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	2025-03-23	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
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	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
11	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
12	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
13	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
14	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
15	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
16	2024-10-07	Classification of colorectal tissue images from high throughput tissue microarrays by ensemble deep learning methods 2021-01-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-81352-y PMID:33504830	研究论文	研究通过集成深度学习方法对高吞吐量组织微阵列中的结直肠组织图像进行分类	提出了使用软投票集成方法结合VGG和CapsNet模型，显著提高了分类准确率	未提及具体局限性	开发高准确率的算法用于结直肠组织分类，减少TMA核心评估中的错误	结直肠组织的H&E染色核心图像	计算机视觉	结直肠癌	深度学习	集成模型	图像	15,150个核心图像，包括2144个训练样本和13,006个测试样本
17	2024-10-07	Natural Language Processing-Based Virtual Cofacilitator for Online Cancer Support Groups: Protocol for an Algorithm Development and Validation Study 2021-Jan-07, JMIR research protocols IF:1.4Q3 DOI:10.2196/21453 PMID:33410754	研究论文	本文介绍了一种基于自然语言处理技术的虚拟共同促进者，用于在线癌症支持小组，旨在实时分析文本消息以监测参与者的情感困扰	利用人工智能技术实时分析在线支持小组的文本数据，以识别和跟踪参与者的情感困扰，提供实时警报和个性化资源建议	NA	开发和评估一种基于人工智能的共同促进者原型，以实时监测在线支持小组参与者的情感困扰	在线癌症支持小组的参与者及其情感困扰	自然语言处理	NA	自然语言处理	NA	文本	NA
18	2024-10-07	Deep neural network models for computational histopathology: A survey 2021-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101813 PMID:33049577	综述	本文综述了深度学习在计算病理学中的应用	总结了当前最先进的深度学习方法在病理图像分析中的进展	指出了当前深度学习方法的局限性和未来研究的方向	综述深度学习在病理图像分析中的应用	病理图像和疾病预后模型	数字病理学	NA	深度学习	深度神经网络	图像	超过130篇相关论文
19	2024-10-07	Deep Learning applications for COVID-19 2021, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-020-00392-9 PMID:33457181	综述	本文综述了深度学习在COVID-19大流行中的应用，并为未来的COVID-19研究提供了方向	本文涵盖了深度学习在自然语言处理、计算机视觉、生命科学和流行病学中的应用，并描述了这些应用如何随大数据的可用性变化以及学习任务的构建方式	本文指出了深度学习在COVID-19应用中的关键限制，包括可解释性、泛化指标、从有限标注数据中学习和数据隐私	探讨深度学习在COVID-19大流行中的应用，并为未来的研究提供方向	COVID-19大流行中的深度学习应用	机器学习	NA	深度学习	NA	文本、图像	NA
20	2024-10-06	An Integrated Deep Network for Cancer Survival Prediction Using Omics Data 2021, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2021.568352 PMID:34337396	研究论文	本文使用集成深度信念网络对癌症患者的生存率进行预测，并进行风险分层	提出了一种集成深度信念网络，能够从不同组学数据中提取信息特征，并在中等规模的数据集上表现优异	NA	开发一种新的方法来预测癌症患者的生存率并进行风险分层	癌症患者的RNA、miRNA和甲基化分子数据	机器学习	NA	深度学习	深度信念网络	组学数据	836名患者