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
461	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
462	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
463	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
464	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
465	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
466	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
467	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
468	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
469	2026-09-05	Screening for severe coronary stenosis in patients with apparently normal electrocardiograms based on deep learning 2024-11-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02764-0 PMID:39578851	研究论文	本研究旨在开发深度学习模型，以区分心电图表现正常的严重冠状动脉狭窄患者与无或轻度狭窄患者。	利用迁移学习技术，从现有心电图模型中提取深度特征，以较低计算成本有效识别严重冠状动脉狭窄。	样本量相对较小，且研究仅限于单中心数据，可能限制模型的普适性。	开发一个高效模型，用于在常规筛查或体检中检测心电图正常的严重冠状动脉狭窄患者。	392名心电图表现正常的患者，其中138名患有严重冠状动脉狭窄。	机器学习	冠心病	NA	深度学习（CNN）	心电图（ECG）数据、临床信息	392名患者（其中138名严重狭窄）	NA	卷积神经网络（CNN）	AUC、敏感性、特异性	NA
470	2026-09-05	DAPNet: multi-view graph contrastive network incorporating disease clinical and molecular associations for disease progression prediction 2024-11-19, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02756-0 PMID:39563302	研究论文	提出了一种基于多视图图对比学习的疾病进展预测模型DAPNet，仅利用共病时长和疾病关联进行高性能预测	首次将多视图图对比学习应用于疾病进展预测任务，创新性地整合分子水平的疾病关联信息，并组合疾病共现和ICD10编码	未在摘要中明确说明局限	探索一种减少数据依赖并达到与现有研究相当的预测性能的新方法，用于疾病进展预测	严重肺炎和肾脏疾病患者的临床数据	机器学习	慢性疾病	NA	图神经网络	临床数据（包括共病时长和疾病关联）	2714名患者和10856次就诊（医疗索赔数据），以及606名患者（MIMIC-IV肾脏数据）	NA	多视图图对比学习网络（DAPNet）	F1分数	NA
471	2026-09-05	Development of a cerebellar ataxia diagnosis model using conditional GAN-based synthetic data generation for visuomotor adaptation task 2024-11-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02720-y PMID:39529148	研究论文	本研究提出了一种利用条件生成对抗网络合成数据生成模型，基于视觉运动适应任务的轨迹数据建立小脑性共济失调患者分类框架。	创新性地结合条件对抗生成神经网络和重构网络，基于类别条件和随机噪声生成合成数据，用于增强小脑性共济失调患者分类模型的训练，提高分类精度。	未在摘要中明确提及局限性。	开发一种基于合成数据生成的小脑性共济失调早期诊断模型，以解决数字医疗领域中数据不足的问题。	小脑性共济失调患者、年龄匹配的正常个体和年轻健康受试者	机器学习	小脑性共济失调	条件生成对抗网络、重构网络	条件生成对抗网络（cGAN）	视觉运动适应任务的轨迹数据	未在摘要中明确提及样本数量	NA	条件对抗生成神经网络与重构网络组合	分类准确率、数据保真度、分布相似性	NA
472	2026-09-05	Public health nurse perspectives on predicting nonattendance for cervical cancer screening through classification, ensemble, and deep learning models 2024 Jul-Aug, Public health nursing (Boston, Mass.) DOI:10.1111/phn.13334 PMID:38757647	研究论文	本研究旨在通过分类、集成和深度学习模型预测女性未参加宫颈癌筛查的情况，并比较不同模型的性能。	采用多种算法（包括分类、集成和深度学习）比较预测未参加宫颈癌筛查的性能，特别是软投票集成模型和LSTM等深度学习方法的应用。	未提及明确的局限性。	准确预测女性未参加宫颈癌筛查的主要障碍，以提高社区医疗服务中的筛查参与率。	来自初级卫生中心门诊部的1046名女性的数据，包括参加和未参加宫颈癌筛查的情况。	机器学习	宫颈癌	NA	分类模型、集成模型、深度学习模型（如朴素贝叶斯、逻辑回归、随机森林、神经网络、LSTM、MLP）	表格数据（临床记录）	1046名女性的数据	NA	随机森林、神经网络、LSTM、MLP等	准确率、特异性、敏感性、AUC	NA
473	2026-09-05	Attention-based deep convolutional neural network for classification of generalized and focal epileptic seizures 2024-06, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109732 PMID:38636140	研究论文	提出一种基于注意力机制的深度卷积神经网络，用于脑电信号中广义和局灶性癫痫发作的自动多分类。	将多头自注意力机制与深度CNN结合，用于癫痫发作亚型的多分类，显著提高了分类性能。	未提及	开发一种自动化的癫痫发作分类模型，以提高诊断效率和准确性。	从Temple University Hospital Seizure Corpus中提取的脑电信号。	机器学习	癫痫	脑电图（EEG）	CNN	时间序列信号	未提及	NA	多头自注意力机制与深度CNN	加权准确率、加权F1分数	NA
474	2026-09-05	Quantifying uncertainty: Air quality forecasting based on dynamic spatial-temporal denoising diffusion probabilistic model 2024-05-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118438 PMID:38350546	研究论文	提出一种基于动态时空去噪扩散概率模型（DST-DDPM）的空气污染预测方法，旨在量化预测不确定性并捕捉监测站间的动态空间依赖。	首次引入去噪扩散模型于空气污染预测，通过动态上下文编码器生成动态邻接矩阵，同时保留静态空间信息，并在空间-时间去噪模型中联合学习时空依赖。	模型仅在单城市北京的数据集上验证，未考虑其他地区或天气极端情况的影响，计算资源未明确说明。	提高空气污染预测的准确性，明确量化预测中的不确定性，并建模动态空间-时间依赖。	空气污染时间序列数据，来自北京多个监测站的观测数据。	机器学习	NA	去噪扩散模型，时间序列预测	生成模型，去噪扩散概率模型	序列数据（传感器监测数据）	北京真实数据集，具体样本数未提供	NA	动态上下文编码器（重写为动态编码器），空间-时间去噪模块（U-Net风格），去噪扩散概率框架	单一指标用于比较，可能为均方误差或平均绝对百分比误差；文中提及'by 1.36% and 11.62%'，可能为相对改进百分比	NA
475	2026-09-05	Deep learning approaches for seizure video analysis: A review 2024-05, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109735 PMID:38522192	综述	本文综述了深度学习在癫痫发作视频分析中的应用，重点关注过去7年内的研究进展，涵盖基础技术、半学检测与分析方法，并提出了集成系统框架	系统性地总结了深度学习在癫痫视频半学分析领域的应用，并提出了一个可定制和升级的集成系统架构，以连接现有技术	未提及具体局限性，但依赖已发表研究，可能受限于现有数据集和方法的多样性	探讨深度学习在癫痫发作视频分析中的应用，以改进癫痫检测和半学分析，支持临床决策	癫痫发作的视频记录及其半学特征分析	计算机视觉、深度学习	癫痫	NA	深度学习模型（具体未指定，如CNN等）	视频数据	NA	NA	NA	NA	NA
476	2026-09-05	eDeeplepsy: An artificial neural framework to reveal different brain states in children with epileptic spasms 2024-05, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109744 PMID:38513569	研究论文	利用深度学习技术开发eDeeplepsy模型，用于区分儿童癫痫性痉挛中的不同脑状态	eDeeplepsy不仅能区分发作期和发作间期状态，还能识别出同一簇痉挛之间的脑活动与远离簇的活动，后者通常通过视觉检查无法区分	未明确提及局限性	开发人工智能系统以准确高效分类EEG并揭示癫痫中新的信息	患有癫痫性痉挛的儿童（超过婴儿期）的EEG数据	机器学习	癫痫	EEG	卷积神经网络（CNN）	图像（编码为图像的EEG）	来自同质儿科人群的长期视频-EEG记录，具体样本数量未在摘要中提供	NA	卷积神经网络（CNN）	准确率（86%-94%）	NA
477	2026-09-05	Deep Learning Radiomics Nomogram Based on Multiphase Computed Tomography for Predicting Axillary Lymph Node Metastasis in Breast Cancer 2024-02, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-023-01839-0 PMID:37563517	研究论文	本研究旨在开发和验证一种基于多期计算机断层扫描的深度学习放射组学列线图，用于预测乳腺癌患者的腋窝淋巴结转移。	将深度学习特征与放射组学特征结合，并利用多期CT数据构建列线图，以提高预测腋窝淋巴结转移的准确性。	样本量较小，且为单中心回顾性研究，可能限制模型的泛化能力。	开发和验证一种深度学习放射组学列线图，用于预测乳腺癌患者的腋窝淋巴结转移，以提供个体化治疗的信息。	196名经病理证实为非特异性浸润性乳腺癌的患者。	医学影像分析	乳腺癌	多期计算机断层扫描（CT）	支持向量机（SVM）	医学影像（CT图像）及临床数据	196例乳腺癌患者	NA	NA	受试者工作特征曲线下面积，校准曲线，决策曲线分析	NA
478	2026-09-05	Image Denoising of Low-Dose PET Mouse Scans with Deep Learning: Validation Study for Preclinical Imaging Applicability 2024-02, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-023-01866-x PMID:37875748	研究论文	本研究提出了一种基于深度学习的图像去噪框架，用于降低微型PET小鼠扫描中的低剂量图像噪声，并通过视觉和定量评估验证其性能	将深度学习U-Net应用于低剂量微型PET图像去噪，并在多种示踪剂和体模上验证了其泛化能力	未提及明确的局限性，但可能受限于样本数量和数据多样性	评估深度学习去噪框架在低剂量微型PET图像中的适用性，以提高图像质量同时减少放射性剂量或扫描时间	36只小鼠的[18F]FDG PET扫描，以及NEMA-NU4体模和不同示踪剂（[18F]PSMA、[18F]FAPI、[68Ga]FAPI）研究	医学影像分析，深度学习	NA	PET成像，深度学习	U-Net	医学图像（PET扫描）	36只小鼠的PET扫描，和NEMA-NU4体模以及多种示踪剂研究	未提及	U-Net	视觉和定量比较，标准化摄取值（SUV）	未提及
479	2026-09-05	WilsonGenAI a deep learning approach to classify pathogenic variants in Wilson Disease 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303787 PMID:38758754	研究论文	本文采用深度学习方法对威尔逊病相关的ATP7B基因变异进行分类，区分致病性与良性	首次将TabNet和XGBoost算法应用于威尔逊病ATP7B基因变异的致病性分类，利用高置信度的ACMG-AMP注释数据集	未提及	开发一种能够快速准确分类威尔逊病相关基因变异的工具，辅助临床和研究	威尔逊病相关的ATP7B基因遗传变异	机器学习	威尔逊病	NGS	TabNet, XGBoost	基因变异数据	未提及样本数量，但使用了高置信度手动注释的ACMG-AMP分类变异数据集及独立验证集和患者功能验证变异	未提及	TabNet, XGBoost	未提及	未提及
480	2026-09-05	The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302537 PMID:38771829	综述	本系统综述探讨了人工智能在诱导多能干细胞技术中的应用，涵盖过去十年期间的研究进展。	首次系统性地概述了AI在iPSC技术中的应用，包括细胞分类、疾病表型评估和药物筛选，并强调了该领域研究的增长趋势。	综述可能受限于已发表研究的范围，未包括未发表或灰色文献，且主要依赖英文文献。	探索AI在iPSC研究发展中的作用，揭示其应用现状及未来潜力。	涉及iPSC技术中的AI应用，包括细胞分类、疾病建模、药物筛选及基因分析。	机器学习	疾病建模	NA	机器学习、深度学习	图像、文本	79项研究	NA	NA	NA	NA