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
601	2026-09-28	A fact based analysis of decision trees for improving reliability in cloud computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311089 PMID:39625991	研究论文	本文通过对比多种机器学习算法在云计算故障预测中的准确性与可靠性，并提出改进的决策树（J48）算法以提高准确率并减少故障预测误差	对AdaBoostM1、Bagging、决策树（J48）、深度学习（Dl4jMLP）和朴素贝叶斯树（NB Tree）五种算法在云计算故障预测中的准确性和故障预测能力进行了对比分析，并基于结果对决策树（J48）算法进行了改进，使其达到最高准确率和较少故障预测误差	算法复杂度未充分优化，NB Tree算法复杂度较差，耗时1.01秒，而J48虽然复杂度较好（0.11秒），但仍有改进空间	比较不同机器学习算法在云计算环境中的准确性和故障预测能力，以提高云计算的可靠性	云计算环境中的故障预测和可靠性分析	机器学习	NA	NA	决策树, AdaBoostM1, Bagging, 深度学习, 朴素贝叶斯树	NA	NA	NA	决策树（J48）, AdaBoostM1, Bagging, Dl4jMLP, NB Tree	准确率	NA
602	2026-09-28	Diffusion models for medical image reconstruction 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae013 PMID:42064401	综述	本文综述了基于无监督扩散模型的医学图像重建方法，介绍了其原理、应用、优势与挑战	系统总结了无监督扩散模型在医学图像重建中的应用，并提出了使用该方法的指导方针	扩散模型存在幻觉问题，可能影响临床应用的可靠性	探讨扩散模型在医学图像重建中的潜力、方法及挑战	医学图像重建算法，包括MRI、CT、PET等模态	计算机视觉	NA	扩散模型	扩散模型	图像	NA	NA	NA	NA	NA
603	2026-09-28	DeepRCI: predicting RNA-chromatin interactions via deep learning with multi-omics data 2023-Sep, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0316 PMID:41675247	研究论文	该文提出了一种名为DeepRCI的可解释计算框架，用于利用多组学数据通过深度学习预测RNA与染色质的相互作用	DeepRCI是一个高度可解释的计算框架，能够识别多种类型RNA与染色质之间的相互作用，并可用于表征RNA-染色质相互作用及研究潜在的基因调控密码	NA	预测RNA与染色质之间的相互作用，并研究潜在的基因调控密码	多种类型的RNA和染色质	机器学习	NA	多组学数据整合	深度学习	多组学数据	NA	NA	NA	NA	NA
604	2026-09-28	Feasibility of Bone Mineral Density and Bone Microarchitecture Assessment Using Deep Learning With a Convolutional Neural Network 2023 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001437 PMID:37185012	研究论文	该文章评估了使用卷积神经网络深度学习从常规CT图像中预测骨密度和骨微结构的可行性	使用ResNet50卷积神经网络深度学习从多厂商扫描仪获取的常规CT图像中预测骨密度和骨小梁评分，作为检测潜在骨质疏松或骨微结构损伤的筛查工具	未明确说明局限性，但样本量相对较小且仅针对特定椎体区域	评估使用卷积神经网络深度学习从常规CT图像中预测骨密度和骨微结构的可行性	接受非对比CT检查包括L1-L4椎体和双能X线吸收测定法检查的患者	医学影像分析	骨质疏松	深度学习结合卷积神经网络	CNN	医学图像	402名患者，其中训练集280名患者3360张矢状椎体图像，验证集70名患者280张矢状椎体图像，测试集52名患者208张矢状椎体图像	NA	ResNet50	Pearson相关系数, 灵敏度, 特异度, 接收者操作特征曲线分析	NA
605	2026-09-28	Photon-counting Detector CT with Deep Learning Noise Reduction to Detect Multiple Myeloma 2023-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.220311 PMID:36066364	研究论文	本研究比较了光子计数探测器CT与深度学习去噪和传统能量积分探测器CT在多发性骨髓瘤检测中的诊断效果	使用光子计数探测器CT结合深度学习去噪技术，在低辐射剂量下提高空间分辨率，改善多发性骨髓瘤病变的可见性	样本量较小（27名参与者），缺乏组织病理学验证，仅评估图像质量而未评估诊断准确性	证明在全身低剂量CT扫描中，使用光子计数探测器CT与深度学习去噪相比传统能量积分探测器CT能提高多发性骨髓瘤检测的诊断效果	接受全身CT扫描的成年参与者	医学影像	多发性骨髓瘤	光子计数探测器CT，深度学习去噪	卷积神经网络	医学图像	27名参与者，2个体模	NA	卷积神经网络	图像质量评分，病变检测可见性	NA
606	2026-09-28	RESCOVIDTCNnet: A residual neural network-based framework for COVID-19 detection using TCN and EWT with chest X-ray images 2022-Oct-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.117410 PMID:35502163	研究论文	本文提出了一种基于残差神经网络、时序卷积网络和经验小波变换的深度学习框架，用于利用胸部X射线图像检测COVID-19	提出了RESCOVIDTCNNet模型，将经验小波变换、Resnet-50和时序卷积网络相结合，用于COVID-19的检测	未明确提及	利用胸部X射线图像，对COVID-19患者、健康对照和肺炎进行分类	COVID-19患者、健康对照和肺炎患者的胸部X射线图像	计算机视觉	COVID-19、肺炎、肺癌	经验小波变换	CNN	图像	未明确提及	NA	ResNet, TCN, Inception-V3, Resnet-50	准确率	NA
607	2026-09-28	Ensemble of Deep Neural Networks based on Condorcet's Jury Theorem for screening Covid-19 and Pneumonia from radiograph images 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105979 PMID:36063689	研究论文	本文提出基于孔多塞陪审团定理的深度神经网络集成方法，用于从X光图像中筛查COVID-19和肺炎	提出基于孔多塞陪审团定理的投票集成方法确定分类器集成得分，并证明该定理在神经网络集成中成立；同时提出域扩展迁移学习集成模型作为软投票集成方法进行对比；使用无重复图像的新数据集以避免数据泄露问题	未明确说明研究的具体局限性	利用深度神经网络集成方法从X光图像中筛查COVID-19和肺炎，并比较不同集成策略的性能	COVID-19和肺炎患者的X光图像	计算机视觉, 医学图像分析	COVID-19, 肺炎	X光成像, 迁移学习	CNN	图像	NA	NA	深度卷积神经网络	准确率, 灵敏度, 特异性	NA
608	2026-09-28	A Machine-Learning Based Approach for Predicting Older Adults' Adherence to Technology-Based Cognitive Training 2022-Sep, Information processing & management IF:7.4Q1 DOI:10.1016/j.ipm.2022.103034 PMID:35909793	研究论文	本研究利用机器学习模型预测老年人在计算机化认知训练中的依从性，并识别预测依从性的关键因素	使用机器学习预测不同层次的依从性，并利用上一周的训练交互数据通过深度学习预测下一周依从性	基于现有干预数据的事后分析，未进行前瞻性验证	开发基于技术的即时依从性支持系统，通过理解预测依从性的因素来促进干预成功	参与计算机化认知训练干预的老年人	机器学习	老年疾病	NA	逻辑回归, 循环神经网络	表格数据, 时间序列数据	NA	NA	逻辑回归, 循环神经网络	AUROC	NA
609	2026-09-28	Artificial olfactory sensor technology that mimics the olfactory mechanism: a comprehensive review 2022-Aug-19, Biomaterials research IF:8.1Q1 DOI:10.1186/s40824-022-00287-1 PMID:35986395	综述	本文综述了基于嗅觉机制的人工嗅觉传感器技术，介绍了其机制及在食品质量与稳定性评估、环境监测和诊断中的应用示例。	系统总结了模仿嗅觉机制的人工嗅觉传感器技术，涵盖多种传感器类型（如金属氧化物、电化学传感器、表面声波、石英晶体微天平、有机染料、比色传感器、导电聚合物和质谱仪），并强调了深度学习和人工神经网络在模式识别中的应用。	当前人工嗅觉传感器技术存在一些局限性，由于可靠性和标准化问题，商业化程度有限。	综述人工嗅觉传感器技术，基于嗅觉机制，介绍其机制和应用示例，并探讨未来发展方向。	人工嗅觉传感器（如电子鼻）及其在食品质量与稳定性评估、环境监测和诊断中的应用。	机器学习	NA	人工嗅觉传感器技术、深度学习、人工神经网络	人工神经网络	传感器阵列模式数据	NA	NA	NA	NA	NA
610	2026-09-28	Automatic detection of microaneurysms in optical coherence tomography images of retina using convolutional neural networks and transfer learning 2022-08-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-18206-8 PMID:35978087	研究论文	该论文利用卷积神经网络和迁移学习，自动检测视网膜光学相干断层扫描（OCT）图像中的微动脉瘤（MAs）	首次在OCT图像中检测微动脉瘤，通过将OCT B扫描分割成条带并构建数据集，使用堆叠泛化集成四个微调预训练卷积神经网络进行分类	需要荧光血管造影（FA）图像来创建标注数据集，且该方法依赖于精确配准	自动检测OCT图像中的微动脉瘤，以早期诊断糖尿病视网膜病变	视网膜OCT图像条带	数字病理学	糖尿病视网膜病变	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	未明确说明	NA	预训练CNN（具体架构未指定）	准确率	NA
611	2026-09-28	Fourier Imager Network (FIN): A deep neural network for hologram reconstruction with superior external generalization 2022-Aug-16, Light, science & applications DOI:10.1038/s41377-022-00949-8 PMID:35970839	研究论文	介绍了一种名为Fourier Imager Network (FIN)的深度学习框架，能够从新型样本的全息图进行端到端相位恢复和图像重建，具有优越的外部泛化能力	基于空间傅里叶变换模块的架构，使用可学习滤波器和全局感受野处理空间频率，相比现有卷积神经网络在全息图重建中具有更好的泛化能力和更快的推理速度	未明确说明	解决深度学习图像重建方法在新型样本泛化方面的挑战，实现从全息图进行端到端相位恢复和图像重建	全息图、相位恢复、图像重建	计算机视觉	肺癌	全息显微镜、定量相位成像	CNN	图像	使用人类肺组织样本训练，在人类前列腺、唾液腺组织和Pap涂片样本上盲测	NA	Fourier Imager Network (FIN)、卷积神经网络	泛化能力、推理速度	NA
612	2026-09-28	Comparison of multi-class and fusion of multiple single-class SegNet model for mapping karst wetland vegetation using UAV images 2022-08-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17620-2 PMID:35918459	研究论文	本文提出了一种融合多个单类SegNet模型的最大概率算法，并开发了优化的后分类算法，用于利用无人机图像对喀斯特湿地植被进行分类。	提出了一种新的融合多个单类SegNet模型的最大概率算法，并开发了一种优化的后分类算法以消除拼接痕迹。	摘要中未提及。	对喀斯特湿地植被进行分类，并评估多类SegNet模型与融合多个单类SegNet模型在不同EPOCH值下的分类效果，同时与基于对象的随机森林分类器进行比较。	会仙国家湿地公园的喀斯特湿地植被。	计算机视觉	NA	无人机图像	SegNet、随机森林	图像	NA	NA	SegNet、随机森林	总体精度、F1分数	NA
613	2026-09-28	Infodemic and fake news - A comprehensive overview of its global magnitude during the COVID-19 pandemic in 2021: A scoping review 2022-Aug, International journal of disaster risk reduction : IJDRR IF:4.2Q1 DOI:10.1016/j.ijdrr.2022.103144 PMID:35791376	综述	本文通过范围综述综合了2021年COVID-19大流行期间虚假新闻现象的全球规模、动机、社会人口特征、AI检测工具和热门话题	综合了2021年COVID-19大流行期间虚假新闻的全球规模，重点关注动机、社会人口特征、AI工具和热门话题	仅涵盖2021年1月至11月五个学术数据库的文章，可能遗漏其他来源或语言的研究	了解2021年COVID-19大流行后虚假新闻现象的规模、动机、社会人口特征、AI检测工具和热门话题	一般人群、社交媒体用户和AI检测工具	机器学习	COVID-19	NA	CNN, LSTM, GAN	文本	97篇论文	NA	NA	NA	NA
614	2026-09-28	Pointwise Visual Field Estimation From Optical Coherence Tomography in Glaucoma Using Deep Learning 2022-08-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.8.22 PMID:35998059	研究论文	该研究训练并验证了一个基于Xception主干的深度学习回归模型，用于从非分割的OCT扫描中估计青光眼患者的逐点及整体视野敏感度	使用Xception主干构建定制化深度学习回归模型，从非分割的OCT扫描中同时估计平均偏差和52个视野阈值，并比较了四种成像模态及加权集成策略	样本量相对有限（186张测试图像），未提及外部验证数据集，可能影响模型的泛化性	利用深度学习从OCT图像中估计青光眼的视野敏感度，以辅助或替代标准自动视野计检查	接受完整青光眼检查（包括可靠的HFA 24-2 SITA Standard视野检查和SPECTRALIS OCT）的患者	医学图像分析	青光眼	光学相干断层扫描（OCT）和扫描激光检眼镜（SLO）	深度学习回归模型	图像	186张测试图像（来自接受青光眼检查的患者）	NA	Xception	平均绝对误差（MAE）、决定系数（R2）	NA
615	2026-09-28	Deep Unsupervised Domain Adaptation with Time Series Sensor Data: A Survey 2022-Jul-23, Sensors (Basel, Switzerland) DOI:10.3390/s22155507 PMID:35898010	综述	本文系统综述了基于时间序列传感器数据的深度无监督域适应方法，包括背景、传感器类型、域差距、常用数据集、方法分类与比较以及未来挑战	系统梳理了时间序列传感器数据无监督域适应的研究现状，按照适应方式和源/目标域数量对方法进行分类比较，并总结了常用数据集和未来挑战	作为综述文章，未提出新的算法或模型，主要基于现有文献进行归纳总结	综述时间序列传感器数据深度无监督域适应的研究进展，为读者提供该领域的系统理解	时间序列传感器数据及无监督域适应方法	机器学习	NA	时间序列传感器数据采集	深度学习模型	时间序列	NA	NA	NA	NA	NA
616	2026-09-28	Multi-head attention-based U-Nets for predicting protein domain boundaries using 1D sequence features and 2D distance maps 2022-Jul-19, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04829-1 PMID:35854211	研究论文	该论文开发了一种基于多头U-Nets的深度学习方法DistDom，利用1D序列特征和2D距离图预测蛋白质结构域边界	首次将2D距离图与多头注意力机制结合用于结构域边界预测，并采用1D和2D U-Nets分别处理序列和结构特征	未明确提及	提高蛋白质结构域边界预测的准确性，并用于单域和多域蛋白质的分类	蛋白质序列及其结构域边界	机器学习	NA	深度学习	U-Net	1D序列特征和2D距离图	CASP14单域和多域蛋白质靶标	NA	U-Net, 多头注意力	准确率, F1分数	NA
617	2026-09-28	Identify Bitter Peptides by Using Deep Representation Learning Features 2022-Jul-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147877 PMID:35887225	研究论文	该研究开发了一种基于深度学习预训练神经网络特征提取的机器学习预测方法 iBitter-DRLF，用于识别苦味肽	使用深度表示学习特征（包括 SSA、UniRep 和 BiLSTM）结合 LGBM 进行苦味肽预测，显著提高了识别能力	未明确提及限制	开发一种基于肽序列数据准确预测苦味肽的机器学习方法，以改善肽疗法和膳食补充剂的口感	苦味肽	机器学习	NA	NA	LGBM	序列数据	NA	NA	UniRep, BiLSTM	NA	NA
618	2026-09-28	Identifying multicellular spatiotemporal organization of cells with SpaceFlow 2022-07-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31739-w PMID:35835774	研究论文	本文介绍了SpaceFlow，一种通过空间正则化深度图网络生成空间一致低维嵌入的方法，用于分析空间转录组数据，并引入伪时空图来揭示细胞的时空模式。	同时整合细胞转录组相似性和空间位置信息，利用空间正则化深度图网络生成低维嵌入，并引入伪时空图将伪时间概念与空间位置结合，揭示细胞的时空模式。	未明确提及	解决空间转录组数据分析中同时整合细胞转录组相似性和空间位置的挑战，并识别生物学上有意义的时空模式。	空间转录组数据集，包括心脏发育数据和人乳腺癌数据，涉及spot和单细胞分辨率。	空间转录组学	乳腺癌	空间转录组学	深度图网络	空间转录组数据	多个空间转录组数据集，包括心脏发育数据和人乳腺癌数据	NA	空间正则化深度图网络	NA	NA
619	2026-09-28	Modeling Subjective Affect Annotations with Multi-Task Learning 2022-Jul-13, Sensors (Basel, Switzerland) DOI:10.3390/s22145245 PMID:35890925	研究论文	本文研究了多任务学习在主观情感标注建模中的应用，比较了单任务架构与多任务架构，并指出聚合标注的局限性	提出使用多任务学习架构同时建模每个单独标注者的标注和聚合标注，而非直接训练在聚合标注上，从而保留主观信息并避免标注偏差	摘要中未明确提及研究局限性	探讨如何更准确地建模主观情感标注，避免因聚合标注而导致的主观信息丢失和标注偏差	情感标注数据，包括COGNIMUSE、IEMOCAP和SemEval_2007基准数据集中的主观情感标注	机器学习	NA	NA	深度学习	文本，视频	NA	NA	NA	NA	NA
620	2026-09-28	Defending against Reconstruction Attacks through Differentially Private Federated Learning for Classification of Heterogeneous Chest X-ray Data 2022-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s22145195 PMID:35890875	研究论文	本文评估了差分隐私联邦学习在胸部X光分类中防御数据隐私攻击的可行性，并比较了DenseNet121和ResNet50两种架构的影响	首次直接比较差分隐私训练对DenseNet121和ResNet50两种神经网络架构的影响，并模拟了异构且不平衡的联邦学习环境	模型性能在个体客户端上相比非隐私基线略有下降；仅评估了两种架构；隐私预算范围有限	评估差分隐私联邦学习作为胸部X光分类中防御数据隐私攻击的可行性	胸部X光图像分类模型及联邦学习环境	医学图像分析	胸部疾病	差分隐私联邦学习、Rényi差分隐私、高斯噪声机制	CNN	图像	来自CheXpert和Mendeley胸部X光数据集的图像，分布在36个客户端上	NA	DenseNet121, ResNet50	AUC	NA