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	2026-10-01	Deep-learning-augmented computational miniature mesoscope 2022-Sep-20, Optica IF:8.4Q1 DOI:10.1364/optica.464700 PMID:36506462	研究论文	本文提出了一种深度学习增强的计算微型介观镜（CM V2），通过改进硬件和计算模型，实现了在微型平台上进行单次拍摄、宽视场、高分辨率的三维荧光成像	结合了混合发射滤光片和3D打印自由曲面准直器，提高了成像对比度和激发效率；开发了精确高效的三维线性移变模型来表征空间变化的像差；训练了多模块深度学习模型CMNet，仅使用模拟数据进行训练，并在实验中表现出良好的泛化能力	未明确提及	克服现有荧光显微镜在视场、分辨率和系统复杂性之间的权衡，开发一种微型化平台，能够在厘米级视场上提供微米级分辨率的三维成像	荧光发射器（荧光微球或生物样本）	计算机视觉	NA	荧光显微镜	CNN	图像	NA	NA	CMNet	检测性能、定位精度、分辨率（横向约6微米，轴向约25微米）	NA
2	2026-09-29	Detecting Pest-Infested Forest Damage through Multispectral Satellite Imagery and Improved UNet+ 2022-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s22197440 PMID:36236538	研究论文	该研究结合多光谱影像、植被指数和RGB信息，提出基于UNet++和注意力机制的新方法，用于检测树皮甲虫和杨叶潜叶蛾引起的森林虫害损害区域	首次将多光谱影像和植被指数与RGB信息结合用于深度学习森林虫害检测，并提出基于UNet++结合注意力机制的新分割方法，采用ResNeSt101作为特征提取主干，在解码阶段引入scSE模块	未明确提及研究局限性	进一步提高森林虫害侵害区域的分割精度，通过结合多光谱、植被指数和RGB信息进行深度学习	加拿大不列颠哥伦比亚省受树皮甲虫和杨叶潜叶蛾侵害的森林区域，基于Sentinel-2影像	计算机视觉	NA	多光谱卫星影像（Sentinel-2）、植被指数计算	深度学习	图像	基于2020年不列颠哥伦比亚省林业部航空概览调查收集的森林健康损害数据构建的数据集，包含11个原始Sentinel-2波段和13个植被指数	NA	UNet++, ResNeSt101, scSE注意力模块	总体精度	NA
3	2026-09-29	A deep learning approach for classification of COVID and pneumonia using DenseNet-201 2022-Sep-29, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22812 PMID:36249091	研究论文	本文提出了一种基于 DenseNet-201 的深度学习模型，用于利用胸部 X 光图像检测 COVID 和肺炎，并构建了一个符合 HIPAA 的框架及图形用户界面工具	提出了一个符合 HIPAA 合规性的框架，集成了图形用户界面工具，方便技术人员上传胸部 X 光图像并辅助放射科医生进行疾病分类	摘要中未明确提及研究局限性	利用深度学习技术对胸部 X 光图像进行分类，以检测 COVID 和肺炎，并构建一个用户友好的医疗辅助框架	胸部 X 光图像	计算机视觉	COVID-19, 肺炎	深度学习, 迁移学习	CNN	图像	NA	NA	DenseNet-201	准确率, 灵敏度, 特异性	NA
4	2026-09-29	Super-Resolution Reconstruction of Cytoskeleton Image Based on A-Net Deep Learning Network 2022-Sep-13, Micromachines IF:3.0Q2 DOI:10.3390/mi13091515 PMID:36144138	研究论文	该研究开发了一种名为A-net的深度学习网络，结合基于退化模型的DWDC算法，显著提高了共聚焦显微镜捕获的细胞骨架图像的分辨率	提出了A-net深度学习网络，其特点是层数较少且所需数据集较小，结合DWDC算法构建新数据集，将原始图像中干扰细胞结构的噪声和絮状结构显著去除，空间分辨率提高了10倍	NA	实现纳米尺度下的活细胞成像，从低分辨率图像中精确提取生物分子、细胞和器官的结构细节	细胞骨架图像	计算机视觉	NA	共聚焦显微镜成像，超分辨率重建	CNN	图像	NA	NA	A-net	空间分辨率提升倍数	NA
5	2026-09-29	Land Use Land Cover Labeling of GLOBE Images Using a Deep Learning Fusion Model 2022-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s22186895 PMID:36146242	研究论文	本文提出了一种结合Unet和DeepLabV3的深度学习融合模型，用于对GLOBE土地覆盖图像进行自动标注	提出了一种集成Unet和DeepLabV3的融合模型，通过加权融合分割标签，并利用五个方向的图像标签融合为图像集分配唯一标签，实现了最小人工干预下的自动标注	未明确讨论模型在不同地理区域或季节的泛化能力，且依赖GLOBE数据集的特定采集方式	解决GLOBE土地覆盖图像因杂乱和像素不确定性导致的标注不准确问题，实现大规模RGB图像的自动土地覆盖分类标注	GLOBE土地覆盖图像数据集，包含全球公民科学家拍摄的六张图像每站点	计算机视觉	NA	深度学习图像分割与融合	Unet, DeepLabV3, 加权融合模型	图像	2916张GLOBE图像	NA	Unet, DeepLabV3	标注准确率	NA
6	2026-09-29	Segmentation-Based Classification Deep Learning Model Embedded with Explainable AI for COVID-19 Detection in Chest X-ray Scans 2022-Sep-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12092132 PMID:36140533	研究论文	该研究提出了基于分割的分类深度学习系统，用于胸部X光片中COVID-19的自动检测，并嵌入可解释AI	提出了16种基于分割的分类深度学习系统组合，并采用可解释AI框架（Grad-CAM）进行验证；最佳模型UNet+Xception在分割分类任务上优于现有方法，平均提升8.27%	未明确说明，但可能受限于数据集规模和多样性，以及临床验证的广泛性	实现COVID-19的自动、快速、精确检测，并使分割分类错误率低于5%以满足临床适应和监管要求	多类肺炎型胸部X光扫描图像	计算机视觉	COVID-19	胸部X光成像	CNN	图像	NA	NA	UNet, UNet+, VGG16, VGG19, Xception, InceptionV3, Densenet201, NASNetMobile, Resnet50, MobileNet	准确率, 精确率, 召回率, F1分数, AUC, Dice系数, Jaccard指数, ROC, 损失	NA
7	2026-09-28	A Machine-Learning Based Approach for Predicting Older Adults' Adherence to Technology-Based Cognitive Training 2022-Sep, Information processing & management IF:7.4Q1 DOI:10.1016/j.ipm.2022.103034 PMID:35909793	研究论文	本研究利用机器学习模型预测老年人在计算机化认知训练中的依从性，并识别预测依从性的关键因素	使用机器学习预测不同层次的依从性，并利用上一周的训练交互数据通过深度学习预测下一周依从性	基于现有干预数据的事后分析，未进行前瞻性验证	开发基于技术的即时依从性支持系统，通过理解预测依从性的因素来促进干预成功	参与计算机化认知训练干预的老年人	机器学习	老年疾病	NA	逻辑回归, 循环神经网络	表格数据, 时间序列数据	NA	NA	逻辑回归, 循环神经网络	AUROC	NA
8	2026-09-20	From Images to Probabilistic Anatomical Shapes: A Deep Variational Bottleneck Approach 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16434-7_46 PMID:37011237	研究论文	本文提出了一种基于变分信息瓶颈理论的深度学习框架，用于直接从3D医学图像中预测解剖结构的概率形状，无需监督式形状描述符编码	利用变分信息瓶颈理论，在模型训练中直接学习潜在表示，避免了预先计算PCA形状表示的限制，允许非线性关系，模型自正则化且在有限训练数据下泛化更好	摘要中未明确提及局限性	直接从3D医学图像中预测解剖结构的概率形状，并提供校准的不确定性估计，以支持临床决策	解剖结构（具体部位未在摘要中指定）	医学图像分析	NA	统计形状建模	变分信息瓶颈	3D医学图像	NA	NA	NA	准确度, 校准的不确定性估计	NA
9	2026-09-04	A new deep learning approach based on bilateral semantic segmentation models for sustainable estuarine wetland ecosystem management 2022-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2022.155826 PMID:35561903	研究论文	提出一种基于双边语义分割模型的新型深度学习方法，用于河口湿地生态系统的可持续管理	提出了一种基于双边分割网络（BiSeNet）的新型深度学习模型，通过空间和上下文路径集成，比常用神经网络的训练速度和精度提高超过十倍，能够有效监测河口生态系统	未明确提及具体局限性，但可从多传感器和多时相卫星图像的分类中推断，主要依赖于特定区域的图像质量	旨在提出并实施一种新型深度学习方法，用于监测和评估河口区域的各种生态系统，以支持可持续的湿地管理	河口生态系统，包括河口水域、潮间带森林湿地和潮下带水产养殖土地等	计算机视觉	NA	多传感器和多时相卫星图像（包括Sentinel-2、ALOS-DEM和NOAA-DEM图像）	卷积神经网络（CNN）	卫星图像	共使用了12幅卫星图像，覆盖越南北部最大的河口地区五年的时间段，并训练了20个模型	NA	双边分割网络（BiSeNet）	精度（accuracy）	NA
10	2026-08-25	Neural representations of cryo-EM maps and a graph-based interpretation 2022-Sep-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04942-1 PMID:36171544	研究论文	本文提出了一种名为神经冷冻电镜图的新数据格式，通过神经网络参数化冷冻电镜图，提供连续的空间数据，并基于图进行蛋白质结构解释	首次提出神经冷冻电镜图格式，利用神经网络实现冷冻电镜图的连续参数化，并开发了基于图的冷冻电镜图解释方法	在较低分辨率下，图的节点特异性较低，受实验噪声和密度差异影响	开发一种新的冷冻电镜图数据格式，以实现连续空间插值，并用于基于图的结构解释	高分辨率实验冷冻电镜图及其对应的蛋白质结构	数字病理学	NA	冷冻电子显微镜	神经网络	三维体素图像	115张实验冷冻电镜图，分辨率从1.15至4.0 Å	NA	神经网络	平均绝对误差，残基覆盖率，全原子覆盖率，均方根偏差	NA
11	2026-08-25	Characterizing Subjects Exposed to Humidifier Disinfectants Using Computed-Tomography-Based Latent Traits: A Deep Learning Approach 2022-09-20, International journal of environmental research and public health DOI:10.3390/ijerph191911894 PMID:36231196	研究论文	本研究利用基于深度学习从CT图像提取的组织模式潜在特征，对接触加湿器消毒剂但肺部外观正常的个体与未接触个体进行聚类分析，以探究加湿器消毒剂暴露的潜在影响	首次使用深度学习提取的CT潜在特征对加湿器消毒剂暴露者进行聚类分析，并结合计算流体与粒子动力学模拟揭示气道尺寸对颗粒沉积的影响，发现女性可能更易受影响	未提供具体局限性信息，可能包括样本代表性、潜在特征的可解释性、以及模拟与真实情况的差异等	研究加湿器消毒剂暴露对肺部外观正常个体的潜在影响，并识别具有不同特征的亚组，以解释暴露者的不适症状	接触加湿器消毒剂的个体和未接触个体，包括健康对照	数字病理学, 机器学习	加湿器消毒剂相关肺损伤（HDLI）	计算断层扫描（CT）	深度学习模型（具体未指定，可能为卷积神经网络）	CT图像	未在标题和摘要中提供具体样本数量，但涉及约九百万暴露人群的研究背景	NA	NA	未提供具体性能指标，可能使用聚类质量评估如轮廓系数等，但未明确	NA
12	2026-08-25	Feasibility of Automated Segmentation of Pigmented Choroidal Lesions in OCT Data With Deep Learning 2022-09-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.9.25 PMID:36156729	研究论文	评估深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较不同深度神经网络性能	首次证明深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较多种网络架构，表明3D nnU-Net性能最优	研究样本量较小，且仅作为概念验证，需进一步改进以满足临床需求	评估自动分割色素性脉络膜病变的可行性，比较不同深度神经网络性能	121个OCT体积图像（100个正常，21个PCLs）	计算机视觉	色素性脉络膜病变	OCT成像	深度学习模型	图像	121个OCT体积图像	PyTorch（基于nnU-Net框架）	MD-GRU, V-Net, nnU-Net	召回率, Dice系数, Hausdorff距离	未提及
13	2026-08-22	Deep neural networks allow expert-level brain meningioma segmentation and present potential for improvement of clinical practice 2022-09-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19356-5 PMID:36104424	研究论文	本文展示了一个三维卷积神经网络（3D-CNN）在MRI扫描中实现专家级脑膜瘤分割和体积估计，并通过模拟临床场景评估其可行性和对临床实践的潜在改善。	首次在脑膜瘤分割中评估深度学习解决方案的临床影响和可用性，而不局限于分割任务本身，并利用迁移学习从健康脑MRI预训练模型进行微调。	未明确提及局限性，但可能包括依赖标注数据质量、模拟场景与真实临床的差异等。	开发并验证一个自动化的脑膜瘤分割和体积评估深度学习模型，以提高临床工作流程的准确性和效率。	脑膜瘤患者的MRI扫描图像。	计算机视觉	脑膜瘤	MRI	3D-CNN	图像（MRI）	10,099个健康脑MRI用于预训练，806个专家标注的MRI用于微调。	NA	3D-CNN（未指定具体架构）	中位数性能（88.2%），与专家间变异性（82.6-91.6%）比较	NA
14	2026-08-21	Imaging and analysis for simultaneous tracking of fluorescent biosensors in barcoded cells 2022-09-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2022.101611 PMID:36042884	研究论文	本文详细描述了使用条形码蛋白标记表达不同荧光生物传感器的活细胞，并通过并行成像和深度学习分析实现高度多重化的分子活动追踪的实验方案。	引入生物传感器条形码方法，结合并行成像和深度学习，实现高多重化的活细胞分子活动追踪。	文中未明确提及局限性。	提供一种实验方案，用于同时追踪多种荧光生物传感器在活细胞中的动态变化。	表达不同基因编码荧光生物传感器的活细胞。	计算生物学	NA	荧光成像	深度学习模型	图像	NA	NA	NA	NA	NA
15	2026-08-20	Uncovering shape signatures of resting-state functional connectivity by geometric deep learning on Riemannian manifold 2022-09, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25897 PMID:35538672	研究论文	提出了一种基于黎曼流形的几何深度学习网络Geo-Net4Net，用于学习静息态功能连接的内在低维特征表示，并揭示其形状特征以支持行为与认知。	首次利用流形上的正映射和ReLU层，结合自监督学习策略，利用任务态数据来监督静息态特征学习，从而超越传统无监督方法的限制。	依赖于任务态数据作为辅助监督信息，可能不完全适用于纯静息态场景；结论基于模拟数据和HCP数据集，泛化性需进一步验证。	探索静息态功能连接的自发波动如何支持行为与认知，通过流形上的几何模式（形状特征）来理解脑功能。	静息态功能脑网络，涉及功能磁共振成像（fMRI）数据与模拟数据。	机器学习，脑成像分析	不适用	功能磁共振成像（fMRI）	几何深度学习网络（Geo-Net4Net）	功能磁共振成像（fMRI）图像数据	来自人类连接组计划（HCP）数据库的任务态和静息态fMRI数据，具体样本数未在摘要中说明	未明确指定，但可能涉及深度学习框架如PyTorch或TensorFlow	基于黎曼流形的几何神经网络结构，包含正映射层和ReLU层	变化检测的准确率	未在摘要中说明
16	2026-08-17	Prot2Prot: a deep learning model for rapid, photorealistic macromolecular visualization 2022-09, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-022-00471-4 PMID:36008698	研究论文	Prot2Prot是一个深度学习模型，用于快速生成逼真的分子可视化图像，模仿高级计算机图形程序的渲染风格。	首次将图像到图像的转换应用于大分子可视化，显著减少了渲染时间，并能在网页浏览器中运行。	未提及具体限制，但可能受限于输入表示的简化和模型对特定风格的依赖。	开发一个快速、逼真的大分子可视化工具，以简化分子场景设置和渲染过程。	大分子结构，包括蛋白质等生物大分子。	深度学习	NA	深度学习	图像到图像转换模型（生成对抗网络或类似）	图像	未提及具体样本数量	NA	图像到图像转换架构（例如，基于U-Net或生成对抗网络）	图像相似度（未明确指定，可能包括视觉比较或定量指标）	网页浏览器运行，无需高性能GPU，具体资源未提及
17	2026-05-17	Image Quality Classification for Automated Visual Evaluation of Cervical Precancer 2022-Sep, Medical image learning with limited and noisy data : first international workshop, MILLanD 2022, held in conjunction with MICCAI 2022, Singapore, September 22, 2022, proceedings. MILLanD (Workshop) (1st : 2022 : Singapore) DOI:10.1007/978-3-031-16760-7_20 PMID:36315110	研究论文	提出一种深度学习集成框架，用于宫颈癌前病变自动视觉评估的图像质量分类	集成网络框架包含宫颈检测、错误标签识别和质量分类三大模块，自动识别错误标签和模糊图像以提升分类性能	未提及具体局限性	提升宫颈癌前病变自动视觉评估的图像质量分类性能	宫颈癌前病变筛查中的宫颈图像	计算机视觉	宫颈癌	NA	深度学习集成框架	图像	来自全球不同机构、设备和地区的14,183名患者的87,420张图像	NA	集成网络（包含宫颈检测网络、错误标签识别网络和质量分类网络）	准确率	NA
18	2026-05-12	Hierarchical Individual Naturalistic Functional Brain Networks with Group Consistency Uncovered by a Two-Stage NAS-Volumetric Sparse DBN Framework 2022 Sep-Oct, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0200-22.2022 PMID:35995557	研究论文	提出了一种两阶段神经架构搜索与体积稀疏深度信念网络模型，用于从自然范式功能磁共振成像数据中识别具有群体一致性和个体独特性的分层功能脑网络	首次将神经架构搜索与体积稀疏深度信念网络结合，自动优化网络架构以建模自然范式fMRI数据，同时兼顾群体一致性与个体变异性	未提及	从自然范式fMRI数据中自动识别具有群体一致性和个体独特性的分层时空脑功能特征	自然范式下的人脑功能网络及时间特征	机器学习	NA	NfMRI	深度信念网络 (DBN)	fMRI体积图像	NA	NA	两阶段神经架构搜索, 体积稀疏深度信念网络	群体一致性, 个体独特性	NA
19	2026-05-04	One Clinician Is All You Need-Cardiac Magnetic Resonance Imaging Measurement Extraction: Deep Learning Algorithm Development 2022-Sep-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38178 PMID:35960155	研究论文	本研究开发了一种基于预训练Transformer语言模型的深度学习算法，通过少量专家标注从心脏磁共振成像临床报告中提取21项测量指标	使用预训练Transformer模型实现标签高效的数字提取，无需大量专家标注或人工规则，探索临床预训练和数字表示方法对性能的影响	未明确提及限制，但论文指出模型性能因测量类型而异（如左心房前后径F1=0.92），且工作流程需在实际应用中进一步验证	开发标签高效的方法从非结构化临床文本中自动提取CMR测量值，支持临床研究	多机构医疗系统中的心脏磁共振成像临床报告	自然语言处理	心血管疾病	N/A	Transformer	文本	99,252名患者（12,720份CMR报告，其中370份经临床医生标注）	PyTorch	Transformer	宏平均F1分数	N/A
20	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA