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	2026-09-21	Chained Deep Learning Using Generalized Cross-Entropy for Multiple Annotators Classification 2023-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s23073518 PMID:37050578	研究论文	该文提出一种基于广义交叉熵的链式深度学习框架（GCECDL），用于多标注者分类任务，以处理众包标注中的噪声和标注者可靠性差异问题	提出基于广义交叉熵的链式深度学习框架，能够编码每个标注者相对于输入空间的非平稳模式，同时通过链式深度学习方法保留专家间的相互依赖关系；结合深度学习与噪声鲁棒损失函数应对噪声标签，并通过链式方法估计每个标注者的可靠性实现网络自正则化	未明确说明该方法的计算复杂度、可扩展性限制以及在更大规模或更复杂场景下的适用性	解决多标注者分类任务中标注者专业水平不一、不可靠输出引入噪声、传统方法假设标注者在输入特征空间行为同质以及输出独立性约束等问题	多标注者分类任务中的众包标注数据，涉及多个标注者提供的标签	机器学习	NA	NA	CNN	图像	NA	NA	NA	NA	NA
2	2026-09-21	Morphometric Analysis of Retinal Ganglion Cell Axons in Normal and Glaucomatous Brown Norway Rats Optic Nerves 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.8 PMID:36917118	研究论文	该研究利用深度学习算法AxoNet2.0对正常血压和高血压Brown Norway大鼠视神经视网膜神经节细胞轴突进行形态学分析，构建了首个正常血压眼的RGC轴突形态计量图谱，并开发了基于髓鞘厚度的轴突损伤指标	首次构建了Brown Norway大鼠眼的综合性正常RGC轴突形态计量图谱；开发了基于髓鞘形态学的客观、可重复的损伤指标；使用深度学习算法AxoNet2.0进行轴突形态学自动分析	研究仅针对Brown Norway大鼠模型，未验证其他品系或物种的适用性；样本量未明确说明；损伤指标的有效性需要进一步验证	构建正常血压Brown Norway大鼠眼RGC轴突形态计量图谱，并开发和评估高血压眼中的轴突损伤指标	Brown Norway大鼠的视神经视网膜神经节细胞轴突，包括正常血压眼和高血压眼	数字病理学	青光眼	光学显微镜成像，深度学习算法AxoNet2.0，Morrison分级量表，保角映射	深度学习	图像	NA	NA	AxoNet2.0	轴突密度，轴浆直径，偏心率，横截面积，髓鞘g比率，髓鞘厚度，变异系数，Morrison分级量表评分，P值	NA
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	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
11	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
12	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
13	2026-08-27	Comparing artificial-intelligence techniques with state-of-the-art parametric prediction models for predicting soybean traits 2023-03, The plant genome DOI:10.1002/tpg2.20263 PMID:36484148	研究论文	本研究比较了传统基因组预测方法（GBLUP）、核方法（高斯核）、人工智能方法（深度学习）及混合方法（反余弦核）在预测大豆产量、油分和蛋白质含量方面的准确性	首次将深度学习模型的仿真方法（反余弦核）与常用基因组预测方法进行系统比较，并评估了基因型与环境互作效应下的模型表现	深度学习方法的较差表现可能归因于次优的超参数设置，且研究仅基于单一作物（大豆）和特定环境条件	评估并比较不同基因组预测方法在预测大豆农艺性状（产量、油分、蛋白质）方面的表现	大豆品种（Glycine max）的基因型和表型数据	机器学习	不适用	基因组预测（GBLUP）、核方法（高斯核、反余弦核）、深度学习	深度学习（DL）、核模型	基因组标记数据和表型数据（产量、油分、蛋白质）	1379个大豆基因型，在6个环境中测试，所有基因型在所有环境中	不适用	深度学习网络、高斯核、反余弦核	预测准确度	不适用
14	2026-08-13	Determination of factors affecting customer satisfaction towards "maynilad" water utility company: A structural equation modeling-deep learning neural network hybrid approach 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13798 PMID:36873542	研究论文	本研究通过结构方程模型与深度学习神经网络的混合方法，确定影响Maynilad水务公司客户满意度的关键因素	首次将SERVQUAL维度和期望确认理论整合，并采用结构方程模型与深度学习神经网络的混合方法分析客户满意度	未在摘要中明确说明局限性	识别影响Maynilad水务公司客户满意度的关键因素，并为公司改进服务提供建议	Maynilad水务公司的725名客户	机器学习	NA	问卷调查	结构方程模型，深度学习神经网络	问卷数据	725名Maynilad客户	NA	NA	NA	NA
15	2026-07-24	Identifying keystone species in microbial communities using deep learning 2023-Mar-31, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.15.532858 PMID:36993659	研究论文	提出基于深度学习的DKI框架，用于识别微生物群落中的关键物种	首次利用深度学习隐式学习微生物群落组装规则，通过“思想实验”量化物种关键度，实现数据驱动的关键物种识别	依赖特定生境微生物样本的训练数据质量，合成数据验证与真实生态系统的复杂性可能存在差距	建立系统性识别微生物群落关键物种的高效方法	人类肠道、口腔微生物组、土壤及珊瑚微生物组中的物种	机器学习	NA	深度学习模型训练与群落动力学合成数据生成	深度学习模型（具体结构未指明）	微生物组丰度数据（合成数据与真实宏基因组数据）	涉及人类肠道、口腔、土壤和珊瑚多个生境的微生物样本（具体数量未说明）	NA	NA	NA	NA
16	2026-05-29	Deep Learning-Based Model for Identifying Tumors in Endoscopic Images From Patients With Locally Advanced Rectal Cancer Treated With Total Neoadjuvant Therapy 2023-03-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002295 PMID:35358109	研究论文	开发一种基于深度卷积神经网络的方法，从局部晚期直肠癌患者的内镜图像中自动分类是否存在肿瘤	首次将深度卷积神经网络应用于局部晚期直肠癌患者全新辅助治疗后的内镜图像中肿瘤存在与否的自动分类	每组的图像数量有限，且研究在单一机构进行	开发一种新方法，利用深度卷积神经网络自动分类内镜图像中肿瘤存在与否，并评估其准确性	接受全新辅助治疗的局部晚期直肠癌患者的内镜图像	计算机视觉	直肠癌	NA	卷积神经网络	图像	109名患者的1392张内镜图像	NA	卷积神经网络	接收者操作特征曲线下面积	NA
17	2026-05-27	Uncertainty-Aware Deep Learning Classification of Adamantinomatous Craniopharyngioma from Preoperative MRI 2023-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13061132 PMID:36980440	研究论文	提出一种基于贝叶斯深度学习的分类方法，用于从术前MRI中诊断成釉细胞瘤型颅咽管瘤	首次将贝叶斯深度学习应用于颅咽管瘤的MRI分类，通过校准模型实现预测不确定性估计并引入分类弃权机制，显著提升准确率	校准后的模型性能低于原始结果，表明原始模型存在过拟合；弃权率为34.2%时准确率提升，但可能牺牲部分可分类样本	实现非侵入性诊断成釉细胞瘤型颅咽管瘤，通过深度学习分类结合不确定性估计提高临床适用性	86名鞍上肿瘤患者的术前MRI图像及病理诊断结果	计算机视觉	颅咽管瘤	MRI影像	贝叶斯深度学习	图像	86名鞍上肿瘤患者的多机构样本	PyTorch	原始分类器	准确率	NA
18	2026-05-27	Automated Quantification of Pneumonia Infected Volume in Lung CT Images: A Comparison with Subjective Assessment of Radiologists 2023-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10030321 PMID:36978712	研究论文	旨在通过改进的深度学习模型自动分割肺部CT图像中感染区域并预测疾病严重程度，并与放射科医生的主观评估进行对比	提出结合五个定制残差注意力U-Net模型和特征金字塔网络的集成深度学习模型，并首次通过放射科医生主观对比研究验证临床实用性	样本量较小（训练20例、测试80例），且仅针对COVID-19患者，可能缺乏泛化性	探索使用深度学习自动化定量评估肺部CT感染区域和严重程度的可行性，以提高诊断效率并减少评估变异	COVID-19患者的肺部CT图像中的感染区域分割和疾病严重程度预测	计算机视觉	COVID-19	CT成像	深度学习集成模型	图像	训练20例COVID-19患者，测试80例COVID-19患者	NA	残差注意力U-Net、特征金字塔网络	严重程度分类一致性、5级评分法	NA
19	2026-05-27	PhacoTrainer: Deep Learning for Cataract Surgical Videos to Track Surgical Tools 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.23 PMID:36947046	研究论文	本文构建了一个深度学习模型，用于自动分析白内障手术视频中的手术器械位置，并推导与手术技能相关的运动指标	首次将YOLACT模型应用于白内障手术视频的掩膜分割，并结合椭圆或直线拟合方法从掩膜中精确识别手术器械和眼内关键解剖结构	该方法对辅助器械尖端的定位误差为17.1像素，可能影响高精度需求场景的运用	开发自动分析白内障手术视频中手术器械和眼内解剖结构位置的方法，以生成与手术技能相关的运动度量指标	白内障手术视频中的瞳孔、角巩膜缘、8类手术器械（包括超声乳化头、第二器械等）	计算机视觉	白内障	NA	YOLACT	图像	训练使用268个视频中的1156帧和CaDIS公开数据集；评估使用10个超声乳化视频片段的5853帧	PyTorch	YOLACT	平均精度均值（mAP）、交并比（IoU）、像素欧氏距离	NA
20	2026-05-25	AxoNet 2.0: A Deep Learning-Based Tool for Morphometric Analysis of Retinal Ganglion Cell Axons 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.9 PMID:36917117	研究论文	开发了一种名为AxoNet 2.0的深度学习工具，用于自动量化视网膜神经节细胞轴突的数量和形态，提高青光眼动物模型轴突损伤评估的效率	首次实现从光学显微图像中自动分割轴浆和髓鞘，同时进行轴突计数和形态学量化，并在多个动物模型上验证了泛化能力	NA	开发自动化工具以快速、客观地评估视网膜神经节细胞轴突损伤，促进青光眼基础和转化研究	大鼠、小鼠和非人灵长类动物的视神经横截面显微图像	计算机视觉	青光眼	光镜显微成像	CNN	图像	大鼠视神经横截面显微图像（手动注释），以及小鼠和非人灵长类动物模型数据	PyTorch	深度分割网络	R², soft-Dice系数, 平均绝对百分比误差	NA