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
61	2026-09-20	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文全面综述了基于Transformer的医学影像方法，涵盖分割、识别、检测、配准、重建和增强等任务，并比较了Transformer与CNN的关键特性	综述的组织方式基于Transformer的关键定义特性以及Transformer与CNN的组合架构类型，帮助读者理解所综述方法的原理	作为综述文章，未开展新的实验验证，也未提供定量性能比较	探讨Transformer模型能否变革医学影像领域，并综述基于Transformer的医学影像方法的最新进展	医学影像数据及基于Transformer的医学影像分析方法	计算机视觉	NA	NA	Transformer, CNN	图像	NA	NA	Transformer, CNN	NA	NA
62	2026-09-20	Topological data analysis in medical imaging: current state of the art 2023-Apr-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-023-01413-w PMID:37005938	综述	本文综述了拓扑数据分析（TDA）在医学图像分析中的应用，重点介绍了持续同调及其变体，并回顾了TDA在医学影像研究中的最新成功案例	系统介绍了持续同调及其变体，并综述了TDA在医学图像分析中的最新应用进展，强调了TDA在提供可解释输出和计算效率方面的优势	作为综述文章，未涉及原始实验数据，可能未全面覆盖所有TDA变体或应用场景	介绍持续同调及其变体，并综述TDA在医学图像分析中的最新成功应用	医学图像分析中的机器学习方法，特别是拓扑数据分析技术	医学图像分析	NA	持续同调	NA	图像	NA	NA	NA	NA	NA
63	2026-09-20	Information set supported deep learning architectures for improving noisy image classification 2023-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31462-6 PMID:36932103	研究论文	该论文提出信息集深度学习（ISDL）架构及其四种变体，利用信息集理论与深度学习原理相结合，以解决噪声图像分类中的过拟合和不确定性挑战	将信息集理论与深度学习原理融合，开发了四种ISDL变体架构，能够有效处理噪声主导的不确定性并提升分类性能	仅在噪声污染的基准数据集上进行了验证，未在真实世界大规模数据集或更多应用场景中进行评估	解决深度学习模型在面对数据偏差、类别不平衡或噪声传播时性能下降的问题，提高噪声图像分类的鲁棒性	噪声污染的图像数据集	计算机视觉	NA	信息集理论	信息集深度学习架构	图像	使用了一个噪声污染的基准数据集，未提及具体样本数量	NA	ISDL架构及其四种变体	分类准确率	NA
64	2026-09-20	Bipartite invariance in mouse primary visual cortex 2023-Mar-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.15.532836 PMID:36993218	研究论文	本文通过扩展inception loops框架，结合大规模记录、神经预测模型和实验验证，系统地表征了小鼠初级视觉皮层单神经元的不变性，发现了一种新的二分不变性。	发现了一种新的二分不变性，即感受野的一部分编码相位不变的纹理样模式，另一部分编码固定的空间模式；开发了使用预测模型合成多样兴奋输入的方法，并在功能连接组学数据集中复制了这些结果。	研究局限于小鼠初级视觉皮层，尚未在更高级视觉区域、其他细胞类型或感觉模态中验证；实验时间和资源有限，可能无法完全覆盖所有自然刺激条件。	系统地表征小鼠初级视觉皮层单神经元的调谐和不变性，以理解大脑如何从高维感官输入中泛化并推断行为相关的潜在原因。	小鼠初级视觉皮层中的单神经元。	计算神经科学	NA	大规模记录、神经预测模型、功能连接组学	深度学习预测模型	图像	NA	NA	NA	NA	NA
65	2026-09-20	Artificial Intelligence and Economic Development: An Evolutionary Investigation and Systematic Review 2023-Mar-11, Journal of the knowledge economy IF:4.0Q1 DOI:10.1007/s13132-023-01183-2 PMID:40478928	综述	本文采用文献计量学和定性内容分析两步法，系统梳理了人工智能与经济发展交叉领域的研究现状和知识缺口	首次将文献计量分析与定性内容分析相结合，聚焦人工智能与经济发展的交叉领域，系统揭示该领域的研究结构、演进趋势和知识缺口	仅依赖Bibliometrix工具进行文献计量分析，定性内容分析基于文献耦合算法聚类，可能受数据库覆盖范围限制，缺乏实证验证	系统梳理人工智能与经济发展交叉领域的研究现状、演进趋势和知识缺口	人工智能与经济发展交叉领域的2211篇文献	机器学习	NA	文献计量分析、定性内容分析、文献耦合算法	NA	文本	2211篇文献	Bibliometrix	NA	NA	NA
66	2026-09-20	Computer Vision Applications in Intelligent Transportation Systems: A Survey 2023-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s23062938 PMID:36991649	综述	本文综述了计算机视觉在智能交通系统中的应用，包括交通监控、事件检测、道路定价和路况监测等领域	该综述汇集了不同来源的研究，全面展示了计算机视觉技术在智能交通系统中的应用前景，并讨论了优势、挑战及未来研究方向	作为综述文章，可能缺乏对特定技术的深入实验验证，且未提供具体的数据集或性能比较	旨在通过梳理计算机视觉在智能交通系统中的应用文献，提高智能交通系统的有效性、效率和安全性	智能交通系统中的计算机视觉应用及相关文献	计算机视觉	NA	计算机视觉、机器学习和深度学习方法	NA	NA	NA	NA	NA	NA	NA
67	2026-09-20	Deep-Learning-Based Automated Identification and Visualization of Oral Cancer in Optical Coherence Tomography Images 2023-Mar-06, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11030802 PMID:36979780	研究论文	该研究基于光学相干断层扫描（OCT）图像，利用深度学习方法自动识别和可视化口腔癌，包括正常黏膜、癌前病变和口腔鳞状细胞癌。	建立了包含正常黏膜、癌前病变和口腔鳞状细胞癌的OCT数据集，并首次将深度学习算法应用于OCT图像的口腔癌自动识别与可视化，且与机器学习方法进行了对比。	样本量可能有限，未提及外部验证，且可视化评估的合理性需进一步验证。	评估基于深度学习的算法在OCT图像中辅助口腔癌筛查和诊断的潜力。	口腔癌OCT图像，包括正常黏膜、癌前病变和口腔鳞状细胞癌。	医学图像分析	口腔癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	未明确说明样本数量，但包含正常黏膜、癌前病变和口腔鳞状细胞癌的OCT图像	NA	NA	准确率, 精确率, 灵敏度, 特异性	NA
68	2026-09-20	CNN_FunBar: Advanced Learning Technique for Fungi ITS Region Classification 2023-03-03, Genes IF:2.8Q2 DOI:10.3390/genes14030634 PMID:36980906	研究论文	本文提出了CNN_FunBar，一种基于卷积神经网络的方法，用于从UNITE+INSDC参考数据集中分类真菌ITS序列	开发了CNN_FunBar，一种基于CNN的真菌ITS序列分类方法，系统评估了卷积核大小、滤波器数量、k-mer大小、多样性和类别频率对分类性能的影响，并在所有分类层级上超越了现有机器学习和真菌分类软件	研究主要基于平衡数据集（每类500条序列），未充分验证在真实不平衡宏基因组数据上的性能；仅使用ITS区域单一DNA标记	利用深度学习算法提高真菌物种鉴定的模式识别和分类效率，解决从宏基因组数据中进行真菌物种鉴定的挑战	真菌ITS序列，来自UNITE+INSDC参考数据集	机器学习	NA	ITS测序，宏基因组测序	CNN	文本（DNA序列）	平衡数据集每类500条ITS序列	NA	CNN	准确率	NA
69	2026-09-20	Predicting childhood and adolescent attention-deficit/hyperactivity disorder onset: a nationwide deep learning approach 2023-03, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01918-8 PMID:36536075	研究论文	该研究利用瑞典全国注册数据，采用多种机器学习技术（包括深度神经网络）预测儿童和青少年注意缺陷多动障碍（ADHD）的发病	首次基于瑞典全国注册数据，使用深度神经网络预测儿童和青少年ADHD发病，并评估了多种机器学习模型的性能	研究结果需要在不同人群中验证，并需要纳入新的预测因子	评估注册数据在预测儿童和青少年ADHD诊断中的能力，并构建预测模型	1995年至1999年出生于瑞典并居住在瑞典的238,696人	机器学习	注意缺陷多动障碍	NA	深度神经网络, 逻辑回归, 随机森林, 梯度提升, XGBoost, 惩罚逻辑回归, 集成模型	注册数据	238,696人	NA	深度神经网络, 逻辑回归, 随机森林, 梯度提升, XGBoost, 惩罚逻辑回归, 集成模型	AUC, 平衡准确率, 敏感度, 特异度	NA
70	2026-09-20	The role of the mass vaccination programme in combating the COVID-19 pandemic: An LSTM-based analysis of COVID-19 confirmed cases 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e14397 PMID:36911879	研究论文	本文使用LSTM网络预测全球接种疫苗最多的十个国家的COVID-19确诊病例数，并分析大规模疫苗接种计划对疫情控制的影响	通过对比包含所有历史数据的'All Time'场景与排除大规模疫苗接种开始后数据的'Before Vaccination'场景，量化评估大规模疫苗接种计划对COVID-19确诊病例趋势的影响	研究仅基于确诊病例数进行预测，未考虑其他可能影响疫情传播的因素（如政策干预、病毒变异等），且仅针对接种疫苗最多的十个国家，结论的普适性有待验证	预测全球接种疫苗最多的十个国家的COVID-19未来确诊病例数，并探究大规模疫苗接种计划是否导致确诊病例数下降	全球接种疫苗最多的十个国家的COVID-19确诊病例时间序列数据	机器学习	COVID-19	NA	LSTM	时间序列数据	全球接种疫苗最多的十个国家的COVID-19确诊病例历史数据	NA	LSTM	MAE, RMSE, MAPE	NA
71	2026-09-20	DeepOM: single-molecule optical genome mapping via deep learning 2023-03-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad137 PMID:36929928	研究论文	本文提出了一种名为DeepOM的深度学习方法，用于单分子光学基因组图谱分析，通过卷积神经网络提升DNA图像与基因组参考序列的比对成功率，尤其在短于50 kb的分子上表现显著优于商业软件Bionano Solve	首次将深度学习（卷积神经网络）应用于光学基因组图谱的单分子比对任务，通过模拟标记DNA分子图像训练网络，在短分子（<50 kb）比对成功率上显著超越现有商业软件，提升了实验的产量、灵敏度和通量	未在摘要中明确说明	开发一种高效的计算方法，从完整DNA分子的单张显微图像中提取基因组信息，提升光学基因组图谱中DNA图像与基因组参考序列的比对成功率	在纳米通道中拉伸的人类DNA分子图像	数字病理学, 机器学习	NA	光学基因组图谱（Optical Genome Mapping）	CNN	图像	未在摘要中明确说明	NA	卷积神经网络（CNN）	比对成功率（alignment success rate）	NA
72	2026-09-20	Centroid Optimization of DNN Classification in DOA Estimation for UAV 2023-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s23052513 PMID:36904717	研究论文	该论文提出了一种深度神经网络分类的质心优化方法，用于提高无人机信号波达方向估计的精度。	通过将分类标签作为坐标并利用Softmax输出概率计算信号方位角，在低信噪比下实现精确估计，同时减少所需类别数和网络复杂度。	未明确说明计算资源的具体要求，且可能受限于特定实验条件。	提高无人机信号波达方向估计的预测精度。	无人机信号波达方向估计。	机器学习	NA	深度神经网络分类	CNN	信号数据	NA	NA	卷积神经网络	预测精度	NA
73	2026-09-20	Semi-Self-Supervised Learning for Semantic Segmentation in Images with Dense Patterns 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0025 PMID:36930764	研究论文	该论文提出一种半自监督学习方法，利用少量手动标注图像合成数据集训练U-Net模型，并通过域适应步骤实现密集不规则模式图像（如麦穗）的语义分割	利用少量标注图像、无标注视频片段和负样本视频合成计算标注数据集，并应用三步域适应桥接合成图像与真实图像的域差距	在外部数据集上初始Dice分数较低（0.73），需要额外标注图像进行微调才能达到较高性能	开发在少量手动标注下对密集不规则模式图像进行高效语义分割的深度学习方法	密集不规则模式图像，具体为麦穗图像	计算机视觉	NA	半自监督学习，域适应	CNN	图像，视频	2张标注图像用于初始训练，18个域各2张标注图像用于微调，以及多个视频片段	NA	U-Net	Dice系数	NA
74	2026-09-20	Applying Blockchain Technology in Network Public Opinion Risk Management System in Big Data Environment 2023, Computational intelligence and neuroscience DOI:10.1155/2023/5212712 PMID:36936666	研究论文	本文将区块链技术应用于大数据环境下的网络舆情风险管理系统，结合传染病传播模型和深度学习技术进行舆情风险识别与控制	提出了基于传染病传播模型的网络舆情隔离策略，结合最优控制理论实现社会效用最大化的功能控制模型；将区块链技术应用于网络舆情风险管理系统构建；提出了基于LSTM网络模型的中文分词方案和基于卷积神经网络的文本情感识别方案	当前研究缺乏理论与实际案例的结合，缺乏社会科学与自然科学的交叉融合	克服传统管理系统的技术缺陷，突破现有网络舆情风险管理的难点和痛点，提高网络舆情风险管理效率	网络舆情风险管理系统、网络舆情数据、中文语料库	自然语言处理	NA	区块链技术、传染病传播模型、最优控制理论	LSTM, CNN	文本	NA	NA	LSTM, CNN	准确率	NA
75	2026-09-20	Using discrete wavelet transform for optimizing COVID-19 new cases and deaths prediction worldwide with deep neural networks 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282621 PMID:37023075	研究论文	本文比较了深度学习模型在预测183个国家每日COVID-19新增病例和死亡人数方面的性能，并采用离散小波变换（DWT）进行特征增强	使用离散小波变换（DWT）作为特征增强策略，优化深度学习模型对COVID-19疫情的预测，并允许使用更短的时间序列数据进行训练	未明确提及	比较深度学习模型在预测COVID-19每日新增病例和死亡人数方面的性能，并评估DWT特征增强的效果	183个国家的COVID-19每日新增病例和死亡人数时间序列	机器学习	COVID-19	离散小波变换（DWT）	LSTM, CNN+LSTM, DWT+LSTM, DWT+CNN+LSTM	时间序列数据	183个国家的每日时间序列数据	未明确提及	LSTM, CNN+LSTM, DWT+LSTM, DWT+CNN+LSTM	平均绝对误差（MAE）, 归一化均方误差（NMSE）, 皮尔逊相关系数（Pearson R）, 因子2（Factor of 2）	未明确提及
76	2026-09-18	Spatiotemporal denoising of low-dose cardiac CT image sequences using RecycleGAN 2023-09-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acf223 PMID:37604139	研究论文	本研究开发了一种时空深度学习方法RecycleGAN，用于低剂量心脏CT图像序列的去噪，并通过模拟和临床数据验证其优于CycleGAN的性能	首次将RecycleGAN应用于低剂量心脏CT序列去噪，利用时间信息提升去噪效果	未明确提及	开发一种时空深度学习方法，提高在低辐射剂量下采集的CTA图像质量	低剂量心脏CT图像序列	计算机视觉	冠状动脉疾病	心电门控多期计算机断层扫描血管造影	GAN，循环神经网络	图像序列	18名模拟患者（14训练，2验证，2测试），50名临床患者	NA	RecycleGAN，CycleGAN	视觉检查，定量指标	NA
77	2026-09-18	Improving measurement of blood-brain barrier permeability with reduced scan time using deep-learning-derived capillary input function 2023-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120284 PMID:37507078	研究论文	该研究利用深度学习网络估计毛细血管输入函数（CIF），以在缩短扫描时间的情况下测量血脑屏障（BBB）通透性	使用深度学习网络估计局部毛细血管输入函数，减少扫描时间并自动选择CIF，降低手动干预带来的不确定性	样本量较小（13名健康受试者），且未在患者群体中验证	评估使用深度学习网络估计局部毛细血管输入函数以测量血脑屏障通透性并缩短扫描时间的可行性	健康受试者（年轻组8人，老年组5人）	医学影像分析	NA	动态对比增强磁共振成像（DCE-MRI）	深度学习网络	图像	13名健康受试者（其中年轻组8人，老年组5人）	NA	NA	Bland-Altman分析中的均值差异和一致性界限	NA
78	2026-09-18	Rapid and automated design of two-component protein nanomaterials using ProteinMPNN 2023-Aug-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.04.551935 PMID:37577478	研究论文	本文测试了深度学习蛋白质序列设计方法ProteinMPNN设计双组分四面体蛋白质纳米材料的能力，并与Rosetta进行了对比	首次系统评估ProteinMPNN在双组分四面体蛋白质纳米材料设计中的表现，证明其与Rosetta成功率相当，但计算量减少数个数量级且无需人工优化，且设计的界面极性更高，有利于独立纯化组件的组装	研究仅针对双组分四面体蛋白质纳米材料，未验证其他类型的蛋白质纳米材料或更复杂的界面设计，实验验证的组装体数量有限（13个），且未详细讨论设计失败的原因	探索深度学习方法ProteinMPNN在蛋白质-蛋白质界面设计中的适用性，并与传统物理方法Rosetta进行性能对比	双组分四面体蛋白质纳米材料及其蛋白质-蛋白质界面	机器学习	NA	深度学习蛋白质序列设计、X射线晶体学	ProteinMPNN	蛋白质序列和结构数据	13个实验验证的新组装体	NA	ProteinMPNN	成功率、界面极性、晶体结构分辨率	NA
79	2026-09-16	Time and event-specific deep learning for personalized risk assessment after cardiac perfusion imaging 2023-May-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00806-x PMID:37127660	研究论文	本文提出了一种可解释的深度学习模型，直接从心肌灌注成像（MPI）和15项临床特征中预测全因死亡、急性冠脉综合征（ACS）和血运重建的时间特异性风险	首次针对不同事件类型和时间间隔分别进行个性化风险预测，并利用瀑布图提供患者个体化解释，突出每个特征对预测的贡献程度和方向	外部验证仅涉及三个中心，中位随访时间为3.1年，可能不足以评估长期预测性能；未与其他深度学习模型进行对比	利用深度学习从心肌灌注成像和临床特征中实现个性化、时间特异性的心血管不良事件风险预测	接受心肌灌注成像检查的患者，内部队列n=20,418，外部验证队列n=13,988	医学影像分析、心血管疾病预测	心血管疾病	心肌灌注成像（MPI）	深度学习	图像（心肌灌注成像）和临床文本特征	内部训练与测试n=20,418，外部验证n=13,988，总计34,406例患者	NA	NA	累积动态ROC曲线下面积（cAUC）、95%置信区间（CI）	NA
80	2026-09-16	Visual Field Prediction: Evaluating the Clinical Relevance of Deep Learning Models 2023-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100222 PMID:36325476	研究论文	重新实现并评估卷积神经网络（CNN）和循环神经网络（RNN）两种深度学习模型在预测青光眼视野进展中的临床相关性，发现两者均严重低估视野恶化	首次从临床相关性角度评估CNN和RNN视野预测模型，而非仅关注整体准确性；通过分层分析恶化病例揭示模型在识别进展性青光眼患者时的严重低估偏差	回顾性研究设计；仅使用单一机构的瑞典交互式阈值算法标准24-2视野数据；未评估其他类型视野检查或其他人群的泛化性	评估CNN和RNN两种深度学习视野预测模型在识别进展性青光眼视力丧失患者中的临床准确性，揭示其是否存在高估或低估视野变化的偏差	马萨诸塞州眼耳医院青光眼服务中心1999年至2020年收集的青光眼患者视野检查数据，CNN数据集包含7472名患者的54373个样本，RNN数据集包含1809名患者的24430个样本	医学图像分析	青光眼	视野检查	CNN, RNN	数值数据	CNN数据集54373个视野样本来自7472名患者；RNN数据集24430个视野样本来自1809名患者	NA	CNN, RNN	逐点平均绝对误差（PMAE）	NA