深度学习在生物医药领域中的应用

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
201	2025-06-06	DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION 2024-08-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004106 PMID:38489765	research paper	本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管成像（OCTA）的深度学习分类器，用于预测年龄相关性黄斑变性患者中非渗出性黄斑新生血管的早期渗出风险	首次结合OCT和OCTA图像分析，使用多种CNN模型（ResNet-101、Inception-ResNet-v2和DenseNet-201）进行预测，并通过多数投票和软投票技术提升性能	样本量相对较小（89例患者），且为回顾性研究	开发AI工具预测非渗出性黄斑新生血管的早期渗出风险	年龄相关性黄斑变性患者的非渗出性黄斑新生血管	digital pathology	age-related macular degeneration	OCT, OCTA	CNN (ResNet-101, Inception-ResNet-v2, DenseNet-201)	image	89例患者（35例渗出组，54例非渗出组）
202	2025-06-06	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测和分级超广角眼底照片中的玻璃体炎	首次利用超广角眼底成像和深度学习技术进行玻璃体炎的自动检测和分级	六分类玻璃体炎分级的准确性有限（0.61），可能需要更大样本量来提高模型性能	评估深度学习算法在超广角成像上自动检测和分级玻璃体炎的性能	葡萄膜炎患者的超广角眼底视网膜照片	数字病理	葡萄膜炎	超广角眼底成像	DenseNet121 CNN	图像	1181张图像
203	2025-06-06	OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment 2024-06, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152420 PMID:38422727	研究论文	本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用	首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比	需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求	评估深度学习算法在膝关节积液量化中的有效性	53名OAI受试者的膝关节MRI数据	数字病理学	骨关节炎	深度学习	DL算法	MRI图像	53名受试者
204	2025-06-06	OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS 2024-04-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000003990 PMID:37948741	研究论文	开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据	结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作	研究仅基于单中心数据库，可能限制了算法的泛化能力	开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗	SD-OCT单眼黄斑立方体报告	计算机视觉	眼科疾病	光学字符识别(OCR)，深度学习	LSTM	图像	675份SD-OCT报告（训练集125份，测试集550份）
205	2025-06-06	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	research paper	该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能	提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能	研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏分割	digital pathology	liver cancer	principal component analysis, uniform manifold approximation and projection	Swin UNETR, nnU-net	image	NA
206	2025-06-06	A survey on recent trends in deep learning for nucleus segmentation from histopathology images 2023-Mar-06, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09491-3 PMID:38625364	综述	本文系统综述了过去五年（2017-2021）中深度学习在组织病理学图像中细胞核分割的应用	总结了多种分割模型（如U-Net、SCPP-Net、Sharp U-Net和LiverNet）的相似点、优势、使用的数据集以及新兴研究领域	仅涵盖了过去五年的研究，可能未包括最新的技术进展	探讨深度学习在细胞核分割中的最新趋势和应用	组织病理学图像中的细胞核	数字病理学	癌症	深度学习	U-Net, SCPP-Net, Sharp U-Net, LiverNet	图像	NA
207	2025-06-06	Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans 2023-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106512 PMID:36701964	研究论文	本文提出了一种使用优化的视网膜层分割和SD-OCT扫描的深度集成学习方法，用于自动分类非进展性AMD	结合图割算法和三次样条自动标注11个视网膜边界，并采用深度集成机制提高AMD检测的准确性	未提及模型在更大规模或多样化数据集上的泛化能力	提高年龄相关性黄斑变性(AMD)的检测准确性和效率	视网膜OCT图像	数字病理学	年龄相关性黄斑变性	SD-OCT扫描	Bagged Tree和端到端深度学习分类器的集成模型	图像	内部和外部数据集（具体数量未提及）
208	2025-06-06	PDRF-Net: a progressive dense residual fusion network for COVID-19 lung CT image segmentation 2023-Feb-17, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09489-x PMID:38625320	研究论文	提出了一种名为PDRF-Net的渐进密集残差融合网络，用于COVID-19肺部CT图像的分割	引入了密集跳跃连接以捕获多级上下文信息，设计了高效的聚合残差模块，结合视觉transformer和残差块，以及双边通道像素加权模块逐步融合多分支特征图	NA	实现COVID-19患者肺部CT图像中病灶部位的快速准确分割	COVID-19患者的肺部CT图像	计算机视觉	COVID-19	深度学习	PDRF-Net（渐进密集残差融合网络）	图像	两个COVID-19数据集
209	2025-06-06	AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19 2023-Jan-12, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09484-2 PMID:38625255	研究论文	提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断	通过多源对抗性迁移学习，提高了模型在不同数据集间的泛化能力	未提及具体的样本量或数据来源限制	提高COVID-19诊断的准确性和模型泛化能力	COVID-19的医学影像数据	计算机视觉	COVID-19	对抗性迁移学习	CNN	医学影像	NA
210	2025-06-06	Detection of anomalies in cycling behavior with convolutional neural network and deep learning 2023, European transport research review IF:5.1Q1 DOI:10.1186/s12544-023-00583-4 PMID:38625141	研究论文	本文提出了一种基于深度学习的自行车行为异常检测方法BeST-DAD，用于识别骑行中的危险点	结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法在F-score上提升了性能	未提及模型在其他城市或更大数据集上的泛化能力	通过GPS轨迹数据识别骑行行为中的异常以提高自行车安全性	自行车骑行者的GPS轨迹数据	机器学习	NA	深度学习	CNN, Autoencoder	GPS轨迹数据	未明确说明具体样本量
211	2025-06-06	An efficient real-time stock prediction exploiting incremental learning and deep learning 2022-Dec-21, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09481-x PMID:38625328	研究论文	提出了一种基于增量学习和离线-在线学习策略的实时股票价格预测方法	结合增量学习和离线-在线学习两种方法，实时更新模型以应对股票市场的复杂性和动态性	仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了实验，可能不适用于其他市场或股票	开发高效的实时股票价格预测方法以辅助日内交易策略制定	股票市场价格数据	机器学习	NA	增量学习, 离线-在线学习	深度学习模型	时间序列数据	美国NASDAQ和印度NSE交易所的八只高流动性股票
212	2025-06-06	Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients 2022-Dec, IEEE transactions on technology and society DOI:10.1109/TTS.2022.3195114 PMID:36573115	研究论文	本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义	应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度	研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性	评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度	COVID-19患者的胸部X光片	数字病理学	COVID-19	深度学习	NA	医学影像	NA
213	2025-06-06	An evaluation of lightweight deep learning techniques in medical imaging for high precision COVID-19 diagnostics 2022-Nov, Healthcare analytics (New York, N.Y.) DOI:10.1016/j.health.2022.100096 PMID:37520618	研究论文	本文评估了轻量级深度学习技术在医学影像中用于高精度COVID-19诊断的性能	使用轻量级深度学习模型MobileNetV2进行COVID-19检测，相比重量级模型在部署效率和资源需求上有显著优势	未提及具体样本量或与其他轻量级模型的对比	开发低成本、移动化的COVID-19即时检测系统	COVID-19感染检测	数字病理	COVID-19	深度学习	MobileNetV2	医学影像（胸部X光和CT）	NA
214	2025-06-06	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	本研究利用深度学习预测COVID-19 mRNA疫苗的降解情况	提出了两种混合深度学习模型GCN_GRU和GCN_CNN，用于预测RNA降解，其中GCN_GRU模型表现最佳	研究仅基于RNA序列预测降解，未考虑其他可能影响降解的环境因素	研究目的是通过深度学习预测RNA疫苗的降解特性	研究对象是COVID-19 mRNA疫苗的RNA序列	机器学习	COVID-19	深度学习	GCN_GRU, GCN_CNN	RNA序列数据	NA
215	2025-06-06	A new metaheuristic optimization model for financial crisis prediction: Towards sustainable development 2022-Sep, Sustainable computing : informatics and systems DOI:10.1016/j.suscom.2022.100778 PMID:37521169	研究论文	本文提出了一种基于政治优化器的深度神经网络（OD-PODNN）用于金融危机的预测，旨在通过预处理、异常值检测、分类和超参数优化等过程确定公司财务状况	提出了一种结合隔离森林（iForest）异常检测方法和政治优化器（PO）的深度神经网络（DNN）模型，用于提高金融危机预测的准确性	模型训练过程中涉及超参数微调，这是大多数机器学习模型的共同局限性	开发一种新的金融危机预测（FCP）模型，以支持可持续经济发展	公司财务状况	机器学习	NA	政治优化器（PO）、隔离森林（iForest）、深度神经网络（DNN）	OD-PODNN（基于政治优化器的深度神经网络）	金融数据	使用了三个不同的数据集进行评估
216	2025-06-06	Attention mechanism and mixup data augmentation for classification of COVID-19 Computed Tomography images 2022-Sep, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.07.005 PMID:38620953	研究论文	本文提出了一种结合注意力机制和mixup数据增强技术的深度卷积神经网络，用于COVID-19 CT图像的自动分类	引入了特征级注意力层以增强卷积网络提取的判别性特征，并采用mixup数据增强技术提升网络性能	NA	开发计算机辅助诊断系统以实现COVID-19 CT图像的自动分类	COVID-19 CT图像	计算机视觉	COVID-19	mixup数据增强	CNN（ResNet50）	图像	COVID-CT数据集
217	2025-06-06	Deep recurrent Gaussian Nesterovs recommendation using multi-agent in social networks 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09435-3 PMID:37521128	research paper	提出了一种结合深度学习和多智能体场景的深度循环高斯Nesterov最优梯度（DR-GNOG）推荐系统，用于社交网络中的精确推荐	结合深度学习和多智能体技术，采用高斯Nesterov最优梯度模型优化推文分类，并设计深度循环预测推荐模型解决梯度消失问题	未提及具体的数据集规模或实验环境的限制	解决社交网络中大数据环境下精确推荐的问题	社交网络中的用户推文	machine learning	NA	Deep Recurrent Gaussian Nesterov's Optimal Gradient (DR-GNOG)	DR-GNOG, GANCF, Bootstrapping	text	NA
218	2025-06-06	FocusCovid: automated COVID-19 detection using deep learning with chest X-ray images 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-021-09385-2 PMID:38624806	research paper	提出了一种基于深度卷积神经网络的架构，用于通过胸部X光图像自动检测COVID-19	使用深度学习技术自动检测COVID-19，减轻医疗基础设施的压力	尽管模型准确率高，但COVID-19的诊断仍需与专业医疗临床医生协商决定	开发一种自动化工具以辅助COVID-19的早期筛查和检测	胸部X光图像	digital pathology	COVID-19	chest radiography	CNN	image	NA
219	2025-06-06	Deep learning assisted COVID-19 detection using full CT-scans 2021-Jun, Internet of things (Amsterdam, Netherlands) DOI:10.1016/j.iot.2021.100377 PMID:38620521	research paper	该研究提出了一种利用深度学习技术从患者CT扫描中自动诊断COVID-19感染的方法	采用残差网络利用跳跃连接的优势，使模型能够更深层次地学习，同时降低硬件需求，适合在网络边缘部署	未提及模型在不同数据集上的泛化能力以及临床实际应用中的具体表现	开发一种硬件需求较低且性能优异的COVID-19自动检测方法，以简化检查流程	COVID-19患者的全胸部CT扫描	digital pathology	COVID-19	deep learning	ResNet	CT图像	NA
220	2025-06-06	A Comparison of Deep Learning Models for Detecting COVID-19 in Chest X-ray Images 2021, IFAC-PapersOnLine DOI:10.1016/j.ifacol.2021.10.282 PMID:38620947	research paper	比较不同深度学习模型在胸部X光图像中检测COVID-19的性能	设计了四种深度学习架构并进行比较，包括CNN、VGG-19、Inception和MobileNet，使用迁移学习技术进行了45次不同实验	仅进行了二分类任务，未涉及多分类或其他复杂场景	比较不同深度学习模型在COVID-19检测中的性能	胸部X光图像	computer vision	COVID-19	transfer learning	CNN, VGG-19, Inception, MobileNet	image	NA