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21	2026-03-17	RETRACTED ARTICLE: A novel deep learning-based approach for detecting attacks in social IoT 2023-05-10, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08389-1 PMID:37362260	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22	2026-03-16	The opportunities and challenges posed by the new generation of deep learning-based protein structure predictors 2023-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102543 PMID:36807079	综述	本文综述了新一代基于深度学习的蛋白质结构预测工具的影响、机遇与挑战	探讨了基于深度学习的新一代蛋白质结构预测工具带来的科学和技术挑战及未来方向	NA	概述新一代蛋白质结构预测工具对生命科学领域的影响并讨论其机遇与挑战	蛋白质结构预测工具及其在生命科学中的应用	机器学习	NA	深度学习	NA	蛋白质序列	NA	NA	NA	NA	NA
23	2026-03-15	Identifying sex differences in EEG-based emotion recognition using graph convolutional network with attention mechanism 2023-Nov-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad085a PMID:37906969	研究论文	本研究利用图卷积网络和注意力机制，基于脑电图数据识别情绪，并探究情绪处理中的性别差异	首次在跨文化多数据集上系统评估情绪脑电图模式的性别差异，并构建了性别特异性情绪识别模型	研究依赖于公开数据集，未考虑个体差异、年龄、激素水平等其他潜在影响因素	探究情绪脑电图模式中的性别差异及其对情绪识别模型性能的影响	五个公开脑电图情绪数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）中的情绪脑电图信号	机器学习	NA	脑电图	图卷积网络, 注意力机制	脑电图信号	五个公开数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）	NA	图卷积网络	NA	NA
24	2026-03-15	Tracing the Flu Symptom Progression via a Smart Face Mask 2023-10-11, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c02492 PMID:37750614	研究论文	本文介绍了一种基于超灵敏纤维温度传感器的无线一体化智能口罩，用于监测流感症状进展	开发了一种集成了超灵敏纤维温度传感器的无线智能口罩，结合物联网和人工智能技术，实现了对呼吸和体温异常的连续监测	NA	通过智能口罩追踪流感症状进展，为个性化健康监测和护理点系统提供解决方案	流感病毒影响的呼吸和体温变化	物联网与人工智能	流感	超灵敏纤维温度传感器	深度学习算法	传感器数据（体温和呼吸）	NA	NA	NA	NA	NA
25	2026-03-15	A deep learning approach to identify missing is-a relations in SNOMED CT 2023-02-16, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac248 PMID:36539234	研究论文	本文提出了一种基于深度学习的方法，用于识别SNOMED CT中缺失的is-a关系	利用深度学习模型结合概念名称、层次结构、词汇属性和逻辑定义特征，预测具有包含模式的概念对之间的is-a关系，并引入交叉验证启发式方法识别缺失关系	研究仅针对SNOMED CT的临床发现子层次，且模型性能依赖于专家验证的准确性	提高SNOMED CT的质量保证，通过识别缺失的is-a关系来完善临床术语知识库	SNOMED CT中的概念对，特别是具有包含模式的概念对	自然语言处理	NA	深度学习	二元分类器	文本	使用SNOMED CT临床发现子层次（2019年9月美国版）的概念对进行训练和测试	NA	NA	精确度, 召回率, F1分数	NA
26	2026-03-15	Multi-center retrospective cohort study applying deep learning to electrocardiograms to identify left heart valvular dysfunction 2023-Feb-14, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00240-w PMID:36788316	研究论文	本研究开发并验证了基于深度学习的工具，用于从心电图（ECG）中识别左心瓣膜功能障碍，特别是主动脉瓣狭窄和二尖瓣反流	首次在多中心回顾性队列研究中，结合自然语言处理（NLP）从超声心动图报告中提取真实标签，并利用深度学习模型从ECG中检测瓣膜疾病，实现了临床部署场景的考虑	研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证中略有下降，需进一步前瞻性研究验证	开发并验证深度学习工具，以辅助临床决策，提高从ECG中提取信息的能力，用于早期疾病检测	来自纽约市五家西奈山医院的患者，包括123,096名患者用于二尖瓣反流检测，128,628名患者用于主动脉瓣狭窄检测	数字病理学	心血管疾病	自然语言处理（NLP），经胸超声心动图，心电图（ECG）	深度学习模型	文本（超声心动图报告），信号数据（ECG）	617,338个ECG-超声心动图对，涉及123,096名患者（二尖瓣反流）和128,628名患者（主动脉瓣狭窄）	NA	NA	AUROC（受试者工作特征曲线下面积）	NA
27	2026-03-14	High-throughput adjustable deformability cytometry utilizing elasto-inertial focusing and virtual fluidic channel 2023-10-10, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00591g PMID:37766593	研究论文	本文提出了一种集成三维弹性惯性聚焦和虚拟流体通道的高通量可调变形性细胞术，用于无标记细胞机械表型分析	通过结合弹性惯性聚焦与虚拟流体通道，实现了对多种尺寸细胞的单设备可调谐、高通量机械表征，并开发了mini-BiSeNet网络进行快速细胞识别与特征提取	NA	开发一种通用、高通量的微流控细胞变形性分析系统，用于基于机械特性的细胞状态与疾病进程表征	多种细胞系（A549、MCF-7、MDA-MB-231）及白细胞（WBCs），并探索了在胸腔积液表征中的应用潜力	数字病理学	肺癌	微流控变形性细胞术，深度学习分类	CNN	图像	NA	NA	mini-BiSeNet	准确率	NA
28	2026-03-14	A systematic review of automated segmentation of 3D computed-tomography scans for volumetric body composition analysis 2023-Oct, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13310 PMID:37562946	系统综述	本文系统综述了用于体积身体成分分析的3D CT扫描自动分割技术的可行性、准确性及当前局限性	首次系统评估3D CT扫描自动分割在体积身体成分分析中的应用，对比传统方法与深度学习技术，并明确当前研究空白与临床转化挑战	纳入研究数量有限（7篇），算法训练所用金标准分割存在人为主观差异，CT扫描覆盖范围术语不统一，缺乏全身体积验证数据	评估自动化3D CT分割在身体成分分析中的技术可行性与临床应用价值	CT扫描中的骨骼肌、内脏脂肪和皮下脂肪组织	医学影像分析	身体成分相关疾病	计算机断层扫描（CT）	深度学习算法，传统计算机算法	3D CT影像	7项符合条件的研究（共检索92项）	NA	NA	Dice相似系数	NA
29	2026-03-14	A Neural Speech Decoding Framework Leveraging Deep Learning and Speech Synthesis 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.16.558028 PMID:37745380	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层电信号中重建语音	提出了一个包含可微分语音合成器的端到端框架，并开发了音频自编码器来生成参考语音参数以辅助训练，提高了跨被试（48人）的解码可重复性	未明确提及模型在极低信噪比或长期植入场景下的稳定性，也未讨论个体解剖差异对解码性能的具体影响	开发一种能够从神经信号中解码自然语音的脑机接口技术，以帮助神经系统损伤患者恢复言语功能	48名参与者的皮层电图（ECoG）信号及对应的语音数据	脑机接口，语音合成	神经系统损伤导致的言语障碍	皮层电图（ECoG）信号采集	深度学习	神经信号（ECoG），音频，频谱图	48名参与者	未明确提及，但推断可能为PyTorch或TensorFlow	3D ResNet, SWIN Transformer，以及自编码器	皮尔逊相关系数（PCC）	NA
30	2026-03-14	A deep learning approach reveals unexplored landscape of viral expression in cancer 2023-02-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-36336-z PMID:36774364	研究论文	本文开发了一种名为viRNAtrap的深度学习管道，用于识别癌症中的病毒表达，并应用于TCGA的14种癌症类型	提出了一种基于深度学习的无对齐方法viRNAtrap，能够识别未知和分化的病毒，并揭示与癌症生存率相关的内源性病毒表达	研究仅基于TCGA的14种癌症类型，可能未涵盖所有癌症或病毒类型，且深度学习模型的泛化能力需进一步验证	研究癌症中病毒表达的特征，特别是未知和分化病毒，以探索病毒与癌症的关联	人类癌症组织中的病毒RNA序列数据	机器学习	癌症	RNA测序	深度学习模型	RNA测序数据	来自TCGA的14种癌症类型的数据集	NA	NA	NA	NA
31	2026-03-14	Automatic Prediction of Paediatric Cardiac Output From Echocardiograms Using Deep Learning Models 2023-Feb, CJC pediatric and congenital heart disease DOI:10.1016/j.cjcpc.2022.11.001 PMID:37970100	研究论文	本研究开发了一种基于深度学习的模型，用于从儿科超声心动图中自动预测心输出量	修改了EchoNet-Dynamic模型以预测左心室流出道直径，并开发了一种新颖的深度学习方法用于速度时间积分估计，从而实现了心输出量的自动预测	数据集规模较小，尽管通过预训练实现了准确估计，但可能限制了模型的泛化能力	开发一种准确、快速的自动心输出量评估方法，以支持临床决策	儿科超声心动图，包括正常心输出量和扩张型心肌病导致心输出量降低的患者	计算机视觉	心血管疾病	超声心动图	深度学习模型	图像	未明确指定具体样本数量，但提及包括正常心输出量和扩张型心肌病患者的数据集	NA	EchoNet-Dynamic	均方根误差, 平均绝对误差, 平均百分比误差, 决定系数, Bland-Altman分析	NA
32	2026-03-13	Classification of Glomerular Pathology Images in Children Using Convolutional Neural Networks with Improved SE-ResNet Module 2023-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00579-7 PMID:37525066	研究论文	本研究设计了一个基于深度学习的完整肾小球分类框架，用于检测和分类儿童肾小球病理图像，通过改进的SE-ResNet模块实现高精度分类	提出了一种集成ResNet和SENet的RS-INet神经网络，通过将原始ResNet残差块的卷积层转换为参数更小的卷积块，在保证网络性能的前提下减少了网络参数	NA	解决儿童肾小球病变分类问题，实现肾小球病理的高精度分类	儿童肾小球病理图像	数字病理学	肾脏疾病	组织切片	CNN	图像	NA	NA	ResNet, SENet, SE-ResNet	准确率	NA
33	2026-03-13	Nested star-shaped objects segmentation using diameter annotations 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102934 PMID:37688981	研究论文	提出一种基于直径标注的深度学习方法，用于分割嵌套星形结构（如血管内腔和外壁），以减少临床标注负担	通过可微分方式提取训练时的物体边界点，并利用直径标注（而非逐像素标注）训练深度学习模型，实现了弱监督下的精确分割	方法主要适用于嵌套星形结构，可能不适用于复杂或不规则形状的分割任务	开发一种减少医学图像分割标注负担的弱监督学习方法	颈动脉内腔和外壁	计算机视觉	心血管疾病	多序列磁共振成像	深度学习模型	医学图像	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
34	2026-03-13	Supervised tractogram filtering using Geometric Deep Learning 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102893 PMID:37741032	研究论文	本文提出了一种名为Verifyber的监督学习方法，用于过滤脑白质纤维束图中非解剖学上合理的纤维	采用新颖的完全监督学习框架，结合几何深度学习处理可变长度纤维，并引入序列边缘卷积来捕获解剖特性，同时保持纤维方向不变性	NA	解决脑白质纤维束图中非解剖学合理纤维的过滤问题，以提高纤维束图的准确性	脑白质纤维束图中的虚拟纤维	机器学习	NA	几何深度学习	几何深度学习模型	3D折线（纤维）	NA	NA	序列边缘卷积	NA	12GB GPU
35	2026-03-13	A deep weakly semi-supervised framework for endoscopic lesion segmentation 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102973 PMID:37757643	研究论文	提出了一种用于内窥镜病灶分割的弱半监督深度学习框架，以减少对像素级标注的依赖	提出了一个名为Point SEGTR的弱半监督分割框架，结合少量像素级标注和大量点级标注进行训练，并引入了多点一致性和对称一致性两个正则化项来提升伪标签质量	未在摘要中明确说明	开发一种减少对像素级标注依赖的内窥镜病灶分割方法	内窥镜图像中的病灶	医学图像分析	NA	深度学习	Transformer	图像	三个内窥镜数据集，包含不同病灶结构和身体部位（如结直肠和鼻咽）	NA	Point SEGTR	NA	NA
36	2026-03-13	Comprehensive Evaluation of a Deep Learning Model for Automatic Organs-at-Risk Segmentation on Heterogeneous Computed Tomography Images for Abdominal Radiation Therapy 2023-Nov-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.05.034 PMID:37244625	研究论文	本文开发了一个名为AbsegNet的深度学习模型，用于在腹部恶性肿瘤的放射治疗中自动分割16个危及器官	提出了一种新颖的深度学习模型AbsegNet，能够在异质性CT图像上准确分割多个危及器官，并在多个外部数据集上验证了其鲁棒性和临床适用性	对于结肠和小肠的分割，仍有15.0%的患者需要进行重大修订，表明模型在这些器官上的性能有待进一步提升	开发一个深度学习模型，实现腹部放射治疗中危及器官的自动分割，以支持全自动放射治疗计划	腹部恶性肿瘤患者的CT扫描图像	数字病理	腹部恶性肿瘤	CT扫描	深度学习模型	CT图像	544例CT扫描，分为多个队列进行训练、测试和验证	NA	AbsegNet	Dice相似系数, 95th-percentile Hausdorff距离, 体积修订度	NA
37	2026-03-13	Deep Learning MRI Reconstruction for Accelerating Turbo Spin Echo Hand and Wrist Imaging: A Comparison of Image Quality, Visualization of Anatomy, and Detection of Common Pathologies with Standard Imaging 2023-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.042 PMID:36797172	研究论文	本研究评估了深度学习重建在加速手部和腕部涡轮自旋回波MRI成像中的应用，比较了其与标准成像在图像质量、解剖结构可视化和常见病变检测方面的表现	首次将深度学习重建应用于手部和腕部涡轮自旋回波MRI序列，实现了超过60%的扫描时间减少，同时保持了图像质量和诊断性能	样本量较小（仅21名患者），且研究为单中心前瞻性研究，需要更大规模的多中心验证	评估深度学习重建在加速手部和腕部MRI扫描中的临床应用价值	手部和腕部的MRI图像	医学影像分析	肌肉骨骼疾病	涡轮自旋回波序列，并行成像欠采样，深度学习重建	深度学习模型	MRI图像	21名患者（10名男性，11名女性，平均年龄43±19岁）	NA	NA	图像质量评分，噪声评分，边缘锐度评分，伪影评分，诊断置信度评分，解剖结构描绘评分，kappa统计量	NA
38	2026-03-13	Semantic segmentation of retinal exudates using a residual encoder-decoder architecture in diabetic retinopathy 2023-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24345 PMID:37194727	研究论文	本文提出了一种用于糖尿病视网膜病变中渗出物语义分割的残差编码器-解码器架构	提出了一种带有残差跳跃连接的残差CNN架构，以减少参数，并采用合适的图像增强技术来提高网络性能	NA	开发一种用于糖尿病视网膜病变筛查的计算机辅助诊断方法，实现视网膜渗出物的自动检测和分割	视网膜渗出物	计算机视觉	糖尿病视网膜病变	NA	CNN	图像	三个基准数据库：E-ophtha, DIARETDB1, Hamilton Ophthalmology Institute's Macular Edema	NA	残差编码器-解码器架构	精确度, 准确度, 灵敏度, 特异性, AUC	NA
39	2026-03-13	Study on method of organ section retention and tracking through deep learning in automated diagnostic and therapeutic robotics 2023-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-02955-6 PMID:37249747	研究论文	本文提出了一种用于自动诊断和治疗机器人中器官截面保留和跟踪的深度学习方法，特别针对肾脏和肝脏的高强度聚焦超声治疗中的器官角度估计	提出了AEMA、AEMAD和AEMAD++三种新方法用于超声图像中器官角度估计，并在旋转扫描跟踪系统中进行了评估，其中AEMAD++在速度和精度上表现最佳	研究基于体模实验，未来需要添加周围器官区域或肾脏内部结构作为新特征以验证结果，且样本量较小（仅6个数据集）	开发一种在自动化诊断和治疗机器人中通过深度学习实现器官截面保留和跟踪的方法，以应对呼吸运动导致的器官位移问题	肾脏和肝脏器官，特别是在高强度聚焦超声治疗中的超声图像	计算机视觉	NA	高强度聚焦超声治疗，旋转扫描跟踪系统	深度学习模型	超声图像	6个数据集（5个用于初步准备，1个用于测试），包含从长轴图像到短轴图像的90度肾脏图像	NA	AEMA, AEMAD, AEMAD++	准确率，处理速度（FPS）	NA
40	2026-03-13	Improving instrument detection for a robotic scrub nurse using multi-view voting 2023-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03002-0 PMID:37530904	研究论文	本文提出了一种基于多视角投票的方案，用于改进机器人手术护士的器械检测性能	结合训练好的器械检测器与基于实例的多视角投票方案，显著提升了检测准确性	NA	提高机器人手术护士在手术器械检测任务中的性能	手术器械	计算机视觉	NA	深度学习	Mask R-CNN	RGB图像, 点云	NA	PyTorch	Mask R-CNN	错误减少率	NA