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
401	2025-12-17	Leveraging laryngograph data for robust voicing detection in speech 2024-11-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034445 PMID:39565144	研究论文	本研究提出了一种利用喉部描记数据的有监督发声检测模型，旨在提高语音信号中发声区间检测的鲁棒性和泛化能力	采用喉部描记数据作为参考标准，并引入CrossNet架构进行模型适应，同时探索预训练策略以增强模型泛化能力	模型性能可能依赖于喉部描记数据的质量和可用性，且未明确说明对非标准语音或噪声环境的适应性	开发一种鲁棒且泛化能力强的发声检测方法，以改进语音信号处理中的基频追踪任务	语音信号中的发声区间	自然语言处理	NA	喉部描记术	深度学习模型	语音信号, 喉部描记数据	NA	NA	CrossNet	NA	NA
402	2025-12-17	Enhancing the analysis of murine neonatal ultrasonic vocalizations: Development, evaluation, and application of different mathematical models 2024-10-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0030473 PMID:39400270	研究论文	本文首次系统评估了多种神经网络架构在小鼠新生儿超声发声分类任务中的性能，并开发了一个全自动分析流程	首次对不同类型神经网络在超声发声分类任务中进行系统比较，并开发了结合熵基检测算法的高可靠性全自动分析流程	研究主要针对小鼠新生儿超声发声，尚未在其他物种或年龄组中验证	开发并评估适用于啮齿动物超声发声自动分析的深度学习模型	小鼠新生儿超声发声	机器学习	NA	超声发声记录与分析	CNN, Transformer, 前馈网络	音频信号（超声发声）	NA	NA	自定义全连接网络, 自定义卷积神经网络, 残差神经网络, EfficientNet, Vision Transformer	准确率, 召回率, 精确率	NA
403	2025-12-17	Toward Explainable Artificial Intelligence for Precision Pathology 2024-01-24, Annual review of pathology DOI:10.1146/annurev-pathmechdis-051222-113147 PMID:37871132	综述	本文综述了人工智能在精准病理学中的应用，特别关注可解释性AI以提升诊断透明度	强调将可解释性AI引入病理学，以解决传统AI黑盒问题，促进生物医学与AI领域的相互理解	作为综述文章，未涉及具体实验数据或模型性能验证，主要基于现有文献分析	推动可解释性人工智能在精准病理学中的应用，以标准化、定量化方式整合临床、组织学和分子数据	组织学图像和分子谱数据，用于疾病分类、组织生物标志物量化和临床结果预测	数字病理学	NA	深度学习	NA	图像, 分子数据	NA	NA	NA	NA	NA
404	2025-12-16	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	研究论文	本文提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	设计了一个多尺度卷积-Transformer时期编码器来编码每个睡眠时期的局部显著波形特征和全局特征，并基于协同注意力机制开发了一个跨模态上下文编码器来建模不同模态（如EEG和EOG）之间的跨模态上下文关系	NA	开发一个自动睡眠分期系统，以辅助睡眠评估和疾病诊断	多导睡眠图（PSG）记录，特别是脑电图（EEG）和眼电图（EOG）信号	机器学习	NA	多导睡眠图（PSG）	CNN, Transformer	生理信号（时间序列数据）	使用了三个数据集：一个私有睡眠数据集SSND，以及两个公共数据集Sleep-EDF-153和ISRUC	NA	CareSleepNet（包含多尺度卷积-Transformer时期编码器、基于协同注意力的跨模态上下文编码器、基于Transformer的序列编码器）	NA	NA
405	2025-12-16	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	本文提出了一种名为BP-Net的新方法，通过自对比掩码模型从光电容积脉搏波中监测血压变化，而非直接估计血压值	将血压监测问题重新定义为追踪血压在时间间隔内的“变化”，而非直接估计其数值，并引入了自对比掩码模型进行成对时间比较	模型在未见过的受试者上的准确率为75.97%/73.19%，仍有提升空间，且泛化能力需进一步验证	开发一种基于光电容积脉搏波的深度学习模型，用于检测收缩压的阈值变化，以改善临床血压监测	光电容积脉搏波信号及其对应的收缩压变化	机器学习	心血管疾病	光电容积脉搏波	深度学习模型	生理信号	使用PulseDB数据集，具体样本数量未在摘要中明确说明	NA	BP-Net, 自对比掩码模型	准确率	NA
406	2025-12-16	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种用于运动想象分类的新型算法，结合多尺度多频带卷积黎曼网络和频带级黎曼三元组损失以提高性能	开发了最先进的多频带黎曼网络，通过减少子带数量、引入卷积层和黎曼三元组损失正则化，解决了黎曼网络因协方差矩阵大特征维度导致的过拟合问题	NA	提高运动想象脑电信号的分类性能	运动想象脑电信号	机器学习	NA	脑电信号处理	卷积神经网络	脑电信号	公开数据集：BCI Competition IV dataset 2a 和 OpenBMI dataset	NA	多尺度多频带卷积黎曼网络	分类准确率	NA
407	2025-12-16	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	提出了一种结合动态注意力机制与谱图Transformer的先进模型，有效解决了现有方法在整体效果和对节点位置敏感方面的挑战	未在摘要中明确说明	预测miRNA与疾病之间的关联	miRNA与疾病	机器学习	结直肠癌、食管癌、前列腺癌	NA	Transformer, 图神经网络	图数据	基于HMDD v2.0和v3.2数据库	NA	DARSFormer, 正交图神经网络, 图Transformer	AUC	NA
408	2025-12-16	An Eye Movement Classification Method Based on Cascade Forest 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出一种基于级联森林的眼动分类方法，用于将原始眼动数据分类为眼动事件	创新性地采用分层集成架构，将级联森林结构与集成学习原理结合，专门用于眼动分类	NA	解决眼动分类中参与者适应性差异、类别不平衡和数据稀缺问题	原始眼动数据	机器学习	NA	眼动追踪技术	级联森林	眼动数据	NA	NA	级联森林	准确率, 效率	NA
409	2025-12-15	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024 Nov-Dec, Brain stimulation IF:7.6Q1 DOI:10.1016/j.brs.2024.10.010 PMID:39476952	研究论文	本研究开发了一种多肢体光遗传运动映射（MOMM）方法，结合光遗传刺激、深度学习姿态估计和三维三角测量，在清醒小鼠中同时映射多个肢体的运动表征	首次实现了在清醒动物中同时跟踪多个肢体的三维运动，并揭示了皮层按运动程序进行地形组织的原则	研究仅在小鼠中进行，未涉及其他物种；方法依赖于光遗传刺激，可能不适用于所有运动映射场景	开发多肢体光遗传运动映射技术，并探究协调运动在皮层的地形组织	清醒小鼠的多个肢体运动	机器学习和神经科学	NA	光遗传刺激、深度学习姿态估计、三维三角测量	深度学习	视频、运动数据	多个小鼠	DeepLabCut	NA	NA	NA
410	2025-12-15	Tiny Lungs, Big Challenges: Pediatric and Premature Lung Segmentation using Deep Learning 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783643 PMID:41383822	研究论文	本文提出了一种基于深度学习的两步法，用于儿科和早产儿X射线图像的肺部分割，以应对小尺寸肺部、解剖变异和放射伪影的挑战	采用两步策略，先进行肺部检测，再分割心后肺区域，并结合加权损失函数在儿科和早产儿数据集上微调预训练的UNETR模型	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及临床验证的细节	开发一种自动化的肺部分割方法，以支持儿科和早产儿肺部疾病的临床诊断和严重程度分级	儿科和早产儿的胸部X射线图像	计算机视觉	肺部疾病	X射线成像	深度学习	图像	儿科407张图像，早产儿193张图像，预训练使用约31,000张扫描	未明确指定，可能基于PyTorch或TensorFlow	UNETR	Dice系数, Hausdorff距离	未明确指定
411	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
412	2025-12-13	Radiomics for differentiation of somatic BAP1 mutation on CT scans of patients with pleural mesothelioma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064501 PMID:39669009	研究论文	本研究探讨了基于CT扫描的放射组学特征在区分胸膜间皮瘤患者体细胞BAP1基因突变状态中的潜力	首次利用放射组学方法结合机器学习模型，自动从CT图像中提取纹理特征来识别胸膜间皮瘤相关的体细胞BAP1突变，为无创基因状态评估提供了新思路	研究样本量相对较小（149例），模型性能有限（AUC 0.69），且尚未应用于胚系突变检测，需要进一步验证和扩展	探索放射组学在CT扫描中识别胸膜间皮瘤患者体细胞BAP1基因突变的可行性，并为未来胚系突变研究奠定基础	149例已知体细胞BAP1突变状态的胸膜间皮瘤患者	数字病理学	胸膜间皮瘤	CT扫描，放射组学特征提取	机器学习模型（包括决策树等）	医学图像（CT扫描）	149例患者	Scikit-learn	决策树	ROC AUC	NA
413	2025-12-13	Personalized phenotype encoding and prediction of pathological head development from cross-sectional images 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783545 PMID:41367399	研究论文	本文提出了一种新颖的深度学习架构，用于仅使用横截面数据对规范和病理性头部发育进行个性化预测	首次创建了与年龄和性别无关的患者表型表示，并能够在无需纵向数据训练的情况下实现病理性发育的个性化预测	NA	预测解剖发育，以辅助儿科外科治疗的选择和规划	儿科患者的头部发育，包括规范发育和病理性发育	计算机视觉	颅骨病理	深度学习	深度学习架构	图像	NA	NA	表型编码器, 生长预测器	头部表面生长预测误差, 体积误差	NA
414	2025-12-13	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量	设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文	未明确说明模型在极端运动场景或计算资源受限环境下的性能表现	提升低分辨率低帧率视频的时空分辨率	视频序列	计算机视觉	NA	深度学习	RNN, 注意力网络	视频	多个数据集（未指定具体数量）	PyTorch（根据GitHub仓库推断）	STDAN（包含LSTFI和STDFA模块）	未明确说明，但提及超越现有方法	NA
415	2025-12-13	Deep Learning Sequence Models for Transcriptional Regulation 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-021623-024727 PMID:38594933	研究论文	本文综述了基于深度学习的序列模型在转录调控中的应用，包括预测非编码变异的功能后果	利用深度学习模型预测人类基因组中任何非编码变异的功能后果，包括罕见或未观察到的变异，并应用可解释性方法识别关键序列模式	未明确提及具体模型或实验的局限性	解码基因表达的调控代码并解释基因组变异对转录的影响	人类基因组DNA序列，包括非编码变异	自然语言处理	NA	深度学习序列模型	深度学习序列模型	DNA序列数据	NA	NA	NA	NA	NA
416	2025-12-13	Integrating Large-Scale Protein Structure Prediction into Human Genetics Research 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-120622-020615 PMID:38621234	综述	本文综述了深度学习模型在蛋白质结构和变异预测方面的最新进展，并探讨了其在人类遗传学和健康研究中的应用	强调将最先进的蛋白质信息学技术（如AlphaFold2）整合到人类遗传学研究中，以优先考虑未注释的错义变异	未具体讨论数据可用性、模型泛化能力或特定技术实施的局限性	促进蛋白质结构预测技术在人类遗传学研究中的更好整合，以注释变异对蛋白质功能的影响	人类蛋白质及其错义变异	自然语言处理	NA	深度学习，序列基结构预测	深度学习模型	蛋白质序列数据	数百万人类错义蛋白变异	NA	AlphaFold2	NA	NA
417	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA
418	2025-12-12	Imputation of cancer proteomics data with a deep model that learns from many datasets 2024-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609780 PMID:39253518	研究论文	本文提出了一种名为Lupine的深度学习方法，用于估算串联质谱标签（TMT）蛋白质组学数据中的缺失值，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的缺失值估算方法，能更准确地预测缺失值，并学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法以估算癌症蛋白质组学数据中的缺失值，提高数据分析和统计功效	来自临床蛋白质组学肿瘤图谱联盟（CPTAC）的超过1000个癌症患者样本的TMT蛋白质组学数据，涵盖十种癌症类型	机器学习	癌症	串联质谱标签（TMT）蛋白质组学	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本	Python	NA	NA	NA
419	2025-12-10	GENERATIVE FORECASTING OF BRAIN ACTIVITY ENHANCES ALZHEIMER'S CLASSIFICATION AND INTERPRETATION 2024-Oct-30, ArXiv PMID:39575120	研究论文	本研究通过生成式预测大脑活动来增强阿尔茨海默病的分类和解释	采用基于Transformer的BrainLM模型进行静息态功能磁共振成像数据的多元时间序列预测，作为数据增强手段，并展示了其在阿尔茨海默病分类中的性能提升	数据可用性有限，尤其是在阿尔茨海默病等疾病特定群体中，这限制了深度学习模型的泛化能力	通过数据驱动方法理解认知与内在大脑活动之间的关系，并提升阿尔茨海默病的分类性能	阿尔茨海默病患者	机器学习	阿尔茨海默病	静息态功能磁共振成像	LSTM, Transformer	多元时间序列	NA	NA	BrainLM	NA	NA
420	2025-12-10	Sensitive Detection of Structural Differences using a Statistical Framework for Comparative Crystallography 2024-Jul-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604476 PMID:39091831	研究论文	本文介绍了一种结合深度学习和统计先验的贝叶斯框架，用于校正X射线衍射数据，并通过多变量统计理论提升比较晶体学中结构差异的敏感检测	将贝叶斯框架与多变量统计理论结合，显著提高了蛋白质动力学、元素特异性异常信号及药物片段结合的检测能力	NA	开发一种统计框架，以敏感检测比较晶体学中的结构差异	蛋白质的化学和构象变化	机器学习	NA	X射线衍射	深度学习	晶体学数据	NA	NA	NA	NA	NA