深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
141	2025-10-07	A novel ensemble-based statistical approach to estimate daily wildfire-specific PM2.5 in California (2006-2020) 2023-01, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2022.107719 PMID:36592523	研究论文	开发了一种基于集成学习的统计方法来估算加州2006-2020年每日野火特异性PM2.5浓度	首次应用一套统计模型结合易得数据集，在精细空间尺度上提供长达15年的每日野火特异性PM2.5估算	野火烟雾对PM污染的测量数据不可得，模型估算存在不确定性	分离野火特异性PM2.5与其他排放源，为流行病学研究提供数据支持	加州地区2006-2020年的PM2.5污染数据	机器学习	NA	统计建模	梯度提升机,随机森林,深度学习	环境监测数据,卫星气溶胶数据,气象变量	加州2006-2020年ZIP编码级别的每日数据	NA	集成模型	与先前机器学习研究结果相当	避免处理大型计算密集型数据集
142	2025-10-07	Monkeypox genome mutation analysis using a timeseries model based on long short-term memory 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290045 PMID:37611023	研究论文	使用基于长短期记忆的时间序列模型分析猴痘病毒基因组突变率	首次使用LSTM模型预测猴痘病毒基因组突变率，并与GRU模型进行比较	数据样本量有限，仅基于NCBI数据集进行分析	预测猴痘病毒的基因组突变率变化趋势	猴痘病毒基因组序列	生物信息学	猴痘	基因组测序	LSTM, GRU	基因组序列数据	NCBI猴痘数据集，按加拿大、德国和世界其他地区分类	NA	长短期记忆网络，门控循环单元	均方根误差	NA
143	2025-10-07	Kenichi Harumi Plenary Address at Annual Meeting of the International Society of Computers in Electrocardiology: "What Should ECG Deep Learning Focus on? The diagnosis of acute coronary occlusion!" 2023 Jan-Feb, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2022.10.010 PMID:36436473	综述	本文探讨心电图深度学习应从STEMI范式转向OMI范式以识别急性冠状动脉闭塞	提出深度学习应聚焦于识别闭塞性心肌梗死而非传统STEMI标准，可能彻底改变患者护理	基于单一专家演讲观点，缺乏具体实验验证	推动心电图深度学习关注急性冠状动脉闭塞诊断	心电图数据和急性冠状动脉闭塞患者	医疗人工智能	心血管疾病	心电图分析	深度学习	心电图信号	NA	NA	神经网络	NA	NA
144	2025-10-07	Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287465 PMID:37967076	研究论文	本研究通过GCMS技术和机器学习方法识别用于早期检测肝细胞癌和肝硬化的呼吸生物标志物	开发了基于R语言的机器学习模型，能够自动从原始数据中发现挥发性有机化合物，无需人工干预	GC-MS分析耗时且容易出错，需要专家操作；样本量较小（共100个样本）	开发早期检测肝细胞癌和肝硬化的精确诊断模型	肝细胞癌患者、肝硬化患者和健康对照者的呼吸样本	机器学习	肝细胞癌,肝硬化	GCMS, SPME, 气相色谱-质谱联用	深度学习	质谱数据	肝细胞癌35例，肝硬化35例，对照30例，共100个呼吸样本	R	NA	灵敏度,特异性,准确率,AUC	NA
145	2025-10-07	Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05275-y PMID:32904395	研究论文	本研究使用深度学习算法基于X射线和CT图像对COVID-19患者进行早期诊断	采用改进的VGG-19、Inception_V2和决策树模型进行肺炎二分类，在COVID-19早期诊断中实现高准确率	数据集规模较小（仅360张图像），模型性能在不同架构间存在较大差异	开发基于医学影像的COVID-19早期诊断方法	COVID-19患者和肺炎患者的X射线及CT图像	计算机视觉	COVID-19	X射线成像，计算机断层扫描	CNN，决策树	图像	360张X射线和CT图像	NA	VGG-19，Inception_V2，决策树	准确率	NA
146	2025-10-07	COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05424-3 PMID:33250662	研究论文	开发了一种混合深度学习框架COVID-CheXNet，用于在胸部X光图像中识别COVID-19病毒	提出了一种结合ResNet34和高分辨率网络模型的并行架构，采用加权求和规则在分数级融合两个预训练模型的结果	NA	快速准确诊断COVID-19感染，减轻放射科医生压力并控制疫情传播	胸部X光图像中的COVID-19病毒识别	计算机视觉	COVID-19	胸部X光成像	深度学习	图像	NA	NA	ResNet34,高分辨率网络	准确率,灵敏度,特异性,精确率,F1分数,均方误差,均方根误差	NA
147	2025-10-07	Performance evaluation of deep learning techniques for lung cancer prediction 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08313-7 PMID:37255920	研究论文	评估多种深度学习技术在肺癌预测中的性能表现	系统比较不同深度学习模型在肺癌预测任务中的表现，确定最优技术方案	NA	识别用于肺部疾病预测的最佳深度学习技术	肺部疾病患者	计算机视觉	肺癌	胸部X光成像, CT扫描	深度学习	图像	NA	NA	NA	精确率, 召回率, 准确率, Jaccard指数	NA
148	2025-10-07	Handling high-dimensional data with missing values by modern machine learning techniques 2023, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2022.2068514 PMID:36819079	研究论文	本文讨论使用现代机器学习技术处理高维缺失数据的方法	比较了惩罚回归、树基方法和深度学习在处理高维缺失数据方面的性能，发现深度学习和XGBoost方法在偏差与方差平衡方面具有优势	仅通过有限的模拟研究和单一实际应用进行比较验证	开发处理高维缺失数据的现代机器学习方法	高维数据中的缺失值处理	机器学习	NA	缺失数据处理技术	深度学习,XGBoost,惩罚回归模型,树基模型	高维数据	NA	NA	NA	偏差,方差	NA
149	2025-10-07	Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277572 PMID:36862751	研究论文	提出新型深度学习架构MUCRAN，用于在回归混杂因素的同时训练脑部MRI疾病检测模型	开发了多混杂因素回归对抗网络(MUCRAN)，可同时回归人口统计学和技术混杂因素，并集成不确定性量化方法自动排除分布外数据	仅使用单一医疗机构2019年前的数据进行训练，未包含更广泛时间跨度和多中心数据	开发能够处理临床异质性MRI数据的阿尔茨海默病检测方法	临床脑部MRI图像	医学影像分析	阿尔茨海默病	MRI	对抗网络,集成学习	医学图像	17,076例临床T1轴向脑部MRI	NA	MUCRAN	准确率	NA
150	2025-01-05	Retinal OCT Layer Segmentation via Joint Motion Correction and Graph-Assisted 3D Neural Network 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3317011 PMID:39737086	研究论文	本文提出了一种结合运动校正和图辅助3D神经网络的视网膜OCT层分割方法，以提高分割精度	提出了结合运动校正和分割的3D神经网络，并引入了一种新颖的图金字塔结构	NA	提高视网膜OCT层分割的精度，以更好地诊断和评估视网膜及全身性疾病	视网膜OCT图像	计算机视觉	视网膜疾病	OCT成像技术	3D卷积神经网络	3D图像	包含正常样本和多种疾病样本的大型OCT分割数据集	NA	NA	NA	NA
151	2025-01-04	ViTab Transformer Framework for Predicting Induced Electric Field and Focality in Transcranial Magnetic Stimulation 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3331258 PMID:37938962	研究论文	本研究开发了一种基于深度学习的ViTab Transformer模型，用于预测经颅磁刺激中的感应电场和聚焦性，以替代耗时的电磁模拟软件	提出了ViTab Transformer模型，通过考虑多个输入参数（如MRI图像源、线圈类型、线圈位置、电流变化率、脑组织导电性和线圈与头皮的距离）来预测电场最大值、刺激面积和刺激体积，克服了现有模型仅考虑少数输入参数的局限性	未提及具体局限性	开发一种深度学习模型，以提高经颅磁刺激在神经系统疾病治疗中的效果和寻找新的临床应用	经颅磁刺激中的感应电场和聚焦性	机器学习	神经系统疾病	深度学习	Transformer	图像和表格数据	未提及具体样本数量	NA	NA	NA	NA
152	2025-01-04	A Probability Fusion Approach for Foot Placement Prediction in Complex Terrains 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3333685 PMID:37971912	研究论文	本文提出了一种概率融合方法，用于预测复杂地形中的足部放置，以更好地辅助下肢残疾人士的日常行走	该方法结合了深度学习模型和环境信息，能够在复杂地形中预测下一步的足部放置，相比现有研究在复杂地形中实现了更快和更准确的预测	实验主要针对结构化地形和复杂地形，未涉及更多样化的地形或更广泛的用户群体	研究目的是开发一种能够在复杂地形中预测足部放置的方法，以辅助下肢残疾人士的行走	研究对象为下肢残疾人士在复杂地形中的足部放置	机器学习	下肢残疾	深度学习	深度学习模型	增强数据	实验包括结构化地形实验和复杂地形实验	NA	NA	NA	NA
153	2025-01-04	Depression Identification Using EEG Signals via a Hybrid of LSTM and Spiking Neural Networks 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3336467 PMID:37995160	研究论文	本文提出了一种结合LSTM和脉冲神经网络（SNN）的新框架，用于通过EEG信号有效分类个体抑郁水平	首次将SNN架构与LSTM结构结合，模拟抑郁不同阶段的大脑基础结构，并利用原始EEG信号进行分类	NA	通过EEG信号定量评估抑郁严重程度，并分类个体抑郁水平	抑郁患者的EEG信号	机器学习	抑郁症	EEG信号分析	LSTM, SNN	EEG信号	NA	NA	NA	NA	NA
154	2025-01-04	Graph Reasoning Module for Alzheimer's Disease Diagnosis: A Plug-and-Play Method 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3337533 PMID:38015665	研究论文	本文提出了一种图推理模块（GRM），用于增强基于卷积神经网络（CNN）的阿尔茨海默病（AD）检测模型，通过模拟不同脑区之间的潜在关系来提高诊断性能	提出了一种可即插即用的图推理模块（GRM），结合自适应图Transformer（AGT）块、图卷积网络（GCN）块和特征图重建（FMR）块，有效解决了CNN方法在关联空间远距离信息上的不足	未提及具体局限性	提高阿尔茨海默病（AD）的诊断性能	阿尔茨海默病（AD）患者的结构磁共振成像（sMRI）数据	计算机视觉	老年病	结构磁共振成像（sMRI）	CNN, 自适应图Transformer（AGT）, 图卷积网络（GCN）	图像	未提及具体样本数量	NA	NA	NA	NA
155	2025-01-04	LSTM-MSA: A Novel Deep Learning Model With Dual-Stage Attention Mechanisms Forearm EMG-Based Hand Gesture Recognition 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3336865 PMID:38015666	研究论文	本文介绍了一种结合长短期记忆网络和双阶段注意力机制的LSTM-MSA模型，用于分析肌电图（EMG）信号，以提高手势识别的准确性和鲁棒性	LSTM-MSA模型结合了LSTM层和注意力机制，能够有效捕捉相关信号特征并准确预测意图动作，具有双阶段注意力、端到端特征提取与分类集成以及个性化训练等显著特点	NA	提高EMG信号在手势识别中的准确性和鲁棒性，应用于假肢控制、康复和人机交互等领域	肌电图（EMG）信号	机器学习	NA	NA	LSTM	信号	多个数据集	NA	NA	NA	NA
156	2025-01-04	Mixture of Experts for EEG-Based Seizure Subtype Classification 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3337802 PMID:38032784	研究论文	本文提出了两种新颖的专家混合模型（MoE），Seizure-MoE和Mix-MoE，用于基于EEG的癫痫亚型分类	Mix-MoE模型通过引入不平衡采样器和整合手动EEG特征的先验知识，解决了类别不平衡和缺乏先验知识的问题	需要大量标记的EEG样本来训练模型，且模型在其他EEG分类问题上的扩展性尚未完全验证	提高基于EEG的癫痫亚型分类的准确性和效率	癫痫患者的EEG数据	机器学习	癫痫	EEG	Mixture of Experts (MoE), Seizure-MoE, Mix-MoE	EEG信号	两个公共数据集	NA	NA	NA	NA
157	2025-01-04	Accurate COP Trajectory Estimation in Healthy and Pathological Gait Using Multimodal Instrumented Insoles and Deep Learning Models 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3338519 PMID:38032788	研究论文	本研究介绍了一种新型深度循环神经网络，通过融合来自经济型异质鞋垫嵌入式传感器的数据，准确估计动态COP轨迹	使用深度循环神经网络融合低成本传感器数据，实现在实验室外环境中准确估计COP轨迹	需要进一步验证在不同病理条件下的广泛适用性	开发一种在实验室外环境中准确测量COP轨迹的方法，以评估步态和平衡功能的变化	健康个体和神经肌肉疾病患者	机器学习	神经肌肉疾病	深度循环神经网络	RNN	传感器数据（FSR和IMU）	健康个体和神经肌肉疾病患者	NA	NA	NA	NA
158	2025-01-04	Deep Unsupervised Representation Learning for Feature-Informed EEG Domain Extraction 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3339179 PMID:38048235	研究论文	本文提出了一种新的推理模型——联合嵌入变分自编码器，用于改进脑电图（EEG）分类中的特征提取和模型优化	提出了一种新的联合嵌入变分自编码器模型，通过联合优化的变分自编码器实现条件更紧密的时空特征分布估计，从而在不牺牲模型紧密性的情况下提高整体模型优化和扩展	模型依赖于EEG信号的复杂特征提取，这些特征的检测和定义本身具有挑战性	改进脑电图（EEG）分类中的特征提取和模型优化，特别是在目标受试者数据难以获取的情况下	脑电图（EEG）信号	机器学习	NA	变分自编码器	联合嵌入变分自编码器	脑电图（EEG）信号	未明确提及具体样本数量	NA	NA	NA	NA
159	2024-12-24	Deep learning based registration of serial whole-slide histopathology images in different stains 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100311 PMID:37214150	研究论文	本文提出了一种基于深度学习的注册网络CGNReg，用于在不同染色下对连续的全切片病理图像进行空间对齐	本文提出了一种新的基于深度学习的注册网络CGNReg，能够在没有先验变形信息的情况下，对H&E和IHC标记的连续全切片图像进行空间对齐	本文的局限性在于仅在乳腺癌患者的数据集上进行了评估，未来需要在更多类型的病理图像上进行验证	研究目的是对多染色病理全切片图像块的连续切片进行注册	研究对象是H&E和IHC标记的连续全切片病理图像	数字病理学	乳腺癌	深度学习	全卷积网络	图像	76名乳腺癌患者，每位患者有1张H&E和2张IHC连续全切片图像	NA	NA	NA	NA
160	2024-12-24	Pan-tumor T-lymphocyte detection using deep neural networks: Recommendations for transfer learning in immunohistochemistry 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100301 PMID:36994311	研究论文	本文研究了使用深度神经网络进行泛肿瘤T淋巴细胞检测，并提出了在免疫组化中进行迁移学习的建议	本文采用了RetinaNet架构进行T淋巴细胞检测，并通过迁移学习减少了不同肿瘤类型之间的领域差距，提高了算法的鲁棒性	本文的实验主要在特定数据集上进行，未涵盖所有可能的病理实验室或样本类型	研究如何通过计算机辅助系统高效量化肿瘤中的免疫细胞，并提高免疫细胞评分算法的鲁棒性和可重复性	泛肿瘤中的T淋巴细胞	计算机视觉	NA	深度学习	RetinaNet	图像	具体样本数量未在摘要中提及	NA	NA	NA	NA