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
81	2025-04-03	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了大型语言模型和传统深度学习模型在不良事件提取中的效果，并通过集成方法提升了性能	通过集成微调的传统深度学习模型和大型语言模型，提高了从文本数据中提取不良事件信息的准确性和鲁棒性	研究样本量相对较小，且未涵盖所有可能的不良事件类型	评估和改进从文本数据中提取COVID-19疫苗接种后不良事件的方法	疫苗、注射和不良事件实体	自然语言处理	COVID-19	深度学习、大型语言模型	RNN、BioBERT、GPT-2、GPT-3.5、GPT-4、Llama-2	文本	VAERS报告230份、Twitter帖子3383条、Reddit帖子49条
82	2025-04-03	MARBLE: interpretable representations of neural population dynamics using geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02582-2 PMID:39962310	研究论文	介绍了一种名为MARBLE的表示学习方法，用于分解神经流形上的动态过程并将其映射到共同的潜在空间	利用无监督几何深度学习分解神经流形上的局部流场，发现了一致的低维潜在表示	需要进一步验证在更广泛的神经数据集上的适用性	学习神经流形上的动态过程以推断可解释且一致的潜在表示	模拟非线性动力系统、循环神经网络以及灵长类和啮齿类动物的实验单神经元记录	机器学习	NA	几何深度学习	MARBLE	神经记录数据	灵长类和啮齿类动物的实验单神经元记录
83	2025-02-19	Interpreting and comparing neural activity across systems by geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02581-3 PMID:39962313	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
84	2025-04-03	Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting 2025-Mar-01, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.10.0305 PMID:40023145	研究论文	开发一种基于深度学习和智能手机的AI诊断工具，用于提高非洲猪瘟（ASF）侧流层析试纸（LFA）读取的准确性	结合深度学习和两步算法，开发了一种高精度的即时检测工具，并通过智能手机应用实现ASF病例的快速报告和可视化	模型的平均召回率为79 ± 13.20%，存在一定的误检或漏检风险	提高非洲猪瘟（ASF）诊断的准确性和报告效率，特别是在实验室资源有限的地区	非洲猪瘟（ASF）侧流层析试纸（LFA）的图像数据	计算机视觉	非洲猪瘟	深度学习	YOLO	图像	未明确说明具体数量，但使用了3种不同的训练/开发/测试数据集划分
85	2025-04-03	A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information 2025-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM26204 PMID:40160568	研究论文	本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病	提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用	模型依赖于公开数据集，可能无法涵盖所有临床场景	设计一个高效且高精度的冠心病预测模型	冠心病患者	机器学习	心血管疾病	奇异值分解方法	多层感知机	临床信息	五个公开数据集，共1222名患者
86	2025-04-02	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-Mar-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	research paper	该研究开发了一种利用数字光电容积描记（PPGD）信号和深度学习技术预测心血管生物标志物的非侵入性方法，用于全面评估心脏血流动力学状态	提出了一种并行卷积神经网络（PCNN）方法，同时处理原始PPGD信号和非线性特征，为心血管生物标志物预测提供了新颖的非侵入性解决方案	研究结果尚未在真实临床环境中验证，未来需要进一步改进临床适用性	开发非侵入性方法预测心脏血流动力学关键参数（如心输出量、系统血管阻力和动脉顺应性）	心脏血流动力学状态（CHS）及其关键参数	machine learning	cardiovascular disease	digital photoplethysmography (PPGD), deep learning	parallel convolutional neural network (PCNN)	PPGD signals	4374名虚拟受试者
87	2025-04-02	Diagnostic performance of deep learning-assisted [18F]FDG PET imaging for Alzheimer's disease: a systematic review and meta-analysis 2025-Mar-31, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07228-9 PMID:40159544	meta-analysis	通过系统综述和荟萃分析评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能	首次对深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能进行系统综述和荟萃分析	研究间存在显著的异质性，部分归因于深度学习方法和成像模态的差异	评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能	阿尔茨海默病(AD)、轻度认知障碍(MCI)和正常对照(NC)	digital pathology	geriatric disease	[18F]FDG PET成像	深度学习(DL)	医学影像	36项符合纳入标准的研究
88	2025-04-02	Toxicologic Pathology Forum*: Opinion on New Technologies and Trends Disrupting Drug Discovery and Development: How Can the Next Generation of Toxicologic Pathologists Be Prepared for Evolving Roles? 2025-Mar-31, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251321805 PMID:40159889	评论	本文探讨了制药行业技术创新的加速如何重塑药物研发，并提出了毒理病理学家如何适应和利用这些变化的建议	讨论了当前技术变革的速度和规模对毒理病理学家角色的影响，并提出了未来行业所需人才类型的思考	未提出具体的培训或教育方案来应对这些变化	探讨毒理病理学家如何适应制药行业的技术和社会变革，并利用这些变化为药物研发做出更大贡献	毒理病理学家和制药行业	数字病理	NA	人工智能、深度学习、数字病理	NA	NA	NA
89	2025-04-02	Unsupervised Deep Learning of Electronic Health Records to Characterize Heterogeneity Across Alzheimer Disease and Related Dementias: Cross-Sectional Study 2025-Mar-31, JMIR aging IF:5.0Q1 DOI:10.2196/65178 PMID:40163031	研究论文	利用无监督深度学习技术分析电子健康记录，以识别阿尔茨海默病及相关痴呆症的异质性亚型	结合非ADRD诊断代码的预训练嵌入和大型语言模型（LLM）生成的临床记录嵌入，通过分层聚类识别出具有不同临床特征的ADRD亚型	研究仅基于单一记忆诊所的患者数据，可能无法推广到更广泛的人群	识别阿尔茨海默病及相关痴呆症（ADRD）的临床亚型，以支持精准医疗	3454名来自麻省总医院记忆诊所的ADRD患者	自然语言处理	老年病	无监督学习、大型语言模型（LLM）	分层聚类	电子健康记录（EHRs）	3454名ADRD患者
90	2025-04-02	Machine learning radiomics for H3K27M mutation prediction in gliomas: A systematic review and meta-analysis 2025-Mar-31, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03597-y PMID:40163098	meta-analysis	该研究通过系统综述和荟萃分析评估了基于机器学习的影像组学模型在预测胶质瘤H3K27M突变中的性能	首次通过荟萃分析全面评估机器学习模型在预测H3K27M突变中的诊断性能，并比较了深度学习与传统机器学习模型的差异	纳入研究数量有限(15项)，且未对不同MRI序列或特征提取方法进行亚组分析	评估机器学习模型预测胶质瘤H3K27M突变的诊断性能	胶质瘤患者	digital pathology	glioma	MRI radiomics	machine learning/deep learning	medical imaging	15项研究(具体样本量未明确说明)
91	2025-04-02	Automated detection of retinal artery occlusion in fundus photography via self-supervised deep learning and multimodal interpretability using a multimodal AI chatbot 2025-Mar-31, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03353-7 PMID:40163243	research paper	本研究提出了一种基于自监督深度学习和多模态可解释性的创新AI方法，用于从眼底图像中自动检测视网膜动脉阻塞（RAO）	首次将深度学习应用于RAO检测，并采用自监督学习框架SimCLR解决标记数据不足的问题，同时结合多模态AI聊天机器人（ChatGPT-4）和Grad-CAM可视化提升模型的可解释性	研究未提及模型在更广泛或多样化数据集上的表现，可能影响其普遍适用性	开发一种AI模型，用于早期检测视网膜动脉阻塞（RAO）以预防不可逆的视力损失	眼底图像中的视网膜动脉阻塞（RAO）特征	digital pathology	cardiovascular disease	self-supervised learning (SSL), SimCLR, multimodal interpretability	ResNet50	image	两个外部验证数据集（具体样本量未提及）
92	2025-04-02	Deep Learning-Enhanced Hand-Driven Microfluidic Chip for Multiplexed Nucleic Acid Detection Based on RPA/CRISPR 2025-Mar-31, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202414918 PMID:40163382	研究论文	提出了一种名为R-CHIP的便携式系统，用于多重核酸检测，整合了RPA、CRISPR检测、手动微流控和人工智能平台	结合了RPA/CRISPR技术、手动微流控和深度学习模型ResNet-18，提高了检测效率和便捷性	未提及长期稳定性和大规模应用的验证	开发一种便携式系统，用于高风险人乳头瘤病毒（HR-HPV）的早期检测，以改善宫颈癌的预后评估	高风险人乳头瘤病毒（HR-HPV）的临床样本	数字病理学	宫颈癌	RPA, CRISPR, 微流控技术	ResNet-18	图像	300例临床样本
93	2025-04-02	Anticancer drug response prediction integrating multi-omics pathway-based difference features and multiple deep learning techniques 2025-Mar-31, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012905 PMID:40163555	研究论文	本研究提出了一种名为PASO的深度学习模型，用于预测细胞系对抗癌药物的敏感性，整合了多组学通路差异特征和多种深度学习技术	创新点在于整合了transformer编码器、多尺度卷积网络和注意力机制，利用通路差异值作为细胞系特征，并结合药物的SMILES化学结构信息进行预测	虽然模型在预测抗癌药物敏感性方面表现出较高准确性，但未提及在临床实际应用中的验证范围和潜在限制	个体化预测癌症药物敏感性，为精准医疗提供支持	细胞系和药物分子	机器学习	肺癌	多组学数据分析、深度学习	transformer编码器、多尺度卷积网络、注意力机制、MLP	基因表达、基因突变、基因拷贝数变异、药物SMILES化学结构	未明确提及具体样本数量，但使用了细胞系数据和TCGA临床数据
94	2025-04-02	Deep Learning with Reflection High-Energy Electron Diffraction Images to Predict Cation Ratio in Sr2xTi2(1-x)O3 Thin Films 2025-Mar-31, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c00787 PMID:40163590	research paper	本研究利用深度学习技术，通过反射高能电子衍射图像预测SrTiO薄膜的化学计量比	将通常仅限于定性评估的诊断工具转变为定量测量薄膜性质的替代方法，揭示了衍射条纹特征与阳离子化学计量比之间先前未知的相关性	数据集较小，仅包含31个样本	加速、理解和控制薄膜合成过程，揭示合成条件与材料性质之间的关系	SrTiO薄膜	machine learning	NA	反射高能电子衍射	gated convolutional neural network	image	31个样本
95	2025-04-02	Artificial Intelligence for Classification of Endoscopic Severity of Inflammatory Bowel Disease: A Systematic Review and Critical Appraisal 2025-Mar-31, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf050 PMID:40163659	系统性综述	本文系统性综述并批判性评估了人工智能辅助内镜下炎症性肠病严重程度分类的文献	总结了2019至2024年间31项关于AI模型用于内镜下IBD严重程度分类的研究，并首次使用APPRAISE-AI工具对研究质量进行系统评估	克罗恩病相关研究较少(仅3项)，AI模型的外部验证不足，数据和代码透明度有待提高	评估AI在内镜下炎症性肠病严重程度分类中的应用现状与研究质量	溃疡性结肠炎(28项研究)和克罗恩病(3项研究)的内镜图像/视频	数字病理学	炎症性肠病	深度学习	AI模型（具体类型未说明）	图像和视频	31项研究（未报告总样本量）
96	2025-04-02	Diagnosis of Oral Cancer With Deep Learning. A Comparative Test Accuracy Systematic Review 2025-Mar-31, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15330 PMID:40163741	meta-analysis	比较深度学习模型与人类专家及其他诊断方法在口腔癌临床检测中的准确性	首次系统性地比较深度学习模型与人类专家在口腔癌诊断中的准确性	纳入研究存在偏倚风险，证据等级较低	评估深度学习模型在口腔癌诊断中的准确性	口腔黏膜病变（癌变与非癌变）的摄影图像	digital pathology	oral cancer	deep learning	NA	image	8项研究（具体样本量未明确说明）
97	2025-04-02	A Tunable Forced Alignment System Based on Deep Learning: Applications to Child Speech 2025-Mar-31, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-24-00347 PMID:40163771	research paper	开发了一个基于深度学习的可调谐强制对齐系统Wav2TextGrid，用于儿童语音分析	提出了一个可训练的、说话者自适应的神经强制对齐器，可直接在手动对齐上进行训练	仅使用了42名3至6岁神经典型儿童的语料库进行验证	开发一个适用于非标准语音（如儿童语音）的自动化语音分析工具	儿童语音和TIMIT语料库	natural language processing	NA	deep learning	neural forced aligner	speech	42名3至6岁神经典型儿童
98	2025-04-02	Portal dose image prediction using Monte Carlo generated transmission energy fluence maps of dynamic radiotherapy treatment plans: A deep learning approach 2025-Mar-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc73f PMID:40164089	research paper	该研究开发了一种结合蒙特卡洛模拟和深度学习的混合模型，用于预测动态放射治疗计划中的电子门控成像设备（EPID）图像	结合蒙特卡洛模拟和深度学习的方法，用于预测放射治疗中的EPID图像，为体内剂量学提供参考图像	模型在简单和复杂变体中的伽马通过率存在较大差异，可能影响预测的准确性	开发一种混合模型，用于预测动态放射治疗计划中的EPID图像，以支持体内剂量学质量保证	动态放射治疗计划和EPID图像	医学影像处理	癌症	蒙特卡洛模拟和深度学习	U-Net	图像	17个临床治疗计划
99	2025-04-02	Enrichment Analysis and Deep Learning in Biomedical Ontology: Applications and Advancements 2025-Mar-31, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih DOI:10.24920/004464 PMID:40164517	review	本文综述了基于生物医学本体结构及语义注释特性的富集分析和深度学习方法，强调了技术进步如何更全面地利用本体信息	结合富集分析和深度学习技术，探索生物医学本体的新应用和进展	NA	推动生物医学研究的发展，探索生物医学本体在大数据技术下的新应用	生物医学本体	machine learning	NA	富集分析, deep learning	deep learning	multi-dimensional, heterogeneous biomedical big data	NA
100	2025-04-02	A streaming brain-to-voice neuroprosthesis to restore naturalistic communication 2025-Mar-31, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-025-01905-6 PMID:40164740	research paper	该研究开发了一种流式脑到语音的神经假体，用于恢复瘫痪患者的自然语言交流能力	使用高密度表面记录和深度学习循环神经网络转换器模型，实现了个性化的在线大词汇量可理解流畅语音合成	研究仅针对一名严重瘫痪和无言语能力的临床试验参与者进行，样本量较小	恢复瘫痪患者的自然语言交流能力	严重瘫痪和无言语能力的患者	神经工程	瘫痪	高密度表面记录、深度学习	RNN transducer	神经信号	1名临床试验参与者