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	2025-05-31	Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae052 PMID:39114746	research paper	该研究应用卷积神经网络（CNN）识别人类胚胎植入前发育中的关键窗口，以预测体外受精（IVF）后的活产概率	利用CNN模型识别胚胎发育中的关键时间点，提高胚胎存活率评估的准确性，并展示了在有限数据集上的迁移学习能力	研究可能受限于数据集的大小和异质性，且模型性能可能因诊所间的数据差异而有所不同	提高体外受精（IVF）治疗中胚胎选择的有效性，以增加活产率	人类胚胎在体外受精（IVF）过程中的发育情况	digital pathology	NA	CNN	CNN	image	NA
82	2025-05-31	A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3509776 PMID:40030510	research paper	本研究设计了一种基于轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号及其相干矩阵实现有效的抑郁症识别	设计了一种轻量级注意力机制，减少了模型参数和计算成本，并构建了FCAN模型，其在抑郁症识别上的分类性能优于基线模型	模型性能的稳定性可能受到参数初始化过程随机性的影响	开发一种高效的抑郁症识别方法	抑郁症患者的EEG信号	machine learning	depression	EEG信号分析	FCAN (Functional Connectivity Attention Network)	EEG信号及其相干矩阵	使用公共EEG数据集进行评估
83	2025-05-31	Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas From CT Images 2024, Applications of Medical Artificial Intelligence : Second International Workshop, AMAI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings DOI:10.1007/978-3-031-47076-9_7 PMID:40342794	研究论文	本研究提出了一种基于解剖位置引导的深度学习方法来从CT图像中识别嗜铬细胞瘤和副神经节瘤的遗传簇	使用双分支视觉变换器（ViT）模型，结合解剖位置信息和遗传类型信息，通过监督对比学习策略优化分类性能	样本量相对较小（289名患者的1010个PPGLs），且模型性能仍有提升空间（准确率0.63±0.08）	开发一种替代昂贵且耗时的基因检测的方法，通过CT图像识别PPGLs的遗传簇	嗜铬细胞瘤和副神经节瘤（PPGLs）	数字病理	神经内分泌肿瘤	对比增强CT（CE-CT）扫描	双分支视觉变换器（ViT）	医学影像	289名患者的1010个PPGLs
84	2025-05-31	Opportunities and Challenges in Applying AI to Evolutionary Morphology 2024, Integrative organismal biology (Oxford, England) DOI:10.1093/iob/obae036 PMID:40433986	综述	本文综述了人工智能在进化形态学研究中的应用现状与未来潜力	系统梳理了AI技术在进化形态学中的三阶段发展历程，并指出尚未开发的AI应用领域	未具体说明当前AI方法在进化形态学中的实际应用限制	探讨AI技术在进化形态学研究中的应用前景	进化形态学中的表型数据分析	机器学习	NA	机器学习、深度学习、多模态学习	NA	图像数据、表型数据	NA
85	2025-05-29	Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3497895 PMID:39698476	研究论文	本研究探讨了高分辨率颈部听诊(HRCA)信号在评估鼻胃管(NG)患者吞咽功能中的应用	首次将针对无NG管患者开发的机器学习架构调整应用于NG管患者，以评估其吞咽功能	预测结果的准确度仍有提升空间，如舌骨位置识别的重叠率仅为41.27%	评估HRCA信号在鼻胃管患者吞咽功能分析中的效用	使用鼻胃管的患者	数字病理学	老年疾病	高分辨率颈部听诊(HRCA)	卷积循环神经网络(CNN-RNN), 混合模型, 堆叠循环神经网络	振动和声学信号	未明确提及具体样本数量，但涉及多个NG管患者的HRCA信号分析
86	2025-05-29	Deep Learning Based Prediction of Myopia Control Effect in Children Treated With Overnight Orthokeratology 2024-Jan-01, Eye & contact lens DOI:10.1097/ICL.0000000000001054 PMID:37934166	研究论文	开发并验证了一种基于深度学习的模型，用于预测接受角膜塑形镜治疗的儿童12个月眼轴长度增长，并研究基线因素和早期角膜地形变化与近视控制效果的关系	首次结合基线因素和角膜地形变化，使用深度神经网络预测近视控制效果	样本量较小（115例患者），且仅评估了12个月的效果	预测儿童接受角膜塑形镜治疗后的眼轴长度增长，评估近视控制效果	接受角膜塑形镜治疗的儿童患者	数字病理	近视	角膜地形图分析	深度神经网络（DNN）	医学记录和角膜地形图数据	115例患者（83例用于算法开发，32例用于评估）
87	2025-05-28	Detection and position evaluation of chest percutaneous drainage catheter on chest radiographs using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305859 PMID:39133733	research paper	本研究开发了一种基于深度学习的算法，用于自动检测胸部经皮导管引流（PCD）并评估导管在胸部X光片上的位置	首次使用深度学习算法自动检测和评估胸部PCD导管的位置，提高了诊断效率和准确性	研究为回顾性研究，样本量相对有限（1,217张胸部X光片），且仅来自单一机构	开发一种自动检测和评估胸部PCD导管位置的算法，以辅助放射科医生和临床医生早期发现导管位置异常和功能异常	胸部经皮导管引流（PCD）的导管位置	digital pathology	lung cancer	deep learning	CNN	image	1,217张胸部X光片（来自960名患者）
88	2025-05-28	Towards Interpretable End-Stage Renal Disease (ESRD) Prediction: Utilizing Administrative Claims Data with Explainable AI Techniques 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417492	research paper	本研究探讨了利用行政索赔数据结合先进的机器学习和深度学习技术预测慢性肾病（CKD）进展至终末期肾病（ESRD）的潜力	使用LSTM模型在24个月观察窗口内预测ESRD进展表现出优越性能，并通过SHAP分析增强模型的可解释性	NA	预测慢性肾病（CKD）进展至终末期肾病（ESRD）	慢性肾病（CKD）患者	machine learning	geriatric disease	machine learning, deep learning	Random Forest, XGBoost, LSTM	administrative claims data	10年数据集，由一家大型健康保险组织提供
89	2025-05-28	Enhancing Wearable Sensor Data Classification Through Novel Modified- Recurrent Plot-Based Image Representation and Mixup Augmentation 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417521	研究论文	本文提出了一种新颖的基于改进递归图的图像表示方法，结合了时间和频域信息，用于增强可穿戴传感器数据的分类性能	提出了一种改进的递归图图像表示方法，整合了时间和频域信息，并采用傅里叶变换进行频域角度差估计	需要传感器特定的预处理和架构修改，且数据收集过程较为繁琐	提升可穿戴传感器数据的分类性能，特别是在活动识别和实时血糖水平预测领域	可穿戴传感器数据	机器学习	NA	傅里叶变换	NA	传感器数据	NA
90	2025-05-28	Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417531	研究论文	本研究提出了一种基于元学习的方法，通过增强基因表达谱数据来提高肺癌检测的准确性	引入元学习技术解决基因表达数据样本量不足的问题，并通过多数据集联合训练提升模型性能	仅针对DNA微阵列数据，未验证在其他基因检测技术上的适用性	开发适用于小样本基因表达数据的肺癌检测方法	肺癌患者的基因表达谱数据	机器学习	肺癌	DNA微阵列	深度神经网络	基因表达数据	四个不同数据集（一个目标数据集+三个源数据集）
91	2025-05-28	A Large Language Model Outperforms Other Computational Approaches to the High-Throughput Phenotyping of Physician Notes 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417529	研究论文	本文比较了三种计算高通量表型分析方法，发现采用GPT-4的大型语言模型(LLM)表现最佳	首次比较了大型语言模型(LLM)、深度学习(DL)和机器学习(ML)在高通量表型分析中的性能，并证明LLM方法优于其他方法	研究仅针对医生笔记进行测试，未涉及其他类型的医疗数据	评估不同计算方法在电子健康记录(EHR)高通量表型分析中的性能	医生笔记中的患者体征和症状	自然语言处理	NA	GPT-4, 深度学习, 机器学习	LLM, DL, ML	文本	NA
92	2025-05-28	Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417538	研究论文	本研究探讨了使用机器学习模型（包括传统ML、T-LSTM和大型语言模型）通过电子健康记录识别癌症患者中心力衰竭风险的方法	提出了从结构化医疗代码中提取的叙事特征，显著提高了特征密度和模型性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	提高癌症患者中心力衰竭风险的识别准确率，以改善癌症治疗效果和安全性	癌症患者（特别是肺癌、乳腺癌和结直肠癌患者）	自然语言处理	心血管疾病	电子健康记录分析	LLM（GatorTron-3.9B）、T-LSTM、SVM、BERT	文本（电子健康记录）	12,806名癌症患者（其中1,602名发展为心力衰竭）
93	2025-05-28	Deep Learning-based Time-to-event Analysis of Depression and Asthma using the All of Us Research Program 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417537	research paper	利用深度学习模型分析抑郁与哮喘之间的时间-事件关系，基于All of Us研究计划的大样本数据	首次在大型回顾性队列研究中应用深度学习模型分析抑郁与哮喘的关联，并采用SHAP值解释模型	深度学习模型在c-index上未超越传统的Cox比例风险模型	探究抑郁与哮喘之间的关联性	239,161名All of Us研究计划的参与者	machine learning	depression, asthma	DeepSurv, DeepHit, Cox Proportional Hazards模型	DeepSurv, DeepHit, CoxPH	医疗健康数据	239,161名参与者
94	2025-05-28	A Novel Sentence Transformer-based Natural Language Processing Approach for Schema Mapping of Electronic Health Records to the OMOP Common Data Model 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417570	research paper	该研究开发了一种基于Sentence Transformer的自然语言处理方法，用于将电子健康记录（EHR）中的药物相关概念映射到OMOP通用数据模型（CDM）中的标准概念	提出了一种基于transformer的NLP模型，在EHR到OMOP CDM的标准化映射任务中表现优于现有方法，包括最先进的大型语言模型和广泛使用的模式映射软件	仅针对药物相关概念进行了验证，未涉及其他类型的EHR数据	开发自动化方法以实现电子健康记录到通用数据模型的标准化映射	电子健康记录中的药物相关概念	natural language processing	NA	transformer-based NLP	Sentence Transformer	text	2个大型公开数据集，包括200种最常见药物和200种随机药物的映射验证
95	2025-05-23	Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy 2024-01-17, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.ade2886 PMID:38232136	研究论文	该研究开发了一个名为SNAF的计算工作流程，用于从患者RNA-Seq数据中预测剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白，以发现癌症免疫治疗的共享靶点	开发了SNAF工作流程，结合DeepImmuno深度学习策略和新的算法（BayesTS和RNA-SPRINT），首次系统性地识别剪接新抗原，并发现了新的肿瘤特异性细胞外新表位（ExNeoEpitopes）	研究主要基于计算预测，部分结果需要进一步的实验验证	发现癌症免疫治疗的共享靶点	剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白	生物信息学	黑色素瘤	RNA-Seq, 质谱分析, 长读长异构体测序	DeepImmuno, BayesTS, RNA-SPRINT	RNA-Seq数据	多个癌症队列的患者数据
96	2025-05-23	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	研究论文	提出了一种新的深度学习模型MoFNet，用于研究阿尔茨海默病的分子机制及其上游遗传贡献	首次整合多组学数据与SNPs、基因和蛋白质之间的先验功能相互作用，并模拟从DNA到RNA和蛋白质的动态信息流	尽管在独立数据集中验证了大部分发现，但模型的普适性仍需进一步验证	通过多组学数据的新颖整合，发现功能上相连的多组学特征，以揭示阿尔茨海默病的分子机制	阿尔茨海默病的分子机制及其上游遗传贡献	机器学习	阿尔茨海默病	多组学数据整合	MoFNet	多组学数据（DNA、RNA、蛋白质）	ROS/MAP队列数据
97	2025-05-22	Digital profiling of cancer transcriptomes from histology images with grouped vision attention 2024-Jan-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.28.560068 PMID:37808782	研究论文	开发了一种基于transformer的深度学习模型，用于从组织学图像中预测癌症转录组	首次将transformer架构应用于组织学图像分析，通过预训练和微调策略解决了小数据集和参数爆炸问题	模型在组织水平上训练，空间基因表达模式的预测能力仍需验证	开发一种从组织学图像预测癌症转录组的深度学习方法	癌症转录组和组织学图像	数字病理学	癌症（乳腺癌、肾癌、肺癌等）	深度学习、转录组分析	transformer	图像（全切片组织学图像）	预训练：1,802个正常组织样本；微调和评估：4,331个肿瘤样本（涵盖9种癌症类型）；验证：1,305个肿瘤样本
98	2025-05-22	A review of epilepsy detection and prediction methods based on EEG signal processing and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1468967 PMID:39618710	综述	本文综述了基于脑电图（EEG）信号处理和深度学习的癫痫检测与预测方法	总结了公开可用的癫痫EEG数据集、预处理技术、特征提取方法和深度学习网络，并基于患者独立性对文献进行分类	公开数据集在癫痫类型上缺乏多样性，且采集条件受控，可能无法反映真实场景；信号预处理方法有限，可能无法完全代表实际条件	提出一种高效的癫痫检测和预测方法，以促进患者康复、减轻家庭负担并优化医疗流程	癫痫患者的EEG信号	数字病理学	癫痫	EEG信号处理	CNN, RNN	EEG信号	NA
99	2025-05-22	MLR-predictor: a versatile and efficient computational framework for multi-label requirements classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1481581 PMID:39664103	研究论文	提出了一种名为MLR-Predictor的多标签需求分类计算框架，通过创新的OkapiBM25模型将需求文本转化为统计向量，并利用逻辑回归分类器进行分类	使用OkapiBM25模型将需求文本转化为统计向量，并将多标签分类问题转化为多类分类问题，显著提升了分类性能	未提及具体局限性	开发一个高效且通用的多标签需求分类计算框架	软件需求文本	自然语言处理	NA	OkapiBM25模型，逻辑回归分类器	逻辑回归	文本	三个公共基准需求分类数据集，包括PROMISE、EHR-binary和EHR-multiclass数据集
100	2025-05-21	An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310748 PMID:39331600	研究论文	本文提出了一种可解释的集成方法，用于高级脑肿瘤分类，结合了Dual-GAN机制和特征提取技术，针对高度不平衡的数据	提出了一种新颖的深度集成特征提取（DeepEFE）框架，结合Dual-GAN机制生成合成少数类样本，解决了类别不平衡问题，同时通过Grad-CAM增强了分类过程的透明度和可解释性	未提及具体的数据集大小或来源，可能影响方法的泛化能力	提高脑肿瘤分类的准确性和可解释性，以支持临床诊断和治疗计划	脑肿瘤的医学影像数据（如MRI扫描）	数字病理学	脑肿瘤	Dual-GAN, 特征提取技术	GAN, 深度集成模型	图像（MRI扫描）	未提及具体样本数量