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
401	2026-09-29	A deep learning approach for classification of COVID and pneumonia using DenseNet-201 2022-Sep-29, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22812 PMID:36249091	研究论文	本文提出了一种基于 DenseNet-201 的深度学习模型，用于利用胸部 X 光图像检测 COVID 和肺炎，并构建了一个符合 HIPAA 的框架及图形用户界面工具	提出了一个符合 HIPAA 合规性的框架，集成了图形用户界面工具，方便技术人员上传胸部 X 光图像并辅助放射科医生进行疾病分类	摘要中未明确提及研究局限性	利用深度学习技术对胸部 X 光图像进行分类，以检测 COVID 和肺炎，并构建一个用户友好的医疗辅助框架	胸部 X 光图像	计算机视觉	COVID-19, 肺炎	深度学习, 迁移学习	CNN	图像	NA	NA	DenseNet-201	准确率, 灵敏度, 特异性	NA
402	2026-09-29	Super-Resolution Reconstruction of Cytoskeleton Image Based on A-Net Deep Learning Network 2022-Sep-13, Micromachines IF:3.0Q2 DOI:10.3390/mi13091515 PMID:36144138	研究论文	该研究开发了一种名为A-net的深度学习网络，结合基于退化模型的DWDC算法，显著提高了共聚焦显微镜捕获的细胞骨架图像的分辨率	提出了A-net深度学习网络，其特点是层数较少且所需数据集较小，结合DWDC算法构建新数据集，将原始图像中干扰细胞结构的噪声和絮状结构显著去除，空间分辨率提高了10倍	NA	实现纳米尺度下的活细胞成像，从低分辨率图像中精确提取生物分子、细胞和器官的结构细节	细胞骨架图像	计算机视觉	NA	共聚焦显微镜成像，超分辨率重建	CNN	图像	NA	NA	A-net	空间分辨率提升倍数	NA
403	2026-09-29	Land Use Land Cover Labeling of GLOBE Images Using a Deep Learning Fusion Model 2022-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s22186895 PMID:36146242	研究论文	本文提出了一种结合Unet和DeepLabV3的深度学习融合模型，用于对GLOBE土地覆盖图像进行自动标注	提出了一种集成Unet和DeepLabV3的融合模型，通过加权融合分割标签，并利用五个方向的图像标签融合为图像集分配唯一标签，实现了最小人工干预下的自动标注	未明确讨论模型在不同地理区域或季节的泛化能力，且依赖GLOBE数据集的特定采集方式	解决GLOBE土地覆盖图像因杂乱和像素不确定性导致的标注不准确问题，实现大规模RGB图像的自动土地覆盖分类标注	GLOBE土地覆盖图像数据集，包含全球公民科学家拍摄的六张图像每站点	计算机视觉	NA	深度学习图像分割与融合	Unet, DeepLabV3, 加权融合模型	图像	2916张GLOBE图像	NA	Unet, DeepLabV3	标注准确率	NA
404	2026-09-29	Segmentation-Based Classification Deep Learning Model Embedded with Explainable AI for COVID-19 Detection in Chest X-ray Scans 2022-Sep-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12092132 PMID:36140533	研究论文	该研究提出了基于分割的分类深度学习系统，用于胸部X光片中COVID-19的自动检测，并嵌入可解释AI	提出了16种基于分割的分类深度学习系统组合，并采用可解释AI框架（Grad-CAM）进行验证；最佳模型UNet+Xception在分割分类任务上优于现有方法，平均提升8.27%	未明确说明，但可能受限于数据集规模和多样性，以及临床验证的广泛性	实现COVID-19的自动、快速、精确检测，并使分割分类错误率低于5%以满足临床适应和监管要求	多类肺炎型胸部X光扫描图像	计算机视觉	COVID-19	胸部X光成像	CNN	图像	NA	NA	UNet, UNet+, VGG16, VGG19, Xception, InceptionV3, Densenet201, NASNetMobile, Resnet50, MobileNet	准确率, 精确率, 召回率, F1分数, AUC, Dice系数, Jaccard指数, ROC, 损失	NA
405	2026-09-29	Use of Deep Learning to Detect the Maternal Heart Rate and False Signals on Fetal Heart Rate Recordings 2022-Aug-27, Biosensors DOI:10.3390/bios12090691 PMID:36140076	研究论文	该研究开发了基于深度学习的模型，用于自动识别胎心率记录中的母体心率和伪信号，以辅助临床分析	开发了三种基于多层对称GRU的模型分别检测母体心率通道、多普勒胎心率传感器和头皮心电通道上的伪信号，其中多普勒模型最为实用，并将模型和数据集开源	模型性能仅达到专家水平（优于一位专家但劣于另一位），训练有素的专家在部分情况下可能表现更好，且头皮心电通道模型灵敏度较低（44.6%）	开发深度学习模型以自动检测胎心率记录中的母体心率和伪信号，用于预处理或临床警报系统	胎心率记录，包括母体心率通道、多普勒胎心率传感器和头皮心电通道信号	机器学习	NA	深度学习	GRU	时间序列信号	训练集包含来自635条记录的1030个专家标注时间段（平均36分钟），初始评估使用每种传感器类型30条完整标注记录，第二测试集使用45个同时记录多普勒胎心率和头皮心电信号的时段	MATLAB	多层对称GRU	灵敏度, 阳性预测值, 准确率	NA
406	2026-09-29	Design of a Miniaturized Wide-Angle Fisheye Lens Based on Deep Learning and Optimization Techniques 2022-Aug-27, Micromachines IF:3.0Q2 DOI:10.3390/mi13091409 PMID:36144031	研究论文	本文使用深度学习算法优化设计了一款微型五片式广角鱼眼镜头	利用深度学习算法辅助寻找透镜材料的最佳组合，并成功将透镜数量从六片减少到五片，同时采用塑料非球面透镜替代玻璃透镜	未提及	设计一种微型广角鱼眼镜头，并利用深度学习优化技术减少透镜数量并提升光学性能	微型广角鱼眼镜头光学系统	光学设计	NA	深度学习结合Zemax光学仿真优化	深度学习算法	光学仿真数据	NA	NA	NA	视场角、总长度、光斑尺寸、横向色差、场曲、F-θ畸变、MTF值	NA
407	2026-09-29	Preharvest Environmental and Management Drivers of Multidrug Resistance in Major Bacterial Zoonotic Pathogens in Pastured Poultry Flocks 2022-Aug-24, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms10091703 PMID:36144304	研究论文	该研究利用机器学习和深度学习方法，预测驱动散养家禽中重要人畜共患病原体多重耐药性的农场管理实践和粪便与土壤的理化性质。	在无抗生素使用的散养家禽生产系统中，结合传统机器学习和深度学习方法，识别驱动多重耐药性的关键农场管理实践和环境变量，揭示了无选择压力下的基线耐药水平。	摘要未明确提及研究局限性。	预测驱动散养家禽中人畜共患病原体多重耐药性的农场管理实践和粪便与土壤的理化性质。	从美国东南部42个散养家禽鸡群和11个农场采集的1635份收获前粪便和土壤样本。	机器学习	传染病	NA	随机森林, XGBoost, 多层感知机, 生成对抗网络, 自编码器	表格数据	1635份粪便和土壤样本	NA	随机森林, XGBoost, 多层感知机, 生成对抗网络, 自编码器	NA	NA
408	2026-09-29	Differentiation and classification of bacterial endotoxins based on surface enhanced Raman scattering and advanced machine learning 2022-Jun-23, Nanoscale IF:5.8Q1 DOI:10.1039/d2nr01277d PMID:35686584	研究论文	本文利用表面增强拉曼散射光谱结合机器学习和深度学习算法对十一种细菌内毒素进行区分和分类	使用银纳米棒阵列基底获取内毒素的SERS光谱，并首次应用改进的深度学习算法RamanNet实现100%分类准确率	摘要中未明确提及研究局限性	实现细菌内毒素的精确分类，以用于病原感染的快速医学诊断和治疗决策	十一种细菌内毒素	机器学习	细菌感染	表面增强拉曼散射	支持向量机, k-最近邻, 随机森林, RamanNet	光谱数据	每种内毒素的平均检测量为8.75 pg	NA	支持向量机, k-最近邻, 随机森林, RamanNet	准确率	NA
409	2026-09-29	Monte Carlo-based data generation for efficient deep learning reconstruction of macroscopic diffuse optical tomography and topography applications 2022-04, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.8.083016 PMID:35484688	研究论文	本文提出利用基于蒙特卡罗的光传播模拟平台生成大规模训练数据，以高效训练深度学习模型，用于宏观漫射光学断层成像和表面成像的图像重建	提出使用Monte Carlo eXtreme和Mesh-based Monte Carlo等蒙特卡罗平台生成大型代表性数据集来训练深度学习模型，解决了漫射光学成像领域缺乏公开数据集和仪器设计多样化带来的训练数据获取难题，并在荧光光学表面成像、荧光光学断层成像和单像素漫射光学断层成像三种不同应用中验证了该方法的有效性	摘要中未明确提及研究的具体局限性	解决深度学习模型在宏观漫射光学成像中因缺乏大规模公开数据集而难以训练的问题，通过蒙特卡罗模拟生成合成数据来支持深度学习图像重建模型的开发	荧光光学表面成像、荧光光学断层成像和单像素漫射光学断层成像应用中的传感器数据和图像重建	计算机视觉	NA	蒙特卡罗模拟、漫射光学断层成像、漫射光学表面成像	深度学习	图像	NA	NA	NA	NA	NA
410	2026-09-29	Dermoscopic image segmentation based on Pyramid Residual Attention Module 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0267380 PMID:36112649	研究论文	本文提出了一种堆叠卷积神经网络，结合新型高效的金字塔残差注意力模块，用于皮肤镜图像的自动分割	提出了一种新型高效的金字塔残差注意力模块，该模块结合了金字塔结构、残差学习和注意力机制，通过高效堆叠可增强对病变区域的分割能力，并采用编码器-解码器架构将分割过程分为三个层次（浅层处理空间信息，中层细化空间和语义信息，深层集中学习语义信息）	未明确提及	实现皮肤镜图像的精确自动分割，以辅助皮肤病变的计算机辅助诊断	皮肤镜图像（来自ISIC2017和ISIC2018数据集的皮肤病变图像）	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	ISIC2017和ISIC2018数据集（具体样本数量未提及）	NA	金字塔残差注意力网络（PRAN），基于堆叠卷积神经网络，包含金字塔结构、残差模块和注意力机制，采用编码器-解码器架构	NA	NA
411	2026-09-29	CT-based radiomics in predicting pathological response in non-small cell lung cancer patients receiving neoadjuvant immunotherapy 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.937277 PMID:36267975	研究论文	该研究基于CT影像组学、临床特征和深度学习特征，构建多种模型预测接受免疫治疗为基础的新辅助治疗的非小细胞肺癌患者的良好病理反应	联合治疗前后CT影像组学特征、深度学习特征与临床病理信息构建整体模型，并比较不同模型对良好病理反应的预测性能	样本量较小，仅纳入62例患者，且为单中心回顾性研究	评估基于CT的影像组学特征、临床特征、深度学习特征及其组合对非小细胞肺癌患者接受免疫新辅助治疗后良好病理反应的预测价值	接受免疫治疗为基础的新辅助治疗后进行手术的62例非小细胞肺癌患者	数字病理学, 机器学习	肺癌	CT影像组学, 深度学习	KNN, SVM, MLP	图像, 文本	62例非小细胞肺癌患者	NA	KNN, SVM, MLP	准确率	NA
412	2026-09-29	Deep Transfer Learning for COVID-19 Detection and Lesion Recognition Using Chest CT Images 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4509394 PMID:36285284	研究论文	本文提出了一种基于深度迁移学习的COVID-19检测和病灶识别方法，利用胸部CT图像实现快速自动诊断	提出了一种基于深度卷积神经网络（CNN）的新方法，使用2D全局最大池化层提高性能，并引入了热图方法突出COVID-19胸部CT图像上的病灶区域，同时开发了免费在线模拟软件	未明确提及	利用胸部CT扫描实现快速、准确的COVID-19自动诊断和病灶识别	胸部CT图像	计算机视觉	COVID-19	胸部CT	CNN, ViT	图像	NA	NA	CNN, Vision Transformer (ViT)	AUC, 敏感度, 特异度, 准确率, 错误发现率 (FDR)	NA
413	2026-09-29	Protein-protein interaction prediction with deep learning: A comprehensive review 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.08.070 PMID:36212542	综述	本文综述了近年来深度学习在蛋白质功能预测、蛋白质-蛋白质相互作用及其作用位点预测、蛋白质-配体结合预测以及蛋白质设计等生物信息学问题上的应用	全面综述了深度学习在蛋白质功能、蛋白质-蛋白质相互作用、蛋白质-配体结合和蛋白质设计等多个领域的最新应用进展	未涉及具体的实验验证或新方法开发，仅对现有文献进行归纳总结	回顾和总结深度学习在蛋白质-蛋白质相互作用预测及相关生物信息学问题中的最新应用	蛋白质、蛋白质-蛋白质相互作用、蛋白质-配体结合、蛋白质设计	生物信息学	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
414	2026-09-29	A survey on deep multimodal learning for computer vision: advances, trends, applications, and datasets 2022, The Visual computer DOI:10.1007/s00371-021-02166-7 PMID:34131356	综述	本文综述了用于计算机视觉的深度多模态学习的进展、趋势、应用和数据集	从六个视角（多模态数据表示、多模态融合、多任务学习、多模态对齐、多模态迁移学习和零样本学习）系统总结深度多模态学习，并汇总基准数据集	论文未进行实验验证，仅基于现有文献综述，可能缺乏对新方法的实证评估	提高计算机视觉领域对深度多模态学习关键概念和算法的理解	深度多模态学习的文献、应用和数据集	计算机视觉	NA	NA	NA	图像, 文本	NA	NA	NA	NA	NA
415	2026-09-29	Echocardiography-based AI detection of regional wall motion abnormalities and quantification of cardiac function in myocardial infarction 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.903660 PMID:36072864	研究论文	开发并验证一个全自动深度学习流程，用于在心肌梗死患者中从超声心动图中检测区域性室壁运动异常并量化心脏功能，比较床旁与标准设备图像的性能。	开发了一个适用于床旁和标准超声的全自动超声心动图流程，集成了视图选择、质量控制、分割、室壁运动异常检测和心脏功能量化功能。	摘要中未明确提及局限性。	比较新开发的深度学习框架在床旁和标准设备获取的超声心动图中自动检测区域性室壁运动异常的性能，并量化心脏功能。	疑似心肌梗死患者。	计算机视觉	心肌梗死	超声心动图	3D CNN	图像	训练和内部测试数据集：4,142次检查；外部测试数据集：2,811次检查	NA	3D 卷积神经网络	准确率, Dice系数, AUC, 平均偏差	NA
416	2026-09-29	Application of Deep Learning in College Physical Education Design under Flipped Classroom 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7368771 PMID:36156941	研究论文	本文探讨了深度学习与卷积神经网络在翻转课堂模式下高校体育教学设计中的应用，并评估其教学效果	将深度学习与卷积神经网络引入翻转课堂下的高校体操微课教学设计，构建并评估了基于深度学习的教学模式	未提及具体数据集来源、模型训练细节、计算资源及量化评估指标	研究基于翻转课堂的深度学习教学模式在高校体操微课教学中的应用与评估	高校体操微课教学中的学生与教师	机器学习	NA	深度学习、卷积神经网络	CNN	NA	NA	NA	卷积神经网络	学习兴趣比例、学习能力提升比例、学习效率提升比例、资源利用率	NA
417	2026-09-29	Deep semantic segmentation for the quantification of grape foliar diseases in the vineyard 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.978761 PMID:36161031	研究论文	该文章开发了一种基于深度学习的图像分析流程，用于计算葡萄叶部病害的感染严重度	提出了分层多尺度注意力语义分割（HMASS）模型用于病害感染分割，并结合彩色滤波、深度和位置信息进行有效区域掩膜，实现了高通量、客观的病害评估	未明确提及	提高病害评估的准确性、通量和客观性，用于杀菌剂试验评估、遗传作图和育种计划	葡萄叶部病害（霜霉病和白粉病）	计算机视觉	植物病害	深度学习语义分割、立体成像、RTK GPS	HMASS	图像	未明确提及	NA	HMASS	mIoU, r	NA
418	2026-09-29	Peel learning for pathway-related outcome prediction 2021-11-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btab402 PMID:34042937	研究论文	本文提出了一种新的神经网络方法——剥离学习（Peel Learning），该方法利用基因间的先验关系，通过逐层剥离和线性投影来简化网络结构，并采用改进的反向传播优化参数，用于通路相关的结果预测	提出了一种新的神经网络架构Peel Learning，该架构能够将基因间的先验通路关系整合到神经网络中，通过逐层剥离和线性投影降低变量间的依赖，从而在小样本高维数据上提高预测性能	未明确提及	解决传统回归模型在结果预测中的局限性以及深度学习在小样本高维基因表达数据中难以应用的问题	肺移植研究中的供体基因表达数据以及模拟数据	机器学习	肺移植	基因表达分析	神经网络	基因表达数据	一项小型肺移植研究	Python	Peel Learning	预测准确率	未明确提及
419	2026-09-29	A convolutional neural network for common coordinate registration of high-resolution histology images 2021-11-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btab447 PMID:34128955	研究论文	提出一种新型卷积神经网络架构，用于高分辨率组织学图像的共同坐标配准	结合局部分类CNN和全局分割CNN，实现端到端训练，能够处理高分辨率图像并保持全局感知，在多个数据集上优于竞争方法	未明确提及	解决大规模空间组学研究中的组织学图像配准问题，实现共同坐标配准	高分辨率组织学图像，包括一个参考组织学数据集和两个已发表的空间转录组学数据集	数字病理学	NA	空间转录组学	CNN	图像	NA	NA	CNN	NA	商用GPU
420	2026-09-29	Anatomy-guided multimodal registration by learning segmentation without ground truth: Application to intraprocedural CBCT/MR liver segmentation and registration 2021-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102041 PMID:33823397	研究论文	本文提出了一种解剖结构引导的多模态图像配准框架，通过学习源模态标注数据实现无目标模态标注的CBCT和MR肝脏分割，并将分割结果整合到基于鲁棒点匹配的多模态配准中	提出了解剖保持域适应分割网络（APA2Seg-Net），利用已有源模态标注数据集学习目标模态分割，无需目标模态的手动标注；将分割器集成到基于鲁棒点匹配机的解剖引导多模态配准框架中	摘要中未明确提及研究局限性	解决术中CBCT因HU单位信号校准不足、有限视野及运动/金属伪影导致图像质量不佳，使得传统基于强度的多模态配准方法无法生成正确变换的问题，实现术中CBCT与术前MR的肝脏分割与配准	接受经导管动脉化疗栓塞术（TACE）的肝癌患者的术中CBCT和术前MR图像	医学图像配准	肝癌	CBCT，MR，深度学习分割，域适应，鲁棒点匹配	CNN	图像	机构内部TACE患者数据（摘要中未给出具体数量）	NA	APA2Seg-Net	NA	NA