和客观性，用于杀菌剂试验评估、遗传作图和育种计划	葡萄叶部病害（霜霉病和白粉病）	计算机视觉	植物病害	深度学习语义分割、立体成像、RTK GPS	HMASS	图像	未明确提及	NA	HMASS	mIoU, r	NA
30	2026-09-28	Accurate image-based identification of macroinvertebrate specimens using deep learning-How much training data is needed? 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.13837 PMID:36032940	研究论文	该研究利用BIODISCOVER成像系统和深度学习技术，对淡水大型无脊椎动物标本进行图像分类，并探讨分类准确率与训练数据量的关系	量化了训练数据量对分类准确率的影响，并展示了在较少数据下也能达到高准确率	研究仅使用了16个分类单元的60个标本，样本量有限，可能无法完全代表所有情况	探究基于图像和深度学习的物种识别中，训练数据量对分类准确率的影响	淡水大型无脊椎动物标本	计算机视觉	NA	成像技术、深度学习	CNN	图像	960个标本（16个分类单元，每个60个）	NA	EfficientNet-B6	准确率	NA
31	2026-09-28	Challenges of deep learning methods for COVID-19 detection using public datasets 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.100945 PMID:35434261	研究论文	该研究评估了基于深度学习的COVID-19检测方法在公共数据集上的挑战，通过设计不同实验设置并分析数据集组成	提出了CVR-Net多尺度多编码器集成模型，并系统分析了单源、多源和独立源训练测试数据对模型性能的影响，揭示了公共数据集在开发临床适用DL工具中的局限性	研究依赖于现有公共数据集，这些数据集可能存在偏差或不平衡，且未涉及实际临床部署的验证	评估基于深度学习的COVID-19检测方法在公共数据集上的前景，通过调查关键挑战和问题，设计不同实验设置来验证假设	公共COVID-19图像数据集，包括正常、COVID-19和肺炎图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	NA	CVR-Net	准确率	NA
32	2026-09-28	Individual Tree Crown Segmentation and Crown Width Extraction From a Heightmap Derived From Aerial Laser Scanning Data Using a Deep Learning Framework 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.914974 PMID:35774816	研究论文	该研究提出了一种结合YOLO-v4深度学习网络和计算机图形学算法的方法，用于从机载激光扫描数据生成的高度图中进行单木树冠分割和树冠宽度提取	提出了一种基于机载LiDAR数据直接生成的高度图，协同使用YOLO-v4深度学习网络进行单木树冠分割，并结合计算机图形学算法细化涉及重叠树冠的分割结果的新概念；使用三种生成对抗网络（WGAN、CycleGAN和SinGAN）生成合成图像，与手动标注的训练样本耦合来训练网络；克服了现有单木树冠分割方法使用航空照片获取纹理和树冠外观信息时遇到的异质太阳光照强度或交错枝叶干扰的限制	NA	从LiDAR数据中提取单木树冠信息，以支持森林资源评估和智能管理	三个林区样地，分别为树木苗圃、森林景观和混合人工林	计算机视觉	NA	机载激光扫描（LiDAR）	CNN, GAN	图像（高度图）	三个林区样地（树木苗圃、森林景观和混合人工林）	YOLO-v4, WGAN, CycleGAN, SinGAN	YOLO-v4, WGAN, CycleGAN, SinGAN	召回率, 精确率, 决定系数（R²）	NA
33	2026-09-28	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	本研究开发并评估了一种基于深度学习的人工智能模型，用于在反射共聚焦显微镜图像中自动检测基底细胞癌	提出了一种基于深度学习的自动检测基底细胞癌的方法，在反射共聚焦显微镜图像上达到了与专家相当的性能，并在国际协作的独立测试集上验证了可重复性和泛化性	摘要中未明确提及	开发并评估深度学习模型以自动检测反射共聚焦显微镜图像中的基底细胞癌	基底细胞癌患者	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习	图像	NA	NA	NA	AUC	NA
34	2026-09-28	U-Net-Based Medical Image Segmentation 2022, Journal of healthcare engineering DOI:10.1155/2022/4189781 PMID:35463660	综述	本文综述了基于U-Net结构变体的医学图像分割技术，涵盖其结构、创新、效率等方面，并介绍了常用的损失函数、评价参数和模块	系统性地对U-Net结构变体进行综述和分类，并总结医学图像分割中常用的损失函数、评价参数和模块，为后续研究提供参考	作为综述文章，未提出新的算法或模型，未进行实验验证，仅对现有研究进行归纳总结	总结基于U-Net结构变体的医学图像分割技术，为未来研究提供参考	基于U-Net结构变体的医学图像分割方法及相关文献	计算机视觉	NA	NA	CNN	图像	NA	NA	U-Net及其变体	NA	NA
35	2026-09-28	Exploring the Employment Quality Evaluation Model of Application-Oriented University Graduates by Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2823614 PMID:35502350	研究论文	本文结合深度学习技术构建了应用型大学毕业生的就业培训与就业质量评价模型，并通过问卷调查分析了学习动机、专注度、教学过程和最终结果对学习效果及就业质量的影响	将深度学习技术与就业概念相结合，构建就业培训模型，并从学习动机、专注度、教学过程和最终结果四个维度设计问卷进行就业质量评价	摘要未提及样本量的具体信息及模型的技术细节，研究主要基于问卷调查分析，可能缺乏大规模多中心验证	探索应用型大学毕业生就业质量评价模型，改善课堂就业指导能力与策略，为毕业生就业质量提供参考建议	应用型大学毕业生及在校大学生	机器学习	NA	深度学习技术，问卷调查	深度学习模型（具体架构未明确）	问卷调查数据（文本/数值型）	NA	NA	NA	P值，非标准化系数	NA
36	2026-09-28	Deep Learning for Prediction of Progression and Recurrence in Nonfunctioning Pituitary Macroadenomas: Combination of Clinical and MRI Features 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.813806 PMID:35515108	研究论文	该研究应用深度学习算法结合临床和MRI特征预测无功能垂体大腺瘤的进展和复发	结合临床数据和MRI特征的多模态CNN-MLP模型用于预测无功能垂体大腺瘤的进展和复发	样本量较小（78例患者），需要更多研究来支持发现	应用深度学习算法预测无功能垂体大腺瘤的进展和复发	无功能垂体大腺瘤患者	医学影像分析	垂体腺瘤	深度学习	多层感知机, 卷积神经网络	临床数据, MRI图像	78例患者	NA	多层感知机, 卷积神经网络	准确率, 精确率, AUC	NA
37	2026-09-28	Avoiding Catastrophe: Active Dendrites Enable Multi-Task Learning in Dynamic Environments 2022, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2022.846219 PMID:35574225	研究论文	本文提出了一种融合活跃树突和稀疏表示的新型人工神经网络架构，用于在多任务和持续学习场景中避免灾难性遗忘。	首次将活跃树突和稀疏表示融入标准深度学习框架，并在多任务强化学习和持续学习两个基准上同时取得有竞争力的结果。	未明确说明计算资源限制，可能在更大规模任务上的泛化性有待验证。	研究生物启发的架构如何解决动态环境中的多任务学习和持续学习问题。	多任务强化学习环境Meta-World中的机器人操作任务，以及持续学习基准中的预测任务。	机器学习	NA	NA	人工神经网络	NA	NA	NA	包含活跃树突和稀疏表示的人工神经网络	NA	NA
38	2026-09-28	A Survey on Deep Networks Approaches in Prediction of Sequence-Based Protein-Protein Interactions 2022, SN computer science DOI:10.1007/s42979-022-01197-8 PMID:35611239	综述	本文首次全面综述了基于序列的蛋白质-蛋白质相互作用预测中三种主流深度学习架构（深度神经网络、卷积神经网络和循环神经网络及其变体）的应用	首次对基于序列的PPI预测中三种流行深度学习架构（深度神经网络、卷积神经网络和循环神经网络及其变体）进行全面综述	未提及具体性能基准比较或对未来挑战的深入讨论	综述深度学习在基于序列的蛋白质-蛋白质相互作用预测中的应用，帮助研究人员进一步探索该领域的成功	蛋白质-蛋白质相互作用	机器学习	NA	NA	深度神经网络, 卷积神经网络, 循环神经网络及其变体	序列数据	NA	NA	深度神经网络, 卷积神经网络, 循环神经网络	NA	NA
39	2026-09-28	Film Effect Optimization by Deep Learning and Virtual Reality Technology in New Media Environment 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8918073 PMID:35634038	研究论文	本文利用深度学习和虚拟现实技术优化电影播放效果，通过极值中值滤波、生成对抗网络、决策树和层次聚类算法提升单帧视频图像的对比度、细节和色彩表现	将优化的极值中值滤波算法、生成对抗网络与决策树及层次聚类算法结合，用于电影视频图像和VR图像的优化与增强，提升图像细节、纹理特征及交互沉浸感	未提及具体局限性	解决新媒体环境中电影视觉表达沉浸感弱、交互性差、仿真度低的问题，优化电影播放效果和VR电影体验	电影单帧视频图像和VR图像	计算机视觉	NA	虚拟现实技术、极值中值滤波、生成对抗网络、决策树算法、层次聚类算法	GAN	图像	NA	NA	GAN	对比度, 熵, 噪声比, Frechet Inception Distance	NA
40	2026-09-28	AX-Unet: A Deep Learning Framework for Image Segmentation to Assist Pancreatic Tumor Diagnosis 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.894970 PMID:35719964	研究论文	本文提出了AX-Unet深度学习框架，通过改进的空洞空间金字塔池化模块和组卷积操作减少下采样过程中的信息损失，并引入显式边界感知损失函数处理模糊边界问题，用于胰腺CT图像分割以辅助胰腺肿瘤诊断	提出改进的空洞空间金字塔池化模块以学习位置信息并提取多级上下文信息；在每个层级的特征图上引入特殊的组卷积操作以实现通道间的信息解耦；提出显式边界感知损失函数以解决模糊边界问题	未明确说明模型的泛化能力、计算复杂度以及在更大规模多中心数据集上的验证情况	提高胰腺CT图像分割的准确性，减少深度神经网络信息传播过程中的信息损失，并通过特征对比辅助胰腺肿瘤筛查	胰腺CT图像中的胰腺区域，包括正常人群和胰腺肿瘤患者的胰腺	计算机视觉, 数字病理学	胰腺癌	CT影像	CNN	图像	两个公开胰腺CT数据集：NIH胰腺CT数据集和医学分割十项全能（MSD）数据集中的胰腺部分	NA	U-Net, AX-Unet	分割性能指标（未具体说明，但包括与最先进方法的对比）	NA