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
1581	2026-03-15	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并利用可解释AI增强深度学习模型对颅内动脉瘤闭塞预测的可靠性和可解释性	提出通过解卷积和再卷积技术标准化注射曲线以消除对比剂注射变异性，并结合LIME方法提升模型决策的透明度和临床相关性	研究仅基于458名患者的血管造影数据，样本量相对有限，且未涉及外部验证	提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞的准确性和可解释性	接受血流导向装置治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影	深度神经网络	血管造影图像	458名患者	NA	深度神经网络	AUROC, 准确率, 敏感性, 特异性	NA
1582	2026-03-15	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本研究开发并验证了一种基于胸部CT扫描的自动化定量裂隙完整性评分（FIS）预测模型，用于识别适合接受支气管内瓣膜（EBV）治疗的肺气肿患者	首次利用完全自动化的深度学习方法来定量评估肺裂隙完整性，并将其作为预测EBV治疗反应的生物标志物	样本量较小（仅96例），且为回顾性研究，可能存在选择偏倚	开发预测模型以识别适合EBV治疗的肺气肿患者	中度至重度肺气肿患者	数字病理学	肺气肿	胸部CT扫描	深度学习, 逻辑回归	CT图像	96例患者的治疗前后胸部CT扫描	NA	NA	AUC, 准确率, 特异性, 敏感性, 阳性预测值, 阴性预测值	NA
1583	2026-03-15	Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks 2024-10, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01179-6 PMID:38896344	研究论文	本研究提出了一种基于3D卷积神经网络的视频自动手卫生检测方法，用于手术室环境	首次将2D与3D CNN序列结合用于手术室手卫生动作检测，并引入光流作为额外输入模态	数据仅来自单一手术室，收集时间较短（4个月），需更多样化场景验证	开发自动监测系统以预防手术室医院获得性感染	麻醉人员的手卫生动作	计算机视觉	医院获得性感染	视频分析	CNN	视频	2018年11月至2019年2月（4个月）在单一手术室收集的视频数据，并添加了模拟数据	未明确说明	2D CNN, 3D CNN	准确率, 灵敏度, 特异性, AUC	NA
1584	2026-03-15	Longitudinally Consistent Individualized Prediction of Infant Cortical Morphological Development 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72086-4_42 PMID:41815924	研究论文	本文提出了一种新颖的纵向一致性三元组解缠自编码器框架，用于基于不完整的纵向数据预测婴儿个体化皮层形态发育轨迹	强调时间一致性，通过动态时间规整损失鼓励轨迹间的相似性，解决了现有深度学习方法在预测缺失数据时因独立处理每次扫描而导致的目标时间点预测不一致问题	未明确提及，但可能包括模型在更广泛年龄范围或不同疾病群体中的泛化能力需要进一步验证	基于不完整的纵向数据预测个体化的婴儿皮层形态发育完整轨迹，以丰富对正常早期大脑发育的理解并帮助识别神经发育障碍	婴儿皮层属性图	神经影像分析	神经发育障碍	表面成像	自编码器	图像（皮层属性图）	NA	NA	纵向一致性三元组解缠自编码器	纵向一致性，精确度	NA
1585	2026-03-15	Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis 2024-Aug-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.609971 PMID:39253514	研究论文	本研究通过构建斑马鱼早期胚胎发生的单细胞多组学图谱，结合深度学习模型，揭示了转录因子与染色质可及性在细胞类型分化中的调控逻辑，并发现了即时分化这一新机制	发现了Nanog在启动中内胚层基因增强子可及性中的新功能，并描述了跳过中间命运转变的即时分化过程	研究主要基于斑马鱼模型，结果在哺乳动物中的普适性有待验证	系统解析脊椎动物胚胎发生过程中细胞类型分化的基因调控逻辑	斑马鱼早期胚胎	计算生物学	NA	单细胞RNA表达与染色质可及性测序	深度学习模型	DNA序列、RNA表达数据、染色质可及性数据	NA	NA	NA	NA	NA
1586	2026-03-15	Artificial Intelligence-Guided Gut-Microenvironment-Triggered Imaging Sensor Reveals Potential Indicators of Parkinson's Disease 2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307819 PMID:38569219	研究论文	本文介绍了一种基于人工智能的肠道微环境触发成像传感器，用于非侵入性、准确地筛查帕金森病的不同阶段	开发了一种新型人工智能引导的肠道微环境触发成像传感器，通过深度学习算法分析肠道中的α-突触核蛋白，实现帕金森病的高精度预测	NA	开发非侵入性生物标志物用于帕金森病的早期诊断	帕金森病患者肠道中的α-突触核蛋白	机器学习	帕金森病	成像传感器技术	深度学习算法	图像数据	NA	NA	NA	准确度	NA
1587	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
1588	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
1589	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
1590	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
1591	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
1592	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
1593	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
1594	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
1595	2026-03-15	Detection of dementia on voice recordings using deep learning: a Framingham Heart Study 2021-08-31, Alzheimer's research & therapy DOI:10.1186/s13195-021-00888-3 PMID:34465384	研究论文	本研究利用深度学习模型分析神经心理学测试的语音录音，以检测痴呆症	首次在社区队列研究中应用深度学习自动分析语音录音进行痴呆筛查	样本量相对有限，且录音中包含多个说话者可能影响模型性能	开发可靠、经济、易用的痴呆症检测方法	来自弗雷明汉心脏研究的参与者语音录音	自然语言处理	老年疾病	语音录音分析	LSTM, CNN	音频	1264份语音录音（483正常认知，451轻度认知障碍，330痴呆）	NA	双层LSTM网络，卷积神经网络	AUC，平衡准确率，加权F1分数	NA
1596	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
1597	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
1598	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
1599	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
1600	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