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
41	2026-02-11	Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning 2024-04-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091324 PMID:38731328	研究论文	本研究提出了一种基于深度学习的计算机视觉方法，用于无创监测新生小牛的站立和躺卧行为，并分析其与健康状态的关系	采用多视角摄像头和YOLOv8n模型，实现了对小牛站立和躺卧行为的高精度、实时自动监测，并首次将自动测量的行为时间与腹泻等健康指标进行了关联分析	研究仅针对六头小牛进行了六天的监测，样本量较小，且未考虑其他可能影响行为的因素（如环境变化）	通过自动监测小牛的站立和躺卧时间，评估其健康状态，以改善农场管理和动物福利	新生小牛（六头）的站立和躺卧行为	计算机视觉	NA	计算机视觉，行为监测	YOLO	视频	六头小牛，连续六天的监测数据	NA	YOLOv8n	平均精度均值，推理速度（帧每秒），最大时间估计误差	NA
42	2026-02-05	Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors 2024-Apr-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000681 PMID:38270249	研究论文	本研究开发了一种基于深度学习的卷积神经网络系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变，并评估了染色技术和肛门操作对算法性能的影响	首次评估了染色技术（如醋酸、卢戈氏碘液）和肛门操作对人工智能算法在高分辨率肛门镜检查中检测肛门癌前病变性能的影响，并展示了算法在不同条件下的优异表现	研究样本量相对有限（88名患者，103次检查），且未在外部数据集上进行验证，可能影响模型的泛化能力	开发并评估一个深度学习系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变	肛门鳞状细胞癌前病变，具体为高级别和低级别肛门鳞状上皮内病变	数字病理学	肛门癌	高分辨率肛门镜检查	CNN	图像	来自88名患者的103次高分辨率肛门镜检查，共计27,770张图像	NA	NA	灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值, AUC	NA
43	2026-02-03	Retrieval augmented scientific claim verification 2024-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae021 PMID:38455840	研究论文	本文开发了CliVER系统，利用检索增强技术自动验证科学声明，并通过与临床医生比较评估其性能	提出了CliVER系统，结合检索增强技术和PICO框架，并创建了新的COVID验证数据集CoVERt，集成多个深度学习模型以提高验证准确性	需要进一步测试其临床实用性，且数据集规模有限（仅15个药物声明和96个临床试验摘要）	自动化科学声明验证，利用PubMed摘要支持或反驳科学声明	科学声明（特别是药物相关声明）和PubMed中的临床试验摘要	自然语言处理	COVID-19	检索增强技术，PICO框架，深度学习模型集成	深度学习模型（具体类型未指定，但提及为state-of-the-art模型）	文本（PubMed摘要和科学声明）	CoVERt数据集包含15个PICO编码的药物声明和96个手动标记的临床试验摘要；比较实验涉及19个声明和189,648个PubMed摘要	NA	NA	F1分数，精确度	NA
44	2026-01-29	A framework for the unsupervised and semi-supervised analysis of visual frames 2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association IF:4.7Q1 PMID:41450450	研究论文	本文介绍了一个用于通过无监督和半监督方法分析视觉材料内容的框架，并应用于政治科学领域	将计算机视觉中的视觉词袋技术引入政治科学，用于构建图像-视觉词矩阵，并开发了一种新颖的视觉结构主题模型	NA	开发一个框架，用于对视觉材料进行无监督和半监督分析，以识别视觉框架	来自中美洲移民大篷车图片的视觉框架	计算机视觉	NA	视觉词袋	主题模型	图像	NA	NA	视觉结构主题模型	NA	NA
45	2026-01-14	Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307609 PMID:38279514	研究论文	本文介绍了一种用于产后女性远程无线连续健康监测的云集成智能纳米膜可穿戴系统	开发了基于柔性胸骨设备和共形纳米膜传感器的云集成可穿戴系统，用于产后女性的心血管监测，并通过深度学习实现医疗设备级血压预测	研究样本仅限于20名产后黑人女性，且未提及长期使用的耐久性或成本效益分析	解决非传染性疾病患者，特别是产后女性，对长期、连续健康监测的未满足需求	产后女性，特别是美国黑人产后女性	数字病理学	心血管疾病	纳米膜传感器技术	深度学习	波形数据	20名产后黑人女性	NA	NA	NA	云架构
46	2026-01-14	Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307280 PMID:38380499	研究论文	本文提出了一种名为Bis的分布无关深度学习模型，用于准确恢复单细胞RNA测序数据中的缺失基因表达值	Bis模型基于最优传输的自编码器架构，无需严格的数据分布假设，并利用批量RNA测序数据进行监督指导，以解决单细胞数据稀疏性问题	未明确说明模型在超大规模数据集上的计算效率或对不同单细胞平台的泛化能力限制	开发一种分布无关的深度学习方法，以准确恢复单细胞RNA测序数据中的缺失表达值并解释转录调控	单细胞RNA测序数据，包括模拟和真实数据集，以及头颈鳞状细胞癌微环境中的细胞亚群	机器学习	头颈鳞状细胞癌	单细胞RNA测序，批量RNA测序	自编码器	基因表达数据	NA	NA	基于最优传输的自编码器	NA	NA
47	2026-01-14	CIRI-Deep Enables Single-Cell and Spatial Transcriptomic Analysis of Circular RNAs with Deep Learning 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308115 PMID:38308181	研究论文	本文介绍了CIRI-deep，一种基于深度学习的模型，用于从单细胞和空间转录组数据中全面预测环状RNA的调控	开发了首个能够处理单细胞和空间转录组数据的深度学习模型，专门用于环状RNA的全面分析和预测	未在摘要中明确说明	解决现有单细胞和空间转录组技术在有效分析环状RNA方面的局限性	环状RNA	自然语言处理	NA	RNA-seq	深度学习模型	RNA-seq数据	基于2500万个高置信度环状RNA调控事件的数据集	NA	NA	在测试集和留出数据上均表现出高性能	NA
48	2026-01-14	A Novel Approach Utilizing Domain Adversarial Neural Networks for the Detection and Classification of Selective Sweeps 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202304842 PMID:38308186	研究论文	本文提出了一种基于域对抗神经网络的域适应扫描检测与分类方法，用于改进选择性扫描的识别与分类	通过域对抗神经网络及其对抗学习模块，平衡两个域的分布对齐与分类性能，有效解决了深度学习模型中训练数据与真实基因组数据不匹配的问题	NA	提高选择性扫描的检测与分类性能，以增强对生物进化的理解，并为精准医学和遗传改良提供支持	选择性扫描	机器学习	NA	基因组数据分析	域对抗神经网络	基因组数据	NA	NA	域对抗神经网络	泛化能力、预测鲁棒性、准确性	NA
49	2026-01-14	Predicting Single Neuron Responses of the Primary Visual Cortex with Deep Learning Model 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202305626 PMID:38350735	研究论文	本文提出了一种用于预测小鼠初级视觉皮层（V1）单神经元对自然刺激响应的先进计算模型	该算法结合物体位置并集成多个具有不同训练-验证数据的模型，在跨被试预测中比现有模型提升了15%-30%，并在SENSORIUM 2022挑战赛中排名第一	NA	预测初级视觉皮层单神经元对自然刺激的响应，以帮助理解神经机制并应用于脑机接口等下一代技术	小鼠初级视觉皮层（V1）的单神经元	机器学习	NA	NA	深度学习模型	图像	基于数千张图像的数据集	NA	NA	预测准确率	NA
50	2026-01-08	Plant disease recognition using residual convolutional enlightened Swin transformer networks 2024-04-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56393-8 PMID:38622177	研究论文	本文提出了一种结合Swin Transformer和残差卷积网络的新型集成模型，用于植物病害识别	提出了一种新颖的Swin Transformer与残差卷积网络的集成架构，以提取深层关键点特征，并通过前馈网络进行优化预测	未在摘要中明确说明	开发高精度、智能调优的深度学习算法，以实现植物病害的早期精准预测	植物叶片图像	计算机视觉	植物病害	深度学习	Transformer, CNN	图像	Plant Village Kaggle数据集	NA	Swin Transformer, 残差卷积网络	准确率, 精确率, 召回率, 特异性, F1分数	NA
51	2026-01-08	Deep learning hybridization for improved malware detection in smart Internet of Things 2024-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57864-8 PMID:38570575	研究论文	本研究提出了一种用于智能物联网恶意软件检测的混合深度学习框架BEFSONet	提出了一种结合BERT和Feed Forward Neural Network的专用框架BEFNet，并采用Spotted Hyena Optimizer进行优化，以适应动态物联网环境中多样化的恶意软件数据形态	未明确说明框架在实时检测场景中的性能表现及计算开销	解决物联网设备大数据环境下的恶意软件检测与动态决策挑战	8种不同类型的恶意软件数据集	机器学习	NA	深度学习	BERT, Feed Forward Neural Network	恶意软件数据	8个数据集	NA	BERT-based Feed Forward Neural Network	准确率, Matthews相关系数, F1分数, AUC-ROC, Cohen's Kappa	NA
52	2025-11-24	RETFound-enhanced community-based fundus disease screening: real-world evidence and decision curve analysis 2024-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01109-5 PMID:38693205	研究论文	本研究开发了一种基于RETFound增强的深度学习模型，用于社区眼底疾病筛查，并在真实世界场景中验证其性能	首次将眼科基础模型RETFound应用于社区眼底疾病筛查，显著提升了筛查准确性和泛化能力	研究主要基于中国城乡场景，在其他国家和地区的适用性需要进一步验证	开发高性能的AI辅助眼底疾病筛查系统以应对全球视力健康挑战	社区筛查中采集的真实世界眼底图像	计算机视觉	眼底疾病	深度学习	深度学习模型	眼底图像	NA	NA	RETFound	灵敏度, 特异性, 净收益	NA
53	2025-10-05	Multi-Class Deep Learning Model for Detecting Pediatric Distal Forearm Fractures Based on the AO/OTA Classification 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00968-4 PMID:38308069	研究论文	开发基于AO/OTA分类的多类深度学习模型用于检测儿童远端前臂骨折	首次将YOLOv4目标检测模型应用于儿童远端前臂骨折的多类分类，并基于儿科AO/OTA分类系统进行骨折类型细分	测试集样本量较小（仅88张图像），未进行外部验证	开发自动检测儿童远端前臂骨折的深度学习模型以辅助临床治疗规划	儿童远端前臂腕部X射线图像	计算机视觉	儿科骨折	X射线成像	CNN	图像	7006张图像来自1809名患者（训练集80%，验证集20%），测试集88张图像来自34名患者	NA	YOLOv4	平均精度, 灵敏度, 特异性, AUC	NA
54	2025-10-05	Enhancing YOLO5 for the Assessment of Irregular Pelvic Radiographs with Multimodal Information 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00986-2 PMID:38315343	研究论文	本研究提出通过整合年龄和性别多模态信息增强YOLO5模型，用于发育性髋关节发育不良的骨盆X光片评估	首次在DDH诊断中引入多模态信息（年龄和性别），通过将此类信息整合到通道中提升深度学习模型性能	未明确说明模型在不同年龄段和性别群体中的泛化能力验证细节	提高深度学习模型在发育性髋关节发育不良诊断中的准确性和效果	骨盆X光片中的髋关节解剖标志点	计算机视觉	发育性髋关节发育不良	X射线成像	YOLO5	图像	7750张骨盆X光片，覆盖4个月至16岁年龄段，包含畸形和术后等多种情况	NA	YOLO5	mAP, 诊断准确率, F1-score	NA
55	2025-10-05	Development of Medical Imaging Data Standardization for Imaging-Based Observational Research: OMOP Common Data Model Extension 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00982-6 PMID:38315345	研究论文	本研究提出医学影像通用数据模型扩展，为基于影像的观察性研究提供数据标准化框架	首次将医学影像数据纳入OMOP通用数据模型，通过新增两个表和两个词汇表解决影像数据的结构和语义需求	未提及具体实施案例或验证研究	开发支持影像研究的医学影像数据标准化方法	观察性医疗数据和医学影像数据	医学影像信息学	NA	DICOM标准，人工智能，深度学习	NA	医学影像数据，观察性医疗数据	NA	NA	NA	NA	NA
56	2025-10-05	Development and Validation of Deep Learning-Based Automated Detection of Cervical Lymphadenopathy in Patients with Lymphoma for Treatment Response Assessment: A Bi-institutional Feasibility Study 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00966-6 PMID:38316667	研究论文	开发并验证基于深度学习的自动检测淋巴瘤患者颈部淋巴结病变的模型，用于治疗反应评估	首次使用3D SegResNet模型对淋巴瘤患者颈部异常淋巴结进行自动检测和分割，并评估其在治疗反应评估中的临床效用	模型分割性能中等（DSC 0.39），样本量相对有限，为回顾性研究	开发深度学习模型用于淋巴瘤患者颈部淋巴结病变的自动检测和治疗反应评估	淋巴瘤患者的颈部异常淋巴结	数字病理	淋巴瘤	对比增强CT扫描	深度学习	3D医学图像	开发队列76例，内部测试1队列27例，内部测试2队列87例，外部测试队列26例	NA	3D SegResNet	Dice相似系数, 精确率, 召回率, Bland-Altman图	NA
57	2025-10-05	Deep Learning-Assisted Diffusion Tensor Imaging for Evaluation of the Physis and Metaphysis 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00993-3 PMID:38321313	研究论文	本研究开发了一种基于UNETR的深度学习模型，用于自动分割骨骺和干骺端的扩散张量成像，以预测儿童身高变化	首次将UNETR模型应用于骨骺和干骺端的DTI图像自动分割，相比传统UNET模型性能显著提升	研究采用回顾性数据，样本量相对有限（385个DTI扫描来自191名受试者）	开发自动分割骨骺和干骺端DTI图像的方法，替代耗时的手动分割流程	儿童骨骺和干骺端的扩散张量成像数据	医学影像分析	儿科生长发育	扩散张量成像	UNETR, UNET	医学影像	385个DTI扫描来自191名平均年龄12.6±2.01岁的受试者	NA	UNETR, UNET	Dice相关系数, 组内相关系数	NA
58	2025-10-05	Automated Quantification of Total Cerebral Blood Flow from Phase-Contrast MRI and Deep Learning 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00948-0 PMID:38343224	研究论文	开发基于深度学习的自动量化全脑血流量方法，通过相位对比MRI实现脑血管分割和血流计算	提出预处理步骤将PC MRI的幅度和相位图像多次相乘以增强深度学习对动脉血管的分割性能	样本量相对有限（训练集218张图像，测试集40张，外部验证20个数据集）	开发自动化的全脑血流量量化技术，减少人工操作的主观性和时间消耗	脑供血动脉血管	医学影像分析	脑血管疾病	相位对比磁共振成像	深度学习	医学影像	训练集218张图像，内部测试40张图像，外部验证20个数据集	NA	U-Net	Dice系数, IoU, 决定系数R, 组内相关系数ICC, t检验, Bland-Altman分析	NA
59	2025-10-05	Deep Learning-based Diagnosis of Pulmonary Tuberculosis on Chest X-ray in the Emergency Department: A Retrospective Study 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00952-4 PMID:38343228	研究论文	开发基于深度学习的算法用于急诊科胸部X光片中的肺结核检测	使用EfficientNetV2架构并结合半监督学习，利用公共数据库进行伪标签训练	回顾性研究，数据来源于单一医疗机构	开发深度学习算法以快速准确检测肺结核	胸部X光片图像	计算机视觉	肺结核	胸部X光成像	CNN	图像	3498张NTUH医院CXRs，112,120张NIH ChestX-ray14图像，138张Montgomery County图像，662张Shenzhen图像	NA	EfficientNetV2	AUC, 95% CI	NA
60	2025-10-05	MRI-Based Machine Learning Fusion Models to Distinguish Encephalitis and Gliomas 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00957-z PMID:38343248	研究论文	本研究比较经典机器学习和深度学习模型在区分非典型脑炎与胶质瘤中的性能，并评估融合放射组学的有效性	首次将经典机器学习与深度学习放射组学特征融合，构建深度学习放射组学列线图和在线计算器辅助临床决策	样本量相对有限（116例患者），仅使用轴向FLAIR图像	开发机器学习模型区分非典型脑炎和胶质瘤	116例经病理确诊的胶质瘤和临床诊断为脑炎的患者	医学影像分析	神经系统疾病	MRI成像	LR, SVM, MLP, CNN	医学影像	116例患者	NA	DenseNet121, ResNet50, ResNet18	AUC, 敏感性, 特异性, 准确率, 阴性预测值, 阳性预测值	NA