深度学习在生物医药领域中的应用

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
1	2025-09-13	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（HSCNN），用于肺结节恶性分类	结合低层语义特征（放射科医生常用诊断特征）与高层恶性预测，提供模型解释性	NA	预测CT扫描中肺结节的恶性程度	肺结节	计算机视觉	肺癌	深度学习	HSCNN（分层语义CNN）	CT图像	基于LIDC数据库的样本（具体数量未明确说明）
2	2025-08-05	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	research paper	提出了一种多模态深度神经网络（MDNNMD），通过整合多维数据来预测乳腺癌的预后	方法的创新点在于其架构设计以及多维数据的融合	NA	提高乳腺癌预后预测的准确性，减少不必要的辅助系统治疗及其相关高昂医疗费用	乳腺癌患者	machine learning	breast cancer	deep learning	Multimodal Deep Neural Network (MDNNMD)	multi-dimensional data	NA
3	2025-08-05	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	提出一种新的通用生物图像分类方法GenP，结合手工制作和学习的特征，用于多种生物图像分类任务	提出一种结合多种纹理特征（手工制作和学习描述符）的集成系统，通过局部特征、密集采样特征和深度学习特征的组合提升性能	未提及具体局限性	开发一种通用的生物图像分类方法，适用于广泛的分类问题	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	集成学习	SVM	图像	多个基准数据库，包括IICBU 2008数据库中的部分数据
4	2025-07-20	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	本研究开发了一种基于深度学习的自动化计算机辅助口腔癌检测系统，利用患者的高光谱图像进行早期诊断和分类	提出了一种新的分区深度卷积神经网络结构，用于多维高光谱图像中感兴趣区域的标记和分类	样本量相对较小（100个图像数据集和500个训练模式），可能影响模型的泛化能力	开发一种自动化计算机辅助口腔癌检测系统，提高早期诊断的准确性	口腔癌患者的高光谱图像	数字病理	口腔癌	高光谱成像	CNN	图像	100个图像数据集和500个训练模式
5	2025-05-17	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	本文系统回顾了过去十年中利用深度学习检测睡眠呼吸暂停的研究	总结了深度学习在睡眠呼吸暂停检测中的应用，包括不同深度网络的实现方式、预处理或特征提取的需求，以及各类网络的优缺点	仅涵盖了2008年至2018年的研究，可能未包括最新的技术进展	分析过去十年中发表的关于使用深度学习检测睡眠呼吸暂停的研究，回答如何实现不同的深度网络、需要何种预处理或特征提取，以及各类网络的优缺点等问题	睡眠呼吸暂停检测的深度学习研究	机器学习	睡眠呼吸暂停	深度学习	深度网络	生理信号数据	255篇论文中筛选出21篇符合标准的研究
6	2025-05-16	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	该研究展示了深度学习可以直接从H&E组织学中预测胃肠道癌症的微卫星不稳定性（MSI）	利用深度残差学习直接从普遍可得的H&E组织学切片预测MSI，避免了额外的基因或免疫组化检测	未提及样本量或模型在广泛临床实践中的验证情况	预测胃肠道癌症患者的微卫星不稳定性以指导免疫治疗	胃肠道癌症患者的H&E组织学切片	数字病理学	胃肠道癌症	深度残差学习	深度残差网络	图像	NA
7	2025-03-11	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视觉评估算法，用于自动识别宫颈癌前病变/癌症	利用深度学习技术自动评估宫颈图像，提高了宫颈癌筛查的准确性和可重复性	研究依赖于历史数据，可能无法完全反映当前技术的最新进展	开发一种自动识别宫颈癌前病变/癌症的视觉评估算法	9406名18-94岁的女性，来自哥斯达黎加瓜纳卡斯特地区	计算机视觉	宫颈癌	深度学习	深度学习算法	图像	9406名女性，年龄18-94岁
8	2025-02-27	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	本文提供了关于深度学习在基因组分析中应用的视角和入门指南	介绍了深度学习在调控基因组学、变异检测和致病性评分等领域的成功应用，并提供了使用深度学习方法的通用指导和实用工具资源指南	NA	探讨深度学习在基因组分析中的应用	基因组数据	机器学习	NA	深度学习	NA	基因组数据	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
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
11	2025-02-21	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	本文回顾了循环神经网络（RNNs）中的长短期记忆（LSTM）单元及其变体，探讨了LSTM单元的学习能力，并将LSTM网络分为两大类：LSTM主导的网络和集成LSTM网络，并讨论了它们的各种应用	通过引入门函数到单元结构中，LSTM能够很好地处理长期依赖问题，几乎所有基于RNNs的激动人心的成果都是由LSTM实现的	本文主要集中于LSTM及其变体的回顾，未涉及其他类型的RNNs或更广泛的深度学习模型	探讨LSTM单元的学习能力及其在网络架构中的应用	LSTM单元及其变体，LSTM主导的网络和集成LSTM网络	自然语言处理	NA	NA	LSTM	序列数据（如文本、音频、视频）	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
13	2025-02-21	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	本文开发了一种基于长短期记忆（LSTM）的解码器，用于从猕猴执行运动任务时多个皮层区域的神经元群体活动中提取运动学信息	利用LSTM网络解码神经元群体活动，显著优于现有的无迹卡尔曼滤波器，并展示了LSTM单元模拟皮层神经元活动的多种生理特征	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（BMI）解码器的设计，以恢复严重残疾患者的运动功能	猕猴的多个皮层区域的神经元群体活动	机器学习	NA	LSTM	LSTM	神经元活动数据	134-402个神经元，来自多个皮层区域
14	2025-02-21	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	本文提出了一种基于多模态特征和长短期记忆网络的棒球运动员行为分类系统	通过结合深度摄像头和多个惯性传感器的信号，提取时间变化的骨架向量投影和统计特征，并提出了基于深度学习的训练行为分类器方案	NA	开发一种能够准确识别棒球运动员行为的分类系统	棒球运动员的行为	计算机视觉	NA	深度学习	LSTM	图像和传感器信号	NA
15	2025-02-21	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	本文探讨了在癫痫监测中，结合功能性近红外光谱（fNIRS）与脑电图（EEG）的多模态数据，利用深度学习方法来提高癫痫发作检测的性能	本文的创新点在于首次将fNIRS与EEG结合，利用深度学习模型（LSTM）进行癫痫发作检测，并展示了多模态数据在提高检测性能方面的优势	研究的局限性在于样本量相对较小（40名难治性癫痫患者），且未在其他独立数据集上进行验证	研究目的是探索fNIRS与EEG结合的多模态数据在癫痫发作检测中的应用价值	研究对象为40名难治性癫痫患者的EEG和fNIRS数据	机器学习	癫痫	功能性近红外光谱（fNIRS）和脑电图（EEG）	长短期记忆网络（LSTM）	多模态数据（EEG和fNIRS）	40名难治性癫痫患者的89次癫痫发作记录
16	2025-02-21	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	本文提出了一种新的模型BO-LSTM，利用领域特定的本体来检测和分类文本中的关系，特别是在生物医学文本挖掘任务中	BO-LSTM模型通过将每个实体表示为其在本体中的祖先序列，利用生物医学本体来提高关系检测和分类的性能	模型依赖于特定领域的本体，可能在其他领域或没有可用本体的任务中表现不佳	提高生物医学文本挖掘任务中关系检测和分类的准确性	药物-药物相互作用、基因与表型之间的关系	自然语言处理	NA	长短期记忆网络（LSTM）	BO-LSTM	文本	792个药物描述和233篇科学摘要，以及228篇注释了基因与表型关系的摘要
17	2025-02-21	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	本文利用带有长短期记忆的循环神经网络分析和预测重症监护病房（ICU）非计划再入院情况	采用RNN与LSTM结合的方法，能够捕捉电子健康记录（EHRs）的多变量特征和图表事件特征的突然波动，提高了ICU再入院预测的敏感性和曲线下面积	未提及具体的研究局限性	提高ICU决策的准确性，实现医院精准医疗	重症监护病房（ICU）患者	机器学习	NA	监督机器学习	RNN, LSTM	临床数据	MIMIC-III数据库中的综合纵向临床数据
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
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
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