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
2421	2026-03-15	Identifying sex differences in EEG-based emotion recognition using graph convolutional network with attention mechanism 2023-Nov-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad085a PMID:37906969	研究论文	本研究利用图卷积网络和注意力机制，基于脑电图数据识别情绪，并探究情绪处理中的性别差异	首次在跨文化多数据集上系统评估情绪脑电图模式的性别差异，并构建了性别特异性情绪识别模型	研究依赖于公开数据集，未考虑个体差异、年龄、激素水平等其他潜在影响因素	探究情绪脑电图模式中的性别差异及其对情绪识别模型性能的影响	五个公开脑电图情绪数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）中的情绪脑电图信号	机器学习	NA	脑电图	图卷积网络, 注意力机制	脑电图信号	五个公开数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）	NA	图卷积网络	NA	NA
2422	2026-03-15	Tracing the Flu Symptom Progression via a Smart Face Mask 2023-10-11, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c02492 PMID:37750614	研究论文	本文介绍了一种基于超灵敏纤维温度传感器的无线一体化智能口罩，用于监测流感症状进展	开发了一种集成了超灵敏纤维温度传感器的无线智能口罩，结合物联网和人工智能技术，实现了对呼吸和体温异常的连续监测	NA	通过智能口罩追踪流感症状进展，为个性化健康监测和护理点系统提供解决方案	流感病毒影响的呼吸和体温变化	物联网与人工智能	流感	超灵敏纤维温度传感器	深度学习算法	传感器数据（体温和呼吸）	NA	NA	NA	NA	NA
2423	2026-03-15	A deep learning approach to identify missing is-a relations in SNOMED CT 2023-02-16, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac248 PMID:36539234	研究论文	本文提出了一种基于深度学习的方法，用于识别SNOMED CT中缺失的is-a关系	利用深度学习模型结合概念名称、层次结构、词汇属性和逻辑定义特征，预测具有包含模式的概念对之间的is-a关系，并引入交叉验证启发式方法识别缺失关系	研究仅针对SNOMED CT的临床发现子层次，且模型性能依赖于专家验证的准确性	提高SNOMED CT的质量保证，通过识别缺失的is-a关系来完善临床术语知识库	SNOMED CT中的概念对，特别是具有包含模式的概念对	自然语言处理	NA	深度学习	二元分类器	文本	使用SNOMED CT临床发现子层次（2019年9月美国版）的概念对进行训练和测试	NA	NA	精确度, 召回率, F1分数	NA
2424	2026-03-15	Multi-center retrospective cohort study applying deep learning to electrocardiograms to identify left heart valvular dysfunction 2023-Feb-14, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00240-w PMID:36788316	研究论文	本研究开发并验证了基于深度学习的工具，用于从心电图（ECG）中识别左心瓣膜功能障碍，特别是主动脉瓣狭窄和二尖瓣反流	首次在多中心回顾性队列研究中，结合自然语言处理（NLP）从超声心动图报告中提取真实标签，并利用深度学习模型从ECG中检测瓣膜疾病，实现了临床部署场景的考虑	研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证中略有下降，需进一步前瞻性研究验证	开发并验证深度学习工具，以辅助临床决策，提高从ECG中提取信息的能力，用于早期疾病检测	来自纽约市五家西奈山医院的患者，包括123,096名患者用于二尖瓣反流检测，128,628名患者用于主动脉瓣狭窄检测	数字病理学	心血管疾病	自然语言处理（NLP），经胸超声心动图，心电图（ECG）	深度学习模型	文本（超声心动图报告），信号数据（ECG）	617,338个ECG-超声心动图对，涉及123,096名患者（二尖瓣反流）和128,628名患者（主动脉瓣狭窄）	NA	NA	AUROC（受试者工作特征曲线下面积）	NA
2425	2026-03-15	Multimodal deep learning for Alzheimer's disease dementia assessment 2022-06-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31037-5 PMID:35725739	研究论文	本文提出了一种多模态深度学习框架，用于阿尔茨海默病痴呆的自动化诊断与评估	开发了能够灵活整合多种临床信息（人口统计学、病史、神经心理学测试、神经影像、功能评估）的深度学习模型，并在诊断准确性上可与执业神经科医生和神经放射科医生相媲美	未明确说明模型在不同人群或医疗中心间的泛化能力，也未详细讨论数据不平衡或缺失值处理的具体方法	改善由多种病因引起的认知障碍个体的诊断流程	认知正常个体、轻度认知障碍患者、阿尔茨海默病患者及非阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	多模态深度学习	深度学习模型	多模态临床数据（人口统计学、病史、神经心理学测试、神经影像、功能评估）	NA	NA	NA	诊断准确性	NA
2426	2026-03-15	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	本文探讨了利用深度学习对阿尔茨海默病谱系进行亚型分类的方法	通过结构成像对认知受损个体进行亚型分类，为疾病异质性量化提供了新视角	NA	亚型分类阿尔茨海默病以促进靶向治疗和改善患者护理	认知受损个体	数字病理学	老年疾病	结构成像	深度学习	图像	NA	NA	NA	NA	NA
2427	2026-03-15	Uncertainty-aware deep learning in healthcare: A scoping review 2022, PLOS digital health DOI:10.1371/journal.pdig.0000085 PMID:36590140	综述	本文对医疗健康领域中深度学习不确定性量化方法进行了范围性综述，并提出了一个指定深度学习预测确定性的概念框架	首次系统性地评估了医疗健康应用中深度学习的不确定性量化方法，并提出了一个用于指定预测确定性的概念框架	报告方法的异质性阻碍了进行荟萃分析，且模型学习曲线在量化认知不确定性方面的应用较为稀疏	批判性评估医疗健康应用中深度学习的不确定性量化方法，并建立一个指定预测确定性的概念框架	医疗健康领域的深度学习模型及其不确定性估计方法	医疗健康	NA	深度学习	卷积神经网络	医学影像, 非影像数据	30项研究	NA	卷积神经网络及其变体	NA	NA
2428	2026-03-15	PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training 2022, PLOS digital health DOI:10.1371/journal.pdig.0000044 PMID:36420347	研究论文	本文介绍了一种名为PrimSeq的深度学习流程，用于分类和计数中风康复训练中的功能性动作	开发了PrimSeq流程，整合可穿戴传感器、深度学习模型和计数算法，首次实现对中风康复训练中功能性动作的自动量化测量	未明确说明模型在更广泛患者群体或不同康复环境中的泛化能力，且可能依赖于特定传感器设置	旨在量化中风康复训练中的功能性动作剂量，以支持康复治疗的定量研究	中风患者的上肢运动	机器学习	中风	可穿戴传感器运动捕捉	深度学习模型	运动传感器数据	未明确指定样本数量，但涉及具有不同程度上肢运动障碍的中风患者	NA	NA	准确性	NA
2429	2026-03-15	The METLIN small molecule dataset for machine learning-based retention time prediction 2019-12-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13680-7 PMID:31862874	研究论文	本文介绍了METLIN小分子保留时间数据集，并利用深度学习模型进行保留时间预测以辅助小分子注释	提供了迄今为止最大的实验性反相色谱保留时间数据集，包含高达80,038个小分子，显著提升了机器学习模型在保留时间预测中的准确性	未明确提及模型的具体泛化能力或在不同色谱条件下的适用性限制	通过提供大规模实验数据集，改进小分子分析中保留时间预测的准确性，以支持小分子注释	小分子化合物及其在反相色谱中的保留时间	机器学习	NA	反相色谱，质谱分析	深度学习模型	化学结构数据，保留时间数据	80,038个小分子	NA	NA	排名准确性（前3候选中的正确率）	NA
2430	2026-03-15	deepDR: a network-based deep learning approach to in silico drug repositioning 2019-12-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btz418 PMID:31116390	研究论文	本研究提出了一种基于网络的深度学习方法deepDR，用于计算机药物重定位，通过整合多种异构网络数据预测药物与疾病的新关联	采用多模态深度自编码器从异构网络中学习药物的高层次特征，并结合变分自编码器推断已批准药物的新适应症，有效捕获了高度非线性的网络结构	未明确提及，但可能依赖于现有网络数据的完整性和准确性	开发一种高效的计算机药物重定位方法，以加速有效治疗方案的发现	已批准药物及其与疾病、副作用、靶标等的关联网络	机器学习	阿尔茨海默病, 帕金森病	网络整合分析	自编码器, 变分自编码器	网络数据	整合了10个网络（包括药物-疾病、药物-副作用、药物-靶标及7个药物-药物网络）	NA	多模态深度自编码器, 变分自编码器	AUROC	NA
2431	2026-03-15	Recent developments in deep learning applied to protein structure prediction 2019-12, Proteins IF:3.2Q2 DOI:10.1002/prot.25824 PMID:31589782	综述	本文简要介绍了深度神经网络在蛋白质结构预测中的应用进展，并探讨了其成功的原因及潜在问题	深度神经网络在CASP12和CASP13实验中取得了显著影响，尤其是在同源序列较少的情况下仍能产生准确预测	讨论了深度神经网络模型的潜在陷阱，但未具体说明	探讨深度神经网络在结构生物信息学问题中的应用原理和效果	蛋白质结构预测，特别是接触预测任务	结构生物信息学	NA	深度神经网络	深度神经网络	蛋白质序列数据	NA	NA	NA	NA	NA
2432	2026-03-15	Use of deep learning to detect personalized spatial-frequency abnormalities in EEGs of children with ADHD 2019-11-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab3a0a PMID:31398717	研究论文	本研究利用深度学习技术检测儿童ADHD患者脑电图中的个性化空间频率异常	提出了一种新的多通道脑电图数据表示形式，兼容主流CNN架构，并通过可视化技术使模型决策过程可解释	样本量相对较小（107名参与者），且未提及外部验证或跨数据集泛化能力	开发一种基于深度学习的个性化脑电图异常检测方法，以辅助ADHD的诊断和治疗规划	50名ADHD儿童和57名年龄与利手匹配的对照组儿童	机器学习	注意力缺陷多动障碍	脑电图	CNN	脑电图功率谱密度	107名儿童（50名ADHD患者，57名对照组）	NA	CNN	准确率	NA
2433	2026-03-15	Artificial Intelligence for Mammography and Digital Breast Tomosynthesis: Current Concepts and Future Perspectives 2019-11, Radiology IF:12.1Q1 DOI:10.1148/radiol.2019182627 PMID:31549948	综述	本文综述了人工智能在乳腺X线摄影和数字乳腺断层合成中的当前概念与未来展望	探讨了深度学习在乳腺影像中的应用潜力，尤其是在癌症检测和风险预测方面接近放射科医生水平，并展望了其在数字乳腺断层合成中的合成图像生成等未来方向	临床验证尚不充分，深度学习在优化实践中的应用方式尚不明确，且数字乳腺断层合成领域需要更大数据库以支持模型进一步发展	综述人工智能在乳腺影像学中的应用现状、技术挑战及未来发展趋势	乳腺X线摄影和数字乳腺断层合成影像	计算机视觉	乳腺癌	NA	卷积神经网络	图像	NA	NA	NA	NA	NA
2434	2026-03-15	A novel hybrid deep learning scheme for four-class motor imagery classification 2019-10-16, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab3471 PMID:31341093	研究论文	本文提出了一种新颖的混合深度学习方案，用于四类运动想象脑电信号的分类	提出了一种结合CNN和LSTM的混合深度网络，能够同时提取和学习MI信号的空间与时间特征，并构建了一个独立于受试者的共享神经网络模型	NA	提高四类运动想象脑电信号的分类准确率	运动想象脑电信号	脑机接口	NA	脑电图	CNN, LSTM	脑电信号	使用BCI竞赛IV数据集2a	NA	CNN, LSTM	准确率, Cohen's kappa值	NA
2435	2026-03-15	A deep learning approach for real-time detection of sleep spindles 2019-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab0933 PMID:30790769	研究论文	本文提出了一种基于深度学习的实时睡眠纺锤波检测方法SpindleNet，用于单通道EEG信号分析	SpindleNet是一种新颖的深度学习策略，专为在线应用设计，相比现有方法具有更高的检测精度和速度，并能在低采样频率和低信噪比条件下保持优异性能	NA	开发一种适用于实时应用的睡眠纺锤波自动检测方法	睡眠纺锤波	机器学习	NA	EEG信号分析	深度学习	EEG信号	两个公开的专家验证EEG睡眠纺锤波数据集，涵盖不同年龄和物种的受试群体	NA	SpindleNet	检测精度, 检测延迟	NA
2436	2026-03-15	Regression convolutional neural network for improved simultaneous EMG control 2019-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab0e2e PMID:30849774	研究论文	本文提出了一种基于回归卷积神经网络的肌电控制方案，用于改进同时手腕运动的控制性能	首次验证了回归CNN模型在在线Fitts定律测试中的可用性，并展示了其在同时控制多个自由度任务中的优势	NA	开发一种无需特征工程的深度学习模型，以替代传统的基于特征提取的回归模型，用于肌电信号控制	肌电信号，特别是手腕运动的肌电信号	机器学习	NA	肌电图	CNN	肌电信号	NA	NA	回归卷积神经网络	吞吐量，回归准确率	NA
2437	2026-03-15	Deep-learning for seizure forecasting in canines with epilepsy 2019-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab172d PMID:30959492	研究论文	本文介绍了一种基于深度学习的卷积神经网络系统，用于预测犬类癫痫发作，该系统在手持设备上实现，并通过伪前瞻性模式在四只自然发生癫痫的犬类上进行了测试	开发了一种全自动、个体化的深度学习CNN系统，用于癫痫发作预测，并在手持设备上部署，实现了实时分析流式颅内脑电图数据，性能优于传统机器学习方法	研究仅基于四只犬类的数据，样本量较小，且未在人类患者中进行验证	开发并评估一种基于深度学习的癫痫发作预测系统，以提高预测准确性和实时性	四只自然发生癫痫的犬类	机器学习	癫痫	颅内脑电图	CNN	脑电图信号	75次癫痫发作，收集自四只犬类，历时1608天	NA	卷积神经网络	敏感性, 警告时间百分比	手持平板电脑（Mayo癫痫辅助设备）
2438	2026-03-15	Inter-subject transfer learning with an end-to-end deep convolutional neural network for EEG-based BCI 2019-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aaf3f6 PMID:30524056	研究论文	本文提出了一种基于深度卷积神经网络的端到端框架，用于从单通道原始脑电图数据中检测注意力状态，并探索了跨被试迁移学习的应用	首次在认知脑机接口中成功应用端到端深度卷积神经网络进行跨被试分类，并利用原始脑电图数据最小化预处理需求	未明确说明模型在更广泛人群或不同脑电图设备上的泛化能力，且跨被试分类的准确性仍有提升空间	提高基于脑电图的脑机接口系统中注意力检测的准确性和实用性	单通道原始脑电图数据中的注意力状态	脑机接口	NA	脑电图	CNN	时间序列数据	120名被试	NA	深度卷积神经网络	分类准确率	NA
2439	2026-03-15	Feasibility of Multimodal MRI-Based Deep Learning Prediction of High Amino Acid Uptake Regions and Survival in Patients With Glioblastoma 2019, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2019.01305 PMID:31920928	研究论文	本研究探索了一种基于多模态MRI的端到端深度学习框架（U-Net）的可行性，用于预测胶质母细胞瘤患者的高氨基酸摄取区域和生存期	首次使用U-Net深度学习框架，通过临床多模态MRI序列预测胶质母细胞瘤的高氨基酸摄取区域（代谢肿瘤体积），并评估其与无进展生存期的关联	样本量较小（21名患者），在随机选择的受试者中重复验证时，敏感性和阳性预测值仅为中等水平	探索深度学习在利用多模态MRI预测胶质母细胞瘤代谢肿瘤体积和患者生存期方面的可行性	新诊断的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多模态MRI（T2, FLAIR, 表观扩散系数图, 对比增强T1）和AMT-PET成像	CNN	图像	21名新诊断的胶质母细胞瘤患者	NA	U-Net	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
2440	2026-03-14	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	本研究开发并验证了一个名为MedFusion-gP-AKI的多模态深度学习融合模型，用于早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的风险	首次将多模态深度学习与因果推断方法结合，针对危重创伤性颈胸段脊髓损伤患者开发了早期预测严重急性肾损伤的融合模型，并进行了多中心外部验证	研究基于回顾性数据，未来需要前瞻性研究进一步验证；模型在更广泛人群中的泛化能力仍需评估	开发一个能够早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的机器学习模型	危重创伤性颈胸段脊髓损伤患者	机器学习	急性肾损伤	多模态深度学习、因果推断	GAN, 集成学习	临床数据	MIMIC-IV/eICU队列用于训练，来自中国四个三级医疗中心的188名患者用于外部验证	NA	集成模型（由15个基线模型中表现最佳的架构融合而成）	AUC, AP	NA