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
61	2025-05-24	Large language models deconstruct the clinical intuition behind diagnosing autism 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.02.025 PMID:40147442	research paper	利用深度学习解构专家临床直觉，以改进自闭症诊断标准	通过大型语言模型（LLMs）分析临床报告，揭示自闭症诊断中的关键因素，挑战现有诊断标准	研究依赖于有限的临床报告样本（>4,000份），可能无法涵盖所有自闭症病例的多样性	解构临床专家直觉，改进自闭症诊断标准	自闭症患者的临床报告	natural language processing	autism	large language models (LLMs)	LLMs	text	>4,000份自由格式健康记录
62	2025-05-24	Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review 2025-04-07, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-05825-3 PMID:40192881	综述	分析人工智能技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用类型	总结了AI在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用，并探讨了多组学和影像学模型的潜力	方法学异质性限制了结果的普遍适用性，且存在数据整合和外部验证的挑战	评估人工智能技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用	类风湿性关节炎（RA）和脊柱关节炎（SpA）患者	机器学习	类风湿性关节炎, 脊柱关节炎	监督学习（如随机森林、支持向量机）、无监督聚类和深度学习	随机森林, 支持向量机, 深度学习模型	电子病历、临床生物标志物、遗传和蛋白质组学数据、影像数据	89项研究（74项关于RA，7项关于SpA，4项关于银屑病关节炎，4项混合研究）
63	2025-05-24	Difficulty aware programming knowledge tracing via large language models 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96540-3 PMID:40181055	research paper	该论文提出了一种基于大型语言模型的难度感知编程知识追踪方法（DPKT），用于评估编程问题的文本理解难度和知识概念难度，并动态更新学生的知识状态	结合注意力机制分析知识概念难度与文本理解难度的关系，并采用更新门机制和图注意力网络，显著提高了编程问题难度的评估准确性和知识状态的时空反映能力	未提及具体的数据集规模限制或模型在其他领域的泛化能力	提高编程知识追踪的准确性，促进个性化学习	学生在智能辅导系统中的交互数据	natural language processing	NA	large language models, attention mechanism, graph attention network	DPKT (Difficulty aware Programming Knowledge Tracing)	text	未提及具体样本数量
64	2025-05-24	Assessing the risk of takeover catastrophe from large language models 2025-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.14353 PMID:38945529	research paper	本文对大型语言模型（LLMs）进行了风险分析，特别关注其可能导致极端灾难（如接管世界并杀死所有人）的风险	首次针对实际AI系统（而非假设的未来系统）引发接管灾难的担忧进行分析，比较现有LLMs与理论文献中AI接管所需特性的差异	分析基于当前LLMs的能力，未来LLMs可能存在意外能力，专家对深度学习算法的看法存在分歧	评估大型语言模型引发接管灾难的风险	大型语言模型（如ChatGPT和GPT-4）	natural language processing	NA	NA	LLM	text	NA
65	2025-05-24	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	research paper	该研究提出了一种名为增量重训练堆叠LSTM（IS-LSTM）的新型深度学习框架，用于从有限的连续血糖监测（CGM）数据中进行个性化血糖预测	提出增量重训练堆叠LSTM框架，能够逐步适应个体数据并采用参数迁移提高效率，解决了传统方法需要大量训练数据的问题	研究仅针对1型糖尿病患者，未涉及其他类型糖尿病	开发一种能够从有限CGM数据中进行准确血糖预测的个性化方法	1型糖尿病患者的血糖数据	machine learning	糖尿病	连续血糖监测（CGM）	LSTM	时间序列数据	两个CGM数据集：OpenAPS和Replace-BG
66	2025-05-24	Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review 2025-Apr, Drug safety IF:4.0Q1 DOI:10.1007/s40264-024-01505-6 PMID:39786481	综述	本文通过范围综述总结了利用自然语言处理（NLP）和机器学习（ML）技术从非结构化电子健康记录（EHR）数据中检测药物不良事件（ADEs）的有效性	综述了NLP/ML技术在药物警戒中的应用，展示了这些技术在检测未报告的不良事件和发现新的安全信号方面的潜力	研究中存在技术和方法学的异质性，缺乏标准化的方法和验证标准，阻碍了NLP/ML在药物警戒中的广泛应用	评估NLP/ML技术在药物警戒中的应用效果，以提高从非结构化EHR数据中检测ADEs的能力	非结构化电子健康记录（EHR）数据	自然语言处理	NA	自然语言处理（NLP）、机器学习（ML）	基于规则的NLP、统计模型、深度学习	非结构化文本数据	七项研究符合纳入标准
67	2025-05-24	Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3498097 PMID:40030371	research paper	提出了一种基于深度学习的递归脉冲神经网络方法RSN-Count，用于家庭环境中睡眠呼吸暂停的筛查，重点在于无需精确定位事件即可可靠估计呼吸暂停低通气指数（AHI）	利用脉冲神经网络直接计数呼吸暂停事件，减少对事件时间精确定位的依赖，提高了AHI估计的准确性	研究样本量较小（N = 33），可能影响结果的普遍性	改进家庭环境中的睡眠呼吸暂停筛查方法	睡眠呼吸暂停患者	machine learning	sleep apnea	Spiking Neural Networks	RSN-Count	audio and SpO recordings	33名患者的整夜音频和血氧记录
68	2025-05-24	Brain-wide 3D neuron detection and mapping with deep learning 2025-Apr, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.2.025012 PMID:40401216	research paper	该论文介绍了一种名为NeuronMapper的全脑3D神经元检测与映射方法，利用深度学习技术实现自动化且可靠的神经元检测与定位	提出了一种四阶段框架（预处理、分类、检测和映射），结合轻量级分类网络和基于Video Swin Transformer的分割网络，实现了百万级别小鼠全脑神经元的高精度检测与定位	目前仅在小鼠脑数据上验证，尚未在其他物种或更复杂脑区测试	开发自动化神经元检测与映射技术以理解神经回路功能	小鼠全脑成像数据中的神经元胞体	digital pathology	NA	3D成像、深度学习	Video Swin Transformer	3D图像	百万级别小鼠神经元
69	2025-05-23	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Apr-28, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全幻灯片图像(WSI)分析中的应用及其在癌症病理学中的潜力	整合深度学习模型与WSIs，探索和挖掘超出病理学家视觉感知的形态学特征，以自动化临床诊断、评估组织病理学分级、预测临床结果及发现新的形态学生物标志物	讨论了将基于深度学习的数字病理学转化为临床实践的机遇与挑战，但未具体提及技术实施的具体障碍	提高组织病理学评估的精确性和效率，支持癌症患者的个性化治疗	全幻灯片图像(WSI)及其在癌症病理学中的应用	数字病理学	癌症	全幻灯片成像技术	CNN, Graph Convolutional Network, Transformer	图像	NA
70	2025-05-23	"Amide - amine + alcohol = carboxylic acid." chemical reactions as linear algebraic analogies in graph neural networks 2025-Apr-23, Chemical science IF:7.6Q1 DOI:10.1039/d4sc05655h PMID:40395375	研究论文	本文探讨了图神经网络在化学计算数据中的应用，揭示了原子嵌入的算术性质如何代表有效的化学反应公式	展示了原子嵌入在化学图神经网络中表现出的算术性质，类似于自然语言处理中的词嵌入类比，为化学反应的表示提供了解释性	NA	揭示图神经网络在化学计算中的学习机制，解释原子嵌入的算术性质如何对应化学反应	化学计算数据中的原子嵌入和化学反应	机器学习	NA	图神经网络	GNN	化学计算数据	NA
71	2025-05-23	Estimating hair density with XGBoost 2025-Apr, International journal of cosmetic science IF:2.7Q2 DOI:10.1111/ics.13030 PMID:39551627	研究论文	本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法	采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究	研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况	开发一种更准确和通用的头发密度估计方法	头皮图像	计算机视觉	NA	图像处理	XGBoost	图像	895张头皮图像（745张用于训练，150张用于测试）
72	2025-05-23	Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning 2025-Apr-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.064 PMID:39557309	研究论文	开发了一种利用主动学习和无源域适应的深度学习方法，用于鼻咽癌（NPC）大体肿瘤体积的勾画，以解决在多中心和多位评估者环境中部署分割模型时的变异性和不准确性问题	结合主动学习和无源域适应技术，显著减少了对目标域标记样本的需求，同时在多中心和多位评估者环境中实现了与全监督模型相当的性能	虽然减少了标记样本的需求，但仍需要一定量的目标域标记数据（20%）进行适应	开发一种能够准确且可推广的鼻咽癌大体肿瘤体积分割方法，以克服多中心和多位评估者环境中的变异性和不准确性	鼻咽癌患者的磁共振成像（MRI）扫描	数字病理	鼻咽癌	主动学习，无源域适应	U-Net	MRI图像	1057例来自5家医院的鼻咽癌患者MRI扫描，以及另外170例由4位独立专家标注的患者数据
73	2025-05-23	Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06709-1 PMID:39680113	研究论文	本研究利用人工智能技术对前段光学相干断层扫描（AS-OCT）图像进行深度学习分类，自动分析AS-OCT图像的角结构并分类前房角，以提高AS-OCT图像分析的效率	开发了一种基于深度学习的AS-OCT图像自动前房角分析软件，并应用迁移学习于ResNet-50架构，实现了高效的前房角闭合检测	样本主要来自上海社区的老年人青光眼筛查项目，可能限制了结果的普适性	提高AS-OCT图像分析的效率，自动化前房角的临床评估	AS-OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ResNet-50	图像	687名参与者的94895张AS-OCT图像
74	2025-05-23	Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06687-4 PMID:39680112	research paper	该研究通过深度学习模型的多尺度特征融合，提高了糖尿病视网膜病变和黄斑水肿的自动检测准确率	采用独特的融合技术结合高级语义输入和低级纹理特征，提升了诊断准确性	研究仅使用了MESSIDOR数据集，可能在其他数据集上的泛化能力未经验证	提高糖尿病视网膜病变和黄斑水肿的早期自动检测准确率	糖尿病视网膜病变和黄斑水肿的视网膜图像	digital pathology	diabetic retinopathy	deep learning	CNN	image	MESSIDOR数据集中的视网膜图像
75	2025-05-23	Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104532 PMID:40015615	研究论文	本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果	首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用	样本量较小（53名儿童），且为单中心研究	优化儿童超广角眼底成像技术以提高周边视网膜病变检出率	53名儿童（106只眼）的超广角眼底图像	数字病理	视网膜病变	超广角Optos成像系统（Daytona P200T）	基于深度学习的图像分割工具	图像	53名儿童（106只眼）
76	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Apr-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
77	2025-05-22	Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis 2025-Apr-11, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.04.006 PMID:40220991	meta-analysis	该研究通过贝叶斯元分析评估了机器学习在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性和优化方法	首次使用贝叶斯元分析方法评估机器学习在OSA诊断中的表现，并比较了不同技术参数对诊断准确性的影响	研究仅基于已发表的文献，可能存在未发表数据的偏差	评估和优化机器学习在OSA诊断中的准确性	阻塞性睡眠呼吸暂停（OSA）患者	machine learning	阻塞性睡眠呼吸暂停	Bayesian bivariate meta-analysis	deep learning vs traditional machine learning	audio recordings	训练集4,864名参与者，测试集2,370名参与者
78	2025-05-22	Dynamic Prediction of Cardiovascular Death among Old People with Mildly Reduced Kidney Function Using Deep Learning Models Based on a Prospective Cohort Study 2025-Apr-03, Gerontology IF:3.1Q3 DOI:10.1159/000545679 PMID:40359927	研究论文	本研究使用深度学习模型动态预测肾功能轻度降低的老年人心血管死亡风险	采用新型深度学习算法Dynamic DeepHit (DDH)模型，在纵向研究中展示了对个体动态生存预测的优越性能	研究仅基于中国天津社区健康促进前瞻性研究的数据，可能限制结果的普适性	识别肾功能轻度降低老年人群中心血管死亡的相关特征，并开发预测模型	12,650名60岁以上肾功能轻度降低的老年人	机器学习	心血管疾病	Cox回归、随机生存森林(RSF)、DeepHit(DH)、Dynamic DeepHit(DDH)	DDH, RSF, DH, Cox回归	临床数据	12,650名老年人（2014-2020年随访数据）
79	2025-05-22	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	评论	本文讨论了在放射学中平衡'黑盒'系统和可解释人工智能（XAI）的必要性	提出在放射学中优先考虑可解释人工智能（XAI），以增强透明度和伦理标准	XAI可能性能不如黑盒模型，且当前AI系统仍存在数据隐私、偏见和幻觉等问题	探讨AI在放射学中的应用及其伦理和法律挑战	放射学中的AI系统及其对医疗决策的影响	数字病理学	NA	机器学习和深度学习	黑盒模型和XAI	图像	NA
80	2025-05-21	Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study 2025-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-1024 PMID:40386596	research paper	本研究验证了多种深度学习模型在结直肠肿瘤分化中的应用，通过内镜超声图像进行双中心研究	结合内镜超声(EUS)与人工智能(AI)技术，验证了四种深度学习模型在结直肠腺瘤和癌症诊断中的效能，并与传统内镜诊断进行比较	研究为回顾性设计，样本量相对有限(554例患者)，且仅来自两个中心	验证EUS结合AI在结直肠腺瘤和癌症诊断中的有效性	结直肠病变患者(包括CRC、腺瘤和对照组)	digital pathology	colorectal cancer	endoscopic ultrasound (EUS)	ResNet50, EfficientNet-B0, VGG_11_BN, ViT	image	554例患者(167例CRC，136例腺瘤，251例对照)