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	2025-03-27	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	该研究探讨了使用LSTM模型预测PM2.5浓度的多步短期预测方法，以支持主动环境监管策略的制定	采用贝叶斯优化技术调整LSTM模型的超参数和权重初始化策略，提高了PM2.5浓度预测的准确性	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	量化并预测颗粒物浓度，以支持环境监管和早期预警系统的建立	北京（中国）和旁遮普（巴基斯坦）两个高污染地区的PM2.5浓度数据	机器学习	心血管疾病	LSTM模型，贝叶斯优化	LSTM	时间序列数据	来自北京和旁遮普两个地区的数据
2	2025-03-09	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技术识别自闭症谱系障碍（ASD）中男女功能脑组织的显著差异，并探讨这些差异与临床症状的关联	开发了一种新的时空深度神经网络（stDNN），用于分析功能磁共振成像数据，成功区分ASD患者中的性别差异，并发现这些差异与临床症状的特定关联	研究主要依赖于神经影像数据，可能忽略了其他潜在的生物或环境因素对性别差异的影响	识别ASD中男女功能脑组织的差异，并预测症状严重程度	自闭症谱系障碍（ASD）患者	机器学习和神经影像分析	自闭症谱系障碍	功能磁共振成像（fMRI）和深度学习	时空深度神经网络（stDNN）	神经影像数据	773名ASD患者
3	2025-03-01	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	本研究评估了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	开发了一种深度学习算法，能够自动、精确地测量左心室壁厚度并区分肥厚原因，如肥厚性心肌病和心脏淀粉样变性	研究依赖于回顾性数据，可能受到数据质量和完整性的限制	评估深度学习算法在心脏疾病诊断中的应用效果	左心室肥厚患者，特别是肥厚性心肌病和心脏淀粉样变性患者	数字病理	心血管疾病	深度学习	深度学习模型	视频（超声心动图）	23745名患者，包括来自Stanford Health Care和Cedars-Sinai Medical Center的患者
4	2025-02-21	Applying Hybrid Lstm-Gru Model Based on Heterogeneous Data Sources for Traffic Speed Prediction in Urban Areas 2022-Apr-27, Sensors (Basel, Switzerland) DOI:10.3390/s22093348 PMID:35591037	研究论文	本文提出了一种基于异构数据源的混合LSTM-GRU模型，用于城市区域的交通速度预测	提出了一种综合算法，将来自传感器、服务和外部数据源的异构数据整合到混合时空特征空间中，并比较了多种深度学习算法在时间序列地理空间数据上的表现	未提及具体的研究局限性	提高智能交通系统中的交通速度预测准确性	城市区域的交通速度数据	机器学习	NA	深度学习	LSTM, GRU, CNN	时间序列地理空间数据	未提及具体样本数量
5	2025-02-21	Deep Learning-Based Approach for Emotion Recognition Using Electroencephalography (EEG) Signals Using Bi-Directional Long Short-Term Memory (Bi-LSTM) 2022-Apr-13, Sensors (Basel, Switzerland) DOI:10.3390/s22082976 PMID:35458962	研究论文	本文提出了一种基于深度学习的情绪识别方法，使用脑电图（EEG）信号和双向长短期记忆（Bi-LSTM）模型	提出了一种新的情绪识别方法，结合了数据选择、特征提取、特征选择和分类阶段，并使用Bi-LSTM模型提高了识别准确率	未提及具体的研究局限性	提高情绪识别模型的性能，以帮助诊断心理和行为障碍	脑电图（EEG）信号	机器学习	心理和行为障碍	脑电图（EEG）信号处理	双向长短期记忆（Bi-LSTM）	脑电图（EEG）信号	使用了标准预处理的情感分析生理信号数据库（DEAP）
6	2025-02-21	Lightweight Long Short-Term Memory Variational Auto-Encoder for Multivariate Time Series Anomaly Detection in Industrial Control Systems 2022-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s22082886 PMID:35458871	研究论文	本文提出了一种用于工业控制系统（ICS）中多变量时间序列异常检测的轻量级长短期记忆变分自编码器（LW-LSTM-VAE）架构	提出了一种轻量级的LW-LSTM-VAE架构，用于ICS中的异常检测，并在水净化和水分配厂两个应用中成功验证了其有效性	工业数据集稀缺，限制了异常检测技术的开发	开发一种无监督的深度学习方法，用于检测工业控制系统中的异常行为	工业控制系统中的多变量时间序列数据	机器学习	NA	深度学习	LW-LSTM-VAE	时间序列数据	使用了Secure Water Treatment (SWaT)基准测试中的数据进行验证
7	2025-02-21	Model-assisted deep learning of rare extreme events from partial observations 2022-Apr, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0077646 PMID:35489849	研究论文	本文探讨了一种模型辅助的深度学习框架，用于从部分观测数据中预测罕见的极端事件	提出了一种模型辅助的深度学习框架，通过数值模拟生成训练数据，解决了极端事件样本不足的问题	训练数据仅使用可观测量的子集，可能限制了模型的全面性	研究如何利用深度学习预测罕见的极端事件	三种不同的动力系统（Rössler吸引子、FitzHugh-Nagumo模型和湍流流体）	机器学习	NA	数值模拟	前馈神经网络、长短期记忆网络（LSTM）、储备计算	数值模拟数据	NA
8	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
9	2024-12-08	Free-form optimization of nanophotonic devices: from classical methods to deep learning 2022-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0713 PMID:39633938	综述	本文综述了自由形式纳米光子器件设计的新兴领域，涵盖了从经典方法到深度学习方法的优化策略	本文介绍了自由形式设计方案，突破了传统设计约束，充分利用了设计潜力	NA	系统概述自由形式纳米光子器件设计领域	自由形式纳米光子器件的优化策略	纳米光子学	NA	NA	NA	NA	NA
10	2024-09-30	Organic fluorescent nanoprobes with NIR-IIb characteristics for deep learning 2022-Apr, Exploration (Beijing, China) DOI:10.1002/EXP.20210097 PMID:37323884	研究论文	本文综述了具有NIR-IIb特性的有机荧光纳米探针的最新发展及其在动物模型深部成像中的应用	首次系统综述了NIR-IIb区域有机荧光纳米探针的发展及其在深部成像中的应用	有机荧光纳米探针在NIR-IIb区域的应用仍处于早期阶段，临床应用尚未广泛	综述具有NIR-IIb特性的有机荧光纳米材料的发展及其在深部成像中的应用	具有NIR-IIb特性的有机荧光纳米材料及其在动物模型中的应用	生物医学成像	NA	NIR-IIb成像	NA	图像	动物模型
11	2024-09-29	Stepwise-edited, human melanoma models reveal mutations' effect on tumor and microenvironment 2022-04-29, Science (New York, N.Y.) DOI:10.1126/science.abi8175 PMID:35482859	研究论文	本文通过逐步引入突变到健康的人类黑素细胞中，建立了九种遗传上不同的黑色素瘤细胞模型，研究了这些突变对肿瘤及其微环境的影响	本文创新性地通过逐步引入突变，建立了多个遗传上不同的黑色素瘤细胞模型，并研究了这些突变对肿瘤及其微环境的影响	NA	研究基因突变与人类癌症特定恶性表型之间的因果关系	人类黑素细胞及其突变后的黑色素瘤细胞模型	数字病理学	黑色素瘤	基因编辑	深度学习模型	基因型数据	九种遗传上不同的黑色素瘤细胞模型
12	2024-09-29	Inferring ongoing cancer evolution from single tumour biopsies using synthetic supervised learning 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010007 PMID:35482653	研究论文	本文提出了一种名为TumE的合成监督学习方法，结合癌症进化模拟模型和贝叶斯神经网络，用于从单个肿瘤活检中推断正在进行的癌症进化	TumE方法显著提高了检测正选择、解卷积选择亚克隆群体和估计亚克隆频率的准确性和推断时间	NA	开发一种新的方法来推断单个肿瘤活检中的癌症进化	癌症进化和亚克隆选择	机器学习	NA	贝叶斯神经网络	神经网络	基因组数据	合成和患者肿瘤样本
13	2024-09-28	Deep learning-based image processing in optical microscopy 2022-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-00949-3 PMID:35528030	综述	本文综述了深度学习在光学显微镜图像处理中的应用	深度学习在光学显微镜图像处理中的应用，特别是在图像分类、分割和分辨率增强方面的应用	NA	探讨深度学习在光学显微镜图像处理中的应用	光学显微镜图像	计算机视觉	NA	深度学习	NA	图像	NA
14	2024-09-23	Accurate prediction of molecular targets using a self-supervised image representation learning framework 2022-Apr-07, Research square DOI:10.21203/rs.3.rs-1477870/v1 PMID:35411337	研究论文	本文介绍了一种名为ImageMol的无监督预训练深度学习框架，用于从850万未标记的类药物分子中预测候选化合物的分子靶点	ImageMol框架通过从分子图像中预训练化学表示，基于分子的局部和全局结构特征，展示了在分子性质评估和分子靶点预测中的高性能	NA	开发一种无监督预训练的深度学习框架，用于准确预测药物的分子靶点	类药物分子及其分子靶点	计算机视觉	COVID-19	深度学习	NA	图像	850万未标记的类药物分子
15	2024-09-23	Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-Apr, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00041-9 PMID:35464150	研究论文	开发了一种结合神经网络和生存分析的深度学习方法，用于从增强心脏磁共振图像和临床协变量中预测缺血性心脏病患者的个体化生存曲线	提出的深度学习方法在预测长达10年的生存曲线时表现优异，且能估计预测的不确定性，优于使用临床协变量的标准生存模型	NA	开发一种新的深度学习方法，用于预测心律失常导致的猝死患者的生存概率	缺血性心脏病患者	机器学习	心血管疾病	深度学习	神经网络	图像	多中心内部验证数据和独立测试集
16	2024-09-23	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	本文介绍了一种名为SLEAP的深度学习系统，用于多动物姿态跟踪	SLEAP系统具有用户友好的图形界面、标准化的数据模型、可重复的配置系统，以及超过30种模型架构和两种部分分组与身份跟踪方法	NA	开发一种能够处理多动物姿态跟踪的深度学习系统，以支持社会行为或自然环境中动物行为的研究	苍蝇、蜜蜂、小鼠和沙鼠等多动物的姿态跟踪	计算机视觉	NA	深度学习	CNN	图像	涉及七个数据集，包括苍蝇、蜜蜂、小鼠和沙鼠
17	2024-09-23	Deep learning for robust and flexible tracking in behavioral studies for C. elegans 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009942 PMID:35395006	研究论文	本文展示了使用Faster R-CNN进行秀丽隐杆线虫行为研究中的鲁棒和灵活跟踪	本文首次将Faster R-CNN应用于秀丽隐杆线虫的行为跟踪，展示了其在复杂环境中的速度、准确性和鲁棒性	NA	展示Faster R-CNN在不同实验条件下进行大规模行为研究的适用性	秀丽隐杆线虫在不同生命阶段的行为，包括发育过程中的速度、繁殖成体的生育率和空间分布，以及衰老群体的行为衰退	计算机视觉	NA	Faster R-CNN	CNN	视频	NA
18	2024-09-11	SAM: Self-augmentation mechanism for COVID-19 detection using chest X-ray images 2022-Apr-06, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2022.108207 PMID:35068707	研究论文	本文提出了一种自增强机制，用于通过胸部X光图像检测COVID-19感染	本文的创新点在于提出了一种在特征空间而非数据空间进行数据增强的自增强机制，并结合了深度卷积神经网络和双向LSTM进行分类	本文的局限性在于依赖于公开数据集中的胸部X光图像，这些图像的数量和代表性可能有限	本文的研究目的是提高COVID-19检测的准确性和速度	本文的研究对象是COVID-19感染的胸部X光图像	计算机视觉	COVID-19	重建独立成分分析 (RICA)	卷积神经网络 (CNN) 和双向LSTM (BiLSTM)	图像	使用了三个公开数据库进行实验
19	2024-09-10	A fuzzy-enhanced deep learning approach for early detection of Covid-19 pneumonia from portable chest X-ray images 2022-Apr-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.01.055 PMID:35079203	研究论文	本文提出了一种基于模糊逻辑增强的深度学习方法，用于从便携式胸部X光图像中早期检测Covid-19肺炎	结合模糊边缘检测算法生成的模糊图像与胸部X光图像，通过深度学习方法提高了分类性能	NA	开发一种计算机辅助系统，用于早期诊断Covid-19肺炎并有效分流患者	Covid-19肺炎患者与非Covid-19间质性肺炎患者的胸部X光图像	计算机视觉	Covid-19	深度学习	MLP	图像	NA
20	2024-09-10	Optimizing deep neural networks to predict the effect of social distancing on COVID-19 spread 2022-Apr, Computers & industrial engineering IF:6.7Q1 DOI:10.1016/j.cie.2022.107970 PMID:36568699	研究论文	本文提出了一种基于深度神经网络（DNN）和改进粒子群优化（IPSO）算法的进化深度学习模型IPSO-DNN，用于预测社交距离对COVID-19传播的影响	本文创新性地结合了进化算法和深度学习模型，通过改进的粒子群优化算法优化DNN的超参数，提高了预测精度和计算效率	本文仅在美国的数据上进行了实验，结果的普适性有待进一步验证	研究如何通过优化深度学习模型来准确预测社交距离对COVID-19传播的影响	社交距离对COVID-19传播的影响	机器学习	传染病	深度神经网络（DNN）	深度神经网络（DNN）	数值数据	美国社交距离指标数据