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
2561	2026-09-05	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	提出一种利用生物物理模型驱动的深度学习方法进行饱和转移磁共振指纹（ST-MRF）成像，以量化水、磁化传递对比和酰胺质子转移参数以及B0场不均匀性	与传统的Bloch-McConnell拟合和字典匹配方法相比，该方法在估计组织参数时实现了更高的准确度（nRMSE为9.3%，优于15.3%和19.5%）	未提及	开发一种基于生物物理模型驱动的深度学习方法的饱和转移MR指纹技术，以快速准确地量化水和磁化传递参数	数值体模和健康人脑（灰质和白质）	磁共振成像	不适用	饱和转移磁共振指纹	深度学习网络	磁共振图像	数值体模（信噪比46 dB）和健康人脑（8个组织参数图）	NA	NA	归一化均方根误差，均方根误差	未提及
2562	2026-09-05	Deep learning approach for automatic assessment of schizophrenia and bipolar disorder in patients using R-R intervals 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012983 PMID:40901920	研究论文	本研究利用深度学习与机器学习方法，基于短时心电图中的R-R间期自动分类精神分裂症和双相情感障碍患者	采用低成本可穿戴设备记录的短时ECG信号进行两种精神疾病的自动分类，并评估了多种机器学习模型和不同时间窗口长度，性能与先进诊断方法相当	样本量较小且未提供具体计算资源信息	开发并评估一种基于短时ECG信号自动分类精神分裂症和双相情感障碍的方法	精神分裂症或双相情感障碍患者及健康对照组	机器学习	精神分裂症、双相情感障碍	ECG	SVM、XGBoost、多层感知机、门控循环单元、集成方法	R-R间期窗口	60名参与者（30名患者和30名对照组）	NA	SVM、XGBoost、MLP、GRU、集成模型	准确率	NA
2563	2026-09-05	The detection of algebraic auditory structures emerges with self-supervised learning 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013271 PMID:40911653	研究论文	本研究使用自监督学习训练的深度学习模型，探究人类自发检测听觉模态中代数结构的能力是如何从经验中涌现的	首次利用深度学习模型系统评估自然和文化声音刺激对自发检测代数结构的影响，发现该能力可从纯经验中涌现，且不同预训练声音类型影响能力的发展	文中未明确提及限制，可能包括模型与人类听觉处理的差异、声音刺激范围的限制等	评估因素导致听觉模态中代数结构自发检测，并区分先天机制与经验驱动机制	深度学习模型在听觉模态中对代数结构（重复序列、概率块、复杂代数结构）的检测能力	机器学习	NA	自监督学习	深度学习模型（具体类型未指定）	声音数据（自然声音、语音、音乐）	多个深度学习模型，具体数量未说明	未指定	未指定	未指定（可能包括检测准确性等）	未指定
2564	2026-09-05	An Extraction Tool for Venous Thromboembolism Symptom Identification in Primary Care Notes to Facilitate Electronic Clinical Quality Measure Reporting: Algorithm Development and Validation Study 2025-08-26, JMIR medical informatics IF:3.1Q2 DOI:10.2196/63720 PMID:40857675	研究论文	开发并验证了一个基于自然语言处理（NLP）的工具VTExt，用于从初级保健临床笔记中提取静脉血栓栓塞（VTE）症状，以促进电子临床质量测量（eCQM）的报告。	首次将NLP技术应用于全国认可的电子临床质量测量（eCQM）中，用于VTE症状提取，且工具在跨机构、不同电子健康记录系统中表现出良好的泛化能力。	未提及具体限制。	开发一个从临床笔记中提取VTE症状的工具，用于量化初级保健中VTE延迟诊断率。	初级保健临床笔记文本，包括VTE阳性病例和阴性对照的笔记句子。	自然语言处理	静脉血栓栓塞	NLP（基于规则的方法）	规则驱动方法	文本	病例组包括279份患者笔记中的17,585条进展笔记句子，对照组包括50份患者笔记中的2,838条进展笔记句子；外部验证使用来自两个独立医疗保健组织的数据集。	NA	NA	曲线下面积、阳性预测值、阴性预测值、灵敏度、特异性	NA
2565	2026-09-05	Tongue Image-Based Diagnosis of Acute Respiratory Tract Infection Using Machine Learning: Algorithm Development and Validation 2025-08-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/74102 PMID:40854033	研究论文	本研究旨在开发并验证基于舌象特征的人工智能预测模型，以区分COVID-19与腺病毒呼吸道感染，提高诊断准确性	首次探索使用舌象特征结合深度学习与机器学习算法，区分COVID-19与腺病毒感染，融合传统中医诊断与现代技术	样本量较小（共280张舌象图像，来自172名参与者），可能影响模型的泛化能力	开发并验证基于舌象特征的人工智能模型，以区分COVID-19与腺病毒呼吸道感染，提高诊断准确率并整合传统诊断方法	58名COVID-19患者、84名腺病毒感染患者以及30名健康对照者的舌象图像	机器学习	呼吸道感染（COVID-19与腺病毒感染）	舌象图像采集与深度学习特征提取	逻辑回归、随机森林、梯度提升模型、极端梯度提升	图像（舌象图像）	172名参与者，共280张舌象图像	NA	NA	受试者工作特征曲线下面积（AUC）、精确率-召回率曲线下面积（AUPRC）、统计显著性P值	NA
2566	2026-09-05	AI-Driven Integration of Deep Learning With Lung Imaging, Functional Analysis, and Blood Gas Metrics for Perioperative Hypoxemia Prediction 2025-08-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73995 PMID:40759599	观点文章	本文探讨了通过深度学习与多模态临床数据整合预测围手术期低氧血症的AI应用，包括肺影像、肺功能检查和动脉血气分析，并提出了未来发展方向	提出了多模态AI框架（如DeepLung-Predict）统一CT扫描、肺功能测试和动脉血气参数，提高预测精度，超越传统方法22%	存在数据集异质性、模型可解释性不足和临床工作流整合挑战	预测围手术期低氧血症，优化资源分配，降低ICU入住风险	围手术期低氧血症患者	医学影像分析	围手术期低氧血症	影像组学, 肺功能测试, 动脉血气分析	卷积神经网络(CNN), 混合模型	影像, 临床数据	不适用	NA	TD-CNNLSTM-LungNet, DeepLung-Predict	准确率96.57%, 曲线下面积0.96, 提升22%	NA
2567	2026-09-05	Deep Learning-Based Early Warning Systems in Hospitalized Patients at Risk of Code Blue Events and Length of Stay: Retrospective Real-World Implementation Study 2025-08-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72232 PMID:40845828	研究论文	该研究评估了人工智能早期预警系统VitalCare在住院患者中的应用，通过回顾性分析显示其能显著减少Code Blue等重大不良事件和延长住院时间，并具有高预测性能	在真实临床环境中实施和验证基于深度学习的早期预警系统，展示了改善临床结果的实际效果	基于回顾性设计，可能存在选择偏倚；未提及外部验证或长期随访	评估AI早期预警系统VitalCare对住院患者临床结果的影响及其算法性能	住院患者（包括普通病房和重症监护室）	机器学习	心肺骤停、不良事件	电子健康记录数据分析	深度学习	电子健康记录数据	30,785例住院患者	NA	NA	AUROC	NA
2568	2026-09-05	Deep Learning and Image Generator Health Tabular Data (IGHT) for Predicting Overall Survival in Patients With Colorectal Cancer: Retrospective Study 2025-08-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/75022 PMID:40828572	研究论文	本研究利用图像生成器（IGHT）将表格电子病历数据转换为二维图像，采用深度学习方法预测结直肠癌患者的5年总生存期，并评估模型的可解释性。	通过IGHT将表格数据转换为图像，应用视觉几何组（VGG16）模型进行生存预测，并结合梯度加权类激活映射（Grad-CAM）提高临床可解释性。	研究为单中心回顾性设计，缺乏外部验证，且存在数据类别不平衡问题，限制了模型的泛化能力和临床应用可行性。	开发并评估基于电子病历数据的深度学习模型，以预测结直肠癌患者的5年总生存期，并利用可解释人工智能技术提高模型的临床可解释性。	来自吉尔医疗中心的3321名结直肠癌患者，包括人口统计学特征、肿瘤特征、实验室值、治疗方式和随访结果。	深度学习	结直肠癌	电子病历数据分析	卷积神经网络（CNN）	表格数据	3321名患者	未明确提及	VGG16, CNN, ANN	准确率、灵敏度、特异性、精确率、F1分数	未明确提及
2569	2026-09-05	Towards proactively improving sleep: machine learning and wearable device data forecast sleep efficiency 4-8 hours before sleep onset 2025-08-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf113 PMID:40293116	研究论文	本研究利用可穿戴设备数据和机器学习模型，在睡眠开始前4至8小时预测睡眠效率，旨在主动改善睡眠。	首次展示了使用可穿戴数据在睡前准确预测睡眠效率的可能性，为主动预防不良睡眠提供了新方法。	摘要中未提及具体局限性。	开发并验证在睡眠开始前4至8小时预测低睡眠效率的模型，并探索相关活动参数与睡眠效率的关系。	80,811名英国生物银行成人参与者的加速度计数据。	机器学习	睡眠障碍	NA	梯度提升（CatBoost）和深度学习（CNN-LSTM）	加速度计数据	80,811名成人	NA	CatBoost, CNN-LSTM	AUC, AUPRC	NA
2570	2026-09-05	Predictive Modeling of Osteonecrosis of the Femoral Head Progression Using MobileNetV3_Large and Long Short-Term Memory Network: Novel Approach 2025-08-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66727 PMID:40768653	研究论文	本研究利用MobileNetV3_Large和长短期记忆网络（LSTM）对股骨头坏死（ONFH）的进展进行预测建模，以提高疾病评估和预测的准确性。	首次将MobileNetV3_Large与LSTM结合用于ONFH的病理图像分析和时间序列动态预测，通过深度学习方法定量评估血管重建和治疗反应。	研究样本量较小（仅30例患者），且模型性能可能受限于单一中心数据，需在更大规模和多中心数据上验证。	使用深度学习算法提高ONFH的诊断准确性和预测疾病进展，优化治疗策略。	30例诊断为ONFH的患者，1200张MRI切片（包括675张病变切片和225张正常切片）。	计算机视觉	股骨头坏死	磁共振成像	CNN (MobileNetV3_Large) 和 LSTM	图像（MRI切片）和时序数据	30例患者，1200个MRI切片，分为训练（630）、验证（135）和测试（135）	NA	MobileNetV3_Large, LSTM	准确率、召回率、AUC	NA
2571	2026-09-05	Probability-Based Early Warning for Seasonal Influenza in China: Model Development Study 2025-08-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73631 PMID:40769217	研究论文	本研究开发了一种基于概率的机器学习早期预警系统，用于中国季节性流感的预测，采用Dense ResNet模型生成连续的风险评估值，替代传统的二元阈值预警。	首次提出基于概率的早期预警系统，使用Dense ResNet对流感样病例阳性率进行连续风险估计（0-1变量），而非固定阈值，以提高灵活性并减少误报和漏报。	研究可能受限于历史数据（2014-2024年）的回顾性分析，未实时结合动态传播模型，且未充分探讨模型的泛化性在不同地理区域或人群中的差异。	开发一种创新的概率性早期预警方法，用于及时预测流感样病例活动水平的变化，增强公共卫生决策的准确性。	中国北方和南方的流感监测数据（2014-2024年），涉及流感样病例阳性率。	机器学习	季节性流感	NA	Dense ResNet（监督深度学习模型）	时间序列数据（流感监测数据）	未明确说明样本数量，但覆盖中国南北地区2014-2024年的监测数据	NA	Dense ResNet	AUC、准确度、召回率、F1分数	NA
2572	2026-09-05	SimPep and OP-AND: A deep learning framework and curated database for predicting osteogenic peptides 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013422 PMID:40880496	研究论文	本文提出了一种基于深度学习的框架SimPep和一个名为OP-AND的策划数据库，用于预测成骨肽，并验证了其有效性。	首次引入成骨肽的公共数据库OP-AND，并提出假设：来自破骨细胞形成相关蛋白的肽可能作为非成骨肽。	数据可用性有限，性能可能受限于数据集大小和外部验证。	开发一种预测成骨肽的方法和提供公共数据库，以促进骨质疏松相关疾病的预防和计算检测。	成骨肽及其在预防骨相关疾病中的潜在作用。	机器学习	骨质疏鬆相关疾病	NA	深度学习	肽序列数据	成骨肽数据集（具体数量未说明）及外部数据集。	NA	NA	准确率，受试者工作特征曲线下面积	NA
2573	2026-09-05	A dataset for recognition of Arabic accents from spoken L2 English speech (ArL2Eng) 2025-07-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05561-0 PMID:40745170	研究论文	本文介绍了一个名为ArL2Eng的语音数据集，该数据集包含阿拉伯语母语者说英语的二语语音，并强调其在支持自动语言评估研究方面的潜力。	引入了首个专门针对阿拉伯语背景者说英语的语音数据集ArL2Eng，并包含专家评分者评估的流利度标注，支持语音识别和口音识别等应用。	未提及具体局限性。	支持自动语言评估研究，特别是阿拉伯口音英语的流利度预测和口音识别。	阿拉伯语母语者说英语的语音样本。	语音处理、机器学习	NA	特征提取（如梅尔频率倒谱系数）	深度学习模型（具体类型未指定）	音频	640份语音记录中的471份有流利度标注	NA	NA	NA	NA
2574	2026-09-05	Optimizing Thyroid Nodule Management With Artificial Intelligence: Multicenter Retrospective Study on Reducing Unnecessary Fine Needle Aspirations 2025-07-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/71740 PMID:40737551	研究论文	本研究通过多中心回顾性研究，评估了基于深度学习的人工智能系统在识别甲状腺结节中最初被放射科医生评估为恶性风险但实际可能为良性的结节的能力，以减少不必要的细针穿刺活检	首次在真实临床环境中评估AI系统作为“守门员”角色，以识别放射科医生最初误判为恶性的良性甲状腺结节，从而减少不必要的FNA程序	本研究为回顾性设计，存在选择偏倚；错误识别的恶性结节多为低度或中度恶性风险，仍需主动监测；比较队列样本量较小，可能影响统计功效	评估AI在真实临床环境中识别潜在良性甲状腺结节的能力，减少不必要的细针穿刺，优化甲状腺结节管理	甲状腺结节患者，包括验证队列（4572个结节）和比较队列（118个结节）	医学影像分析	甲状腺结节	超声成像	基于深度学习的AI系统	超声图像	验证队列包含4572个甲状腺结节，其中良性3134个，恶性1438个；比较队列包含118个良性结节	未明确提及	未明确提及	敏感性、特异性、受试者工作特征曲线下面积	未提及
2575	2026-09-05	A Weighted Voting Approach for Traditional Chinese Medicine Formula Classification Using Large Language Models: Algorithm Development and Validation Study 2025-07-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/69286 PMID:40705933	研究论文	本研究评估了多种大型语言模型在中药方剂分类任务中的性能，并提出了一种结合硬投票和加权投票的集成学习方法以提高分类准确性	首次将多种微调大型语言模型集成到中药方剂分类中，通过加权投票机制（基于各模型平均准确率确定权重）提升分类性能	未提供明确局限性，但可能受限于数据集规模和来源多样性	评估不同大型语言模型在中药方剂分类中的表现，并通过集成学习提升分类准确性	2441个中药方剂，涵盖成分、功效和适应症信息	自然语言处理	不适用（中药方剂分类）	N/A	大型语言模型（LLM）	文本数据（中药方剂描述）	2441个中药方剂（训练集1999个，测试集442个）	N/A	Qwen-14B（及其他未具体说明的LLM架构）	准确性	N/A
2576	2026-09-05	ESMpHLA: Evolutionary Scale Model-Based Deep Learning Prediction of HLA Class I Binding Peptides 2025-05, HLA IF:5.9Q1 DOI:10.1111/tan.70263 PMID:40405507	研究论文	本研究利用进化尺度模型结合并行CNN块和交叉注意力机制构建了ESMpHLA模型，用于预测HLA I类结合肽。	首次将ESM与并行CNN和交叉注意力机制结合，构建了能够处理不同HLA I类双字段等位基因和不同长度肽段的深度学习模型	NA	构建一种改进的HLA I类结合肽预测模型，以提高免疫识别和疫苗开发中的预测准确性	HLA I类等位基因的结合肽，包括41个HLA-A等位基因的91560条、50个HLA-B等位基因的56731条和10个HLA-C等位基因的2444条	深度学习	免疫相关疾病	NA	CNN，ESM	肽序列数据	150735条结合肽，覆盖101个等位基因	NA	ESM, CNN	准确率，AUC，ROC-AUC，PR-AUC	NA
2577	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
2578	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
2579	2026-09-05	Enhanced interpretable thyroid disease diagnosis by leveraging synthetic oversampling and machine learning models 2024-11-29, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02780-0 PMID:39614307	研究论文	本研究提出一种基于SMOTE-NC和LGBM的可解释性甲状腺疾病诊断方法，以提高早期诊断性能。	结合过采样与LGBM，并使用SHAP增强模型可解释性	未提供明确的局限性信息	提出一种有效的AI方法用于甲状腺疾病的早期诊断	甲状腺疾病患者（3,772例男性和女性观察记录）	机器学习	甲状腺疾病	SMOTE-NC（过采样）	LGBM	表格数据	3,772例观察记录	NA	NA	准确率	NA
2580	2026-09-05	Multimodal machine learning for language and speech markers identification in mental health 2024-11-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02772-0 PMID:39578814	研究论文	本研究结合单模态和多模态方法，利用DAIC-WOZ数据集中的文本和音频模态，识别多种精神健康障碍的语言和语音标记，并评估多模态方法是否优于单模态方法。	首次综合编译多种精神障碍的标记列表，并用于同时比较单模态和多模态方法，同时提出了一种初始的语用二元标签创建过程以改进文本模型。	依赖于单一的DAIC-WOZ数据集，且多模态模型的性能在准确性和AUC-ROC评分上仅与单模态文本模型相当，未能在所有指标上显著超越；此外，特征工程和标签过程仍需进一步优化。	识别多种心理健康障碍的语言和语音标记，并探讨多模态方法相对于单模态方法的性能提升潜力。	心理障碍患者和健康对照者，来自DAIC-WOZ数据集的临床访谈记录，包括文本和音频数据。	自然语言处理, 语音识别, 机器学习	心理健康障碍（如抑郁症、创伤后应激障碍等）	特征提取（文本和音频特征），早期融合策略	支持向量机、逻辑回归、随机森林、全连接神经网络	文本和音频数据	DAIC-WOZ数据集中的样本数量未明确，但通常包含约189个临床访谈记录	未明确指定，可能使用Python默认框架（如Scikit-learn或PyTorch）	支持向量机、逻辑回归、随机森林、全连接神经网络（多层感知器）	准确性、AUC-ROC评分、F1分数（阳性类与阴性类）	未指定GPU或云平台，可能使用标准计算环境