李心怡 贾婉楠 吴健复旦大学上海医学院，上海000；复旦大学基础医学院，上海000；复旦大学附属中山医院消化科，上海000

0 引言

20世纪50年代，计算机刚刚出现，就有人提出“人工智能”的概念。机器学习是实现人工智能的一种方法，是计算机通过各种算法对数据进行分析，不断训练用以预测或决策现实生活的问题。而深度学习（deep learning）是机器学习的一种技术，能整合庞大的数据集，学习由输入值到输出值之间复杂的函数关系。各种神经网络组成深度学习模型，在生物研究和生物医学中有诸多应用，例如预测遗传变异在具体发病机制中的细胞学过程，筛选调节治疗相关蛋白质活性的小分子以及医学影像的判读。深度学习广阔的应用前景也给研究者们带来了巨大挑战，在技术层面上，深度学习模型的性能需要不断提高；在应用层面上，深度学习需要获得医生、监管部门和其他相关机构的信任，才能成为辅助决策的良好助手。本文对深度学习的基本神经网络、在生物医学和研究中的应用、其面临的挑战及应用前景进行综述。

1 深度学习的神经网络

深度学习的名称来源于深度神经网络（deep neural networks,DNN），框架基础为人工神经网络（artificial neural networks,ANN）。本文首先介绍几种基本的神经网络，以期有助于加深对深度学习的理解。

1.1 ANN

20世纪60年代，科学家发现猫在视物时，视皮层的不同神经元能被激活，证明眼睛与视皮层的神经元之间联系密切，可逐级处理视觉信息[1-2]。此后，通过抽象和模拟人脑神经元，建立了多层复杂模型，以层为单位将提取到的颜色、形状、轮廓等各种特征进行整合处理，这一数据运算模型被称为ANN。……