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
41	2025-10-07	Protocol for predicting peptides with anticancer and antimicrobial properties by a tri-fusion neural network 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102541 PMID:37660298	研究论文	介绍使用TriNet三融合神经网络预测具有抗癌和抗菌特性的肽	开发了名为TriNet的三融合神经网络架构用于肽性质预测	NA	预测具有抗癌和抗菌特性的肽	肽序列	机器学习	癌症, 感染性疾病	深度学习	神经网络	肽序列数据	NA	Python	TriNet（三融合神经网络）	NA	NA
42	2025-10-07	Protocol for automated multivariate quantitative-image-based cytometry analysis by fluorescence microscopy of asynchronous adherent cells 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102446 PMID:37453067	研究论文	提出基于荧光显微镜的异步贴壁细胞多变量定量图像细胞术分析协议	开发集成现代人工智能工具的开源Fiji脚本，应用深度学习实现稳健的自动化细胞核分割	NA	建立自动化多变量定量图像细胞术分析流程	异步贴壁细胞	数字病理	NA	荧光显微镜，定量图像细胞术	深度学习	荧光显微镜图像	NA	Fiji	NA	NA	NA
43	2025-10-07	A knowledge-integrated deep learning framework for cellular image analysis in parasite microbiology 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102452 PMID:37537845	研究论文	提出一个知识整合的深度学习框架，用于寄生虫微生物学中的细胞图像分析	将领域知识与深度学习相结合，提供端到端的细胞图像分析框架	NA	开发用于寄生虫微生物学细胞图像分析的深度学习框架	微生物细胞图像	计算机视觉	寄生虫感染	细胞图像分析	深度学习	细胞图像	NA	NA	NA	NA	NA
44	2025-10-07	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出一种名为NuFold的新型深度学习方法，用于准确预测RNA三级结构	采用灵活的核苷碱基中心表示法，能够准确重现所有可能的核苷酸构象	NA	开发计算方法来预测RNA三级结构，弥合RNA序列数据与结构认知之间的差距	RNA分子及其三级结构	机器学习	NA	深度学习	深度学习架构	RNA序列数据	NA	NA	NuFold	NA	NA
45	2025-10-07	Computational Advancements in Cancer Combination Therapy Prediction 2023-09, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.23.00261 PMID:37824797	综述	本文系统介绍癌症联合疗法预测的计算方法并总结最新研究进展	系统梳理近10年癌症联合疗法预测的计算方法，提出整合疾病病理生物学、药物特性和患者多组学数据的未来发展方向	未对所有现有癌症联合疗法预测方法进行荟萃分析，主要关注方法改进的考量因素	癌症联合疗法预测的计算方法研究	癌症治疗中的药物组合	机器学习	癌症	药物重定位	网络模型, 回归机器学习, 分类器机器学习, 深度学习	多组学数据, 药物特性数据, 疾病数据	NA	NA	NA	NA	NA
46	2025-04-12	Optimizing Storage and Computational Efficiency: An Efficient Algorithm for Whole Slide Image Size Reduction 2023-Sep, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2023.06.010 PMID:40206606	研究论文	开发了一种用于减少全切片图像(WSI)大小的图像处理算法，以提高存储和计算效率	提出了一种新颖的图像处理算法，能够在不改变组织区域图像分辨率的情况下，去除WSI中不需要的背景并将组织部分组装成更小的WSI	研究仅针对Barrett食管的不同发育不良阶段的组织切片，未验证在其他类型组织上的适用性	优化全切片图像的存储、传输和分析效率	非发育不良Barrett食管、低度发育不良和高度发育不良的组织学切片	数字病理学	Barrett食管	图像处理算法	NA	图像	1992年1月至2020年9月期间使用Aperio AT2扫描仪数字化的组织切片	NA	NA	NA	NA
47	2025-04-06	Ultrasound Frame-to-Volume Registration via Deep Learning for Interventional Guidance 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2022.3229903 PMID:37015418	研究论文	本文提出了一种基于深度学习的超声帧到体积配准方法，用于前列腺癌活检的图像引导干预	提出了一种新颖的超声帧到体积配准（FVReg）流程，通过深度神经网络实现全自动配准，无需外部跟踪设备	未提及具体局限性	开发自动图像配准系统，用于2D超声帧与3D MR图像的融合导航	前列腺癌活检的临床数据集	计算机视觉	前列腺癌	深度学习	深度神经网络	2D超声帧和3D MR图像	618名受试者	NA	NA	NA	NA
48	2025-04-06	WVDL: Weighted Voting Deep Learning Model for Predicting RNA-Protein Binding Sites 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3252276 PMID:37028092	研究论文	提出一种加权投票深度学习模型（WVDL），用于预测RNA-蛋白质结合位点	使用加权投票方法整合CNN、LSTM和ResNet三种基本分类器模型，提高模型性能	NA	预测RNA-蛋白质结合位点	RNA-蛋白质结合位点	机器学习	NA	深度学习	CNN, LSTM, ResNet	RNA序列数据	公开数据集RBP-24	NA	NA	NA	NA
49	2025-04-06	The Big Bang of Deep Learning in Ultrasound-Guided Surgery: A Review 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3255843 PMID:37028313	review	本文综述了深度学习在超声引导手术中的应用，总结了当前趋势并提出了未来研究方向	全面回顾了深度学习在超声引导手术中的应用，并提出了未来研究方向	未提及具体实验数据或样本量，可能缺乏实证支持	探讨深度学习在超声引导手术中的应用及其潜力	超声引导手术中的图像处理技术	digital pathology	NA	深度学习算法	DL	image	NA	NA	NA	NA	NA
50	2025-10-07	Variational Autoencoders for Biomedical Signal Morphology Clustering and Noise Detection 2023-Sep-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320585 PMID:37768790	研究论文	提出一种基于变分自编码器和高斯混合模型的生物医学信号噪声检测框架，用于波形异常检测和信号质量评估	开发无需标注的波形异常检测方法，结合变分自编码器和高斯混合模型提供信号质量置信度度量	仅适用于具有心脏活动周期性的生物医学信号	开发自动化的生物医学信号噪声检测和信号验证方法	生物阻抗数据中的心脏周期波形	机器学习	心血管疾病	生物阻抗测量	VAE, GMM	时间序列波形数据	97885个心脏周期	NA	变分自编码器, 高斯混合模型	DTW距离标准差, RMSE, Pearson相关系数, 信噪比	NA
51	2025-10-07	Forest fuel type classification: Review of remote sensing techniques, constraints and future trends 2023-09-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2023.118315 PMID:37290304	综述	本文系统回顾了用于森林可燃物类型分类的遥感技术方法、存在的限制因素及未来发展趋势	在先前综述基础上聚焦识别不同制图方法的关键挑战和待填补的研究空白，并提出集成遥感数据源与先进深度学习算法的发展方向	作为综述性论文，未提出具体的实验验证或新型算法模型	为火灾管理服务领域的从业者、研究者和决策者提供可燃物类型分类的技术指南	森林可燃物类型及其空间分布特征	遥感技术	NA	遥感数据采集与融合技术	深度学习算法	遥感影像数据	NA	NA	NA	NA	NA
52	2025-10-07	Deep learning on electronic medical records identifies distinct subphenotypes of diabetic kidney disease driven by genetic variations in the Rho pathway 2023-Sep-07, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.06.23295120 PMID:37732187	研究论文	本研究利用深度学习分析电子病历数据，识别出由Rho通路遗传变异驱动的糖尿病肾病不同亚型	首次发现通过影响细胞骨架调节蛋白稳定性导致疾病的遗传变异，揭示了一类新型可治疗靶点的表达数量性状位点	样本量相对有限（1,372例患者），需要进一步验证	识别糖尿病肾病的遗传特征和疾病亚型，预测疾病进展	1,372名糖尿病肾病患者	医疗人工智能	糖尿病肾病	全外显子组关联分析，细胞功能实验	自编码器，无监督聚类	电子健康记录，基因数据	1,372名糖尿病肾病患者	NA	自编码器	NA	NA
53	2024-08-07	Deep Learning on Electrocardiograms for Prediction of In-hospital Intradialytic Hypotension in Patients with ESKD 2023-09-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000208 PMID:37418626	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
54	2025-10-07	MRI-Based Deep Learning Method for Classification of IDH Mutation Status 2023-Sep-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091045 PMID:37760146	研究论文	开发基于MRI的深度学习网络用于非侵入性IDH突变状态分类	同时开发了仅使用T2加权图像和多种对比度图像的深度学习网络，并在超过1100例数据上验证性能，是迄今为止基于图像的IDH分类最大规模研究	NA	开发非侵入性IDH突变状态分类方法	胶质瘤患者	医学影像分析	胶质瘤	MRI	深度学习	医学图像	训练数据：TCIA数据库227例，TCIA+EGD数据库683例；测试数据：超过1100例来自多个医学中心	NA	2D网络	准确率，AUC	NA
55	2025-10-07	A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease 2023-Sep-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00916-6 PMID:37700032	研究论文	开发基于深度学习的静息心电图风险评分模型SEER，用于预测长期心血管死亡和疾病风险	首次证明仅使用静息心电图即可通过深度学习准确预测长期心血管死亡率，且仅需单导联心电图即可实现高性能预测	模型在预测动脉粥样硬化疾病方面的性能相对较低（AUC 0.67），且仅在美国三家医疗中心进行验证	开发基于心电图的心血管风险预测工具以改善风险分层和医疗决策	心电图数据和心血管疾病患者	医疗人工智能	心血管疾病	心电图检测	CNN	心电图信号	斯坦福大学医学中心收集的大规模静息12导联心电图数据集	NA	深度卷积神经网络	AUC	NA
56	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	NA	NA	NA	NA
57	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	NA	NA	NA	NA
58	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	NA	NA	NA	NA
59	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	NA	NA	NA	NA
60	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	NA	NA	NA	NA