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	2025-09-25	Non-Destructive Banana Ripeness Detection Using Shallow and Deep Learning: A Systematic Review 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020738 PMID:36679535	系统性综述	本文系统综述了基于浅层学习和深度学习的香蕉成熟度无损检测方法	首次系统比较不同机器学习方法在香蕉成熟度检测中的性能表现，明确CNN在大数据集中的优势及传统ANN/SVM在传感器数据中的适用性	现有研究存在数据集信息不足、数据可用性有限、过度依赖数据增强技术等问题	评估自动化香蕉成熟度检测技术的研究现状与发展趋势	香蕉果实（以香蕉指为主要研究对象）	计算机视觉	NA	机器学习、深度学习	CNN、ANN、SVM	图像	从1548篇研究中筛选35篇进行系统分析
2	2025-09-10	De-identification of free text data containing personal health information: a scoping review of reviews 2023, International journal of population data science DOI:10.23889/ijpds.v8i1.2153 PMID:38414537	综述的综述	本文通过范围综述方法，系统回顾了用于自由文本数据（如临床笔记和电子健康记录）中个人健康信息去标识化的方法	首次对自由文本数据去标识化方法的综述文章进行系统分类和总结，识别出规则基础方法、机器学习、深度学习及其混合方法等类别	仅纳入截至2022年5月9日发表的综述文章，可能遗漏最新原始研究；初始检索到的3312篇文章中仅18篇符合纳入标准	识别和分类可用于自由文本数据去标识化的方法	已发表的综述文章，特别是那些描述自由文本数据去标识化方法的文献	自然语言处理	NA	文献综述方法，使用Covidence进行标题、摘要和全文筛选	规则基础方法、机器学习、深度学习	文本	从3312篇文章中筛选出18篇符合标准的综述文章
3	2025-09-10	Federated learning for generating synthetic data: a scoping review 2023, International journal of population data science DOI:10.23889/ijpds.v8i1.2158 PMID:38414544	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	2025-09-05	A deep learning analysis of stroke onset time prediction and comparison to DWI-FLAIR mismatch 2023, NeuroImage. Clinical DOI:10.1016/j.nicl.2023.103544 PMID:38000188	研究论文	使用深度学习模型预测缺血性卒中发病时间，并与DWI-FLAIR不匹配技术进行比较	首次采用组卷积神经网络分析未处理的DWI和FLAIR影像数据，并通过未标记数据预训练提升模型性能，在人类难以判定的病例中增强诊断准确性	研究未明确说明样本量规模及模型在多样化临床环境中的泛化能力	改进卒中发病时间预测精度，提升DWI-FLAIR不匹配概念的临床应用可及性	缺血性卒中患者的神经影像数据（DWI和FLAIR序列）	医学影像分析	脑血管疾病	深度学习，医学影像处理	Group CNN（组卷积神经网络）	医学影像（DWI和FLAIR）	NA
5	2025-08-30	Advanced photon counting CT imaging pipeline for cardiac phenotyping of apolipoprotein E mouse models 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291733 PMID:37796905	研究论文	开发了一种基于光子计数CT的成像流程，用于全面评估不同APOE基因型小鼠模型的心脏结构和功能	结合光子计数CT、光谱分解和深度学习分割技术，实现了对小鼠心脏表型的综合评估，并揭示了基因型、饮食和性别对心脏参数的交互影响	研究局限于小鼠模型，结果向人类转化需进一步验证	评估APOE基因型对心血管表型的影响并开发先进成像方法	123只不同APOE基因型（APOE2、APOE3、APOE4、APOE敲除）、性别、人类NOS2因子和饮食条件的小鼠	医学影像	心血管疾病	光子计数CT（PCCT）、光谱迭代重建、光谱分解、深度学习分割	深度学习	CT影像	123只小鼠
6	2025-08-06	Retracted: Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2023, Journal of healthcare engineering DOI:10.1155/2023/9851918 PMID:38094810	retraction	该文章是对先前发表的一篇关于基于深度学习和多模态CT评估中风患者缺血半暗带研究的撤稿声明	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2025-07-29	Multivariate longitudinal data for survival analysis of cardiovascular event prediction in young adults: insights from a comparative explainable study 2023-01-25, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-023-01845-4 PMID:36698064	研究论文	本研究探讨了多变量纵向数据在心血管事件预测中的价值，并通过多种建模策略比较了其与横截面数据的预测准确性	首次在年轻成人心血管风险预测中系统比较了纵向数据与横截面数据的预测价值，并引入了可解释性分析方法	研究仅基于CARDIA队列，可能需要更多外部验证	评估纵向数据在心血管风险预测中的价值并建立可扩展的分析框架	年轻成人心血管疾病风险预测	机器学习	心血管疾病	生存分析	随机生存森林、SHAP、TIME	纵向临床数据	3539名参与者，6次随访检查，15年随访数据
8	2025-07-24	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023, Frontiers in neural circuits IF:3.4Q2 DOI:10.3389/fncir.2023.952921 PMID:37396399	研究论文	介绍了一个名为mEMbrain的交互式深度学习MATLAB工具，用于在普通桌面上进行连接组学分割	开发了一个用户友好的开源工具，集成了多种功能，包括地面真实生成、图像预处理、深度神经网络训练和即时预测，旨在加速手动标记工作并利用半自动方法进行实例分割	需要MATLAB环境，可能限制了部分用户的使用	为神经科学研究提供一种无需编码的实验室级神经重建解决方案，推动连接组学的发展	电子显微镜数据集	数字病理	NA	深度学习	深度神经网络	图像	来自四种不同动物和五个数据集的电子显微镜图像，包含约180小时的专家标注和超过1.2 GB的标注图像
9	2025-07-24	Uncovering additional predictors of urothelial carcinoma from voided urothelial cell clusters through a deep learning-based image preprocessing technique 2023-01, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.22633 PMID:35997513	研究论文	本文开发了一种基于深度学习的图像预处理技术，用于从尿路上皮细胞簇中提取额外的预测因子，以辅助尿路上皮癌的诊断	提出了一种自动化的尿路上皮细胞簇预处理工具，能够将细胞簇分割为有意义的组成部分，用于下游评估	当前尿液细胞学报告系统的半主观性可能影响结果的可重复性	提高尿路上皮癌的诊断准确性和效率	尿路上皮细胞簇	数字病理学	尿路上皮癌	深度学习	NA	图像	NA
10	2025-07-23	Prediction of lactate concentrations after cardiac surgery using machine learning and deep learning approaches 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1165912 PMID:37790131	研究论文	本研究利用机器学习和深度学习方法预测心脏手术后血乳酸浓度的最大值	采用动态方法整合术前变量与术中时间序列数据，相比传统静态模型显著提高了预测准确性	研究仅基于单一医疗中心的患者数据，可能影响模型的泛化能力	开发预测心脏手术后血乳酸浓度的模型，以指导围手术期管理	接受心脏手术并使用体外循环的成年患者	机器学习	心血管疾病	机器学习与深度学习	线性回归、随机森林、人工神经网络、循环神经网络（RNN）、Transformer	时间序列数据	2,187名患者
11	2025-07-22	The expert's knowledge combined with AI outperforms AI alone in seizure onset zone localization using resting state fMRI 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1324461 PMID:38274868	研究论文	本研究评估了专家知识与AI结合在利用静息态功能MRI（rs-fMRI）连接组学定位癫痫发作区（SOZ）中的效果，发现其优于单独使用深度学习（DL）方法	结合专家知识与深度学习技术，显著提高了难治性癫痫（RE）患者SOZ定位的准确性和F1分数	样本量较小（52名儿童患者），且仅针对难治性癫痫患者进行研究	提高难治性癫痫患者癫痫发作区的定位准确性	52名难治性癫痫儿童患者的静息态功能MRI数据	数字病理学	癫痫	静息态功能MRI（rs-fMRI）连接组学	深度学习（DL）	图像	52名难治性癫痫儿童患者
12	2025-07-21	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	research paper	该研究提出了一种基于图神经网络（GNN）的方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	通过将缺失测量值的估算问题重新定义为预测任务，并利用图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享部分ROI测量值	解决结构MRI数据集中特定ROI测量值缺失的问题，以支持机器学习模型的训练	青少年大脑认知发展研究（ABCD）和国家青少年酒精与神经发育联盟（NCANDA）的MRI数据集	machine learning	NA	graph neural network (GNN)	GNN	MRI数据	ABCD数据集N=3760（最小年龄12岁），NCANDA数据集N=540
13	2025-07-20	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	研究通过连续多代大鼠暴露于不同有毒物质，评估了多代不同暴露对跨代表观遗传继承的影响	首次研究了连续多代暴露于不同有毒物质对跨代表观遗传继承和疾病易感性的复合影响	研究仅基于大鼠模型，人类相关性的直接推断有限	评估多代不同有毒物质暴露对跨代表观遗传和病理学的影响	连续多代暴露于不同有毒物质的大鼠及其后代	表观遗传学	肥胖症	DNA甲基化分析	Deep Learning	组织病理学图像	F0-F5代大鼠
14	2025-07-20	Deep learning models for cancer stem cell detection: a brief review 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1214425 PMID:37441078	综述	本文简要回顾了深度学习模型在癌症干细胞检测中的应用	介绍了基于卷积神经网络（CNN）的深度学习模型在癌症干细胞研究中的多样化应用	探讨了基于深度学习的干细胞研究领域的局限性和未来展望	探索深度学习在癌症干细胞研究中的新兴趋势	癌症干细胞（CSCs）或肿瘤起始细胞（TICs）	数字病理学	癌症	深度学习	CNN	生物图像	NA
15	2025-07-20	Computer-aided detection and prognosis of colorectal cancer on whole slide images using dual resolution deep learning 2023-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04435-x PMID:36331654	research paper	该研究提出了一种基于弱监督学习的双分辨率深度学习网络（WDRNet），用于结直肠癌的识别和预后预测	WDRNet不仅能够识别肿瘤区域，还能预测患者生存期并进行风险分层，且不依赖病理学家标注的感兴趣区域，充分利用了图像的全局信息	研究仅在TCGA和ACHIGMU两个数据集上进行了验证，可能需要更多外部数据验证模型的泛化能力	开发一种深度学习模型，用于结直肠癌的快速诊断和风险分层	结直肠癌患者的全切片图像	digital pathology	colorectal cancer	deep learning	WDRNet（双分辨率深度学习网络）	histopathological images	TCGA数据集和ACHIGMU数据集（具体样本数未提及）
16	2025-07-20	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	本文提出了一种基于深度学习的自动化流程，用于在前列腺癌多重图像中检测血管并分析其分布	开发了一种结合CD31、CD34和胶原IV图像的深度学习模型，用于自动分割血管并分析其大小和分布模式	研究仅基于215名前列腺癌患者的数据，可能存在样本量不足的问题	通过自动化流程分析前列腺癌中的血管分布，以提供对疾病进展的额外见解	前列腺癌患者的血管分布	数字病理学	前列腺癌	深度学习	CNN	图像	215名前列腺癌患者
17	2025-06-24	Data augmentation for medical imaging: A systematic literature review 2023-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106391 PMID:36549032	系统文献综述	本文对医学影像领域中的数据增强策略及其对临床任务性能的影响进行了系统综述	全面分析了2018-2022年间300多篇相关文献，揭示了数据增强在不同器官、模态、任务和数据集规模中的有效性	仅涵盖2018-2022年间的文献，可能未包括最新研究进展	研究医学领域中使用的数据增强策略及其对临床任务性能的影响	医学影像数据	数字病理	NA	数据增强技术	深度神经网络	医学影像	超过300篇文献
18	2025-06-24	Diagnostic efficiency among Eu-/C-/ACR-TIRADS and S-Detect for thyroid nodules: a systematic review and network meta-analysis 2023, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2023.1227339 PMID:37720531	meta-analysis	比较不同超声风险分层系统在甲状腺结节诊断中的性能	首次通过网络荟萃分析比较了四种超声风险分层系统（Eu-TIRADS、ACR TIRADS、C-TIRADS和S-Detect）在甲状腺癌诊断中的性能	研究仅基于过去五年的数据，可能未涵盖所有相关研究	比较不同超声风险分层系统在甲状腺癌诊断中的性能	甲状腺结节	digital pathology	thyroid cancer	ultrasound risk stratification systems	NA	ultrasound images	88项研究，共59,304个结节
19	2025-06-07	AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19 2023-Jan-12, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09484-2 PMID:38625255	research paper	提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断	AMTLDC框架通过对抗性学习提取多个数据源间的通用表示，提高了模型在不同数据集间的泛化能力	未明确说明框架在极端数据不足情况下的表现	提高COVID-19诊断模型的跨数据集泛化性能	COVID-19医学影像数据	digital pathology	COVID-19	adversarial transfer learning	CNN	medical images	NA
20	2025-06-07	Detection of anomalies in cycling behavior with convolutional neural network and deep learning 2023, European transport research review IF:5.1Q1 DOI:10.1186/s12544-023-00583-4 PMID:38625141	研究论文	本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点	结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优	需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制	提高骑行安全性，通过技术手段识别潜在危险点	骑行者的GPS轨迹数据	机器学习	NA	深度学习	CNN, Autoencoder	GPS轨迹数据	未明确说明具体样本数量，涉及多个用户的数据