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
161	2026-09-08	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	本研究利用机器学习和深度学习技术预测胃肠道间质瘤（GIST）患者对伊马替尼的服药依从性，并识别相关风险因素。	首次在实际临床环境中应用机器学习技术预测GIST患者伊马替尼不依从的风险因素	摘要未提及局限性	评估GIST患者伊马替尼依从率，并开发基于ML和DL的模型以预测不依从风险	胃肠道间质瘤患者，共397名	机器学习	胃肠道间质瘤	问卷调查	机器学习与深度学习模型，包括梯度提升机、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet和Wide&Deep	问卷数据	397名GIST患者	未提及	XGBoost、LGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	F1分数	未提及
162	2026-09-08	Post-Cardiac arrest outcome prediction using machine learning: A systematic review and meta-analysis 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105659 PMID:39481177	系统综述与荟萃分析	一项系统综述和荟萃分析，评估基于机器学习和深度学习模型使用结构化数据预测心脏骤停后临床结局的有效性	综合评估多种机器学习与深度学习模型在不同时间点预测心脏骤停后结局的性能，并采用CHARMS和PROBAST工具进行标准化评估	存在显著异质性和高风险偏倚，主要由缺失数据处理不当和缺少校准图引起	评估机器学习和深度学习模型在预测心脏骤停后自主循环恢复、生存和神经学结局方面的性能，并与传统回归算法进行比较	心脏骤停患者及其临床结局（自主循环恢复、生存/死亡、神经学结局）	机器学习	心脏骤停后疾病	NA	机器学习模型, 深度学习模型	结构化数据	41项研究，共97个机器学习模型和16个深度学习模型	NA	NA	曲线下面积(AUC)	NA
163	2026-09-08	Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105680 PMID:39500035	研究论文	开发了一种基于对比学习和k近邻搜索的模块化跨模态相似病例检索模型，用于从不同数据模态中检索相似临床病例。	提出了一种模块化的CRMR模型，首次实现了跨模态临床病例检索，通过对比学习和k近邻搜索结合的方式，解决了多模态数据检索的挑战。	摘要中未明确提及局限性。	开发一种跨模态临床病例检索模型，以支持临床决策。	使用公共MIMIC-CXR数据集的胸部X光图像和相关临床文本记录。	机器学习	NA	对比学习、k近邻搜索	模块化模型（包含特征提取、特征转换和检索模型）	图像和文本	使用MIMIC-CXR数据集，具体样本量未在摘要中提供。	NA	特征提取模型、特征转换模型、特征转换优化模型、病例检索模型	平均检索精度（AP@k），检索时间	NA
164	2026-09-08	Expert opinion elicitation for assisting deep learning based Lyme disease classifier with patient data 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105682 PMID:39504916	研究论文	本研究通过征求十五位专家医生的意见，从患者数据中计算莱姆病红斑迁移（EM）概率评分，以辅助基于深度学习的图像分类器。	首次通过专家意见征询从患者数据中计算莱姆病概率评分，并提出结合多模态独立概率估计的算法。	未明确提及，可能受限于专家意见的主观性和样本量。	利用患者数据辅助深度学习模型进行莱姆病诊断，提高图像预筛查的稳健性。	莱姆病红斑迁移（EM）皮肤病变及其相关的患者数据。	机器学习	莱姆病	NA	高斯混合模型、决策树	患者问卷数据	未明确说明样本量，涉及十五位专家医生。	NA	NA	NA	NA
165	2026-09-08	Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105694 PMID:39515045	研究论文	本研究开发了一种结合注意力机制和多任务学习的深度学习模型，用于非小细胞肺癌的组织学亚型和临床分期分类，并显示出优于现有模型的表现	将注意力编码器模块整合到多任务学习网络中，显著提高了非小细胞肺癌组织学分型和临床分期的准确性，减少了对放射科医生精确标注的依赖	未明确说明	开发一种具有注意力编码器的多任务学习方法，用于非小细胞肺癌组织学亚型和临床分期的分类，并取得优于当前流行深度学习模型的性能	758例非小细胞肺癌患者（平均年龄66.2岁±10.3，其中男性473名），涵盖腺癌和鳞状细胞癌病例	计算机视觉	非小细胞肺癌	CT成像	多任务学习模型，基于MobileNet架构	CT图像	758例患者，4548张CT切片	NA	MobileNet，注意力机制（如注意力编码器）	AUC	NA
166	2026-09-08	Supporting the care to breast cancer patients with unique needs: Evidence from online community members' responses 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105695 PMID:39546951	研究论文	本研究提出了一种唯一性评分提取框架，用于识别在线癌症社区中具有独特健康或非健康话题的帖子，并分析这些帖子的唯一性如何影响社区成员的响应行为	创新性地结合深度学习和计量经济学模型，提出唯一性评分提取框架，首次量化在线社区帖子中健康和非健康话题的唯一性，并分析其对社区响应的影响	研究仅基于在线社区帖子的文本数据，未考虑患者个体差异和社区外部因素，且模型可能受限于特定平台和数据来源	开发一种方法以识别和支持在线癌症社区中讨论独特话题的帖子，增强社区响应和支持策略	在线癌症社区中乳腺癌患者发布的帖子	自然语言处理	乳腺癌	深度学习、自然语言处理	BERTopic模型	文本	未在标题和摘要中提供具体样本数量	PyTorch	BERTopic	未在标题和摘要中提供具体性能指标	未在标题和摘要中提供具体计算资源信息
167	2026-09-08	Machine Learning Techniques to Infer Protein Structure and Function from Sequences: A Comprehensive Review 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_5 PMID:39576576	综述	本文综述了机器学习技术在从蛋白质序列推断其结构和功能中的应用，涵盖主要方法、挑战及最新进展	综合讨论了卷积神经网络和自然语言处理在蛋白质结构预测、残基接触预测、功能注释和亚细胞定位预测中的应用，并强调了最新深度学习架构的进展	未提供具体实验结果，主要讨论挑战包括高质量训练数据集的可用性和模型可解释性	全面概述机器学习在推断蛋白质结构和功能中的重要性及应用	蛋白质序列及其结构和功能的预测	机器学习	NA	NA	卷积神经网络和自然语言处理模型	蛋白质序列数据	NA	NA	卷积神经网络、自然语言处理模型	NA	NA
168	2026-09-08	The Iconic α-Helix: From Pauling to the Present 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_1 PMID:39576572	研究论文	从保罗ing的α-螺旋模型到深度学习预测蛋白质结构的演变历程。	强调深度学习在蛋白质结构预测中的突破性进展。	未提及具体的局限性。	探讨蛋白质结构预测的历史发展，特别是深度学习在该领域的应用。	蛋白质结构预测方法和相关历史发展。	计算机视觉, 机器学习	NA	NA	深度学习, 神经网络	文本	NA	NA	AlphaFold2	NA	NA
169	2026-09-08	LMPTMSite: A Platform for PTM Site Prediction in Proteins Leveraging Transformer-Based Protein Language Models 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_16 PMID:39576587	研究论文	本文介绍了一种基于Transformer蛋白质语言模型的PTM位点预测平台LMPTMSite，包含pLMSNOSite和LMSuccSite两个工具，分别用于预测S-亚硝基化位点和琥珀酰化位点	利用两种基于Transformer的蛋白质语言模型（pLM）进行序列编码，并展示了其在预测S-亚硝基化和琥珀酰化位点上的优越性，提供了网络服务器和独立软件包	未提及	开发和评估基于蛋白质语言模型的PTM位点预测平台，并展示其在实际生物学场景中的性能和应用	蛋白质中的S-亚硝基化位点和琥珀酰化位点	机器学习, 数字病理学	NA	蛋白质语言模型（pLM），基于Transformer的深度学习	Transformer	蛋白质序列数据	NA	NA	Transformer	准确性，AUC（推测）	CPU和RAM使用情况分析
170	2026-09-08	CrossViT with ECAP: Enhanced deep learning for jaw lesion classification 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105666 PMID:39492085	研究论文	本研究评估了CrossViT与扩展裁剪和填充（ECAP）技术在颌骨透光性病变分类中的有效性，并与ResNet模型进行比较	首次将CrossViT和ECAP技术应用于牙科放射影像分类，ECAP通过保留上下文的迭代裁剪方法扩展训练数据以提升模型性能	未明确提及局限性	评估CrossViT和ECAP在常见颌骨透光性病变分类中的效果，并与ResNet模型进行比较	208例常见颌骨透光性病变，包括成釉细胞瘤（AM）、含牙囊肿（DC）、牙源性角化囊肿（OKC）和根尖囊肿（RC）	医学影像分析	牙源性颌骨病变	影像学检查（全景X光片或口腔全景摄影）	Transformer（CrossViT）、CNN（ResNet）	图像	208例病变（49例AM，59例DC，48例OKC，54例RC）	NA	CrossViT-15, CrossViT-18, ResNet-50, ResNet-101, ResNet-152	准确率、特异度、精确率、召回率（敏感性）、F1分数、AUC	NA
171	2026-09-08	Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105698 PMID:39541619	研究论文	本研究引入一个两阶段深度学习框架，利用ATS-539体模数据客观评估超声设备图像质量，涵盖死区、轴向/横向分辨率和灰度及动态范围三个关键参数	创新点在于开发了一个两阶段深度学习框架，自动化提取感兴趣区域并进行质量评估，结合逻辑回归模型生成总体设备质量评分，提供客观、定量的超声图像质量评估方法	未明确说明局限性	旨在客观评估超声图像质量，减少主观性，实现一致的质量控制和基于评分的设备评估	研究对象为不同超声设备的ATS-539体模图像，以及用于评估的关键图像质量参数	深度学习、医学影像分析	不适用	深度学习（框架）	分类模型、检测模型、逻辑回归模型	超声体模图像	未明确说明，但涉及多个数据集及个别设备的合规图像	未明确提及，可能包含PyTorch或TensorFlow	未明确指定，可能使用CNN等架构	AUC	未明确提及
172	2026-09-08	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	本文开发了一种基于MRI的全身脑弹性成像和体积测量的机器学习框架，用于预测健康个体的脑年龄	首次结合磁共振弹性成像的力学特性（如剪切刚度）和体积测量，利用3D卷积网络进行多模态脑年龄预测，并强调不同模态的互补价值	未在神经病理个体中验证模型，且局限于健康人群的年龄预测	开发一个机器学习框架，以准确预测健康个体的时间年龄，并可用于未来研究神经发育或神经退行性疾病中的脑结构偏离	健康个体的脑部MRI数据，包括刚度、阻尼比和体积图	机器学习	神经退行性疾病	磁共振弹性成像（MRE）	3D卷积网络	图像（MRI脑部数据）	未提供具体样本数量，但涉及多个受试者的脑部成像数据	未指定，可能使用深度学习框架如PyTorch或TensorFlow	3D卷积网络	准确性（预测脑年龄的准确性）	未提供具体信息
173	2026-09-07	Enhanced Detection of Colon Diseases via a Fused Deep Learning Model with an Auxiliary Fusion Layer and Residual Blocks on Endoscopic Images 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056353246241209060804 PMID:39757657	研究论文	本文提出了一种融合深度学习模型，通过结合EfficientNetB0、MobileNetV2和ResNet50V2架构，并加入辅助融合层和残差块，用于内窥镜图像中结肠疾病的自动检测。	创新点在于采用辅助融合层和融合残差块，整合多种CNN架构的特征，以增强分类准确性和鲁棒性，同时利用残差连接缓解梯度消失问题，实现轻量级且稳定的模型训练。	NA	旨在通过融合深度学习模型提高内窥镜图像中胃肠道异常或疾病的诊断准确性，实现自动检测结肠疾病。	结肠疾病（胃肠道异常）的内窥镜图像。	计算机视觉	结肠疾病	NA	CNN（EfficientNetB0、MobileNetV2、ResNet50V2）	图像（内窥镜图像）	广泛的内窥镜图像（具体数量未提供）	NA	EfficientNetB0、MobileNetV2、ResNet50V2	准确率、鲁棒性（具体指标如精确率、召回率、F1分数、AUC等未指定）	NA
174	2026-09-06	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	综述了机器学习和深度学习在磁粒子成像（MPI）中的应用	总结了人工智能方法在MPI图像重建和分析中的最新进展和潜在未来方向	未提及	回顾机器学习与深度学习模型在MPI中的应用及其潜力	磁粒子成像（MPI）及其图像重建和分析方法	机器学习	NA	Magnetic Particle Imaging (MPI)	机器学习与深度学习模型（未具体指定）	图像	NA	NA	NA	NA	NA
175	2026-09-05	Secondary Structure Detection and Structure Modeling for Cryo-EM 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4213-9_17 PMID:39543043	研究论文	本文介绍了一套基于深度学习的工具，用于在不同分辨率的冷冻电镜密度图中进行二级结构检测和结构建模	提出了一套工具，包括DeepMainmast用于近原子分辨率下的全原子结构自动建模，DAQ score用于评估图谱-模型契合度，以及Emap2sec和Emap2sec+用于中间分辨率下的蛋白质二级结构和核酸检测	未明确说明，但可能包括对较低分辨率图谱的建模挑战和工具适用范围限制	开发深度学习工具以辅助结构生物学家在多种分辨率下处理冷冻电镜密度图并进行结构建模	冷冻电镜密度图，特别是不同分辨率下的蛋白质和核酸结构	结构生物学	NA	冷冻电镜(cryo-EM)	深度学习模型	冷冻电镜密度图	NA	NA	NA	NA	NA
176	2026-09-05	A malware classification method based on directed API call relationships 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299706 PMID:40096061	研究论文	提出一种基于有向API调用关系的恶意软件分类方法，通过构建有向图并利用改进的图卷积网络和卷积神经网络进行分类	首次将API序列建模为有向图，引入一阶和二阶图卷积网络来近似有向图卷积网络操作，以同时捕获节点属性、结构信息和方向关系	未说明具体限制，但可能包括对复杂API序列的扩展性和计算开销的考虑	提高恶意软件分类的准确性，通过利用API调用中的方向关系来克服现有方法忽略序列性质或结构信息的局限	API序列及其有向图表示	机器学习	NA	API调用分析	图卷积网络（GCN）和卷积神经网络（CNN）	API序列数据	两个真实世界的恶意软件数据集（未提供具体样本数量）	NA	一阶和二阶图卷积网络（FSGCN）与CNN	效果评估指标未具体列出，但可能包括准确率、精确率、召回率、F1分数等	NA
177	2026-09-04	The Use of Artificial Intelligence and Wearable Inertial Measurement Units in Medicine: Systematic Review 2025-01-29, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/60521 PMID:39880389	系统综述	这项系统综述评估了人工智能模型与可穿戴惯性测量单元在医疗保健中的整合情况，识别了当前应用、挑战和未来机遇。	首次系统性地总结AI与可穿戴IMU在医学中的应用，并指出了数据集规模小、深度学习模型使用不足等问题，为未来研究提供了方向。	受限于综述性质，可能遗漏某些研究；数据集规模普遍较小，且多数研究在临床环境中进行，现实场景应用有限。	评估AI模型与可穿戴IMU在医疗保健中的整合，确定应用领域、模型使用情况和数据集特征。	关于AI和IMU在医学中应用的研究文章。	数字病理学	未特指	IMU（惯性测量单元）	机器学习模型（如线性回归、支持向量机、随机森林）	传感器数据	中位数为50名参与者	NA	NA	NA	NA
178	2026-09-04	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-01, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	开发了一种用于无畸变扩散MRI的快速展开深度学习重建管线，以促进BUDA-cEPI在临床和神经科学应用中的部署	提出了基于机器学习的展开重建框架RUN-UP，结合虚拟线圈概念改进重建质量，并包含快速的B0和涡流估计，重建速度比现有技术提高约88倍	未明确指出	开发快速重建管线和加速BUDA-cEPI数据的处理，使其适合常规临床和神经科学应用	扩散磁共振成像（dMRI）数据，包括含非扩散图像和扩散张量成像（DTI）应用	机器学习, 医学影像	NA	扩散磁共振成像（dMRI）	循环神经网络（展开网络）	图像	NA	NA	U-Net	归一化均方根误差	NA
179	2026-09-04	Cancer-Associated Lymphoid Aggregates in Histology Images: Manual and Deep Learning-Based Quantification Approaches 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4184-2_12 PMID:39527225	研究论文	本文提供了一套在癌症组织学图像中量化淋巴聚集物（包括生发中心的三级淋巴结构）的方法指南，涵盖手动和基于深度学习的自动量化技术。	提出了一种基于深度学习的算法HookNet-TLS，用于检测多种组织中的淋巴聚集物和生发中心，并提供了利用手动标注图像训练和实现该算法的具体指导。	未明确说明，但可推断依赖手动标注训练数据可能限制了算法的广泛应用。	为癌症组织学图像中的淋巴聚集物量化提供标准化指南，旨在开发预后和预测性组织生物标志物。	淋巴聚集物，包括具有生发中心的三级淋巴结构（TLS），在各种癌症组织学图像中。	数字病理学	癌症	苏木精-伊红染色	深度学习	组织学图像	未明确说明	NA	HookNet-TLS	未明确说明	未明确说明
180	2026-08-30	Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study 2025-01-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57298 PMID:39819744	研究论文	开发和验证一种利用语音生物标志物识别社区老年人衰弱状态的机器学习方法	首次使用基于深度学习的声学特征和语音录音（通过图片描述任务获取）来识别衰弱状态，比传统的人口统计学数据和传统声学特征方法表现更优	研究为横断面设计，样本量有限（127名参与者），且未提供跨种族或跨语言的外部验证	开发和验证一个分类模型，利用语音生物标志物预测社区老年人的衰弱状态	年龄50岁及以上的社区老年人（127名）	机器学习	老年疾病（衰弱）	语音录音（音频数据预处理）、深度学习声学特征提取	人工智能模型（SpeechAI、DemoAI、DemoSpeechAI），包括深度学习模型和传统机器学习模型（逻辑回归、决策树、随机森林）	语音音频数据、人口统计学数据	127名社区老年人，语音录音和人口统计学信息	NA	深度学习模型（具体架构未指定）和传统机器学习模型（逻辑回归、决策树、随机森林）	准确率、AUC（受试者工作特征曲线下面积）	NA