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
341	2026-10-01	RCTE: A reliable and consistent temporal-ensembling framework for semi-supervised segmentation of COVID-19 lesions 2021-Nov, Information sciences DOI:10.1016/j.ins.2021.07.059 PMID:34305162	研究论文	提出了一种可靠且一致的时间集成框架（RCTE），用于COVID-19病变的半监督分割	引入了可靠的师生架构，其中可靠的教师网络是可靠学生网络的指数移动平均，当学生损失较大时限制学生参与EMA，并提出了基于改进的广义交叉熵损失的噪声感知损失	未明确说明	开发一种高效的自动诊断系统，用于从CT扫描中分割COVID-19病变	COVID-19病变	计算机视觉	COVID-19	半监督学习	教师-学生架构	图像	未明确说明	未明确说明	未明确说明	Dice分数	未明确说明
342	2026-10-01	Deep learning of contagion dynamics on complex networks 2021-08-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-24732-2 PMID:34354055	研究论文	该论文提出了一种基于深度学习的方法，通过图神经网络从时间序列数据中学习复杂网络上传染动力学的有效局部机制，并在不同复杂度的传染动力学和西班牙COVID-19真实数据上验证了其准确性	提出了一种基于图神经网络的深度学习方法，仅需极少假设即可从时间序列数据中学习网络上传染动力学的有效局部机制，并能够在任意网络结构上进行模拟，超越训练数据的范围探索学习到的动力学特性	该方法依赖于时间序列数据的质量和数量，学习到的局部机制可能无法完全推广到训练数据未覆盖的动力学场景，且在实际应用中可能受到数据稀缺和噪声的影响	预测复杂网络上传染动力学的演化，克服传统机制模型因简化假设而导致的预测精度和可建模动力学复杂度受限的问题	复杂网络上的传染动力学，包括不同复杂度的传染过程以及西班牙COVID-19疫情的真实数据	机器学习	COVID-19	深度学习, 图神经网络	图神经网络	时间序列数据, 网络数据	西班牙COVID-19疫情真实数据	NA	图神经网络	预测准确性	NA
343	2026-10-01	Deep Learning in Biomedical Optics 2021-08, Lasers in surgery and medicine IF:2.2Q2 DOI:10.1002/lsm.23414 PMID:34015146	综述	本文综述了深度学习在生物医学光学中的应用，特别关注图像形成，涵盖多个成像领域	系统总结深度学习在生物医学光学多个成像领域（包括显微镜、荧光寿命成像、活体显微镜、宽场内窥镜、光学相干断层扫描、光声成像、漫射断层扫描和功能性光学脑成像）的应用，并强调深度学习方法如何为医学光学带来新能力	文中指出深度学习方法在生物医学光学中转化和采纳仍面临挑战，可能包括数据、泛化性、临床落地等问题	综述深度学习在生物医学光学图像形成中的应用，总结方法和进展，并讨论改进转化和采纳的挑战与机会	生物医学光学成像领域，包括显微镜、荧光寿命成像、活体显微镜、宽场内窥镜、光学相干断层扫描、光声成像、漫射断层扫描和功能性光学脑成像	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
344	2026-10-01	Interrogating theoretical models of neural computation with emergent property inference 2021-07-29, eLife IF:6.4Q1 DOI:10.7554/eLife.56265 PMID:34323690	研究论文	提出了一种新技术——涌现属性推断（EPI），利用深度神经网络学习具有特定计算特性的参数分布，以解决理论神经科学中的逆问题	将现代概率建模工具包引入理论神经科学，使用深度神经网络学习参数分布而非拟合特定数据集，允许精确控制推断参数的行为，并在参数维度上比替代技术更具可扩展性	未明确提及	识别与观察到的现象（行为或神经活动模式）一致的模型参数，解决逆问题	神经回路模型，具体包括口胃神经节、初级视觉皮层和上丘的模型	计算神经科学	NA	深度神经网络，概率建模	NA	NA	NA	NA	NA	NA	NA
345	2026-10-01	Learning Carbohydrate Digestion and Insulin Absorption Curves Using Blood Glucose Level Prediction and Deep Learning Models 2021-Jul-20, Sensors (Basel, Switzerland) DOI:10.3390/s21144926 PMID:34300672	研究论文	本文提出了一种基于深度学习的血糖预测方法，通过估计碳水化合物消化和胰岛素吸收曲线来提高1型糖尿病患者的血糖预测准确性	提出了一种新颖的机制，通过估计特定患者的碳水化合物消化和胰岛素吸收曲线来提高深度学习模型血糖预测的准确性，使用简化的双参数模型并通过遗传算法拟合每个患者	使用模拟数据进行验证，未在真实患者数据上进行测试	提高1型糖尿病患者血糖预测的准确性，帮助患者进行血糖控制	1型糖尿病患者	机器学习	糖尿病	NA	深度学习模型, 遗传算法	模拟数据	NA	NA	NA	平均绝对误差	NA
346	2026-10-01	Deep learning identifies antigenic determinants of severe SARS-CoV-2 infection within T-cell repertoires 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93608-8 PMID:34253751	研究论文	通过分析T细胞受体测序数据，利用深度学习模型DeepTCR预测SARS-CoV-2感染的严重程度，并识别与严重感染相关的T细胞表位	利用DeepTCR这一多重实例深度学习库分类器从T细胞受体库测序数据中预测SARS-CoV-2严重感染，并识别出导致严重感染的特定抗原表位	研究基于公共数据库ImmuneCODE的回顾性数据，样本量可能有限，且未在前瞻性队列中验证模型的泛化能力	理解导致SARS-CoV-2感染不同临床结局的免疫基因组差异，并预测严重感染患者	SARS-CoV-2感染患者的T细胞受体测序数据	机器学习	COVID-19	T细胞受体测序 (TCR-Seq)	深度学习	序列数据	NA	NA	DeepTCR	NA	NA
347	2026-10-01	ASIST: Annotation-free synthetic instance segmentation and tracking by adversarial simulations 2021-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104501 PMID:34107436	研究论文	本文提出了一种无需标注的合成实例分割与跟踪方法（ASIST），通过对抗模拟和单阶段像素嵌入学习，用于显微镜视频中细胞和亚细胞对象的分割与跟踪	首次探索无需标注的显微镜视频实例分割与跟踪研究；结合对抗模拟和单阶段像素嵌入深度学习；在细胞（HeLa细胞）和亚细胞（微绒毛）对象上验证了方法	未明确提及	解决显微镜视频中实例分割和跟踪需要大量时空一致标注的问题，实现无需标注的合成实例分割与跟踪	显微镜视频中的细胞（HeLa细胞）和亚细胞（微绒毛）对象	计算机视觉	NA	NA	NA	图像（显微镜视频）	NA	NA	NA	分割性能、检测性能、跟踪性能	NA
348	2026-10-01	Synthetic polarization-sensitive optical coherence tomography by deep learning 2021-Jul-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00475-8 PMID:34211104	研究论文	该研究通过深度学习，特别是生成对抗网络，从标准OCT强度图像合成偏振敏感OCT图像	开发了一种深度学习方法，通过训练生成对抗网络在OCT强度和PS-OCT图像上合成PS-OCT图像，从而无需额外硬件即可实现偏振敏感性	未明确提及	开发一种计算PS-OCT成像方法，以减少基于硬件的PS-OCT成像系统的成本、复杂性和需求	OCT强度和PS-OCT图像	医学图像处理	癌症	光学相干断层扫描	生成对抗网络	图像	未明确提及	未明确提及	生成对抗网络	结构相似性指数、分类准确率	未明确提及
349	2026-10-01	Ethics and Law in Research on Algorithmic and Data-Driven Technology in Mental Health Care: Scoping Review 2021-Jun-10, JMIR mental health IF:4.8Q1 DOI:10.2196/24668 PMID:34110297	范围综述	本文通过范围综述方法，调查了算法和数据驱动技术在心理健康护理中应用的相关实证文献，以识别已提出的法律和伦理问题	首次系统性地调查了算法和数据驱动技术在心理健康领域应用中的伦理和法律问题，并采用传统内容分析结合关键词语境分析方法进行了综合评估	仅纳入Scopus、Embase和ACM数据库的同行评审实证研究，可能遗漏其他数据库或灰色文献中的相关研究；所纳入的研究本身对伦理和法律问题的讨论较少，限制了分析的深度	调查算法和数据驱动技术在心理健康倡议中应用的实证学术文献，以识别已提出的法律和伦理问题	在心理健康护理中应用算法和数据驱动技术的同行评审实证研究	机器学习	精神疾病	NA	NA	文本	从1078篇相关同行评审应用研究中筛选出132篇实证研究论文进行综述	NA	NA	NA	NA
350	2026-10-01	Segmentation-Renormalized Deep Feature Modulation for Unpaired Image Harmonization 2021-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3059726 PMID:33591913	研究论文	本文提出了一种分割重归一化的图像翻译框架，用于无配对图像协调，以减少扫描仪间的异质性，同时保持解剖结构	基于形态形状在成像站点间一致的假设，将生成网络归一化层中的仿射变换替换为基于联合学习解剖分割嵌入的可训练缩放和偏移参数，以在每个翻译级别调节特征，从而减少扫描仪间异质性并保持解剖布局	未明确提及	减少多中心医学图像中的扫描仪间异质性，同时保持解剖结构，以提高下游统计和深度学习图像分析的可靠性	多中心医学图像（包括T1w MRI、FLAIR MRI和OCT）	医学图像处理	NA	深度学习图像协调（基于Cycle-consistent Generative Adversarial Networks的变体）	Cycle-consistent Generative Adversarial Networks	医学图像	NA（多个数据集，包括有和没有病变的数据集）	NA	NA	Inception距离、事后分割准确度、翻译扰动鲁棒性、自对抗攻击鲁棒性	NA
351	2026-10-01	Bayesian neural networks for stock price forecasting before and during COVID-19 pandemic 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253217 PMID:34197473	研究论文	本文使用贝叶斯神经网络在COVID-19疫情前和疫情期间进行多步股票价格预测，并研究疫情前数据集对疫情期间预测的适用性	使用基于Langevin梯度和并行回火MCMC的贝叶斯神经网络进行股票价格预测，提供了预测的不确定性量化，并研究了疫情前数据在疫情期间建模的可用性	由于疫情期间股票价格的高波动性，预测更具挑战性	研究贝叶斯神经网络在COVID-19疫情前后股票价格多步预测中的表现	股票价格数据（COVID-19前和COVID-19期间）	机器学习	NA	贝叶斯神经网络，MCMC采样，Langevin梯度	贝叶斯神经网络	数值数据（股票价格）	NA	NA	贝叶斯神经网络	预测精度，不确定性量化	并行计算环境
352	2026-10-01	MFI-Net: A multi-resolution fusion input network for retinal vessel segmentation 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253056 PMID:34252111	研究论文	提出MFI-Net多分辨率融合输入网络，用于视网膜血管分割，通过多分辨率输入模块和信息聚合方法，解决浅层特征提取不完整和编解码器信息隔离问题	提出多分辨率输入模块，在不同分辨率下提取局部和全局特征信息，避免浅层粗粒度特征信息丢失；重新考虑编解码器之间的信息融合方式，使用信息聚合方法缓解网络浅层和深层之间的信息隔离	摘要中未明确提及	提高视网膜血管分割的准确性，解决现有方法中浅层特征提取不完整、血管边界模糊、毛细血管分割不准确以及编解码器之间信息融合不顺畅的问题	视网膜血管图像	计算机视觉, 医学图像分割	视网膜疾病	深度学习	CNN	图像	三个数据集：DRIVE、CHASE_DB1、STARE，具体样本数量摘要中未明确提及	NA	MFI-Net（多分辨率融合输入网络）	F1分数	NA
353	2026-10-01	Deep Learning Framework for Real-Time Estimation of in-silico Thrombotic Risk Indices in the Left Atrial Appendage 2021, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2021.694945 PMID:34262482	研究论文	该研究开发了一个深度学习框架，仅基于患者特定的左心耳形态预测内皮细胞激活潜力（ECAP），这是一种与血栓形成风险相关的指标	使用几何深度学习模型直接在非欧几里得域上操作，无需配准或二维映射，显著减少计算时间	未明确提及	开发一个深度学习框架，能够仅从患者特定的左心耳形态预测ECAP，从而避免耗时的计算流体动力学模拟	左心耳形态和ECAP	机器学习	心血管疾病	计算流体动力学	全连接网络, 卷积神经网络, 几何深度学习	图像	第一个数据集256个合成和真实的左心耳，第二个数据集114个病例	NA	全连接网络, 卷积神经网络, 图神经网络	NA	NA
354	2026-10-01	Deep Learning in Selected Cancers' Image Analysis-A Survey 2020-Nov-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging6110121 PMID:34460565	综述	本文综述了深度学习在乳腺癌、宫颈癌、脑肿瘤、结肠癌和肺癌的医学图像分析中的应用	系统性地综述了深度学习在多种癌症图像分析中的应用，并归纳了三种深度学习应用模式（从头训练、迁移学习与冻结层、修改架构减少参数），同时指出了非洲地区癌症研究关注不足的问题	仅在非洲地区研究关注度不足，未对非洲相关研究进行深入分析；综述范围未涵盖所有癌症类型	回顾和总结深度学习在多种癌症医学图像分析中的应用现状与发展趋势	乳腺癌、宫颈癌、脑肿瘤、结肠癌和肺癌的医学图像	计算机视觉	肺癌	NA	CNN	图像	NA	NA	NA	NA	NA
355	2026-10-01	Dynamic evolution of COVID-19 on chest computed tomography: experience from Jiangsu Province of China 2020-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-06976-6 PMID:32524223	研究论文	该研究通过深度学习算法定量分析江苏省484例COVID-19患者954次胸部CT检查中肺部阴影的体积、密度和位置，揭示了不同疾病严重程度下CT表现的动态演变规律	利用深度学习算法对大规模COVID-19队列的胸部CT进行定量测量，系统描绘了肺部阴影体积、密度和位置从症状发作到15天以后的动态演变模式，并揭示了不同严重程度组之间的差异	本研究为回顾性队列研究，样本仅来自江苏省，可能存在选择偏倚；随访时间有限，未涵盖长期预后；深度学习算法的具体细节和验证过程未在摘要中详细说明	确定不同疾病严重程度的COVID-19患者胸部CT的演变模式	江苏省确诊的COVID-19患者	数字病理学	COVID-19	胸部CT	深度学习	图像	484例患者（无症状/轻型63例，普通型378例，重型/危重型43例），共954次CT检查	NA	NA	NA	NA
356	2026-10-01	Automated detection and quantification of COVID-19 pneumonia: CT imaging analysis by a deep learning-based software 2020-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-04953-1 PMID:32666395	研究论文	该研究使用基于深度学习的软件自动检测、定位和量化COVID-19肺炎的CT影像	使用uAI智能辅助分析系统自动检测和量化COVID-19肺炎，并在大规模患者队列中验证其有效性	回顾性研究设计，缺乏外部验证，未与手动评估进行直接比较	评估基于深度学习的软件在COVID-19肺炎CT影像自动检测、定位和量化中的效用	RT-PCR检测SARS-CoV-2阳性的患者	医学影像分析	COVID-19肺炎	CT影像	CNN	图像	2460名患者（1250名男性，1210名女性；平均年龄57.7±14.0岁，年龄范围11-93岁）	NA	NA	NA	NA
357	2026-10-01	The correlation of deep learning-based CAD-RADS evaluated by coronary computed tomography angiography with breast arterial calcification on mammography 2020-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-68378-4 PMID:32661231	研究论文	本研究评估了乳腺筛查钼靶上的乳腺动脉钙化（BAC）与基于深度学习（DL）的冠状动脉CT血管造影（CCTA）得出的冠状动脉疾病报告和数据系统（CAD-RADS）之间的关联。	利用基于深度学习的CCTA评估CAD-RADS，并探讨其与钼靶上BAC的相关性，为女性CAD风险评估提供新思路。	样本量较小（213例），单中心前瞻性研究，可能限制结果的普遍性。	评估BAC与基于DL的CCTA CAD-RADS评分之间的关联，探索BAC作为预测CAD严重程度的附加诊断工具的可能性。	40岁以上接受CCTA和乳腺癌筛查钼靶的无症状女性。	数字病理学, 医学影像分析	心血管疾病, 乳腺癌	深度学习, 冠状动脉CT血管造影（CCTA）, 乳腺钼靶	深度学习模型（具体架构未指定）	医学影像（CCTA和钼靶图像）	213名患者	NA	NA	P值, 比值比（OR）, 95%置信区间（CI）	NA
358	2026-10-01	Semi-Supervised Text Classification Framework: An Overview of Dengue Landscape Factors and Satellite Earth Observation 2020-06-23, International journal of environmental research and public health DOI:10.3390/ijerph17124509 PMID:32585932	研究论文	本文提出了一种半监督文本分类框架，该框架集成了文本评分、主动学习机制和双向长短期记忆网络（BiLSTM），用于高效准确地筛选相关文献，并将其应用于登革热景观因素与卫星地球观测数据的综述研究	将文本评分和基于BiLSTM的主动学习分别替代标题/摘要筛选和全文筛选，大幅减少了人工工作量，实现了高效准确的文献筛选	未明确提及	总结影响登革热传播的景观因素和卫星地球观测数据源，并公开相关信息以指导未来研究和改善健康决策	登革热景观因素与卫星地球观测数据相关的文献	自然语言处理	登革热	卫星地球观测（EO）、文本评分、主动学习、BiLSTM	BiLSTM	文本	从4个文献数据库中筛选出101篇相关文献	NA	双向长短期记忆网络（BiLSTM）	NA	NA
359	2026-10-01	A talker-independent deep learning algorithm to increase intelligibility for hearing-impaired listeners in reverberant competing talker conditions 2020-06, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0001441 PMID:32611178	研究论文	本文提出了一种与说话人无关的深度学习算法，用于在混响和竞争说话人的条件下提高听障听者的语音清晰度	该算法采用说话人无关的深度计算听觉场景分析框架，结合U-Net和时间卷积网络进行同时分组和顺序分组，在混响竞争说话人条件下对听障听者实现了显著的清晰度提升，且处理后的听障清晰度超过未处理的正常听力清晰度	当前的基于话语的模型未实现为实时系统	评估与说话人无关的深度学习语音分离和去混响算法在混响竞争说话人条件下对听障听者句子清晰度的提升效果	听障听者和正常听力听者	语音处理	听力障碍	深度学习语音分离	CNN	音频	NA	NA	U-Net, 时间卷积网络	语音清晰度提升百分点	NA
360	2026-10-01	Deep learning improves contrast in low-fluence photoacoustic imaging 2020-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.395683 PMID:32637260	研究论文	本文提出一种基于多级小波卷积神经网络的去噪方法，将低能量光声图像映射为对应的高能量图像，以提高图像质量	使用多级小波卷积神经网络对低能量光声图像进行去噪，显著提高PSNR、SSIM和CNR指标	未明确说明方法的泛化能力、计算成本以及在不同组织类型中的适用性	提高低能量光声成像的图像质量，促进其临床应用	低能量光声图像	计算机视觉, 医学图像处理	NA	光声成像	卷积神经网络	图像	NA	NA	多级小波卷积神经网络	PSNR, SSIM, CNR	NA