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
661	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
662	2026-02-09	Artificial intelligence-based skeletal muscle estimates and outcomes of EUS-guided treatment of pancreatic fluid collections 2024-Sep, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2024.06.006 PMID:41646132	研究论文	本研究探讨了骨骼肌状态与胰腺液体积聚（PFCs）内镜超声引导治疗临床结局的关联	首次利用深度学习平台从术前CT图像中自动量化骨骼肌密度（SMD）和指数（SMI），并系统评估其与PFC治疗失败及住院死亡率的关系	研究为回顾性多中心设计，可能存在选择偏倚；未考虑其他可能影响结局的混杂因素如营养状况变化	评估骨骼肌质量（通过SMD衡量）和数量（通过SMI衡量）对PFC内镜治疗临床结局的预测价值	2010年至2020年间接受内镜超声引导治疗的372例胰腺液体积聚患者	数字病理学	胰腺疾病	CT影像分析，深度学习自动分割	深度学习模型	医学影像（CT图像）	372例患者	未明确说明	未明确说明	比值比（OR），置信区间，趋势P值	未明确说明
663	2026-02-09	VOLTAGE-2: multicenter phase II study of nivolumab monotherapy in patients with mismatch repair-deficient resectable locally advanced rectal cancer 2024-Mar, ESMO gastrointestinal oncology DOI:10.1016/j.esmogo.2023.100031 PMID:41648746	研究论文	VOLTAGE-2研究是一项多中心II期临床试验，旨在评估纳武利尤单抗单药治疗错配修复缺陷可切除局部晚期直肠癌患者的疗效和安全性	首次在II期试验中探索纳武利尤单抗单药作为错配修复缺陷可切除局部晚期直肠癌的新辅助治疗，并计划利用人工智能和深度学习驱动的多组学分析进行时空跨组学研究	非随机、单臂设计可能引入偏倚，且样本量未明确说明	评估纳武利尤单抗单药治疗错配修复缺陷可切除局部晚期直肠癌的疗效和安全性，并探索生物标志物	错配修复缺陷可切除局部晚期直肠癌患者	数字病理学	直肠癌	全基因组测序, 全外显子组测序, 全转录组测序, 循环肿瘤DNA检测	深度学习	基因组数据, 转录组数据, 影像数据, 病理数据, 临床数据	NA	NA	NA	2年临床完全缓解率	NA
664	2026-02-09	Enhanced accuracy for classification of video capsule endoscopy images using multiple deep learning convolutional neural networks 2024-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.11.007 PMID:41648898	研究论文	本研究提出了一种基于多个卷积神经网络的迁移学习方法，用于高精度自动分类无边界视频胶囊内窥镜图像	采用17个CNN的集成方法，无需图像分割，实现了自动特征提取和模型微调，达到了99.79%的整体诊断准确率	未提及模型在外部验证集上的性能或临床部署的可行性	提高视频胶囊内窥镜图像分类的准确率，以辅助临床诊断	正常个体和患有5种病理状态（血管扩张、出血、糜烂、溃疡和异物）患者的VCE图像	计算机视觉	胃肠道疾病	视频胶囊内窥镜	CNN	图像	超过16,000张VCE胃肠道图像	NA	多个CNN（具体架构未指定）	准确率, 混淆矩阵, 精确率, 召回率, F1分数	NA
665	2026-02-08	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-11, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种深度学习算法，用于自动分类小儿脊柱侧弯患者的脊柱X光片	首次将EfficientNet B6架构应用于小儿脊柱侧弯X光片的自动分类，实现了高精度分类，为大规模影像注册库的数据自动录入提供了重要工具	在数据集中图像数量少于100的类别上观察到性能较低，可能影响模型在罕见类别上的泛化能力	开发自动分类小儿脊柱侧弯患者脊柱X光片的算法，以支持大规模影像注册库的数据管理	小儿脊柱侧弯患者的脊柱X光片（前后位和侧位）	计算机视觉	脊柱侧弯	X光成像	CNN	图像	7777张前后位图像和5621张侧位图像，总计13398张X光片	NA	EfficientNet B6	准确率, 精确率, 召回率, F1分数	NA
666	2026-02-08	PolyAMiner-Bulk is a deep learning-based algorithm that decodes alternative polyadenylation dynamics from bulk RNA-seq data 2024-Feb-26, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100707 PMID:38325383	研究论文	本文介绍了一种基于深度学习的算法PolyAMiner-Bulk，用于从批量RNA-seq数据中解码选择性多聚腺苷酸化动态	该算法使用注意力机制准确重建C/PAS序列语法，解决重叠C/PAS问题，捕捉非近端至远端APA变化，并生成可视化结果，相比现有方法能更准确地识别APA变化	NA	开发一种能够从批量RNA-seq数据中准确解码选择性多聚腺苷酸化动态的算法	选择性多聚腺苷酸化动态及其在人类疾病中的调控	自然语言处理	NA	RNA-seq	深度学习	RNA-seq数据	NA	NA	注意力机制	NA	NA
667	2026-02-08	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一种名为IDSL_MINT的深度学习框架，用于从质谱数据预测分子指纹	IDSL_MINT首次将Transformer模型应用于质谱数据，类似于大型语言模型，能够将MS/MS谱图转化为分子指纹描述符	NA	提高非靶向代谢组学和暴露组学研究中MS/MS谱图的注释率	质谱数据（MS/MS谱图）	机器学习	NA	串联质谱（MS/MS）	Transformer	质谱数据	使用LipidMaps数据库进行基准测试	NA	Transformer	NA	NA
668	2026-02-07	A CNN-CBAM-BIGRU model for protein function prediction 2024-01-01, Statistical applications in genetics and molecular biology IF:0.8Q3 DOI:10.1515/sagmb-2024-0004 PMID:38943434	研究论文	本文提出了一种结合CNN、CBAM和BiGRU的深度学习模型，用于从蛋白质氨基酸序列预测其功能	创新性地将卷积注意力模块（CBAM）与双向门控循环单元（BiGRU）结合，以增强特征提取和长程依赖捕获能力	未明确说明模型在更广泛物种或更大规模数据集上的泛化能力，以及计算效率的详细分析	提高基于蛋白质序列的功能预测准确性	人类和酵母的蛋白质序列	生物信息学	NA	深度学习	CNN, BiGRU	蛋白质氨基酸序列	NA	NA	CNN-CBAM-BiGRU	准确率	NA
669	2026-02-06	Efficient multi-phenotype genome-wide analysis identifies genetic associations for unsupervised deep-learning-derived high-dimensional brain imaging phenotypes 2024-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318618 PMID:39677479	研究论文	本文提出了一种名为JAGWAS的新工具，用于高效分析多表型全基因组关联研究，并将其应用于高维无监督深度学习衍生的脑成像表型，以识别更多遗传位点	开发了JAGWAS工具，能够利用单表型汇总统计高效计算数百个表型的多变量关联统计，显著提升了从高维脑成像数据中发现遗传关联的能力	研究主要基于英国生物银行的数据，可能在其他人群中的普适性有待验证；方法依赖于预先计算好的单表型汇总统计	开发高效的多表型全基因组关联分析方法，以发现与高维脑成像表型相关的遗传位点	无监督深度学习衍生的脑成像表型（UDIPs）及其遗传关联	机器学习	NA	全基因组关联研究（GWAS），脑磁共振成像（MRI）	深度学习	图像，遗传数据	英国生物银行（UKB）的发现和复制队列	NA	NA	独立复制的基因组位点数量，映射基因数量，与脑组织eQTL重叠的基因数量	NA
670	2026-02-06	Generative 3D Cardiac Shape Modelling for in-silico Trials 2024-11-22, Studies in health technology and informatics DOI:10.3233/SHTI241090 PMID:39575806	研究论文	提出一种基于神经符号距离场的深度学习方法来建模和生成合成主动脉形状，用于计算机模拟试验	利用可训练的嵌入向量编码几何特征，通过神经符号距离场的零级集表示形状，能够高保真地表示主动脉形状并生成类似真实患者解剖结构的新形状	NA	开发用于计算机模拟试验的生成式3D心脏形状建模方法	主动脉根部网格形状	计算机视觉	心血管疾病	CT图像重建	深度学习	3D网格图像	NA	NA	神经符号距离场	NA	NA
671	2026-02-06	Privacy Risk Assessment for Synthetic Longitudinal Health Data 2024-08-30, Studies in health technology and informatics DOI:10.3233/SHTI240867 PMID:39234731	研究论文	本文评估了合成纵向健康数据的隐私风险，应用Anonymeter框架分析独特性、可链接性和属性推断等漏洞	首次将欧洲数据保护委员会认可的隐私风险框架应用于流行病学领域的合成数据生成研究，重点关注异常值的脆弱性	隐私风险评估仍是一个开放性问题，实施和结果解释过程中存在挑战	评估合成数据发布时的隐私风险，以符合数据保护指南	基于DONALD队列研究（1312名参与者，16个时间点）生成的合成纵向健康数据	机器学习	NA	合成数据生成方法	深度学习	纵向健康数据	1312名参与者，16个时间点	NA	NA	隐私评分	NA
672	2026-02-06	Predicting Overall Survival of Glioblastoma Patients Using Deep Learning Classification Based on MRIs 2024-08-30, Studies in health technology and informatics DOI:10.3233/SHTI240878 PMID:39234740	研究论文	本研究开发了一种基于深度学习的MRI图像分类方法，用于预测胶质母细胞瘤患者的总生存期	首次将多序列MRI图像融合并结合ResNet50架构与bagging模型，实现胶质母细胞瘤患者生存期的三分类预测	模型性能仍有提升空间（F1分数0.51），未说明样本来源的多样性或外部验证结果	通过深度学习自动分析MRI图像，预测胶质母细胞瘤患者的总生存期	胶质母细胞瘤患者的MRI扫描图像（FLAIR, T1, T1CE, T2序列）	计算机视觉	胶质母细胞瘤	MRI成像	CNN	图像	未明确说明具体样本数量	未明确说明	ResNet50	F1-score, 准确率	未明确说明
673	2026-02-06	Deep Learning-Based Prediction of Daily COVID-19 Cases Using X (Twitter) Data 2024-08-22, Studies in health technology and informatics DOI:10.3233/SHTI240824 PMID:39176883	研究论文	本研究利用X（Twitter）社交媒体数据和深度学习模型预测每日COVID-19病例	创新性地结合社交媒体推文数据和深度学习时间序列模型（TSMixer）进行COVID-19病例预测	NA	预测每日COVID-19确诊病例，以支持疫情控制	X（Twitter）社交媒体数据和COVID-19病例数据	自然语言处理	COVID-19	自然语言处理（NLP）	深度学习时间序列模型	文本数据（推文）和时间序列数据	NA	NA	时间序列混合器（TSMixer）	均方误差（MSE）	NA
674	2026-02-06	Deep Learning Models for Health-Driven Forecasting of Indoor Temperatures in Heat Waves in Canada: An Exploratory Study Using Smart Thermostats 2024-08-22, Studies in health technology and informatics DOI:10.3233/SHTI240826 PMID:39176885	研究论文	本研究探索了利用智能恒温器数据和深度学习模型预测加拿大热浪期间室内温度，以增强公共卫生应对能力	首次将智能恒温器（IoT设备）采集的室内实时数据与深度学习模型结合，用于热浪期间的室内温度预测，为公共卫生预警系统提供新方法	研究为探索性研究，模型在更广泛地理区域和建筑类型中的泛化能力尚未验证，且未考虑建筑结构、隔热性能等潜在影响因素	评估深度学习模型利用智能恒温器数据预测热浪期间室内温度的效果，以支持公共卫生决策和极端高温应对策略	加拿大热浪期间的家庭室内温度数据	机器学习	NA	智能恒温器（ecobee）传感器数据采集	深度学习模型	时间序列数据（温度、湿度）	未明确说明具体样本数量，数据来源于安装ecobee智能恒温器的家庭	NA	NA	NA	NA
675	2026-02-06	Data encoding for healthcare data democratization and information leakage prevention 2024-Feb-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45777-z PMID:38383571	研究论文	本文探讨了通过不可逆数据编码实现医疗数据民主化并防止信息泄露的方法	提出利用随机投影和随机量子编码为密集和纵向或时间序列数据实现理想的编码框架，以在保护隐私的同时保持数据语义	NA	开发一种编码框架，以促进医疗数据民主化并防止深度学习模型中的信息泄露	医疗数据和临床模型	机器学习	NA	随机投影，随机量子编码	深度学习模型	时间序列数据，密集数据，纵向数据	NA	NA	NA	信息瓶颈原则	NA
676	2026-02-05	Will Artificial Intelligence Be "Better" Than Humans in the Management of Syncope? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101072 PMID:39372450	综述	本文探讨了人工智能（包括机器学习、深度学习和自然语言处理）在晕厥诊断、管理和研究中的潜在应用、优势、局限性及解决方案	系统性地将AI技术（ML、DL、NLP）应用于晕厥这一临床挑战领域，并探讨其在临床决策、研究和教育三个维度的潜力，提出了从因果关系分析向相关性分析的模式转变	未提供具体实验数据或模型性能验证，主要基于理论探讨和潜在应用分析	评估人工智能在晕厥管理中的潜在作用，并探讨其是否可能优于人类临床决策	晕厥（一种短暂的意识丧失）患者的诊断、风险分层、临床管理和教育	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	临床数据, 文本数据	NA	NA	NA	NA	NA
677	2026-02-05	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	研究论文	本研究开发并验证了一种全自动无监督深度学习系统，用于在冠状动脉CT血管造影（CCTA）中评估冠状动脉狭窄严重程度和高风险斑块	提出了一种全自动、无监督的深度学习技术，能够快速、准确地评估冠状动脉狭窄和高风险斑块，克服了传统CCTA评估耗时且需专业培训的限制	研究样本量有限，特别是高风险斑块的测试集仅包含45名患者（325条血管），可能影响模型的泛化能力	开发并验证一个全自动深度学习系统，用于在CCTA扫描中自动评估冠状动脉狭窄严重程度和表征高风险斑块	冠状动脉CT血管造影（CCTA）扫描图像	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习	医学影像（CT图像）	训练集：570名患者；测试集：狭窄评估769名患者（3,012条血管），高风险斑块评估45名患者（325条血管）	NA	NA	敏感性, 特异性, 阳性预测值, 阴性预测值, 曲线下面积（AUC）	NA
678	2026-02-05	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文开发了一种基于机器学习的全自动深度学习模型，用于从超声心动图视频中自动评估右心房压力	首次提出全自动深度学习模型，能够从超声心动图视频中自动识别下腔静脉扫描并估计右心房压力，其性能与心脏病专家评估相当，并具有良好的泛化能力	模型在测试数据集上与心脏病专家估计的一致性为80.3%，虽然高于文献报道的操作者间一致性（70-75%），但仍存在一定误差；外部验证数据集规模较小（仅来自另一机构）	评估机器学习是否能够准确估计超声心动图测量的右心房压力，以实现自动化的血管内容积状态评估	超声心动图视频中的下腔静脉扫描，以及与之耦合的心脏病专家评估的右心房压力估计和右心导管测量的右心房压力	医学影像分析	心血管疾病	超声心动图，右心导管术	深度学习模型	视频	15,828个下腔静脉超声视频和319个右心导管测量的右心房压力数据	NA	NA	一致性百分比，受试者工作特征曲线下面积，P值	NA
679	2026-02-05	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	本研究评估了基于心电图波形的人工智能模型在心脏淀粉样变性筛查中的性能，并探讨了不同病例和对照组定义标准对模型训练的影响	首次系统评估了病例和对照组选择策略对罕见疾病（心脏淀粉样变性）AI筛查模型性能的影响，揭示了模型在匹配测试集与真实世界人群中的泛化能力差异	研究主要基于单一医疗中心（Cedars-Sinai）的数据，可能限制结果的普适性；未详细说明模型的具体架构和超参数设置	评估心电图AI模型在心脏淀粉样变性筛查中的性能，并优化病例与对照组的选择策略	约130万份心电图记录，来自341,989名患者	机器学习	心脏淀粉样变性	心电图波形分析	深度学习模型	心电图波形数据	约130万份心电图，来自341,989名患者	NA	NA	AUC	NA
680	2026-02-05	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了机器学习模型，用于对疑似急性冠脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天内的死亡或心肌梗死事件	首次利用机器学习和深度学习模型，根据第四版通用心肌梗死定义，对疑似ACS患者进行心肌损伤和梗死的数字表型分析，并预测短期临床结局	模型需要在随机临床试验中进行外部验证以评估其临床影响，且数据主要来自南澳大利亚医院，可能存在地域局限性	开发机器学习模型以改善疑似急性冠脉综合征患者的诊断表型分析和预后预测	疑似急性冠脉综合征患者	机器学习	心血管疾病	电子健康记录分析	XGBoost, 深度学习	电子健康记录数据	训练集6,722名参与者，测试集8,869名参与者	Python 3.6	XGBoost, 深度学习模型	AUC	NA