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
41	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
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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
50	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
51	2024-12-08	Optimizing diffuse optical imaging for breast tissues with a dual-encoder neural network to preserve small structural information and fine features 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.066003 PMID:38074624	研究论文	研究提出了一种双编码器神经网络用于优化乳腺组织的漫射光学成像，以保留微小的结构信息和精细特征	本研究的创新点在于提出了一种双编码器网络，通过增加一个平行分支直接从基础源获取信号信息，从而在不降低或与背景融合的情况下定位包含物	NA	研究旨在探讨一种双编码器深度学习模型，用于在漫射光学成像中成功检测不同尺寸肿瘤	乳腺组织的漫射光学成像	计算机视觉	NA	漫射光学成像	双编码器神经网络	图像	模拟和幻影测试数据集
52	2024-11-25	Use of deep learning to segment bolus during videofluoroscopic swallow studies 2023-11-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad0bb3 PMID:37948874	研究论文	本文评估了一种用于视频荧光吞咽研究中分割钡餐的深度学习网络	利用人工智能进行解剖分割，以显著改善视频荧光吞咽研究的分析	钡餐在口腔中的表现因牙齿和不重要残留物的误分类而持续降低性能	评估钡餐分割网络的效能并识别影响网络性能的关键因素	80名独特患者的薄或液体钡餐的第一次吞咽	计算机视觉	NA	深度学习	U-Net	图像	80名患者的数据，分为75/25的训练和验证集，并进行4折交叉验证
53	2024-11-23	Inferring pointwise diffusion properties of single trajectories with deep learning 2023-11-21, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.10.015 PMID:37853693	研究论文	本文提出了一种基于深度学习的机器学习方法，用于在实验时间分辨率下表征具有时间依赖性的扩散过程	该方法能够在单轨迹级别预测扩散系数或异常扩散指数等感兴趣的属性，无需对系统进行任何先验知识或假设	NA	旨在准确确定生物场景中粒子的扩散特性，揭示其背后的机制	单分子扩散的膜蛋白DC-SIGN和整合素α5β1	机器学习	NA	深度学习	NA	轨迹数据	两个膜蛋白的单分子扩散实验
54	2024-11-13	Bringing Artificial Intelligence to the operating room: edge computing for real-time surgical phase recognition 2023-11, Surgical endoscopy DOI:10.1007/s00464-023-10322-4 PMID:37580578	研究论文	本文介绍了一种基于边缘计算的实时手术阶段识别系统，用于优化手术流程和视频评估	首次将边缘计算应用于手术阶段识别，实现了实时算法应用	实时预测的准确率在59.8%到78.2%之间，平均准确率为68.7%	开发一种实时手术阶段识别系统，以优化手术流程和视频评估	机器人腹股沟疝修复手术的阶段识别	计算机视觉	NA	深度学习	ResNet-50	视频	211个机器人腹股沟疝修复手术视频，用于训练和验证模型；10个机器人腹股沟疝修复手术视频，用于实时测试
55	2024-11-13	Structure-Aware Annotation of Leucine-rich Repeat Domains 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.27.562987 PMID:37961157	研究论文	本文开发了降维方法来注释亮氨酸重复序列域的重复单元，并验证了其在模型植物中的应用	利用深度学习预测的蛋白质结构信息改进了现有的基于序列的域注释方法，能够自动检测发夹环和结构异常	依赖于深度学习预测的蛋白质结构信息，可能存在预测误差	改进蛋白质域注释方法，特别是亮氨酸重复序列域的注释	亮氨酸重复序列域及其在模型植物中的应用	机器学习	NA	深度学习	NA	蛋白质结构	127个预测的亮氨酸重复序列域结构，并验证了172个手动注释的亮氨酸重复序列域
56	2024-11-07	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本文评估了基于深度学习的图像分析方法在预测早期乳腺癌复发中的应用	利用深度学习从组织病理学图像中提取信息，提供了一种新的早期乳腺癌复发预测方法	预测准确率为62.4%，略低于肿瘤分级和ER状态的预测准确率	开发一种快速识别高风险早期乳腺癌复发患者的方法	来自卡罗莱纳乳腺癌研究的202名患者的704张1毫米肿瘤核心H&E染色图像	数字病理学	乳腺癌	深度学习	深度学习模型	图像	202名患者，其中101名复发，101名未复发，每名患者2-4个核心样本
57	2024-11-06	Tailored multi-organ segmentation with model adaptation and ensemble 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107467 PMID:37725849	研究论文	本文提出了一种结合现成的单器官分割模型来开发多器官分割模型的新方法，以减少对多器官标注数据的依赖	本文提出了一种双阶段方法，包括模型适应阶段和模型集成阶段，以提高现成单器官分割模型在目标域上的泛化能力，并从多个适应后的单器官分割模型中提取和整合知识	NA	解决多器官分割任务中标注数据不足的问题	多器官分割模型	计算机视觉	NA	深度学习	CNN	图像	四个腹部数据集
58	2024-11-06	A deep learning system to monitor and assess rehabilitation exercises in home-based remote and unsupervised conditions 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107485 PMID:37742419	研究论文	本文介绍了一种用于监测和评估家庭远程无监督条件下康复训练的深度学习系统	该系统能够实时评估康复训练，提供精确的执行偏差分析，并结合了运动范围分类和代偿模式识别	NA	开发和验证一种经济可行的系统，用于监测和评估康复训练	康复训练中的运动范围和代偿模式	机器学习	NA	深度学习	NA	运动数据	6种阻力训练数据集
59	2024-11-06	Integrating unsupervised language model with multi-view multiple sequence alignments for high-accuracy inter-chain contact prediction 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107529 PMID:37748220	研究论文	本文提出了一种新的深度学习方法ICCPred，用于从蛋白质复合物的氨基酸序列中推断链间接触	该方法结合了预训练的语言模型和多视角的多序列比对，显著提高了链间接触预测的准确性	NA	提高蛋白质复合物链间接触预测的准确性	蛋白质复合物的链间接触	机器学习	NA	深度残差网络	深度残差网络	氨基酸序列	709个非冗余基准蛋白质复合物
60	2024-11-06	PKDN: Prior Knowledge Distillation Network for bronchoscopy diagnosis 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107486 PMID:37757599	研究论文	本文提出了一种用于支气管镜诊断的先验知识蒸馏网络（PKDN），通过提取病变图像的颜色和边缘特征，并结合动态空间注意模块和门控通道注意模块，增强特征提取能力，最终通过解耦蒸馏平衡目标和非目标类的重要性，提高诊断性能	本文的创新点在于引入了先验知识指导模块，提取病变图像的颜色和边缘特征，并结合动态空间注意模块和门控通道注意模块，增强特征提取能力，同时通过解耦蒸馏平衡目标和非目标类的重要性	本文的局限性在于仅在哈尔滨医科大学附属肿瘤医院的支气管镜数据集上进行了验证，未来需要在更多不同来源的数据集上进行验证以增强模型的泛化能力	本文的研究目的是提高基于深度学习的支气管镜图像诊断系统的准确性和效率，辅助医生进行肺部疾病的诊断	本文的研究对象是支气管镜图像中的肺部疾病诊断	计算机视觉	肺部疾病	深度学习	先验知识蒸馏网络（PKDN）	图像	2029张支气管镜图像，来自200名患者