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
14961	2025-10-07	Deep Learning-Based Electrocardiogram Model (EIANet) to Predict Emergency Department Cardiac Arrest: Development and External Validation Study 2025-Feb-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67576 PMID:40053733	研究论文	开发并验证基于深度学习的心电图图像模型EIANet，用于预测急诊科心脏骤停	提出首个使用12导联心电图图像的深度学习模型，结合空间注意力机制和自定义二元召回损失函数，可直接利用常规分诊心电图图像进行预测	数据集来自两家医院，需要更多外部验证；样本量相对有限	开发早期预测急诊科心脏骤停的深度学习模型	急诊科成年患者的心电图图像数据	医疗影像分析	心血管疾病	心电图图像分析	CNN	图像	NTUH数据集：571例病例ECG和826例对照ECG；FEMH数据集：378例病例ECG和713例对照ECG	PyTorch	ResNet50	F1-score, AUROC, AUPRC	NA
14962	2025-10-07	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出一种基于深度学习的方法，用于生理模型参数优化和轨迹重建	使用神经网络同时解决生物建模、参数化和参数推断问题，通过模拟数据训练卷积神经网络实现参数推断	方法依赖于模拟数据的质量和生理范围的准确性，临床数据有限可能影响模型泛化能力	开发数学模型中参数推断的深度学习框架，提高生理模型参数优化的准确性和效率	葡萄糖、胰岛素和游离脂肪酸的生理动力学模型	机器学习	代谢疾病	频繁采样静脉葡萄糖耐量测试	CNN	时间序列数据	基于临床数据生成的模拟数据集	NA	卷积神经网络	R²值, p值, 准确性	NA
14963	2025-03-23	Spectral dual-layer detector CT-based radiomics-deep learning for predicting pathological aggressiveness of stage I lung adenocarcinoma: discrimination of precursor glandular lesions and invasive adenocarcinomas 2025-Feb-28, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-726 PMID:40114963	研究论文	本研究评估了基于光谱双层探测器CT（SDCT）的有效原子数（Zeff）的放射组学、深度学习和临床特征在区分磨玻璃结节（GGN）特征的腺前体病变（PGLs）和腺癌中的效用	结合SDCT-Zeff放射组学、深度学习和临床特征，构建了临床基于深度学习的放射组学（DLR）签名诺模图，提高了预测性能	研究仅在中国两个医疗中心进行，样本量和地理多样性可能有限	区分I期肺腺癌的病理侵袭性，特别是腺前体病变和侵袭性腺癌	磨玻璃结节（GGN）患者	数字病理	肺癌	光谱双层探测器CT（SDCT）	ResNet50, LightGBM	医学影像	792个GGN（训练队列582个，外部验证队列210个）	NA	NA	NA	NA
14964	2025-03-23	The role of artificial intelligence in sepsis in the Emergency Department: a narrative review 2025-Feb-28, Annals of translational medicine DOI:10.21037/atm-24-150 PMID:40115064	综述	本文综述了人工智能在急诊科脓毒症诊断、管理和预后中的应用	与传统预测分析相比，AI能够整合多种变量，提高诊断性能，并在脓毒症的诊断和预后中优于传统评分工具	现有的AI工具缺乏普适性和用户接受度，存在自动化偏差的风险，可能导致临床医生技能退化	探讨人工智能在急诊科脓毒症管理中的应用潜力	急诊科成年脓毒症患者	医疗人工智能	脓毒症	机器学习	机器学习模型	生命体征、自由文本输入、实验室测试和心电图	NA	NA	NA	NA	NA
14965	2025-03-23	Artificial intelligence algorithm was used to establish and verify the prediction model of portal hypertension in hepatocellular carcinoma based on clinical parameters and imaging features 2025-Feb-28, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-931 PMID:40115915	研究论文	本研究旨在基于临床参数和影像特征，利用人工智能算法建立并验证肝细胞癌患者门静脉高压的预测模型	结合临床特征、放射组学特征和深度学习特征，构建了一个综合预测模型，以更全面地捕捉与门静脉高压相关的复杂信息，从而实现高预测准确性和实用性	验证集的AUC和敏感性较低，表明模型在外部验证中的表现有待提高	建立并验证肝细胞癌患者门静脉高压的预测模型，以支持早期干预和个性化治疗	肝细胞癌患者	数字病理	肝细胞癌	放射组学和深度学习特征提取	逻辑回归模型	临床参数和CT影像	884名患者（707名训练集，177名验证集）	NA	NA	NA	NA
14966	2025-10-07	Inherently imperfect, inherently evolving - The pursuit of precision through biomarkers 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100839 PMID:40015558	特刊	本期生物医学期刊聚焦癌症生物标志物研究，涵盖多种检测技术及疾病应用，同时探讨传染病研究、深度学习在医学影像中的应用等前沿话题	整合多种新兴生物标志物（cfDNA、粪便miRNA、EB病毒DNA等）与LC-MS技术结合的多标志物面板，并探索深度学习在创伤影像和心电图死亡率预测中的创新应用	研究范围广泛但深度有限，各主题间缺乏系统性关联，未提供具体实验数据和性能指标验证	推进精准医疗通过生物标志物开发，探索多种疾病检测和管理的新方法	结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等癌症患者，以及圆虫感染、自身免疫性肝炎、急性肾损伤等疾病模型	生物医学	多癌种及其他疾病	cfDNA检测、miRNA分析、LC-MS质谱、循环肿瘤细胞检测、深度学习	深度学习模型	基因组数据、医学影像、心电图信号、临床样本	NA	NA	NA	NA	NA
14967	2025-10-07	A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84940-w PMID:39820053	研究论文	提出一种基于混合架构深度学习模型预测二维翼型压力分布图像的新方法	结合无监督和监督学习范式，开发了融合传统自编码器、卷积自编码器和混合CAE的混合架构模型	仅针对二维翼型进行验证，未扩展到三维复杂几何形状	开发图像预测方法以支持基于图像的近似优化设计	二维翼型的压力分布图像	计算机视觉	NA	计算流体动力学模拟	自编码器, 全连接神经网络	图像	NA	NA	自编码器, 卷积自编码器, 混合CAE	匹配率	NA
14968	2025-10-07	Evaluating and implementing machine learning models for personalised mobile health app recommendations 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319828 PMID:40106462	研究论文	本文评估并实现了用于个性化移动健康应用推荐的机器学习模型	引入Rating_Reviews特征捕捉评分和评论的累积影响，并采用BERT等先进模型在健康应用推荐中实现高效迁移学习	NA	设计一个利用应用属性为用户提供相关上下文建议的推荐系统	来自各健康应用平台的应用描述、评分、评论和其他相关属性	机器学习	NA	机器学习，深度学习	Random Forest Classifier, BERT	文本数据（应用描述、评论），结构化数据（评分、属性）	NA	NA	BERT	准确率	NA
14969	2025-03-23	Improvement of BCI performance with bimodal SSMVEPs: enhancing response intensity and reducing fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1506104 PMID:40115888	研究论文	本文提出了一种创新的稳态运动视觉诱发电位（SSMVEP）范式，结合运动和颜色刺激，旨在增强脑机接口（BCI）性能并减少视觉疲劳	开发了一种结合运动和颜色刺激的SSMVEP范式，显著提高了分类准确率和信号噪声比，同时减少了视觉疲劳	实验在受控的实验室条件下进行，未在真实环境中验证	增强SSMVEP响应强度并减少视觉疲劳	稳态运动视觉诱发电位（SSMVEP）和稳态视觉诱发电位（SSVEP）	脑机接口	NA	EEGNet深度学习算法和快速傅里叶变换（FFT）	EEGNet	脑电图（EEG）数据	NA	NA	NA	NA	NA
14970	2025-03-23	AM-MTEEG: multi-task EEG classification based on impulsive associative memory 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1557287 PMID:40115889	研究论文	本文提出了一种基于冲动联想记忆的多任务EEG分类模型AM-MTEEG，用于跨受试者的EEG分类	AM-MTEEG模型结合了深度学习的卷积网络和冲动网络，利用双向联想记忆进行跨受试者的EEG分类，提高了分类精度并减少了性能差异	NA	提高跨受试者EEG分类的准确性和一致性	脑电图（EEG）数据	脑机接口	NA	深度学习	卷积编码器-解码器、冲动神经元、双向联想记忆	EEG数据	两个BCI竞赛数据集	NA	NA	NA	NA
14971	2025-10-07	Conceptual understanding and cognitive patterns construction for physical education teaching based on deep learning algorithms 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83028-9 PMID:39732971	研究论文	本研究提出基于深度学习算法的体育教学概念理解与认知模式构建方法	结合关联图卷积神经网络和超图卷积神经认知诊断模型，挖掘学生长期学习序列数据	NA	提高学生对体育教学概念的理解，帮助教师分析学生认知模式	体育教学中的学生认知状态	机器学习	NA	深度学习算法	CNN, 图卷积神经网络	图像, 学习序列数据	90000个训练样本	NA	关联图卷积神经网络, 超图卷积神经认知诊断模型	准确率	NA
14972	2025-10-07	Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82931-5 PMID:39733046	研究论文	本研究通过比较深度学习和机器学习模型在脑卒中预测中的表现，探索可解释人工智能在早期中风检测中的应用	首次系统比较八种主流机器学习和深度学习模型在中风预测中的性能，并结合SHAP方法提供模型可解释性	研究样本量相对有限（663条记录），仅来自伊朗德黑兰单一医疗中心的数据	比较深度学习和机器学习模型在中风预测中的效能，探索早期检测方法	来自伊朗Hazrat Rasool Akram医院的住院患者，包括401名健康个体和262名中风患者	机器学习	脑卒中	NA	SVM, XGB, KNN, RF, DNN, FNN, LSTM, CNN	医疗记录数据	663条患者记录（401健康，262中风）	NA	DNN, FNN, LSTM, CNN	准确率, 特异性, 敏感性, F1分数, ROC曲线	NA
14973	2025-10-07	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	通过多中心随机双盲非劣效性试验比较深度学习算法与人工形态学评估在IVF胚胎选择中的效果	首次在大型多中心随机双盲试验中评估深度学习算法(iDAScore)在IVF胚胎选择中的临床应用价值	未能证明深度学习在临床妊娠率方面不劣于标准形态学评估方法	评估深度学习在体外受精胚胎选择中的价值	年龄42岁以下、至少有2个第5天早期囊胚的女性患者	数字病理	生殖系统疾病	胚胎形态学评估	深度学习算法	胚胎图像	1,066名患者(每组533名)	NA	iDAScore	临床妊娠率,风险差异,置信区间	NA
14974	2025-10-07	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	介绍ehrapy——一个用于电子健康记录数据端到端分析的模块化开源Python框架	首个专门为异质性流行病学和电子健康记录数据设计的可扩展探索性分析框架，整合了从数据提取到低维表示生成的全流程分析步骤	NA	开发一个标准化的电子健康记录数据分析框架，解决数据异质性挑战	电子健康记录数据，流行病学数据	医疗数据分析	肺炎，心血管疾病，SARS-CoV-2感染	电子健康记录分析，深度学习	深度学习模型	电子健康记录，医学影像数据	NA	Python	NA	NA	NA
14975	2025-10-07	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	提出一种名为CNMI-YOLO的两阶段深度学习方法，用于数字病理学中的有丝分裂细胞识别	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决领域自适应问题	未明确说明模型在更广泛癌症类型中的性能表现	提高不同类型癌症中有丝分裂细胞的识别准确性	组织病理学图像中的有丝分裂细胞	数字病理学	癌症	深度学习	CNN, Transformer	图像	使用有丝分裂领域泛化挑战2022数据集，包含黑色素瘤和肉瘤外部测试集	NA	YOLOv7, ConvNeXt, Faster-RCNN, Swin Transformer	精确率, 召回率, F1分数	NA
14976	2025-10-07	Hessian Regularized L 2 , 1 -Nonnegative Matrix Factorization and Deep Learning for miRNA-Disease Associations Prediction 2024-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00594-8 PMID:38099958	研究论文	提出一种结合Hessian正则化非负矩阵分解与深度学习的混合算法，用于预测miRNA与疾病之间的关联关系	提出新型迭代融合方法整合所有相似性，有效降低初始miRNA-疾病关联矩阵的稀疏性；设计混合模型框架结合深度学习、矩阵分解和奇异值分解来捕获非线性特征	NA	预测miRNA与疾病之间的潜在关联关系，为医学研究提供初步见解	microRNAs（miRNAs）与人类疾病（特别是肿瘤疾病）	机器学习	肿瘤疾病	矩阵分解，深度学习	非负矩阵分解，深度学习模型	miRNA-疾病关联矩阵，相似性矩阵	NA	NA	Hessian正则化L2,1-非负矩阵分解，奇异值分解	AUC, AUPR	NA
14977	2025-10-07	Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences 2024-01-19, Database : the journal of biological databases and curation DOI:10.1093/database/baad094 PMID:38245002	综述	对基于机器学习和深度学习的蛋白质序列赖氨酸丙二酰化位点预测技术及工具进行全面分析与比较	提出混合架构集成多种分类器，并在最新数据集上评估比较现有工具性能	现有方法存在特征提取不当、高维特征和分类器效率低等特定缺陷	开发有效的赖氨酸丙二酰化位点预测方法	蛋白质序列中的赖氨酸丙二酰化位点	机器学习	NA	蛋白质序列分析	机器学习模型,深度学习模型	蛋白质序列数据	基于最新数据库提取的新数据集	NA	混合架构	NA	NA
14978	2025-10-07	Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1243659 PMID:38711781	综述	分析人工智能方法在皮肤癌生存分析中的应用现状	首次系统综述AI在皮肤癌生存分析中的多模态数据整合能力，指出深度学习在黑色素瘤病理解读中的集中应用及扩展其他皮肤恶性肿瘤研究的创新空间	仅纳入14篇符合标准的文献，覆盖病种范围有限（主要关注黑色素瘤），未充分整合遗传学与临床数据	评估人工智能技术在皮肤癌生存分析领域的应用现状与发展方向	皮肤癌患者的生存数据分析	自然语言处理, 机器学习	皮肤癌	深度学习, 自然语言处理	监督学习, 无监督学习, 深度学习, NLP	遗传数据, 临床病史, 人口统计学数据, 病理数据	14篇符合纳入标准的文献	NA	NA	NA	NA
14979	2025-10-07	SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants 2023-01-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac584 PMID:36575831	研究论文	开发基于蛋白质语言模型的短框内插入缺失变异致病性预测工具SHINE	首次将预训练蛋白质语言模型应用于框内插入缺失变异的致病性预测，通过蛋白质序列和多序列比对构建潜在特征表示	训练数据中已知致病性变异数量有限	提高短框内插入缺失变异致病性预测的准确性	蛋白质序列中的短框内插入缺失变异	自然语言处理	NA	蛋白质语言模型，多序列比对	监督机器学习模型	蛋白质序列数据	来自ClinVar和gnomAD的培训数据，两个不同来源的测试数据集	NA	蛋白质语言模型	预测性能	NA
14980	2025-10-07	With or without human interference for precise age estimation based on machine learning? 2022-May, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-022-02796-z PMID:35157129	研究论文	比较基于人工干预特征提取和自主特征提取的两种卷积神经网络在牙齿年龄估计中的性能	首次在同一图像分析任务中同时应用人工干预和自主特征提取两种方法进行对比研究	仅针对牙齿年龄估计任务，未验证在其他医学影像任务中的普适性	探索机器学习和深度学习在医学影像分析中的最优特征提取方法	牙齿X光影像	计算机视觉	NA	医学影像分析	CNN	图像	NA	NA	自定义CNN架构	MAE, 准确率	NA