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
21	2025-02-21	A Stacked Long Short-Term Memory Approach for Predictive Blood Glucose Monitoring in Women with Gestational Diabetes Mellitus 2023-Sep-20, Sensors (Basel, Switzerland) DOI:10.3390/s23187990 PMID:37766044	研究论文	本研究旨在通过使用长短期记忆（LSTM）递归神经网络模型，基于GDm-Health平台收集的时间序列数据，开发基准血糖预测模型，并建议优化的临床复查计划以减少血糖稳定的孕妇的总体血液检测次数	这是首个基于机器学习的研究，提出了优化的血糖监测频率（7天监测以预测未来14天的血糖），并且所提出的模型基于指尖血糖测试的准确性与使用连续血糖监测（CGM）读数的一小时预测模型的基准性能相当	研究仅基于GDm-Health平台的数据，可能无法完全代表所有妊娠糖尿病患者的血糖模式	开发基准血糖预测模型，并建议优化的临床复查计划以减少血糖稳定的孕妇的总体血液检测次数	妊娠糖尿病（GDM）患者	机器学习	妊娠糖尿病	LSTM递归神经网络	LSTM	时间序列数据	1110名患者的190,396次血糖读数
22	2025-02-21	Improving DNA 6mA Site Prediction via Integrating Bidirectional Long Short-Term Memory, Convolutional Neural Network, and Self-Attention Mechanism 2023-09-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00698 PMID:37603823	研究论文	本文提出了一种新的元方法Co6mA，通过整合双向长短期记忆网络（BiLSTM）、卷积神经网络（CNN）和自注意力机制（SAM）来提高DNA N6-甲基腺嘌呤（6mA）位点预测的性能	提出了一种新的元方法Co6mA，整合了BiLSTM、CNN和SAM，通过组合两种不同的深度学习模型来提高6mA位点预测的性能	NA	提高DNA 6mA位点预测的准确性	DNA N6-甲基腺嘌呤（6mA）位点	生物信息学	NA	深度学习	BiLSTM, CNN, SAM	DNA序列数据	两个独立测试集的不同模式生物样本
23	2025-02-21	Automated recognition of epilepsy from EEG signals using a combining space-time algorithm of CNN-LSTM 2023-09-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41537-z PMID:37684278	研究论文	本文提出了一种结合CNN和LSTM的深度学习算法，用于从EEG信号中自动识别癫痫，并在多分类任务中实现了最先进的性能	提出了一种结合CNN和LSTM的混合网络，用于多分类任务（包括二元和三元分类），并实现了无需额外预处理或手动干预的自动知识获取	研究仅使用了公开的基准数据库，可能未涵盖所有临床场景	开发一种智能识别方法，用于从EEG信号中分类癫痫状态	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	CNN-LSTM	EEG信号	公开的基准数据库中的EEG样本
24	2025-02-21	Protein intrinsically disordered region prediction by combining neural architecture search and multi-objective genetic algorithm 2023-09-07, BMC biology IF:4.4Q1 DOI:10.1186/s12915-023-01672-5 PMID:37674132	研究论文	本文提出了一种结合神经架构搜索和多目标遗传算法的蛋白质内在无序区域预测方法	使用神经架构搜索算法自动构建网络结构，结合长度依赖模型和通用模型，提出新的预测器IDP-Fusion，以稳定预测长短无序区域	未提及具体的数据集规模或实验细节，可能影响结果的普适性	提高蛋白质内在无序区域（IDRs）的预测准确性，特别是长短无序区域的稳定预测	蛋白质序列中的内在无序区域（IDRs）	生物信息学	NA	神经架构搜索（NAS），多目标遗传算法	CNN, LSTM, IDP-Fusion	蛋白质序列数据	NA
25	2025-02-21	An ECG Signal Acquisition and Analysis System Based on Machine Learning with Model Fusion 2023-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s23177643 PMID:37688099	研究论文	本研究提出了一种基于机器学习的ECG采集与分析系统，旨在解决现有ECG信号采集仪器不便携和手动分析的问题	结合传统机器学习模型和深度学习模型进行模型融合，提高了ECG信号分类的准确性	未来工作将集中在模型优化和开发更便携的仪器上，目前系统的便携性尚未实现	开发一种便携且自动化的ECG信号采集与分析系统，以提高心血管疾病的诊断效率	ECG信号	机器学习	心血管疾病	机器学习模型融合	逻辑回归、支持向量机、XGBoost、卷积神经网络(CNN)、长短期记忆网络(LSTM)	ECG信号	NA
26	2025-02-21	Attention-based bidirectional-long short-term memory for abnormal human activity detection 2023-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41231-0 PMID:37660111	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（Bi-LSTM）和卷积神经网络（CNN）的深度学习框架，用于检测异常人类活动	结合CNN、Bi-LSTM和注意力机制，专注于原始视频流的独特时空特征，以检测异常人类活动	未提及具体局限性	检测异常人类活动，以预防社会损害，如人身伤害或网络仇恨犯罪的传播	视频流中的异常人类活动	计算机视觉	NA	深度学习	CNN, Bi-LSTM, 注意力机制	视频	UCF11, UCF50, subUCF犯罪数据集
27	2025-02-16	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	本文开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者	提出了一种新的半监督学习框架下的深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上进行了验证	模型依赖于出院摘要的质量和完整性，且需要进一步的临床验证以确保其在不同医疗环境中的普适性	开发自动化工具以评估和提高HFrEF患者的护理质量	HFrEF患者	自然语言处理	心血管疾病	深度学习	深度学习语言模型	文本	13,251份笔记，来自5,392名独特个体（平均年龄73±14岁，48%为女性），包括2,487名HFrEF患者（46.1%）
28	2025-02-12	Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data 2023-Sep-07, ArXiv PMID:37731659	研究论文	本文通过长时间连续记录果蝇的姿势数据，探索了果蝇行为在不同时间尺度上的变化	使用深度学习框架SLEAP生成了包含近20亿个姿势实例的全身体姿势数据集，并分析了果蝇行为在昼夜节律和实验过程中的变化	实验环境为无特征竞技场，可能限制了果蝇行为的多样性	研究果蝇行为在不同时间尺度上的变化	果蝇（Drosophila melanogaster）	行为分析	NA	深度学习框架SLEAP	NA	姿势数据	47只果蝇
29	2025-01-29	Deep-learning-based image segmentation for image-based computational hemodynamic analysis of abdominal aortic aneurysms: a comparison study 2023-09-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acf3ed PMID:37625388	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
30	2025-01-15	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	本文提出了一种基于图卷积网络和深度聚类的ADHD生物型检测方法，旨在通过功能性网络连接性（FNC）识别ADHD生物型，以指导个性化药物治疗	创新点在于使用图卷积网络和深度聚类技术对ADHD患者进行分类，并发现不同生物型对药物治疗的反应存在显著差异	研究样本主要来自青少年脑认知发展研究（ABCD），可能限制了结果的普遍性	研究目的是通过神经影像标记物识别ADHD生物型，以指导个性化药物治疗	研究对象为1069名ADHD患者和130名接受纵向药物治疗的ADHD青少年	机器学习	神经发育障碍	功能性网络连接性（FNC）	图卷积网络（GCN）和深度聚类	神经影像数据	1069名ADHD患者和130名ADHD青少年
31	2024-12-12	Systematic review of deep learning image analyses for the diagnosis and monitoring of skin disease 2023-Sep-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00914-8 PMID:37758829	综述	本文系统回顾了使用深度学习图像分析技术进行皮肤病诊断和监测的研究	本文首次系统性地评估了深度学习算法在多种常见皮肤病诊断和严重程度评估中的应用	当前研究存在高偏倚风险和适用性问题，且大多数研究未报告参与者的种族/皮肤类型，缺乏真实世界的外部验证	评估深度学习图像分析技术在皮肤病诊断和监测中的潜力	常见皮肤病，如痤疮、银屑病、湿疹、酒渣鼻、白癜风、荨麻疹	计算机视觉	皮肤病	深度学习	神经网络	图像	64项研究，涉及多种皮肤病
32	2024-12-08	Deep representation learning identifies associations between physical activity and sleep patterns during pregnancy and prematurity 2023-Sep-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00911-x PMID:37770643	研究论文	研究利用深度学习时间序列分类架构，分析孕妇的体力活动和睡眠模式与早产之间的关系	开发了一种新的深度学习时间序列分类架构，并结合无监督聚类、模型误差分析、特征归因和自动活动分析等解释性算法，提高了模型对妊娠进展的预测能力	研究主要基于穿戴设备收集的数据，可能存在数据收集和处理的局限性	研究体力活动和睡眠模式与早产之间的关系，并开发预测模型以支持临床决策	孕妇的体力活动和睡眠模式	机器学习	妊娠相关疾病	深度学习	时间序列分类架构	时间序列数据	1083名患者，共收集了181,944小时的数据
33	2024-12-07	Deep learning empowering design for selective solar absorber 2023-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0291 PMID:39635349	研究论文	本文开发了一种结合深度学习和多目标双重退火算法的高性能设计范式，用于优化多层纳米结构以最大化太阳能光谱吸收和最小化红外辐射	本文首次将深度学习与多目标双重退火算法结合，用于设计高性能的选择性太阳能吸收器	实验测量的红外辐射平均发射率略高于计算值，表明实际性能与理论设计之间存在一定差距	开发一种高效的设计方法，用于优化太阳能吸收器的性能	多层纳米结构的选择性太阳能吸收器	NA	NA	深度学习	NA	NA	NA
34	2024-12-06	Hyperspectral signature-band extraction and learning: an example of sugar content prediction of Syzygium samarangense 2023-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41603-6 PMID:37699940	研究论文	本研究提出了一种从高光谱数据转换的多光谱数据中提取特征波段的方法，并使用深度学习模型预测山竹果的糖含量	本研究创新性地使用集成梯度方法从卷积神经网络和前馈神经网络模型中提取特征波段，并展示了这些波段在预测山竹果糖含量方面的潜力	本研究仅限于使用特定的光谱数据和模型，未来研究可以扩展到其他类型的光谱数据和模型	研究如何从高光谱数据中提取特征波段，并利用这些波段预测山竹果的糖含量	山竹果的糖含量	机器学习	NA	高光谱数据转换、集成梯度方法	卷积神经网络 (CNN)、前馈神经网络 (FNN)	光谱数据	30组，每组包含6个特征波段
35	2024-12-06	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	研究论文	本文提出了一种基于Swin-Transformer网络和Focal Loss的FL-STNet模型，用于高相似性和类别不平衡的肺腺癌病理亚型图像识别	本文引入了Focal Loss并结合Swin-Transformer模型的优势，解决了当前CNN和Vit模型的不足	NA	提高肺腺癌病理分类的临床问题	肺腺癌及其亚型的病理图像	计算机视觉	肺腺癌	Swin-Transformer	FL-STNet	图像	360名被诊断为肺腺癌和其他肺部疾病的患者
36	2024-12-06	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本文提出了一种基于注意力模块的深度学习架构，用于从HE染色的病理图像中分类子宫内膜癌的微卫星不稳定性	本文提出了一种新的基于注意力模块的深度学习架构，用于从病理图像中提取特征并进行微卫星不稳定性的分类	本文未详细讨论模型的泛化能力和在其他癌症类型中的应用	开发一种基于深度学习的自动化方法，用于从HE染色的病理图像中分类子宫内膜癌的微卫星不稳定性	子宫内膜癌的微卫星不稳定性	数字病理学	子宫内膜癌	深度学习	注意力模块	图像	使用了来自The Cancer Genome Atlas子宫内膜队列的HE染色全切片图像
37	2024-12-06	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	研究论文	开发了一种基于深度学习的预测食管鳞状细胞癌患者总体生存率的新分期系统	提出了基于深度学习模型DeepSurv的新分期系统，并在多个队列数据中验证了其预测性能	NA	开发和验证一种新的基于深度学习的分期系统，用于预测食管鳞状细胞癌患者的总体生存率	食管鳞状细胞癌患者	机器学习	食管癌	深度学习	深度学习模型	临床数据	6020名食管鳞状细胞癌患者
38	2024-12-06	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	本文提出了一种使用模糊3D高亮和机器学习方法来分割和分类脑肿瘤的策略	本文创新性地结合了模糊3D高亮方法和机器学习技术，用于脑肿瘤的分割和分类	本文未详细讨论该方法在不同类型脑肿瘤上的适用性及其在实际临床应用中的局限性	旨在提高脑肿瘤的早期诊断准确性，减少对侵入性手术的依赖	脑肿瘤的分割和分类	机器学习	脑肿瘤	模糊3D高亮方法	支持向量机（SVM）和深度神经网络（DNN）	MRI扫描图像	未明确提及具体样本数量
39	2024-11-27	Generative Adversarial Network-Enhanced Ultra-Low-Dose [18F]-PI-2620 τ PET/MRI in Aging and Neurodegenerative Populations 2023-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7961 PMID:37591771	研究论文	研究使用生成对抗网络增强超低剂量[18F]-PI-2620 τ PET/MRI图像，以提高其在衰老和神经退行性疾病人群中的诊断质量	首次应用生成对抗网络增强超低剂量τ PET/MRI图像，以减少噪声并提高图像质量	研究样本量较小，且主要集中在健康衰老和神经退行性疾病患者，未来需扩大样本范围	探索深度学习技术在增强超低剂量τ PET/MRI图像中的应用，以提高诊断质量	健康衰老参与者和神经退行性疾病患者	计算机视觉	神经退行性疾病	生成对抗网络	生成对抗网络	图像	44名健康衰老参与者和神经退行性疾病患者
40	2024-11-15	Small molecule-mediated targeting of microRNAs for drug discovery: Experiments, computational techniques, and disease implications 2023-Sep-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2023.115500 PMID:37262996	综述	本文综述了小分子介导的微小RNA（miRNA）靶向药物发现中的生物学和计算应用	本文整合了实验室数据和计算策略，以促进更精确和理性的先导化合物设计和发现	目前缺乏涵盖计算和实验药物发现过程的综合性综述	综述miRNA靶向药物发现中的生物学和计算应用及其在疾病中的意义和临床重要性	miRNA靶向的小分子抑制剂及其在疾病治疗中的潜力	药物发现	NA	深度学习	NA	分子序列	NA