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
41	2026-09-28	Alternating Learning Approach for Variational Networks and Undersampling Pattern in Parallel MRI Applications 2022, IEEE transactions on computational imaging IF:4.2Q2 DOI:10.1109/tci.2022.3176129 PMID:35795003	研究论文	本文提出一种交替学习方法，用于学习并行MRI中的采样模式和变分网络参数	提出交替学习采样模式和变分网络参数的框架，包含四种变体，并发现改进不仅来自采样密度还来自k空间采样位置	未明确说明局限性	加速并行磁共振成像	脑部和膝关节MRI数据集	计算机视觉	NA	并行磁共振成像	变分网络	图像	两个数据集（脑部和膝关节）	NA	变分网络	RMSE, SSIM, HFEN	NA
42	2026-09-28	Deep learning frameworks for protein-protein interaction prediction 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.06.025 PMID:35832624	综述	本文全面介绍了深度学习在蛋白质-蛋白质相互作用预测中的学习架构、基准和扩展应用	系统梳理了深度学习在PPI预测中的多种学习架构、基准和扩展应用，为该领域提供了综合性介绍	作为综述文章，未提出新的计算模型或实验验证	全面介绍深度学习在蛋白质-蛋白质相互作用预测中的应用	蛋白质-蛋白质相互作用预测方法	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
43	2026-09-28	Research on Emotion Analysis and Psychoanalysis Application With Convolutional Neural Network and Bidirectional Long Short-Term Memory 2022, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2022.852242 PMID:35846596	研究论文	本研究聚焦于基于情感识别的心理分析应用中的情感分析方法，通过改进的C-BiL模型在服务器端的情感识别模块中有效实现情感识别功能	提出了改进的C-BiL模型，结合卷积神经网络和双向长短期记忆网络，并在多个数据集上取得了较高的准确率	未明确说明模型的局限性	研究情感分析方法在心理分析中的应用，提高文本情感识别的准确率	Diary数据集、Weibo数据集、Fudan数据集	自然语言处理	NA	NA	CNN, BiLSTM	文本	NA	NA	CNN, BiLSTM	准确率	NA
44	2026-09-28	Multi-person feature fusion transfer learning-based convolutional neural network for SSVEP-based collaborative BCI 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.971039 PMID:35958998	研究论文	本文构建了基于SSVEP的多脑协同脑机接口系统，提出三种多人脑电特征融合方法，并结合迁移学习卷积神经网络进行分类。	构建了多人SSVEP协同脑机接口系统，提出了三种多人脑电特征融合方法（并行连接、串行连接、多人平均），并首次将迁移学习卷积神经网络应用于该系统的分类。	未明确说明，但收集数据集规模较小，且被试数量有限（10人）	解决传统单人脑机接口信噪比低、个体差异大、实验效果不稳定等问题，提高SSVEP协同脑机接口的分类性能	多人脑电信号（SSVEP），10名被试	脑机接口	NA	脑电图（EEG）	CNN	脑电信号（EEG）	10名被试	NA	CNN	分类准确率	NA
45	2026-09-28	A comprehensive review of methods based on deep learning for diabetes-related foot ulcers 2022, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2022.945020 PMID:36004341	综述	本文综述了过去十年中用于糖尿病相关足溃疡早期检测的深度学习方法，涵盖分类、目标检测和语义分割任务	系统总结并比较了深度学习在糖尿病相关足溃疡分类、目标检测和语义分割中的应用，并对比了不同模型的性能	需要进一步研究以更好地理解深度学习在糖尿病相关足溃疡中的作用机制	综述深度学习在糖尿病相关足溃疡早期检测中的应用，以避免截肢或感染	糖尿病相关足溃疡的图像数据	计算机视觉	糖尿病相关足溃疡	深度学习	CNN	图像	NA	NA	GoogLeNet, Faster R-CNN, YOLO v3, YOLO v5, EfficientDet, FCN, U-Net, V-Net, SegNet, Mask R-CNN	准确率, 平均精度均值, 精确率	NA
46	2026-09-16	HealthPrompt: A Zero-shot Learning Paradigm for Clinical Natural Language Processing 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128372	研究论文	本文提出了HealthPrompt，一种基于提示的零样本学习框架，用于临床自然语言处理，无需标注训练数据即可处理临床文本任务	提出了HealthPrompt框架，将基于提示的零样本学习应用于临床NLP，通过定义任务提示模板而非微调预训练语言模型，在无训练数据设置下对六种预训练语言模型进行了深入分析	未明确说明，但可能受限于提示模板设计对性能的影响以及预训练语言模型在临床领域的覆盖范围	解决临床NLP系统开发中缺乏大规模标注临床文本数据集的瓶颈问题，探索零样本学习在临床NLP任务中的可行性	临床自然语言文本数据	自然语言处理	NA	基于提示的学习，零样本学习	预训练语言模型	文本	NA	NA	预训练语言模型（六种不同PLM）	NA	NA
47	2026-09-13	Default risk prediction and feature extraction using a penalized deep neural network 2022, Statistics and computing IF:1.6Q1 DOI:10.1007/s11222-022-10140-z PMID:36124203	研究论文	该研究开发了一种带惩罚的深度学习模型，用于基于生存数据预测P2P借贷中的违约风险，并实现特征选择与估计	在神经网络中增加一对一层并引入L1惩罚，同时实现特征选择与估计；使用小批量梯度下降处理大规模数据；预测违约概率随时间的变化而非简单二分类	摘要中未明确说明模型局限性，可能包括对高维稀疏数据的泛化能力、超参数调优复杂度等	提高P2P借贷平台中违约风险预测的准确性，并同时进行特征选择	P2P借贷平台上的贷款数据	机器学习	NA	深度学习，生存分析	带惩罚的深度神经网络	表格数据（贷款生存数据）	未明确说明具体样本量，但提及使用真实世界贷款数据和大规模模拟	NA	前馈神经网络（含一对一层）	NA	NA
48	2026-09-10	Reliability of Automatic Computer Vision-Based Assessment of Orofacial Kinematics for Telehealth Applications 2022, Digital biomarkers DOI:10.1159/000525698 PMID:36262771	研究论文	本研究评估了使用自动计算机视觉技术测量口面部运动学在远程医疗应用中的可靠性，并比较了实验室3D摄像头与居家2D摄像头的测量结果	首次探究了基于2D移动摄像头和深度学习的面部运动学测量系统的心理测量学特性（内部一致性和可靠性），并证明居家远程获取的运动学数据与实验室3D摄像头数据具有同等可靠性	未提供具体局限性信息	验证自动计算机视觉评估口面部运动学在远程医疗中的可靠性和内部一致性，并探讨其作为神经退行性疾病数字生物标志物的潜力	口面部运动学特征，包括速度、运动范围和偏侧化	计算机视觉	神经退行性疾病	2D和3D摄像头视频采集及面部关键点追踪	深度学习面部关键点追踪模型	视频	未提供具体样本量	未提供	未提供	Cronbach α系数、组内相关系数、线性混合效应模型	未提供
49	2026-09-01	Applications of artificial intelligence (AI) in ovarian cancer, pancreatic cancer, and image biomarker discovery 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210301 PMID:35213360	综述	本文详细介绍了人工智能在卵巢癌、胰腺癌及图像生物标志物发现中的应用进展与挑战，并概述了相关监管和伦理考虑。	系统综述了AI在罕见癌症生物标志物发现中的应用现状，并特别关注了数据可用性、透明度和可解释性等关键问题。	研究受限于文献综述方法，且大多数AI模型尚未应用于临床，成像数据的公开性有限。	探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的进展、挑战及监管伦理问题。	卵巢癌、胰腺癌及其生物标志物相关的人工智能应用研究。	机器学习	卵巢癌, 胰腺癌	NA	NA	图像	NA	NA	NA	NA	NA
50	2026-09-01	Optimal vocabulary selection approaches for privacy-preserving deep NLP model training for information extraction and cancer epidemiology 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210306 PMID:35213361	研究论文	本研究探讨了在癌症流行病学中，为隐私保护型深度学习自然语言处理模型选择最佳词汇表的方法，以降低隐私泄露风险并保持任务性能。	提出了两种词汇表选择方案（跨登记处频繁出现词和高互信息词），在保持临床任务性能的同时显著降低了模型的隐私脆弱性。	未明确说明局限性。	量化深度学习模型在从医疗文本中提取信息时的隐私脆弱性，并探索保护患者信息、减少机密泄露的方法。	多任务卷积神经网络模型，用于从癌症病理报告中提取信息，数据来自多个州级癌症登记处。	自然语言处理	癌症	NA	CNN	文本	NA	NA	多任务卷积神经网络	隐私脆弱性指标，临床任务性能指标	高性能计算环境
51	2026-08-31	Simultaneous prediction of antibody backbone and side-chain conformations with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0258173 PMID:35704640	研究论文	本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体的主链和侧链构象，以提高抗体结构预测的准确性。	提出了一种新的深度学习方法DeepSCAb，它不仅能预测抗体主链的残基间距离和方向，还首次实现了同时预测侧链二面角，无需输入主链结构，并且使用可解释的自注意力层来识别保守锚点位置。	本文未明确提及局限性，但可能包括模型对序列多样性的依赖或对计算资源的需求。	开发一种深度学习方法，以提高抗体结构预测的准确性，特别是侧链构象的预测，从而支持抗体工程和设计。	抗体的可变片段（Fv）结构，包括主链和侧链构象。	深度学习, 蛋白质结构预测	NA	深度学习	深度神经网络	蛋白质序列	未提供具体样本数量	NA	自注意力层	性能评估包括对近天然结构的判别能力，但具体指标未在摘要中提及。	NA
52	2026-08-25	Detecting glaucoma from multi-modal data using probabilistic deep learning 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.923096 PMID:36250081	研究论文	本研究评估了概率深度学习模型在通过眼底照片和视野数据区分正常眼和青光眼方面的准确性。	采用概率深度学习模型，能够输出预测的不确定性水平，为临床决策提供额外置信度，这是与确定性CNN模型相比的显著创新。	摘要中未明确提及研究的局限性。	评估概率深度学习模型在青光眼检测中的准确性，并比较不同模态（眼底照片、视野、组合模态）的性能。	正常和青光眼受试者的眼睛，涉及眼底照片和视野数据。	机器学习和医学影像分析	青光眼	眼底摄影和视野测试	概率深度卷积神经网络（CNN）和确定性CNN模型	眼底照片和视野数据（图像和数值）	开发和测试数据集包含1,655只眼睛（929名受试者），独立验证数据集包含196只眼睛（98名受试者）。	未明确指定（如TensorFlow、PyTorch等），因此设为NA。	深度卷积神经网络（CNN），具体架构未在摘要中说明。	准确率、曲线下面积（AUC）	未明确提及计算资源（如GPU类型或云平台），因此设为NA。
53	2026-08-21	Glaucoma Diagnosis Through the Integration of Optical Coherence Tomography/Angiography and Machine Learning Diagnostic Models 2022, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S367722 PMID:36003072	研究论文	本研究整合光学相干断层扫描及其血管成像参数与机器学习模型，用于青光眼诊断	首次为北德克萨斯人群建立OCT/A参数规范数据库，并通过超2500个机器学习模型优化，识别出关键诊断参数	未提供明确的局限性信息	建立健康眼和青光眼OCT/A参数范围，开发机器学习诊断工具并识别最准确的诊断参数	1371只眼（462只健康眼和909只青光眼）来自735名受试者	机器学习	青光眼	OCT/OCTA	XGBoost（也涉及深度学习和经典机器学习算法）	图像和临床数据	1371只眼，735名受试者	scikit-learn	XGBoost	准确率，F1分数	NA
54	2026-08-21	Robust High-Throughput Phenotyping with Deep Segmentation Enabled by a Web-Based Annotator 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9893639 PMID:36059601	研究论文	提出一个基于Web注释器的高通量表型分析系统，结合语义引导的交互式对象分割算法，以减少注释工作量并加速植物遗传发现。	引入新颖的交互式分割算法SGIOS，结合语义先验图，减少用户输入，加快训练过程，并提供一个用户友好的图形界面，使无计算背景的研究人员也能使用深度分割。	尚未明确提及，但可能依赖大规模训练数据，仍需人工注释验证，初步GWAS结果未深入分析。	开发一个高效、用户友好的高通量植物表型分析系统，以支持大规模遗传研究如GWAS。	植物，特别是杨树的再生性状。	计算机视觉、数字病理学（如适用）	不适用（植物表型研究）	深度分割、交互式分割、基因组关联研究（GWAS）	交互式分割模型（SGIOS）	图像数据	来自杨树GWAS再生数据集的一个样本，具体规模未明确。	未指定	SGIOS（语义引导的交互式对象分割）	用户输入次数，可能包括准确性等，但未明确列出。	未指定
55	2026-08-20	Evaluating the utility of deep learning for predicting therapeutic response in diabetic eye disease 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.852107 PMID:36744216	研究论文	本研究评估了深度学习在预测糖尿病眼病治疗反应中的效用，发现在小样本临床数据集上性能有限。	首次系统评估深度学习在预测糖尿病眼病治疗反应中的效用，并探讨了数据集大小对模型性能的影响。	临床试验数据集规模小，导致深度学习模型性能不佳，预测能力有限。	评估深度学习在眼科临床问题（如预测治疗反应）中的实用性，特别是在样本量不足的情况下。	糖尿病眼病患者，包括超广角荧光血管造影和液体分区光学相干断层扫描图像。	医学影像分析	糖尿病眼病	无特定测序技术，使用影像采集技术	CNN	图像	29名患者，217张UWFA图像，以及OCT图像	未提及	四种深度学习架构（具体未提及）	AUC	未提及
56	2026-08-18	Uncertainty-aware deep learning in healthcare: A scoping review 2022, PLOS digital health DOI:10.1371/journal.pdig.0000085 PMID:36590140	综述	本文对医疗保健中深度学习的不确定性量化方法进行了范围综述，并提出了一个概念框架来明确深度学习预测的确定性。	提出了一个概念框架来指定深度学习预测的确定性，并比较了蒙特卡洛丢弃法和一致预测等方法在医疗应用中的表现。	研究报告方法的异质性阻碍了荟萃分析的进行，且关于模型学习曲线用于量化认知不确定性的文献较少。	评估深度学习中量化不确定性的方法，并提出一个概念框架以提高模型在医疗环境下可信任度。	纳入30项研究，主要涉及医学影像应用（24项）和非影像应用（6项），包括模型架构和不确定性估计方法。	深度学习	不适用	不适用	卷积神经网络（CNN）	医学影像（图像）和非图像数据	30项研究，其中24项为医学影像应用，6项为非影像应用	不适用	卷积神经网络及其变体	不适用	不适用
57	2026-08-18	PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training 2022, PLOS digital health DOI:10.1371/journal.pdig.0000044 PMID:36420347	研究论文	本文提出PrimSeq，一种结合可穿戴传感器和深度学习模型来量化和计数中风康复训练中功能性运动的流程。	创新性地集成可穿戴传感器、深度学习模型和运动计数算法，实现自动分类和计数康复训练中的功能性运动，且性能优于竞争性机器学习方法，并大幅降低人力和时间成本。	未提及具体限制。	开发一种实用工具来测量中风康复训练中的功能性运动数量，以支持定量剂量试验。	中风患者的上肢运动训练。	数字病理学	中风	可穿戴传感器	深度学习模型	运动序列数据	多位中风患者（具体数量未提及）	NA	NA	准确性（优于竞争方法）	NA
58	2026-08-18	Clinical time-to-event prediction enhanced by incorporating compatible related outcomes 2022, PLOS digital health DOI:10.1371/journal.pdig.0000038 PMID:35757279	研究论文	本文开发了能够整合兼容相关临床结果的时序事件预测模型，并验证其在真实和合成数据上对传统Cox模型和深度学习模型的性能提升作用	提出将非竞争性相关临床结果纳入时序事件预测模型，同时保持模型的可解释性，且模型部署时无需辅助结果数据	未提及	提高临床结果时序事件预测的准确性，通过整合相关辅助临床结果来增强模型性能	临床数据集中的相关患者结果，包括共病或单一疾病多面终点	机器学习	不适用（未指定特定疾病）	不适用（未提及具体测序或实验技术）	Cox模型、深度学习模型（如状态-of-the-art模型）	临床数据（可能包含表格数据）	未提及	未提及	未提及	未提及	未提及
59	2026-08-06	Clinical significance, challenges and limitations in using artificial intelligence for electrocardiography-based diagnosis 2022, International journal of arrhythmia DOI:10.1186/s42444-022-00075-x PMID:36212507	综述	本文综述了人工智能在心电图诊断中的临床应用意义、挑战与局限性	全面总结了AI算法在心电诊断中的挑战与局限性，如专业责任、系统性偏差、监控、网络安全及技术和后勤问题	文章未提及具体的AI算法性能数据或实证结果，可能缺乏量化比较	提高对AI在心电图诊断中应用的熟悉度和认识，并告知相关利益方其潜在用途	AI算法在心电图诊断中的应用	机器学习	心血管疾病	NA	NA	心电图数据	NA	NA	NA	NA	NA
60	2026-07-03	Analyzing fibrous tissue pattern in fibrous dysplasia bone images using deep R-CNN networks for segmentation 2022, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06519-1 PMID:34867079	研究论文	利用深度R-CNN网络分割纤维异常增生骨图像中的纤维组织模式	提出了结合区域卷积神经网络与线性回归模型的方法，用于纤维异常增生骨图像中纤维组织分割及骨异常程度预测	未说明数据样本量、计算资源及与其他方法的对比，仅报告了自身性能指标	实现纤维异常增生骨图像中纤维组织的自动分割，并预测骨异常水平	纤维异常增生（FD）患者的骨图像	计算机视觉, 数字病理学	骨骼疾病	医学影像分析	区域卷积神经网络（R-CNN）	图像	未提及	NA	R-CNN	准确率, 损失值	未提及