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	2025-11-12	Characterisation of urban environment and activity across space and time using street images and deep learning in Accra 2022-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24474-1 PMID:36443345	研究论文	利用街景图像和深度学习技术分析加纳阿克拉城市环境特征与人类活动的时空模式	首次在非洲城市阿克拉构建大规模时间序列街景图像数据集，并开发针对当地环境特征的物体检测模型	仅覆盖145个采样点，手动标注样本数量有限（1250张图像），可能无法完全代表整个城市区域的多样性	通过智能感知和分析方法研究城市环境特征对健康、宜居性、安全性和可持续性的影响	加纳阿克拉大都会区的城市环境和人类活动	计算机视觉	NA	街景图像采集、迁移学习、数据增强	CNN	图像	210万张延时摄影图像（日夜），其中1250张手动标注	NA	卷积神经网络	NA	NA
2	2025-10-05	Exploration of Despair Eccentricities Based on Scale Metrics with Feature Sampling Using a Deep Learning Algorithm 2022-Nov-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112844 PMID:36428903	研究论文	提出一种基于深度学习算法的音频预测技术，用于检测后冠状病毒症状和抑郁倾向	首次将音频特征采样与深度学习算法结合用于后冠状病毒症状的抑郁特征识别，性能指标较传统方法提升约67%	NA	通过音频分析早期识别后冠状病毒症状和抑郁风险，防止心理健康恶化	受冠状病毒疫情影响的人群及其心理健康状态	机器学习	精神疾病	音频预测技术	深度学习算法	音频数据	NA	NA	NA	性能指标	NA
3	2025-10-06	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	比较荧光素血管造影和彩色眼底成像在肺动脉高压患者视网膜血管分析中的效果	首次将VESGEN软件应用于肺动脉高压患者的彩色眼底成像分析，并探索深度学习技术在此领域的应用	样本量较小（n=9），深度学习分割与传统手动分割在部分指标上存在差异	评估彩色眼底成像能否替代荧光素血管造影用于肺动脉高压患者的视网膜血管分析	肺动脉高压患者的视网膜血管	数字病理	心血管疾病	荧光素血管造影，彩色眼底成像，血管生成分析	深度学习	视网膜图像	9例肺动脉高压患者	NA	NA	分形维数，血管迂曲度，血管面积密度	NA
4	2025-10-06	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	提出一种名为sciPENN的多功能深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并实现细胞表面蛋白预测和插补	开发支持多种功能的数据整合方法，包括跨数据集整合、蛋白表达预测与插补、不确定性量化和细胞类型标签转移	未在摘要中明确说明	解决CITE-seq和单细胞RNA-seq数据整合中的计算挑战，提高数据利用效率	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病，流感，COVID-19	CITE-seq，单细胞RNA-seq	深度学习	单细胞多组学数据	多个数据集（未指定具体数量）	NA	sciPENN	NA	NA
5	2025-10-06	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	研究论文	开发了一个名为OrganoID的深度学习平台，用于自动识别、标记和跟踪单个类器官的动态变化	提出了首个能够像素级自动识别、标记和跟踪单个类器官的通用深度学习平台，无需参数调整即可在多种癌症类器官上实现高精度分析	在四天延时显微镜研究中单类器官跟踪准确率保持在89%以上，仍有提升空间	开发自动化类器官图像分析平台以加速药物发现和个性化药物筛选	胰腺癌、肺癌、结肠癌和腺样囊性癌类器官	计算机视觉	多种癌症	明场和相差显微镜	深度学习	显微镜图像	多种癌症类器官图像数据集	NA	NA	类器官计数准确率95%，大小测量准确率97%，单类器官跟踪准确率89%	NA
6	2025-10-06	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	研究论文	本文提出了一种名为STELLAR的几何深度学习方法，用于空间分辨单细胞数据的细胞类型注释和发现	STELLAR是首个专门为空间分辨单细胞数据设计的几何深度学习方法，能够考虑空间组织信息，自动发现新型细胞类型和细胞状态	NA	开发能够准确注释空间分辨单细胞数据中细胞类型的新计算方法	空间分辨单细胞数据	计算生物学	NA	CODEX多重荧光显微镜技术，多重RNA成像	几何深度学习	空间分辨单细胞数据，显微镜图像，RNA成像数据	260万个空间分辨单细胞	NA	NA	NA	NA
7	2025-10-06	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	系统综述	本文系统综述了使用深度学习技术基于乳腺MRI图像和其他临床数据预测乳腺癌新辅助化疗后病理完全缓解的研究	专注于深度学习在无需肿瘤分割标注的完整乳腺MRI图像上预测pCR的系统综述，填补了该领域综述文献的空白	仅关注深度学习方法，排除了传统监督机器学习研究	系统评估深度学习在预测乳腺癌新辅助化疗病理完全缓解中的应用	乳腺癌患者	医学影像分析	乳腺癌	MRI成像	CNN	医学图像, 临床数据	NA	NA	NA	NA	NA
8	2025-10-06	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	使用基于深度学习的主题建模方法对工业4.0领域的机器学习研究进行系统性综述	采用BERTopic主题建模技术分析45,783篇相关论文，并结合17份行业白皮书进行学术与产业视角的对比分析	仅基于Scopus和Web of Science数据库的文献，未涵盖所有相关研究	明确机器学习在工业4.0领域的应用现状和研究热点	工业4.0相关学术文献和行业白皮书	机器学习	NA	主题建模	深度学习	文本	45,783篇学术论文和17份行业白皮书	BERTopic	BERT	主题分析	NA
9	2025-10-06	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	对行星漫游车导航视觉中语义地形分割研究进行系统性文献综述	这是首个针对行星漫游车导航视觉中语义地形分割的系统性文献综述	未发现满足像素级分割、实时推理时间和机载硬件要求的解决方案，缺乏开放、像素级标注的真实世界数据集	分析行星漫游车导航视觉中语义地形分割的现有解决方案、可用数据和潜在研究空白	行星漫游车导航视觉中的语义地形分割研究	计算机视觉	NA	NA	NA	图像	30篇研究论文	NA	NA	准确率, 实时性能	NA
10	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	NA	NA	NA	NA
11	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）	NA	NA	NA	NA
12	2025-10-06	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	本文开发并评估了用于COVID-19检测的轻量级深度学习技术	采用轻量级MobileNetV2模型实现COVID-19检测，在保持竞争力的性能同时显著降低计算资源需求	未明确说明具体的数据集规模和模型对比范围	开发适用于资源受限设备的COVID-19自动诊断系统	胸部X光和CT影像	医学影像分析	COVID-19	深度学习	CNN	医学影像	NA	NA	MobileNetV2	NA	资源受限设备
13	2025-10-07	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	研究论文	本研究使用GRU-D深度学习模型开发结直肠手术后并发症的实时风险预测系统	首次将GRU-D模型应用于结直肠手术后并发症的实时风险预测，并展示了其临床实用性	复杂架构（堆叠层、多模态）相比单层GRU-D未见明显优势，模型在某些并发症类型预测上表现不如逻辑回归	开发结直肠手术后并发症的风险预测模型，用于针对性预防干预	结直肠手术患者	机器学习	结直肠疾病	电子健康记录数据分析	GRU-D	电子健康记录	3,535例结直肠手术患者	NA	单层GRU-D, 堆叠层GRU-D, 多模态GRU-D	AUROC	NA
14	2025-10-07	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	开发了一种基于图神经网络的通用材料间原子势能函数M3GNet，用于材料结构弛豫、动态模拟和性质预测	提出了首个覆盖整个元素周期表的通用间原子势能函数，结合了三体相互作用的图神经网络架构	NA	开发能够广泛应用于不同化学空间的材料间原子势能函数	材料间原子势能函数和材料稳定性预测	机器学习	NA	图神经网络，密度泛函理论计算	图神经网络	材料结构数据，能量数据	基于材料项目过去十年的结构弛豫数据库，筛选了3100万假设晶体结构中的180万种材料	NA	M3GNet（具有三体相互作用的图神经网络）	材料稳定性验证准确率（1578/2000）	NA
15	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	NA	NA	NA	NA
16	2025-10-07	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	教程文章	本文提供深度学习的基础介绍及其在生物医学领域的应用	为生物医学领域研究者提供直观的前馈神经网络解释和超参数选择指导	仅提供基础入门内容，未涉及深度学习的完整能力探索	推广深度学习在生物医学领域的应用	深度学习基础理论和应用方法	机器学习	NA	深度学习	前馈神经网络(FNN)	NA	NA	NA	前馈神经网络	NA	NA
17	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	NA	NA	NA	NA
18	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	NA	NA	NA	NA
19	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	NA	NA	NA	NA
20	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	NA	NA	NA	NA