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	2025-05-23	Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis 2021-01, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.06.059 PMID:32598963	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在结肠镜检查中检测腺瘤和息肉的表现	首次对实时计算机辅助息肉检测（CADe）系统在结直肠肿瘤检测中的随机对照试验进行荟萃分析，证实其显著提高腺瘤检出率	纳入的随机对照试验数量有限（5项），部分指标如高级别腺瘤检出率的证据等级不高	评估人工智能辅助系统在结直肠肿瘤检测中的临床效能	结直肠肿瘤（腺瘤和息肉）	digital pathology	colorectal cancer	deep learning	CADe	colonoscopy images	4354例患者（来自5项随机对照试验）
2	2025-04-27	A comprehensive review of deep learning-based single image super-resolution 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.621 PMID:34322592	综述	本文全面回顾了基于深度学习的单图像超分辨率技术的最新进展	提供了深度学习视角下的单图像超分辨率技术详细综述，并介绍了初始的经典方法	未涉及具体实验验证，仅为基础理论和方法回顾	总结和分类图像超分辨率技术，并探讨未来研究方向和开放性问题	图像超分辨率技术及其应用	计算机视觉	NA	深度学习	EDSR, CinCGAN, MSRN, Meta-RDN, RBPN, SAN, SRFBN, WRAN	图像	NA
3	2025-04-24	Pollen analysis using multispectral imaging flow cytometry and deep learning 2021-01, The New phytologist DOI:10.1111/nph.16882 PMID:32803754	研究论文	本研究提出了一种结合多光谱成像流式细胞术和深度学习的花粉分析新方法	首次将多光谱成像流式细胞术与深度学习结合用于花粉分析，实现了快速测量和高准确度的花粉识别	需要建立全面的花粉参考数据库才能充分发挥方法优势	开发自动化花粉识别和定量分析方法	35种植物物种的花粉	计算机视觉	NA	多光谱成像流式细胞术	CNN	图像	426876张花粉图像
4	2025-04-10	Performance for rotor system of hybrid electromagnetic bearing and elastic foil gas bearing with dynamic characteristics analysis under deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0244403 PMID:33720953	研究论文	本文通过深度学习分析混合电磁轴承和弹性箔气体轴承转子系统的动态特性，探讨卷积神经网络(CNN)在系统故障检测和分类中的最优结构	结合混合电磁轴承和弹性箔气体轴承的动态特性分析，优化CNN结构用于轴承-转子系统故障检测与分类	研究仅针对涡轮膨胀机作为研究对象，未考虑其他类型旋转机械的适用性	分析轴承-转子系统动态特性并优化CNN结构以提高故障检测与分类性能	涡轮膨胀机的轴承-转子系统	机器学习	NA	动态特性分析、CNN参数优化	CNN	动态特性参数(刚度系数、阻尼系数)	NA
5	2025-04-06	Determination of disease severity in COVID-19 patients using deep learning in chest X-ray images 2021-Jan, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2020.20205 PMID:32815519	研究论文	本研究利用深度学习技术分析COVID-19患者的胸部X光片，以确定疾病严重程度	首次在COVID-19急性爆发期间应用深度学习模型进行胸部X光片分析，并评估其与放射科医生解读的一致性	样本量较小（48名患者），且为单中心回顾性研究	探索COVID-19患者临床特征与胸部X光片表现之间的关联，并评估深度学习模型在急性爆发环境中的应用可行性	48名SARS-CoV-2 RT-PCR阳性患者（年龄60±17岁，15名女性）的65张胸部X光片	数字病理学	COVID-19	深度学习	深度学习模型（具体架构未说明）	胸部X光图像	48名患者（65张X光片）
6	2025-03-23	MVP predicts the pathogenicity of missense variants by deep learning 2021-01-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20847-0 PMID:33479230	研究论文	本文介绍了一种名为MVP的新预测方法，利用深度残差网络和大规模训练数据集来预测错义变异的致病性	MVP方法通过深度残差网络利用大规模训练数据集和多个相关预测因子，显著提高了错义变异致病性预测的性能，特别是在对功能丧失变异耐受的基因中	文章未明确提及具体局限性	开发一种更准确的错义变异致病性预测方法，以支持遗传研究和临床诊断	错义变异	机器学习	先天性心脏病	深度残差网络	深度残差网络	基因变异数据	NA
7	2025-02-26	MSTCN: A multiscale temporal convolutional network for user independent human activity recognition 2021, F1000Research DOI:10.12688/f1000research.73175.2 PMID:36896393	研究论文	本文提出了一种基于Inception模型的多尺度时间卷积网络（MSTCN），用于用户独立的人类活动识别（HAR）	MSTCN通过使用不同大小的卷积核进行多尺度特征提取，并应用扩张卷积来扩大感受野而不增加模型参数，同时利用残差连接防止信息丢失和梯度消失	未明确提及具体限制	提高人类活动识别的准确性和效率，减少对手工特征工程的依赖	人类活动识别	机器学习	NA	多尺度时间卷积网络（MSTCN）	CNN, Inception模型	时间序列数据	UCI和WISDM数据集
8	2025-02-21	An Improved Double Channel Long Short-Term Memory Model for Medical Text Classification 2021, Journal of healthcare engineering DOI:10.1155/2021/6664893 PMID:33688423	研究论文	本文提出了一种改进的双通道长短期记忆模型（DC-LSTM），用于提高医疗文本分类的准确性	引入了双通道机制，同时接收词级和字符级嵌入，并提出混合注意力机制，结合当前时间输出与当前时间单元状态，通过计算权重得分进行加权求和，以提高模型学习的泛化能力	虽然模型在cMedQA和Sentiment140数据集上表现出色，但未提及在其他医疗文本数据集上的泛化能力	解决医疗文本分类中的低准确率问题，特别是针对中文医疗诊断中含义模糊的词汇	医疗和健康互联网社区中的症状咨询文本	自然语言处理	NA	深度学习	LSTM	文本	两个数据集：cMedQA和Sentiment140
9	2025-02-21	Predicting Slurry Pressure Balance with a Long Short-Term Memory Recurrent Neural Network in Difficult Ground Condition 2021, Computational intelligence and neuroscience DOI:10.1155/2021/6678355 PMID:33708249	研究论文	本文提出了一种基于长短期记忆（LSTM）循环神经网络的模型，用于预测在困难地质条件下的隧道面压力	首次将LSTM循环神经网络应用于隧道面压力预测，特别是在泥岩和圆砾混合地质条件下	模型在泥岩丰富的地质条件下表现良好，但在其他地质条件下的表现未进行验证	开发一种能够预测隧道面压力的模型，以减少人为判断错误带来的风险	隧道面压力，特别是在泥岩和圆砾混合地质条件下的压力	机器学习	NA	LSTM循环神经网络	LSTM	顺序地质数据，PLC数据	南宁地铁的案例研究
10	2025-02-21	RLSTM: A New Framework of Stock Prediction by Using Random Noise for Overfitting Prevention 2021, Computational intelligence and neuroscience DOI:10.1155/2021/8865816 PMID:34113377	研究论文	本文提出了一种名为随机长短期记忆（RLSTM）的新深度学习模型，用于股票市场指数的准确预测，以解决泛化能力弱和训练过拟合的问题	提出了一种新的深度学习模型RLSTM，通过引入随机噪声来防止过拟合，并提高了预测的准确性	仅使用了上海证券综合指数和标准普尔500指数进行模拟，可能在其他市场或数据上的泛化能力尚未验证	提高股票市场指数预测的准确性，减少投资者的财务风险	股票市场指数（如上海证券综合指数和标准普尔500指数）	机器学习	NA	深度学习	RLSTM（随机长短期记忆）	时间序列数据	上海证券综合指数和标准普尔500指数的数据
11	2025-02-21	Exploiting deep neural network and long short-term memory method-ologies in bioacoustic classification of LPC-based features 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259140 PMID:34941869	研究论文	本研究利用深度神经网络（DNN）和长短期记忆（LSTM）方法对两栖动物的声学特征进行识别和分类	结合DNN和LSTM方法对两栖动物声学特征进行分类，并应用PCA算法进行数据降维	未提及具体的研究局限性	提取最佳识别和分类算法的组合，用于两栖动物声学特征的分类	台湾常见的32种青蛙和3种蟾蜍的声学特征	生物声学	NA	线性预测编码（LPC）、梅尔频率倒谱系数（MFCC）、主成分分析（PCA）	深度神经网络（DNN）、长短期记忆（LSTM）	声学数据	32种青蛙和3种蟾蜍的声学数据
12	2025-01-28	Multi-task deep learning-based survival analysis on the prognosis of late AMD using the longitudinal data in AREDS 2021, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:35308963	研究论文	本研究利用AREDS的纵向数据和深度学习技术，预测晚期年龄相关性黄斑变性（AMD）的发展	结合历史数据和深度学习技术，提高了预测晚期AMD的准确性，并证明深度学习提取的图像特征比临床医生提取的特征更具信息性	仅使用当前访问的数据时，复杂特征的预测效果不如结合纵向数据	预测晚期AMD的发展	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	深度学习	卷积神经网络（CNN）	图像	AREDS研究中的纵向数据
13	2025-01-16	A maChine and deep Learning Approach to predict pulmoNary hyperteNsIon in newbornS with congenital diaphragmatic Hernia (CLANNISH): Protocol for a retrospective study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259724 PMID:34752491	研究论文	本研究旨在通过机器学习和深度学习方法，预测先天性膈疝（CDH）新生儿出生后的肺动脉高压（PH），并开发产前预测模型	首次将机器学习和深度学习应用于CDH胎儿的产前预测，特别是针对肺动脉高压的预测，并计划开发自动胎儿肺部MRI分割系统	研究为回顾性研究，可能受到数据质量和完整性的限制，且需要未来多中心前瞻性研究验证	开发预测模型以改善CDH患者的预后，特别是肺动脉高压的预测，并优化胎儿和新生儿的个性化管理	先天性膈疝（CDH）胎儿和新生儿	机器学习	先天性膈疝	MRI, 机器学习, 深度学习	3D U-NET	临床数据, 放射学数据, MRI图像	2012年1月1日至2020年12月31日期间出生的符合条件的患者
14	2024-11-18	Lilikoi V2.0: a deep learning-enabled, personalized pathway-based R package for diagnosis and prognosis predictions using metabolomics data 2021-01-23, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaa162 PMID:33484242	研究论文	本文介绍了Lilikoi V2.0，一个基于深度学习的个性化通路分析R包，用于代谢组学数据的诊断和预后预测	Lilikoi V2.0引入了深度学习方法进行分类，并增加了预后预测模块，支持数据预处理、探索性分析、通路可视化和代谢通路回归	NA	更新和升级Lilikoi软件，以适应代谢组学领域的新计算趋势	代谢组学数据	机器学习	NA	深度学习	Cox-nnet模型	代谢组学数据	NA
15	2024-11-18	Tool recommender system in Galaxy using deep learning 2021-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaa152 PMID:33404053	研究论文	本文开发了一个基于深度学习的工具推荐系统，用于帮助研究人员在Galaxy平台上创建工作流程	本文提出了一个基于门控循环单元神经网络的工具推荐模型，通过分析研究人员在欧洲Galaxy服务器上创建的工作流程来学习工具之间的依赖关系	NA	开发一个工具推荐系统，帮助研究人员在Galaxy平台上更轻松地创建复杂的工作流程	Galaxy平台上的工具和工作流程	机器学习	NA	深度学习	门控循环单元神经网络	工作流程数据	NA
16	2024-10-10	Image-driven classification of functioning and nonfunctioning pituitary adenoma by deep convolutional neural networks 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.05.023 PMID:34136106	研究论文	本文利用深度卷积神经网络对功能性和非功能性垂体腺瘤进行图像驱动的分类	首次提出基于深度学习的垂体腺瘤区域分割和分类模型，采用迁移学习和注意力机制提高模型性能	NA	开发一种自动化的方法来区分功能性和非功能性垂体腺瘤，以辅助治疗策略的制定	垂体腺瘤的功能性分类	计算机视觉	NA	卷积神经网络	CNN	图像	185名垂体腺瘤患者（来自两个中心）的3D MRI图像
17	2024-10-10	Overview of current state of research on the application of artificial intelligence techniques for COVID-19 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.564 PMID:34141890	综述	本文综述了当前人工智能技术在COVID-19应用研究中的现状	本文通过综述AI技术在COVID-19预测、诊断、药物设计和分析社会影响方面的应用，为未来研究提供了建议	NA	探讨人工智能技术在COVID-19疫情中的应用	COVID-19的预测、诊断、药物设计和社会影响分析	机器学习	COVID-19	机器学习和深度学习	NA	NA	NA
18	2024-10-09	Deep Neural Networks Offer Morphologic Classification and Diagnosis of Bacterial Vaginosis 2021-01-21, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/JCM.02236-20 PMID:33148709	研究论文	本文开发并优化了一种卷积神经网络（CNN）模型，用于自动识别和分类显微镜图像中的Nugent评分，以诊断细菌性阴道病	本文首次使用深度学习模型进行细菌性阴道病的形态学分类和诊断，模型在准确性和稳定性上优于人类医疗从业者	本文未详细讨论模型的泛化能力在不同医院或不同设备上的表现	开发一种自动化的方法来诊断细菌性阴道病，以替代传统的人工诊断方法	细菌性阴道病的诊断和分类	计算机视觉	妇科疾病	卷积神经网络（CNN）	CNN	图像	验证图像5,815张，独立测试图像1,082张
19	2024-10-09	Prediction of COVID-19 with Computed Tomography Images using Hybrid Learning Techniques 2021, Disease markers DOI:10.1155/2021/5522729 PMID:33968281	研究论文	本文使用混合学习模型对COVID-19、社区获得性肺炎（CAP）和正常CT图像进行分类	提出了一种混合学习模型，相比其他机器学习和深度学习分类器，在COVID-19分类中表现更优	未提及具体限制	提高COVID-19早期诊断的准确性	COVID-19、社区获得性肺炎（CAP）和正常CT图像	计算机视觉	COVID-19	混合学习技术	混合学习模型	CT图像	未提及具体样本数量
20	2024-10-08	A Review on Deep Learning Techniques for the Diagnosis of Novel Coronavirus (COVID-19) 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3058537 PMID:34976571	综述	本文综述了基于深度学习技术用于新型冠状病毒（COVID-19）诊断的最新系统	本文提供了对使用不同医学成像模式（如CT和X射线）的深度学习系统的全面概述，并讨论了用于训练这些网络的知名数据集	本文指出了使用深度学习方法进行COVID-19检测的挑战，并提出了未来研究的趋势	旨在概述基于深度学习技术用于COVID-19诊断的系统，并为专家和技术人员提供理解这些技术如何被使用以及如何进一步利用它们来对抗COVID-19爆发的见解	COVID-19诊断的深度学习系统	计算机视觉	新型冠状病毒	深度学习	NA	图像	NA