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	2025-07-20	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	本文开发并验证了一种深度学习模型，用于协调不同淀粉样蛋白PET示踪剂生成的图像	提出了一种基于编码器-解码器的深度残差初始网络，用于淀粉样蛋白PET图像的协调	模型需要进一步改进以适用于更多示踪剂	开发一种深度学习模型，用于协调不同淀粉样蛋白PET示踪剂生成的图像	淀粉样蛋白PET图像	数字病理学	老年疾病	PET成像	Residual Inception Encoder-Decoder Neural Network	图像	92名受试者用于训练，46名受试者用于外部测试
2	2025-07-10	Neuron tracing from light microscopy images: automation, deep learning and bench testing 2022-12-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac712 PMID:36303315	综述	本文综述了从光学显微镜图像中自动追踪神经元形态的最新进展，特别是深度学习方法的应用	重点介绍了深度学习增强方法的最新进展，以及哺乳动物全脑单神经元追踪的半自动方法及其生成的大规模数据集	NA	帮助研究社区了解和选择神经元追踪工具及资源	神经元形态学	数字病理学	NA	光学显微镜成像	深度学习方法	图像	包含数千个完整神经元形态的数据集
3	2025-07-08	Refinement of AlphaFold2 Models against Experimental Cryo-EM Density Maps at 4-6Å Resolution 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995676 PMID:40612328	research paper	本研究探讨了深度学习蛋白质结构预测方法AlphaFold2在解析4-6 Å分辨率冷冻电镜图谱中的应用	结合实验与AI方法，从低分辨率密度图中构建准确模型，并评估AlphaFold2模型在低分辨率冷冻电镜图谱中的表现	小链（115个残基）的预测效果较差，TM-score仅为0.52，且后续精炼步骤的成功与否高度依赖于AlphaFold2预测质量、冷冻电镜数据质量及模型与密度图的匹配度	评估AlphaFold2在低分辨率冷冻电镜图谱中的模型精炼效果	蛋白质结构模型与冷冻电镜密度图	computational biology	NA	cryo-EM, AlphaFold2	AlphaFold2	cryo-EM density maps, protein structure models	10个实验图谱/模型对（包含9个较大链（226-373个残基）和1个小链（115个残基））
4	2025-06-24	Application of machine and deep learning algorithms in optical microscopic detection of Plasmodium: A malaria diagnostic tool for the future 2022-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2022.103198 PMID:36379305	review	本文系统回顾了机器和深度学习算法在光学显微镜检测疟原虫中的应用，探讨了其作为未来疟疾诊断工具的潜力	通过系统回顾，揭示了卷积神经网络（CNN）及其变体在疟疾显微镜诊断中的主导地位，准确率达到99.23%	研究依赖于现有文献，可能未涵盖所有相关研究或最新进展	探讨机器和深度学习算法在疟疾光学显微镜诊断中的应用效果	疟原虫的光学显微镜检测	digital pathology	malaria	optical microscopy	CNN	image	NA
5	2025-06-24	The applications of machine learning in HIV neutralizing antibodies research-A systematic review 2022-12, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2022.102429 PMID:36462896	review	本文系统回顾了机器学习在HIV中和抗体研究中的应用	综述了机器学习在HIV中和抗体研究中的多样化应用，包括中和效力预测、抗体-病毒结合位点检测等	未提及具体研究的样本量或数据限制	探索机器学习在HIV中和抗体研究中的应用潜力	HIV中和抗体	machine learning	HIV	NA	supervised, unsupervised, and generative models	biological data	NA
6	2025-06-21	State-of-the-Art Estimation of Protein Model Accuracy Using AlphaFold 2022-Dec-02, Physical review letters IF:8.1Q1 DOI:10.1103/PhysRevLett.129.238101 PMID:36563190	research paper	该论文探讨了利用AlphaFold从蛋白质的初级氨基酸序列预测其3D结构的最新进展	证明了AlphaFold学习了一种近似生物物理能量函数，并能够在不使用共进化数据的情况下，以最先进的准确性评估候选蛋白质结构的质量	研究未提及具体样本量或实验条件的限制	探索仅从蛋白质的初级序列预测其3D结构的可能性	蛋白质的3D结构预测	structural biology	NA	deep learning, coevolutionary data analysis	AlphaFold	protein sequences, 3D structure data	NA
7	2025-06-07	An efficient real-time stock prediction exploiting incremental learning and deep learning 2022-Dec-21, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09481-x PMID:38625328	研究论文	提出了一种基于增量学习和离线-在线学习的实时股票价格预测策略	结合增量学习和离线-在线学习两种方法，实时更新模型以适应市场的动态变化	仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了测试，可能不适用于其他市场或股票	提高实时股票价格预测的准确性	股票市场的实时价格数据	机器学习	NA	增量学习, 离线-在线学习	深度学习模型	时间序列数据	美国NASDAQ和印度NSE交易所的八只高流动性股票
8	2025-06-06	Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients 2022-Dec, IEEE transactions on technology and society DOI:10.1109/TTS.2022.3195114 PMID:36573115	研究论文	本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义	应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度	研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性	评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度	COVID-19患者的胸部X光片	数字病理学	COVID-19	深度学习	NA	医学影像	NA
9	2025-04-06	Deep learning and radiomics framework for PSMA-RADS classification of prostate cancer on PSMA PET 2022-Dec-29, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-022-00948-1 PMID:36580220	研究论文	开发了一个深度学习和放射组学框架，用于在PSMA PET图像上进行前列腺癌的PSMA-RADS分类	结合深度学习和放射组学方法，实现了病变级别和患者级别的PSMA-RADS分类，并提供了置信度和概率评分	研究为回顾性研究，样本来源单一	提高前列腺癌在PSMA PET图像上的分类准确性	前列腺癌患者的PSMA PET图像	数字病理学	前列腺癌	PET/CT扫描	深度学习	医学影像	267名男性患者的3794个病变
10	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
11	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
12	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
13	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
14	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
15	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
16	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
17	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
18	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
19	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
20	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