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
81	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
82	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
83	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
84	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
85	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
86	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
87	2024-12-15	Nano-opto-electro-mechanical switches operated at CMOS-level voltages 2019-11-15, Science (New York, N.Y.) DOI:10.1126/science.aay8645 PMID:31727832	研究论文	本文展示了在微米尺度的混合光子-等离子体结构中，利用光电机械效应在CMOS电压下实现光开关	本文首次展示了在CMOS电压下通过纳米级静电扰动实现快速光开关，并结合了光子和等离子体效应以最小化光学损耗	本文未详细讨论该技术的实际应用场景和大规模集成可能面临的挑战	探索在CMOS电压下实现光开关的技术，为集成光电子学提供新平台	微米尺度的混合光子-等离子体结构	NA	NA	光电机械效应	NA	NA	NA	NA	NA	NA	NA
88	2024-12-06	Using unfolding case studies to better prepare the public health nutrition workforce to address the social determinants of health 2019-01, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018002811 PMID:30394260	研究论文	本研究测试了展开案例研究方法对公共卫生营养工作队伍在改善营养食品获取方面的支持能力	提出了一种展开案例研究方法，以支持公共卫生营养工作队伍应对社会决定因素	需要进一步研究展开案例研究在课程中的应用如何影响公共卫生营养实践的准备情况	测试展开案例研究方法对公共卫生营养工作队伍的支持能力	公共卫生营养工作队伍和营养与饮食学本科生	NA	NA	NA	NA	NA	38名本科营养与饮食学学生	NA	NA	NA	NA
89	2024-11-23	Convolutional neural network scoring and minimization in the D3R 2017 community challenge 2019-01, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-018-0133-y PMID:29992528	研究论文	本文评估了基于卷积神经网络（CNN）的评分函数在药物发现领域中执行常见任务的能力	本文提出了一种基于CNN的评分函数，并在D3R 2017社区挑战中进行了评估，发现其在多个虚拟筛选任务中表现优异	CNN在某些任务中表现不佳，特别是在Cathepsin S的从头对接任务中	评估基于CNN的评分函数在药物发现中的应用效果	评估CNN评分函数在识别配体姿态和分类活性或非活性配体方面的能力	机器学习	NA	卷积神经网络（CNN）	CNN	结构信息	涉及D3R 2017社区挑战中的多个任务和配体	NA	NA	NA	NA
90	2024-11-15	Learning from Longitudinal Data in Electronic Health Record and Genetic Data to Improve Cardiovascular Event Prediction 2019-01-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-36745-x PMID:30679510	研究论文	本研究利用电子健康记录和基因数据中的纵向数据，应用机器学习和深度学习模型来预测心血管事件	本研究首次将纵向电子健康记录和基因数据结合，通过后期融合方法进一步提高心血管事件预测的准确性	本研究仅限于特定人群和特定时间段的数据，可能无法推广到其他人群或更长时间段	提高心血管事件预测的准确性	心血管疾病事件	机器学习	心血管疾病	NA	卷积神经网络 (CNN) 和长短期记忆网络 (LSTM)	电子健康记录和基因数据	109,490 名个体	NA	NA	NA	NA
91	2024-11-06	A collaborative computer aided diagnosis (C-CAD) system with eye-tracking, sparse attentional model, and deep learning 2019-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2018.10.010 PMID:30399507	研究论文	本文开发了一种名为协作计算机辅助诊断（C-CAD）的系统，结合了眼动追踪、稀疏注意力模型和深度学习技术，以帮助放射科医生提高诊断准确性	本文提出了一种新的基于图的聚类和稀疏化算法，将眼动追踪数据转化为图模型，以定量和定性解释注视模式	本文未详细讨论系统的实际部署和长期使用中的潜在问题	开发一种能够结合眼动追踪和计算机辅助诊断系统的创新方法，以提高放射科医生的诊断效率和准确性	放射科医生在低剂量胸部CT和多参数磁共振成像（mp-MRI）中的诊断行为	计算机视觉	肺部疾病	眼动追踪、深度学习	图模型、多任务学习平台	图像	多个放射科医生参与的肺癌筛查实验	NA	NA	NA	NA
92	2024-10-16	Model-Based Deep Learning PET Image Reconstruction Using Forward-Backward Splitting Expectation Maximisation 2019-Oct, IEEE Nuclear Science Symposium conference record. Nuclear Science Symposium DOI:10.1109/nss/mic42101.2019.9059998 PMID:39404666	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
93	2024-10-11	Development and evaluation of inexpensive automated deep learning-based imaging systems for embryology 2019-12-21, Lab on a chip IF:6.1Q2 DOI:10.1039/c9lc00721k PMID:31755505	研究论文	开发并评估了一种基于深度学习的低成本自动化成像系统，用于胚胎学中的胚胎评估	开发了两种低成本的自动化成像平台，利用人工智能技术进行快速、可靠和准确的胚胎形态质量评估	仅在低分辨率图像数据上进行了测试，未提及高分辨率图像数据的效果	开发一种成本效益高且易于使用的硬件和软件系统，用于胚胎图像数据的采集和分析，以提高胚胎评估的效率	胚胎的形态质量评估	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	272和319张胚胎图像	NA	NA	NA	NA
94	2024-10-11	Illuminating Clues of Cancer Buried in Prostate MR Image: Deep Learning and Expert Approaches 2019-10-30, Biomolecules IF:4.8Q1 DOI:10.3390/biom9110673 PMID:31671711	研究论文	本文通过可解释模型比较了深度学习和人类专家在前列腺MR图像中识别癌症区域的方法	本文首次通过3D重建病理图像，比较了深度学习关注的区域与放射科医生和病理学家识别的癌症位置的重叠情况	本文仅使用了307张前列腺MR图像和896张病理图像，样本量有限	比较深度学习和人类专家在前列腺MR图像中识别癌症区域的方法，并探讨深度学习在癌症诊断中的潜力	前列腺MR图像和病理图像	计算机视觉	前列腺癌	深度学习	深度神经网络	图像	307张前列腺MR图像和896张病理图像	NA	NA	NA	NA
95	2024-10-10	Deep learning application engine (DLAE): Development and integration of deep learning algorithms in medical imaging 2019 Jul-Dec, SoftwareX IF:2.4Q2 DOI:10.1016/j.softx.2019.100347 PMID:34113706	研究论文	介绍了一个深度学习应用引擎（DLAE）系统概念，并展示了其在医学影像中的潜在应用和临床工作流程中的集成路径	开发了一个开源软件应用程序，提供了一种无需编码的深度学习方法，支持多种深度学习技术在医学影像中的应用	NA	开发和集成深度学习算法在医学影像中的应用	深度学习应用引擎（DLAE）系统及其在医学影像中的应用	计算机视觉	NA	深度学习	卷积神经网络、全卷积网络、生成对抗网络、边界框检测器	图像	NA	NA	NA	NA	NA
96	2024-10-10	A feasibility study on an automated method to generate patient-specific dose distributions for radiotherapy using deep learning 2019-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.13262 PMID:30367492	研究论文	研究开发了一种基于深度学习技术的自动化方法，用于生成放射治疗中的患者个性化剂量分布	提出了将辐射几何信息添加到输入中以提高剂量分布预测准确性的创新方法	研究仅限于早期鼻咽癌病例，且样本量较小	开发一种能够预测最佳剂量分布的方法，以应用于放射治疗计划	早期鼻咽癌患者的放射治疗剂量分布	机器学习	鼻咽癌	深度学习	ResNet101	图像	80例早期鼻咽癌患者，其中70例用于训练，10例用于测试	NA	NA	NA	NA
97	2024-10-04	DeepHarmony: A deep learning approach to contrast harmonization across scanner changes 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.05.041 PMID:31301354	研究论文	提出了一种基于U-Net深度学习架构的对比度协调方法DeepHarmony，用于解决MRI扫描协议和设备变化导致的图像对比度不一致问题	DeepHarmony通过深度学习方法实现了跨扫描协议的对比度协调，显著提高了图像量化的一致性	研究中使用的样本量较小，仅为8例	解决MRI扫描协议和设备变化导致的图像对比度不一致问题，提高多站点或长期研究中的图像量化一致性	MRI图像的对比度协调和量化一致性	计算机视觉	多发性硬化症	深度学习	U-Net	图像	8例重叠队列用于训练数据，多发性硬化症患者的纵向MRI数据用于评估	NA	NA	NA	NA
98	2024-10-04	Prediction of BAP1 Expression in Uveal Melanoma Using Densely-Connected Deep Classification Networks 2019-Oct-16, Cancers IF:4.5Q1 DOI:10.3390/cancers11101579 PMID:31623293	研究论文	本文研究了使用密集连接的深度分类网络预测葡萄膜黑色素瘤中BAP1表达水平	提出了一种基于深度学习的密集连接分类网络，用于预测BAP1表达，具有高灵敏度、特异性和准确性	研究样本仅来自两个中心，可能存在地域偏差	验证人工智能是否能准确预测葡萄膜黑色素瘤中BAP1表达水平	葡萄膜黑色素瘤中的BAP1表达水平	数字病理学	葡萄膜黑色素瘤	深度学习	密集连接分类网络	图像	47个摘除的眼球样本，分为6800个训练补丁和1376个验证补丁	NA	NA	NA	NA
99	2024-10-04	Comparison Study of Computational Prediction Tools for Drug-Target Binding Affinities 2019, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2019.00782 PMID:31824921	综述	本文综述了用于预测药物-靶点结合亲和力的计算预测工具，重点关注人工智能、机器学习和深度学习方法	首次全面比较分析了基于AI/ML/DL的DTBA预测工具	NA	探讨药物-靶点相互作用预测方法，特别是结合亲和力的预测	药物-靶点结合亲和力预测工具及其相关基准数据集和数据库	机器学习	NA	人工智能、机器学习、深度学习	NA	NA	NA	NA	NA	NA	NA
100	2024-10-04	Peptide-Major Histocompatibility Complex Class I Binding Prediction Based on Deep Learning With Novel Feature 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.01191 PMID:31850062	研究论文	本文提出了一种基于深度学习的新特征来预测肽与主要组织相容性复合体I类（MHC I）蛋白的结合亲和力	本文采用了深度卷积神经网络（CNN）来预测肽与MHC I的结合亲和力，并引入了新的特征，如序列顺序、疏水性指数、极性和肽长度，以提高预测准确性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种更准确的预测肽与MHC I结合亲和力的方法，以支持基于肽的疫苗开发	肽与MHC I蛋白的结合亲和力	机器学习	NA	深度学习	CNN	序列数据	涉及数十种肽数据	NA	NA	NA	NA