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
61	2025-02-21	Classification of Electrocardiography Hybrid Convolutional Neural Network-Long Short Term Memory with Fully Connected Layer 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6348424 PMID:35860642	研究论文	本文提出了一种结合卷积神经网络（CNN）、长短期记忆网络（LSTM）和全连接层（FCL）的混合模型，用于心电图（ECG）信号的分类	创新点在于将CNN、LSTM和DNN结合在一个统一的架构中，用于ECG信号的分类和异常检测，并在不平衡数据集上表现出色	未提及具体的研究局限性	研究目的是通过深度学习技术自动化ECG信号的分类和异常检测	研究对象是心电图（ECG）信号	机器学习	心血管疾病	深度学习	CNN, LSTM, FCL	时间序列数据	使用MIT-BIH心律失常数据库中的ECG数据	NA	NA	NA	NA
62	2025-02-21	Prediction of hand, foot, and mouth disease epidemics in Japan using a long short-term memory approach 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0271820 PMID:35900968	研究论文	本研究使用长短期记忆（LSTM）方法预测日本手足口病的流行模式	首次使用LSTM模型对日本手足口病的流行进行提前四周的预测	模型仅基于日本的数据，可能不适用于其他地区	预测日本手足口病的流行模式	日本各都道府县的手足口病病例数据	机器学习	手足口病	长短期记忆（LSTM）	LSTM	时间序列数据	日本各都道府县每周报告的手足口病病例数	NA	NA	NA	NA
63	2025-02-21	A Comparison on LSTM Deep Learning Method and Random Walk Model Used on Financial and Medical Applications: An Example in COVID-19 Development Prediction 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4383245 PMID:36052038	研究论文	本研究旨在通过LSTM网络模型和随机游走模型，基于金融理论建立加密货币价格趋势模型，并应用于COVID-19发展预测	结合LSTM网络模型和随机游走模型，探索加密货币价格趋势预测，并应用于COVID-19发展预测，展示了不同参数设置下模型的特性	LSTM和随机游走模型在价格预测方面存在局限性，需要在模型准确性和实用性之间找到平衡	建立加密货币价格趋势模型，并应用于COVID-19发展预测	加密货币（比特币和以太坊）和COVID-19	机器学习	COVID-19	LSTM网络模型和随机游走模型	LSTM, 随机游走模型	金融数据, 医疗数据	NA	NA	NA	NA	NA
64	2025-02-21	Inversion of Rayleigh Wave Dispersion Curves via Long Short-Term Memory Combined with Particle Swarm Optimization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2640929 PMID:36590837	研究论文	本文提出了一种结合长短期记忆网络（LSTM）和粒子群优化（PSO）的方法（PSO-LSTM），用于提高瑞利波频散曲线反演的效果	创新点在于将LSTM网络与PSO结合，优化网络结构和参数，以提高频散曲线反演的精度和鲁棒性	本文的局限性在于仅使用了两个理论地质模型进行测试，实际应用中的数据复杂性和多样性可能影响模型的表现	研究目的是提高瑞利波频散曲线反演的精度和效率	研究对象为瑞利波频散曲线及其反演方法	地球物理勘探	NA	粒子群优化（PSO）、长短期记忆网络（LSTM）	PSO-LSTM	频散曲线数据	两个理论地质模型（Model 和 Model ）及美国怀俄明州的实际数据	NA	NA	NA	NA
65	2025-02-21	Deep Learning vs Traditional Models for Predicting Hospital Readmission among Patients with Diabetes 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128461	研究论文	本文比较了深度学习模型与传统模型在预测糖尿病患者30天内非计划性全因再入院风险中的表现	使用LSTM深度学习模型预测糖尿病患者的再入院风险，并发现其性能显著优于传统模型	研究仅基于电子健康记录（EHR）数据，未考虑其他可能影响再入院风险的因素	开发并比较不同模型在预测糖尿病患者再入院风险中的表现	36,641名糖尿病患者的2,836,569次就诊记录	机器学习	糖尿病	深度学习	LSTM	电子健康记录（EHR）数据	36,641名糖尿病患者的2,836,569次就诊记录	NA	NA	NA	NA
66	2025-10-07	Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103154 PMID:35988342	研究论文	开发基于深度学习的自动分割算法用于癫痫手术后MRI中切除腔的分割	使用三个U-Net卷积神经网络分别训练轴位、冠状位和矢状位切片，并通过多数投票集成算法实现手术切除部位的自动分割	回顾性研究，样本量相对有限（62名患者），需要进一步验证在更大样本和不同手术类型中的性能	开发自动分割算法用于癫痫手术后MRI中切除腔的精确分割	62名接受切除手术的颞叶癫痫患者的术后T1加权MRI	医学影像分析	癫痫	MRI成像	CNN	医学影像	62名颞叶癫痫患者（训练集27例，测试集9例，验证集9例，独立测试集17例），40名对照受试者	NA	U-Net	Dice-Sørensen系数, Hausdorff距离, 体积估计, 相关系数, 平均绝对误差	NA
67	2025-10-07	Resting state network mapping in individuals using deep learning 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.1055437 PMID:36712434	研究论文	本研究开发了一种基于深度3D卷积神经网络的静息态网络映射方法，可用于个体水平的脑功能网络定位	首次使用深度3DCNN进行体素水平的静息态网络映射，相比传统方法对噪声和数据量要求更低	模型训练仅基于健康参与者数据，在临床患者群体中的适用性需要进一步验证	开发个体水平的静息态网络定位方法，满足临床应用的精准需求	静息态功能磁共振数据	医学影像分析	神经退行性疾病	静息态功能磁共振	3DCNN	功能磁共振图像	2010名健康参与者	NA	3D卷积神经网络	概率分布图, 均值, 标准差	NA
68	2025-10-07	Estimating time-to-total knee replacement on radiographs and MRI: a multimodal approach using self-supervised deep learning 2022-Jan-01, Radiology advances DOI:10.1093/radadv/umae030 PMID:39744045	研究论文	本研究开发了一种结合自监督深度学习和多模态数据的生存分析模型，用于预测膝关节置换手术的时间	首次将自监督深度学习特征与临床变量和多模态影像评估相结合，用于精确预测膝关节置换时间	研究数据主要来自特定队列研究，外部验证样本量相对有限，且部分病例在9年随访期后状态未知	开发精确预测膝关节置换时间的模型以改善患者管理和医疗资源分配	膝关节骨关节炎患者	医学影像分析	骨关节炎	MRI扫描、X射线摄影、定量和半定量影像评估	自监督深度学习、生存分析模型	医学影像（X光片、MRI）、临床测量数据	训练集：895例接受TKR的膝关节和786例对照膝关节；外部测试集：518例（多中心研究）和164例（医院数据）	NA	NA	AUC（曲线下面积）	NA
69	2025-10-07	A deep neural network for the classification of epileptic seizures using hierarchical attention mechanism 2022, Soft computing IF:3.1Q2 DOI:10.1007/s00500-022-07122-8 PMID:35465467	研究论文	提出一种集成层次注意力机制的深度神经网络用于癫痫发作分类	将层次注意力机制与卷积架构相结合，在保证高精度的同时降低计算复杂度	未明确说明具体计算复杂度的量化指标和对比基线	开发计算复杂度低且分类精度高的癫痫发作分类算法	脑电图信号和癫痫发作患者	机器学习	癫痫	脑电图	CNN	脑电图信号	NA	NA	自定义卷积架构集成层次注意力机制	准确率, 计算时间	NA
70	2025-10-07	Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.877326 PMID:35431841	研究论文	提出基于3D残差压缩激励卷积神经网络的扩散MRI多类别伪影自动检测方法	首次实现扩散MRI数据的多类别（非二元）伪影自动分类，采用3D MECE子体积分割和投票机制	仅针对特定数据集（ABCD和HBN）进行验证，未在其他数据集测试泛化能力	开发自动化的扩散MRI多类别伪影检测方法以提高数据预处理效率	扩散MRI脑部扫描数据	医学影像分析	脑部疾病	扩散MRI	CNN	3D医学影像	ABCD数据集2,494个低质量dMRI体积，HBN数据集4,226个dMRI体积	NA	3D Residual Squeeze-and-Excitation CNN	准确率	NA
71	2025-01-06	Synthesizing high-resolution magnetic resonance imaging using parallel cycle-consistent generative adversarial networks for fast magnetic resonance imaging 2022-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15380 PMID:34821395	研究论文	本文提出了一种使用并行循环一致性生成对抗网络（CycleGANs）从低分辨率磁共振成像（MR）图像生成高分辨率MR图像的新方法	采用自监督策略的并行CycleGANs方法，解决了临床环境中难以收集成对低分辨率和高分辨率MR图像的问题	NA	生成高分辨率MR图像以缩短MR扫描时间	MR图像	计算机视觉	脑肿瘤	并行循环一致性生成对抗网络（CycleGANs）	CycleGAN	图像	BraTS2020数据集和机构收集的MR图像	NA	NA	NA	NA
72	2024-12-18	A deep hybrid learning pipeline for accurate diagnosis of ovarian cancer based on nuclear morphology 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261181 PMID:34995293	研究论文	本文提出了一种基于核形态学的深度混合学习管道，用于卵巢癌的准确诊断	本文创新性地结合了核形态学特征和深度学习技术，开发了一种新的深度混合学习模型，显著提高了诊断准确性	本文仅进行了初步研究，样本量较小，需要进一步验证和扩展	研究目的是通过结合核形态学特征和机器学习技术，区分正常组织和卵巢癌组织	研究对象是卵巢癌和正常组织的核形态学特征	数字病理学	卵巢癌	深度学习	CNN	图像	卵巢癌和正常组织的样本	NA	NA	NA	NA
73	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列	NA	NA	NA	NA
74	2024-12-08	A learning based approach for designing extended unit cell metagratings 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0540 PMID:39633889	研究论文	本文提出了一种基于深度学习的扩展单元晶格超表面逆向设计方法	该方法通过学习超表面在反射和透射阶次上的光谱响应，避免了传统方法中由于元原子间耦合效应未充分考虑而导致的效率降低问题	NA	提高超表面设计的效率和性能	扩展单元晶格超表面	纳米光子学	NA	深度学习	深度神经网络	光谱数据	NA	NA	NA	NA	NA
75	2024-12-08	Deep-learning-based recognition of multi-singularity structured light 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0489 PMID:39635381	研究论文	本文介绍了一种基于深度学习的框架，用于识别具有多重奇点的结构化光	该框架能够直接从光束传播后的两个强度模式中揭示多重奇点相位结构，并输出相位信息，从而释放扭曲光子的丰富直观信息	NA	开发一种能够精确识别具有多重奇点的结构化光的新技术	多重奇点的结构化光及其相位信息	计算机视觉	NA	深度学习 (DL)	NA	图像	NA	NA	NA	NA	NA
76	2024-11-24	Denoising diffusion weighted imaging data using convolutional neural networks 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274396 PMID:36108272	研究论文	本文提出了一种使用一维卷积神经网络（1D-CNN）对高b值扩散加权成像（DWI）数据进行去噪的方法	该方法利用低噪声数据集进行训练，能够在不依赖大量训练样本的情况下，有效去除高噪声DWI图像中的噪声	该方法需要一个低噪声的单个受试者数据集进行训练，这在实际应用中可能存在限制	开发一种有效的DWI图像去噪方法，以提高组织微结构测量的准确性	高b值扩散加权成像数据	计算机视觉	NA	扩散加权成像（DWI）	一维卷积神经网络（1D-CNN）	图像	单个受试者数据集用于训练，多个受试者的高噪声数据集用于验证	NA	NA	NA	NA
77	2024-11-24	Artificial Intelligence: Innovation to Assist in the Identification of Sono-anatomy for Ultrasound-Guided Regional Anaesthesia 2022, Advances in experimental medicine and biology DOI:10.1007/978-3-030-87779-8_6 PMID:35146620	综述	本文综述了人工智能在超声引导区域麻醉中辅助识别解剖结构的应用	探讨了计算机视觉在医学图像解释中的潜力，特别是深度学习系统在超声图像解释中的应用	需要进一步的临床验证和监管批准	探讨人工智能在超声引导区域麻醉中的应用及其对未来学习和实践的影响	超声引导区域麻醉中的解剖结构识别	计算机视觉	NA	深度学习	深度学习系统	图像	NA	NA	NA	NA	NA
78	2024-11-19	Role of artificial intelligence in MS clinical practice 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103065 PMID:35661470	综述	本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性	机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类	需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题	探讨人工智能在多发性硬化症临床实践中的应用	多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割	机器学习	多发性硬化症	机器学习 (ML) 和深度学习 (DL)	NA	影像数据	NA	NA	NA	NA	NA
79	2024-11-08	POCS-Augmented CycleGAN for MR Image Reconstruction 2022-Jan, Applied sciences (Basel, Switzerland) DOI:10.3390/app12010114 PMID:37465648	研究论文	本文提出了一种结合传统图像重建方法和深度学习的混合图像重建方法，通过将CycleGAN与POCS算法结合，提高了MR图像重建的质量	本文创新地将传统的POCS算法与深度学习网络CycleGAN结合，通过迭代训练提高了图像重建的质量	NA	研究如何通过结合传统图像重建方法和深度学习来提高MR图像重建的质量	MR图像重建	计算机视觉	NA	NA	CycleGAN	图像	使用了亚采样的磁共振成像数据进行验证	NA	NA	NA	NA
80	2024-10-30	Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268952 PMID:35622869	研究论文	本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法	本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性	NA	提高正交频分复用系统中信道估计的准确性和鲁棒性	正交频分复用系统中的信道估计问题	无线通信	NA	深度学习	卷积神经网络（CNN）	信号	NA	NA	NA	NA	NA