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
21	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
22	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
23	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
24	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
25	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
26	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
27	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
28	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
29	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
30	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
31	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
32	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
33	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
34	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	NA	NA	NA	NA
35	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	NA	NA	NA	NA
36	2024-11-06	Leukemia segmentation and classification: A comprehensive survey 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106028 PMID:36126356	综述	本文综述了白血病的分割与分类的最新深度学习方法及其挑战	本文讨论了利用深度学习方法进行白血病检测的创新点	本文指出了现有白血病检测方法的局限性，如误差大和精度低	探讨白血病检测的最新深度学习方法及其挑战	白血病的分割与分类	计算机视觉	血液疾病	深度学习	NA	图像	NA	NA	NA	NA	NA
37	2024-11-06	Wearable electroencephalography and multi-modal mental state classification: A systematic literature review 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106088 PMID:36137314	综述	本文系统回顾了可穿戴脑电图在多模态心理状态分类中的应用	本文分析了不同预处理技术、特征和时间序列分类模型的性能，并讨论了未来趋势和实际应用中未充分报道的方面	本文主要基于文献回顾，未提供新的实验数据或模型	探讨可穿戴脑电图在多模态心理状态分类中的最新进展和未来趋势	可穿戴脑电图设备及其在心理状态分类中的应用	脑机接口	NA	脑电图	线性判别分析、决策树、k近邻和支持向量机	时间序列	NA	NA	NA	NA	NA
38	2024-11-06	Synthetic augmentation for semantic segmentation of class imbalanced biomedical images: A data pair generative adversarial network approach 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105985 PMID:36137319	研究论文	本文提出了一种数据对生成对抗网络（DPGAN），用于合成多样化的生物医学图像及其分割标签，以增强语义分割任务中的数据集	本文创新性地提出了DPGAN，通过分阶段生成背景、掩码和高级阶段的数据对，有效缓解了生物医学图像分割数据集中类别不平衡的问题	NA	研究如何通过合成数据增强技术提高生物医学图像语义分割的性能	生物医学图像及其分割标签	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了前庭神经鞘瘤数据集、肾肿瘤数据集和皮肤癌数据集进行实验	NA	NA	NA	NA
39	2024-11-06	Artificial intelligence based liver portal tract region identification and quantification with transplant biopsy whole-slide images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106089 PMID:36137315	研究论文	开发了一种基于深度学习的模型MUSA-UNet，用于自动分割和量化肝移植活检全切片图像中的肝门管区	提出了MUSA-UNet模型，结合深度可分离卷积、空间注意力机制、残差连接和多重上采样路径，以提高肝门管区分割的准确性	研究样本仅来自肝移植患者，可能限制了模型的普适性	开发一种自动化的方法来准确分析肝门管区，以辅助肝纤维化分期和疾病进展预测	肝移植活检全切片图像中的肝门管区	数字病理学	肝病	深度学习	MUSA-UNet	图像	53张全切片图像，其中30张用于训练和验证，23张用于测试	NA	NA	NA	NA
40	2024-11-06	Efficient two-step liver and tumour segmentation on abdominal CT via deep learning and a conditional random field 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106076 PMID:36137320	研究论文	本文提出了一种自动的两步肝脏和肿瘤分割方法，通过深度学习和条件随机场来提高腹部CT扫描中肝脏和肿瘤的分割精度	引入分形残差U-Net（FRA-UNet）和三维条件随机场（3D CRF）来改进肝脏和肿瘤的分割效果	NA	开发一种自动化的方法来高效分割腹部CT扫描中的肝脏和肿瘤	肝脏和肿瘤	计算机视觉	肝癌	深度学习	U-Net	图像	在Liver Tumour Segmentation challenge dataset (LiTS)和3D Image Reconstruction for Comparison of Algorithm Database dataset (3DIRCADb)上进行了测试	NA	NA	NA	NA