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	2025-03-30	Data-efficient resting-state functional magnetic resonance imaging brain mapping with deep learning 2023-11-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2023.3.JNS2314 PMID:37060318	研究论文	本研究开发了一种深度3D卷积神经网络（3DCNN），用于在静息态功能磁共振成像（RS-fMRI）数据量最小的情况下，对语言和运动静息态网络进行体素级映射	提出了一种能够在减少扫描时间的同时，可靠且精确地映射静息态网络的深度3DCNN模型	研究主要基于健康成年人的数据，仅在5名多形性胶质母细胞瘤患者中进行了测试	开发一种高效的方法，用于术前功能映射，以改善脑肿瘤患者的功能保留	健康成年人（n=2252）和5名多形性胶质母细胞瘤患者	数字病理	脑肿瘤	RS-fMRI	3DCNN	图像	2252名健康成年人和5名多形性胶质母细胞瘤患者
2	2025-03-29	Convolutional Neural Networks for Segmentation of Malignant Pleural Mesothelioma: Analysis of Probability Map Thresholds (CALGB 30901, Alliance) 2023-Nov-30, ArXiv PMID:38076518	research paper	本研究评估了卷积神经网络(CNN)在恶性胸膜间皮瘤(MPM)分割中概率图阈值的影响	分析了不同概率阈值对CNN生成的MPM肿瘤分割结果的影响，强调了在评估深度学习分割时同时考虑肿瘤体积和空间重叠的重要性	CNN在特定疾病表现(如严重胸腔积液或胸膜裂隙疾病)中存在不足，且未找到适用于肿瘤体积和DSC两者的最优单一阈值	评估CNN概率图阈值对MPM肿瘤分割的影响	恶性胸膜间皮瘤(MPM)患者的CT扫描图像	digital pathology	lung cancer	CT扫描	VGG16/U-Net CNN	image	21名MPM患者的88次CT扫描
3	2025-03-21	A full-stack platform for spiking deep learning 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00565-5 PMID:38177599	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	2025-03-21	Accurately predicting molecular spectra with deep learning 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00553-9 PMID:38177595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2025-03-21	A deep learning model for predicting selected organic molecular spectra 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00550-y PMID:38177591	研究论文	本文开发了一种名为DetaNet的深度学习模型，用于预测分子光谱，提高了效率和准确性	结合E(3)-等变群和自注意力机制，通过传递高阶几何张量信息，能够生成多种分子属性，达到量子化学计算的精度	NA	提高分子光谱模拟的准确性和效率，以促进物质发现和结构识别	分子光谱	机器学习	NA	深度学习	DetaNet	分子光谱数据	130,000种分子物种的QM9S数据集
6	2025-03-18	TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records 2023-Nov-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43715-z PMID:38030638	研究论文	本文介绍了TransformEHR，一种基于transformer的编码器-解码器生成模型，用于增强使用电子健康记录（EHR）预测疾病结果的能力	TransformEHR采用了一种新的预训练目标——从患者之前的就诊记录预测未来就诊时的所有疾病和结果，从而在多个临床预测任务中达到了新的最先进性能	NA	提高使用电子健康记录（EHR）预测临床疾病或结果的能力	电子健康记录（EHR）	自然语言处理	胰腺癌, 创伤后应激障碍	transformer-based encoder-decoder generative model	transformer	电子健康记录（EHR）	NA
7	2025-03-15	Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates 2023 Nov-Dec 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009560 PMID:37815288	研究论文	本文开发了一种基于深度学习的诊断系统，用于评估修复腭裂患者的腭咽功能不全（VPI）	首次将深度学习技术应用于VPI的诊断，并与人类专家的诊断结果进行比较	研究为回顾性分析，可能存在选择偏差	开发一种基于深度学习的诊断系统，用于评估修复腭裂患者的VPI	修复腭裂患者	计算机视觉	腭咽功能不全	深度学习	VGGNet, ResNet, Xception, ResNext, DenseNet, SENet	视频	714例（2010年1月至2019年6月）
8	2025-02-23	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	研究论文	本文提出了一种使用多模态深度神经网络预测多发性硬化症（MS）疾病严重程度的方法	首次整合结构化电子健康记录（EHR）数据、神经影像数据和临床笔记，构建多模态深度学习框架来预测MS严重程度，相比单模态数据模型，AUROC提高了19%	未明确提及具体局限性	通过早期和准确的MS疾病严重程度分类，减缓或预防疾病进展	多发性硬化症（MS）患者	机器学习	多发性硬化症	深度学习	多模态深度神经网络	结构化EHR数据、神经影像数据、临床笔记	未明确提及样本数量
9	2025-02-23	Automated classification of fat-infiltrated axillary lymph nodes on screening mammograms 2023-Nov, The British journal of radiology DOI:10.1259/bjr.20220835 PMID:37751215	研究论文	本文开发了一种基于深度学习的自动化管道，用于在筛查性乳腺X光片上分类脂肪浸润的腋窝淋巴结状态	首次使用自动化深度学习方法对脂肪浸润的腋窝淋巴结进行分类	需要大规模研究来确认脂肪浸润淋巴结与肥胖相关疾病之间的相关性，但受限于标记数据的稀缺	开发一种快速且可推广的工具，以辅助数据标记，并评估脂肪浸润淋巴结作为肥胖相关病理的影像生物标志物的作用	脂肪浸润的腋窝淋巴结	数字病理	肥胖相关疾病	深度学习	DL模型	图像	886张乳腺X光片（内部数据集）和70张乳腺X光片（外部测试集）
10	2025-02-21	A two-dimensional hydrodynamics prediction framework for mantle-undulated propulsion robot using multiple proper orthogonal decomposition and long short term memory neural network 2023-11-29, Bioinspiration & biomimetics IF:3.1Q2 DOI:10.1088/1748-3190/ad0daf PMID:37976535	研究论文	本文开发了一个基于深度学习的框架，用于预测在波动推进机器人（MUPRo）上的流体动力	提出了多重本征正交分解（MPOD）算法，有效识别MUPRo波动表面附近流体的全局和局部特征，并开发了基于MPOD算法和长短期记忆神经网络的流体动力预测框架	NA	开发一个能够经济且可靠地预测波动推进机器人流体动力的框架	波动推进机器人（MUPRo）	机器学习	NA	多重本征正交分解（MPOD）算法，长短期记忆神经网络（LSTM）	LSTM	流体动力数据	NA
11	2025-02-21	Application of bidirectional long short-term memory network for prediction of cognitive age 2023-11-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47606-7 PMID:37980387	研究论文	本研究应用双向长短期记忆网络（BLSTM）算法分析台北慈济医院儿科脑电图实验室的EEG数据，以预测认知年龄	首次将BLSTM算法应用于EEG数据的认知年龄预测，并验证了其在识别不同年龄段儿童和青少年EEG数据中的有效性	对于智力障碍患者的EEG样本，预测准确率显著降低，表明个体智力在年龄预测中起主要作用	探讨深度学习工具在EEG分类中的应用，特别是用于预测认知年龄	儿童和青少年的EEG数据	机器学习	NA	EEG	BLSTM	EEG数据	来自台北慈济医院儿科脑电图实验室的EEG样本
12	2025-02-21	An Adaptive Intrusion Detection System in the Internet of Medical Things Using Fuzzy-Based Learning 2023-Nov-17, Sensors (Basel, Switzerland) DOI:10.3390/s23229247 PMID:38005635	研究论文	本文提出了一种基于模糊学习的自适应长短期记忆（LSTM）入侵检测系统（IDS），用于医疗物联网（IoMT）中的攻击检测	提出了一种动态调整训练周期和使用早停策略的模糊自调LSTM模型，以提高入侵检测的准确性和预测性	未提及具体的数据集规模或实验环境的局限性	开发更高效和准确的入侵检测系统，以应对医疗物联网中的网络攻击	医疗物联网（IoMT）设备	机器学习	NA	模糊学习，LSTM	LSTM	网络日志数据	未提及具体样本数量
13	2025-02-21	Novel integrated modelling based on multiplicative long short-term memory (mLSTM) deep learning model and ensemble multi-criteria decision making (MCDM) models for mapping flood risk 2023-Nov-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2023.118838 PMID:37595460	研究论文	本文提出了一种基于乘法长短期记忆（mLSTM）深度学习模型和多准则决策（MCDM）集成模型的新方法，用于绘制伊朗南部Minab-Shamil平原的洪水风险图	创新点在于首次将mLSTM深度学习模型与MCDM集成模型结合，用于生成高分辨率的洪水风险图	研究仅限于Minab-Shamil平原，未在其他地区验证模型的普适性	研究目的是开发一种集成方法，用于精确绘制洪水风险图，以支持洪水管理和减灾	研究对象是Minab-Shamil平原的洪水风险	机器学习	NA	深度学习，多准则决策	mLSTM, CODAS, EDAS, MOOSRA	地理空间数据	70%训练数据，30%测试数据
14	2025-01-19	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	研究论文	本文探讨了计算组学技术和人工智能在天然产物药物发现中的协同作用	结合计算组学技术和机器学习，提出了一种新的方法来发现天然产物中的药物候选分子	需要高质量的数据集来训练深度学习算法，并且需要适当的算法验证策略	探索如何有效地从自然界产生的众多分子中识别药物候选分子	天然产物	机器学习	NA	计算组学技术	深度学习	分子数据	NA
15	2025-01-23	A comprehensive survey of complex brain network representation 2023-Nov, Meta-radiology DOI:10.1016/j.metrad.2023.100046 PMID:39830588	综述	本文综述了利用神经影像数据理解大脑结构和功能变化及其与神经退行性疾病和其他临床表型关系的最新进展	本文综合了传统方法和深度学习技术在脑网络挖掘中的应用，并探讨了该领域的未来研究方向	本文主要关注方法学综述，未涉及具体实验数据或结果	探讨脑网络分析的传统方法和深度学习方法	神经影像数据及其衍生的脑网络	机器学习	神经退行性疾病	NA	深度学习	神经影像数据	NA
16	2025-01-22	The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis 2023-Nov-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.23.568470 PMID:38045294	研究论文	本研究通过大规模并行报告实验和多核糖体分析，揭示了斑马鱼胚胎发生早期5' UTR在翻译调控中的重要作用	首次定量模型揭示了5' UTR在早期脊椎动物发育中的翻译调控机制，并鉴定了86个具有不同核糖体招募能力的5' UTR富集基序	研究局限于斑马鱼胚胎发生早期，未涉及其他发育阶段或物种	研究5' UTR在翻译调控中的作用及其在早期脊椎动物发育中的功能	斑马鱼胚胎发生早期的5' UTR序列	生物信息学	NA	大规模并行报告实验、多核糖体分析	深度学习模型DaniO5P	序列数据	18,154个5' UTR序列
17	2024-12-15	Enhancing diagnosis of Hirschsprung's disease using deep learning from histological sections of post pull-through specimens: preliminary results 2023-Nov-29, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05590-z PMID:38019366	研究论文	本研究利用深度学习技术从回拉手术后的组织学切片中识别Hirschsprung病中的神经节细胞和肥大神经，以提高诊断准确性	首次使用AI技术基于U-net模型识别Hirschsprung病中的神经节细胞和肥大神经	研究样本量较小，且仅限于回拉手术后的组织学切片	开发一种基于人工智能的方法来提高Hirschsprung病的组织学诊断准确性	Hirschsprung病中的神经节细胞和肥大神经	数字病理学	Hirschsprung病	深度学习	U-net	图像	108个标注样本，数据增强后生成19,600张图像，最终用于训练和验证的图像为1945张
18	2024-12-11	Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii 2023-Nov, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01349-8 PMID:37231267	研究论文	本文利用机器学习方法筛选出一种针对鲍曼不动杆菌的新型抗生素abaucin	本文首次通过深度学习引导的筛选方法发现了一种针对鲍曼不动杆菌的新型窄谱抗生素abaucin，并揭示了其作用机制	本文仅在体外和小鼠伤口模型中验证了abaucin的抗菌活性，尚未进行临床试验	发现针对鲍曼不动杆菌的新型抗生素	鲍曼不动杆菌及其抗菌分子	机器学习	NA	NA	神经网络	分子数据	约7500种分子
19	2024-12-09	Deep learning based tomosynthesis denoising: a bias investigation across different breast types 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064003 PMID:38074628	研究论文	本文提出了一种基于深度学习的数字乳腺断层合成（DBT）去噪算法，并研究了其在不同乳腺类型中的潜在偏差	本文设计了一种基于物理驱动的数据增强方法和专门用于乳腺图像去噪的ReLU损失函数，以提高去噪效果	本文仅在临床和模拟数据上进行了测试，未涵盖所有可能的乳腺类型和剂量分布	评估深度学习去噪算法在不同乳腺类型中的有效性和公平性	数字乳腺断层合成（DBT）图像的去噪效果	计算机视觉	NA	深度学习	编码器-解码器网络	图像	临床数据和模拟数据
20	2024-12-08	Severe aortic stenosis detection by deep learning applied to echocardiography 2023-11-14, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad456 PMID:37611002	研究论文	本研究开发并验证了一种基于深度学习的模型，用于通过二维超声心动图视频检测严重主动脉瓣狭窄	利用自监督对比预训练的三维卷积神经网络模型，无需多普勒成像即可识别严重主动脉瓣狭窄	NA	开发和验证一种自动化方法，用于通过单一视角的二维超声心动图检测严重主动脉瓣狭窄	严重主动脉瓣狭窄的早期诊断	计算机视觉	心血管疾病	深度学习	三维卷积神经网络	视频	训练集包含5257个研究（17570个视频），验证集包含2040个连续研究，以及来自加利福尼亚和新英格兰其他医院的4226和3072个研究