深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
121	2025-05-31	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	该研究利用深度学习和多模态数据结合可解释AI技术，预测中风后的恢复情况	提出了一种新颖的方法，通过训练CNN在结合MRI提取的ROIs和表格数据的符号表示的图像上，以提高分类准确性	数据集在机器学习标准下相对较小，可能影响模型的泛化能力	预测中风后症状及其对康复的反应，以提高分类准确性	758名英语中风幸存者，参与PLORAS研究	machine learning	cardiovascular disease	MRI扫描和表格数据结合	CNN, 2D Residual Neural Network (ResNet), 3D CNN	image, tabular data	758名中风幸存者，其中286名初始有中度或重度失语症	NA	NA	NA	NA
122	2025-05-31	Large-Kernel Attention for 3D Medical Image Segmentation 2024, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-023-10126-7 PMID:38974012	research paper	提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性	结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本	未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求	实现准确的3D医学图像分割，特别是多器官和肿瘤的分割	MRI和CT扫描中的多器官和肿瘤	digital pathology	cancer	deep learning	U-Net with 3D LK attention module	3D medical images (MRI, CT)	CT-ORG and BraTS 2020 datasets	NA	NA	NA	NA
123	2025-05-31	Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance 2024, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-024-00974-x PMID:39109339	研究论文	提出了一种基于数据中心的深度学习方法Interpolation-Split，通过大数据插值提升气道分割性能	利用插值和图像分割技术提高数据质量和实用性，并采用集成学习策略整合不同尺度的气道分割结果	未提及具体限制	提升气道树的分割性能，以支持慢性呼吸系统疾病的诊断和特征分析	气道树的分割	数字病理	慢性呼吸系统疾病	深度学习，插值技术，图像分割	nnU-Net, modified dilated U-Net	医学图像	未提及具体样本量	NA	NA	NA	NA
124	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	NA	NA	NA	NA
125	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	NA	NA	NA	NA
126	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	NA	NA	NA	NA
127	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	NA	NA	NA	NA
128	2025-10-07	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	本研究利用高分辨率颈部听诊信号评估鼻胃管患者的吞咽功能，通过深度学习模型分析吞咽运动学事件	将先前为非鼻胃管人群设计的机器学习架构迁移应用于鼻胃管患者群体，验证了算法在新人群中的泛化能力	样本量有限，模型在舌骨位置追踪任务中的重叠率仅为41.27%，性能有待提升	评估高分辨率颈部听诊信号在鼻胃管患者吞咽功能分析中的实用性	使用鼻胃管的患者群体	医疗信号处理	吞咽障碍	高分辨率颈部听诊	卷积循环神经网络,混合模型,堆叠循环神经网络	振动和声学信号	未明确具体样本数量	NA	卷积循环神经网络,混合模型,堆叠循环神经网络	预测准确率,重叠率,误差帧数	NA
129	2025-10-07	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	首次结合基线因素和早期角膜地形图变化，使用深度学习方法预测角膜塑形镜治疗后的眼轴长度增长	样本量较小（115例患者），仅验证了12个月的预测效果	预测儿童接受角膜塑形镜治疗后眼轴长度的增长情况	接受角膜塑形镜治疗的近视儿童患者	医学影像分析	近视	角膜地形图检查	深度神经网络	医学记录数据，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）	NA	深度神经网络，多元线性回归	皮尔逊相关系数，P值	NA
130	2025-10-07	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	研究论文	开发基于深度学习的算法，用于在胸部X光片上自动检测经皮胸腔引流导管并评估导管位置	首次将深度学习应用于胸腔引流导管的自动检测和位置评估	回顾性研究，样本量相对有限（1217张X光片）	开发自动检测和评估胸腔引流导管位置的AI算法	胸腔引流导管及其位置	计算机视觉	胸腔疾病	胸部X光摄影	深度学习	医学影像	1217张胸部X光片（960名患者），其中937张位置正确，280张位置错误	NA	NA	准确率, 敏感性, 特异性, mAP50, 精确率, 召回率	NA
131	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	NA	NA	NA	NA
132	2025-10-07	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	研究论文	本研究利用行政索赔数据结合可解释AI技术预测慢性肾脏病向终末期肾病的进展	首次将LSTM模型与SHAP可解释性分析结合应用于行政索赔数据的ESRD预测，并在24个月观察窗口表现出最优性能	数据来源于单一健康保险机构，可能影响模型泛化能力	预测慢性肾脏病向终末期肾病的疾病进展	慢性肾脏病患者	机器学习	肾脏疾病	行政索赔数据分析	LSTM, Random Forest, XGBoost	结构化医疗索赔数据	10年期的综合数据集	NA	LSTM	NA	NA
133	2025-10-07	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	提出一种基于改进递归图的图像表示方法和Mixup数据增强技术，用于提升可穿戴传感器数据的分类性能	开发了结合时域和频域信息的改进递归图图像表示方法，并采用傅里叶变换的频域角度差估计方案	NA	提升可穿戴传感器数据的分类性能和领域适应能力	加速度计活动识别和实时血糖水平预测	机器学习	NA	傅里叶变换，递归图，Mixup数据增强	深度学习	传感器数据，图像表示	NA	NA	NA	准确率	NA
134	2025-10-07	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	提出一种基于元学习的基因表达谱增强方法用于肺癌检测	首次将元学习应用于基因表达谱数据增强，通过多数据集协同优化解决小样本问题	依赖多个相关数据集的可获得性，且数据集间可能存在批次效应	开发能够在小样本基因表达数据上有效工作的肺癌检测方法	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	基因表达谱	四个不同数据集（一个目标数据集，三个源数据集）	NA	NA	NA	NA
135	2025-10-07	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	比较三种计算方法在医生笔记高通量表型分析中的性能，发现大型语言模型表现最佳	首次系统比较大型语言模型、深度学习和传统机器学习在医生笔记高通量表型分析中的性能差异	仅比较了三种计算方法，可能未涵盖所有现有技术；研究范围限于医生笔记的表型分析	评估不同计算方法在电子健康记录高通量表型分析中的效果	医生临床笔记	自然语言处理	NA	高通量表型分析	LLM, DL, ML	文本	NA	NA	GPT-4	NA	NA
136	2025-10-07	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	本研究比较了使用叙事特征和结构化特征的机器学习模型在识别癌症患者心力衰竭风险方面的性能	提出了从结构化医疗代码中提取叙事特征的方法，并证明其能显著提高特征密度和模型性能	研究数据仅来自单一医疗机构（佛罗里达大学健康中心），样本代表性可能受限	识别癌症患者中具有心力衰竭风险的人群，以改善癌症治疗结果和安全性	被诊断患有肺癌、乳腺癌和结直肠癌的癌症患者	自然语言处理	癌症	电子健康记录分析	LLM, LSTM, SVM, BERT	电子健康记录文本数据	12,806名癌症患者，其中1,602人在癌症后发生心力衰竭	NA	T-LSTM, GatorTron-3.9B, BERT	F1分数	NA
137	2025-10-07	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	研究论文	使用深度学习模型分析抑郁症与哮喘之间的时间-事件关联	首次在大型回顾性队列研究中使用深度学习模型分析抑郁症与哮喘的关联，并采用SHAP值进行模型解释	深度学习模型在c-index指标上未优于传统Cox比例风险模型	探讨抑郁症与哮喘之间的关联关系	All of Us研究项目的239,161名参与者	机器学习	抑郁症,哮喘	深度学习,逻辑回归,Cox比例风险模型	DeepSurv,DeepHit	临床队列数据	239,161名参与者	NA	DeepSurv,DeepHit	c-index,SHAP值	NA
138	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	NA	NA	NA	NA
139	2025-10-07	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	开发了一种基于分组视觉注意力的Transformer模型，用于从组织学图像预测癌症转录组	首次将Transformer架构应用于组织学图像进行转录组预测，并采用预训练策略解决数据量不足的问题	模型在组织水平训练，空间基因表达预测能力仍需进一步验证	从组织学图像中预测癌症转录组特征	9种癌症类型的肿瘤样本和正常组织样本	数字病理学	癌症	空间转录组学，全切片组织学成像	Transformer	组织学图像，基因表达数据	预训练：1,802个正常组织样本；微调评估：4,331个肿瘤样本；验证：1,305个肿瘤样本	NA	Transformer	Pearson相关系数，均方根误差	NA
140	2025-10-07	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	提出新型深度学习模型MoFNet，通过整合多组学数据和先验功能相互作用来研究阿尔茨海默病的分子机制	首次建模从DNA到RNA和蛋白质的动态信息流，整合多组学数据与SNP、基因和蛋白质间的先验功能相互作用	NA	发现功能连接的多组学特征，研究阿尔茨海默病的分子机制及其上游遗传贡献因素	阿尔茨海默病患者的多组学数据（SNP、基因、蛋白质）	机器学习	阿尔茨海默病	多组学数据整合分析	深度学习	基因组数据，转录组数据，蛋白质组数据	ROS/MAP队列数据	NA	MoFNet	预测性能	NA