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
601	2025-06-10	Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics 2024-12-23, Journal of medical ethics IF:3.3Q1 DOI:10.1136/jme-2024-109968 PMID:38871400	评论	本文探讨了人工智能在临床诊断中应用的负面结果惩罚悖论，并提出了三种可能的解决视角	提出了改变公众认知、重新设计临床实践流程和引入更多利益相关者三种新视角来解决负面结果惩罚悖论	未提及具体实施这些视角的技术或方法细节	探讨如何更有效地将人工智能整合到未来的临床实践中	人工智能在临床诊断中的应用	人工智能在医学中的应用	NA	NA	NA	NA	NA
602	2025-06-10	Using dynamic spatio-temporal graph pooling network for identifying autism spectrum disorders in spontaneous functional infrared spectral sequence signals 2024-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110157 PMID:38705284	研究论文	利用动态时空图池化网络识别自发功能性红外光谱序列信号中的自闭症谱系障碍	通过动态图构建挖掘fNIRS数据的动态关系，通过动态特征提取获得时空相关性，并通过时空图池化提高网络的信息提取能力以实现自闭症分类	NA	探索大脑通道间动态连接关系对自闭症谱系障碍（ASD）的影响，并比较ASD与典型发育（TD）的大脑通道连接图	自闭症谱系障碍（ASD）患者和典型发育（TD）个体的自发功能性红外光谱序列信号	数字病理学	自闭症谱系障碍	fNIRS	动态时空图池化神经网络（DSTGPN）	功能性红外光谱序列信号	NA
603	2025-06-10	Brain-computer interfaces inspired spiking neural network model for depression stage identification 2024-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110203 PMID:38880343	研究论文	提出一种受脑机接口启发的脉冲神经网络模型，用于抑郁症阶段的识别	采用脉冲神经网络模型进行抑郁症分类，相比传统深度学习方法具有更高的生理可解释性和更低的能耗	模型依赖于EEG数据的质量，且样本量未明确说明	改进传统抑郁症诊断方法，提高诊断准确性和生理可解释性	抑郁症患者和健康个体的EEG数据	脑机接口	抑郁症	EEG信号分析	脉冲神经网络(SNN)	EEG信号	NA
604	2025-06-10	EEG-based motor imagery channel selection and classification using hybrid optimization and two-tier deep learning 2024-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110215 PMID:38968976	研究论文	本文提出了一种基于EEG的运动想象通道选择和分类方法，结合混合优化和双层深度学习架构	采用MRMR算法优化通道选择，引入WSO和ChOA的混合优化方法，并提出由CNN和M-DNN组成的双层深度学习架构	NA	提高基于EEG的运动想象任务的分类准确性和鲁棒性	脑机接口(BCI)系统	机器学习	运动障碍	EEG	CNN, M-DNN	EEG数据	NA
605	2025-06-10	Adoption of deep learning-based magnetic resonance image information diagnosis in brain function network analysis of Parkinson's disease patients with end-of-dose wearing-off 2024-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110184 PMID:38838748	研究论文	本研究使用基于卷积神经网络(CNN)的功能磁共振成像(fMRI)数据分类模型，分析了帕金森病(PD)患者剂量结束磨损(EODWO)的脑功能网络	采用基于CNN的fMRI数据分类模型，改进了卷积核参数的初始化方法，并构建了基于受限玻尔兹曼机(RBM)的结构	样本量相对较小(100例PD患者)，且未探讨其他可能的脑区功能变化	分析帕金森病患者剂量结束磨损(EODWO)的脑功能网络变化	帕金森病患者(100例，其中39例无EODWO，61例有EODWO)	数字病理学	帕金森病	功能磁共振成像(fMRI)	CNN	图像	100例帕金森病患者(39例无EODWO，61例有EODWO)
606	2025-06-10	Multi-scale self-attention approach for analysing motor imagery signals in brain-computer interfaces 2024-08, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110182 PMID:38795979	research paper	提出了一种基于多尺度时空自注意力网络的模型，用于四类运动想象EEG信号的分类	采用多尺度时空自注意力网络和并行多尺度TCN层，有效提取EEG信号特征并提高分类准确率	未提及模型在其他数据集上的泛化能力	提高运动想象EEG信号的分类准确率	运动想象EEG信号	brain-computer interface	NA	自注意力机制、Temporal Convolutional Network (TCN)	多尺度时空自注意力网络	EEG信号	BCI Competition IV-2b数据集和HGD数据集的IV-2a、IV-2b数据集
607	2025-06-10	Combining Artificial Intelligence and Simplified Image Processing for the Automatic Detection of Mycobacterium tuberculosis in Acid-fast Stain : A Cross-institute Training and Validation Study 2024-Jul-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002223 PMID:38595262	研究论文	本文介绍了一种结合人工智能和简化图像处理技术的自动化结核分枝杆菌检测平台	采用改进的EfficientNet模型和图像处理技术，显著提高了结核分枝杆菌的检测准确率和效率	研究仅在两家医院的数据上进行验证，可能需要更多样化的数据集进一步验证	开发高效的结核分枝杆菌自动检测方法以提高病理诊断效率	抗酸染色中的结核分枝杆菌	数字病理学	结核病	深度学习、图像处理	改进的EfficientNet	图像	来自2家医院的全切片图像
608	2025-06-10	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文提出了一种使用可解释深度学习技术moETM进行高维单细胞多模态数据整合分析的协议	开发了一种名为moETM的可解释深度学习技术，用于整合单细胞多组学数据，并结合先验通路知识进行跨组学插补	协议的具体执行细节需要参考原始研究，可能对数据预处理要求较高	开发单细胞多组学数据整合分析方法	单细胞多组学数据	机器学习	NA	单细胞多组学测序技术	moETM	单细胞多组学数据	骨髓单核细胞数据(GSE194122)
609	2025-06-10	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度学习框架，用于去噪单细胞RNA测序（scRNA-seq）数据集	采用动态批处理对抗自编码器（DB-AAE）进行scRNA-seq数据的去噪和排序	未提及具体的数据集规模或实验结果的广泛验证	解决scRNA-seq数据中的技术噪声问题，提高数据质量	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	scRNA-seq	对抗自编码器（AAE）	基因表达数据	NA
610	2025-06-10	Machine and deep learning models for accurate detection of ischemia and scar with myocardial blood flow positron emission tomography imaging 2024-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101797 PMID:38185409	研究论文	比较传统统计方法、机器学习和深度学习技术在仅使用静息和应激心肌血流（MBF）值诊断冠状动脉疾病（CAD）中的能力	首次比较了多种机器学习和深度学习模型在心肌血流PET成像中检测缺血和瘢痕的准确性，并发现随机森林模型表现最佳	对于每血管定位缺血或瘢痕，机器学习模型的表现与传统统计模型相比没有显著差异	评估不同模型在心肌血流PET成像中检测和定位CAD的准确性	3245例静息和应激铷-82 PET研究及匹配的灌注报告诊断标签	机器学习	心血管疾病	PET成像	逻辑回归、Lasso逻辑回归、支持向量机、随机森林、多层感知机、密集U-Net	图像	3245例PET研究
611	2025-06-08	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	本文开发了一种针对非ICU环境优化的深度学习模型，结合保形预测框架，用于早期脓毒症诊断	采用保形预测框架处理不确定性，显著降低假阳性率，并在非ICU低监测频率环境中实现高精度预测	模型性能验证主要依赖MIMIC-IV和eICU-CRD数据集，需进一步临床前瞻性验证	改善非ICU住院患者的脓毒症早期诊断准确性	非ICU住院的脓毒症患者	机器学习	脓毒症	深度学习	DL模型（未明确具体架构）	临床时间序列数据	训练集83,813名患者（MIMIC-IV），验证集使用eICU-CRD数据集
612	2025-06-08	Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation 2024-11-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/60334 PMID:39622697	研究论文	本文提出了一种基于邻近词计算的临床命名实体识别数据集增强算法，以解决数据稀缺和标注困难的问题	提出了一种基于邻近词汇的分段同义句合成（SSSS）算法，无需手动扩展专业领域词典，通过词汇分段和重组实现数据集的邻近扩展表达	算法依赖于现有公共知识，可能无法覆盖所有专业领域的词汇	解决临床命名实体识别任务中的数据稀缺和标注困难问题	电子病历文本中的命名实体	自然语言处理	NA	RoBERTa, CRF, BiLSTM	SSSS + RoBERTa + CRF, SSSS + RoBERTa + BiLSTM + CRF	文本	CCKS-2017和CCKS-2019数据集
613	2025-06-08	Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches 2024-11-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/45289 PMID:39565685	research paper	该研究利用韩国社交网络服务(SNS)数据，开发了一种基于双向长短期记忆(Bi-LSTM)的深度学习模型，用于分类药物不良反应(ADR)帖子	提出了一种利用韩国SNS数据开发Bi-LSTM模型的方法，用于自动监测药物不良反应，并验证了该模型在酮洛芬和醋氯芬酸两种药物上的分类效果	研究仅针对两种非甾体抗炎药进行验证，可能无法推广到其他药物类别	开发一种能够利用社交网络数据自动监测药物不良反应的深度学习模型	韩国社交网络服务(SNS)中关于酮洛芬和醋氯芬酸的帖子	natural language processing	NA	natural language processing, word2vec	Bi-LSTM	text	2005年至2020年NAVER上的博客帖子、咖啡馆帖子和问答帖子
614	2025-06-08	Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis 2024-Aug-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.609971 PMID:39253514	research paper	该研究通过单细胞多组学图谱和深度学习模型，揭示了脊椎动物胚胎发生过程中基因调控的逻辑，特别是即时分化的调控机制	发现了Nanog在增强子可及性中的新功能，并描述了即时分化这一新的分化模式	研究主要基于斑马鱼胚胎，可能在其他脊椎动物中的普适性有待验证	解析脊椎动物胚胎发生过程中细胞类型多样化的基因调控逻辑	斑马鱼早期胚胎	发育生物学	NA	单细胞多组学测序、深度学习	深度学习模型	RNA表达数据、染色质可及性数据	斑马鱼早期胚胎单细胞数据
615	2025-06-07	Toward trustable use of machine learning models of variant effects in the clinic 2024-Dec-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响	提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用	现有模型验证和校准策略仍存在重要局限性	提高临床变异注释的可靠性和影响力，以指导诊断和治疗	蛋白质编码基因中的错义替换	机器学习	NA	深度学习	NA	序列数据	NA
616	2025-06-07	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	DeePathNet是一种基于Transformer的深度学习模型，整合了多组学数据和癌症通路信息，用于改进癌症诊断和预后	DeePathNet首次将癌症特异性通路信息整合到多组学数据分析中，并采用基于Transformer的深度学习模型	NA	改进癌症诊断和预后预测	多组学数据和癌症通路	机器学习	癌症	多组学数据分析	Transformer	多组学数据	多个大型数据集（ProCan-DepMapSanger、Cancer Cell Line Encyclopedia、The Cancer Genome Atlas）
617	2025-06-07	Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30106 PMID:38576068	research paper	开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率笛卡尔首过心肌灌注成像	提出了基于3D物理驱动的展开网络架构用于高分辨率笛卡尔灌注成像重建，以及基于2D U-Net的运动校正网络	样本量较小，仅使用了20名受试者的135个切片	开发快速高质量的图像重建和运动校正技术，用于心肌灌注成像	高分辨率笛卡尔首过心肌灌注成像	computer vision	cardiovascular disease	deep learning	3D physics-driven unrolled network, 2D U-Net	image	135 slices from 20 subjects
618	2025-06-07	Designing Clinical MRI for Enhanced Workflow and Value 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29038 PMID:37795927	research paper	探讨如何通过优化MRI工作流程和采用数字工具提升临床MRI的价值和效率	提出利用数字工具和深度学习加速图像重建方法优化MRI工作流程，并强调患者准备流程的重新配置和实时信息工具的应用	未提及具体实施这些优化策略的临床效果数据或案例研究	优化MRI工作流程，提升患者价值和医疗效率	MRI成像过程及其相关技术和人员	数字病理	NA	深度学习加速图像重建方法	NA	图像	NA
619	2025-06-07	Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29046 PMID:37803817	research paper	本研究比较了全脑输入采样策略和区域/特定组织策略，以基于残疾水平对多发性硬化症患者进行分层	首次比较了全脑与区域输入策略在MRI深度学习模型中对多发性硬化症患者残疾水平分层的效果	研究仅使用了单一供应商的MRI设备数据，可能影响模型的泛化能力	比较不同MRI输入策略对多发性硬化症患者残疾水平分层的效果	多发性硬化症患者的脑部MRI扫描数据	digital pathology	multiple sclerosis	MRI	3D-CNN	image	319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多中心的MS患者外部验证队列
620	2025-06-07	Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29058 PMID:37846440	research paper	该研究探讨了利用深度学习和放射组学减少乳腺密度评估中观察者间变异性的可行性	结合深度学习和放射组学模型，通过AI辅助解释显著减少了乳腺密度评估的观察者间变异性	研究为回顾性设计，可能限制了结果的普遍适用性	评估人工智能辅助解释在减少乳腺密度评估观察者间变异性中的效果	621名无乳腺假体或重建手术的患者	digital pathology	breast cancer	deep learning, radiomics	CNN	MRI images	621名患者（训练集377名，验证集98名，独立测试集146名）