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
81	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
82	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
83	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
84	2025-02-19	Prediction of lung malignancy progression and survival with machine learning based on pre-treatment FDG-PET/CT 2022-Aug, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2022.104127 PMID:35810561	研究论文	本研究利用机器学习分析治疗前的FDG-PET/CT扫描，预测肺癌的进展和总体生存率	结合卷积神经网络（CNN）和随机生存森林（RSF）模型，利用FDG-PET/CT数据进行肺癌进展和生存率预测，并与传统放射组学方法进行比较	研究为回顾性分析，可能存在选择偏差，且样本量有限	预测肺癌的进展和总体生存率，以指导治疗决策和改善患者护理	肺癌患者	数字病理学	肺癌	FDG-PET/CT扫描	CNN, RSF	图像	1168个结节（来自965名患者）
85	2025-02-19	Automatic information extraction from childhood cancer pathology reports 2022-Jul, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac049 PMID:35721398	研究论文	本文开发了基于深度学习的模型，用于从儿童癌症病理报告中自动提取信息并进行ICCC分类	首次开发了用于ICCC分类的机器学习模型，并比较了直接ICCC分类模型与基于ICD-O-3编码标准的模型的性能	模型在14.8%的模糊病理报告上无法足够自信地分配代码	开发自动信息提取模型以补充州癌症登记处的人工注释者	儿童癌症病理报告	自然语言处理	儿童癌症	深度学习	深度学习模型	文本	29,206份来自6个州癌症登记处的报告
86	2025-02-16	Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice 2022-03-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29236-1 PMID:35318318	研究论文	本文介绍了一种深度学习辅助的双光子纤维镜技术，用于在自由行为的小鼠中进行视频速率的大脑成像	开发了高速扫描器和降采样方案以提高成像速度，并引入了深度学习算法以恢复图像质量，实现了在自由行为小鼠中进行高分辨率、高速度（26 fps）的成像	目前的技术仍受限于光机械尺寸和重量的限制	提高双光子纤维镜的成像速度，以更好地理解神经活动模式与行为之间的关系	自由行为的小鼠	计算机视觉	NA	双光子纤维镜成像	深度学习算法	视频	自由行为的小鼠
87	2025-02-16	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	本研究开发了一种基于深度学习的自动化分割算法，用于分析癫痫患者的术后MRI，并通过图形用户界面（GUI）估计术后脑体积，包括海马残留组织	开发了一种基于3个U-Net卷积神经网络的多数投票集成算法，用于分割手术切除部位，并部署了一个全自动的GUI管道，用于比较切除分割与术前成像	研究为回顾性研究，样本量相对较小（62名患者）	开发一种自动化分割算法，用于准确分割癫痫患者的术后MRI中的切除腔	62名接受切除手术的颞叶癫痫（TLE）患者的术后T1加权MRI	计算机视觉	癫痫	MRI	U-Net	图像	62名颞叶癫痫患者和40名对照受试者
88	2025-02-14	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	本文介绍了一种使用深度3D卷积神经网络（3DCNN）进行静息态网络（RSN）体素映射的新方法	使用深度3D卷积神经网络进行RSN体素映射，能够在个体水平上生成RSN定位图，且对噪声数据和较少的RS-fMRI时间点具有高度抵抗力	需要大量高质量数据进行训练，这在临床或研究环境中并不总是可用	开发一种能够在个体水平上生成静息态网络定位图的方法，以支持临床应用	健康参与者（n = 2010）的静息态功能MRI数据	计算机视觉	NA	功能MRI（RS-fMRI）	3D卷积神经网络（3DCNN）	图像	2010名健康参与者
89	2025-02-12	DL 101: Basic introduction to deep learning with its application in biomedical related fields 2022-11-20, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9564 PMID:36041380	研究论文	本文提供了深度学习的基础介绍，并探讨了其在生物医学领域的应用	介绍了前馈神经网络（FNN）的基本概念及其强大的功能表示，并提供了选择神经网络超参数的指导	文章主要面向初学者，未深入探讨深度学习的高级技术细节	探讨深度学习在生物医学及其他相关领域的应用潜力	深度学习技术及其在生物医学领域的应用	机器学习	NA	深度学习	前馈神经网络（FNN）	NA	NA
90	2025-02-09	Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16452-1_28 PMID:39911317	研究论文	本文提出了一种新颖的上下文编码约束神经网络，用于单阶段颅骨标记和地标定位	设计并引入了一种新的上下文编码模块到U-Net架构中，并引入了一个新的辅助任务来建模不同解剖地标的相对空间配置	NA	提高颅骨分割和地标检测的准确性和效率	颅骨和颅骨地标	计算机视觉	NA	深度学习	U-Net	3D CT图像	274名儿童的3D CT图像数据集
91	2025-02-07	Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022) 2022-09, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01613-8 PMID:35681080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
92	2025-02-06	Just How Confident Can We Be in Predicting Sports Injuries? A Systematic Review of the Methodological Conduct and Performance of Existing Musculoskeletal Injury Prediction Models in Sport 2022-10, Sports medicine (Auckland, N.Z.) DOI:10.1007/s40279-022-01698-9 PMID:35689749	系统综述	本文系统评估了运动医学中肌肉骨骼损伤预测模型的方法学实施和报告完整性	首次系统性地评估了运动医学中肌肉骨骼损伤预测模型的方法学质量和报告完整性，揭示了现有模型的普遍问题和改进需求	研究仅包括截至2021年6月的数据，且仅纳入英文和同行评审的研究，可能遗漏了其他语言或未发表的重要研究	评估运动医学中肌肉骨骼损伤预测模型的方法学实施和报告完整性，以指导临床实践	运动医学中的肌肉骨骼损伤预测模型	运动医学	肌肉骨骼损伤	回归分析、机器学习、深度学习	回归模型、机器学习模型、深度学习模型	NA	30项研究（204个模型）
93	2025-02-06	Deep Learning Image Analysis of Optical Coherence Tomography Angiography Measured Vessel Density Improves Classification of Healthy and Glaucoma Eyes 2022-04, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2021.11.008 PMID:34780803	研究论文	本研究比较了卷积神经网络（CNN）分析的全视野血管密度图像与梯度提升分类器（GBC）分析的光学相干断层扫描血管成像（OCTA）血管密度测量和视网膜神经纤维层（RNFL）厚度测量在分类健康眼和青光眼眼方面的性能	使用深度学习（CNN）分析全视野血管密度图像，显著提高了健康眼和青光眼眼的分类性能	研究样本量相对较小，可能影响结果的普遍性	比较不同诊断方法在分类健康眼和青光眼眼方面的性能	健康个体和青光眼患者的眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	CNN, GBC	图像	80名健康个体的130只眼和185名青光眼患者的275只眼
94	2025-02-06	The Emerging Potential of Advanced Targeted Mass Spectrometry to Become a Routine Tool for Protein Quantification in Biomedical Research 2022-Feb-23, Chimia IF:1.1Q3 DOI:10.2533/chimia.2022.81 PMID:38069753	研究论文	本文讨论了靶向质谱技术在生物医学研究中蛋白质定量方面的潜力及其最新技术发展	介绍了靶向质谱技术在蛋白质、肽段和翻译后修饰定量检测中的高灵敏度和可重复性，并探讨了深度学习光谱预测在自动化检测开发中的应用	靶向质谱技术在学术界和制药行业的普及较慢，主要由于检测生成和数据验证的额外工作量	探讨靶向质谱技术在系统生物学研究和生物医学发现与临床实施中的潜在关键作用	蛋白质、肽段和翻译后修饰	生物医学研究	NA	靶向质谱技术	深度学习	质谱数据	NA
95	2025-02-06	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	本文开发了一种基于自监督深度学习的多模态方法，用于预测全膝关节置换术（TKR）的时间	结合自监督深度学习特征、临床变量和图像评估测量，提高了预测TKR时间的准确性	模型的泛化能力需要进一步验证，且外部测试数据集相对较小	准确预测全膝关节置换术的时间，以帮助医生制定个性化治疗策略	来自Osteoarthritis Initiative数据集、Multi-Center Osteoarthritis Study和医院内部数据的膝关节影像和临床变量	数字病理	骨关节炎	自监督深度学习	随机生存森林模型	影像（X光和MRI）、临床变量	895例接受TKR的膝关节和786例未接受TKR的膝关节，以及来自外部测试的518例和164例样本
96	2025-01-25	GPT-D: Inducing Dementia-related Linguistic Anomalies by Deliberate Degradation of Artificial Neural Language Models 2022-May, Proceedings of the conference. Association for Computational Linguistics. Meeting DOI:10.18653/v1/2022.acl-long.131 PMID:39845531	研究论文	本文提出了一种通过人工降级预训练的Transformer深度学习模型（GPT-2）来诱导与痴呆症相关的语言异常的新方法	提出了一种新颖的方法，通过将预训练的GPT-2模型与其人工降级版本（GPT-D）配对，计算这两个模型在认知健康与受损个体语言上的比率，从而诱导痴呆症相关的语言异常	方法的泛化能力仍需进一步验证，尤其是在更大规模的数据集上	研究深度学习模型在区分认知健康个体与阿尔茨海默病患者语言方面的能力，并探索生成神经语言模型与痴呆症对人类语言特征的影响之间的关系	认知健康个体与阿尔茨海默病患者的语言数据	自然语言处理	阿尔茨海默病	Transformer深度学习模型	GPT-2, GPT-D	文本	NA
97	2025-01-25	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	本文提出了一种结合分层注意力机制的深度神经网络，用于癫痫发作的分类	提出了一种新颖的卷积架构，结合了分层注意力机制，以提高分类准确性并减少计算复杂度	未提及具体的数据集规模或外部验证结果	开发一种能够在较低计算复杂度下实现高分类准确率的算法	癫痫发作的脑电图（EEG）信号	机器学习	癫痫	深度学习	卷积神经网络（CNN）结合分层注意力机制	脑电图（EEG）信号	未提及具体样本数量
98	2025-01-23	Magnetic resonance imaging contrast enhancement synthesis using cascade networks with local supervision 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15578 PMID:35229344	研究论文	本文提出了一种使用级联网络和局部监督的深度学习方法，从非增强的MR图像中合成对比增强的MR图像，以减少对钆基对比剂（GBCAs）的依赖	创新点在于使用级联网络结合肿瘤轮廓信息进行训练，从而生成与真实对比增强MR图像视觉上无法区分的合成图像	研究仅基于BraTS2020数据集，样本量有限，且未在其他类型的数据集上进行验证	研究目的是通过深度学习方法合成对比增强的MR图像，以减少对钆基对比剂的使用	研究对象为369名患者的MR图像，来自BraTS2020数据集	医学影像处理	脑肿瘤	深度学习	级联网络（Retina U-Net和合成模块）	MR图像	369名患者的MR图像（200名用于五折交叉验证，169名用于保留测试）
99	2025-01-22	Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias 2022-07-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-22-0065 PMID:35387940	研究论文	本研究开发了一种可视化深度学习模型，用于更准确地区分源自右心室流出道（RVOT）和左心室流出道（LVOT）的心律失常	创新点在于使用卷积神经网络（CNN）模型结合梯度加权类激活映射方法，不仅提高了心律失常起源分类的准确性，还能可视化显示对诊断贡献最大的导联和波形	研究样本量较小，仅包含80名患者，可能影响模型的泛化能力	研究目的是开发一种能够更准确分类心律失常起源的可视化深度学习模型	研究对象为80名接受导管消融治疗的患者	机器学习	心血管疾病	深度学习	CNN	心电图（ECG）	80名患者
100	2025-01-15	ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates 2022-May-28, Brain informatics DOI:10.1186/s40708-022-00161-9 PMID:35633447	研究论文	本文介绍了一种基于深度学习的婴儿大脑MRI分割框架ID-Seg，用于提高边缘结构（如杏仁核和海马体）的分割准确性	利用大规模公开婴儿MRI数据集和迁移学习技术，预训练深度卷积神经网络模型，并通过留一法交叉验证策略进行微调，显著提高了分割准确性	需要在多站点进行测试，并扩展至杏仁核和海马体以外的脑区	提高婴儿大脑MRI中边缘结构的分割准确性	婴儿大脑MRI图像中的杏仁核和海马体	数字病理学	NA	深度学习，迁移学习	深度卷积神经网络（CNN）	MRI图像	473名婴儿的MRI数据集，以及50名婴儿的独立数据集