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
1	2025-04-02	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床基准数据集中提取药物不良事件（ADEs）的有效性，并比较了这些方法在命名实体识别（NER）和关系分类（RC）任务中的优缺点	深入分析了机器学习和深度学习在药物不良事件提取中的表现，特别关注了BERT模型在端到端任务中的优异表现	研究仅基于有限的文献（12篇文章），且未涵盖所有可能的机器学习和深度学习方法	评估机器学习和深度学习方法在药物不良事件提取中的效果，推动药物安全监测和医疗保健结果的改进	临床基准数据集中的药物不良事件	自然语言处理	NA	命名实体识别（NER）、关系分类（RC）	BERT、梯度提升、多层感知机、随机森林	临床文本、生物医学文献、社交媒体数据、药物标签	275篇参考文献中的12篇文章
2	2025-04-01	Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter 2024-04-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.234 PMID:38290587	研究论文	通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感，探讨患者和公众对这些药物的态度和信念	利用社交媒体数据（Twitter）和AI技术（机器学习和深度学习）分析患者对精神疾病药物的态度和情感，揭示了不同语言和文化背景下的讨论差异	Twitter数据的简短性可能无法完全捕捉讨论的细微差别，且研究药物的广泛治疗用途使得难以隔离特定疾病的讨论，仅分析了英语和西班牙语的推文，限制了文化广度的发现	理解患者和公众对精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）治疗药物的态度和信念	Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感	自然语言处理	精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）	机器学习, 深度学习, 自然语言处理	NA	文本	893,289条推文（2008年至2022年）
3	2025-04-01	Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone 2024-04-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.02.023 PMID:38341156	研究论文	本研究探讨了慢性失眠症患者与健康对照组在下丘脑及其亚区体积上的差异，并分析了这些差异与失眠症状严重程度及HPA轴相关血液生物标志物的关系	首次使用基于深度学习的自动分割工具研究慢性失眠症患者下丘脑亚区体积变化，并揭示前部下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用	研究样本量相对有限，且为横断面研究无法确定因果关系	探究慢性失眠症患者下丘脑亚区体积变化及其与HPA轴功能的关系	150名慢性失眠症患者和155名人口统计学匹配的健康对照	数字病理学	睡眠障碍	T1加权结构磁共振扫描，深度学习自动分割	深度学习	MRI图像	305人（150名患者和155名对照）
4	2025-04-01	Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice 2024-04, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2024.101897 PMID:38306788	综述	本文全面回顾了基于深度学习的睡眠分期技术的最新方法，包括数据处理、建模、验证及临床应用	深入探讨了深度学习在睡眠分期中的应用，特别是在大规模数据集、跨学科合作和人机交互方面的创新	未提及具体实验数据或模型性能的详细比较	提高睡眠分期的效率和准确性，促进其在临床实践和日常生活中的应用	睡眠分期的自动化系统	机器学习	睡眠障碍	深度学习	NA	信号数据	NA
5	2025-03-30	Robustness of ML-Based Seizure Prediction Using Noisy EEG Data From Limited Channels 2024 Apr-May, ... International Conference on Distributed Computing in Sensor Systems and workshops. DCOSS (Conference) DOI:10.1109/dcoss-iot61029.2024.00097 PMID:40134901	研究论文	本文研究了基于机器学习的癫痫发作预测模型在噪声EEG数据和有限通道条件下的鲁棒性	评估了DL模型在临床级EEG数据训练但消费级可穿戴EEG头戴设备数据测试时的表现，特别是在通道减少、流数据和类别不平衡情况下的鲁棒性	研究仅针对SPERTL模型进行评估，可能不适用于其他DL模型	提高癫痫发作预测模型在真实世界条件下的准确性和适用性	癫痫患者的EEG数据	机器学习	癫痫	EEG	DL(SPERTL模型)	EEG信号数据	NA
6	2025-03-29	MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism 2024-Apr, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4966 PMID:38532681	研究论文	介绍了一种新型抗癌肽预测框架MA-PEP，该框架基于注意力机制进行多模态特征融合以提高预测性能	利用多种注意力机制进行特征增强和融合，整合分子级化学特征和序列信息，提升抗癌肽预测性能	未明确提及具体局限性	开发高效的抗癌肽预测方法	抗癌肽（ACPs）	机器学习	癌症	注意力机制	MA-PEP（基于注意力机制的深度学习框架）	分子级化学特征和序列信息	多个基准数据集（未明确提及具体样本数量）
7	2025-03-28	Developing deep learning-based strategies to predict the risk of hepatocellular carcinoma among patients with nonalcoholic fatty liver disease from electronic health records 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104626 PMID:38521180	研究论文	本研究开发了基于深度学习的策略，利用电子健康记录数据预测非酒精性脂肪肝患者患肝细胞癌的风险	提出了一种新颖的后向掩蔽方案来处理延迟诊断问题，并评估了纵向信息长度对疾病预测的影响，同时探讨了时间变化协变量建模和迁移学习对算法性能的提升	研究可能受到数据中性别偏差的影响，且模型在跨性别评估时表现下降	研究上述问题对深度学习性能的影响程度，并开发策略来应对这些挑战，以提高非酒精性脂肪肝患者肝细胞癌风险的预测	非酒精性脂肪肝患者	机器学习	肝细胞癌	深度学习	深度学习模型	电子健康记录	220,838名患者
8	2025-03-25	A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders 2024-04-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.134 PMID:38244796	研究论文	本研究利用深度学习模型评估患者对话的具体性对互联网认知行为疗法(CBT)治疗常见心理健康障碍的效果和疗程完成率的影响	首次使用深度学习量化患者对话具体性，并分析其与CBT治疗效果和疗程完成率的关系	无法从数据中推断因果关系	评估患者对话具体性对CBT治疗效果和疗程完成率的预测作用	接受互联网CBT治疗的常见心理健康障碍患者	自然语言处理	常见心理健康障碍	深度学习	深度学习模型	文本(治疗对话记录)	65,030名参与者(353,614次治疗会话)
9	2025-03-22	A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions 2024-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58812-2 PMID:38589478	研究论文	本文提出了一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现特定受试者的脂肪T2校准	利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提高了计算效率	NA	提高肌肉水T2映射的处理速度和准确性，以便在临床和研究中更有效地利用定量水T2图	肌肉水T2映射	医学影像处理	NA	多自旋回波采集	全连接神经网络	MRI图像	使用了两家不同MRI供应商的体内实验数据
10	2025-03-21	DeepLabCut-based daily behavioural and posture analysis in a cricket 2024-04-15, Biology open IF:1.8Q3 DOI:10.1242/bio.060237 PMID:38533608	研究论文	本文介绍了一种基于DeepLabCut的系统，用于长期量化蟋蟀的多种行为，如运动活动、进食和类似睡眠状态	使用DeepLabCut软件进行蟋蟀行为和姿态的自动分析，避免了人类偏见且无需物理标记个体动物	NA	研究蟋蟀的昼夜节律行为	蟋蟀	计算机视觉	NA	DeepLabCut	监督机器学习	视频	单个蟋蟀
11	2025-03-21	Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow 2024-Apr, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4928 PMID:38501511	研究论文	本文研究了从ESM-2模型中提取的不同维度嵌入在抗菌肽分类中的应用，并开发了一个KNIME工作流以确保实验的公平性	首次将ESM-2模型的不同维度嵌入应用于抗菌肽分类，并通过KNIME工作流确保实验的公平性	研究中发现只有部分ESM-2嵌入对建模任务有价值，43%至66%的特征从未被使用	研究ESM-2模型的不同维度嵌入在抗菌肽分类中的有效性	抗菌肽（AMPs）	生物信息学	NA	ESM-2模型，KNIME工作流	QSAR模型	分子特征	NA
12	2025-03-20	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的模型，利用黄斑光学相干断层扫描（OCT）图像来预测和检测青光眼视野进展	创新点在于使用自监督预训练的视觉变换器（ViT）模型在大规模未标记的OCT图像数据集上进行训练，以检测和预测青光眼的功能性进展	研究为回顾性队列研究，可能存在选择偏差，且样本量虽大但主要集中在特定患者群体	研究目的是利用黄斑OCT成像预测未来的青光眼视野进展并检测当前的进展	研究对象包括151,389个黄斑OCT研究中的7,702,201张B扫描图像，以及828名青光眼患者的1534只眼睛的3902个黄斑OCT成像研究	计算机视觉	青光眼	光学相干断层扫描（OCT）	视觉变换器（ViT）	图像	预训练数据集包含151,389个黄斑OCT研究中的7,702,201张B扫描图像，进展检测任务包括828名患者的1534只眼睛的3902个黄斑OCT成像研究，进展预测任务包括784名患者的1205只眼睛的1346个黄斑OCT成像研究
13	2025-03-15	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了使用深度学习从超声心动图视频中预测心血管磁共振成像（CMR）结果的可能性	首次尝试使用深度学习从超声心动图视频中预测CMR的组织特征，如壁运动异常（WMA）、晚期钆增强（LGE）、T1和T2映射以及细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征时表现不佳，表明超声心动图视频中可能缺乏这些特征的信号	探索深度学习是否可以从超声心动图视频中预测CMR的组织特征	1,453名成年患者，包括2,556次配对的超声心动图研究	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	1,453名成年患者，2,556次配对的超声心动图研究
14	2025-03-14	A new intelligent system based deep learning to detect DME and AMD in OCT images 2024-Apr-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03115-8 PMID:38653842	研究论文	本文介绍了一种基于卷积神经网络（CNN）的新型计算机辅助诊断（CAD）系统，用于在OCT图像中检测和分类年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）	提出了一种结合Inception_V3模型和自定义CNN提取特征的混合方法，在DUKE数据集上达到了99.53%的最高准确率	NA	开发一种自动化的OCT图像分析系统，用于早期检测和分类AMD和DME	OCT视网膜图像	计算机视觉	糖尿病性视网膜病变	OCT	CNN, VGG16, VGG19, Inception_V3, BCNN	图像	DUKE公共数据集和突尼斯私人数据集
15	2025-03-14	Biometric contrastive learning for data-efficient deep learning from electrocardiographic images 2024-04-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae002 PMID:38269618	研究论文	本文提出了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于在心电图（ECG）图像上进行标签高效的深度学习	BCL方法通过利用同一患者不同ECG的生物特征签名，提高了在有限标签数据下开发AI模型的效率	研究主要依赖于特定数据集（Yale 2000-2015），可能限制了模型的泛化能力	开发一种自监督预训练方法，以提高在心电图图像上检测心脏疾病的效率	心电图（ECG）图像	机器学习	心血管疾病	自监督对比学习	卷积神经网络（CNN）	图像	78,288名个体
16	2025-03-12	Cross noise level PET denoising with continuous adversarial domain generalization 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本文提出了一种利用连续对抗域泛化技术进行跨噪声水平PET去噪的方法	首次从域泛化的角度解决跨噪声水平去噪中的性能下降问题，并提出了连续域泛化的新方法	模型在特定噪声水平上训练，可能在不同噪声水平上的泛化能力有限	解决PET图像去噪中由于噪声水平不同导致的分布偏移问题	PET图像	计算机视觉	阿尔茨海默病	深度学习	3D UNet	3D图像	60名受试者的97F-MK6240 tau PET研究数据，生成1400对训练图像、120对验证图像和420对测试图像
17	2025-03-09	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究评估了基于自主人工智能的早产儿视网膜病变（ROP）筛查在检测中重度ROP和1型ROP方面的表现	使用深度学习创建的图像处理管道，通过远程医疗自主识别中重度ROP和1型ROP	研究依赖于外部数据集，可能存在数据偏差	评估自主AI筛查ROP的有效性	早产儿视网膜病变（ROP）	数字病理学	早产儿视网膜病变	深度学习	AI算法	图像	SUNDROP数据集：1545名婴儿的6245次检查；AECS数据集：2699名婴儿的5635次检查
18	2025-03-08	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T和3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	使用新一代0.55 T MRI结合深度学习图像重建算法进行膝关节成像，并与3 T MRI进行比较	0.55 T MRI在低级别软骨和半月板病变的检测准确性和读者信心方面表现有限	比较0.55 T和3 T膝关节MRI在检测和分级关节病变方面的性能	25名有症状的膝关节内部紊乱患者	医学影像	膝关节疾病	MRI, 深度学习图像重建算法	NA	图像	25名患者
19	2025-03-08	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-Apr-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2）	使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法	需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用	开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型	先天性长QT综合征患者及其亲属	数字病理学	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	4521份心电图来自990名患者
20	2025-03-06	Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review 2024-Apr-19, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02366-4 PMID:38637466	综述	本文总结了当前关于后颅窝分割的文献，重点介绍了各种分割技术及其优缺点，以及文献中报道的各种研究的目标和结果	系统性地回顾了后颅窝相关病理的分割技术，涵盖了从手动分割到深度学习的演变	文献搜索仅限于PubMed、Embase、Cochrane和Web of Science，可能未涵盖所有相关研究	评估后颅窝体积/病理的分割技术及其优缺点	后颅窝相关病理，如Chiari畸形、三叉神经痛、术后儿童小脑性缄默综合征和Crouzon综合征	数字病理学	后颅窝相关病理	手动分割、半自动分割、全自动分割（基于图谱、卷积神经网络）	卷积神经网络（CNN）	图像	52篇文献