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
601	2026-02-27	Cryo2StructData: A Large Labeled Cryo-EM Density Map Dataset for AI-based Modeling of Protein Structures 2024-Jan-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.14.545024 PMID:37398020	研究论文	本文介绍了Cryo2StructData，一个大规模标记的冷冻电镜密度图数据集，用于基于AI的蛋白质结构建模	创建了比现有公开数据集更大、质量更高的标记冷冻电镜密度图数据集，以支持AI方法的大规模开发	NA	通过AI方法从冷冻电镜密度图自动、准确地构建原子模型	冷冻电镜密度图及其对应的已知原子结构	机器学习	NA	单颗粒冷冻电镜	深度学习	冷冻电镜密度图	7,600个预处理冷冻电镜密度图	NA	NA	NA	NA
602	2026-02-26	Ultrasensitive Wearable Pressure Sensors with Stress-Concentrated Tip-Array Design for Long-Term Bimodal Identification 2024-11, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202406235 PMID:39007254	研究论文	本文报道了一种采用应力集中尖端阵列设计和自粘附界面的超灵敏可穿戴压力传感器，用于提高检测极限和长期双模态识别	设计了具有不同杨氏模量的双锥微结构以提高机械传递效率，并开发了自粘附水凝胶以增强传感器-皮肤界面，结合深度学习双模态融合网络显著提高了疲劳驾驶识别的准确性	未明确说明传感器的长期稳定性测试细节、大规模生产的可行性以及在不同环境条件下的性能表现	开发高性能可穿戴压力传感器，用于长期实时监测生理信号并实现高精度疲劳驾驶识别	可穿戴压力传感器及其在脉搏信号和眼肌运动监测中的应用	机器学习	NA	压力传感技术、微结构设计、水凝胶界面工程	深度学习双模态融合网络	压力传感器信号、生理信号（脉搏、眼肌运动）	NA	NA	双模态融合网络	准确率	NA
603	2026-02-26	Machine-learning based prediction of future outcome using multimodal MRI during early childhood 2024-11, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2024.101561 PMID:39528363	综述	本文综述了基于机器学习的多模态MRI在早期儿童期预测未来神经发育和临床结果的应用	整合多模态MRI（sMRI、dMRI、fMRI、pMRI）与机器学习方法，增强对早期脑发育的预测能力，并探索作为早期检测和个性化干预的生物标志物	综述性文章，未提供具体实验数据或模型性能的详细分析，主要基于现有研究的总结	探讨利用早期儿童期的多模态MRI数据预测未来神经发育和临床结果，以支持早期检测和干预	早期儿童（从胎儿期至出生后两年）的脑发育过程	机器学习	精神疾病和神经系统疾病	多模态MRI（包括结构MRI、扩散MRI、功能MRI、灌注MRI）	机器学习、深度学习	多模态MRI图像	NA	NA	NA	NA	NA
604	2026-02-26	Gunshots detection, identification, and classification: Applications to forensic science 2024-11, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2024.09.007 PMID:39638481	综述	本文综述了枪声检测、识别与分类技术在法医科学中的应用，分析了枪声的声学特性及其影响因素，并评估了现有机器学习方法的组件	系统分析了枪声声学特性在法医科学中的适用性与局限性，并指出深度学习驱动的神经网络将成为主导趋势	由于数据和评估标准差异，不同算法比较存在挑战	旨在为安全系统和法医分析开辟新前沿	枪声事件	机器学习	NA	声学分析	神经网络	音频	NA	NA	NA	NA	NA
605	2026-02-26	An effective deep learning-based approach for splice site identification in gene expression 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241266588 PMID:39051530	研究论文	本文提出了一种基于深度学习的计算机辅助诊断技术，用于快速准确识别基因表达中的剪接位点序列	利用长短期记忆网络从RNA序列中提取独特模式，实现快速准确的点突变序列映射，并通过与现有方法的比较验证了其优越性	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种精确可靠的计算机辅助诊断技术，用于快速正确识别剪接位点序列	真核生物基因表达中的mRNA剪接位点序列	自然语言处理	NA	RNA序列分析	LSTM	序列数据	NA	NA	LSTM	准确率	NA
606	2026-02-26	Early and late blight disease identification in tomato plants using a neural network-based model to augmenting agricultural productivity 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241275371 PMID:39262392	研究论文	本研究开发了一种基于Inception-V3架构的神经网络模型，用于识别番茄植株的早疫病和晚疫病，旨在提高疾病识别准确率并促进农业生产	利用深度学习技术（Inception-V3架构）对番茄叶片疾病进行自动分类，相比传统方法提高了识别效率和准确性	研究仅使用PlantVillage数据集中的6000张图像，可能无法涵盖所有田间变异情况；未提及模型在真实农业环境中的泛化能力测试	通过深度学习技术提高番茄叶片疾病的识别准确率，以增强农业生产力和经济效益	番茄植株的叶片，特别是受早疫病和晚疫病影响的叶片	计算机视觉	植物病害（番茄早疫病和晚疫病）	深度学习图像分类	CNN	图像	6000张番茄叶片图像（来自PlantVillage数据集）	NA	Inception-V3	准确率	NA
607	2026-02-26	Innovative entrepreneurial market trend prediction model based on deep learning: Case study and performance evaluation 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241272722 PMID:39205470	研究论文	本文提出了一种基于深度学习的创新性创业市场趋势预测模型，并通过案例研究和性能评估验证了其有效性	结合历史市场数据与社交媒体情感分析等多源指标，构建了超越传统方法的先进预测模型	未明确说明模型的具体泛化能力或在不同市场环境下的适用性限制	提高创新与创业领域的市场趋势预测准确性，以支持决策制定	市场趋势数据，包括历史市场数据和社交媒体情感指标	机器学习	NA	深度学习	深度学习模型	历史市场数据、社交媒体文本数据	NA	NA	NA	准确性	NA
608	2026-02-26	NuInsSeg: A fully annotated dataset for nuclei instance segmentation in H&E-stained histological images 2024-03-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03117-2 PMID:38486039	研究论文	本文发布了一个名为NuInsSeg的大型、完全手动注释的H&E染色组织图像数据集，用于细胞核实例分割	首次提供了包含模糊区域掩码的数据集，这些区域表示即使是人类专家也无法精确注释的图像部分	NA	为计算病理学中的细胞核实例分割任务提供高质量的训练数据集	H&E染色的组织图像中的细胞核	数字病理学	NA	H&E染色	NA	图像	665个图像块，包含超过30,000个手动分割的细胞核，来自31个人类和鼠类器官	NA	NA	NA	NA
609	2026-02-26	The application of artificial intelligence in EUS 2024 Mar-Apr, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000053 PMID:38947752	综述	本文综述了人工智能（AI）在超声内镜（EUS）诊断中的应用现状、价值及面临的挑战	系统性地总结了AI在EUS诊断多个领域（如胰腺肿瘤、慢性胰腺炎、胃肠道间质瘤等）的应用价值，并明确指出当前存在的四大关键问题	AI算法存在过拟合和偏差，诊断可靠性有待提高；其价值仍需前瞻性研究验证；伦理风险需考虑和规避	探讨人工智能技术在超声内镜诊断领域的应用潜力与挑战	超声内镜诊断相关的疾病，包括胰腺肿瘤、慢性胰腺炎、胃肠道间质瘤、食管早期癌、胆道及肝脏病变	数字病理	胰腺癌	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
610	2026-02-26	Brain tumor segmentation using synthetic MR images - A comparison of GANs and diffusion models 2024-02-29, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03073-x PMID:38424097	研究论文	本文比较了GANs和扩散模型在生成合成脑肿瘤MR图像上的效果，并评估了这些合成图像用于训练分割网络（U-Net和Swin transformer）的性能	首次全面评估了四种GANs（渐进式GAN、StyleGAN 1-3）和一种扩散模型在生成合成脑肿瘤MR图像方面的应用，并探讨了合成图像用于训练分割网络的可行性	扩散模型在原始数据集过小时可能出现训练图像记忆问题，且合成图像训练的分割网络性能仅为真实图像的80%-90%	评估生成式AI模型（GANs和扩散模型）生成的合成医学图像是否可用于训练脑肿瘤分割网络	脑肿瘤MR图像	医学影像分析	脑肿瘤	生成对抗网络（GANs）、扩散模型	GAN, 扩散模型, CNN, Transformer	MR图像	未明确说明具体样本数量，但提到原始数据集可能过小	未明确说明	渐进式GAN, StyleGAN 1-3, U-Net, Swin transformer	Dice系数	未明确说明
611	2026-02-25	A Highly-Sensitive Omnidirectional Acoustic Sensor for Enhanced Human-Machine Interaction 2024-11, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202413086 PMID:39410724	研究论文	本文提出了一种自供电的摩擦电立体声学传感器，用于增强人机交互中的全向声音识别与追踪	通过三维结构配置实现了全向声音识别与追踪能力，并利用高电子亲和力、低杨氏模量的多孔振动膜实现了高灵敏度和宽频率响应范围	NA	开发一种高灵敏度的全向声学传感器，以提升在嘈杂环境中的人机交互性能	全向声音源识别与追踪，特别是在辅助会议系统和自动驾驶车辆中的应用	机器学习	NA	摩擦电传感技术	深度学习	音频信号	NA	NA	NA	准确率	NA
612	2026-02-25	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-07, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	综述	本文综述了人工智能在核医学剂量学，特别是骨髓剂量测定和个体化放射性配体治疗中的未来应用前景	探讨了人工智能（尤其是机器学习和深度学习）在提高骨髓和血液剂量测定准确性、早期识别血液学风险因素以及实现适应性治疗规划方面的潜在创新作用	NA	旨在概述人工智能方法在核医学剂量学领域整合的机遇，以推动放射性配体治疗向真正个体化诊疗发展	放射性配体治疗及其相关的骨髓剂量测定和血液学副作用	核医学	恶性肿瘤	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
613	2024-08-07	Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit 2024-05, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2023.01424.e1 PMID:38556908	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
614	2026-02-25	WET-UNet: Wavelet integrated efficient transformer networks for nasopharyngeal carcinoma tumor segmentation 2024 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504241232537 PMID:38567422	研究论文	本文提出了一种基于UNet的混合模型WET-UNet，用于鼻咽癌图像分割，通过集成小波变换和注意力机制来提升分割精度和鲁棒性	将小波变换集成到UNet中，利用低频分量调整编码器并优化Transformer的计算过程，同时结合注意力机制捕获远程依赖关系，以增强病变边界信息和模型识别能力	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	解决鼻咽癌图像分割中因数据集不准确、边界模糊和线条复杂导致的分割不精确和不稳定问题	鼻咽癌肿瘤图像	数字病理	鼻咽癌	NA	CNN, Transformer	图像	5000个样本，训练与验证比例为8:2	NA	UNet, Transformer	准确率, 精确率	NA
615	2026-02-25	Development of a deep learning model for predicting critical events in a pediatric intensive care unit 2024-Feb, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2023.01424 PMID:38476071	研究论文	本研究开发了一种深度学习模型，用于预测儿科重症监护病房中的关键事件，如心肺复苏或死亡	利用长短期记忆（LSTM）算法，首次在儿科重症监护环境中构建深度学习模型来预测关键事件，并展示了优异的预测性能	需要外部验证以确认模型的泛化能力，且研究为回顾性观察性设计	开发深度学习模型以预测儿科重症监护病房患者的关键事件，实现早期干预	2010年1月至2023年5月期间入住儿科重症监护病房的18岁以下患者	机器学习	儿科重症监护	回顾性数据分析	LSTM	生命体征测量数据	11,660条测量数据，其中1,060条对应关键事件	NA	长短期记忆网络	受试者工作特征曲线下面积, 精确率-召回率曲线下面积	NA
616	2026-02-25	The application value of deep learning in the background of precision medicine in glioblastoma 2024 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504231223353 PMID:38262933	综述	本文综述了深度学习在胶质母细胞瘤精准医疗背景下的应用价值，包括分子分类、诊断和预后评估	深度学习结合多模态数据（如磁共振成像序列、遗传信息和临床数据）进行非侵入性肿瘤诊断和预后预测，相比传统放射组学和浅层机器学习方法更为稳健有效	深度学习在胶质母细胞瘤治疗干预中的应用仍处于早期阶段，模型鲁棒性面临挑战，且现有样本数量不足，限制了大规模实验和模型应用	探讨深度学习在胶质母细胞瘤精准医疗中的应用，以优化个性化治疗方案	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	磁共振成像，遗传信息分析	深度学习模型	图像，遗传数据，临床数据	NA	NA	NA	准确性	NA
617	2026-02-25	A novel measurement approach to dynamic change of limb length discrepancy using deep learning and wearable sensors 2024 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504241236345 PMID:38490169	研究论文	本研究提出了一种结合深度学习与可穿戴传感器的新方法，用于在非临床环境中准确测量肢体长度差异的动态变化	首次将肢体长度差异动态变化测量视为基于步态模式的多重分类任务，并开发了CNN-LSTM混合深度学习模型来提取最具代表性的时空特征	研究仅招募了23名健康受试者模拟肢体长度差异，样本量较小，且未在真实患者群体中进行验证	开发一种在非临床环境中准确监测肢体长度差异动态变化的技术，以评估日常生活中的步态功能变化	健康受试者模拟的肢体长度差异步态模式	机器学习	肢体长度差异	可穿戴传感器数据采集	CNN, LSTM	步态传感器数据	23名健康受试者	未明确说明	CNN-LSTM混合模型	准确率, F1分数, 召回率, 精确率	NA
618	2026-02-24	Failure Modes of Time Series Interpretability Algorithms for Critical Care Applications and Potential Solutions 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726394	研究论文	本文系统分析了时间序列可解释性算法在重症监护应用中的失败模式，并提出了可学习的基于掩码的框架作为解决方案	针对动态时间序列预测任务，首次系统分析了梯度、遮挡和置换等传统可解释性方法的失败模式，并支持引入时间连续性和标签一致性约束的可学习掩码框架	NA	提高时间序列可解释性算法在重症监护等动态预测任务中的可靠性和一致性	重症监护患者的时间序列数据	机器学习	重症监护	NA	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
619	2026-02-24	HIBERT: A Hybrid Clustering BERT for Interpretable Opioid Overdose Risk Prediction 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726407	研究论文	本文提出了一种名为HIBERT的混合BERT模型，用于预测阿片类药物过量风险，结合了Transformer模型与深度聚类技术	HIBERT通过集成针对不同电子健康记录特征类别的专用BERT模块，并引入深度显著性聚类，生成具有临床意义的风险分层，提高了模型的解释性	未在摘要中明确提及	开发高精度且可解释的阿片类药物过量风险预测模型，以支持早期干预和预防	电子健康记录数据	自然语言处理	阿片类药物过量	深度聚类	BERT, Transformer	文本	使用Health Facts数据库进行评估，具体样本量未在摘要中提及	NA	BERT	未在摘要中明确提及具体指标	NA
620	2026-02-24	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	本文开发了一个预测模型，用于指导阿片类药物使用障碍（OUD）的治疗选择，基于电子健康记录（EHR）和ZIP级别数据	结合EHR和ZIP级别数据，采用早期和晚期融合方法构建多种机器学习模型，以预测OUD治疗反应概率	ZIP级别数据未显著提升EHR-only模型的性能，未来需探索更有效的方法来建模OUD治疗反应及捕捉社会与外部因素	开发预测模型以指导阿片类药物使用障碍（OUD）的治疗选择，提高治疗效率	阿片类药物使用障碍（OUD）患者	机器学习	阿片类药物使用障碍	电子健康记录（EHR）分析，ZIP级别数据分析	广义线性回归，随机森林，梯度提升机，深度学习	电子健康记录（EHR），ZIP级别数据	NA	NA	NA	NA	NA