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	2025-03-21	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	本文提出了一种自动化方法，利用测量数据的对称性和自相似结构，通过Buckingham Pi定理发现最佳降维的无量纲群	开发了三种数据驱动技术，结合Buckingham Pi定理作为约束，包括约束优化问题、深度学习算法（BuckiNet）和基于稀疏识别非线性动力学的技术	NA	探索在没有控制方程的情况下，通过维度分析提取物理系统的洞察和对称性	物理系统中的测量变量和参数	机器学习	NA	Buckingham Pi定理，深度学习，稀疏识别非线性动力学	深度学习算法（BuckiNet）	测量数据	NA
2	2025-03-08	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	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	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，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
3	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
4	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
5	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
6	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
7	2024-12-24	Fully automatic prognostic biomarker extraction from metastatic prostate lesion segmentations in whole-body [68Ga]Ga-PSMA-11 PET/CT images 2022-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-05927-1 PMID:35976392	研究论文	本研究开发并评估了一种基于深度学习的自动化分割框架，用于从全身[68Ga]Ga-PSMA-11 PET/CT图像中提取转移性前列腺癌（mPCa）病变的患者水平预后生物标志物	提出了一个基于自配置nnU-Net框架的全3D卷积神经网络（CNN），用于自动分割转移性前列腺癌病变，并提取与患者总体生存相关的预后生物标志物	NA	开发和评估一种自动化分割框架，用于从全身[68Ga]Ga-PSMA-11 PET/CT图像中提取转移性前列腺癌病变的患者水平预后生物标志物	转移性前列腺癌（mPCa）病变的患者水平预后生物标志物	数字病理学	前列腺癌	深度学习	CNN	图像	337例[68Ga]Ga-PSMA-11 PET/CT图像
8	2024-12-14	KIT-LSTM: Knowledge-guided Time-aware LSTM for Continuous Clinical Risk Prediction 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9994931 PMID:37131483	研究论文	本文提出了一种名为KIT-LSTM的新方法，用于使用电子健康记录（EHR）进行连续的死亡率预测	KIT-LSTM通过引入两个时间感知门和一个知识感知门扩展了LSTM，以更好地建模EHR并解释结果	NA	精确和及时地预测患者的临床风险	急性肾损伤伴透析（AKI-D）患者的EHR数据	机器学习	NA	LSTM	KIT-LSTM	时间序列数据	NA
9	2024-11-19	Delineating regions of interest for mass spectrometry imaging by multimodally corroborated spatial segmentation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad021 PMID:37039115	研究论文	本文提出了一种多模态融合策略，通过结合组织学图像信息来客观选择质谱成像（MSI）中的聚类数量，以实现更准确的感兴趣区域（ROI）划分	本文的创新点在于利用深度学习算法从组织学图像中提取特征谱，并通过多模态一致性来优化聚类数量的选择，从而提高ROI划分的生物学真实性	本文的局限性在于仅在肾脏和肾肿瘤样本上进行了验证，未来需要在更多类型的组织和疾病中进行验证	本文的研究目的是通过多模态融合策略优化质谱成像中的感兴趣区域划分，以促进空间脂质组学、代谢组学和蛋白质组学研究	本文的研究对象是质谱成像数据和相应的组织学图像	数字病理学	肾癌	质谱成像	深度学习	图像	本文使用了小鼠肾脏和肾肿瘤样本进行验证
10	2024-11-19	CoVEffect: interactive system for mining the effects of SARS-CoV-2 mutations and variants based on deep learning 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad036 PMID:37222749	研究论文	本文介绍了一个基于深度学习的交互系统CoVEffect，用于挖掘SARS-CoV-2突变和变异的影响	提出了一个基于GPT2模型的预测系统，能够从COVID-19相关的大数据语料库中提取突变/变异的影响，并通过CoVEffect网络应用程序实现用户交互和数据标注	目前仅使用了CORD-19语料库中的数据进行训练，可能需要扩展到更多数据源以提高模型的泛化能力	旨在填补关于SARS-CoV-2突变和变异影响的文献信息分散的空白，通过挖掘文献摘要提取相关影响	SARS-CoV-2的突变和变异及其在流行病学、免疫学、临床和病毒动力学方面的影响	自然语言处理	NA	GPT2模型	GPT2	文本	使用了CORD-19语料库中的大量摘要进行训练
11	2024-11-19	Deep neural networks with knockoff features identify nonlinear causal relations and estimate effect sizes in complex biological systems 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad044 PMID:37395630	研究论文	本文介绍了一种名为DAG-deepVASE的新计算方法，通过深度神经网络与knockoff特征结合，用于识别复杂生物系统中的非线性因果关系并估计其效应大小	首次开发了一种能够明确学习非线性因果关系并估计其效应大小的计算方法	NA	开发一种新的计算方法，用于识别复杂生物系统中的非线性因果关系并估计其效应大小	复杂生物系统中的非线性因果关系及其效应大小	机器学习	NA	深度神经网络	深度神经网络	模拟数据和分子及临床数据	涉及多种疾病的数据
12	2024-11-19	MuLan-Methyl-multiple transformer-based language models for accurate DNA methylation prediction 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad054 PMID:37489753	研究论文	本文介绍了一种基于多重Transformer语言模型的深度学习框架MuLan-Methyl，用于预测DNA甲基化位点	MuLan-Methyl框架结合了5种流行的Transformer语言模型，通过预训练和微调的方式，能够准确预测三种不同类型的DNA甲基化位点	NA	开发一种能够准确预测DNA甲基化位点的深度学习框架	DNA甲基化位点，包括N6-腺苷、N4-胞嘧啶和5-羟甲基胞嘧啶	机器学习	NA	Transformer语言模型	Transformer	DNA序列	使用了一个基准数据集进行性能评估
13	2024-11-19	Computational prediction of human deep intronic variation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad085 PMID:37878682	研究论文	本文研究了计算方法在预测人类基因深内含子变异中的应用	本文比较了SpliceAI等深度学习模型与其他新方法的性能，并提出了新的工具可解释性评估方法	工具在预测可能影响剪接调控元件的变异时表现较差	评估不同计算工具在分析深内含子变异中的性能，并提供实用建议	人类基因的深内含子变异	基因组学	NA	深度学习	深度学习模型	基因序列	使用了多种数据集进行评估
14	2024-11-19	SpheroScan: a user-friendly deep learning tool for spheroid image analysis 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad082 PMID:37889008	研究论文	开发了一种名为SpheroScan的用户友好型深度学习工具，用于球状体图像分析	SpheroScan利用Mask R-CNN框架进行图像检测和分割，解决了3D球状体分析中缺乏自动化和用户友好工具的问题	NA	开发一种自动化工具，以提高3D球状体分析的重复性和通量	3D球状体图像	计算机视觉	NA	深度学习	Mask R-CNN	图像	使用IncuCyte活细胞分析系统和传统显微镜捕获的球状体图像进行训练
15	2024-11-19	Accurate and fast clade assignment via deep learning and frequency chaos game representation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac119 PMID:36576129	研究论文	本文利用频率混沌游戏表示（FCGR）和卷积神经网络（CNN）开发了一种新的方法，用于SARS-CoV-2基因序列的支系分类	本文首次将深度学习和FCGR应用于物种内分类，并开发了CouGaR-g工具，在GISAID测试子集上实现了96.29%的总体准确率，优于类似工具Covidex	NA	开发快速且准确的工具，用于区分不同的SARS-CoV-2变体并将其分配到相应的支系	SARS-CoV-2基因序列及其变体	机器学习	冠状病毒病	频率混沌游戏表示（FCGR）	卷积神经网络（CNN）	基因序列	GISAID平台上的数百万个完整基因序列
16	2024-10-27	A Deep Learning Framework for the Detection and Quantification of Reticular Pseudodrusen and Drusen on Optical Coherence Tomography 2022-12-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.12.3 PMID:36458946	研究论文	开发并验证了一种深度学习框架，用于在光学相干断层扫描（OCT）图像中检测和量化网状假性玻璃膜疣（RPD）和玻璃膜疣	提出了一个包含分类模型和分布外检测模型的深度学习框架，用于识别不可评估的扫描、区分玻璃膜疣和RPD，并独立分割这两种病变	研究样本主要来自UK Biobank，可能限制了结果的普适性	开发和验证一个深度学习框架，用于在OCT扫描中检测和量化RPD和玻璃膜疣	网状假性玻璃膜疣（RPD）和玻璃膜疣	计算机视觉	老年性疾病	深度学习	CNN	图像	1284名年龄相关性黄斑变性（AMD）患者和250名对照组
17	2024-10-25	Usability of deep learning pipelines for 3D nuclei identification with Stardist and Cellpose 2022-12, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2022.203806 PMID:36029974	研究论文	比较了两种开源机器学习算法Cellpose和Stardist在3D荧光染色增殖细胞核识别中的应用	展示了图像分块和背景减除对两种算法的影响，并评估了它们的易用性和处理时间	未提及	评估Cellpose和Stardist在3D细胞分割中的适用性和性能	3D荧光染色增殖细胞核	计算机视觉	NA	机器学习	NA	图像	未提及
18	2024-10-21	CHAP-Adult: A Reliable and Valid Algorithm to Classify Sitting and Measure Sitting Patterns Using Data From Hip-Worn Accelerometers in Adults Aged 35 2022-Dec, Journal for the measurement of physical behaviour DOI:10.1123/jmpb.2021-0062 PMID:38260182	研究论文	开发并验证了一种基于卷积神经网络的算法CHAP-Adult，用于通过髋部佩戴的加速度计数据准确分类坐姿和测量坐姿模式	CHAP-Adult算法在测量坐姿和坐姿模式方面比传统的100次每分钟切点方法更准确	算法在身体质量指数≥30 kg/m²的个体中表现出的误差较大	开发和验证一种新的算法，以准确测量和分类使用髋部佩戴加速度计的坐姿和坐姿模式	35-99岁成年人的坐姿和坐姿模式	机器学习	NA	卷积神经网络	卷积神经网络	加速度计数据	训练数据包括981名35-99岁的成年人，验证数据包括419名未参与训练的成年人
19	2024-10-18	Artificial Intelligence (AI) for Fracture Diagnosis: An Overview of Current Products and Considerations for Clinical Adoption, From the AJR Special Series on AI Applications 2022-12, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27873 PMID:35731103	综述	本文综述了人工智能（AI）和深度学习算法在骨折诊断中的应用，并提供了临床采用这些技术的指导	介绍了AI和深度学习在骨折检测中的准确性，并讨论了其在临床实践中的应用潜力	尽管AI产品在增加，但关于放射科医生如何采用这些新技术的指导有限	探讨AI和深度学习算法在骨折诊断中的应用，并提供临床采用这些技术的指导	骨折诊断和AI技术在放射科的应用	计算机视觉	NA	深度学习	NA	图像	NA
20	2024-10-12	Deep learning of longitudinal mammogram examinations for breast cancer risk prediction 2022-Dec, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2022.108919 PMID:37089470	研究论文	本文提出了一种新的深度学习结构LRP-NET，用于捕捉多次乳腺X光检查中的时空变化，以预测近期乳腺癌风险	首次设计了能够捕捉多次乳腺X光检查中时空信息的深度学习模型，用于乳腺癌风险预测	研究样本量较小，仅涉及200名患者，未来需要在大规模数据集上验证模型效果	开发一种能够利用多次乳腺X光检查中的时空信息来预测乳腺癌风险的深度学习模型	多次乳腺X光检查中的时空变化信息	计算机视觉	乳腺癌	深度学习	LRP-NET	图像	200名患者，每人进行四次检查，共3200张图像