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	2025-02-21	Time-Frequency Mask-Aware Bidirectional LSTM: A Deep Learning Approach for Underwater Acoustic Signal Separation 2022-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s22155598 PMID:35898099	研究论文	本文提出了一种基于深度学习的双向长短期记忆网络（Bi-LSTM）方法，用于水下声学信号分离	提出了一种时间频率掩码感知的Bi-LSTM网络，突破了现有方法仅适用于二元信号分离的限制，能够在高噪声条件下有效分离多元信号	该模型只能处理已知信号，如用于校准的测试信号	提高水下声学信号分离的性能，特别是在高噪声环境下的多元信号分离	水下声学信号	机器学习	NA	深度学习	双向长短期记忆网络（Bi-LSTM）	时间频率图像	NA
2	2025-02-21	Prediction of Time-Series Transcriptomic Gene Expression Based on Long Short-Term Memory with Empirical Mode Decomposition 2022-Jul-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147532 PMID:35886880	研究论文	本研究提出了一种基于信号分解技术和深度学习的多LSTM方法，用于预测时间序列转录组基因表达	结合经验模态分解（EMD）算法和长短期记忆（LSTM）网络，提出了一种新的分解-组合预测框架，以提高数据稳定性和模型鲁棒性	未提及具体的数据集大小或实验验证的广泛性	开发一种人工智能方法，以更好地利用有限的数据，在数据缺失的情况下获得有意义且可靠的分析结果	时间序列转录组基因表达数据	机器学习	NA	经验模态分解（EMD）	长短期记忆（LSTM）	时间序列数据	NA
3	2025-02-21	Long short-term memory neural network for directly inverse design of nanofin metasurface 2022-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.458453 PMID:35776595	研究论文	本文使用长短期记忆神经网络（LSTM）快速准确地预测纳米鳍超表面的偏振敏感性，并与深度神经网络（DNN）进行比较，展示了LSTM在类似情况下的更高准确性和更好的鲁棒性	本文创新地直接使用LSTM进行纳米鳍超表面的逆设计，无需引入其他网络，方法更为直接	NA	研究纳米鳍超表面的偏振敏感性预测及其逆设计	纳米鳍超表面	机器学习	NA	LSTM, DNN	LSTM, DNN	数值数据	NA
4	2025-02-21	A Deep Learning Framework Based on Dynamic Channel Selection for Early Classification of Left and Right Hand Motor Imagery Tasks 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871446 PMID:36085892	研究论文	本文提出了一种基于动态通道选择的深度学习框架，用于早期分类左右手运动想象任务	结合1D卷积神经网络-长短期记忆网络（CNN-LSTM）和基于Davies-Bouldin指数（DBI）的动态通道选择方法，提高了分类准确率	NA	开发一种高效的脑机接口（BCI）分类器，能够在短时间内从脑电图（EEG）信号中准确分类运动想象任务	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）	1D CNN-LSTM	脑电图（EEG）信号	BCI competition IV-IIa数据集
5	2025-02-21	CNN-LSTM Based Multimodal MRI and Clinical Data Fusion for Predicting Functional Outcome in Stroke Patients 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871735 PMID:36085793	研究论文	本文提出了一种基于CNN-LSTM的多模态MRI和临床数据融合模型，用于预测中风患者的功能性结果	首次提出了一种深度学习方法，结合了体素水平的影像数据和关键临床元数据，用于预测接受机械取栓治疗的中风患者的临床结果	NA	预测中风患者的功能性结果	中风患者	计算机视觉	心血管疾病	MRI	CNN-LSTM	图像, 临床数据	NA
6	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
7	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
8	2024-12-11	Deep learning on time series laboratory test results from electronic health records for early detection of pancreatic cancer 2022-07, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104095 PMID:35598881	研究论文	本研究开发了一种深度学习框架，利用电子健康记录中的纵向临床数据进行胰腺癌的早期检测	提出了一个新颖的训练协议，通过应用独立泊松随机掩码强调早期检测，并使用分组神经网络架构进行数据融合	研究结果的普适性需要进一步验证，尤其是在不同疾病和人群中的应用	开发一种能够利用电子健康记录中的纵向临床数据进行胰腺癌早期检测的深度学习框架	电子健康记录中的纵向临床数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	分组神经网络（GrpNN）	时间序列数据	使用了来自哥伦比亚大学欧文医学中心-纽约长老会医院的数据
9	2024-12-08	Deep learning in light-matter interactions 2022-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0197 PMID:39635557	研究论文	本文探讨了深度学习在光物质相互作用中的应用及其带来的机遇和挑战	深度学习改善了纳米光子器件的设计和实验数据的获取与分析，甚至在理论基础不足或过于复杂的情况下	深度学习作为黑箱模型，难以理解和解释其结果和可靠性，尤其是在数据集不完整或数据由对抗性方法生成时	探讨深度学习在光子学中的应用及其带来的机遇和挑战	光物质相互作用及其在光子学中的应用	机器学习	NA	深度学习	NA	实验数据和模拟数据	NA
10	2024-11-21	Material decomposition from photon-counting CT using a convolutional neural network and energy-integrating CT training labels 2022-07-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac7d34 PMID:35767986	研究论文	本文提出了一种利用卷积神经网络和能量积分CT训练标签从光子计数CT进行材料分解的方法	通过使用高剂量多能量积分探测器数据提供的分解图作为训练标签，补偿光子计数探测器中的光谱畸变，提高了材料分解的准确性	深度学习方法导致了一些模糊，调制传递函数在50%时从1.98线对/毫米降至1.75线对/毫米	提高光子计数CT材料分解的准确性	光子计数CT和能量积分CT的材料分解	计算机视觉	NA	光子计数CT（PCCT）	3D U-net	图像	使用碘和钙小瓶进行测量
11	2024-10-18	Is Artificial Intelligence (AI) a Pipe Dream? Why Legal Issues Present Significant Hurdles to AI Autonomy 2022-07, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27224 PMID:35138133	评论	本文讨论了人工智能（AI）在放射学中的应用及其面临的法律障碍	本文首次深入探讨了AI在放射学中应用时面临的法律责任问题	本文主要关注法律问题，未详细讨论技术实现的具体细节	探讨AI在放射学中应用的法律障碍及其对AI发展的影响	AI在放射学中的应用及其法律责任问题	NA	NA	NA	NA	NA	NA
12	2024-10-06	SMANet: multi-region ensemble of convolutional neural network model for skeletal maturity assessment 2022-Jul, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1158 PMID:35782257	研究论文	提出了一种基于多区域卷积神经网络集合的自动骨骼成熟度评估方法	该方法结合了临床可解释的方法，避免了种族和地理差异的影响	NA	开发一种自动化的骨骼成熟度评估方法	儿童骨骼成熟度评估	计算机视觉	NA	卷积神经网络	CNN	图像	4861张左手X光片
13	2024-10-05	Detection of COVID-19 from CT and Chest X-ray Images Using Deep Learning Models 2022-Jul, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-022-02958-5 PMID:35415768	研究论文	本文提出了一种利用深度学习模型从CT和胸部X光图像中自动检测COVID-19的新方法	提出了使用VGG和ResNet深度学习模型进行COVID-19检测的新方法，并取得了高准确率	未提及具体限制	开发一种自动检测COVID-19的方法，以帮助早期诊断和控制疫情	COVID-19的CT和胸部X光图像	计算机视觉	COVID-19	深度学习	VGG19, ResNet50	图像	所有胸部X光图像
14	2024-09-30	First-Gen Lens: Assessing Mental Health of First-Generation Students across Their First Year at College Using Mobile Sensing 2022-Jul, Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies DOI:10.1145/3543194 PMID:36561350	研究论文	通过移动感知技术评估第一代大学生在其大学第一年的心理健康状况	提出了一种深度学习模型，通过考虑第一代学生的独特行为因素来准确预测其心理健康状况	研究样本仅限于达特茅斯学院的180名新生，可能无法完全代表所有第一代大学生	研究第一代大学生在大学第一年的心理健康状况及其行为模式	第一代大学生和非第一代大学生的心理健康及行为	机器学习	NA	移动感知技术	深度学习模型	行为数据	180名大学新生，其中27名为第一代学生，占研究群体的15%
15	2024-09-28	Methodology-Centered Review of Molecular Modeling, Simulation, and Prediction of SARS-CoV-2 2022-07-13, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.1c00965 PMID:35594413	综述	本文对SARS-CoV-2的分子建模、模拟和预测方法进行了全面系统的综述	本文整合了大量病毒序列的基因分型、蛋白质-蛋白质相互作用的生物物理建模、深度突变数据、深度学习和高级数学等方法，揭示了SARS-CoV-2的全球进化和传播机制	尽管本文提供了全面的综述，但仍需进一步深入研究以全面理解SARS-CoV-2及其相关机制	旨在为读者提供关于SARS-CoV-2分子建模、模拟和预测领域的最新文献更新	SARS-CoV-2的分子建模、模拟和预测方法	机器学习	NA	深度学习	NA	序列数据	NA
16	2024-09-26	CMC-Net: 3D calf muscle compartment segmentation with sparse annotation 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102460 PMID:35598519	研究论文	本文提出了一种新的深度学习框架CMC-Net，用于在3D MR图像中对小腿肌肉隔室进行分割，通过选择有效的2D切片子集进行标注，并利用未标注的切片来促进后续训练步骤的泛化	CMC-Net通过选择最具代表性的2D切片进行标注，并利用未标注的切片进行模型训练，从而在标注数据量较小的情况下实现了良好的分割性能	本文未详细讨论模型在不同类型肌肉疾病中的适用性，以及在不同MR设备和成像条件下的表现	开发一种能够在标注数据量较小的情况下实现准确3D分割的深度学习框架，用于诊断和评估肌肉疾病的进展	小腿肌肉隔室的3D分割	计算机视觉	NA	深度学习	深度网络	3D MR图像	实验中使用了小腿肌肉隔室的3D MR图像数据集，并进行了额外的3D MR大腿数据集实验
17	2024-09-23	Scaffolding protein functional sites using deep learning 2022-07-22, Science (New York, N.Y.) DOI:10.1126/science.abn2100 PMID:35862514	研究论文	本文介绍了使用深度学习方法构建蛋白质功能位点的新方法	提出了两种新的深度学习方法：'constrained hallucination' 和 'inpainting'，用于构建蛋白质功能位点，无需预先指定折叠或二级结构	NA	开发新的深度学习方法以构建蛋白质功能位点	蛋白质功能位点的构建	机器学习	NA	深度学习	RoseTTAFold 网络	蛋白质序列和结构数据	NA
18	2024-09-23	Multi-population generalizability of a deep learning-based chest radiograph severity score for COVID-19 2022-Jul-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000029587 PMID:35866818	研究论文	本文研究了基于深度学习的COVID-19胸部X光片严重程度评分模型在不同患者群体中的泛化能力	本文通过调整和测试一个基于卷积Siamese神经网络的模型，评估其在不同患者群体中的泛化能力，并使用UMAP技术可视化神经网络结果	本文仅在美国的医院和巴西的急诊部门进行了测试，未涵盖更多国家和地区的数据	研究基于深度学习的COVID-19胸部X光片严重程度评分模型在不同患者群体中的泛化能力	COVID-19患者，包括住院患者和门诊患者	计算机视觉	COVID-19	卷积Siamese神经网络	卷积神经网络	图像	共928例胸部X光片，包括美国住院患者（267例）、门诊患者（108例）和巴西急诊部门患者（303例）
19	2024-09-23	Multiplexed high-throughput localized electroporation workflow with deep learning-based analysis for cell engineering 2022-07-22, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abn7637 PMID:35867793	研究论文	本文介绍了一种高吞吐量的多孔板局部电穿孔设备（LEPD），结合深度学习图像分析，用于细胞工程中的快速实验因素优化	开发了一种高吞吐量的多孔板局部电穿孔设备，并结合深度学习图像分析，实现了快速优化实验因素和高效递送生物分子	NA	优化细胞内递送协议，实现高效的基因操作	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞	机器学习	NA	局部电穿孔	深度学习	图像	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞
20	2024-09-23	Deep learning for survival analysis in breast cancer with whole slide image data 2022-07-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac381 PMID:35674341	研究论文	本文提出并实验评估了一种用于乳腺癌生存分析的多分辨率深度学习方法	该方法整合了多分辨率图像数据和深度学习模型的肿瘤、淋巴细胞及核分割结果，显著提高了深度学习模型的性能	由于全切片图像数据的规模和复杂性以及机器学习方法训练数据的相对有限性，该分析具有挑战性	旨在通过全切片组织图像数据中的定量分析，发现新的生物标志物，以改善癌症诊断和预后，并增进对癌症机制的理解	乳腺癌的生存分析	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA