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
121	2025-10-07	Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram 2021-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01264-7 PMID:34711971	研究论文	提出Tangram方法，通过深度学习将单细胞转录组数据与空间数据对齐，构建全基因组单细胞分辨率空间图谱	开发能够将sc/snRNA-seq数据与多种空间数据（包括MERFISH、STARmap、smFISH、空间转录组学和组织学图像）对齐的首个通用方法	方法依赖于来自同一区域的匹配空间数据和单细胞数据，且空间数据的分辨率和灵敏度限制可能影响对齐精度	构建器官生物图谱，在单细胞分辨率下实现全基因组空间映射	小鼠脑组织（视觉和体感运动区域）	生物信息学	NA	sc/snRNA-seq, MERFISH, STARmap, smFISH, Spatial Transcriptomics (Visium), SHARE-seq	深度学习	单细胞转录组数据，空间转录组数据，多模态数据，组织学图像	NA	NA	NA	NA	NA
122	2025-10-07	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分析COVID-19患者胸部X光片，评估病变严重程度及其与临床特征的关联	在急性COVID-19爆发环境中验证深度学习模型可行性，并建立影像特征与临床指标（年龄、合并症、治疗急迫性）的统计学关联	回顾性研究设计，样本量较小（48例患者），单中心数据	开发基于深度学习的COVID-19胸部X光自动分析工具，探索影像特征与临床严重程度的关联	SARS-CoV-2 RT-PCR阳性患者	计算机视觉	COVID-19	胸部X光成像	深度学习	医学影像	48名患者（年龄60±17岁，15名女性），共65张胸部X光片	NA	NA	Cohen's kappa	NA
123	2025-10-07	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	研究论文	比较基于直方图和基于图像的算法在肺超极化气体图像语义分割中的性能差异	首次系统比较传统直方图分割方法与基于卷积神经网络的图像分割方法在超极化气体肺图像中的表现	研究仅针对模拟数据集，未在真实临床环境中验证	评估不同分割算法在存在常见MRI伪影情况下的性能差异	超极化129Xe气体肺图像	计算机视觉	肺疾病	MRI	CNN	医学图像	80名受试者（29名公共数据集+51名回顾性数据集）	NA	卷积神经网络	测量偏差, 测量精度	NA
124	2025-10-07	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	提出基于深度残差网络的错义变异致病性预测新方法MVP	首次将深度残差网络应用于错义变异致病性预测，并针对功能缺失不耐受基因和耐受基因分别训练模型	未明确说明模型在特定遗传疾病类型中的泛化能力	开发更准确的错义变异致病性预测方法	错义基因变异	机器学习	先天性心脏病	深度残差网络	深度学习	基因变异数据	包含癌症突变热点和发育障碍新生变异的大规模训练数据集	NA	深度残差网络	致病性变异优先排序性能	NA
125	2025-10-07	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	使用人工智能分析英美两国社交媒体上对COVID-19疫苗的公众态度	首次结合自然语言处理和深度学习技术对英美两国大规模社交媒体数据开展疫苗态度的纵向和地理空间分析	仅分析特定时间段（2020年3-11月）的社交媒体数据，可能无法反映态度变化的全貌	通过人工智能方法分析社交媒体数据以了解公众对COVID-19疫苗的态度和担忧	英国和美国的社交媒体用户发布的疫苗相关内容	自然语言处理	COVID-19	自然语言处理, 深度学习	深度学习模型	文本数据	英国23,571条Facebook帖子和40,268条推文，美国144,864条Facebook帖子和98,385条推文	NA	NA	情感分析准确率, 与全国调查结果的相关性	NA
126	2025-10-07	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	介绍ANTsX生态系统在生物和医学影像定量分析中的综合应用	将传统图像处理工具与深度学习能力相结合，通过ANTsRNet和ANTsPyNet扩展提供高效的深度学习解决方案	NA	开发和完善生物医学影像处理与分析的开源软件生态系统	生物和医学影像数据	医学影像分析	NA	医学影像处理，深度学习	深度学习网络	结构T1加权脑MRI图像	NA	TensorFlow, Keras	多种流行网络架构	计算效率，准确度	NA
127	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	NA	NA	NA	NA
128	2025-10-07	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	提出一种基于多尺度时序卷积网络(MSTCN)的用户无关人类活动识别方法	结合Inception模型与时序卷积架构，采用多尺度可分离卷积和扩张卷积扩大感受野，并利用残差连接防止信息丢失	未提及模型在跨设备或跨环境下的泛化能力	开发用户无关的人类活动识别系统	人类日常活动数据	机器学习	NA	深度学习	时序卷积网络	传感器时序数据	UCI和WISDM数据集	NA	Inception, 时序卷积网络	F1分数	NA
129	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	NA	NA	NA	NA
130	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	NA	NA	NA	NA
131	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	NA	NA	NA	NA
132	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	NA	NA	NA	NA
133	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	NA	NA	NA	NA
134	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	NA	NA	NA	NA
135	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	NA	NA	NA	NA
136	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）	NA	NA	NA	NA
137	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	NA	NA	NA	NA
138	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	NA	NA	NA	NA
139	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	NA	NA	NA	NA
140	2025-02-21	AFCNNet: Automated detection of AF using chirplet transform and deep convolutional bidirectional long short term memory network with ECG signals 2021-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104783 PMID:34481184	研究论文	本文提出了一种基于时频域深度学习的自动化方法，用于检测心房颤动（AF）并分类终止和非终止AF发作，使用心电图（ECG）信号	提出了一种新颖的时频域深度学习方法，结合了chirplet变换和二维深度卷积双向长短期记忆（BLSTM）神经网络模型，用于AF的自动检测和分类	NA	开发一种自动化方法，用于检测和分类心房颤动（AF）发作，以减少中风、冠状动脉疾病和其他心血管并发症的风险	心电图（ECG）信号	机器学习	心血管疾病	chirplet变换，深度卷积双向长短期记忆（BLSTM）神经网络	二维深度卷积双向长短期记忆（BLSTM）神经网络	心电图（ECG）信号	来自三个公共数据库的ECG信号	NA	NA	NA	NA