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	2025-07-22	Comparison of Retinal Imaging Techniques in Individuals with Pulmonary Artery Hypertension Using Vessel Generation Analysis 2022-Nov-28, Life (Basel, Switzerland) DOI:10.3390/life12121985 PMID:36556350	研究论文	比较视网膜成像技术在肺动脉高压患者中的应用，使用血管生成分析	首次比较了荧光素血管造影（FA）和彩色眼底（CF）成像在肺动脉高压（PAH）患者中的视网膜血管变化，并探讨了深度学习（DL）处理CF图像的潜力	样本量较小（n=9），且微血管变化未在两种成像技术中表现一致	确定CF成像是否能提供与FA相同的视网膜血管信息，以评估PAH患者的视网膜血管变化	肺动脉高压（PAH）患者的视网膜血管	数字病理学	肺动脉高压	荧光素血管造影（FA）、彩色眼底（CF）成像、深度学习（DL）	深度学习（DL）	图像	9名PAH患者
2	2025-07-21	A multi-use deep learning method for CITE-seq and single-cell RNA-seq data integration with cell surface protein prediction and imputation 2022-Nov, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00545-w PMID:36873621	研究论文	本文提出了一种名为sciPENN的多用途深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并预测和估算细胞表面蛋白表达	sciPENN方法支持CITE-seq和scRNA-seq数据整合、蛋白表达预测和估算、预测和估算不确定性的量化，以及细胞类型标签从CITE-seq到scRNA-seq的转移	未明确提及具体限制，但可能涉及数据整合中的批次效应处理及不同数据集间蛋白面板部分重叠的问题	解决CITE-seq和scRNA-seq数据整合中的计算挑战，提高数据利用率以揭示细胞群体异质性	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病、流感和COVID-19	CITE-seq、单细胞RNA-seq	深度学习	RNA和蛋白表达数据	多个数据集，具体数量未明确说明
3	2025-07-20	OrganoID: A versatile deep learning platform for tracking and analysis of single-organoid dynamics 2022-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010584 PMID:36350878	research paper	介绍了一个名为OrganoID的深度学习平台，用于自动识别、标记和跟踪单器官样品的动态变化	开发了一个无需参数调整即可高精度自动分析器官样品的平台，支持多种癌症器官样品的分析	未提及平台在处理极低质量图像时的表现或对其他类型器官样品的适用性	加速器官样品在高通量、数据密集型生物医学应用中的使用	胰腺癌、肺癌、结肠癌和腺样囊性癌的器官样品	digital pathology	pancreatic cancer, lung cancer, colon cancer, adenoid cystic carcinoma	brightfield and phase-contrast microscopy	deep learning	image	多种癌症器官样品的图像数据集
4	2025-06-26	Annotation of spatially resolved single-cell data with STELLAR 2022-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01651-8 PMID:36280720	research paper	本文介绍了一种名为STELLAR的几何深度学习方法，用于在空间分辨的单细胞数据集中进行细胞类型发现和识别	STELLAR方法不仅能够自动将细胞分配到注释参考数据集中存在的细胞类型，还能发现新的细胞类型和状态，并且能够跨不同解剖区域、组织和供体转移注释	NA	开发一种能够考虑空间组织的计算方法，以准确注释空间分辨的单细胞数据	空间分辨的单细胞数据	digital pathology	NA	几何深度学习	STELLAR	空间分辨的单细胞数据	260万个空间分辨的单细胞
5	2025-06-24	Deep Learning Prediction of Pathologic Complete Response in Breast Cancer Using MRI and Other Clinical Data: A Systematic Review 2022-11-21, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography8060232 PMID:36412691	系统性综述	本文系统性综述了使用深度学习技术，特别是CNN，结合全乳腺MRI图像和其他临床数据预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）的研究	专注于深度学习CNN在无需人工标注或肿瘤分割的情况下预测pCR，填补了该领域系统性综述的空白	仅关注深度学习方法的系统性综述，未涉及其他机器学习方法	评估深度学习技术在预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）中的应用	乳腺癌患者	数字病理学	乳腺癌	深度学习	CNN	MRI图像和临床数据	NA
6	2025-06-24	Machine Learning for Industry 4.0: A Systematic Review Using Deep Learning-Based Topic Modelling 2022-Nov-09, Sensors (Basel, Switzerland) DOI:10.3390/s22228641 PMID:36433236	系统综述	本文通过深度学习主题建模方法，系统回顾了机器学习在工业4.0中的应用现状	使用BERTopic对45,783篇相关论文进行主题分析，并结合17份行业白皮书进行对比，揭示了学术与工业界在机器学习应用上的差异	仅分析了Scopus和Web of Science数据库的论文，可能遗漏其他来源的研究	系统梳理机器学习在工业4.0中的应用现状和研究热点	工业4.0中的机器学习应用	机器学习	NA	BERTopic	CNN	文本	45,783篇论文和17份行业白皮书
7	2025-06-24	Semantic Terrain Segmentation in the Navigation Vision of Planetary Rovers-A Systematic Literature Review 2022-Nov-01, Sensors (Basel, Switzerland) DOI:10.3390/s22218393 PMID:36366089	系统文献综述	本文对行星漫游车导航视觉中的语义地形分割进行了系统文献综述，分析了现有解决方案、可用数据及潜在研究缺口	首次针对行星漫游车导航视觉中的语义地形分割进行系统文献综述，提出了可复制、透明化的调查方法	尚未发现满足像素级分割、实时推理和机载硬件要求的解决方案，缺乏基于真实世界的开放像素级标注数据集	评估行星漫游车导航视觉中语义地形分割的研究现状与未来挑战	行星漫游车的导航视觉系统	计算机视觉	NA	系统文献综述方法	NA	文献数据	从320项候选研究中最终筛选30篇论文进行综述
8	2025-06-08	OWAE-Net: COVID-19 detection from ECG images using deep learning and optimized weighted average ensemble technique 2022-Nov, Intelligent systems with applications DOI:10.1016/j.iswa.2022.200154 PMID:40477980	research paper	该研究提出了一种名为OWAE-Net的深度学习方法，通过优化加权平均集成技术，利用ECG图像进行COVID-19的多类别分类检测	使用三种深度学习模型的集成方法，并通过网格搜索技术优化加权平均集成技术，提高了COVID-19检测的准确率	NA	开发一种更快、更安全的COVID-19诊断方法	ECG图像	digital pathology	COVID-19	deep learning, grid search	VGG-19, EfficientNet-B4, DenseNet-121, OWAE	image	NA
9	2025-06-08	Deep viewing for the identification of Covid-19 infection status from chest X-Ray image using CNN based architecture 2022-Nov, Intelligent systems with applications DOI:10.1016/j.iswa.2022.200130 PMID:40478040	research paper	该研究提出了一种基于CNN的深度学习技术，用于从胸部X光图像中自动诊断Covid-19感染状态	使用大量数据集（10,293张X光片）训练和测试模型，并在区分Covid-19和肺炎患者方面取得了99.60%的高准确率	现有技术大多未使用大量数据进行训练和测试，本研究虽然使用了较大数据集，但仍可能存在数据多样性和泛化能力方面的限制	开发一种快速准确的Covid-19自动诊断系统，以辅助临床医生和研究人员	胸部X光图像，包括Covid-19、肺炎和正常患者三类	computer vision	Covid-19	深度学习	CNN	image	10,293张X光片（其中2,875张为Covid-19患者）
10	2025-06-07	An evaluation of lightweight deep learning techniques in medical imaging for high precision COVID-19 diagnostics 2022-Nov, Healthcare analytics (New York, N.Y.) DOI:10.1016/j.health.2022.100096 PMID:37520618	研究论文	本文评估了轻量级深度学习技术在医学影像中用于高精度COVID-19诊断的性能	提出使用轻量级深度学习模型MobileNetV2进行COVID-19检测，显著降低了计算资源的成本和内存需求	研究未提及模型在多样化数据集上的泛化能力以及在实际临床环境中的验证	开发低成本、移动化的即时COVID-19检测系统，特别是在中低收入国家	COVID-19的医学影像诊断	数字病理	COVID-19	深度学习	MobileNetV2	医学影像（胸部X光和CT）	NA
11	2025-03-29	Real-time risk prediction of colorectal surgery-related post-surgical complications using GRU-D model 2022-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104202 PMID:36162805	research paper	该研究利用GRU-D模型实时预测结直肠手术相关术后并发症的风险	提出了一种基于GRU-D的新型实时术后并发症风险预测任务，并展示了其临床实用性	复杂架构（堆叠、多模态）在相同采样方案下相对于单层GRU-D没有明显优势	开发风险预测模型，用于针对术后并发症的预防性干预	结直肠手术患者	machine learning	colorectal disease	GRU-D	GRU-D, logistic regression	electronic health record (EHR)	3,535例结直肠手术患者
12	2025-03-21	A universal graph deep learning interatomic potential for the periodic table 2022-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00349-3 PMID:38177366	研究论文	本文介绍了一种基于图神经网络的通用原子间势能模型M3GNet，用于材料的结构弛豫、动态模拟和性质预测	M3GNet模型通过结合三体相互作用，能够广泛应用于不同化学空间中的材料，且训练数据来源于Materials Project过去十年的大规模结构弛豫数据库	NA	开发一种通用的原子间势能模型，以加速可合成材料的发现	材料的结构弛豫、动态模拟和性质预测	机器学习	NA	图神经网络	M3GNet	结构弛豫数据	约180万种材料，筛选自3100万种假设晶体结构
13	2025-02-21	HVIOnet: A deep learning based hybrid visual-inertial odometry approach for unmanned aerial system position estimation 2022-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2022.09.001 PMID:36152378	研究论文	本研究提出了一种基于深度学习的混合视觉-惯性里程计方法HVIOnet，用于无人航空系统的位置估计	结合卷积神经网络和双向长短期记忆网络，融合视觉和惯性数据，提出了一种新的深度架构用于位置估计	NA	解决自主移动机器人应用中的定位问题	无人航空系统（UAS）	机器视觉	NA	深度学习	CNN, BiLSTM	图像, IMU数据	EuRoC数据集和ROS生成的模拟环境数据
14	2025-02-12	DL 101: Basic introduction to deep learning with its application in biomedical related fields 2022-11-20, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9564 PMID:36041380	研究论文	本文提供了深度学习的基础介绍，并探讨了其在生物医学领域的应用	介绍了前馈神经网络（FNN）的基本概念及其强大的功能表示，并提供了选择神经网络超参数的指导	文章主要面向初学者，未深入探讨深度学习的高级技术细节	探讨深度学习在生物医学及其他相关领域的应用潜力	深度学习技术及其在生物医学领域的应用	机器学习	NA	深度学习	前馈神经网络（FNN）	NA	NA
15	2024-12-12	Interpretable brain disease classification and relevance-guided deep learning 2022-11-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24541-7 PMID:36424437	研究论文	本文提出了一种利用相关性引导的热图在线计算的正则化技术，用于训练卷积神经网络（CNN）分类器，以提高脑疾病分类的可解释性和准确性	本文的创新点在于提出了一种相关性引导的正则化技术，通过在线计算热图来训练CNN分类器，从而提高分类准确性并减少对非脑组织特征的依赖	本文的局限性在于仅使用了T1加权MR图像，未探讨其他类型图像对分类结果的影响	研究目的是提高基于MRI的神经疾病分类的可解释性和准确性	研究对象是阿尔茨海默病患者和健康对照者的T1加权MR图像	机器学习	阿尔茨海默病	MRI	CNN	图像	128名阿尔茨海默病患者和290名健康对照者
16	2024-12-10	Deep Morphology Learning Enhances Ex Vivo Drug Profiling-Based Precision Medicine 2022-11-02, Blood cancer discovery IF:11.5Q1 DOI:10.1158/2643-3230.BCD-21-0219 PMID:36125297	研究论文	本文研究了在复发或难治性血液癌症患者中，使用弱监督深度学习方法分析细胞形态（DML）来补充基于诊断标记的恶性与非恶性细胞识别，以提高药物测试的准确性和个性化治疗的效果	本文提出了使用弱监督深度学习方法分析细胞形态（DML）来提高药物测试的重复性和药物作用模式的聚类效果，并通过自主识别与疾病相关的细胞形态来适应批次效应	NA	研究如何通过深度学习方法提高基于患者活检细胞的药物测试的准确性和个性化治疗效果	复发或难治性血液癌症患者的活检细胞	机器学习	血液癌症	深度学习	NA	细胞形态数据	390个活检样本，来自289名患者
17	2024-12-01	Improving the repeatability of deep learning models with Monte Carlo dropout 2022-Nov-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00709-3 PMID:36400939	研究论文	本文评估了四种模型类型在医学图像分类任务中的重复性，并研究了蒙特卡罗 dropout 对分类性能和重复性的影响	利用蒙特卡罗预测显著提高了重复性，特别是在类别边界处，并减少了95%一致性限制和类别不一致率	超过20次蒙特卡罗迭代后，重复性没有进一步提高	评估深度学习模型在医学图像分类任务中的重复性，并研究蒙特卡罗 dropout 对分类性能和重复性的影响	四种模型类型（二分类、多分类、有序分类和回归）在医学图像分类任务中的重复性	机器学习	NA	蒙特卡罗 dropout	ResNet 和 DenseNet	图像	来自同一患者在同一就诊期间获取的图像
18	2024-11-06	Explanatory classification of CXR images into COVID-19, Pneumonia and Tuberculosis using deep learning and XAI 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106156 PMID:36228463	研究论文	本文提出了一种基于深度学习的模型，用于解释性分类胸部X光图像中的COVID-19、肺炎和肺结核	本文引入了深度学习模型，并结合XAI技术（如Grad-CAM、LIME和SHAP）来解释模型结果，提高了分类的准确性和可解释性	NA	开发一种能够准确分类胸部X光图像中COVID-19、肺炎和肺结核的深度学习模型，并使用XAI技术解释模型结果	胸部X光图像中的COVID-19、肺炎和肺结核	计算机视觉	肺部疾病	深度学习	CNN	图像	7132张胸部X光图像
19	2024-11-06	Design and development of hybrid optimization enabled deep learning model for COVID-19 detection with comparative analysis with DCNN, BIAT-GRU, XGBoost 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106123 PMID:36228465	研究论文	本文设计并开发了一种基于混合优化技术的深度学习模型，用于COVID-19检测，并与其他现有方法进行了比较分析	本文提出了一种新的混合优化算法，结合了Honey Badger优化算法和Jaya算法，用于训练深度神经模糊网络（DNFN），以提高COVID-19检测的准确性、敏感性和特异性	本文未详细讨论模型的计算复杂性和训练时间，且未提供与其他方法在不同数据集上的广泛比较	开发一种高效且安全的COVID-19检测模型，以应对当前检测设备的短缺问题	COVID-19患者的呼吸声音，包括咳嗽、呼吸和语音记录	机器学习	呼吸系统疾病	深度学习	深度神经模糊网络（DNFN）	音频信号	未明确提及具体样本数量
20	2024-11-06	Joint optic disc and cup segmentation using feature fusion and attention 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106094 PMID:36122442	研究论文	本文提出了一种名为FAU-Net的深度学习架构，用于联合分割视盘和视杯	通过在U-Net中添加特征融合模块和结合通道与空间注意力机制，提高了视盘和视杯的分割精度	NA	提高青光眼诊断中视盘和视杯的分割精度	视盘和视杯的联合分割	计算机视觉	青光眼	深度学习	FAU-Net	图像	Drishti-GS1, REFUGE, RIM-ONE 和 ODIR 数据集