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
10181	2025-02-21	Deep learning in image segmentation for cancer 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.839 PMID:39503190	研究论文	本文探讨了深度学习在癌症成像中的作用，特别是其在自动图像分割中的应用	展示了基于U-Net和卷积神经网络的架构在CT扫描中的身体成分分析和MRI图像中的直肠肿瘤分割中的速度和准确性提升	需要进一步研究以解决不同成像系统间图像质量差异的问题	研究深度学习在癌症图像分割中的应用	CT扫描和MRI图像	计算机视觉	癌症	深度学习	U-Net, CNN	图像	NA
10182	2025-02-21	Making sense of missense: challenges and opportunities in variant pathogenicity prediction 2024-Dec-01, Disease models & mechanisms IF:4.0Q1 DOI:10.1242/dmm.052218 PMID:39676521	研究论文	本文讨论了变异致病性预测的计算工具及其在临床变异解释中的应用	介绍了不依赖已知变异分类进行训练的模型，如AlphaMissense，这些模型能克服当前临床数据库的偏差，并更好地泛化到新的未分类变异	AlphaMissense作为一个大型深度学习模型，缺乏可解释性，不评估变异的功能影响，且提供的致病性评分不是疾病特异性的	提高变异解释计算工具的可解释性和精确性，以推进临床遗传学的发展	变异致病性预测模型	机器学习	NA	深度学习	AlphaMissense, AlphaFold	功能数据和临床数据	NA
10183	2025-02-21	Improved prediction of post-translational modification crosstalk within proteins using DeepPCT 2024-11-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae675 PMID:39570595	研究论文	本文提出了一种名为DeepPCT的深度学习算法，用于预测蛋白质内的翻译后修饰（PTM）交叉对话	DeepPCT结合了AlphaFold2预测的蛋白质结构，通过序列和结构嵌入以及交叉注意力技术，构建了深度学习分类器，显著提高了预测准确性	尽管DeepPCT在预测PTM交叉对话方面表现出色，但其性能仍可能受到蛋白质结构预测准确性的限制	提高蛋白质内翻译后修饰（PTM）交叉对话的预测准确性	蛋白质内的翻译后修饰（PTM）交叉对话	机器学习	NA	深度学习，图神经网络，随机森林模型	深度学习分类器，图神经网络，随机森林模型	蛋白质序列和结构数据	NA
10184	2025-02-21	Deep Learning-Assisted Assessing of Single Circulating Tumor Cell Viability via Cellular Morphology 2024-10-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03334 PMID:39384089	研究论文	本文提出了一种基于卷积神经网络的深度学习模型，用于通过细胞形态学评估单个循环肿瘤细胞（CTC）的活力	利用深度学习模型从细胞形态学特征中准确识别和评估单个CTC的活力，为癌症诊断、预后评估和疗效判断提供了新的非侵入性方法	由于CTC在人体血液中极为稀少，样本获取和标注可能存在挑战	开发一种高效、准确且非侵入性的方法，用于评估单个CTC的活力	循环肿瘤细胞（CTCs）	数字病理学	癌症	细胞计数试剂盒-8（CCK-8）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
10185	2025-02-21	Is cardiovascular risk profiling from UK Biobank retinal images using explicit deep learning estimates of traditional risk factors equivalent to actual risk measurements? A prospective cohort study design 2024-10-08, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-078609 PMID:39384229	研究论文	本研究旨在通过深度学习模型从视网膜图像中预测心血管疾病风险，并与基于实际风险测量的模型进行比较	使用两阶段深度学习神经网络从视网膜图像中估计10种传统心血管疾病风险因素，并预测5年主要不良心血管事件（MACE）风险	研究仅基于UK Biobank的数据，可能无法推广到其他人群	确定从视网膜图像中进行心血管风险预测模型的性能，并与实际风险测量模型进行比较	UK Biobank中的52,297条包含视网膜图像和5年MACE累积发病率的数据	计算机视觉	心血管疾病	深度学习	两阶段深度学习神经网络	图像	52,297条数据，分为训练集（31,403）、验证集（10,420）和测试集（10,474）
10186	2025-02-21	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-Oct-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	本文利用深度学习模型从任务态动态功能连接中预测个体认知特征	结合多尺度卷积和长短期记忆层，预测认知分数，并展示了任务态动态功能连接比静息态动态功能连接具有更强的预测能力	去除混杂因素后预测性能显著降低，且没有特定皮层网络在预测一般和流体智力中显示出显著相关性	从神经影像数据中预测个体认知特征，如一般智力和流体智力	874名来自人类连接组计划的受试者	机器学习	NA	功能磁共振成像（fMRI）	CNN, LSTM	神经影像数据	874名受试者
10187	2025-02-21	Development and validation of a deep learning algorithm for the prediction of serum creatinine in critically ill patients 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae097 PMID:39318762	研究论文	本文开发并验证了一种深度学习算法Nephrocast，用于预测重症监护病房（ICU）成年患者的次日血清肌酐（SCr）水平	利用深度学习模型预测次日SCr水平，帮助识别急性肾损伤（AKI）高风险患者，预测AKI病程，并指导肾脏清除药物的剂量调整	模型仅在单一医疗中心的数据上进行训练和验证，可能缺乏广泛适用性	开发并验证一种深度学习模型，用于预测ICU患者的次日血清肌酐水平	成年ICU患者	机器学习	急性肾损伤	深度学习	深度学习模型	电子健康记录数据	28,191次就诊，对应105,718个患者日
10188	2024-10-16	Deep Learning to Predict Functional Outcome in Acute Ischemic Stroke 2024-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.242705 PMID:39404635	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10189	2025-02-21	ERABiLNet: enhanced residual attention with bidirectional long short-term memory 2024-09-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71299-1 PMID:39232053	研究论文	本文提出了一种新的深度学习模型ERABiLNet，用于从MRI图像中早期检测阿尔茨海默病	提出了增强残差注意力与双向长短期记忆网络（ERABiLNet），通过结合残差注意力网络和注意力机制的双向LSTM，提高了阿尔茨海默病的检测性能	未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力	开发一种深度学习模型，用于从MRI图像中早期检测阿尔茨海默病	阿尔茨海默病患者的MRI图像	计算机视觉	老年病	深度学习	ERABiLNet（结合残差注意力网络和双向LSTM）	图像	未提及具体样本数量
10190	2025-02-21	Improving privacy-preserving multi-faceted long short-term memory for accurate evaluation of encrypted time-series MRI images in heart disease 2024-08-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70593-2 PMID:39215022	研究论文	本文介绍了一种用于分析同态加密时间序列MRI数据的新方法：多面长短期记忆网络（MF-LSTM），旨在提高心脏疾病的准确评估	提出了多面长短期记忆网络（MF-LSTM），在保护患者隐私的同时，准确分类和预测心脏疾病	NA	提高心脏疾病的早期诊断和监测，同时保护患者隐私	加密时间序列MRI图像	数字病理学	心血管疾病	同态加密（HE）	MF-LSTM	时间序列MRI图像	NA
10191	2025-02-21	A Method for the Spatial Interpolation of EEG Signals Based on the Bidirectional Long Short-Term Memory Network 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165215 PMID:39204910	研究论文	本文介绍了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法，用于从邻近电极获取的EEG通道中捕捉固有特征，预测EEG数据时间序列，并促进从低密度EEG信号到高密度EEG信号的转换	使用BiLSTM网络捕捉EEG时间序列数据的依赖关系，而非传统的数学映射方法，将均方根误差有效限制在0.4μV以下，显著优于传统方法	未提及具体局限性	提高脑机接口（BCI）技术的性能，通过增加EEG通道密度来改善信号精度	EEG信号	机器学习	NA	深度学习	BiLSTM	时间序列数据	BCI Competition III 3a数据集，从18通道扩展到60通道
10192	2025-02-21	Development of an eye-tracking system based on a deep learning model to assess executive function in patients with mental illnesses 2024-08-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68586-2 PMID:39107349	研究论文	本研究开发了一种基于深度学习的眼动追踪系统，用于评估精神疾病患者的执行功能	利用眼动追踪技术和深度学习模型（LSTM+Attention）来检测精神疾病患者在视觉空间记忆编码中的执行功能受损情况	研究样本仅限于特定类型的精神疾病患者，可能无法推广到其他类型的精神疾病或神经系统疾病	开发一种快速、直接的方法来识别精神疾病患者的执行功能受损	首次发作的精神病患者、临床高风险精神病患者、强迫症患者和健康对照组	机器学习	精神疾病	眼动追踪技术	LSTM+Attention	眼动数据	96名首次发作的精神病患者、49名临床高风险精神病患者、104名强迫症患者和159名健康对照组
10193	2025-02-21	Dual Stream Long Short-Term Memory Feature Fusion Classifier for Surface Electromyography Gesture Recognition 2024-Jun-04, Sensors (Basel, Switzerland) DOI:10.3390/s24113631 PMID:38894423	研究论文	本文提出了一种基于双流LSTM特征融合分类器的新型轻量级模型，用于表面肌电信号手势识别	提出了一种结合五种时域特征和原始数据的双流LSTM特征融合分类器，通过一维卷积神经网络和LSTM层进行分类，有效捕捉肌电信号的全局特征，计算成本低	模型在DB2数据集上仅对10名受试者进行了验证，样本量较小	提高表面肌电信号手势识别的准确性和实时性	表面肌电信号（sEMG）	机器学习	NA	NA	双流LSTM特征融合分类器	肌电信号	DB1数据集中的27名受试者，每名受试者重复52种手势各10次；DB2数据集中的10名受试者
10194	2025-02-21	A novel deep-learning model based on τ-shaped convolutional network (τNet) with long short-term memory (LSTM) for physiological fatigue detection from EEG and EOG signals 2024-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03033-y PMID:38374416	研究论文	本文提出了一种基于τ形卷积网络（τNet）和长短期记忆（LSTM）的新型深度学习模型，用于从EEG和EOG信号中检测生理疲劳	提出了τ形卷积网络（τNet），结合了上采样特征和连接高低级特征的操作，以充分利用有用信息，并提出了LSTM-τNet并行结构，用于疲劳检测	未明确提及具体局限性	开发一种高效的疲劳检测算法，以减少交通事故	EEG和EOG信号	机器学习	NA	深度学习	τ形卷积网络（τNet）和LSTM	EEG和EOG信号	基于两个数据集进行实验
10195	2025-02-21	Missing Wedge Completion via Unsupervised Learning with Coordinate Networks 2024-May-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25105473 PMID:38791508	研究论文	本文介绍了一种基于无监督学习的坐标网络方法，用于解决冷冻电子断层扫描中的缺失楔形问题	提出了一种无需预训练的无监督学习方法，直接优化网络权重，减少了重建时间并提高了形状完整性和减少了缺失楔形伪影	目前仅为概念验证阶段，尚未在实际生物样本上进行验证	解决冷冻电子断层扫描中的缺失楔形问题，提高重建质量	冷冻电子断层扫描数据	计算机视觉	NA	冷冻电子断层扫描（cryoET）	坐标网络（CNs）	3D图像	NA
10196	2025-02-21	Deep hybrid modeling of a HEK293 process: Combining long short-term memory networks with first principles equations 2024-May, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28668 PMID:38343176	研究论文	本文首次将长短期记忆（LSTM）网络与第一性原理方程结合，用于描述人胚胎肾293（HEK293）培养过程的动态	首次将LSTM网络与第一性原理方程结合，用于HEK293培养过程的建模	LSTM混合模型通常比前馈神经网络（FFNN）混合模型更复杂，参数更多，计算成本更高	研究生物过程数字化的新方法，结合物理方程和深度学习	HEK293培养过程的动态	机器学习	NA	长短期记忆网络（LSTM），第一性原理方程	LSTM，FFNN	实验数据	20个分批补料HEK293培养物中的27个细胞外状态变量
10197	2025-02-21	Non-invasive estimation of atrial fibrillation driver position using long-short term memory neural networks and body surface potentials 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108052 PMID:38350188	研究论文	本文提出了一种使用长短期记忆神经网络和体表电位非侵入性估计心房颤动驱动位置的方法	采用卷积-循环网络结合的方式，利用标记的计算机模拟心房颤动模型进行特征提取和序列数据建模，以解决心房颤动驱动位置的分类问题	方法依赖于计算机模拟的心房颤动模型，可能无法完全反映真实临床情况的复杂性	提高心房颤动诊断和治疗的准确性	心房颤动驱动位置	机器学习	心血管疾病	体表电位记录	CNN-LSTM	信号数据	160个体表电位信号，来源于16个心房颤动电图、1个心房和10个躯干几何形状
10198	2025-02-21	Developing an Improved Cycle Architecture for AI-Based Generation of New Structures Aimed at Drug Discovery 2024-Mar-27, Molecules (Basel, Switzerland) DOI:10.3390/molecules29071499 PMID:38611779	研究论文	本文提出了一种改进的生成模型BD-CycleGAN，用于药物发现中的分子生成	结合了BiLSTM和Mol-CycleGAN，以保留分子输入信息，克服了现有分子生成模型仅单向处理输入信息的局限性	未提及具体局限性	优化药物发现过程中的分子生成，以生成具有所需结构特征的新分子	分子生成模型	机器学习	NA	深度学习	BD-CycleGAN（结合BiLSTM和Mol-CycleGAN）	分子结构数据	未提及具体样本数量
10199	2025-02-21	Diagnosis of pathological speech with streamlined features for long short-term memory learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107976 PMID:38219647	研究论文	本文提出了一种结合时空和时频特征的长短期记忆网络（LSTM）学习方法，用于病理语音诊断	引入了时空和时频特征，结合LSTM网络进行病理语音诊断，显著提高了诊断的准确性和可靠性	研究依赖于公开的语音数据库，样本的多样性和代表性可能存在局限	提高病理语音诊断的准确性和实时性，以支持更有针对性的治疗干预	正常语音模式个体和病理语音条件个体	自然语言处理	语音障碍	长短期记忆网络（LSTM）	LSTM	语音信号	使用公开的语音数据库进行训练和验证
10200	2025-02-21	High-Precision Microscale Particulate Matter Prediction in Diverse Environments Using a Long Short-Term Memory Neural Network and Street View Imagery 2024-Feb-27, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06511 PMID:38355131	研究论文	本研究提出了一种新颖的长短期记忆（LSTM）神经网络模型，利用从街景图像中提取的颜色特征（HSV：色调、饱和度、亮度）来估计四种典型欧洲环境中的空气质量（颗粒物PM）	创新点在于使用LSTM神经网络结合街景图像的颜色特征来预测多种环境下的颗粒物浓度，并展示了模型在时间和空间维度上的良好泛化能力	研究仅基于德国奥格斯堡市非供暖季节的数据，未涵盖全年数据，且模型在其他城市和季节的适用性需进一步验证	研究目的是开发一种高精度的颗粒物预测模型，以支持城市规划和公共健康倡议	研究对象为四种典型欧洲环境（城市、郊区、村庄和港口）中的颗粒物浓度	计算机视觉	NA	LSTM神经网络	LSTM	图像、浓度数据	德国奥格斯堡市非供暖季节的移动监测平台数据及同步街景图像