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
381	2026-09-29	Diagnostic Performance of Deep Learning in Screened Mammogram: Systematic Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230417085624 PMID:37070450	系统综述	本文系统综述了基于深度学习的AI模型在乳腺X线筛查中的诊断准确性	系统性地评估了AI深度学习模型在乳腺X线筛查中的诊断性能，并特别关注了AI对放射科医生（尤其是新手）准确性的辅助提升	关于AI深度学习在临床环境中乳腺癌筛查有效性的证据不足；纳入研究多为回顾性，缺乏随机对照试验和大规模队列研究	探究基于人工智能的深度学习模型在乳腺癌检测中的诊断准确性	乳腺X线筛查图像及相关研究	医学图像分析	乳腺癌	深度学习	深度学习模型	图像	14项研究	NA	NA	灵敏度, 特异度, AUC	NA
382	2026-09-29	Analysis of COVID-19 CT Chest Image Classification using Dl4jMlp Classifier and Multilayer Perceptron in WEKA Environment 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230417090246 PMID:37070451	研究论文	在WEKA环境中使用多层感知机和不同图像滤波器对COVID-19胸部CT图像进行分类分析，并与深度学习分类器Dl4jMlp进行比较	在WEKA环境中系统比较了多层感知机结合不同图像滤波器（边缘直方图滤波器、颜色直方图均衡滤波器、颜色布局滤波器和Garbo滤波器）对COVID-19胸部CT图像的分类效果，并与深度学习分类器Dl4jMlp进行了全面对比	仅使用单一数据集，样本量有限，未详细说明数据集的规模和来源	分析和比较不同分类方法在COVID-19胸部CT图像分类中的效率	COVID-19胸部CT图像	计算机视觉, 医学图像分析	COVID-19	CT成像	多层感知机, 深度学习分类器	图像	NA	WEKA	多层感知机, Dl4jMlp	正确分类实例百分比	NA
383	2026-09-29	Hounsfield Unit Variations-based Liver Lesions Detection and Classification using Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230428121748 PMID:37132318	研究论文	本文提出了一种基于深度学习技术和CT图像上Hounsfield Unit密度变化的方法，用于肝脏病变的自动检测与分类	利用有造影和无造影CT图像上Hounsfield Unit密度的变化来精确定位肝脏病变并支持数据标注，结合Faster R-CNN、R-FCN、SSD和Mask R-CNN四种深度神经网络与迁移学习方法构建多期分类模型	未明确提及研究的局限性	实现常见肝脏病变的自动检测与分类，辅助医生解决依赖临床经验进行肝脏病变诊断和治疗的问题	肝脏病变（常见肝脏病变的多期CT图像）	数字病理学	肝癌	CT成像	CNN	图像	NA	NA	Faster R-CNN, R-FCN, SSD, Mask R-CNN	准确率	NA
384	2026-09-29	Modified Exigent Features Block in JAN Net for Analysing SPECT Scan Images to Diagnose Early-Stage Parkinson's Disease 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230605092654 PMID:37282573	研究论文	本文提出了一种名为JAN Net的新型卷积神经网络，用于分析SPECT扫描图像以诊断早期帕金森病，通过改进的紧急特征块提取纹状体的边缘和空间特征，并在PPMI数据集上验证了其性能	提出了一种新的CNN架构JAN Net，包含改进的紧急特征块，该块包含卷积层和加性层，能够提取纹状体的低层和高层特征，并通过加性层融合不同尺寸卷积核的特征，提高隐藏层神经元的可学习性	未明确提及	利用SPECT扫描图像准确诊断早期帕金森病	帕金森病患者的SPECT扫描图像	医学图像分析	帕金森病	SPECT扫描	CNN	图像	来自PPMI数据库的SPECT图像，选择了91个切片中的16个	NA	JAN Net	准确率	NA
385	2026-09-29	A Review on Imaging Techniques and Artificial Intelligence Models for Osteoporosis Prediction 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230608091911 PMID:37287308	综述	本文综述了用于骨质疏松症预测的成像技术和人工智能模型，涵盖图像分割、分类和故障检测	提出了基于领域的深度学习模型用于图像分类，并指出了现有文献方法中的缺陷	未具体说明，仅指出识别了现有文献方法中的缺陷	综述用于预测骨质疏松症的图像处理技术和深度学习方法	骨质疏松症相关的医学图像（X射线、CT、MRI）	医学图像分析	骨质疏松症	X射线, CT, MRI	深度学习模型	图像	NA	NA	NA	NA	NA
386	2026-09-29	Gradient-based sparse principal component analysis with extensions to online learning 2023-Jun, Biometrika IF:2.4Q1 DOI:10.1093/biomet/asac041 PMID:37197740	研究论文	本文结合稀疏主成分分析问题的几何结构与凸优化进展，开发了基于梯度的稀疏主成分分析算法，并扩展到在线学习	将稀疏主成分分析的几何结构与凸优化进展结合，开发基于梯度的算法，具有与原始交替方向乘子法相同的全局收敛保证，且能利用深度学习中的梯度方法工具箱高效实现，并可结合随机梯度下降产生在线算法	未明确提及	开发基于梯度的稀疏主成分分析算法，并扩展到在线学习	高维数据，特别是RNA测序数据	机器学习	NA	稀疏主成分分析，梯度方法，随机梯度下降，凸优化	基于梯度的算法，在线学习算法	高维数据，RNA测序数据	NA	NA	NA	NA	NA
387	2026-09-29	Deep learning to estimate lung disease mortality from chest radiographs 2023-05-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37758-5 PMID:37193717	研究论文	该研究开发了一种名为CXR Lung-Risk的深度学习模型，通过胸部X光片预测肺部疾病死亡风险	首次利用深度学习从常规胸部X光片中预测肺部疾病死亡风险，并在多个独立队列中验证了其预测能力	未明确说明模型在不同种族、地区或医疗环境中的泛化能力，且未详细讨论模型的可解释性	开发并验证一种深度学习模型，从胸部X光片中预测肺部疾病死亡风险，以改善个性化预防和治疗策略	接受胸部X光检查的个体	医学影像分析	肺部疾病（包括哮喘、肺癌等）	深度学习	CNN	图像	训练集：40,643人的147,497张X光图像；测试集：三个独立队列共15,976人	NA	NA	风险比	NA
388	2026-09-29	Classifying Malignancy in Prostate Glandular Structures from Biopsy Scans with Deep Learning 2023-Apr-17, Cancers IF:4.5Q1 DOI:10.3390/cancers15082335 PMID:37190264	研究论文	本文开发了一种深度学习模型，用于从前列腺活检扫描中识别主要Gleason模式，并在独立数据集上进行验证	使用转移学习和微调方法比较多种深度神经网络架构，并针对小样本组织病理学判别进行优化	在区分GS3和GS4时，准确率仅为68%，AUC为0.71，性能相对较低	开发深度学习模型以识别前列腺腺体结构中的主要Gleason模式，并验证其性能	前列腺活检组织切片图像中的腺体结构	数字病理学	前列腺癌	组织病理学成像	深度学习神经网络	图像	14,509个图像块；基线测试52名患者，GS3与GS4区分40名患者	NA	NA	准确率, F-score, AUC	NA
389	2026-09-29	Medical image-based detection of COVID-19 using Deep Convolution Neural Networks 2023, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-021-00794-6 PMID:33935377	研究论文	本研究利用深度学习卷积神经网络从胸部X光图像中检测COVID-19，并区分正常和病毒性肺炎病例	采用迁移学习评估三种预训练CNN模型（EfficientNetB0、VGG16、InceptionV3），选择这些模型是因为它们在准确性和效率之间取得平衡，参数较少，适合移动应用	摘要中未明确提及	开发一种实用的解决方案，从胸部X光图像中自动检测COVID-19，并区分正常和病毒性肺炎病例	胸部X光图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	TensorFlow, Keras	EfficientNetB0, VGG16, InceptionV3	准确率, 召回率, 特异性, 精确率, F1分数	NA
390	2026-09-29	Deep learning model for predicting tunnel damages and track serviceability under seismic environment 2023, Modeling earth systems and environment IF:2.7Q3 DOI:10.1007/s40808-022-01556-7 PMID:36281341	研究论文	本文提出了一种基于深度学习的数学公式化地震隧道损伤预测（STDP）模型，用于预测地震环境下的隧道损伤和轨道可服务性	提出了基于深度学习的STDP模型，并开发了STD多图工具，提供损伤指数、损伤模式和裂缝预测规范，同时提出了隧道工程抗震设计指南	摘要中未明确提及研究局限性	预测地震环境下的隧道损伤和轨道可服务性	隧道损伤数据，包括1999年集集地震、2004年中越地震和2008年汶川地震的历史地震数据	机器学习	NA	深度学习	前馈神经网络（FNN）	数值数据	来自1999年集集地震、2004年中越地震和2008年汶川地震的历史地震隧道损伤数据	NA	前馈神经网络	适应度指标，包括损伤指数、损伤模式和裂缝预测规范	NA
391	2026-09-29	FReSCO: Flow Reconstruction and Segmentation for low-latency Cardiac Output monitoring using deep artifact suppression and segmentation 2022-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29374 PMID:35781891	研究论文	本文提出了一种名为FReSCO的深度学习框架，用于低延迟心脏输出监测中的血流重建和分割，通过深度伪影抑制和分割U-Net实现实时相位对比MRI的快速重建和分割	首次将深度伪影抑制和分割U-Net独立训练并组合应用于实时螺旋相位对比MRI的低延迟重建和分割，实现了在扫描仪上实时监测心脏输出	研究仅在10名健康受试者中进行了验证，样本量较小，且未在患者群体中测试；平均延迟为622毫秒，可能仍有优化空间	实现实时心脏输出监测中的低延迟重建和分割，以评估运动等应激条件下的血流动力学反应	10名健康受试者在休息、运动和恢复期间的实时螺旋相位对比MRI数据	医学图像处理	心血管疾病	实时相位对比MRI、螺旋采样、压缩感知	CNN	图像	516个屏气螺旋相位对比MRI数据用于训练伪影抑制U-Net，其中96个用于训练分割U-Net；10名健康受试者的前瞻性实时数据	NA	U-Net	偏差、p值、平均延迟	NA
392	2026-09-29	Deep learning in single-molecule imaging and analysis: recent advances and prospects 2022-Oct-26, Chemical science IF:7.6Q1 DOI:10.1039/d2sc02443h PMID:36349113	综述	本文综述了深度学习在单分子成像与分析中的最新进展与未来展望	系统性地总结了深度学习如何应对单分子研究中的三大挑战：高效测量、弱信号分析和完整动态信息提取，并指出了现有应用的不足和未来发展方向	作为综述文章，未提供新的实验数据或模型验证	探讨深度学习在单分子成像和分析中的应用，以推动单分子实验自动化和数据处理	单分子成像与分析技术	计算机视觉	NA	单分子显微镜	深度学习网络	图像	NA	NA	NA	NA	NA
393	2026-09-29	Synthesizing realistic high-resolution retina image by style-based generative adversarial network and its utilization 2022-10-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20698-3 PMID:36243746	研究论文	本文利用基于风格的生成对抗网络合成逼真的高分辨率视网膜图像，并评估其在增强类别不平衡数据集中的效用	使用基于风格的生成对抗网络合成逼真的高分辨率视网膜图像，并通过图像图灵测试、专家定性分析及血管定量分析验证合成图像与真实图像的不可区分性	未明确讨论计算资源需求或潜在伦理问题	合成与真实图像无法区分的视网膜图像，并评估合成图像在增强类别不平衡数据集中的效果	视网膜图像	计算机视觉	视网膜疾病	生成对抗网络	生成对抗网络	图像	NA	NA	基于风格的生成对抗网络	准确率, 灵敏度, 特异性, 信噪比	NA
394	2026-09-29	Label Noise Learning Method for Metallographic Image Recognition of Heat-Resistant Steel for Use in Pressure Equipment 2022-Oct-10, Materials (Basel, Switzerland) DOI:10.3390/ma15197037 PMID:36234378	研究论文	本文提出了一种基于深度学习的标签噪声学习方法，用于耐热钢金相图像中球状珠光体球化程度的识别	提出了一种结合过滤预处理和重训练过程的标签噪声学习方法，能够有效处理金相图像中的错误标签问题，提高深度学习模型的识别准确率	数据集规模较小，仅包含422张图像，未在大规模数据集上验证方法的泛化能力	解决金相图像中标签噪声对深度学习模型识别球状珠光体球化程度的影响	压力设备用耐热钢的金相图像	计算机视觉	NA	金相检验	CNN	图像	422张金相图像	NA	ResNet18	准确率	NA
395	2026-09-29	Improving protein succinylation sites prediction using embeddings from protein language model 2022-10-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-21366-2 PMID:36209286	研究论文	该文章提出了一种结合监督词嵌入和蛋白质语言模型ProtT5嵌入的深度学习方法，用于预测蛋白质琥珀酰化位点	首次尝试利用预训练蛋白质语言模型ProtT5的嵌入来预测蛋白质琥珀酰化位点，并提出了LMSuccSite模型	未提及	提高蛋白质琥珀酰化位点预测的准确性	蛋白质琥珀酰化位点	机器学习	NA	蛋白质语言模型	深度学习	序列	NA	NA	NA	MCC, 灵敏度, 特异性	NA
396	2026-09-29	Dynamic prediction of work status for workers with occupational injuries: assessing the value of longitudinal observations 2022-10-07, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac130 PMID:36036358	研究论文	本文研究了利用受伤后纵向观测数据动态预测职业伤害工人工作状态的性能优势，并与仅使用受伤时信息的基线模型进行了比较	提出使用受伤后恢复期间收集的纵向诊断和治疗观测数据进行动态预测，而非仅依赖受伤时的基线信息，显著提升了预测性能	摘要中未明确提及研究局限性	研究动态估计工伤工人重返工作状态的性能优势，利用受伤后收集的纵向观测数据	职业伤害工人的工伤索赔数据及工作状态	机器学习	职业伤害	NA	深度学习	纵向观测数据	294103例职业伤害索赔数据，按1/3、1/3、1/3均匀分为训练集、开发集和测试集	NA	NA	AUROC, ECE	NA
397	2026-09-29	Ultrathin crystalline-silicon-based strain gauges with deep learning algorithms for silent speech interfaces 2022-10-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33457-9 PMID:36192403	研究论文	本文提出了一种基于超薄晶体硅应变传感器的无声语音接口，结合3D卷积深度学习算法，实现了高准确率的无声语音分类	首次利用晶体硅应变传感器构建无声语音接口，并采用3D卷积深度学习算法进行信号分类，相较于传统sEMG方法显著提高了准确率	未明确提及研究的局限性	开发一种高可靠性和高准确率的无声语音接口，以克服现有sEMG方法的低可扩展性问题	无声语音接口，具体为受试者嘴部周围的应变信号	机器学习	NA	晶体硅应变传感器	3D卷积神经网络	应变信号数据	100个单词的应变数据集，来自受试者	NA	3D CNN	准确率	NA
398	2026-09-29	An efficient deep neural network framework for COVID-19 lung infection segmentation 2022-Oct, Information sciences DOI:10.1016/j.ins.2022.08.059 PMID:36068814	研究论文	本文提出了一种基于ResNet架构的高效深度神经网络框架，用于从CT图像中自动分割COVID-19肺部感染区域	提出了一种结合VQ-VAE分支的ResNet架构，用于正则化共享解码器并利用潜在映射改善特征表示；提出了一种新的比例损失函数以缓解类别不平衡并增强模型泛化能力；引入了一种基于对抗学习的半监督机制，利用未标记图像的信任区域信息进一步正则化网络	未明确讨论模型在更广泛数据集上的泛化能力，未详细说明计算资源需求，可能受限于标注数据的质量和数量	开发一种高效的深度神经网络框架，自动从CT图像中分割COVID-19肺部感染区域，以减轻医生工作量并扩展传统诊断方法	COVID-19患者的CT图像	计算机视觉	COVID-19	CT成像	CNN	图像	COVID-SemiSeg数据集	NA	ResNet, VQ-VAE	NA	NA
399	2026-09-29	Embeddings from protein language models predict conservation and variant effects 2022-Oct, Human genetics IF:3.8Q2 DOI:10.1007/s00439-021-02411-y PMID:34967936	研究论文	使用蛋白质语言模型的嵌入来预测氨基酸变异对蛋白质功能的影响，无需多序列比对	首次使用蛋白质语言模型的嵌入直接预测保守性和变异效应，无需多序列比对，并开发了VESPA方法	没有方法在所有情况下都优于其他方法，包括本方法	预测单氨基酸变异对蛋白质功能的影响	蛋白质序列和单氨基酸变异	机器学习	NA	蛋白质语言模型	蛋白质语言模型	序列	39个深度突变扫描实验，约20k个人类蛋白质	NA	ProtT5	MCC, Spearman correlation, Pearson correlation	一个Nvidia Quadro RTX 8000 GPU
400	2026-09-29	Detecting Pest-Infested Forest Damage through Multispectral Satellite Imagery and Improved UNet+ 2022-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s22197440 PMID:36236538	研究论文	该研究结合多光谱影像、植被指数和RGB信息，提出基于UNet++和注意力机制的新方法，用于检测树皮甲虫和杨叶潜叶蛾引起的森林虫害损害区域	首次将多光谱影像和植被指数与RGB信息结合用于深度学习森林虫害检测，并提出基于UNet++结合注意力机制的新分割方法，采用ResNeSt101作为特征提取主干，在解码阶段引入scSE模块	未明确提及研究局限性	进一步提高森林虫害侵害区域的分割精度，通过结合多光谱、植被指数和RGB信息进行深度学习	加拿大不列颠哥伦比亚省受树皮甲虫和杨叶潜叶蛾侵害的森林区域，基于Sentinel-2影像	计算机视觉	NA	多光谱卫星影像（Sentinel-2）、植被指数计算	深度学习	图像	基于2020年不列颠哥伦比亚省林业部航空概览调查收集的森林健康损害数据构建的数据集，包含11个原始Sentinel-2波段和13个植被指数	NA	UNet++, ResNeSt101, scSE注意力模块	总体精度	NA