纳米尺度生物医学工程中的机器学习

机器学习（ML）赋予生物系统极强的能力，可在不对建模系统作强假设的情况下通过极好地建模可用数据来优化其性能。尤其在纳米尺度生物系统中，所生成的数据集过于庞大复杂、若无计算辅助便无法靠心智解析，ML在分析提取新见解、加速材料与结构发现、设计体验以及支撑纳米尺度通信与网络方面不可或缺。然而，尽管有这些努力，ML在纳米尺度生物医学工程中的使用在某些领域仍待探索，且在结构与材料设计及仿真、通信与信号处理、生物医学应用等领域研究挑战尚开放。本文中，我们综述关于ML用于纳米尺度生物医学工程的现有研究。更详细地，我们首先识别并讨论可表述为ML问题的主要挑战，这些挑战归类为上述三大类。接着，我们讨论用于应对上述挑战的尖端ML方法。对每种所述方法，重点置于其原理、应用与局限。最后，我们以具洞察的讨论作结，揭示研究空白并强调可能的未来研究方向。