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	2025-03-19	Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model 2023-06-25, The Science of the total environment DOI:10.1016/j.scitotenv.2023.163004 PMID:36965733	研究论文	本文探讨了可解释人工智能（XAI）在解释野火易发性预测模型中的贡献因素的应用	使用Shapley加性解释（SHAP）模型来解释深度学习（DL）模型的结果，以识别影响预测模型的关键参数及其相对重要性	模型可能受到训练过程和输入变量数量及质量等多种不确定性来源的影响	通过可解释的AI技术提高野火易发性预测模型的可解释性和准确性	野火易发性预测模型	机器学习	NA	Shapley加性解释（SHAP）	深度学习（DL）	地形、土地覆盖/植被、气象数据	NA
2	2025-03-03	Few-shot learning using explainable Siamese twin network for the automated classification of blood cells 2023-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02804-3 PMID:36800155	研究论文	本文提出了一种基于对比学习的Siamese twin network (STN)模型，用于从少量图像中训练并自动分类健康的外周血细胞	使用EfficientNet-B3作为基础模型，提出了一种新的类激活映射方案，以提高模型的可解释性	模型训练依赖于少量数据，可能影响其泛化能力	开发一种自动化且可解释的血液细胞分类方法	健康的外周血细胞	计算机视觉	NA	对比学习	Siamese twin network (STN), EfficientNet-B3	图像	17,092张公开的细胞组织学图像，其中6%用于STN训练，6%用于少样本验证，88%用于少样本测试
3	2025-02-21	Automatic Detection of Abnormal EEG Signals Using WaveNet and LSTM 2023-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s23135960 PMID:37447810	研究论文	本文提出了一种结合WaveNet和LSTM的深度学习模型，用于自动检测异常的原始EEG数据	提出了一种新颖的深度学习模型，结合WaveNet和LSTM，用于自动检测异常的EEG数据，并通过多个消融实验验证了模型各部分的有效性和重要性	未提及具体的研究限制	自动化诊断过程，早期准确识别脑电图（EEG）记录中的脑病理特征	异常的原始EEG数据	机器学习	神经系统疾病	深度学习	WaveNet, LSTM	EEG信号	使用TUH异常EEG语料库V.2.0.0（TUAB）和另一个独立数据集TUEP进行评估
4	2025-02-21	A deep learning network based on CNN and sliding window LSTM for spike sorting 2023-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106879 PMID:37080004	研究论文	本文提出了一种基于CNN和滑动窗口LSTM的深度学习网络，用于神经信号解码中的尖峰排序	结合CNN和LSTM进行尖峰排序和分类，提高了模型的准确性和鲁棒性	在高噪声水平下，召回率有所下降	开发一种准确且具有泛化能力的自动尖峰排序算法	神经信号中的尖峰	机器学习	NA	NA	CNN, LSTM	神经信号数据	模拟数据和实验数据
5	2025-02-20	Deep learning enables fast, gentle STED microscopy 2023-06-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05054-z PMID:37369761	研究论文	本文介绍了利用深度学习恢复STED显微镜图像的方法，以减少光漂白和光损伤，并显著降低像素停留时间	通过深度学习技术，实现了对STED显微镜图像的快速、温和恢复，减少了光漂白和光损伤，并显著降低了像素停留时间	NA	研究目的是通过深度学习技术改进STED显微镜成像，减少光漂白和光损伤，并提高成像效率	STED显微镜图像	计算机视觉	NA	STED显微镜	深度学习	图像	NA
6	2025-02-06	Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering 2023-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0789 PMID:39633750	研究论文	本文提出了一种能够实时全息波束转向的超表面天线，并采用深度学习算法来控制天线状态	采用深度学习算法结合自编码器和电磁散射方程，实时确定目标远场模式所需的状态，避免了传统迭代方法的低效性	需要验证Born近似在更复杂场景下的有效性	开发一种能够实时控制全息波束转向的超表面天线	超表面天线及其点偶极子元件	机器学习	NA	深度学习	自编码器	电磁散射数据	NA
7	2025-02-06	A deep neural network for general scattering matrix 2023-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0770 PMID:39633768	研究论文	本文开发了一个深度神经网络（DNN），用于计算无对称性散射体的散射矩阵，速度比有限元求解器快数千倍	开发了一个能够快速计算无对称性散射体散射矩阵的深度神经网络，并且该网络的结果自然满足能量守恒、时间反演和互易性等基本物理原理	未提及具体样本大小或实验验证的详细数据	研究散射问题的深度学习方法	无对称性散射体的散射矩阵	机器学习	NA	深度神经网络（DNN）	DNN	数值数据	NA
8	2025-02-04	Digital labeling for 3D histology: segmenting blood vessels without a vascular contrast agent using deep learning 2023-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.480230 PMID:37342724	研究论文	本文介绍了一种名为'数字标记'的方法，利用深度学习在无需血管对比剂的情况下，仅基于自发荧光信号和核染色（DAPI）对3D组织中的血管进行分割	创新点在于使用基于U-net架构的深度学习神经网络，并采用回归损失而非常见的分割损失，以提高小血管的检测精度	未来需要验证该方法是否适用于其他生物结构的分割	研究目的是开发一种无需血管对比剂即可对3D组织中的血管进行分割的方法	研究对象是3D组织中的血管	数字病理学	NA	光学组织透明化和3D荧光显微镜	U-net	3D图像	NA
9	2024-12-12	Geometric Deep Learning for Unsupervised Registration of Diffusion Magnetic Resonance Images 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_43 PMID:38205236	研究论文	本文提出了首个端到端的基于几何深度学习的非刚性配准模型，用于扩散磁共振图像（dMRI）中的纤维方向分布场（fODF）	首次提出了一种基于几何深度学习的非刚性配准模型，能够对扩散MRI中的fODF进行无监督配准，并引入了新的可微分层用于局部雅可比估计和重定向	NA	开发一种快速且准确的非刚性配准算法，用于扩散磁共振图像	扩散磁共振图像中的纤维方向分布场（fODF）	计算机视觉	NA	扩散磁共振成像（dMRI）	几何深度学习模型	图像	NA
10	2024-12-11	Discovering small-molecule senolytics with deep neural networks 2023-Jun, Nature aging IF:17.0Q1 DOI:10.1038/s43587-023-00415-z PMID:37142829	研究论文	本文利用图神经网络筛选并预测了大量分子的衰老活性，发现了几种具有选择性靶向衰老细胞的药物	利用深度学习技术筛选出具有衰老活性的化合物，并发现了几种具有更好药物化学性质和选择性的新型衰老药物	实验仅在动物模型中验证了其中一种化合物的有效性，仍需进一步临床验证	发现具有衰老活性的新型小分子药物	衰老细胞及其相关疾病	机器学习	NA	图神经网络，分子对接模拟，时间分辨荧光能量转移实验	图神经网络	分子结构数据	2,352种化合物用于筛选，800,000多种分子用于预测，以及老年小鼠模型
11	2024-12-11	Label- and slide-free tissue histology using 3D epi-mode quantitative phase imaging and virtual H&E staining 2023-Jun-01, ArXiv PMID:37396611	研究论文	本文提出了一种结合3D定量相位成像技术和无监督生成对抗网络的方法，将未染色厚组织的相位图像转换为虚拟H&E染色图像	首次将3D定量相位成像技术与无监督生成对抗网络结合，实现了无需染色和载玻片的组织病理学分析	需要进一步验证该方法在不同类型组织和疾病中的适用性	开发一种无需染色和载玻片的组织病理学分析方法，以提高诊断效率和降低成本	小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本	数字病理学	NA	3D定量相位成像技术（qOBM）	生成对抗网络（GAN）	图像	小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本
12	2024-11-14	Thyroid Cytopathology Cancer Diagnosis from Smartphone Images Using Machine Learning 2023-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100129 PMID:36931041	研究论文	研究使用智能手机图像进行甲状腺细胞病理学癌症诊断的深度学习模型性能	通过颜色增强训练减少了模型对手机和扫描仪图像颜色差异的敏感性，提高了智能手机图像的诊断性能	研究仅限于甲状腺细胞病理学，且样本量较小	评估深度学习模型在智能手机图像上进行甲状腺细胞病理学癌症诊断的性能	甲状腺细针穿刺活检图像	机器学习	甲状腺癌	深度学习	NA	图像	训练集包含964张高分辨率扫描图像，测试集包含100张幻灯片，每张幻灯片20个感兴趣区域
13	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants 2023-Jun-29, Research square DOI:10.21203/rs.3.rs-3085032/v1 PMID:37461629	研究论文	本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法	本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本	本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异	旨在开发一种高效且准确的听觉植入设备声学模拟评估方法	听觉植入设备的声学模拟及其对语音感知的影响	机器学习	NA	深度学习	深度学习模型	语音	NA
14	2024-10-20	MCP-Net: Introducing Patlak Loss Optimization to Whole-body Dynamic PET Inter-frame Motion Correction 2023-Jun-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3290003 PMID:37368811	研究论文	提出了一种集成Patlak损失优化的神经网络框架MCP-Net，用于全身动态PET图像的帧间运动校正	直接减少Patlak拟合误差，并结合了功能信息，提高了模型的性能和泛化能力	NA	改进全身动态PET图像的帧间运动校正，提高参数成像的准确性	全身动态PET图像的帧间运动校正	计算机视觉	NA	动态正电子发射断层扫描（PET）	神经网络	图像	NA
15	2024-10-15	A bibliometric analysis of worldwide cancer research using machine learning methods 2023-Jun, Cancer innovation DOI:10.1002/cai2.68 PMID:38089405	研究论文	本文通过文献计量分析方法，研究了2011年至2021年间使用机器学习方法进行癌症研究的全球趋势和热点	本文首次对全球范围内使用机器学习方法进行癌症研究的文献进行了全面的文献计量分析，揭示了该领域的研究热点和发展趋势	本文仅基于PubMed数据库中的6206篇文献进行分析，可能未能涵盖所有相关研究	分析全球范围内使用机器学习方法进行癌症研究的最新研究现状、主要研究主题、主题演变、研究合作和潜在研究方向	2011年至2021年间PubMed数据库中收集的6206篇关于使用机器学习方法进行癌症研究的文献	机器学习	癌症	文献计量分析	Latent Dirichlet Allocation	文本	6206篇文献
16	2024-10-08	DrugEx: Deep Learning Models and Tools for Exploration of Drug-Like Chemical Space 2023-06-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00434 PMID:37272707	研究论文	介绍了一个名为DrugEx的开源软件包，用于多目标强化学习，以探索药物样化学空间	整合并重新设计了先前DrugEx论文中的脚本，包括多种生成器架构、多种评分工具和多目标优化方法，提供了一个灵活的应用编程接口和图形用户界面GenUI	NA	开发一个用户友好且易于定制的药物设计工具	药物样化学空间中的新分子发现	机器学习	NA	多目标强化学习	多种生成器架构	NA	NA
17	2024-10-02	Real-time face mask position recognition system based on MobileNet model 2023-Jun, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2023.100382 PMID:36743719	研究论文	本文开发并评估了一个基于MobileNet模型的实时口罩佩戴位置识别系统	提出了通过微调预训练的MobileNet模型来实现高精度的口罩佩戴位置识别，并开发了一个实时系统	未提及	开发一个能够自动识别口罩佩戴位置的系统，以确保人们在公共场所正确佩戴口罩	口罩佩戴位置的识别	计算机视觉	NA	深度学习	MobileNet	图像	391名不同年龄和性别的个体
18	2024-10-01	Deep learning for deterioration prediction of COVID-19 patients based on time-series of three vital signs 2023-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37013-3 PMID:37339986	研究论文	研究开发并比较了两种预测COVID-19患者恶化的模型，基于时间序列的三种生命体征数据	提出了基于最少数据（如生命体征）的恶化预测模型，适用于远程医疗解决方案	研究仅限于特定数据集和特定时间段内的恶化预测	开发和评估基于最少数据的COVID-19患者恶化预测模型	COVID-19患者的生命体征数据和基本患者信息	机器学习	COVID-19	NA	LSTM和TCN	时间序列数据	37,006名COVID-19患者
19	2024-10-01	Developing an Artificial Intelligence-Based Representation of a Virtual Patient Model for Real-Time Diagnosis of Acute Respiratory Distress Syndrome 2023-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13122098 PMID:37370993	研究论文	本文开发了一种基于深度学习的虚拟患者模型，用于实时诊断急性呼吸窘迫综合征	利用深度学习技术开发了一个轻量级的虚拟患者模型，与原始模拟器相比具有相当的准确性	NA	开发一种基于人工智能的虚拟患者模型，用于实时诊断急性呼吸窘迫综合征	急性呼吸窘迫综合征的诊断和治疗	机器学习	急性呼吸窘迫综合征	深度学习	深度学习模型	虚拟患者数据	NA
20	2024-10-01	Ensemble Deep Learning Derived from Transfer Learning for Classification of COVID-19 Patients on Hybrid Deep-Learning-Based Lung Segmentation: A Data Augmentation and Balancing Framework 2023-Jun-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13111954 PMID:37296806	研究论文	本文研究了基于迁移学习的集成深度学习在混合深度学习肺部分割框架下对COVID-19患者分类的应用	本文提出了一种集成深度学习方法，通过数据增强和平衡框架，验证了其在COVID-19分类中的优越性	NA	验证集成深度学习在COVID-19分类中的优越性	COVID-19患者的肺部CT图像分类	计算机视觉	COVID-19	深度学习	ResNet-UNet	图像	12,000张CT切片，来自克罗地亚和意大利的多中心数据集