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	2025-04-02	Quantitative imaging of apoptosis following oncolytic virotherapy by magnetic resonance fingerprinting aided by deep learning 2022-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-021-00809-7 PMID:34764440	research paper	该研究通过深度学习辅助的化学交换饱和转移磁共振指纹图谱（CEST-MRF）技术，实现了对溶瘤病毒治疗后早期凋亡反应的快速检测	利用深度学习辅助的CEST-MRF技术，无需外源性对比剂即可定量检测肿瘤内pH值及蛋白质和脂质浓度	研究目前仅在小鼠模型和一名健康志愿者中进行了验证，样本量有限	开发一种非侵入性成像方法，用于检测溶瘤病毒治疗后的宿主反应	多形性胶质母细胞瘤小鼠模型及一名健康志愿者	digital pathology	glioblastoma multiforme	chemical-exchange-saturation-transfer magnetic resonance fingerprinting (CEST-MRF)	deep neural network	magnetic resonance imaging (MRI) data	小鼠模型及一名健康志愿者
2	2025-03-23	With or without human interference for precise age estimation based on machine learning? 2022-May, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-022-02796-z PMID:35157129	研究论文	本文探讨了在基于机器学习的精确年龄估计中，有无人工干预对特征提取的影响	首次在同一图像分析任务中比较了人工干预和自主提取两种特征提取方法的效果	ADSE模型在牙龄估计中的准确性不理想，MAE仅比手动方法低0.04年	比较人工干预和自主提取特征在牙龄估计中的性能差异	牙龄估计	计算机视觉	NA	卷积神经网络（CNN）	ADSE模型和ADAE模型	图像	NA
3	2025-02-21	24-Hour prediction of PM2.5 concentrations by combining empirical mode decomposition and bidirectional long short-term memory neural network 2022-May-15, The Science of the total environment DOI:10.1016/j.scitotenv.2022.153276 PMID:35074389	研究论文	本研究结合经验模态分解（EMD）方法、样本熵（SE）指数和双向长短期记忆神经网络（BiLSTM），构建了一种新的混合预测模型，用于预测0-24小时的PM2.5浓度	该模型在短期内（6小时内）的PM浓度预测精度比其他单一深度学习模型提高了至少50%，并且能够很好地捕捉6小时至24小时的PM浓度变化趋势	NA	提高PM2.5浓度的预测精度，特别是短期和长期的变化趋势	PM2.5浓度	机器学习	NA	经验模态分解（EMD）、样本熵（SE）	双向长短期记忆神经网络（BiLSTM）	时间序列数据	NA
4	2025-02-21	Deep Pain: Exploiting Long Short-Term Memory Networks for Facial Expression Classification 2022-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2017.2662199 PMID:28207407	研究论文	本文提出了一种利用长短期记忆网络（LSTM）进行面部表情分类的新方法，用于自动测量疼痛，超越了当前基于面部特征的最新技术	通过将原始视频帧直接输入深度学习模型，而非仅依赖面部特征，提高了疼痛评估的性能，并直接解决了数据不平衡问题	NA	开发自动系统以客观测量患者的疼痛，提高疼痛评估的准确性	面部表情视频帧	计算机视觉	NA	深度学习	CNN, LSTM	视频	UNBC-McMaster肩痛表情数据库和Cohn Kanade+面部表情数据库
5	2025-02-21	Long short-term memory model - A deep learning approach for medical data with irregularity in cancer predication with tumor markers 2022-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105362 PMID:35299045	研究论文	本文探讨了使用长短期记忆（LSTM）模型处理不规则的医学数据以预测癌症风险的效用	LSTM模型在处理不规则的医学数据方面表现出色，尤其是在时间序列数据上，其预测性能优于其他机器学习模型	数据的不完整性可能影响模型的训练和预测效果，且测试间隔时间差异较大	开发一种基于LSTM模型的癌症风险预测工具，以处理不规则的医学数据并提高预测性能	163,174名无症状个体的肿瘤标志物（TM）筛查数据，其中785人后来被诊断为癌症	机器学习	癌症	长短期记忆（LSTM）模型	LSTM	时间序列数据	163,174名无症状个体
6	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
7	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）
8	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
9	2024-11-19	NuCLS: A scalable crowdsourcing approach and dataset for nucleus classification and segmentation in breast cancer 2022-05-17, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac037 PMID:35579553	研究论文	本文介绍了一种可扩展的众包方法和数据集，用于乳腺癌中的细胞核分类和分割	提出了一个协作框架，利用医学生和病理学家的众包力量生成高质量的细胞核标签，并创建了NuCLS数据集	NA	开发一种高效的方法来生成用于计算病理学应用的细胞核标签	乳腺癌中的细胞核	数字病理学	乳腺癌	深度学习	NA	图像	超过220,000个细胞核注释
10	2024-10-02	Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency 2022-05-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac678a PMID:35421855	研究论文	本文探讨了在放射肿瘤学中安全高效地实施机器学习的关键问题，特别是模型可解释性、可解释性和数据-模型依赖性	本文定义并详细阐述了可解释性、可解释性和数据-模型依赖性的核心概念，并提供了实际应用示例	本文主要集中在理论和概念层面的探讨，缺乏具体的实验验证和数据支持	研究如何在放射肿瘤学中安全高效地实施机器学习，并解决模型可解释性和数据-模型依赖性问题	放射肿瘤学中的机器学习模型及其在临床工作流程中的应用	机器学习	NA	NA	卷积神经网络	图像	NA
11	2024-09-30	Towards robust diagnosis of COVID-19 using vision self-attention transformer 2022-05-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13039-x PMID:35618740	研究论文	本文提出了一种基于视觉自注意力变换器的COVID-19诊断方法	使用自注意力机制的变换器架构，能够利用大量未标记数据进行预训练，提高了COVID-19诊断的准确性	需要大量的计算资源和数据进行训练	比较自注意力变换器与CNN和集成分类器在COVID-19诊断中的性能	COVID-19的诊断	计算机视觉	COVID-19	自注意力机制	Transformer	CT扫描图像	使用了HUST-19和SARS-CoV-2数据集进行训练和测试
12	2024-09-29	Deep learning tools for advancing drug discovery and development 2022-May, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-022-03165-8 PMID:35433167	综述	本文综述了深度学习工具在药物发现和开发中的应用	介绍了深度学习在药物发现过程中的多种应用，包括药物靶点识别、药物-靶点相互作用、蛋白质结构预测等	讨论了当前深度学习工具在药物发现和开发中面临的挑战和前景	探讨深度学习技术如何加速药物发现和开发过程	药物发现和开发过程中的各个环节	机器学习	NA	深度学习	NA	多组学数据	NA
13	2024-09-28	Histopathologic Oral Cancer Prediction Using Oral Squamous Cell Carcinoma Biopsy Empowered with Transfer Learning 2022-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s22103833 PMID:35632242	研究论文	本文提出了一种利用迁移学习模型和AlexNet卷积神经网络从口腔鳞状细胞癌（OSCC）活检图像中提取特征，以预测口腔癌的方法	本文的创新点在于使用迁移学习模型和AlexNet卷积神经网络来提高口腔癌检测的准确性	本文的局限性在于仅使用了AlexNet模型，未探讨其他深度学习模型的效果	本文的研究目的是提高口腔癌检测的准确性	本文的研究对象是口腔鳞状细胞癌（OSCC）活检图像	计算机视觉	口腔癌	迁移学习	卷积神经网络（CNN）	图像	未明确提及具体样本数量
14	2024-09-28	Electromagnetic wave-based extreme deep learning with nonlinear time-Floquet entanglement 2022-May-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30297-5 PMID:35552403	研究论文	本文探讨了基于电磁波的极端深度学习方法，通过非线性时间-Floquet纠缠实现高效的模拟信号处理	本文引入了时间-Floquet物理来诱导信号输入在不同频率间的强非线性纠缠，从而实现了一种高效且灵活的波平台用于模拟极端深度学习	NA	解决传统电磁材料非线性弱的问题，实现复杂神经形态计算任务	电磁波在人工工程介质中的传播及其在模拟信号处理中的应用	机器学习	NA	NA	极端学习机和储层计算	模拟信号	NA
15	2024-09-28	Omicron BA.2 (B.1.1.529.2): High Potential for Becoming the Next Dominant Variant 2022-May-05, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.2c00469 PMID:35467344	研究论文	本文研究了Omicron变种的三个亚型BA.1、BA.2和BA.3，特别是BA.2的再感染能力及其成为下一个主导变种的潜力	构建了一种基于代数拓扑的深度学习模型，系统评估了BA.2和BA.3的传染性、疫苗突破能力和抗体抵抗能力	目前没有关于BA.2和BA.3的实验数据	评估BA.2和BA.3是否会成为新的主导变种	Omicron变种的亚型BA.1、BA.2和BA.3	机器学习	NA	深度学习	代数拓扑模型	NA	NA
16	2024-09-25	Self-Supervised Learning Methods for Label-Efficient Dental Caries Classification 2022-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051237 PMID:35626392	研究论文	本文提出了一种利用自监督学习方法进行高效标签的牙釉质龋齿分类的研究	本文首次将自监督学习方法应用于牙釉质龋齿分类，显著提高了标签效率和分类性能	研究仅限于牙釉质龋齿分类，未涉及其他口腔疾病	探索自监督学习在医疗图像分析中的应用，特别是在标签获取成本高昂的情况下	牙釉质龋齿分类	计算机视觉	口腔疾病	自监督学习	神经网络	图像	38,000张未标记的咬翼片放射图像和343张标记的咬翼片放射图像
17	2024-09-23	MusMorph, a database of standardized mouse morphology data for morphometric meta-analyses 2022-05-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01338-x PMID:35614082	研究论文	本文介绍了MusMorph数据库，该数据库包含标准化的小鼠形态数据，用于形态学元分析	创建了MusMorph数据库，通过图像配准、深度学习和形态测量技术相结合的图谱基础表型分析流程，实现了小鼠形态数据的标准化	NA	旨在为形态变异的元分析提供标准化的小鼠形态数据	小鼠的颅面复合体和大脑的形态变异	NA	NA	图像配准、深度学习、形态测量	NA	图像	10,056只小鼠样本，涵盖多个基因型和发育阶段
18	2024-09-23	CancerVar: An artificial intelligence-empowered platform for clinical interpretation of somatic mutations in cancer 2022-05-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abj1624 PMID:35544644	研究论文	开发了一个名为CancerVar的人工智能平台，用于根据AMP/ASCO/CAP 2017指南自动化和标准化解释1300万个体细胞突变，并引入深度学习框架预测这些突变的致癌性	CancerVar整合了临床指南和深度学习框架，自动化和标准化解释体细胞突变，减少了人工工作，提高了变异分类的一致性	NA	开发一个自动化和标准化的平台，用于临床解释癌症中的体细胞突变	1300万个体细胞突变及其致癌性预测	机器学习	癌症	深度学习	深度学习框架	突变数据	1300万个体细胞突变
19	2024-09-23	Chromatin interaction-aware gene regulatory modeling with graph attention networks 2022-05, Genome research IF:6.2Q1 DOI:10.1101/gr.275870.121 PMID:35396274	研究论文	本文介绍了一种新的深度学习方法GraphReg，利用染色质三维相互作用来预测基因表达	GraphReg通过使用图注意力网络，能够更准确地建模基因调控并预测基因表达水平，优于现有的深度学习方法	NA	解决调控基因组学中长期未解决的问题，即远端增强子与基因的关联及其对目标基因表达的影响	基因表达预测和功能增强子的识别	机器学习	NA	染色质构象捕获技术	图注意力网络	基因组数据	NA
20	2024-09-23	Machine Learning to Predict Risk of Relapse Using Cytologic Image Markers in Patients With Acute Myeloid Leukemia Posthematopoietic Cell Transplantation 2022-05, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.21.00156 PMID:35522898	研究论文	本文研究了使用细胞学图像标记预测急性髓系白血病患者造血细胞移植后复发风险的方法	本文首次探索了从髓母细胞染色质模式中提取的形态和纹理特征是否有助于预测复发和预测无复发生存期	本文的局限性在于样本量较小，且仅限于急性髓系白血病和骨髓增生异常综合征患者	研究目的是探索计算机提取的髓母细胞染色质模式的形态和纹理特征是否能帮助预测造血细胞移植后的复发和无复发生存期	研究对象为急性髓系白血病和骨髓增生异常综合征患者	机器学习	急性髓系白血病	深度学习	CNN	图像	92名患者，分为训练集52名和验证集40名