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
1	2025-11-17	Predict In-Hospital Code Blue Events using Monitor Alarms through Deep Learning Approach 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8513269 PMID:30441177	研究论文	本研究使用LSTM深度学习模型分析ICU监护仪报警序列，预测院内蓝色代码事件	首次将LSTM序列深度学习模型应用于连续监护仪报警序列分析，捕捉蓝色代码事件前的时间依赖特征	初步研究，样本量有限，需要进一步验证	通过深度学习减少ICU监护仪误报警，提高蓝色代码事件预测准确性	重症监护室监护仪报警数据序列	医疗健康监测	重症监护	深度学习序列分析	LSTM	时间序列报警数据	NA	NA	LSTM	AUC, 敏感度, 特异度	NA
2	2025-10-05	ADVERSARIAL SYNTHESIS LEARNING ENABLES SEGMENTATION WITHOUT TARGET MODALITY GROUND TRUTH 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi.2018.8363790 PMID:41018946	研究论文	提出一种无需目标模态标注数据的端到端对抗合成学习框架，实现跨模态图像分割	首次将图像合成与分割任务整合到端到端网络中，利用合成与分割间的互补信息	仅验证了MRI到CT的跨模态分割，未在其他模态组合上测试	解决深度学习分割模型在不同成像模态间泛化能力不足的问题	脾肿大器官的CT图像分割	计算机视觉	脾脏疾病	医学影像分析	GAN, CNN	医学影像（MRI、CT）	NA	NA	CycleGAN, ResNet, 自定义EssNet	Dice相似系数	NA
3	2025-10-05	WITHDRAWN: Application of deep learning to predict advanced neoplasia using big clinical data in colorectal cancer screening of asymptomatic adults 2018-11-04, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2018.10.041 PMID:30403965	撤稿	该文章已被作者和/或编辑要求撤回，涉及使用深度学习预测无症状成人结直肠癌筛查中晚期肿瘤的研究	NA	NA	NA	NA	NA	结直肠癌	NA	深度学习	临床大数据	NA	NA	NA	NA	NA
4	2025-10-06	Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations 2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/gly005 PMID:29340580	研究论文	本研究开发了一种基于深度学习的血液老化时钟模型，使用加拿大、韩国和东欧人群的血液样本数据，提高了对个体人群年龄预测的准确性	首次结合多个人群特异性数据集开发血液老化时钟，证明人群特异性老化模式的存在，并验证了血液老化时钟与全因死亡率之间的关联	研究仅包含四个特定人群的数据，可能无法完全代表全球所有人群的老化特征	开发更准确的人群特异性人类老化生物标志物，评估抗衰老疗法	加拿大、韩国、东欧和美国人群的血液样本数据	机器学习	老年疾病	血液检测	深度学习	血液样本数据	加拿大、韩国、东欧人群的大规模组合数据集，以及NHANES的美国人群公开样本	NA	NA	预测准确性	NA
5	2025-10-07	Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images 2018-04-03, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2018.03.086 PMID:29617659	研究论文	本研究利用深度学习技术分析TCGA样本的H&E染色病理图像，绘制肿瘤浸润淋巴细胞空间分布图并探索其与分子特征的相关性	首次通过计算染色方法从H&E图像中提取肿瘤浸润淋巴细胞的空间组织模式，并将其与基因组数据和临床预后相关联	研究仅基于13种TCGA肿瘤类型，样本来源和图像质量可能存在异质性	探索肿瘤微环境中淋巴细胞空间分布模式与分子特征及临床预后的关联	TCGA数据库中的13种肿瘤类型的H&E染色病理图像	数字病理学	多种癌症类型	H&E染色，深度学习图像分析	CNN	病理图像	13种TCGA肿瘤类型的多样本集合	NA	卷积神经网络	NA	NA
6	2025-10-07	A novel stacked generalization of models for improved TB detection in chest radiographs 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512337 PMID:30440497	研究论文	提出一种新颖的堆叠泛化模型，通过结合手工设计特征和CNN特征来改进胸部X光片中的结核病检测	首次将手工设计特征与CNN特征通过堆叠分类器相结合，构建非线性决策函数以提升结核病检测性能	NA	开发计算机辅助诊断工具以改善资源受限地区结核病的及时检测和治疗	胸部X光片中的结核病检测	计算机视觉	结核病	胸部X光成像	CNN, 集成学习	医学图像	NA	NA	堆叠分类器	NA	NA
7	2025-10-07	Hand Gesture Recognition in Automotive Human⁻Machine Interaction Using Depth Cameras 2018-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s19010059 PMID:30586882	综述	本文综述了基于飞行时间传感器深度数据的手势识别机器学习方法在汽车人机交互中的应用	提出了包含超过百万个独特三维手势样本的新型基准数据集REHAP，并研究了深度学习框架中的多种传感器数据融合技术	NA	评估深度相机在汽车人机交互中手势识别技术的应用效果	三维手势数据	计算机视觉	NA	飞行时间传感器深度数据采集	CNN, LSTM	深度数据，三维手势数据	超过100万个独特三维手势样本	深度学习框架	卷积神经网络，长短期记忆网络	可靠性评估	NA
8	2025-10-07	Deep Neural Network Based Predictions of Protein Interactions Using Primary Sequences 2018-Aug-01, Molecules (Basel, Switzerland) DOI:10.3390/molecules23081923 PMID:30071670	研究论文	提出基于深度神经网络的蛋白质相互作用预测框架DNN-PPI，仅使用蛋白质一级序列进行自动特征学习	结合CNN和LSTM网络自动学习氨基酸语义关联、序列基序及长短程依赖关系，无需人工特征工程	模型过拟合和泛化能力在多数场景下尚未充分研究	大规模预测蛋白质-蛋白质相互作用以理解蛋白质功能、疾病发生和治疗设计	蛋白质一级序列	机器学习	NA	蛋白质序列分析	CNN,LSTM	序列数据	Pan人类PPI数据集及六个外部数据集	NA	CNN,LSTM,全连接神经网络	准确率,马修斯相关系数	NA
9	2025-10-07	Automatic detection and classification of marmoset vocalizations using deep and recurrent neural networks 2018-07, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5047743 PMID:30075670	研究论文	本研究使用深度学习和循环神经网络实现了狨猴发声的自动检测与分类	首次将LSTM-RNN应用于狨猴发声检测，并在大规模数据集上对比了多种深度学习方法与传统方法的性能	测试集区分了训练集中是否包含相同狨猴个体的数据，可能影响模型泛化能力评估	开发自动化的狨猴发声检测与分类系统	狨猴发声录音	自然语言处理	NA	音频分析	DNN, LSTM, SVM	音频	1500分钟录音数据，来自4对狨猴双胞胎	NA	DNN, LSTM-RNN	帧错误率, 准确率	NA
10	2025-10-07	FPGA implementation of deep-learning recurrent neural networks with sub-millisecond real-time latency for BCI-decoding of large-scale neural sensors (104 nodes) 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512415 PMID:30440576	研究论文	本文提出了一种基于FPGA的深度学习递归神经网络实现，用于大规模神经传感器的脑机接口解码，能够实现亚毫秒级实时延迟	开发了名为NeuroCoder的移动低功耗嵌入式系统平台，首次在FPGA上实现了参数量达404万的LSTM RNN模型，能够实时解码10,000个神经通道	目前仅在模拟的10,000个神经通道和20维声谱时域表示的语音词解码场景中进行了概念验证	开发低延迟实时神经解码系统，用于下一代脑机接口在复杂人类任务中的应用	大规模神经传感器数据，包括神经元放电、多单元活动和局部场电位	脑机接口	NA	神经信号解码	LSTM, RNN	神经信号数据	10,000个神经通道的模拟数据	NA	LSTM	实时延迟（亚毫秒级）	FPGA（现场可编程门阵列），移动低功耗嵌入式系统平台
11	2025-10-07	A deep learning framework for causal shape transformation 2018-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2017.12.003 PMID:29301111	研究论文	提出一种结合卷积神经网络和堆叠自编码器的混合架构，用于学习将输入视觉模式非线性转换为目标视觉模式的因果动作序列	解决了高维一对多逆映射问题，在微流体流场塑造中首次深入探索深度学习作为逆映射方法的应用	仅针对特定物理领域问题验证，未在更广泛的多步拓扑变换场景中测试	开发能够学习因果形状变换序列的深度学习框架	视觉模式和分布的序列变换	计算机视觉	NA	深度学习	CNN, SAE	视觉模式、分布数据	NA	NA	卷积神经网络, 堆叠自编码器	NA	NA
12	2024-11-15	Pulmonary Artery-Vein Classification in CT Images Using Deep Learning 2018-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2833385 PMID:29993996	研究论文	本文提出了一种基于深度学习的肺动脉和肺静脉在CT图像中的自动分类方法	本文提出了一种新的全自动方法，通过三步流程（尺度空间粒子分割、3D卷积神经网络分类和图割优化）来分类肺动脉和肺静脉，并展示了其优于现有方法的性能	本文仅在18个临床病例的非对比CT扫描上进行了训练和评估，未来需要在更大样本量和更多类型的CT扫描上进行验证	开发一种自动化的方法来区分CT图像中的肺动脉和肺静脉，以辅助医生进行病理诊断	肺动脉和肺静脉在CT图像中的分类	计算机视觉	肺部疾病	3D卷积神经网络	CNN	图像	18个临床病例的非对比胸部CT扫描	NA	NA	NA	NA
13	2024-11-12	Towards a Scalable Software Defined Network-on-Chip for Next Generation Cloud 2018-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s18072330 PMID:30021975	研究论文	本文提出了一种可扩展的软件定义片上网络（SDNoC）架构，以支持下一代云计算中的高效和可扩展系统	本文的创新点在于结合了分层片上网络拓扑（如环形和2D网格拓扑）与动态重配置的优势，并引入了数据驱动的编程执行模型，以支持深度学习应用	本文未详细讨论在实际部署中可能遇到的硬件和软件兼容性问题	研究目的是设计一种可扩展且高效的片上网络架构，以支持云计算中的各种应用需求	研究对象包括片上网络的拓扑结构、动态重配置机制以及数据驱动的编程执行模型	计算机网络	NA	片上网络（NoC）	NA	NA	实验中使用了最多1024个处理核心（PEs）进行对比测试	NA	NA	NA	NA
14	2024-11-11	Sixty-five years of the long march in protein secondary structure prediction: the final stretch? 2018-05-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbw129 PMID:28040746	研究论文	本文回顾了蛋白质二级结构预测65年的发展历程，并探讨了当前的技术进步和未来发展方向	本文介绍了最新的深度学习技术在蛋白质二级结构预测中的应用，并提出了预测蛋白质骨架扭转角和Cα原子角度及扭转角的新方法	本文未详细讨论现有方法的具体局限性	探讨蛋白质二级结构预测的最新进展和未来发展方向	蛋白质二级结构预测	生物信息学	NA	深度学习	NA	蛋白质序列和结构数据	1199个非冗余蛋白质的数据库	NA	NA	NA	NA
15	2024-11-10	DeFine: deep convolutional neural networks accurately quantify intensities of transcription factor-DNA binding and facilitate evaluation of functional non-coding variants 2018-06-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gky215 PMID:29617928	研究论文	本文介绍了一种基于深度学习的模型DeFine，用于准确量化转录因子与DNA结合的强度，并评估非编码变异的功能影响	DeFine模型不仅能够准确分类转录因子与DNA的结合与否，还能预测实值的结合强度，从而评估变异的功能影响	NA	开发一种能够准确预测转录因子与DNA结合强度并评估非编码变异功能影响的工具	转录因子与DNA结合的强度以及非编码变异的功能影响	机器学习	NA	深度学习	卷积神经网络	序列数据	利用大规模的转录因子ChIP-seq数据进行模型训练和验证	NA	NA	NA	NA
16	2024-10-11	Visualizing histopathologic deep learning classification and anomaly detection using nonlinear feature space dimensionality reduction 2018-05-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2184-4 PMID:29769044	研究论文	本文利用t-SNE技术降低特征空间的维度，展示卷积神经网络（CNN）在组织病理学中的分类和异常检测	开发了一种量化和透明的方法，在softmax压缩之前可视化分类决策，并使用t-SNE图上的类间关系进行统计驱动的多类分类	NA	探索如何利用深度学习在组织病理学中进行计算机视觉，并开发更通用的工具来可视化基于组织学的深度学习推断和决策	组织病理学图像的分类和异常检测	数字病理学	NA	t-SNE	CNN	图像	NA	NA	NA	NA	NA
17	2024-10-11	Deep Learning in Nuclear Medicine and Molecular Imaging: Current Perspectives and Future Directions 2018-Apr, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-017-0504-7 PMID:29662559	综述	本文综述了深度学习在核医学和分子影像学中的应用现状及未来发展方向	探讨了深度学习在分子影像学中的独特应用，特别是生物标志物开发方面	未提及具体的技术细节或实验结果	介绍深度学习在分子影像学中的应用，并讨论其对临床决策和专家角色的潜在影响	核医学和分子影像学中的深度学习应用	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
18	2024-10-11	Opportunities and obstacles for deep learning in biology and medicine 2018-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2017.0387 PMID:29618526	研究论文	本文探讨了深度学习在生物学和医学领域的应用及其面临的机遇和挑战	深度学习在生物医学领域的应用显示出有希望的进展，尽管改进相对温和，但提供了加速或辅助人类研究的有价值手段	深度学习尚未彻底改变生物医学领域，且在解释模型预测、数据标注不足以及法律和隐私限制方面存在挑战	探讨深度学习在生物医学领域的应用潜力及其面临的挑战	深度学习在患者分类、基本生物过程和患者治疗中的应用	机器学习	NA	深度学习	神经网络	数据	NA	NA	NA	NA	NA
19	2024-10-11	Predicting sex from brain rhythms with deep learning 2018-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-21495-7 PMID:29449649	研究论文	本文探讨了使用深度卷积神经网络从脑电图中预测性别的可行性	首次展示了深度神经网络能够从脑电图中提取性别特异性信息，准确率超过80%	NA	探索脑电图中的性别特异性信息	脑电图数据	机器学习	NA	深度卷积神经网络	CNN	脑电图	NA	NA	NA	NA	NA
20	2024-10-11	Fully automated detection of breast cancer in screening MRI using convolutional neural networks 2018-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.5.1.014502 PMID:29340287	研究论文	本文开发了一种利用早期相位扫描中的空间信息进行乳腺癌筛查MRI的完全自动化检测系统	提出了一个仅利用早期相位扫描中的空间信息进行乳腺癌检测的CADe系统，并在实验中显著提高了检测敏感性	未提及	开发一种适用于简化的MRI协议的乳腺癌筛查自动化检测系统	乳腺癌筛查MRI图像	计算机视觉	乳腺癌	深度学习	卷积神经网络 (CNN)	MRI图像	385个MRI扫描，包含161个恶性病变	NA	NA	NA	NA