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	2025-10-05	Segmenting Skin Biopsy Images with Coarse and Sparse Annotations using U-Net 2022-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00641-8 PMID:35501416	研究论文	提出一种使用粗糙稀疏标注的两阶段分割管道，用于皮肤活检图像分割	使用全切片图像小区域的粗糙稀疏标注作为训练集，开发了两阶段分割管道	依赖专家标注作为金标准，标注过程仍然需要专业人工参与	开发能够使用粗糙稀疏标注训练的分割方法，降低医学图像标注成本	皮肤活检图像中的黑色素细胞病变组织	数字病理	黑色素瘤	全切片图像分析	U-Net	医学图像	NA	NA	U-Net	NA	NA
2	2025-10-06	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	对心胸影像领域中机器学习和深度学习应用的范围综述	系统性地梳理了心胸影像领域ML/DL研究的整体格局，特别关注了COVID-19大流行对该领域的影响	作为范围综述，主要提供领域概览而非深入的技术分析	了解ML/DL在快速发展的心胸影像领域中的应用现状	心胸影像相关的医学文献	医学影像分析	心胸疾病	NA	机器学习,深度学习	医学影像	NA	NA	NA	NA	NA
3	2025-10-06	GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction 2022-Oct, Computational statistics & data analysis IF:1.5Q2 DOI:10.1016/j.csda.2022.107528 PMID:39257897	研究论文	提出一种GPU加速的共享随机效应联合模型估计方法，用于动态预测临床终点事件风险	结合新颖的两阶段估计算法和GPU编程技术，显著加速联合模型的估计过程	未明确说明模型在特定疾病类型或小样本场景下的适用性	解决纵向和生存数据联合模型计算效率低的问题，提高动态预测准确性	纵向队列研究中具有临床终点事件风险的受试者	机器学习	NA	纵向数据分析，生存分析	共享随机效应联合模型	纵向数据，生存数据	NA	PyTorch	NA	预测准确度	GPU
4	2025-10-06	Using deep learning for the automated identification of cone and rod photoreceptors from adaptive optics imaging of the human retina 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.470071 PMID:36425636	研究论文	提出一种名为RC-UPerNet的新型深度学习算法，用于从人类视网膜自适应光学成像中自动识别视锥和视杆细胞	开发了能够同时识别两种光感受器（视锥和视杆细胞）的新型深度学习算法RC-UPerNet，在中心和外周视网膜区域均表现出色	NA	开发自动化算法以识别视网膜中的光感受器细胞	人类视网膜中的视锥和视杆细胞	计算机视觉	眼科疾病	自适应光学成像	深度学习	图像	来自中央和外周视网膜（延伸至距中央凹30°的鼻侧和颞侧方向）的图像	NA	RC-UPerNet	精确率, 召回率, Dice系数	NA
5	2025-10-06	Deep learning combined with radiomics for the classification of enlarged cervical lymph nodes 2022-Oct, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04047-5 PMID:35562596	研究论文	本研究探讨深度学习结合传统影像组学方法在颈部肿大淋巴结分类中的应用	将深度学习特征与传统影像组学特征相结合构建分类模型，显著优于放射科医生的诊断性能	回顾性研究设计，样本量相对有限（276例患者）	开发基于CT影像的颈部肿大淋巴结自动分类方法	276例颈部肿大淋巴结患者（150例淋巴结转移，65例淋巴瘤，61例良性淋巴结病）	医学影像分析	淋巴结疾病	CT成像	深度学习	CT影像	276例患者，按8:2比例随机分为训练组和测试组	PyTorch	卷积神经网络	AUC, 准确率, 敏感性, 特异性	NA
6	2025-10-06	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	本研究开发了两种混合深度学习模型用于预测COVID-19 mRNA疫苗的RNA降解	首次提出结合图卷积神经网络与门控循环单元/卷积神经网络的混合模型，将RNA分子建模为图结构进行降解预测	未明确说明训练数据的具体规模和来源限制	研究混合深度学习模型预测RNA序列降解的能力	COVID-19 mRNA疫苗的RNA分子	机器学习	COVID-19	RNA测序	GCN, GRU, CNN	RNA序列数据	NA	NA	GCN_GRU, GCN_CNN	MCRMSE, AuC	NA
7	2025-10-07	Using ensembles and distillation to optimize the deployment of deep learning models for the classification of electronic cancer pathology reports 2022-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac075 PMID:36110150	研究论文	通过集成学习和知识蒸馏优化电子癌症病理报告分类深度学习模型的部署	将1000个多任务卷积神经网络的集成知识蒸馏到单一模型中，减少过拟合和模型过度自信	在极端类别不平衡和噪声数据集上的应用仍有局限	优化癌症病理报告分类模型的部署效果	电子癌症病理报告	自然语言处理	癌症	知识蒸馏	CNN	文本	NA	NA	多任务卷积神经网络(MtCNN)	准确率,弃权率	低计算资源环境
8	2025-02-21	Personalized Deep Bi-LSTM RNN Based Model for Pain Intensity Classification Using EDA Signal 2022-Oct-22, Sensors (Basel, Switzerland) DOI:10.3390/s22218087 PMID:36365785	研究论文	本文提出了一种基于EDA信号的个性化深度BiLSTM RNN模型，用于疼痛强度分类	使用深度学习框架自动化特征工程步骤，直接处理原始输入信号，并探索了BiLSTM RNN与XGB的集成模型	样本量较小，仅涉及29名受试者	自动评估疼痛强度，实现实时疼痛监测	29名受试者的EDA信号	机器学习	NA	EDA信号分解与增强	BiLSTM RNN, XGB	生理信号	29名受试者	NA	NA	NA	NA
9	2025-02-21	State of Health Estimation Based on the Long Short-Term Memory Network Using Incremental Capacity and Transfer Learning 2022-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s22207835 PMID:36298185	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和增量容量分析的电池健康状态（SOH）估计方法，并利用迁移学习提高模型在不同负载模式下的适用性	结合增量容量分析（ICA）和离散小波变换（DWT）预处理数据，优化LSTM模型的输入，并通过迁移学习扩展模型的应用范围	方法依赖于早期循环的放电电压曲线，可能对数据采集的精度和稳定性有较高要求	提高电池健康状态（SOH）估计的准确性和可靠性	电池的健康状态（SOH）	机器学习	NA	增量容量分析（ICA）、离散小波变换（DWT）、灰色关联分析（GRA）	长短期记忆网络（LSTM）	电压分布数据	小批量数据	NA	NA	NA	NA
10	2025-10-07	Just How Confident Can We Be in Predicting Sports Injuries? A Systematic Review of the Methodological Conduct and Performance of Existing Musculoskeletal Injury Prediction Models in Sport 2022-10, Sports medicine (Auckland, N.Z.) DOI:10.1007/s40279-022-01698-9 PMID:35689749	系统性综述	对运动肌肉骨骼损伤预测模型的方法学质量和报告完整性进行系统性评价	首次系统评估运动损伤预测模型的方法学质量和报告完整性，涵盖回归、机器学习和深度学习方法	仅纳入截至2021年6月的研究，未进行模型外部验证，仅评估现有研究的报告质量	评估运动肌肉骨骼损伤预测模型的方法学实施和报告完整性	运动肌肉骨骼损伤预测模型研究	机器学习	肌肉骨骼损伤	回归分析, 机器学习, 深度学习	回归模型, 机器学习模型	NA	30项研究(包含204个模型)	NA	NA	区分度, 校准度	NA
11	2024-12-11	DMCGNet: A Novel Network for Medical Image Segmentation With Dense Self-Mimic and Channel Grouping Mechanism 2022-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3192277 PMID:35939480	研究论文	提出了一种新的密集自模仿和通道分组机制的网络DMCGNet，用于医学图像分割，以实现更好的特征提取	引入了金字塔目标感知密集自模仿模块（PTDSM）和基于通道分割的特征融合模块（CSFFM），并结合深度监督与组集成学习（DSGEL）来增强特征提取和多尺度目标适应性	未提及具体限制	改进医学图像分割中的特征提取能力	医学图像分割任务	计算机视觉	NA	深度学习	DMCGNet	图像	4个医学图像分割数据集	NA	NA	NA	NA
12	2024-12-10	Monkeypox Virus Detection Using Pre-trained Deep Learning-based Approaches 2022-Oct-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-022-01868-2 PMID:36201085	研究论文	本文比较了13种预训练深度学习模型在猴痘病毒检测中的表现	提出了一种基于多数投票的集成方法，显著提高了检测性能	NA	开发一种高效的猴痘病毒检测方法	猴痘病毒	机器学习	NA	深度学习	深度学习模型	图像	使用了一个公开的数据集	NA	NA	NA	NA
13	2024-10-02	Autonomous Binarized Focal Loss Enhanced Model Compression Design Using Tensor Train Decomposition 2022-Oct-14, Micromachines IF:3.0Q2 DOI:10.3390/mi13101738 PMID:36296093	研究论文	本文提出了一种基于张量列车分解的自主二值化焦点损失增强模型压缩设计方法	本文创新性地提出了自主二值化焦点损失增强模型压缩（ABFLMC）模型，解决了模型压缩过程中的类别不平衡问题，并引入了动态难度项以提高性能和降低复杂度	NA	旨在提高深度学习模型在目标检测任务中的性能，同时降低计算和功耗需求	深度学习模型在目标检测任务中的应用	机器学习	NA	张量列车分解	ABFLMC	NA	NA	NA	NA	NA	NA
14	2024-10-02	Mutual influence between language and perception in multi-agent communication games 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010658 PMID:36315590	研究论文	本文探讨了深度学习方法在多智能体通信游戏中语言与感知相互影响的研究	通过系统地操纵智能体的视觉表示和通信协议，分析了它们对语言和感知的影响，揭示了感知偏差如何塑造语义分类和交流内容	NA	研究语言与感知在多智能体通信游戏中的相互影响	发送者和接收者智能体在参考游戏中的语言和视觉表示	自然语言处理	NA	深度学习	深度神经网络	图像	NA	NA	NA	NA	NA
15	2024-09-30	Cocrystal Prediction of Bexarotene by Graph Convolution Network and Bioavailability Improvement 2022-Oct-16, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14102198 PMID:36297633	研究论文	本文开发了一种基于图卷积网络的深度学习模型（CocrystalGCN），用于预测Bexarotene的共晶体，并通过实验验证了其有效性	首次使用图卷积网络进行共晶体预测，并成功合成了多种具有改善溶解性和生物利用度的共晶体	实验验证的样本数量有限，可能需要进一步扩大样本量以验证模型的普适性	提高Bexarotene的水溶性和生物利用度，以改善其临床应用	Bexarotene及其共晶体	药物化学	皮肤T细胞淋巴瘤	图卷积网络（GCN）	GCN	分子结构数据	109个共晶体候选物中的30个进行了实验验证	NA	NA	NA	NA
16	2024-09-29	Deep learning explains the biology of branched glycans from single-cell sequencing data 2022-Oct-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.105163 PMID:36217547	研究论文	本文利用单细胞测序数据和深度学习模型预测细胞的糖链表型，并解释其生物学意义	首次使用深度学习模型从转录组数据中预测细胞的糖链表型，并通过SHAP解释模型识别出高预测性基因	NA	揭示糖基化在细胞水平的调控机制及其功能意义	小鼠T淋巴细胞的糖链表型和转录组数据	机器学习	NA	SUGAR-seq	深度学习模型	转录组数据	小鼠T淋巴细胞	NA	NA	NA	NA
17	2024-09-29	Advances in Deep Learning for Tuberculosis Screening using Chest X-rays: The Last 5 Years Review 2022-Oct-15, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-022-01870-8 PMID:36241922	综述	本文回顾了过去五年中使用胸部X光片进行肺结核筛查的深度学习技术的进展	本文总结了过去五年中深度学习技术在肺结核筛查中的最新进展，并进行了系统性回顾和元分析	本文主要集中在过去五年的研究，可能无法涵盖所有相关研究	回顾和分析过去五年中深度学习技术在肺结核筛查中的应用	胸部X光片图像和肺结核筛查	计算机视觉	肺结核	深度学习	卷积神经网络（CNN）	图像	54篇同行评审的研究文章	NA	NA	NA	NA
18	2024-09-29	AI for COVID-19 Detection from Radiographs: Incisive Analysis of State of the Art Techniques, Key Challenges and Future Directions 2022-Oct, Ingenierie et recherche biomedicale : IRBM = Biomedical engineering and research DOI:10.1016/j.irbm.2021.07.002 PMID:34336141	综述	本文综述了利用人工智能技术从医学影像中检测COVID-19的最新进展和挑战	本文总结了当前最先进的深度学习和机器学习模型在COVID-19检测中的应用，并提出了未来可能的研究方向	本文主要讨论了技术挑战，未深入探讨伦理和社会影响等非技术挑战	旨在评估和总结利用人工智能技术从医学影像中检测COVID-19的最新进展	COVID-19的检测方法和相关技术	计算机视觉	COVID-19	深度学习和机器学习	CNN、LSTM等	医学影像（X射线和CT扫描）	140篇研究论文	NA	NA	NA	NA
19	2024-09-29	Validation of an autonomous artificial intelligence-based diagnostic system for holistic maculopathy screening in a routine occupational health checkup context 2022-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-022-05653-2 PMID:35567610	研究论文	本研究评估了一种自主人工智能系统在常规职业健康检查中检测眼底摄影中常见中心视网膜病变的能力	本研究采用了一种综合的人工智能方法，能够同时高精度检测糖尿病视网膜病变、年龄相关性黄斑变性和痣，并减少了漏诊的风险	本研究使用的数据集主要来自职业健康检查，可能限制了其在其他场景中的适用性	评估自主人工智能系统在常规职业健康检查中检测眼底摄影中常见中心视网膜病变的能力	眼底摄影图像中的糖尿病视网膜病变、年龄相关性黄斑变性、青光眼性视神经病变和痣	计算机视觉	眼科疾病	深度学习	NA	图像	5918张图像（来自2839名个体）	NA	NA	NA	NA
20	2024-09-26	Generalizable deep learning model for early Alzheimer's disease detection from structural MRIs 2022-10-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20674-x PMID:36253382	研究论文	本研究开发了一种基于3D深度卷积神经网络的新方法，用于从结构MRI中早期检测阿尔茨海默病	提出了基于3D深度卷积神经网络的新方法，能够自动学习识别与阿尔茨海默病相关的成像生物标志物，并实现早期准确检测	在检测轻度认知障碍（MCI）时，模型的AUC较低，表明在该任务上仍存在挑战	开发一种能够早期检测阿尔茨海默病的深度学习模型	阿尔茨海默病、轻度认知障碍和认知正常个体	机器学习	阿尔茨海默病	3D深度卷积神经网络	CNN	图像	内部验证集来自阿尔茨海默病神经影像学倡议（ADNI），外部独立验证集来自国家阿尔茨海默病协调中心（NACC）	NA	NA	NA	NA