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
81	2025-05-29	Residual Neural Networks for the Prediction of the Regularization Parameters in PET Reconstruction 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782195 PMID:40040188	研究论文	本文提出了一种基于残差神经网络的监督深度学习策略，用于预测PET重建中正则化参数的最优值	利用残差神经网络直接从原始测量数据（正弦图）预测正则化参数的最优值，避免了传统手动调参的繁琐过程	研究仅基于合成数据集进行训练和验证，未在真实临床数据上进行测试	优化PET图像重建过程中的正则化参数设置，提高图像质量	PET重建算法中的正则化参数	医学影像处理	NA	深度学习	残差神经网络(ResNet)	2D正弦图	合成数据集（具体数量未提及）
82	2025-05-28	Imputing Single-Cell Protein Abundance in Multiplex Tissue Imaging 2024-Jul-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.05.570058 PMID:38106203	研究论文	本文探讨了如何利用机器学习方法在多重组织成像数据中估算单细胞蛋白质丰度，以解决技术限制	创新点包括使用机器学习估算单细胞蛋白质丰度，结合细胞空间信息提高估算准确性，并展示其在生物相关性验证中的应用	技术限制包括可检测分子数量有限、组织损失和蛋白质探针失败	解决多重组织成像中的技术限制，提高单细胞蛋白质丰度估算的准确性	乳腺癌队列中的单细胞蛋白质丰度	数字病理学	乳腺癌	多重组织成像	正则化线性回归、梯度提升回归树、深度学习自编码器	图像	乳腺癌队列的多重组织成像数据集
83	2025-05-28	Deep learning guided design of dynamic proteins 2024-Jul-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603962 PMID:39071443	research paper	该论文提出了一种基于深度学习的通用方法，用于设计蛋白质内部几何结构的动态变化，类似于自然界中普遍存在的开关机制	首次利用深度学习指导设计蛋白质的动态构象变化，实现了原子级精度的设计，并展示了构象景观可通过配体和突变调控	NA	开发一种设计蛋白质动态构象变化的方法，以模拟自然界的开关信号蛋白行为	蛋白质的动态构象变化	machine learning	NA	deep learning, physics-based simulations	deep learning	protein structures	4个验证结构
84	2025-05-28	Magnetic Resonance Imaging Images Based Brain Tumor Extraction, Segmentation and Detection Using Convolutional Neural Network and VGC 16 Model 2024-07-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001097 PMID:38632686	research paper	本文提出了一种基于卷积神经网络和VGC 16模型的脑肿瘤提取、分割和检测系统，利用磁共振成像图像进行自动诊断	结合两种CNN模型和数字图像处理技术，提出了一种混合方法用于脑肿瘤的自动分割和检测，并引入了基于卷积神经网络的分类方法以提高准确性和计算效率	NA	设计和构建一个系统，用于自动诊断和发现脑肿瘤及其他疾病和异常	脑肿瘤患者的磁共振成像图像	digital pathology	brain tumor	digital image processing, deep learning	CNN, VGC 16	image	NA
85	2025-05-28	Artificial intelligence and machine learning in axial spondyloarthritis 2024-07-01, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001015 PMID:38533807	review	评估人工智能和机器学习在中轴型脊柱关节炎（axSpA）诊断和管理中的当前应用及前景	深度学习在X光、CT和MRI分析中显示出潜力，部分模型在检测骶髂关节炎和标志物方面与放射科医生相当或更优，并用于疾病进展预测和个性化治疗	研究设计、样本量各异，且以回顾性单中心研究为主，限制了结果的普遍性	探索人工智能和机器学习在axSpA诊断和管理中的应用	中轴型脊柱关节炎（axSpA）患者	machine learning	axial spondyloarthritis	deep learning	NA	medical imaging (X-ray, CT, MRI)	NA
86	2025-05-26	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究比较了四种机器学习算法在预测早产方面的性能，发现transformer模型表现最佳	首次在早产预测中比较transformer模型与其他传统机器学习算法的性能	回顾性研究设计可能引入偏差，且仅在单一医疗中心进行	评估深度学习算法在预测早产中的适用性	30,965例分娩数据	机器学习	产科疾病	机器学习算法比较	transformer, logistic regression, random forest, support vector machine	临床数据	30,965例分娩数据（24,770例训练集，6,195例测试集）
87	2025-05-22	Lightning Pose: improved animal pose estimation via semi-supervised learning, Bayesian ensembling and cloud-native open-source tools 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02319-1 PMID:38918605	研究论文	介绍了一种名为'Lightning Pose'的高效姿态估计包，通过半监督学习、贝叶斯集成和云原生开源工具改进了动物姿态估计	结合半监督学习、多视角几何和姿态合理性惩罚，提出了一种新的网络架构以解决遮挡问题，并通过集成和卡尔曼平滑后处理优化姿态预测	需要部分标记视频帧作为监督信号，且未提及在极端遮挡或复杂背景下的性能	改进动物姿态估计的准确性和科学可用性	动物姿态估计	计算机视觉	NA	半监督学习、贝叶斯集成、卡尔曼平滑	深度学习网络	视频	未明确提及具体样本数量，但使用了大量未标记视频和少量标记视频帧
88	2025-05-21	Fully Automated MRI-based Analysis of the Locus Coeruleus in Aging and Alzheimer's Disease Dementia using ELSI-Net 2024-Jul-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.26.605356 PMID:39091766	research paper	本文介绍了一种基于深度学习的蓝斑核(LC)分割和特征提取方法ELSI-Net，并应用于健康老龄化和阿尔茨海默病痴呆数据集	开发了ELSI-Net这一全自动MRI分析方法，用于评估蓝斑核完整性，并在老龄化和阿尔茨海默病痴呆中验证其性能	需要在更多样化的临床队列数据集上进行进一步评估以确认ELSI-Net的普适性	评估蓝斑核在老龄化和阿尔茨海默病痴呆中的完整性及其与AD病理生物标志物的相关性	健康老龄化和阿尔茨海默病痴呆患者的蓝斑核	digital pathology	Alzheimer's Disease	MRI	Deep Learning (ELSI-Net)	MRI图像	健康老龄化和阿尔茨海默病痴呆数据集（具体数量未提及）
89	2025-05-21	Ultralow-Power Single-Sensor-Based E-Nose System Powered by Duty Cycling and Deep Learning for Real-Time Gas Identification 2024-07-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00471 PMID:38857120	research paper	本研究提出了一种新型超低功耗单传感器电子鼻系统，用于实时气体识别	采用单一金属氧化物半导体传感器和占空比驱动技术，显著降低功耗和成本，同时通过深度学习实现快速气体识别	仅测试了五种气体类型，识别准确率和浓度回归误差仍有提升空间	开发低功耗、低成本的气体识别系统	气体识别和浓度检测	物联网	NA	占空比驱动技术	CNN	传感器信号	五种气体类型
90	2025-05-21	ConsensuSV-ONT - a modern method for accurate structural variant calling 2024-Jul-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.26.605267 PMID:39211254	research paper	提出了一种名为ConsensuSV-ONT的新方法，用于准确检测结构变异	结合六种独立的结构变异检测工具和CNN，提供高质量的结构变异检测	仅适用于Oxford Nanopore长读长测序数据	开发一种基于共识的结构变异检测工具，提高检测的准确性和可靠性	结构变异检测	machine learning	NA	Oxford Nanopore sequencing	CNN	sequencing data	NA
91	2025-05-21	Marker Data Enhancement For Markerless Motion Capture 2024-Jul-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603382 PMID:39071421	research paper	该研究通过构建更大、更多样化的训练数据集，开发了一种更准确且泛化能力更强的标记增强器，用于改进无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了比OpenCap原有标记增强器更准确、泛化能力更强的模型	未明确提及具体局限性，但暗示模型性能可能仍受限于训练数据的覆盖范围	提高无标记运动捕捉中关节运动学的测量准确性	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器（marker enhancer）	视频和运动捕捉数据	1176名受试者的标记运动捕捉数据，合成了1433小时的关键点和解剖标记数据
92	2025-05-17	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	该研究利用深度学习从已灭绝生物的蛋白质组中挖掘抗菌肽，以解决抗生素耐药性问题	首次将深度学习应用于分子复活领域，从灭绝生物中挖掘出新型抗菌肽，并验证其抗菌活性	仅验证了69种预测肽的抗菌活性，占预测总量的很小比例	发现新型抗菌肽以解决抗生素耐药性问题	已灭绝生物的蛋白质组	机器学习	细菌感染	深度学习	神经网络	蛋白质序列	10,311,899条肽序列
93	2025-05-17	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781599 PMID:40039079	研究论文	该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为输入对CNN模型性能的提升，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果	研究主要基于特定的数据集（ADNI和NIMHANS），可能在其他人群中的泛化能力有限	提升阿尔茨海默病分类和痴呆严重程度推断的准确性	印度和北美人群的脑部MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	CNN, 3D CycleGAN	MRI图像	ADNI和NIMHANS队列的数据集
94	2025-05-17	Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782502 PMID:40039209	research paper	本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用	提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段	未提及具体的研究限制	探索PPG信号处理的新方法，提高信号分析和合成的能力	PPG信号	machine learning	NA	VAE	VAE	signal	NA
95	2025-05-17	Integrated Multi-Omics and Whole Slide Images for Survival Prediction in Glioblastoma Using Multiple Instance Learning and Co-Attention 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782321 PMID:40039442	研究论文	本研究旨在通过整合全切片图像和多组学数据，结合生物通路知识，利用多实例学习和共注意力机制，提高胶质母细胞瘤的生存预测准确性	首次将多组学数据与全切片图像结合，利用生物通路知识进行整合，并通过多实例学习和共注意力机制提高预测性能	研究样本量相对较小（214例患者），且仅使用了TCGA数据库的数据	提高胶质母细胞瘤（GBM）患者的生存预测准确性	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	RNA测序、拷贝数变异分析、DNA甲基化分析	多实例学习和共注意力机制	全切片图像和多组学数据	214例GBM患者，包括447张全切片图像和多种多组学特征
96	2025-05-17	Automatic COVID-19 Detection from Chest X-ray using Deep MobileNet Convolutional Neural Network 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781897 PMID:40039689	research paper	该研究提出了一种基于深度迁移学习MobileNetV2模型的自动检测COVID-19的方法，通过胸部X光片(CXR)进行病毒检测	结合预训练的MobileNetV2 CNN模型和SVM分类器，提高了COVID-19检测的准确率，从基线模型的92.28%提升至93.2%	NA	开发一种自动检测COVID-19的计算工具，以应对全球医疗系统的压力	胸部X光片(CXR)数据	computer vision	lung cancer	deep learning, transfer learning	MobileNetV2, CNN, SVM	image	NA
97	2025-05-16	Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240230 PMID:39049336	研究论文	本研究开发了一种基于深度学习和人工智能的气管插管监测系统，并与传统方法进行了比较评估	提出了一种新型的AI监测系统，用于实时检测气管插管移位或脱落，相比传统方法具有更高的及时性和准确性	研究尚未完成，实际效果需要通过后续随机交叉实验验证	评估AI监测系统在气管插管管理中的有效性，促进医疗护理领域的创新应用	气管插管患者	医疗人工智能	NA	深度学习	深度学习模型（未指定具体类型）	临床监测数据	NA（研究尚未完成）
98	2025-05-16	Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240231 PMID:39049337	research paper	该研究提出了一种深度学习模型，用于预测外周静脉导管（PIVC）插入患者的静脉炎	利用深度学习模型预测静脉炎，并在大规模电子健康记录数据上验证其性能，准确率和AUC均表现优异	研究数据仅来自韩国首尔的一家医院，可能缺乏普遍性	开发一种有效的工具，用于早期检测静脉炎，以改善患者预后和医疗效率	接受外周静脉导管（PIVC）插入的患者	machine learning	静脉炎	电子健康记录数据分析	深度学习模型	电子健康记录数据	27,532次住院记录和70,293次PIVC事件
99	2025-05-12	EEG Emotion Recognition Based on 3D-CTransNet 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782401 PMID:40031451	research paper	提出了一种基于3D-CTransNet的EEG情绪识别方法，用于解决传统CNN-LSTM混合结构在长序列信号识别中的性能下降问题	采用混合CNN-Transformer结构（3D-CTransNet），引入自注意力机制和平行模式，提高了识别精度和处理速度	未提及具体局限性	改进脑机接口深度学习模型，提升EEG信号中复杂特征的识别能力	EEG信号	脑机接口	NA	EEG信号处理	CNN-Transformer混合结构（3D-CTransNet）	3D数据	公共数据集DEAP
100	2025-05-12	An Attention-Based Hybrid Deep Learning Approach for Patient-Specific, Cross-Patient, and Patient-Independent Seizure Detection 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782346 PMID:40031456	研究论文	提出了一种基于注意力机制的混合深度学习方法，用于患者特异性、跨患者和患者独立的癫痫发作检测	结合1D CNN、MLSTM和多注意力层（MAT）的混合深度学习框架，能够同时提取空间和时间特征，并进行特征融合	方法在临床应用中可能面临新患者数据适应性的挑战	开发一种适用于不同患者群体的自动癫痫发作检测方法	癫痫患者的EEG数据	机器学习	癫痫	EEG信号分析	1D CNN, MLSTM, 多注意力层（MAT）	EEG信号数据	CHB-MIT EEG数据集