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
41	2026-03-05	Detailed delineation of the fetal brain in diffusion MRI via multi-task learning 2024-Aug-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.609697 PMID:39257731	研究论文	本文开发并验证了一个统一的计算框架，用于胎儿脑部扩散磁共振成像数据的多任务分析，包括组织分割、白质束分割和脑区划分	提出了一种多任务深度学习方法来同时执行胎儿脑部扩散磁共振成像数据的组织分割、白质束分割和脑区划分，解决了现有自动化方法缺失的问题	未明确提及，但可能包括数据质量低、脑部发育快速带来的挑战，以及标注数据的有限性	开发可靠的计算方法来分析胎儿脑部扩散磁共振成像数据，以促进胎儿神经影像学领域的发展	胎儿脑部扩散磁共振成像数据	医学影像分析	NA	扩散磁共振成像	深度学习	磁共振图像	97个胎儿脑部	NA	NA	Dice相似系数	NA
42	2026-03-02	Deep learning enables accurate soft tissue tendon deformation estimation in vivo via ultrasound imaging 2024-08-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68875-w PMID:39117664	研究论文	本文提出了一种名为StrainNet的新型深度学习方法，用于通过超声成像在体内准确估计软组织肌腱的变形	开发了StrainNet，一种专门针对体内超声图像序列设计的深度学习模型，通过结合图像伪影的训练数据集，在挑战性体内环境中实现高性能变形估计，相比传统方法性能提升近90%	研究主要针对人类屈肌腱，可能未涵盖其他组织类型；模型训练依赖于人工生成的图像序列，可能无法完全模拟所有体内复杂情况	开发一种能够准确测量体内组织变形的图像分析方法，以评估组织健康和疾病进展	人类屈肌腱	计算机视觉	NA	高频超声成像	深度学习模型	图像序列	NA	NA	StrainNet	NA	NA
43	2026-03-02	Current genomic deep learning models display decreased performance in cell type-specific accessible regions 2024-Aug-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03335-2 PMID:39090688	研究论文	本文评估了基因组深度学习模型在细胞类型特异性染色质可及性区域的性能表现	揭示了基因组深度学习模型在细胞类型特异性可及区域的性能下降，并提出通过单任务学习或高容量多任务模型来提升性能的新策略	未详细说明模型在变异效应预测方面的改进策略，且性能提升方法可能受限于特定组织类型	评估基因组深度学习模型在不同细胞类型特异性染色质可及性区域的预测准确性	基因组深度学习模型（如Enformer和Sei）及其在染色质可及性预测中的应用	机器学习	NA	染色质可及性预测	深度学习模型	DNA序列数据	NA	NA	Enformer, Sei	准确性	NA
44	2026-03-01	CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning 2024-08-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03698-y PMID:39122750	研究论文	本文介绍了CREMP数据集，一个用于机器学习模型开发和评估的宏环肽构象集合资源	首次创建了一个包含大量宏环肽高质量结构集合的数据集，结合了构象采样和半经验DFT计算能量注释	未提及具体机器学习模型的性能评估或比较，数据集可能受限于采样方法和计算精度	开发一个资源以加速宏环肽的机器学习模型研究，支持理性设计和优化	宏环肽的构象集合	机器学习	NA	半经验扩展紧束缚DFT计算	NA	结构数据	36,198个独特宏环肽，包含近31.3百万个独特几何结构，以及3,258个具有被动渗透性数据的宏环肽	NA	NA	NA	NA
45	2026-02-28	Foundation model of neural activity predicts response to new stimulus types and anatomy 2024-Aug-31, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.21.533548 PMID:36993435	研究论文	本文通过收集大量小鼠视觉皮层神经活动数据，训练了一个基础模型，能够准确预测神经元对任意自然视频的响应，并展示了其在跨小鼠、跨刺激域以及预测解剖学特征方面的泛化能力	首次将基础模型范式应用于神经活动预测，实现了对新型刺激类型和解剖学特征的跨域泛化预测	模型主要基于视觉皮层数据，尚未验证在其他脑区或更复杂认知任务中的泛化能力	构建能够泛化预测神经活动和解剖学特征的基础脑模型	小鼠视觉皮层的神经活动数据	机器学习	NA	神经活动记录	基础模型	神经活动时间序列数据	来自多只小鼠的大量神经活动数据	NA	NA	预测准确性	NA
46	2026-02-20	Application of Artificial Intelligence in rehabilitation science: A scientometric investigation Utilizing Citespace 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100162 PMID:38971228	研究论文	本研究利用Citespace工具对2002年至2022年间康复科学与人工智能交叉领域的研究进行了科学计量分析	首次运用Citespace对康复科学与人工智能交叉领域进行长达二十年的科学计量分析，识别了九个热点主题、研究前沿及知识基础的演变	分析仅基于Web of Science数据库，可能未涵盖所有相关文献；研究为回顾性分析，未涉及具体技术应用验证	探究人工智能在康复科学领域的应用趋势、研究热点及知识结构演变	Web of Science数据库中2002-2022年康复科学与人工智能交叉领域的学术文献	机器学习	NA	科学计量分析，文献挖掘	NA	文献元数据，文本	2002年至2022年Web of Science数据库中的相关出版物	Citespace	NA	NA	NA
47	2026-02-20	Bio-inspired deep learning-personalized ensemble Alzheimer's diagnosis model for mental well-being 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100161 PMID:38901762	研究论文	本文提出了一种个性化动态集成卷积神经网络（PDECNN），用于阿尔茨海默病的诊断，该模型能够根据输入样本的独特性构建特定的集成策略	模型能够根据样本脑区退化的差异动态调整感兴趣区域，并基于注意力机制评估特定脑区的退化程度，从而选择并集成脑区特征，实现了针对个体样本的个性化诊断	NA	开发一种能够考虑样本间个性化差异的阿尔茨海默病诊断模型	阿尔茨海默病患者	数字病理学	阿尔茨海默病	NA	CNN	图像	NA	NA	个性化动态集成卷积神经网络（PDECNN）	分类准确率	NA
48	2026-02-20	Systematic training of table tennis players' physical performance based on artificial intelligence technology and data fusion of sensing devices 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100151 PMID:38796032	研究论文	本研究结合人工智能技术和传感设备数据融合，系统训练乒乓球运动员的身体表现，提升技术动作识别准确率至98.88%	将人工智能物理训练模型与深度学习、卷积神经网络结合，实现智能摄像、多角度播放和3D场景再现功能，增强比赛信息呈现	未明确说明样本规模、数据具体来源或模型泛化能力，可能局限于特定训练环境	通过人工智能技术优化乒乓球运动员的身体训练，提高技术动作识别准确性和观赛体验	乒乓球运动员的身体表现和技术动作	计算机视觉	NA	深度学习, 卷积神经网络	CNN	视频	NA	NA	NA	准确率	NA
49	2026-02-20	Assessment and classification of COVID-19 DNA sequence using pairwise features concatenation from multi-transformer and deep features with machine learning models 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100147 PMID:38796034	研究论文	本文提出了一种基于多Transformer和深度特征融合的机器学习模型，用于COVID-19 DNA序列的分类与评估	提出了一种新颖的多Transformer深度学习模型和成对特征融合技术，用于DNA序列分类，并结合k-mer和one-hot编码方法	未明确说明模型在跨数据集或实际临床环境中的泛化能力，以及计算资源需求的具体细节	通过深度学习与机器学习方法对COVID-19病毒DNA序列进行分类，以支持病毒基因组分析、疾病检测和药物设计	COVID-19（SARS-CoV-2）病毒的DNA序列	生物信息学	COVID-19	DNA序列转换技术（k-mer编码、one-hot编码）	Transformer, 深度学习模型, 机器学习模型	DNA序列数据	NA	NA	多Transformer模型	NA	NA
50	2026-02-20	Assessing robustness to adversarial attacks in attention-based networks: Case of EEG-based motor imagery classification 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100142 PMID:38723895	研究论文	本文研究了注意力网络在脑电信号分类中对对抗攻击的鲁棒性	首次系统评估注意力网络在脑电信号分类任务中对对抗攻击的脆弱性	仅使用单一数据集进行评估，未探索更广泛的对抗防御策略	评估注意力网络在对抗攻击下的鲁棒性，以提升脑机接口系统的安全性	基于脑电信号的运动想象分类任务	机器学习	NA	脑电图	注意力网络	脑电信号	使用BCI Competition 2a数据集	NA	注意力网络	准确率, kappa分数	NA
51	2026-02-10	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.12.607698 PMID:39211076	研究论文	本研究比较了五种超分辨率显微镜技术在成像紧密聚集的专性细胞内细菌微菌落方面的性能	首次系统比较了多种超分辨率显微镜技术（包括Airyscan、iSIM、3D-SIM和STED）在解析专性细胞内细菌三维结构方面的能力，并结合深度学习软件Cellpose进行细胞分割分析	研究仅针对一种专性细胞内细菌物种（Ot），未涵盖其他细菌类型；技术比较可能受特定实验条件和标记方法的限制	评估不同超分辨率显微镜技术在成像紧密聚集的细胞内细菌时的分辨能力和适用性	专性细胞内细菌物种Ot的微菌落	生物医学成像	NA	荧光显微镜技术，包括标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM和STED	深度学习模型	显微镜图像	未明确指定样本数量，涉及在不同哺乳动物细胞系中生长的细菌	Cellpose, Imaris	NA	半高全宽（FWHM）测量、三维形状和大小分析	NA
52	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
53	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
54	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
55	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
56	2026-02-05	Enhancing Periodontal Treatment Through the Integration of Deep Learning-Based Detection with Bayesian Network Models 2024-08-22, Studies in health technology and informatics DOI:10.3233/SHTI240758 PMID:39176544	研究论文	本研究将深度学习用于牙周病检测，并整合到贝叶斯网络临床决策支持模型中，以实现全面的牙周护理	结合深度学习（Faster R-CNN）与贝叶斯网络模型，用于牙周病检测和治疗计划推荐，提高了模型的准确性	NA	通过整合深度学习检测与贝叶斯网络模型，增强牙周治疗的效果	牙周病患者及其放射影像数据	计算机视觉	牙周病	放射影像分析	CNN, 贝叶斯网络	图像	NA	NA	Faster R-CNN	ROC曲线分析, 准确性	NA
57	2026-01-16	Forecasting daily total pollen concentrations on a global scale 2024-08, Allergy IF:12.6Q1 DOI:10.1111/all.16227 PMID:38995241	研究论文	本研究利用CatBoost和深度学习模型，在全球23个城市预测未来14天的每日总花粉浓度	首次在全球尺度上结合CatBoost和深度学习模型进行花粉浓度预测，并分析了环境变量对预测的重要性	预测准确性在不同城市间存在显著差异，部分城市如首尔和布里斯班的预测效果较弱	开发并改进空气花粉预测模型的准确性	全球23个城市的每日总花粉浓度	机器学习	NA	NA	CatBoost, 深度学习	时间序列数据	23个城市的数据	NA	NA	R2	NA
58	2026-01-08	GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35865 PMID:39220956	研究论文	提出一种基于GPT和BERT的混合深度学习模型GBERT，用于虚假新闻检测	结合了BERT的深度上下文理解能力和GPT的生成能力，创建了一种新的混合框架GBERT	NA	解决虚假新闻分类问题，识别文本的真伪	虚假新闻文本	自然语言处理	NA	NA	Transformer, GPT, BERT	文本	在两个真实世界基准语料库上进行微调	NA	GBERT, GPT, BERT	准确率, 精确率, 灵敏度, F1分数	NA
59	2025-12-22	Traditional Machine Learning, Deep Learning, and BERT (Large Language Model) Approaches for Predicting Hospitalizations From Nurse Triage Notes: Comparative Evaluation of Resource Management 2024-Aug-27, JMIR AI DOI:10.2196/52190 PMID:39190905	研究论文	本研究比较了传统机器学习、深度学习和基于BERT的大语言模型在预测护士分诊笔记中住院需求方面的性能，以评估资源管理策略	首次系统比较了不同计算资源需求模型（从简单逻辑回归到复杂BERT模型）在护士分诊笔记预测任务中的表现，为资源受限环境提供实用指导	研究仅基于单一医疗系统数据，外部泛化能力需进一步验证；未考虑其他可能影响住院预测的临床因素	评估不同计算复杂度模型在预测急诊患者住院需求方面的性能差异，为医疗系统资源管理提供决策依据	急诊科护士分诊笔记	自然语言处理	NA	自然语言处理	逻辑回归, BERT	文本	1,391,988名患者（来自2017-2022年Mount Sinai医疗系统急诊科）	NA	Bio-Clinical-BERT	受试者工作特征曲线下面积	NA
60	2025-12-13	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量	设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文	未明确说明模型在极端运动场景或计算资源受限环境下的性能表现	提升低分辨率低帧率视频的时空分辨率	视频序列	计算机视觉	NA	深度学习	RNN, 注意力网络	视频	多个数据集（未指定具体数量）	PyTorch（根据GitHub仓库推断）	STDAN（包含LSTFI和STDFA模块）	未明确说明，但提及超越现有方法	NA