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	2025-03-28	Deep representation learning of patient data from Electronic Health Records (EHR): A systematic review 2021-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103671 PMID:33387683	系统综述	本文对使用深度学习从电子健康记录(EHR)中学习患者表示的研究进行了系统综述，并提供了方法论上的定性和定量分析	首次系统综述了基于深度学习的EHR患者表示学习领域，揭示了该领域的方法学趋势和挑战	现有预测模型主要关注单一疾病预测，未能全面考虑患者的复杂机制	评估和总结使用深度学习从EHR数据中学习患者表示的研究现状	从MEDLINE等数据库中筛选出的49篇相关研究论文	医疗健康信息学	NA	深度学习	RNN/LSTM/GRU	结构化EHR数据	49篇研究论文(来自363篇初筛文章)
2	2025-03-26	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	research paper	该研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的异种移植肿瘤的MRI图像，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性，其中D-R2UNet表现最佳	研究仅针对三阴性乳腺癌患者来源的异种移植肿瘤，未涉及其他类型肿瘤	开发自动化管道以准确分割MRI图像中的肿瘤，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的异种移植肿瘤的T1w和T2w MRI图像	digital pathology	breast cancer	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	image	未明确提及具体样本数量
3	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
4	2025-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种通过细针抽吸（FNA）进行肿瘤免疫微环境（TME）连续评估的创新技术FAST-FNA	首次展示了通过简单的FNA可以准确且连续地测量治疗期间复杂且快速变化的TME	NA	发现并整合预测和/或预后生物标志物到治疗算法中	肿瘤免疫微环境（TME）	数字病理学	癌症	FAST-FNA	深度学习辅助分析管道	单细胞数据	临床前样本和人类样本
5	2025-03-21	Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning 2021-Mar, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-020-03366-9 PMID:32852634	研究论文	本研究开发了基于CT图像的XGBoost和深度学习模型，用于术前预测肝细胞癌的微血管侵犯	结合了放射组学特征、放射学特征和临床变量，开发了XGBoost模型和3D-CNN模型，用于术前预测MVI状态	需要进一步验证这些机器学习模型的有效性	术前预测肝细胞癌的微血管侵犯状态	405名肝细胞癌患者	计算机视觉	肝细胞癌	CT图像分析	XGBoost, 3D-CNN	图像	405名患者
6	2025-03-11	Artificial Intelligence-Enabled Analysis of Public Attitudes on Facebook and Twitter Toward COVID-19 Vaccines in the United Kingdom and the United States: Observational Study 2021-04-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26627 PMID:33724919	研究论文	本研究开发并应用了一种基于人工智能的方法，分析英国和美国社交媒体上关于COVID-19疫苗的公众情绪，以更好地理解公众对COVID-19疫苗的态度和担忧	利用自然语言处理和深度学习技术，对社交媒体数据进行情感分析和主题识别，以实时评估公众对COVID-19疫苗的信心和信任	研究依赖于社交媒体数据，可能无法完全代表所有公众的意见，且数据时间范围有限	分析英国和美国公众对COVID-19疫苗的态度和担忧，以指导教育和政策干预	英国和美国的社交媒体用户	自然语言处理	COVID-19	自然语言处理，深度学习	深度学习模型	文本	超过300,000条社交媒体帖子，包括英国的23,571条Facebook帖子和40,268条推文，美国的144,864条Facebook帖子和98,385条推文
7	2025-03-05	The ANTsX ecosystem for quantitative biological and medical imaging 2021-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87564-6 PMID:33907199	研究论文	本文介绍了ANTsX生态系统，这是一个用于处理和分析生物及医学影像数据的开源软件库集合	ANTsX生态系统通过整合R统计项目和Python的深度学习能力，提供了统计、可视化和深度学习功能，显著提高了计算效率并提供了优于现有ANTs工作流的准确性	NA	开发和推广用于生物和医学影像数据处理和分析的开源软件工具	生物和医学影像数据	数字病理	NA	深度学习	TensorFlow/Keras	影像	NA
8	2025-03-01	Systematic Quantification of Sources of Variation in Ejection Fraction Calculation Using Deep Learning 2021-11, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.06.018 PMID:34274282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	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
10	2025-02-21	Human Motion Tracking Using 3D Image Features with a Long Short-Term Memory Mechanism Model-An Example of Forward Reaching 2021-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s22010292 PMID:35009834	研究论文	本文提出了一种使用3D图像特征和深度双向长短期记忆（DBLSTM）机制模型进行人体运动跟踪的深度学习技术	相比传统的2D图像系统，提出的系统在人体运动跟踪能力上有所提升，特别是在加速度的RMSE上表现优异	虽然3D图像特征提供了更准确的人体运动信息，但系统的实际应用可能受到3D图像采集和处理复杂性的限制	开发一种更有效的人体运动跟踪技术，以改善康复任务中的运动记录	人体运动	计算机视觉	NA	深度学习	DBLSTM	3D图像	NA
11	2025-02-21	BiLSTM-5mC: A Bidirectional Long Short-Term Memory-Based Approach for Predicting 5-Methylcytosine Sites in Genome-Wide DNA Promoters 2021-Dec-07, Molecules (Basel, Switzerland) DOI:10.3390/molecules26247414 PMID:34946497	研究论文	本研究提出了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法BiLSTM-5mC，用于准确识别全基因组DNA启动子中的5-甲基胞嘧啶（5mC）位点	提出了一种新的深度学习方法BiLSTM-5mC，通过整合22个子模型的输出并使用多数投票策略来预测5mC位点，优于现有方法	未提及具体的数据集大小或样本来源，可能限制了结果的普适性	研究目的是开发一种高效的方法来识别DNA启动子中的5mC位点，以进一步理解DNA甲基化在癌症和衰老等遗传疾病中的功能	全基因组DNA启动子中的5mC位点	机器学习	癌症	深度学习	BiLSTM	DNA序列数据	未明确提及具体样本数量
12	2025-02-21	Power efficient refined seizure prediction algorithm based on an enhanced benchmarking 2021-12-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02798-8 PMID:34873202	研究论文	本文提出了一种基于增强基准的节能型癫痫发作预测算法，通过改进数据处理和模型架构，提高了预测性能	提出了一种结合一维卷积神经网络和双向长短期记忆网络的深度学习架构，并采用留一法交叉验证以避免过拟合，同时优化了硬件实现	未提及具体数据集的多样性和规模限制，可能影响模型的泛化能力	改进癫痫发作预测算法的性能和硬件友好性	癫痫发作预测	机器学习	癫痫	深度学习	1D CNN + Bi-LSTM	时间序列数据	未明确提及具体样本数量
13	2025-02-21	Prediction and detection of freezing of gait in Parkinson's disease from plantar pressure data using long short-term memory neural-networks 2021-11-27, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-021-00958-5 PMID:34838066	研究论文	本研究探讨了使用长短期记忆神经网络（LSTM）从足底压力数据中检测和预测帕金森病（PD）患者的步态冻结（FOG）	首次使用足底压力数据结合LSTM模型进行FOG的检测和预测，相较于传统的惯性测量单元（IMU）和加速度计数据，足底压力数据能捕捉到FOG发作时独特的细微重量变化	研究样本量较小（11名参与者），且数据在实验室环境中收集，需进一步研究以提高FOG预测性能，并扩大样本量	开发一种基于足底压力数据的实时可穿戴系统，用于检测和预测帕金森病患者的步态冻结	帕金森病患者的步态冻结（FOG）	机器学习	帕金森病	长短期记忆神经网络（LSTM）	LSTM	足底压力数据	11名帕金森病患者
14	2025-02-21	Tourist Experiences Recommender System Based on Emotion Recognition with Wearable Data 2021-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s21237854 PMID:34883853	研究论文	本文提出了一种基于穿戴设备数据的情感识别旅游体验推荐系统（TERS）架构	与大多数在控制实验中使用高精度传感器诱发情感的研究不同，本研究挑战在于基于用户日常生活中收集的心率数据进行情感识别，并生成考虑穿戴者情感状态的旅游推荐	穿戴设备收集的生理数据精度较低，可能影响情感识别的准确性	开发一种基于穿戴设备数据的情感识别旅游体验推荐系统	穿戴设备的用户	机器学习	NA	深度学习算法	CNN, LSTM, 混合模型	心率数据	NA
15	2025-02-21	Spatio-temporal prediction of the COVID-19 pandemic in US counties: modeling with a deep LSTM neural network 2021-11-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-01119-3 PMID:34741093	研究论文	本文提出了一种深度学习方法，用于预测美国各县未来1至4周的COVID-19感染病例和死亡人数	使用多变量LSTM递归神经网络，结合移动性数据，提高了预测性能	在疫情初期，由于训练数据量较小，机器学习方法的预测能力有限	预测COVID-19疫情在美国各县的时空演变	美国各县的COVID-19感染病例和死亡人数	机器学习	COVID-19	LSTM	LSTM	时间序列数据	多个时间序列样本
16	2025-02-21	Classification of thermoluminescence features of CaCO3 with long short-term memory model 2021-Nov, Luminescence : the journal of biological and chemical luminescence IF:3.2Q2 DOI:10.1002/bio.4109 PMID:34156748	研究论文	本文提出了一种基于长短期记忆（LSTM）深度学习模型的新方法，用于分类碳酸钙（CaCO3）的热释光特性	首次将LSTM模型应用于碳酸钙热释光特性的分类，实现了高准确率、精确度和灵敏度	研究仅针对碳酸钙的热释光特性，未涉及其他矿物的分类	研究碳酸钙的热释光特性分类方法	碳酸钙（CaCO3）的热释光特性	机器学习	NA	深度学习	LSTM	热释光数据	包含四个类别的数据集
17	2025-02-21	Cardinality and Short-Term Memory Concepts based Novel Feature Extraction for Myoelectric Pattern Recognition 2021-11, 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/EMBC46164.2021.9629963 PMID:34891390	研究论文	本文提出了一种结合传统特征提取方法和LSTM模型记忆概念的新方法，用于高效提取EMG信号的空间-时间动态特性	创新点包括：a) 利用深度学习结构的记忆概念捕捉EMG信号的短期时间依赖性，b) 使用基数生成空间上不同的EMG信号的逻辑组合作为特征提取方法，c) 低计算成本和增强的分类性能	尽管提出的方法在实验室和可穿戴设备上表现出色，但其在临床环境中的实际应用仍需进一步验证	研究目的是改进肌电模式识别，以促进从实验室到临床环境的转化	研究对象包括9名经桡骨截肢者和17名完整肢体者，以及22名使用两种可穿戴消费臂带的完整肢体者	机器学习	NA	EMG信号处理	LSTM	EMG信号	48名参与者（9名经桡骨截肢者和39名完整肢体者）
18	2025-02-21	A CSI-Based Human Activity Recognition Using Deep Learning 2021-Oct-30, Sensors (Basel, Switzerland) DOI:10.3390/s21217225 PMID:34770532	研究论文	本文提出了一种基于WiFi信道状态信息（CSI）和深度学习的人类活动识别方法	利用CSI数据并将其转换为图像，使用2D卷积神经网络（CNN）进行分类，相比1D-CNN、LSTM和双向LSTM等方法表现更优	仅针对七种日常活动进行测试，样本多样性可能不足	开发一种基于WiFi CSI的人类活动识别方法，用于智能日常活动监测	老年人的日常活动	机器学习	老年疾病	WiFi CSI数据采集与图像转换	2D CNN	图像	七种不同的人类日常活动数据
19	2025-02-21	Estimation of municipal solid waste amount based on one-dimension convolutional neural network and long short-term memory with attention mechanism model: A case study of Shanghai 2021-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2021.148088 PMID:34118670	研究论文	本研究评估了使用监督学习方法，包括注意力机制、一维卷积神经网络（1D-CNN）和长短期记忆（LSTM）来预测上海市生活垃圾量的可行性和实用性	设计了集成1D-CNN、LSTM和注意力机制的新结构模型（1D-CNN-LSTM-Attention, 1D-CLA），用于预测生活垃圾量，并讨论了社会经济因素对生活垃圾量的影响	研究仅针对上海市，未涉及其他城市或地区的验证	评估使用深度学习方法预测生活垃圾量的可行性和实用性	上海市的生活垃圾量	机器学习	NA	监督学习	1D-CNN, LSTM, 注意力机制, 1D-CLA	时间序列数据	NA
20	2025-02-21	A Novel Hybrid Deep Learning Method for Fault Diagnosis of Rotating Machinery Based on Extended WDCNN and Long Short-Term Memory 2021-Oct-04, Sensors (Basel, Switzerland) DOI:10.3390/s21196614 PMID:34640934	研究论文	本文提出了一种基于扩展WDCNN和长短期记忆（LSTM）的新型混合深度学习方法，用于复杂环境下的旋转机械故障诊断	提出了一种新型混合深度学习方法（NHDLM），结合了扩展的WDCNN和LSTM，以提高旋转机械故障诊断的自学习能力和智能诊断准确性	未提及具体局限性	提高旋转机械故障诊断的准确性和自学习能力	旋转机械	机器学习	NA	深度学习	EWDCNN, LSTM	NA	NA