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	2026-06-01	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本研究开发并验证了基于深度学习模型的视频监测方法，用于自动分类结核病治疗中的药物依从性	首次在非洲资源有限环境中应用人工智能进行视频药物依从性监控，并系统评估多种卷积神经网络模型的性能	由于缺乏公开可用数据集，未进行外部验证；正负样本不平衡（405正样本vs 92负样本），可能影响模型泛化能力	探索深度学习模型在结核病治疗中药物依从性监测的可行性，提高视频监测效率	乌干达结核病患者的药物摄入视频图像	计算机视觉	结核病	视频监测技术	卷积神经网络	视频图像	861个视频图像，经筛选后497个视频用于模型训练（405正样本，92负样本）	NA	3D ResNet, 以及其他三种未指定架构的卷积神经网络	灵敏度, 特异性, F1分数, 精确率, AUC, 每视频处理速度	NA
2	2026-05-30	An update on computational pathology tools for genitourinary pathology practice: A review paper from the Genitourinary Pathology Society (GUPS) 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100177 PMID:36654741	综述	本文对用于泌尿生殖病理学的计算病理学工具进行了综述，评估了最新深度学习工具的应用进展	系统性地评估了泌尿生殖病理学深度学习工具的最新迭代，强调了其在肿瘤分级、分期和亚型识别中的潜力	数据可用性、监管和标准化方面的限制阻碍了这些工具的实施	评估实用深度学习工具在泌尿生殖病理学中的演化轨迹和潜力	泌尿生殖病理学中的深度学习算法工具	数字病理学	泌尿生殖系统疾病（如前列腺癌、膀胱癌等）	深度学习	深度学习模型	病理图像	NA	NA	NA	NA	NA
3	2026-05-26	Enhancing diabetic retinopathy classification using deep learning 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231203676 PMID:37766903	研究论文	利用深度学习模型对糖尿病视网膜病变及其严重程度进行分类	结合CLAHE和ESRGAN图像增强技术，在APTOS 2019数据集上实现了97.83%的最高准确率和多阶段分类性能提升	未提及具体局限性	提高糖尿病视网膜病变的自动检测与分类准确性	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	CLAHE, ESRGAN	卷积神经网络	图像	APTOS 2019数据集，包含5个严重阶段	NA	CNN	准确率, 精度, 召回率, F1分数	NA
4	2026-05-26	Deep learning-enhanced diabetic retinopathy image classification 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231194942 PMID:37588156	研究论文	使用深度学习模型准确识别糖尿病视网膜病变的五个阶段	通过图像增强技术生成平衡数据集，并使用DenseNet-121模型在APTOS和DDR数据集上实现了优异的分类性能	未提及	提高糖尿病视网膜病变分期识别的准确性	糖尿病视网膜病变的五种阶段分类	计算机视觉	糖尿病视网膜病变	图像增强	DenseNet-121	图像	APTOS数据集和DDR数据集	NA	DenseNet-121	准确率, 前2准确率, 前3准确率, 精确率, 召回率, F1分数	NA
5	2026-05-17	Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284167 PMID:37023117	研究论文	利用深度学习算法分析心率变异性与皮层唤醒的耦合关系	首次在种族多样人群中研究皮层唤醒与心率变异性的瞬时关联，并使用自动化深度学习工具从心电信号中标注唤醒事件	未在标题和摘要中明确说明	探究皮层唤醒与心率变异性之间的瞬时关联，以及其在性别和睡眠阶段中的差异	来自多种族动脉粥样硬化研究数据集的1069名受试者的整夜心电信号	机器学习	睡眠呼吸障碍相关心血管功能障碍	心电信号分析、多导睡眠监测	深度学习算法（用于标注唤醒事件）	心电信号	1069名受试者的整夜心电信号	NA	NA	NA	NA
6	2026-05-15	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	提出一种基于深度学习的前列腺癌多通道图像血管自动检测与分布分析流水线	首次结合CD31、CD34和胶原IV三种标记物训练深度学习模型，实现前列腺癌组织微血管的自动分割，并系统分析血管大小和分布模式与疾病进展的关联	NA	开发自动化流水线用于前列腺癌多通道图像中血管检测和分布分析，以替代手动分割并研究血管特征与预后相关性	前列腺癌患者队列中的血管	数字病理学, 机器学习	前列腺癌	多重免疫荧光成像	深度学习分割模型	图像（CD31、CD34和胶原IV多通道显微图像）	215例前列腺癌患者的组织样本	NA	NA	精确率、召回率、Dice相似系数	NA
7	2026-05-09	Predicting near-term glaucoma progression: An artificial intelligence approach using clinical free-text notes and data from electronic health records 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1157016 PMID:37122330	研究论文	利用电子健康记录中的结构化数据和临床自由文本笔记，开发预测青光眼一年内是否进展至需手术的人工智能模型	首次结合眼科领域神经词嵌入与深度学习模型，融合结构化临床数据和自由文本笔记特征，预测青光眼手术需求	未纳入影像数据，未来研究可进一步优化预测方法	开发基于电子健康记录数据预测青光眼患者一年内是否需要手术的模型	从斯坦福大学2008-2020年电子健康记录中识别的成年青光眼患者	自然语言处理	青光眼	NA	深度学习模型	文本、结构化数据	3469名青光眼患者（其中26%接受了手术）	NA	随机森林、逻辑回归、深度学习	AUC, F1分数	NA
8	2026-05-05	A deep learning algorithm with good prediction efficacy for cancer-specific survival in osteosarcoma: A retrospective study 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0286841 PMID:37768965	研究论文	利用DeepSurv算法预测骨肉瘤患者癌症特异性生存率，并与Cox比例风险模型比较效果	首次在骨肉瘤中应用DeepSurv深度学习算法构建癌症特异性生存预测模型，并提供便捷的网页计算工具	DeepSurv在预测性能上未显著优于传统Cox模型	评估DeepSurv算法在骨肉瘤患者癌症特异性生存预测中的效果，为个体化治疗提供数据支持	2004至2017年诊断为骨肉瘤的患者	机器学习	骨肉瘤	NA	DeepSurv、Cox比例风险模型	表格数据	3218名患者，训练组2252人，验证组966人	NA	DeepSurv	一致性指数、综合Brier分数、均方根误差、平均绝对误差	NA
9	2026-04-05	Data-driven multimodal fusion: approaches and applications in psychiatric research 2023, Psychoradiology DOI:10.1093/psyrad/kkad026 PMID:38143530	综述	本文全面概述了数据驱动的多模态融合方法及其在精神病学研究中的应用	强调了在无先验信息或有先验信息下，利用典型相关分析和独立成分分析等方法进行多模态融合的创新性，并讨论了N向多模态融合、深度学习方法和临床转化等新兴趋势	未具体说明方法在实际应用中可能面临的数据异质性、模型泛化能力或计算资源限制等挑战	整合多样化的神经影像视角，以更全面地理解复杂的精神疾病	神经影像数据，包括遗传、环境、认知和治疗结果等多因素	机器学习	精神疾病	神经影像分析，如磁共振成像	深度学习	多模态数据（如神经影像、遗传、环境数据）	NA	NA	NA	NA	NA
10	2026-04-04	RETRACTED: Gastrointestinal tract disorders classification using ensemble of InceptionNet and proposed GITNet based deep feature with ant colony optimization 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292601 PMID:37831692	研究论文	提出一种基于深度特征学习和蚁群优化的自动系统，用于胃肠道疾病的内窥镜图像分类	提出新的GITNet深度网络架构，并结合InceptionNetV3进行深度特征提取，首次将蚁群优化（ACO）用于胃肠道疾病分类的特征优化，并采用串行特征融合与多种SVM分类器变体	仅在两个特定数据集（KVASIR和NERTHUS）上进行评估，未在更广泛或临床实际数据中验证，未讨论模型的计算效率或实时性	开发自动化的计算机辅助诊断系统，提高胃肠道疾病内窥镜筛查的准确性和效率	胃肠道疾病的内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN, SVM	图像	两个数据集（KVASIR含8类，NERTHUS含4类），具体样本数未提供	NA	InceptionNetV3, GITNet	准确率	NA
11	2026-03-29	EPViz: A flexible and lightweight visualizer to facilitate predictive modeling for multi-channel EEG 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282268 PMID:36848345	研究论文	介绍了一种名为EPViz的新型开源可视化工具，用于辅助多通道脑电图（EEG）的预测建模开发、验证和结果报告	开发了一个轻量级、独立的软件包，能够加载PyTorch深度学习模型，将输出预测叠加在原始EEG时间序列上，并支持高分辨率图像保存，填补了EEG可视化领域的空白	NA	促进计算神经科学中时空预测分析的发展，并推动工程师与临床医生之间的合作	多通道头皮脑电图（EEG）数据	机器学习	NA	脑电图（EEG）	深度学习模型	时间序列数据	NA	PyTorch	NA	NA	NA
12	2026-03-24	Deep learning-based 2D keypoint detection in alpine ski racing - A performance analysis of state-of-the-art algorithms applied to regular skiing and injury situations 2023, JSAMS plus DOI:10.1016/j.jsampl.2023.100034 PMID:41868559	研究论文	本研究评估了深度学习在滑雪运动中的二维关键点检测性能，特别是在常规滑雪和受伤情况下的应用	首次将深度学习关键点检测算法应用于高山滑雪中的受伤情况分析，并创建了专门的滑雪受伤数据集	在摔倒情况下检测性能显著下降，自遮挡和罕见姿势导致准确率降低	评估深度学习算法在滑雪运动关键点检测中的实用性，为运动损伤分析提供工具	高山滑雪运动员在常规滑雪和受伤情况下的运动姿态	计算机视觉	运动损伤	深度学习关键点检测	CNN	视频图像	NA	NA	OpenPose, Mask-R-CNN, AlphaPose, DCPose	平均关节位置误差, 正确关键点百分比	NA
13	2026-03-22	Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification" 2023, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0011 PMID:37849679	correction	本文是对先前发表的一篇关于深度学习皮肤病变分类中低成本高性能数据增强方法的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14	2026-03-06	AI-AIF: artificial intelligence-based arterial input function for quantitative stress perfusion cardiac magnetic resonance 2023-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztac074 PMID:36743875	研究论文	本研究开发了一种基于深度学习的动脉输入函数预测方法，用于定量应力灌注心脏磁共振成像中的心肌血流量计算	首次使用深度学习模型（1D U-Net）从标准图像中预测未饱和的动脉输入函数，避免了传统双序列采集的需求	研究样本量有限（训练集201例，测试集44例），且仅在两所医疗中心进行验证，需要更多外部验证	改进应力灌注心脏磁共振成像中动脉输入函数的估计方法，以准确量化心肌血流量	心脏磁共振成像中的动脉输入函数信号	医学影像分析	心血管疾病	心脏磁共振成像，应力灌注成像	深度学习	医学影像序列	训练集：201名患者（中心1）；测试集：44名患者（中心1和中心2）	未明确说明	1D U-Net	Mann-Whitney U检验，Bland-Altman分析，诊断分类匹配率	NA
15	2026-03-05	Time series forecasting of COVID-19 transmission in Asia Pacific countries using deep neural networks 2023, Personal and ubiquitous computing DOI:10.1007/s00779-020-01494-0 PMID:33456433	研究论文	本研究利用深度学习模型预测亚太国家COVID-19的传播趋势	首次在亚太国家（特别是巴基斯坦、阿富汗、印度和孟加拉国）应用LSTM、RNN和GRU等深度学习模型进行COVID-19时间序列预测，并考虑了时间变量和数据非线性	仅预测未来10天的情况，且数据截止到2020年7月1日，可能无法反映疫情长期动态	预测COVID-19在亚太国家的传播趋势，为政府决策提供参考	亚太国家（巴基斯坦、阿富汗、印度、孟加拉国）的COVID-19病例数据	自然语言处理	COVID-19	时间序列分析	LSTM, RNN, GRU	时间序列数据	四个国家的COVID-19病例数据（具体数量未明确）	NA	LSTM, RNN, GRU	准确率	NA
16	2026-03-05	Prediction of muscular paralysis disease based on hybrid feature extraction with machine learning technique for COVID-19 and post-COVID-19 patients 2023, Personal and ubiquitous computing DOI:10.1007/s00779-021-01531-6 PMID:33679282	研究论文	本研究提出了一种基于混合特征提取和机器学习技术的模型，用于预测COVID-19及后COVID-19患者的肌肉麻痹疾病	提出了一种结合Yule-Walker、Burg方法、Renyi熵、均值绝对值、最小-最大电压特征提取等17种传统特征的混合特征提取方法，并应用Relief-F特征选择方法优化特征	研究仅使用了UCI的EMG-下肢数据集，样本来源和规模可能有限，未提及模型在其他数据集或临床环境中的泛化能力	早期检测和预测COVID-19及后COVID-19患者的肌肉疲劳和肌肉麻痹疾病	COVID-19患者及后COVID-19患者	机器学习	肌肉麻痹疾病	肌电图信号分析	深度学习分类器	EMG信号	UCI EMG-下肢数据集（具体数量未在摘要中说明）	未明确提及	未明确提及具体架构，但提到了神经网络和支持向量机作为对比方法	精确度	NA
17	2026-03-02	Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1223377 PMID:37886239	研究论文	开发了一种基于深度学习的U-Net神经网络方法，从常规T1和T2加权图像中回顾性量化前列腺T2图	首次利用深度学习直接从临床常规MRI图像中估计前列腺T2图，无需额外扫描序列	样本量较小（25名受试者），且为回顾性研究，需要进一步验证	开发一种从常规MRI图像中回顾性量化前列腺T2值的方法，以改善前列腺癌的诊断和表征	前列腺组织，包括高风险前列腺癌队列和低风险主动监测队列的患者	数字病理	前列腺癌	多回波自旋回波序列MRI	CNN	图像	25名受试者用于训练，38名前列腺癌患者用于验证	NA	U-Net	结构相似性指数, 峰值信噪比, 平均百分比误差, Pearson相关系数	NA
18	2026-03-02	Digital staining facilitates biomedical microscopy 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1243663 PMID:37564725	综述	本文综述了深度学习在生物医学显微镜中实现虚拟染色技术，以替代传统染色方法	利用深度学习实现虚拟染色，避免了传统染色的耗时、成本高、样本损伤及标记不一致等问题，并能结合神经网络校正显微镜像差	NA	探讨如何通过计算虚拟染色技术优化生物医学显微镜的样本制备和成像过程	生物医学显微镜成像中的生物样本	数字病理学	NA	深度学习	神经网络	图像	NA	NA	NA	NA	NA
19	2026-02-27	A Scalable Framework for Closed-Loop Neuromodulation with Deep Learning 2023-Jan-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.18.524615 PMID:36712027	研究论文	本文提出并验证了一种基于深度学习的新型框架，用于设计和部署灵活、数据驱动的自动化闭环神经调控，该框架可扩展、与刺激技术无关，且无需个性化真实性能数据	框架基于识别响应期（检测到的状态，在应用刺激时与无刺激相比性能发生变化），支持多模态刺激（如tACS、tDCS、tFUS、TMS），并利用深度学习（CNN）实现自动化决策，避免了传统方法中的偏倚生物标志物检测	未明确说明框架在更广泛数据集或不同临床场景中的泛化能力，且可能依赖于特定数据质量（如GX数据集）	开发一个可扩展的深度学习框架，用于自动化闭环神经调控，以优化临床和非临床行为、认知、健康、注意力或任务表现增强	神经或生理活动数据（如EEG、ECG、EOG），以及与之配对的持续警觉/注意力疲劳跟踪和高清经颅电刺激（HD-tES）数据	机器学习	NA	深度学习，卷积神经网络（CNN），多模态神经刺激技术（tACS、tDCS、tFUS、TMS）	CNN	生理信号（ECG、EOG）、神经元信号（EEG）、行为跟踪数据	基于开源的GX数据集，具体样本数量未明确说明	未明确指定，但提及深度学习框架	卷积神经网络（CNN）	正确应用试验的百分比（88.26%），预测错误刺激时间的百分比（11.25%）	NA
20	2026-02-19	Research on performance variations of classifiers with the influence of pre-processing methods for Chinese short text classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292582 PMID:37824464	研究论文	本研究通过实验比较了15种常用分类器在两种中文数据集上，结合三种中文预处理方法（分词、中文特定停用词去除、中文特定符号去除）对中文短文本分类性能的影响	首次系统性地探讨了中文特定预处理方法（如分词、中文停用词和符号去除）对多种分类器（包括机器学习和深度学习模型）在中文短文本分类任务中性能变化的综合影响	研究仅基于两种中文数据集进行，可能无法完全代表所有中文短文本分类场景；预处理方法的组合和评估条件有限，未涵盖更广泛的预处理技术或数据集	探究中文预处理方法对中文短文本分类器性能的影响，以优化分类效果	中文短文本数据集	自然语言处理	NA	中文文本预处理（包括分词、停用词去除、符号去除）	多种分类器（包括机器学习和深度学习模型）	文本	两种中文数据集（具体样本数量未在摘要中明确说明）	NA	NA	macro-F1	NA