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	2025-10-06	An Interpretable Deep Hierarchical Semantic Convolutional Neural Network for Lung Nodule Malignancy Classification 2019-Aug-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2019.01.048 PMID:31296975	研究论文	提出一种可解释的深度分层语义卷积神经网络用于肺结节恶性分类	通过结合低级语义特征和高级恶性预测的双层输出架构，提供专家可理解的模型解释	NA	开发可解释的深度学习模型用于肺结节恶性分类	CT扫描中的肺结节	计算机视觉	肺癌	CT扫描	CNN	医学图像	使用Lung Image Database Consortium (LIDC)数据库	NA	分层语义卷积神经网络(HSCNN), 3D CNN	NA	NA
2	2025-10-06	A Multimodal Deep Neural Network for Human Breast Cancer Prognosis Prediction by Integrating Multi-Dimensional Data 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2806438 PMID:29994639	研究论文	提出一种整合多维数据的多模态深度神经网络用于乳腺癌预后预测	方法的新颖性在于网络架构设计和多维数据融合策略	NA	提高乳腺癌预后预测准确性，避免不必要的辅助系统治疗	乳腺癌患者	机器学习	乳腺癌	深度学习	深度神经网络	多维数据（包括基因表达数据）	NA	TensorFlow	多模态深度神经网络	综合性能评估指标	NA
3	2025-10-06	Bioimage Classification with Handcrafted and Learned Features 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2821127 PMID:29994096	研究论文	提出一种结合手工特征和深度学习特征的通用生物图像分类方法	通过集成多种纹理特征（手工特征和深度学习特征）构建通用生物图像分类系统，无需针对特定数据集调整参数	NA	开发适用于多种生物图像分类任务的通用分类方法	生物图像，包括亚细胞、细胞和组织水平的分类问题	计算机视觉	NA	生物图像分析	支持向量机	图像	使用IICBU 2008数据库中的多个基准数据集	MATLAB	集成学习架构（结合局部特征、密集采样特征和深度学习特征）	准确率	NA
4	2025-10-06	Computer-assisted medical image classification for early diagnosis of oral cancer employing deep learning algorithm 2019-Apr, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-018-02834-7 PMID:30603908	研究论文	开发了一种基于回归的分割深度学习算法，用于口腔癌的自动计算机辅助检测系统	提出了一种新的分割深度卷积神经网络结构，具有两个分割层用于多维高光谱图像中感兴趣区域的标记和分类	仅使用100个图像数据集进行癌变肿瘤与良性分类任务，样本规模有限	口腔癌的早期诊断和分类	口腔癌患者的高光谱图像	计算机视觉	口腔癌	高光谱成像	CNN	图像	100个图像数据集用于癌变肿瘤与良性分类，500个训练模式用于癌变肿瘤与正常组织分类	NA	分割深度卷积神经网络	准确率, 特异性, 敏感性	NA
5	2025-10-07	A Systematic Review of Detecting Sleep Apnea Using Deep Learning 2019-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s19224934 PMID:31726771	系统综述	本文对2008-2018年间使用深度学习检测睡眠呼吸暂停的研究进行了系统性回顾分析	首次系统性地综述了深度学习在睡眠呼吸暂停检测中的应用，比较了不同深度网络架构的实现方法、预处理需求和优缺点	仅纳入了2008-2018年间的21篇文献，可能未覆盖最新研究进展	分析深度学习在睡眠呼吸暂停检测中的应用现状，回答不同深度网络的实现方法、预处理需求和网络优缺点等研究问题	睡眠呼吸暂停检测相关研究文献	机器学习	睡眠呼吸暂停	深度学习	深度神经网络	生理信号数据	255篇文献中筛选出21篇符合标准的研究	NA	NA	NA	NA
6	2025-10-07	Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer 2019-07, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-019-0462-y PMID:31160815	研究论文	本研究开发了一种基于深度残差学习的方法，能够直接从胃肠道癌的H&E组织学图像预测微卫星不稳定性	首次证明无需额外基因或免疫组化检测，仅通过常规H&E组织学图像即可预测MSI状态	NA	开发直接从组织学图像预测微卫星不稳定性的深度学习方法，以扩大免疫治疗适用人群	胃肠道癌患者	数字病理学	胃肠道癌	H&E组织学染色	深度学习	组织学图像	NA	NA	残差网络	NA	NA
7	2025-10-07	An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening 2019-09-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djy225 PMID:30629194	研究论文	本研究开发了一种基于深度学习的自动视觉评估算法，用于识别宫颈癌前病变和癌症	首次开发出能够自动识别宫颈癌前病变/癌症的深度学习视觉评估算法，在准确度上显著优于传统方法	研究基于历史存档的宫颈图像数据，需要进一步验证在当代数字相机图像上的适用性	开发自动化的宫颈癌筛查方法以改善资源匮乏地区的宫颈癌筛查	哥斯达黎加瓜纳卡斯特地区9406名18-94岁女性的宫颈图像数据	计算机视觉	宫颈癌	宫颈摄影术	深度学习	图像	9406名女性，随访7年（1993-2000）	NA	NA	AUC, 敏感性, 特异性	NA
8	2025-10-07	A primer on deep learning in genomics 2019-01, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-018-0295-5 PMID:30478442	综述	本文提供基因组学中深度学习应用的入门指南和前景展望	整合深度学习在基因组分析中的成功应用案例，并提供交互式在线教程	NA	为基因组分析领域的深度学习应用提供指导性框架	基因组数据	机器学习	NA	基因组分析	深度学习	基因组数据	NA	NA	NA	NA	NA
9	2025-02-21	A Long Short-Term Memory neural network for the detection of epileptiform spikes and high frequency oscillations 2019-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-55861-w PMID:31852929	研究论文	本文提出了一种用于检测癫痫样尖波和高频振荡的长短期记忆神经网络	使用长短期记忆神经网络自动检测颅内脑电图中的尖波、涟漪和尖波上的涟漪，提高了诊断价值	样本量相对较小，仅涉及12名患者的数据	开发一种自动化工具，用于分析颅内脑电图数据，以检测癫痫样尖波和高频振荡	癫痫患者的颅内脑电图数据	机器学习	癫痫	深度学习	LSTM	颅内脑电图（iEEG）	12名患者的颅内脑电图数据	NA	NA	NA	NA
10	2025-02-21	Interpretable, highly accurate brain decoding of subtly distinct brain states from functional MRI using intrinsic functional networks and long short-term memory recurrent neural networks 2019-11-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2019.116059 PMID:31362049	研究论文	本文提出了一种基于深度学习的框架，利用内在功能网络建模和长短期记忆（LSTM）循环神经网络（RNNs）进行脑解码，以区分细微不同的脑状态	结合内在功能网络（FNs）和LSTM RNNs，构建了可解释且高精度的脑解码模型，显著提高了对细微不同工作记忆任务的区分能力	未明确提及具体限制，但可能包括对数据质量和数量的依赖，以及模型在不同任务上的泛化能力	开发一种高精度的脑解码方法，以区分细微不同的脑状态	功能性磁共振成像（fMRI）数据	机器学习	NA	功能性磁共振成像（fMRI），长短期记忆循环神经网络（LSTM RNNs）	LSTM RNNs	fMRI数据	HCP数据集中的fMRI数据	NA	NA	NA	NA
11	2025-10-07	A Review of Recurrent Neural Networks: LSTM Cells and Network Architectures 2019-07, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01199 PMID:31113301	综述	本文系统回顾了循环神经网络中的LSTM单元及其变体，并对LSTM网络架构进行分类和应用探讨	通过引入门控函数解决长程依赖问题，将LSTM网络系统分为LSTM主导型和集成型两大类别	主要关注LSTM及其变体，未全面覆盖其他类型的循环神经网络架构	探索LSTM单元的学习能力并系统分类LSTM网络架构	LSTM细胞及其变体、LSTM网络架构	自然语言处理	NA	深度学习	RNN, LSTM	序列数据（文本、音频、视频）	NA	NA	LSTM	NA	NA
12	2025-02-21	EEG-Based Emotion Recognition with Similarity Learning Network 2019-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.2019.8857499 PMID:31946110	研究论文	本文提出了一种基于双向长短期记忆网络（BLSTM）的相似性学习网络，用于基于EEG信号的情感识别	提出了结合成对约束损失和传统监督分类损失函数的相似性学习网络，显著提高了情感分类性能	NA	提高基于EEG信号的情感识别性能	EEG信号	自然语言处理	NA	NA	BLSTM	EEG信号	SEED数据集	NA	NA	NA	NA
13	2025-10-07	Decoding Movements from Cortical Ensemble Activity Using a Long Short-Term Memory Recurrent Network 2019-06, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01189 PMID:30979355	研究论文	开发基于长短期记忆循环网络的解码器，从猕猴多个皮层区域的神经元群体活动中提取运动学信息	首次将LSTM网络应用于大规模神经元群体活动的实时解码，在多种运动任务中显著优于传统方法	研究仅限于猕猴模型，尚未在人类患者中进行验证	改进脑机接口解码算法，为严重残疾患者的运动功能恢复提供新策略	猕猴在执行运动任务时多个皮层区域的神经元群体活动	机器学习	运动功能障碍	神经元群体记录技术	LSTM	神经电生理信号	134-402个神经元同时记录	NA	LSTM	解码准确率	NA
14	2025-10-07	Baseball Player Behavior Classification System Using Long Short-Term Memory with Multimodal Features 2019-Mar-22, Sensors (Basel, Switzerland) DOI:10.3390/s19061425 PMID:30909503	研究论文	提出基于长短期记忆网络与多模态特征的棒球运动员行为分类系统	融合深度摄像头与惯性传感器的多模态特征，采用深度学习方案进行行为分类	论文未明确说明系统在实时场景或复杂环境下的性能表现	开发棒球运动员行为自动识别系统	棒球运动员的各类行为动作	计算机视觉	NA	深度摄像头，惯性传感器	LSTM	骨架向量，传感器信号	论文未明确说明具体样本数量	NA	长短期记忆网络	准确率	NA
15	2025-10-07	fNIRS improves seizure detection in multimodal EEG-fNIRS recordings 2019-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.24.5.051408 PMID:30734544	研究论文	本研究探讨了结合fNIRS与EEG多模态数据在癫痫发作检测中的优势	首次将深度学习应用于EEG-fNIRS多模态数据，证明fNIRS能显著提升癫痫发作检测性能	研究样本量有限（40名患者），仅针对难治性癫痫患者	评估fNIRS在癫痫发作检测中的附加价值	难治性癫痫患者	医学神经影像分析	癫痫	功能性近红外光谱(fNIRS), 脑电图(EEG)	RNN, LSTM	多模态神经影像数据(EEG和fNIRS)	40名难治性癫痫患者，包含89次癫痫发作记录	NA	长短期记忆循环神经网络	灵敏度, 特异性, 错误检测率	NA
16	2025-10-07	BO-LSTM: classifying relations via long short-term memory networks along biomedical ontologies 2019-Jan-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2584-5 PMID:30616557	研究论文	提出一种利用生物医学本体增强长短期记忆网络的关系分类模型BO-LSTM	首次将生物医学本体中的实体祖先序列信息整合到深度学习模型中，用于关系分类任务	未明确说明模型在更大规模数据集上的泛化能力	改进生物医学文本挖掘中的关系检测与分类任务	药物-药物相互作用、基因-表型关系	自然语言处理	NA	文本挖掘	LSTM	文本	792个药物描述和233篇科学摘要（DDI），228篇基因-表型关系标注摘要	NA	LSTM	F1-score	NA
17	2025-10-07	Analysis and prediction of unplanned intensive care unit readmission using recurrent neural networks with long short-term memory 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0218942 PMID:31283759	研究论文	使用长短期记忆循环神经网络分析和预测ICU非计划再入院	利用LSTM网络捕捉电子健康记录中的多变量特征和生命体征的突然波动，能够更好地识别ICU患者的高波动性和不稳定状态	NA	开发高效的出院决策支持系统，预测ICU患者30天内非计划再入院风险	ICU患者	机器学习	重症监护	电子健康记录分析	RNN, LSTM	临床数据	MIMIC-III数据库中的综合纵向临床数据	NA	LSTM	灵敏度, AUC	NA
18	2025-02-21	A Stacked BiLSTM Neural Network Based on Coattention Mechanism for Question Answering 2019, Computational intelligence and neuroscience DOI:10.1155/2019/9543490 PMID:31531011	研究论文	本文提出了一种基于共注意力机制的堆叠双向长短期记忆（BiLSTM）神经网络，用于问答系统中的语义交互提取	结合余弦相似度和欧几里得距离对问题和答案句子进行评分，以提高问答系统的性能	未提及具体局限性	提高问答系统的语义理解和交互能力	问答系统中的问题和答案	自然语言处理	NA	深度学习	BiLSTM	文本	TREC 8-13数据集和Wiki-QA数据集	NA	NA	NA	NA
19	2025-02-21	Mixed convolutional and long short-term memory network for the detection of lethal ventricular arrhythmia 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0216756 PMID:31107876	研究论文	本文提出了一种基于1D卷积神经网络（CNN）和长短期记忆（LSTM）网络的深度学习架构，用于检测致死性心室心律失常	结合1D-CNN和LSTM网络，提出了一种新的深度学习架构，用于心室颤动（VF）检测，并在OHCA数据上达到了迄今为止最高的准确率	研究使用了两个数据集，其中一个来自公共存储库，另一个来自OHCA患者，但未提及数据集的多样性和样本量的具体大小	开发一种能够在极短时间内准确诊断心室颤动的算法，以提高院外心脏骤停（OHCA）患者的生存率	心室颤动（VF）的检测	机器学习	心血管疾病	深度学习	1D-CNN和LSTM	ECG信号	两个数据集，一个来自公共存储库的Holter记录，另一个来自OHCA患者，具体样本量未提及	NA	NA	NA	NA
20	2024-12-17	Machine Learning and Deep Learning Approaches in Breast Cancer Survival Prediction Using Clinical Data 2019, Folia biologica IF:1.1Q4 DOI:10.14712/fb2019065050212 PMID:32362304	研究论文	本研究使用机器学习和深度学习方法，基于4902名患者的临床数据预测乳腺癌生存率	本研究测试了深度学习算法以提高预测模型的准确性，并发现肿瘤大小是乳腺癌生存预测的最重要特征	参数配置和数据转换等因素会影响预测模型的准确性	提高乳腺癌生存预测的准确性	乳腺癌患者的生存率	机器学习	乳腺癌	机器学习、深度学习	多层感知器（MLP）、随机森林（RF）、决策树（DT）、支持向量机（SVM）	临床数据	4902名患者	NA	NA	NA	NA