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	2026-04-12	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，用于在多重前列腺癌图像中检测和分析血管分布	结合CD31、CD34和胶原蛋白IV图像训练深度学习模型进行血管分割，并自动化分析血管大小和分布模式与疾病进展的关系	模型性能可能受到标注者间变异性的影响，且研究队列规模有限（n=215）	开发自动化管道以标准化血管分析，并探索血管特征与前列腺癌预后的关联	前列腺癌患者的多重免疫荧光图像	数字病理学	前列腺癌	多重免疫荧光成像	深度学习模型	图像	215名前列腺癌患者	NA	NA	精确率, 召回率, Dice相似系数	NA
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	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
11	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
12	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
13	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
14	2026-02-17	Ensemble Learning-Based Hybrid Segmentation of Mammographic Images for Breast Cancer Risk Prediction Using Fuzzy C-Means and CNN Model 2023, Journal of healthcare engineering DOI:10.1155/2023/1491955 PMID:36760835	研究论文	本文提出了一种基于集成学习的混合分割方法，结合模糊C均值聚类和CNN模型，用于乳腺X线图像分割以预测乳腺癌风险	采用CLAHE和形态学操作预处理乳腺X线图像，并结合模糊C均值聚类与CNN进行混合分割，以提高乳腺癌风险预测的准确性	研究仅基于MIAS数据库图像，样本来源有限，且未详细说明模型在多样化临床数据上的泛化能力	开发一种计算机辅助诊断系统，通过图像分割技术早期检测乳腺癌，以提升治疗效果和患者生存率	乳腺X线图像，特别是来自MIAS数据库的图像，用于识别乳腺肿块和评估乳腺癌风险	计算机视觉	乳腺癌	CLAHE（对比度受限自适应直方图均衡化），形态学操作，图像分割	CNN	图像	使用MIAS数据库中的图像，具体样本数量未明确说明	NA	NA	阈值，准确率，灵敏度，特异性，活检率	NA
15	2026-02-12	Joint EANM/SNMMI guideline on radiomics in nuclear medicine : Jointly supported by the EANM Physics Committee and the SNMMI Physics, Instrumentation and Data Sciences Council 2023-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-06001-6 PMID:36326868	指南	本指南提供了核医学中稳健放射组学分析的最佳实践，涵盖手工特征和基于深度学习的方法	作为首个由EANM和SNMMI联合支持的核医学放射组学指南，它整合了当前最佳实践，并特别关注手工特征方法，同时为未来深度学习应用预留了更新空间	指南主要基于现有成熟技术，对深度学习方法的应用共识不足，需待更多研究后更新，且虽适用于多模态医学影像，但重点仅限核医学（如PET/CT、PET/MR和定量SPECT）	制定核医学中放射组学分析的标准和推荐，以促进该领域的规范发展	核医学影像数据，包括PET/CT、PET/MR和定量SPECT	医学影像分析	NA	放射组学分析，包括手工特征提取和深度学习	NA	医学影像	NA	NA	NA	NA	NA
16	2026-01-08	A study on surprisal and semantic relatedness for eye-tracking data prediction 2023, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2023.1112365 PMID:36818086	研究论文	本研究通过回归实验评估了语言模型中的惊奇度与语义关联性对眼动数据预测的贡献	对比了惊奇度与语义关联性在眼动数据预测中的独立作用，并发现语义关联性对功能词预测也有贡献	仅基于两个英语语料库进行实验，未涉及其他语言或更大规模的数据集	探究语言模型中的惊奇度与语义关联性对眼动数据预测的影响	眼动数据预测	自然语言处理	NA	语言建模、分布语义模型	深度学习语言模型、BERT	眼动数据、文本数据	两个英语语料库	NA	BERT	方差解释量	NA
17	2026-01-08	Deep learning for myocardial ischemia auxiliary diagnosis using CZT SPECT myocardial perfusion imaging 2023-01-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000833 PMID:36306391	研究论文	本研究利用深度学习技术，基于CZT SPECT心肌灌注静息态图像，开发了一个用于辅助诊断心肌缺血的原型系统	结合YOLO目标检测技术定位心肌缺损区域并进行图像裁剪，随后使用三维CNN模型对冠心病进行分类，实现了较高的诊断性能	研究数据仅来自单一医疗中心，可能限制了模型的泛化能力；未详细讨论模型对不同类型心肌缺损的区分能力	开发一个基于深度学习的辅助诊断系统，以缩短图像解读时间并提高冠心病诊断质量	冠心病患者的心肌灌注静息态图像	计算机视觉	心血管疾病	CZT SPECT心肌灌注成像	CNN	图像	NA	NA	三维CNN, YOLO	AUC, 准确率, 灵敏度, 特异度	NA
18	2026-01-04	Deep learning-based idiomatic expression recognition for the Amharic language 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295339 PMID:38096324	研究论文	本文提出了一种基于卷积神经网络和FastText嵌入的模型，用于检测阿姆哈拉语中的惯用表达	首次将深度学习模型应用于阿姆哈拉语的惯用表达识别，结合CNN和FastText嵌入以提高检测准确性	数据集规模相对较小（总计3300个表达），且测试集准确率为80%，仍有提升空间	开发一个能够准确识别阿姆哈拉语中惯用表达的自然语言处理模型	阿姆哈拉语中的惯用表达和非惯用表达	自然语言处理	NA	NA	CNN	文本	1700个惯用表达和1600个非惯用表达，总计3300个样本	NA	CNN	准确率	NA
19	2026-01-03	Real-time counting of wheezing events from lung sounds using deep learning algorithms: Implications for disease prediction and early intervention 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294447 PMID:37983213	研究论文	本研究开发了一种基于深度学习算法的实时喘息事件计数方法，用于肺部声音分析，以改善症状自我管理和远程医疗监测	提出了一种创新的实时喘息计数算法，能够将单个呼吸周期详细标记为三种类型（间歇、正常、喘息），并捕获异常声音的位置、持续时间和在整个呼吸周期中的关系，包括非典型模式	未明确说明算法在更广泛人群或不同环境下的泛化能力，也未讨论实时处理对计算资源的具体要求	开发实时喘息计数算法，用于肺部疾病预测和早期干预	肺部声音（呼吸音）	数字病理学	肺部疾病	深度学习算法	CNN, LSTM	音频（肺部声音）	535个呼吸周期，来自多个数据库（儿童模拟肺声音模拟器、EMTprep开源数据库、临床患者记录、ICBHI 2017挑战数据库）	NA	一维卷积神经网络（1D-CNN）与长短期记忆网络（LSTM）组合模型	分类准确率	NA
20	2026-01-03	Transformer based neural network for daily ground settlement prediction of foundation pit considering spatial correlation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294501 PMID:37983239	研究论文	本文提出了一种基于Transformer的深度学习方法，用于考虑基坑监测点时空相关性的每日地面沉降预测	首次将Transformer模型应用于基坑沉降预测，并同时考虑了监测点之间的空间相关性和时间相关性	未明确说明模型在处理极端天气或地质条件变化时的鲁棒性	提高基坑每日地面沉降预测的准确性，确保施工安全	基坑监测点的沉降数据	机器学习	NA	深度学习	Transformer, LSTM, RNN-LSTM	时间序列数据	NA	NA	Transformer	准确性	NA