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
1521	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
1522	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
1523	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
1524	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
1525	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
1526	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
1527	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
1528	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
1529	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
1530	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
1531	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
1532	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
1533	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
1534	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
1535	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
1536	2026-02-23	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种条件生成对抗网络管道，能够从诊断性CT扫描中生成FDG-PET图像，以改善肺癌的诊断和预后	首次利用深度学习从CT生成高保真PET图像，并在多中心多模态肺癌数据集上验证了合成PET在影像、生物学和临床方面的价值	研究为概念验证阶段，样本量相对有限（n=1,478），且主要针对肺癌，未涉及其他疾病	探索通过深度学习从CT生成PET图像的可行性，以解决PET成本高、普及性差的问题	肺癌患者的多中心多模态数据集	计算机视觉	肺癌	CT扫描，FDG-PET成像	GAN	图像	1,478例	NA	条件生成对抗网络	影像质量，肿瘤对比度，癌症标志通路一致性，诊断、分期、风险预测和预后的临床价值	NA
1537	2026-02-23	NPSV-deep: a deep learning method for genotyping structural variants in short read genome sequencing data 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae129 PMID:38444093	研究论文	本文提出了一种基于深度学习的结构变异基因分型方法NPSV-deep，用于处理短读长基因组测序数据	将结构变异基因分型任务重新定义为图像相似性问题，通过比较实际测序数据与模拟数据的堆叠图像来预测基因型，并自动校正不精确或不正确描述的结构变异	NA	提高短读长基因组测序数据中结构变异的基因分型准确性	插入和缺失类型的结构变异	机器学习	NA	短读长基因组测序	深度学习	图像（堆叠图像）	NA	NA	NA	基因分型准确性，基因分型错误率，基因分型一致性	NA
1538	2026-02-22	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-10, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	综述	本文探讨了数据科学在优化放疗计划和临床决策中的应用前景	提出结合深度学习与多源数据（如基因组学、影像组学和剂量组学）来改进预测模型，并引入“数字孪生”概念以指导自适应放疗	NA	提升放疗的个性化治疗水平，通过整合数据科学方法优化肿瘤控制与正常组织保护	放疗患者及其相关数据（如肿瘤基因组、影像数据和剂量分布）	机器学习	肿瘤	基因组学、影像组学、剂量组学	深度学习	基因组数据、影像数据、剂量数据	NA	NA	NA	NA	NA
1539	2026-02-22	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究通过比较多种机器学习算法，探讨深度学习在预测早产方面的适用性	首次在早产预测中比较了Transformer模型与传统机器学习算法（如逻辑回归、随机森林和支持向量机），并展示了Transformer的优越性能	研究为回顾性单中心设计，可能存在选择偏倚，且未详细说明模型的可解释性	评估深度学习算法是否适合用于预测早产	2018年1月至2023年6月在北京大学第三医院分娩的产妇数据	机器学习	早产	回顾性数据分析	Transformer, 逻辑回归, 随机森林, 支持向量机	结构化临床数据	30,965例分娩数据（第一部分24,770例，第二部分6,195例）	NA	Transformer	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
1540	2026-02-22	The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272657 PMID:39493635	综述	本文对电子健康记录研究中可解释人工智能（XAI）的应用进行了范围综述	首次对使用表格型电子健康记录数据的机器学习/深度学习模型中的XAI方法应用进行了系统性范围综述，揭示了该领域快速增长但缺乏关键评估的现状	仅纳入了表格型电子健康记录数据的研究，未涵盖其他类型医疗数据；缺乏对XAI方法有效性的深入评估；可能存在发表偏倚	批判性评估可解释人工智能方法在电子健康记录研究中的应用现状与效果	使用电子健康记录数据并应用可解释人工智能方法的机器学习/深度学习研究	机器学习	NA	NA	机器学习模型,深度学习模型	表格数据	76篇出版物（来自3220篇筛选文献）	NA	极端梯度提升,随机森林	NA	NA