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	Nuclear morphology is a deep learning biomarker of cellular senescence 2022-08, Nature aging IF:17.0Q1 DOI:10.1038/s43587-022-00263-3 PMID:37118134	研究论文	本研究开发了一种基于核形态的深度学习模型，用于预测细胞衰老，并验证其跨组织和物种的适用性	首次证明核形态可作为细胞衰老的深度学习生物标志物，具有跨组织和物种的普适性	研究主要基于体外培养细胞和组织样本，需要进一步在更多临床场景中验证	开发基于核形态的细胞衰老预测方法并探索其与人类健康结局的关联	人类成纤维细胞、小鼠星形胶质细胞、小鼠神经元、早衰成纤维细胞、小鼠肝组织、人类皮肤活检样本	数字病理学	衰老相关疾病	H&E染色	神经网络	图像	多种细胞类型和组织样本	NA	NA	准确率	NA
122	2025-10-07	Dimensionally consistent learning with Buckingham Pi 2022-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00355-5 PMID:38177386	研究论文	提出基于白金汉π定理的数据驱动方法，通过对称性和自相似结构自动发现最优无量纲群	将白金汉π定理作为约束条件，开发了三种数据驱动技术来发现最优无量纲群	方法在三个示例问题中验证但需进一步测试更复杂系统	开发自动发现物理系统最优无量纲群的数据驱动方法	物理系统的测量数据和参数	机器学习	NA	无量纲分析	深度学习, 稀疏识别	物理测量数据	NA	NA	BuckiNet	准确度, 鲁棒性, 计算复杂度	NA
123	2025-10-07	A universal graph deep learning interatomic potential for the periodic table 2022-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00349-3 PMID:38177366	研究论文	开发了一种基于图神经网络的通用材料间原子势能函数M3GNet，用于材料结构弛豫、动态模拟和性质预测	提出了首个覆盖整个元素周期表的通用间原子势能函数，结合了三体相互作用的图神经网络架构	NA	开发能够广泛应用于不同化学空间的材料间原子势能函数	材料间原子势能函数和材料稳定性预测	机器学习	NA	图神经网络，密度泛函理论计算	图神经网络	材料结构数据，能量数据	基于材料项目过去十年的结构弛豫数据库，筛选了3100万假设晶体结构中的180万种材料	NA	M3GNet（具有三体相互作用的图神经网络）	材料稳定性验证准确率（1578/2000）	NA
124	2025-10-07	Challenges and opportunities in quantum machine learning 2022-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00311-3 PMID:38177473	综述	本文探讨量子机器学习在量子计算与机器学习交叉领域的潜力、挑战与发展机遇	系统对比量子与经典机器学习的差异，重点关注量子神经网络与量子深度学习的前沿进展	NA	分析量子机器学习的当前方法、应用场景及实现量子优势的潜在路径	量子机器学习模型与方法论	机器学习	NA	量子计算	量子神经网络, 量子深度学习	量子数据	NA	NA	NA	NA	量子计算设备
125	2025-10-07	The impact of trade and financial expansion on volatility of real exchange rate 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262230 PMID:35061782	研究论文	本研究通过实证分析探讨贸易与金融开放对实际汇率波动的影响	结合物联网金融背景，使用深度学习技术分析金融数据，并采用混合OLS和工具变量法进行实证检验	仅涵盖45个主要国家数据，样本范围有限	分析贸易和金融开放对实际汇率波动的影响机制	全球45个主要国家的面板数据	机器学习	NA	深度学习	NA	金融面板数据	45个主要国家	NA	NA	NA	NA
126	2025-03-11	Letter re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review: Label-free diagnostic technique to differentiate cancer cells from healthy cells 2022-09, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2022.04.032 PMID:35717368	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
127	2025-03-11	Response to letter entitled: Re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review 2022-09, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2022.06.001 PMID:35781181	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
128	2025-10-07	Deep learning identifies robust gender differences in functional brain organization and their dissociable links to clinical symptoms in autism 2022-Apr, The British journal of psychiatry : the journal of mental science DOI:10.1192/bjp.2022.13 PMID:35164888	研究论文	本研究利用深度学习识别自闭症谱系障碍中功能脑组织的性别差异及其与临床症状的关联	开发了新型时空深度神经网络(stDNN)，首次在多中心队列中系统识别自闭症患者功能脑组织的性别差异特征	研究主要基于神经影像数据，需要进一步验证这些脑特征与行为表现的直接关联	识别自闭症谱系障碍中区分女性和男性的功能性脑组织标志物并预测症状严重程度	自闭症谱系障碍患者（n=773）和神经典型发育个体的功能性磁共振成像数据	医学影像分析	自闭症谱系障碍	功能性磁共振成像(fMRI)	深度学习	神经影像数据	773名自闭症谱系障碍患者的多中心队列	NA	时空深度神经网络(stDNN)	分类准确率	NA
129	2025-10-07	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本研究应用强化学习在小型训练集上准确定位脑部MRI图像中的肿瘤	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，无需放射科医师眼动追踪点	仅使用30个二维图像切片进行训练，样本量较小	开发能够在小训练集上准确定位脑肿瘤的强化学习方法	脑部MRI图像中的肿瘤病灶	医学影像分析	脑肿瘤	MRI	Deep Q Network, 关键点检测监督深度学习网络	二维医学图像	30个训练图像切片，30个测试图像切片	NA	Deep Q Network	准确率	NA
130	2025-10-07	High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning 2022-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2021.6059 PMID:35195663	研究论文	本研究开发了一种深度学习工作流程，用于自动量化心室肥厚并预测左心室壁增厚的原因	开发了全自动深度学习工作流程，能够精确测量左心室尺寸并区分不同原因的心室肥厚，相比人工专家具有更高的可重复性和精确度	研究基于回顾性数据，需要在前瞻性研究中进一步验证	评估深度学习工作流程在量化心室肥厚和预测左心室壁增厚原因方面的准确性	左心室肥厚患者，特别是肥厚型心肌病和心脏淀粉样变性患者	医学影像分析	心血管疾病	超声心动图视频分析	深度学习	超声心动图视频	23745名患者，包括斯坦福医疗保健和CSMC的胸骨旁长轴视频和心尖四腔视频	NA	NA	平均绝对误差(MAE), AUC, R2	NA
131	2025-10-07	Using deep learning to study emotional behavior in rodent models 2022, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2022.1044492 PMID:36483523	综述	探讨深度学习技术在啮齿类动物情绪行为研究中的应用及不同模型架构的影响	系统比较监督、无监督和自监督学习方法在动物行为分析中的优劣，建立行为状态表征与神经活动的关联框架	未提供具体实验数据验证，属于方法论讨论而非实证研究	研究深度学习如何提升动物情绪行为分析的客观性和效率	啮齿类动物的情绪相关行为（焦虑、社交互动、奖赏和应激反应）	计算机视觉	NA	视频姿态估计	深度学习	视频	NA	NA	NA	NA	NA
132	2025-10-07	Using ensembles and distillation to optimize the deployment of deep learning models for the classification of electronic cancer pathology reports 2022-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac075 PMID:36110150	研究论文	通过集成学习和知识蒸馏优化电子癌症病理报告分类深度学习模型的部署	将1000个多任务卷积神经网络的集成知识蒸馏到单一模型中，减少过拟合和模型过度自信	在极端类别不平衡和噪声数据集上的应用仍有局限	优化癌症病理报告分类模型的部署效果	电子癌症病理报告	自然语言处理	癌症	知识蒸馏	CNN	文本	NA	NA	多任务卷积神经网络(MtCNN)	准确率,弃权率	低计算资源环境
133	2025-10-07	Deep learning on resting electrocardiogram to identify impaired heart rate recovery 2022-Aug, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.06.001 PMID:36046430	研究论文	本研究开发了一种基于静息心电图的深度学习模型来预测心率恢复能力，并验证其与心血管疾病风险的关联	首次使用静息心电图通过深度学习模型预测运动后心率恢复能力，无需实际运动测试	研究人群主要为英国生物银行参与者，需要进一步验证在其他人群中的适用性	探索基于静息心电图的心率恢复能力预测及其与心血管疾病风险的关联	英国生物银行参与者的静息心电图数据和临床结局	机器学习	心血管疾病	心电图	CNN	心电图波形	56,793名个体（平均年龄57岁，51%女性）	NA	卷积神经网络	相关系数, 风险比, 置信区间	NA
134	2025-02-21	A Novel CNN-LSTM Hybrid Model for Prediction of Electro-Mechanical Impedance Signal Based Bond Strength Monitoring 2022-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s22249920 PMID:36560293	研究论文	本研究提出了一种新颖的CNN-LSTM混合模型，用于预测基于机电阻抗信号的粘结强度监测	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合模型，用于预测机电阻抗信号	研究仅限于混凝土圆柱样本和嵌入的钢筋，未涉及其他材料或结构	评估机电阻抗技术在监测钢筋混凝土粘结强度发展中的性能	钢筋混凝土圆柱样本和嵌入的钢筋	结构健康监测	NA	机电阻抗（EMI）技术	CNN-LSTM混合模型	机电阻抗信号	混凝土圆柱样本和嵌入的钢筋	NA	NA	NA	NA
135	2025-02-21	New onset delirium prediction using machine learning and long short-term memory (LSTM) in electronic health record 2022-12-13, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac210 PMID:36303456	研究论文	本文开发并测试了一种结合长短期记忆（LSTM）和机器学习的深度学习模型，用于预测住院成年患者的新发谵妄	结合LSTM和LightGBM模型，显著提高了新发谵妄的预测性能，为后续开发临床决策支持工具提供了算法基础	研究仅基于单一大型学术医疗中心的电子健康记录数据，可能限制了模型的泛化能力	开发并测试一种准确预测住院成年患者新发谵妄的深度学习模型	住院成年患者	机器学习	老年疾病	电子健康记录（EHR）数据分析	LSTM, LightGBM	电子健康记录数据	34,035名患者的331,489次CAM评估	NA	NA	NA	NA
136	2025-02-21	Sensor Data Prediction in Missile Flight Tests 2022-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s22239410 PMID:36502111	研究论文	本文提出了一种结合小波分析方法的深度学习预测网络，用于导弹飞行测试中的传感器数据预测	结合小波变换和生成对抗网络（GAN）来重构缺失的传感器数据，并使用带有注意力和扩张网络的长短期记忆（LSTM）进行精确预测	未提及具体的数据集规模或实验的广泛性	提高导弹飞行测试中传感器数据的预测准确性	导弹飞行测试中的传感器数据	机器学习	NA	小波变换，生成对抗网络（GAN），长短期记忆（LSTM）	GAN, LSTM	传感器数据	实际导弹飞行测试中的传感器数据	NA	NA	NA	NA
137	2025-02-21	Hybrid the long short-term memory with whale optimization algorithm and variational mode decomposition for monthly evapotranspiration estimation 2022-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-25208-z PMID:36456679	研究论文	本文提出了一种结合长短期记忆网络（LSTM）、鲸鱼优化算法（WOA）和变分模态分解（VMD）的混合模型（VMD-WOA-LSTM），用于估算腾格里沙漠东南边缘的月蒸散发量（ET）	创新点在于结合了LSTM、WOA和VMD三种技术，提出了一种新的混合模型VMD-WOA-LSTM，用于更准确地估算沙漠地区的月蒸散发量	研究仅限于腾格里沙漠东南边缘地区，未涉及其他沙漠或气候条件不同的区域	研究目的是通过提出一种新的混合模型，提高沙漠地区月蒸散发量的估算精度，以支持人工植被的可持续性管理	研究对象为腾格里沙漠东南边缘地区的月蒸散发量	机器学习	NA	LSTM, WOA, VMD	VMD-WOA-LSTM	时间序列数据	NA	NA	NA	NA	NA
138	2025-02-21	HVIOnet: A deep learning based hybrid visual-inertial odometry approach for unmanned aerial system position estimation 2022-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2022.09.001 PMID:36152378	研究论文	本研究提出了一种基于深度学习的混合视觉-惯性里程计方法HVIOnet，用于无人航空系统的位置估计	结合卷积神经网络和双向长短期记忆网络，融合视觉和惯性数据，提出了一种新的深度架构用于位置估计	NA	解决自主移动机器人应用中的定位问题	无人航空系统（UAS）	机器视觉	NA	深度学习	CNN, BiLSTM	图像, IMU数据	EuRoC数据集和ROS生成的模拟环境数据	NA	NA	NA	NA
139	2025-02-21	Personalized Deep Bi-LSTM RNN Based Model for Pain Intensity Classification Using EDA Signal 2022-Oct-22, Sensors (Basel, Switzerland) DOI:10.3390/s22218087 PMID:36365785	研究论文	本文提出了一种基于EDA信号的个性化深度BiLSTM RNN模型，用于疼痛强度分类	使用深度学习框架自动化特征工程步骤，直接处理原始输入信号，并探索了BiLSTM RNN与XGB的集成模型	样本量较小，仅涉及29名受试者	自动评估疼痛强度，实现实时疼痛监测	29名受试者的EDA信号	机器学习	NA	EDA信号分解与增强	BiLSTM RNN, XGB	生理信号	29名受试者	NA	NA	NA	NA
140	2025-02-21	State of Health Estimation Based on the Long Short-Term Memory Network Using Incremental Capacity and Transfer Learning 2022-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s22207835 PMID:36298185	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和增量容量分析的电池健康状态（SOH）估计方法，并利用迁移学习提高模型在不同负载模式下的适用性	结合增量容量分析（ICA）和离散小波变换（DWT）预处理数据，优化LSTM模型的输入，并通过迁移学习扩展模型的应用范围	方法依赖于早期循环的放电电压曲线，可能对数据采集的精度和稳定性有较高要求	提高电池健康状态（SOH）估计的准确性和可靠性	电池的健康状态（SOH）	机器学习	NA	增量容量分析（ICA）、离散小波变换（DWT）、灰色关联分析（GRA）	长短期记忆网络（LSTM）	电压分布数据	小批量数据	NA	NA	NA	NA