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
181	2025-08-07	Leveraging deep learning for the detection of socially desirable tendencies in personnel selection: A proof-of-concept 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329205 PMID:40763162	研究论文	提出一种基于深度学习的方法，用于检测人员选拔中的社会期望反应倾向	利用深度学习模型Entrans从非语言视觉线索中检测社会期望反应倾向，为人员选拔提供新工具	样本量较小（91名参与者），且为概念验证阶段，需进一步验证	开发有效测量社会期望反应倾向的工具	求职者在模拟面试中的非语言行为	机器学习	NA	迁移学习	Entrans（基于CNN的迁移学习模型）	视频序列图像	91名参与者的5,460个增强数据点
182	2025-08-07	Comparison of Artificial Intelligence Models Using CT Radiomics for Predicting Post-Vertebral Augmentation Residual Back Pain in Osteoporotic Vertebral Compression Fractures 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.114419 PMID:40765571	research paper	本研究通过系统比较多种AI模型，结合CT影像组学特征与临床参数，旨在预测骨质疏松性椎体压缩骨折（OVCFs）椎体增强术后残余背痛（RBP）的最佳模型	首次探索了CT影像组学与AI结合预测RBP的方法，并比较了多种AI模型的性能	研究仅基于单一中心的前瞻性数据，可能影响模型的泛化能力	通过术前风险分层改善骨质疏松性椎体压缩骨折手术决策	接受椎体增强术的骨质疏松性椎体压缩骨折患者	digital pathology	骨质疏松性椎体压缩骨折	CT影像组学	TabNet	image	856名患者（其中102例出现RBP）
183	2025-08-07	Adapting and evaluating deep-pseudo neural network for survival data with time-varying covariates 2025, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2444649 PMID:40765660	研究论文	本研究调整并评估了深度伪生存神经网络（DSNN）模型在处理包含时变协变量的生存数据中的应用	将DSNN模型扩展应用于时变协变量的生存数据预测，展示了其在处理此类数据时与现有方法相当的性能	研究结果基于模拟数据和真实世界数据，但未明确提及模型在其他类型数据或更大规模数据集上的泛化能力	评估和调整DSNN模型以预测包含时变协变量的生存数据	生存数据，特别是包含时变协变量的数据	机器学习	NA	深度伪生存神经网络（DSNN）	DSNN	生存数据	NA
184	2025-08-07	Predicting Chemotherapy-Induced Peripheral Neuropathy Using Transformer-Based Multimodal Deep Learning 2025, Research (Washington, D.C.) DOI:10.34133/research.0795 PMID:40765998	研究论文	本研究开发了一种基于Transformer的多模态深度学习模型，用于预测化疗引起的周围神经病变（CIPN）	首次将Transformer架构应用于CIPN预测，并整合了临床、基因组、生物信号、可穿戴设备和影像等多模态数据	需要多中心验证和实时电子健康记录整合，未来应关注高危患者的神经保护策略开发	提高化疗引起的周围神经病变（CIPN）的预测准确性	接受化疗的癌症患者	数字病理学	癌症	深度学习	Transformer	多模态数据（临床、基因组、生物信号、可穿戴设备、影像）	2020-2025年间接受化疗的癌症患者回顾性和前瞻性队列
185	2025-08-07	An interpretable XAI deep EEG model for schizophrenia diagnosis using feature selection and attention mechanisms 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1630291 PMID:40766336	research paper	该研究提出了一种基于脑电图（EEG）数据的可解释深度学习模型，用于精神分裂症的自动化诊断	结合了特征选择和注意力机制的可解释XAI模型，提高了诊断的准确性和可解释性	模型的准确率为0.68%，仍有提升空间	开发一种自动化技术，提高精神分裂症诊断的准确性和可解释性	精神分裂症患者的EEG数据	machine learning	精神分裂症	EEG, SMOTE, SHAP, LIME	DNN, BiLSTM-GRU, BiLSTM with Attention	EEG传感器数据	NA
186	2025-08-07	Computer-vision based automatic rider helmet violation detection and vehicle identification in Indian smart city scenarios using NVIDIA TAO toolkit and YOLOv8 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1582257 PMID:40766945	research paper	提出了一种基于计算机视觉的两步深度学习方法来检测骑手头盔违规行为和车辆识别，以加强印度智能城市中的交通法规执行	结合NVIDIA TAO工具包中的预训练目标检测模型和YOLOv8架构，实现高效的头盔佩戴状态检测和车牌号码识别	缺乏公开可用的交通数据集，需自定义数据集进行模型训练和验证	通过实时检测骑手头盔违规行为，加强交通法规执行，提高公共安全	印度智能城市中的两轮车骑手及其头盔佩戴情况和车牌号码	computer vision	NA	deep learning, object detection, OCR	ResNet18 CNN, YOLOv8	image	自定义摩托车骑手图像数据集，包含复杂场景下的样本
187	2025-08-07	Artificial intelligence in the diagnosis and management of dysphagia: a scoping review 2025, CoDAS IF:0.9Q4 DOI:10.1590/2317-1782/e20240305en PMID:40767676	综述	本文通过范围综述方法，总结了人工智能在吞咽困难诊断和管理中的技术进展	突出了深度学习在视频荧光吞咽检查中的主导地位和适用性	存在研究空白，需要进一步调查以巩固这些技术的临床适用性和影响	绘制和综合人工智能在吞咽困难诊断和管理中的技术进展证据	吞咽困难患者，特别是神经系统疾病患者	数字病理学	神经系统疾病	视频荧光吞咽检查	深度学习	视频	61篇研究文章
188	2025-08-07	Early multi-cancer detection through deep learning: An anomaly detection approach using Variational Autoencoder 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104751 PMID:39571772	研究论文	该研究开发了一种基于变分自编码器的深度学习模型，用于通过转录组数据早期检测多种癌症	提出了一种不局限于特定癌症类型的异常检测方法，利用变分自编码器处理未标记的大规模转录组数据	模型仅在六种癌症类型上进行了测试，可能需要更多数据验证其泛化能力	开发能够早期检测多种癌症的深度学习模型	转录组数据中的癌症异常检测	机器学习	癌症	转录组数据分析	变分自编码器（VAE）	转录组数据	使用了TCGA和GTEx数据库的数据，涉及六种癌症类型
189	2025-08-07	Structural analysis and intelligent classification of clinical trial eligibility criteria based on deep learning and medical text mining 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104753 PMID:39603550	研究论文	本文介绍了一种名为CTEC-AC的新模型，旨在将临床试验的资格标准结构化，以提高临床试验的效率、质量和创新能力	结合了ClinicalBERT和MetaMap两种强大方法增强资格标准的表达力，并采用层次聚类算法进行自动分类	未提及具体局限性	提高临床试验的效率、质量和创新能力	临床试验的资格标准	自然语言处理	NA	ClinicalBERT, MetaMap, 层次聚类算法	CTEC-AC	文本	2500项临床试验，生成超过20000条资格标准数据
190	2025-08-07	How to identify patient perception of AI voice robots in the follow-up scenario? A multimodal identity perception method based on deep learning 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104757 PMID:39631488	研究论文	本研究构建了一个基于深度学习的多模态身份感知模型，用于识别患者对AI语音机器人的感知	提出了一种结合BERT、TextCNN、AST和LSTM的多模态特征提取与融合方法，用于识别患者对AI语音机器人的感知	研究样本仅限于2030条患者响应音频和文本数据，可能无法涵盖所有患者群体	提高AI语音机器人在出院后随访中的效果，优化随访流程并改善患者合作	患者对AI语音机器人的感知	自然语言处理	NA	深度学习	BERT, TextCNN, AST, LSTM	音频, 文本	2030条患者响应音频和文本数据
191	2025-08-07	Sleep apnea test prediction based on Electronic Health Records 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104737 PMID:39489457	研究论文	基于电子健康记录（EHR）开发预测模型，用于预测个体是否会在50岁后接受睡眠呼吸暂停测试	引入RankLi方法进行时间变量选择，并探讨了根据EHR记录数量进行控制匹配和子群建模的有效性	研究未提及模型在更广泛人群中的泛化能力或实际临床应用的可行性	提前识别可能需要进行睡眠呼吸暂停测试的个体	潜在需要进行睡眠呼吸暂停测试的保险成员	机器学习	阻塞性睡眠呼吸暂停（OSA）	RankLi方法、t检验	1-CNN、LSTM、随机森林、逻辑回归	电子健康记录（EHR）	未明确提及具体样本数量，但涉及男性和女性群体
192	2025-08-07	Improving tabular data extraction in scanned laboratory reports using deep learning models 2024-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104735 PMID:39393477	研究论文	本研究开发了一种基于深度学习的OCR方法，用于从扫描的实验室报告中准确提取表格数据	采用DETR R18和EDD模型构建OCR流程，显著提高了表格检测和识别的性能	研究仅基于650个标注表格，样本量可能不足以覆盖所有临床实验室报告类型	开发新技术以从扫描的实验室报告中准确提取实验室测试信息	扫描的实验室报告中的表格数据	自然语言处理	NA	OCR	DETR R18, YOLOv8s, PaddleOCR, EDD	图像	632份实验室测试报告中的650个表格
193	2025-08-07	Demonstration-based learning for few-shot biomedical named entity recognition under machine reading comprehension 2024-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104739 PMID:39490610	研究论文	本文提出了一种基于示范的学习方法，用于在机器阅读理解框架下解决少样本生物医学命名实体识别问题	将生物医学命名实体识别重新定义为机器阅读理解问题，并采用示范学习方法提升少样本场景下的性能	实验仅在六个基准数据集上进行验证，可能需要更多样化的数据集来证明方法的普适性	提升少样本学习场景下生物医学命名实体识别的模型性能	生物医学文本中的命名实体	自然语言处理	NA	机器阅读理解(MRC)	MRC-based语言模型	文本	六个基准数据集(BC4CHEMD, BC5CDR-Chemical, BC5CDR-Disease, NCBI-Disease, BC2GM, JNLPBA)
194	2025-08-07	Deep learning significantly boosts CRT response prediction using synthetic longitudinal strain data: Training on synthetic data and testing on real patients 2024-Oct-28, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100803 PMID:39477070	研究论文	本研究利用深度学习技术构建模型，预测心力衰竭患者对心脏再同步化治疗（CRT）的反应	首次使用合成数据和深度学习技术（DNN和1D-CNN）预测CRT反应，并展示了高预测性能	样本量相对较小（131名患者），且合成数据可能无法完全反映真实临床数据的复杂性	提高心脏再同步化治疗（CRT）反应的预测准确性、精确度和灵敏度	心力衰竭患者	机器学习	心血管疾病	SMOTE（合成少数类过采样技术）、t-SNE、SHAP分析	DNN、1D-CNN	二维超声心动图应变轨迹	131名患者的数据，合成2000个模型输入
195	2025-08-07	Downgrading Breast Imaging Reporting and Data System categories in ultrasound using strain elastography and computer-aided diagnosis system: a multicenter, prospective study 2024-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqae136 PMID:39102827	研究论文	研究探讨了在乳腺超声检查中加入弹性成像应变比（SR）和基于深度学习的计算机辅助诊断（CAD）系统，以帮助重新分类BI-RADS 3和4a-c类别，从而避免不必要的活检	结合弹性成像应变比和深度学习CAD系统优化BI-RADS分类，显著减少不必要的活检	研究仅针对BI-RADS 3和4a-c类别的肿块，未涵盖所有BI-RADS类别	评估SR和CAD系统在乳腺超声检查中对BI-RADS分类的优化效果	1049个乳腺肿块（691个良性，358个恶性）	数字病理	乳腺癌	超声弹性成像和深度学习CAD系统	深度学习	超声图像	1049个乳腺肿块（691个良性，358个恶性）
196	2025-08-07	Prediction of hypertension risk based on multiple feature fusion 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104701 PMID:39047932	研究论文	提出一种基于多特征融合的脉搏波分类模型，用于高血压风险的准确预测	提出基于动态权重的集成欠采样模型和混合注意力机制的深度学习模型，结合动态Dempster/Shafer理论构建多特征融合模型，提高分类准确性和泛化性能	研究样本仅来自两所医院，可能存在地域局限性	提高高血压预测的分类准确性和泛化性能	高血压患者	机器学习	心血管疾病	多特征融合、动态DS理论	集成欠采样模型、混合注意力机制深度学习模型	脉搏波、问诊数据	409例高血压样本（来自上海中医药大学附属龙华医院和中西医结合医院）
197	2025-08-07	A novel deep learning model based on transformer and cross modality attention for classification of sleep stages 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104689 PMID:39029770	研究论文	提出了一种基于transformer和跨模态注意力的新型深度学习模型，用于睡眠阶段分类	结合transformer编码器-解码器和跨模态注意力机制，有效整合多生理通道信息以提高分类准确性	仅使用SHHS数据集进行评估，未在其他数据集上验证模型泛化能力	提高睡眠阶段分类的准确性	睡眠阶段	机器学习	NA	深度学习	transformer + 跨模态注意力	时间序列生理信号数据	Sleep Heart Health Study Dataset (SHHS)数据
198	2025-08-07	Semi-supervised Double Deep Learning Temporal Risk Prediction (SeDDLeR) with Electronic Health Records 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104685 PMID:39004109	研究论文	本文提出了一种基于电子健康记录（EHR）的半监督双重深度学习时序风险预测算法（SeDDLeR），用于预测未来临床事件的风险	提出了一种结合半监督学习和深度学习的时序风险预测算法，能够处理未标记数据和复杂风险因素的时序效应	需要少量黄金标准标签数据，且算法性能依赖于初始代理变量的构建质量	开发一种能够利用大量未标记EHR数据进行时序风险预测的算法	电子健康记录（EHR）数据和2型糖尿病（T2D）风险预测	机器学习	2型糖尿病	半监督学习、深度学习	GRU	电子健康记录（EHR）	马萨诸塞州总医院布里格姆生物库（MGB Biobank）数据
199	2025-08-07	Promoting smartphone-based keratitis screening using meta-learning: A multicenter study 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104722 PMID:39244181	research paper	本研究提出了一种基于元学习的框架CNCML，用于在智能手机数据不足的情况下开发角膜炎筛查模型	利用从裂隙灯照片中获取的先验知识，开发了CNCML框架，以解决智能手机数据有限的问题	研究依赖于有限的智能手机照片样本，可能影响模型的泛化能力	开发一种基于智能手机的角膜炎筛查模型，以解决专业设备不足的问题	角膜炎患者	digital pathology	keratitis	meta-learning	CNCML	image	13,009张裂隙灯照片和4,075张智能手机照片，来自3个独立临床中心
200	2025-08-07	Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104673 PMID:38862083	研究论文	本文提出了一种基于临床知识的模板引导方法，用于改进气胸分类中AI模型的事后解释	通过结合气胸的临床知识生成模板，过滤掉XAI方法生成的不相关解释，提高了模型解释的准确性	研究仅针对气胸这一特定疾病，且模板生成依赖于放射科医生的病灶标注	提高深度学习模型在气胸诊断中的可解释性	气胸的AI诊断模型	数字病理	气胸	深度学习	VGG-19, ResNet-50	医学影像	两个真实世界数据集(SIIM-ACR和ChestX-Det)