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
41	2025-02-21	Deep learning with long short-term memory networks for classification of dementia related travel patterns 2020-07, 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/EMBC44109.2020.9175472 PMID:33019238	研究论文	本文利用移动设备上的方向数据，通过深度学习与长短期记忆网络（LSTM）分类器识别与痴呆症相关的游走模式	首次将深度学习与LSTM网络应用于痴呆症相关游走模式的分类，相比传统机器学习方法表现更优	样本量较小，仅涉及14名受试者，可能影响模型的泛化能力	研究痴呆症相关游走模式的分类，以早期识别认知退化和其他健康状况	痴呆症患者的游走模式	机器学习	老年疾病	深度学习	LSTM	方向数据	14名受试者
42	2025-02-21	EMG-Based Hand Gesture Classification with Long Short-Term Memory Deep Recurrent Neural Networks 2020-07, 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/EMBC44109.2020.9175279 PMID:33018710	研究论文	本文研究了基于长短期记忆（LSTM）深度循环神经网络在肌电图（EMG）手势分类中的有效性	使用LSTM神经网络处理EMG信号，捕捉肌肉收缩的时间依赖性，而传统方法主要关注空间相关性	研究仅针对九名截肢者，样本量较小，可能影响结果的普适性	探讨循环深度学习网络在EMG分类中的有效性，以改进上肢假肢的控制策略	九名截肢者在三种不同力量水平下生成的六种握持手势的EMG信号	机器学习	NA	EMG信号处理	LSTM	时间序列数据	九名截肢者
43	2025-02-21	Emotion Recognition with Refined Labels for Deep Learning 2020-07, 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/EMBC44109.2020.9176111 PMID:33017942	研究论文	本文提出了一种改进的情感识别方法，通过开发一种阈值方案，将连续的情感轨迹转换为时间上的三类注释，从而提高分类准确性	提出了一种新的阈值方案，将连续的情感轨迹转换为时间上的三类注释，解决了传统方法中固定注释导致分类准确性下降的问题	研究仅使用了MAHNOB-HCI数据集的一个子集，可能限制了结果的普适性	提高情感识别的分类准确性	情感识别	自然语言处理	NA	LSTM网络	LSTM	EEG信号和面部视频	MAHNOB-HCI数据集的一个子集
44	2025-02-21	Detection of patient-ventilator asynchrony from mechanical ventilation waveforms using a two-layer long short-term memory neural network 2020-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103721 PMID:32250853	研究论文	本文提出了一种使用两层长短期记忆（LSTM）神经网络从机械通气波形中检测患者-呼吸机异步（PVA）的方法	首次将深度学习技术应用于PVA检测，特别是使用两层LSTM网络来识别两种最常见的PVA类型	研究仅针对两种PVA类型（DT和IEE）进行了测试，未涵盖所有可能的PVA类型	提高患者-呼吸机异步（PVA）的自动检测效率，以改善患者与呼吸机的交互	机械通气波形数据	机器学习	NA	深度学习	LSTM	波形数据	两个数据集
45	2025-02-21	Spatio-Temporal Abnormal Behavior Prediction in Elderly Persons Using Deep Learning Models 2020-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s20082359 PMID:32326349	研究论文	本文研究了多种深度学习模型用于识别和预测老年人异常行为	结合了时间信息和空间序列，使用多种深度学习模型进行异常行为预测	仅使用了两个公开数据集进行测试，可能缺乏广泛性	开发能够准确预测老年人异常行为的健康监测系统	老年人	机器学习	老年疾病	深度学习	LSTM, CNN, CNN-LSTM, Autoencoder-CNN-LSTM	时间序列数据，空间序列数据	两个公开数据集
46	2025-02-21	A deep learning-based method for drug-target interaction prediction based on long short-term memory neural network 2020-03-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-1052-0 PMID:32183788	研究论文	本文提出了一种基于深度学习的药物-靶点相互作用预测方法，利用长短期记忆神经网络进行预测	首次在药物-靶点相互作用预测中测试了具有记忆和图灵完备性的深度学习方法的潜力	未明确提及具体局限性	开发有效的计算方法以验证药物与靶点之间的相互作用	药物-靶点相互作用	机器学习	NA	PSSM, LM, SPCA, DeepLSTM	LSTM	蛋白质进化特征和药物分子亚结构指纹	四类重要的药物-靶点数据集
47	2025-02-21	Monitoring ICU Mortality Risk with A Long Short-Term Memory Recurrent Neural Network 2020, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:31797590	研究论文	本文提出了一种基于长短期记忆循环神经网络（LSTM）的动态监测ICU患者死亡风险的新框架	该框架使用词袋表示法处理相关医疗事件，并利用潜在语义分析（LSA）将患者状态编码为低维嵌入，进而通过LSTM网络进行死亡风险预测，相比现有严重程度评分系统SAPS-II表现更优	未提及具体样本量及数据缺失处理的具体细节	开发一种能够动态监测ICU患者死亡风险的预测模型，以提高医疗干预效果和临床资源分配效率	ICU患者的电子健康记录（EHR）	自然语言处理	NA	潜在语义分析（LSA）	长短期记忆网络（LSTM）	电子健康记录（EHR）	NA
48	2025-02-21	A Dual-Modal Attention-Enhanced Deep Learning Network for Quantification of Parkinson's Disease Characteristics 2020-01, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2019.2946194 PMID:31603824	研究论文	本文提出了一种双模态注意力增强的深度学习网络，用于量化帕金森病（PD）患者的步态特征	该研究不仅实现了PD步态与正常步行的二分类，还量化了PD步态以关联其与PD严重程度，采用了双模态深度学习模型，结合CNN和注意力增强的LSTM网络	需要合适的训练以确保模型的高置信度和准确性	开发一种计算机化工具，客观评估PD患者的步态	帕金森病患者的步态	机器学习	帕金森病	深度学习	CNN, LSTM	1D垂直地面反作用力（VGRF）信号	NA
49	2025-02-21	Human Gait Recognition Based on Frame-by-Frame Gait Energy Images and Convolutional Long Short-Term Memory 2020-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065719500278 PMID:31747820	研究论文	本文提出了一种基于卷积长短期记忆网络（Conv-LSTM）和逐帧步态能量图像（ff-GEI）的新方法，用于提高步态识别的准确率	提出了一种新的步态能量图像变体ff-GEI，并设计了一种基于Conv-LSTM的步态识别模型，有效解决了跨视角步态识别的问题	NA	提高步态识别的准确率，特别是在无干扰视频监控和远距离人类识别中的应用	人类步态	计算机视觉	NA	深度学习	Conv-LSTM	视频	CASIA Dataset B 和 OU-ISIR Large Population Dataset
50	2025-02-09	Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support: three decades' development course and future prospect 2020-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-019-03098-5 PMID:31786740	综述	本文综述了过去三十年计算机辅助肺结节诊断技术的发展，从传统方法到深度学习辅助决策支持的演变	首次对过去30年计算机辅助肺结节诊断技术的发展进行文献综述，并识别了挑战和未来研究方向	缺乏对技术发展的全面审查，特别是从传统方法到机器学习辅助决策支持的演变	提供计算机辅助肺结节检测和良恶性分类技术的全面最新综述，并识别未来研究方向	肺结节的计算机辅助诊断	计算机视觉	肺癌	深度学习	NA	图像	NA
51	2025-01-26	Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy 2020-10-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba410 PMID:32640435	研究论文	本文提出了一种基于深度学习的快速自动多针数字化工作流程，用于超声引导的前列腺近距离放射治疗中的多针定位	提出了一个结合大边缘损失的大边缘Mask R-CNN模型（LMMask R-CNN）和基于密度的空间聚类算法，用于针杆定位和针尖检测，显著提高了定位精度	研究样本量较小，仅包括23名患者和339根针	开发一种自动多针定位方法，以简化超声引导的高剂量率（HDR）前列腺近距离放射治疗的工作流程	超声图像中的多针定位	计算机视觉	前列腺癌	深度学习	LMMask R-CNN	图像	23名患者，339根针
52	2025-01-25	Deep learning-based real-time volumetric imaging for lung stereotactic body radiation therapy: a proof of concept study 2020-12-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abc303 PMID:33080578	研究论文	本研究提出了一种基于生成对抗网络和感知监督的新型方法，用于从单个2D投影中实时生成体积图像，以支持肺癌立体定向体部放射治疗中的精确运动管理	提出了一种名为TransNet的网络，结合了感知损失和对抗监督，以生成准确的肺部边界和逼真的3D图像	研究仅基于20例患者的模拟数据，尚未在真实临床环境中验证	开发一种实时体积成像方法，用于肺癌立体定向体部放射治疗中的运动管理和剂量验证	肺癌患者	计算机视觉	肺癌	生成对抗网络（GAN）	TransNet（包含编码、转换和解码模块）	2D投影和3D CT图像	20例接受肺癌立体定向体部放射治疗的患者
53	2025-01-12	Poly(A)-DG: A deep-learning-based domain generalization method to identify cross-species Poly(A) signal without prior knowledge from target species 2020-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008297 PMID:33151940	研究论文	本文提出了一种基于深度学习的领域泛化方法Poly(A)-DG，用于在无需目标物种先验知识的情况下识别跨物种的Poly(A)信号	提出了一种新的深度学习方法Poly(A)-DG，结合了卷积神经网络-多层感知器（CNN-MLP）网络和领域泛化技术，能够在无需重新训练的情况下识别目标物种的Poly(A)信号	虽然Poly(A)-DG在跨物种识别中表现出色，但在数据不足或数据不平衡的情况下，性能可能会受到影响	研究目的是开发一种能够在无需目标物种先验知识的情况下识别跨物种Poly(A)信号的深度学习方法	研究对象是四种不同物种的Poly(A)信号	机器学习	NA	深度学习	CNN-MLP	DNA序列数据	四种物种的数据集，其中两种用于训练，另外两种用于评估
54	2025-01-02	Retrospective imaging studies of gastric cancer: Study protocol clinical trial (SPIRIT Compliant) 2020-Feb, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000019157 PMID:32080093	研究论文	本研究旨在开发一种深度学习模型，用于胃癌中腹膜转移的术前准确诊断	首次基于CT图像使用深度学习技术诊断胃癌中的腹膜转移	研究为回顾性研究，可能存在选择偏倚	提高CT在胃癌腹膜转移诊断中的性能	胃癌患者	数字病理学	胃癌	CT	深度卷积神经网络（DCNN）	图像	所有胃癌患者，具体数量未明确
55	2024-12-15	Multimodality Imaging and Artificial Intelligence for Tumor Characterization: Current Status and Future Perspective 2020-Nov, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2020.07.003 PMID:33059823	研究论文	本文探讨了多模态影像与人工智能在肿瘤特征分析中的应用现状及未来展望	人工智能通过机器学习和深度学习，能够整合大量异质性数据进行分析，提供自动化和可重复的定量影像生物标志物	需要设定质量标准，包括影像采集的标准化、模型开发的透明性、验证和测试的高质量过程以及算法的更好可解释性	研究多模态影像与人工智能在肿瘤特征分析中的应用，以实现精准肿瘤学	肿瘤的特征分析和分子表达的非侵入性监测	计算机视觉	NA	机器学习，深度学习	NA	影像	NA
56	2024-12-12	On the objectivity, reliability, and validity of deep learning enabled bioimage analyses 2020-10-19, eLife IF:6.4Q1 DOI:10.7554/eLife.59780 PMID:33074102	研究论文	本文探讨了深度学习在生物图像分析中的客观性、可靠性和有效性	提出了一种集成数据标注、真实值估计和模型训练的分析流程，以提高深度学习模型在生物图像分析中的客观性、可靠性和有效性	本文主要基于小鼠和斑马鱼的数据进行研究，可能无法完全推广到其他生物或实验条件	评估集成数据标注、真实值估计和模型训练的深度学习分析流程的有效性	小鼠和斑马鱼的荧光标记图像	计算机视觉	NA	深度学习	深度学习模型（未具体说明模型类型）	图像	来自两个模式生物（小鼠、斑马鱼）和五个实验室的数据
57	2024-12-12	Industry-scale application and evaluation of deep learning for drug target prediction 2020-Apr-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-020-00428-5 PMID:33430964	研究论文	本文研究了基于公共数据训练的机器学习模型在制药行业数据上的应用和评估	首次在大规模行业环境中评估机器学习和深度学习在药物靶点预测中的潜力，并研究了公共数据训练的靶点预测模型在工业生物活性预测管道中的可转移性	NA	评估机器学习模型在制药行业数据上的应用效果	基于公共数据训练的机器学习模型在制药行业数据上的应用	机器学习	NA	深度学习	深度学习模型	数据	NA
58	2024-12-09	In silico spectral libraries by deep learning facilitate data-independent acquisition proteomics 2020-01-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13866-z PMID:31919359	研究论文	本文提出了一种基于深度学习的计算光谱库生成方法DeepDIA，用于数据独立采集（DIA）蛋白质组学分析	DeepDIA能够生成与实验光谱库质量相当甚至更好的计算光谱库，并能直接从蛋白质序列数据库中构建光谱库，突破了依赖数据依赖采集（DDA）实验的限制	NA	开发一种新的方法来生成计算光谱库，以促进DIA蛋白质组学分析	人类血清样本中的肽和蛋白质	蛋白质组学	NA	数据独立采集（DIA）	深度学习模型	蛋白质序列数据库	人类血清样本
59	2024-12-06	Use of artificial intelligence in diagnosis of head and neck precancerous and cancerous lesions: A systematic review 2020-11, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2020.104885 PMID:32674040	综述	本文系统综述了人工智能在头颈部癌前病变和癌症诊断中的应用及其诊断准确性	本文首次系统综述了人工智能在头颈部癌前病变和癌症诊断中的应用，并评估了其诊断准确性	本文发现大多数研究存在高偏倚风险，可能导致准确率被高估，且缺乏对其他头颈部病理的AI诊断证据	评估人工智能在头颈部癌前病变和癌症诊断中的应用及其诊断准确性	头颈部癌前病变和癌症，包括口腔上皮发育不良、口腔黏膜下纤维化、口腔鳞状细胞癌和口咽鳞状细胞癌	数字病理	头颈部癌	人工智能	监督学习方法	图像	11项研究，涉及40-270张全切片图像
60	2024-11-21	Deep learning based spectral extrapolation for dual-source, dual-energy x-ray computed tomography 2020-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.14324 PMID:32531114	研究论文	本文提出了一种基于深度学习的双源双能X射线计算机断层扫描（CT）光谱外推方法	本文创新性地使用深度学习算法来实现双源双能CT数据的光谱外推，通过学习特征-对比关系来提高外推的准确性	本文方法在处理几何简单的幻影数据时性能有所下降，表明其依赖于特征-对比关系来正确推断光谱对比度	研究目的是开发一种能够在外推光谱对比度时提高准确性的深度学习算法	研究对象是双源双能腹部X射线CT扫描数据	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	50例双源双能腹部X射线CT扫描数据