深度学习在生物医药领域中的应用

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
161	2025-07-20	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索了利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	研究仅涉及27名健康参与者，样本量较小	预测体力消耗水平	健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度(RPM)和心率变异性(HRV)测量	LSTM网络与传统机器学习模型	生理信号数据	27名健康参与者
162	2025-07-20	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过心电图图像自动检测和预测结构性心脏病	利用12导联心电图图像，采用集成深度学习方法自动检测多种结构性心脏病，并在多个医院和前瞻性人群研究中验证了其性能	研究主要依赖于特定医院的数据，外部验证的样本量相对较小	开发一种自动化工具，用于结构性心脏病的早期筛查和风险分层	结构性心脏病患者的心电图图像	数字病理	心血管疾病	深度学习，卷积神经网络，XGBoost	CNN, XGBoost	图像	261,228份心电图来自93,693名患者，外部验证包括11,023名个体（YNHH）、44,591名（外部医院）和3,014名（ELSA-Brasil）
163	2025-07-20	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发了一种深度学习算法用于量化炎症性肠病中的潘氏细胞密度	使用两阶段U-net深度学习模型显著提高了潘氏细胞密度量化的准确性	研究基于回顾性队列，需要前瞻性研究验证临床实用性	开发深度学习工具用于炎症性肠病的预后生物标志物量化	炎症性肠病患者和非IBD患者的回肠组织样本	数字病理学	炎症性肠病	全切片图像分析	U-net	图像	190例(142例CD患者和48例非IBD患者)
164	2025-07-20	Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study 2024-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102919 PMID:39764545	研究论文	本研究利用深度学习技术分析重症婴儿的视频数据，以检测神经系统变化	首次将姿态AI应用于ICU环境，仅通过视频数据预测脑功能障碍	单中心回顾性研究，样本量相对有限	开发一种可靠、连续的神经系统监测方法	重症监护病房中1岁以下的婴儿	计算机视觉	神经系统疾病	深度学习姿态识别算法	CNN	视频	115名婴儿，282,301分钟视频数据
165	2025-07-20	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	research paper	该论文提出了一种名为ViViEchoformer的深度学习方法，通过视频视觉变换器直接从超声心动图视频中回归预测左心室功能（LVEF）	使用视频视觉变换器（ViViEchoformer）直接从超声心动图视频中预测射血分数（EF），提供了一种全自动的EF预测方法	研究仅基于单一医疗机构（斯坦福大学医院）的数据，可能限制了模型的泛化能力	开发一种深度学习方法，用于精确量化左心室功能，以替代人工评估	超声心动图视频	digital pathology	cardiovascular disease	deep learning	transformer	video	10,030例来自斯坦福大学医院患者的超声心动图视频
166	2025-07-20	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	研究论文	本文提出了一种名为HdFIT的深度学习特征重要性测试框架，用于整合高维生物标志物以提升疾病结果预测	引入了HdFIT框架，结合特征筛选步骤和机器学习模型，有效识别关键生物标志物并提升预测准确性	未提及具体疾病类型的应用限制或框架在不同数据集上的泛化能力	提高疾病结果预测的准确性并理解疾病机制	行为、临床和高维分子特征	机器学习	NA	深度学习	深度神经网络	高维分子数据	蒙特卡洛实验和真实微生物组研究
167	2025-07-20	Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures 2024-Nov-08, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna10060055 PMID:39585047	研究论文	比较三种计算工具在预测RNA三级结构方面的效用	整合分子动力学原理到深度学习框架中的AlphaFold 3能够直接从RNA初级序列输入预测RNA三级结构，甚至接受几种常见的转录后修饰	三种计算工具在预测人类前微RNA和较大BioRNA分子的远端环时存在显著差异，且这些RNA的三维结构尚未通过实验表征	评估和比较三种先进计算工具在预测RNA三级结构方面的性能	非编码RNA（ncRNAs），包括小干扰RNA药物nedosiran和新型生物工程RNA（BioRNA）分子	计算生物学	NA	RNAComposer, Rosetta FARFAR2, AlphaFold 3	深度学习	RNA初级序列	多种形式的RNA，包括nedosiran和BioRNA分子
168	2025-07-20	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	该研究探讨了SARS-CoV-2病毒突变对人类与动物间交叉传播的影响，并利用深度学习模型预测了可能增强传播的关键突变	提出了病毒在动物宿主中的适应性突变不一定增加人类传染性的假设，并构建了多任务深度学习模型MT-TopLap来预测跨物种传播的关键突变	研究主要关注RBD区域的突变，可能忽略了病毒其他区域突变对传播的影响	研究SARS-CoV-2病毒突变对人类与动物间交叉传播能力的影响	SARS-CoV-2病毒的受体结合域(RBD)突变	机器学习	COVID-19	深度突变扫描	MT-TopLap(多任务深度学习模型)	蛋白质序列数据	多种物种(人类、猫、蝙蝠、鹿、仓鼠)的ACE2受体数据
169	2025-07-20	A wearable echomyography system based on a single transducer 2024-Nov, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-024-01271-4 PMID:40677283	研究论文	本文介绍了一种基于单个传感器的可穿戴回声肌电图系统，用于肌肉活动的无线监测	开发了一种完全集成的可穿戴回声肌电图系统，使用单个定制传感器，克服了传统设备体积大、功耗高的问题	NA	开发一种新型可穿戴设备，用于准确长期无线监测肌肉活动	肌肉活动，特别是膈肌和前臂肌肉	生物医学工程	NA	回声肌电图	深度学习算法	超声波射频数据	NA
170	2025-07-20	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	research paper	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位（STN LFPs）中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能优势	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中进行测试	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改善自适应深部脑刺激（DBS）疗法的效果	帕金森病患者的丘脑底核局部场电位和步态表现	machine learning	Parkinson's disease	深部脑刺激（DBS），局部场电位（LFP）记录	深度学习回归模型（N2GNet）	神经信号（STN LFPs），地面反作用力数据	18名帕金森病患者
171	2025-07-20	Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models 2024-Oct-10, HGG advances DOI:10.1016/j.xhgg.2024.100347 PMID:39205391	研究论文	本文探讨了利用基因组基础模型从DNA序列预测个性化基因表达的方法	使用Nucleotide Transformer的预训练嵌入来缩小模型在解释个体间差异方面的性能差距	需要更多训练数据以进一步提升预测准确性	提高从DNA序列预测个性化基因表达的准确性	290个个体的基因型和表达数据	功能基因组学	NA	深度学习	transformer, Enformer	基因序列数据	290个个体
172	2025-07-20	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	本文综述了人工智能在口腔癌和口腔上皮异型增生中的应用，旨在开发预测性生物标志物以改善诊断和治疗效果	利用人工智能技术开发预测性生物标志物，包括S100A7和深度学习数字病理学，以预测口腔上皮异型增生转化为口腔鳞状细胞癌的风险及治疗效果	目前尚无可靠的临床、病理、组织学或分子生物标志物来预测口腔上皮异型增生和口腔鳞状细胞癌的个体风险和治疗效果	探索人工智能在预测口腔上皮异型增生转化为口腔鳞状细胞癌及预测口腔鳞状细胞癌死亡率和治疗反应中的应用	口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED)患者	数字病理学	口腔癌	机器学习、深度学习、多重免疫组织化学、表观基因组学	深度学习(DL)	图像、表观遗传数据	NA
173	2025-07-20	Patient-specific deep learning for 3D protoacoustic image reconstruction and dose verification in proton therapy 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17294 PMID:38980065	研究论文	本研究开发了一种患者特异性深度学习方法，用于改进质子治疗中原声成像的重建质量和剂量验证的准确性	采用两阶段深度学习方法，结合群体模型和患者特异性数据增强，显著提高了原声成像的重建质量和剂量验证的准确性	研究仅基于10名前列腺癌患者的数据，样本量有限，需要进一步临床验证	改进质子治疗中原声成像的重建质量和剂量验证的准确性	前列腺癌患者	数字病理	前列腺癌	深度学习、数据增强	深度学习网络	CT图像、原声信号	10名前列腺癌患者
174	2025-07-20	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	本研究比较了深度学习模型与资深外科住院医师在腹部X光片上诊断坏死性小肠结肠炎（NEC）的准确性	使用预训练的ResNet-50深度卷积神经网络（DCNN）和Grad-CAM热力图技术，首次在NEC诊断中实现与资深外科住院医师相当的准确性	研究样本量有限（494张X光片），且缺乏普遍应用的'金标准'作为对照	评估深度学习模型在NEC影像诊断中的临床应用价值	新生儿腹部X光片（494张，其中214张为NEC病例）	数字病理学	坏死性小肠结肠炎	迁移学习	ResNet-50 DCNN	图像	494张新生儿腹部X光片（214例NEC，280例其他）
175	2025-07-20	Colour fusion effect on deep learning classification of uveal melanoma 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03148-4 PMID:38773261	研究论文	本研究验证了深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的应用，并评估了颜色融合选项对分类性能的影响	研究了不同颜色融合选项（早期融合、中期融合和晚期融合）对深度学习分类性能的影响，并发现红色通道图像在单色学习中表现最佳，中期融合在多色学习中表现最优	研究为回顾性研究，样本量相对有限，且仅使用了超宽视野视网膜图像	验证深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的有效性，并评估颜色融合选项对分类性能的影响	葡萄膜黑色素瘤和脉络膜痣患者	数字病理学	葡萄膜黑色素瘤	深度学习图像分类	CNN	图像	438名患者的798张超宽视野视网膜图像（157名葡萄膜黑色素瘤患者和281名脉络膜痣患者）
176	2025-07-20	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	提出了一种基于电子健康记录（EHR）的加权患者表示框架PheW2P2V，用于表型组范围内的预测	PheW2P2V通过加权患者向量，针对特定表型进行个性化预测，减少了冗余和病例对照错误分类	需要进一步研究评估嵌入在不同数据库间的可迁移性	开发一种高效、灵活的预测工具，用于早期诊断高风险疾病	电子健康记录（EHR）中的患者数据	机器学习	多种临床疾病表型	Phecode映射	NA	电子健康记录（EHR）	MIMIC-III数据库中的942个表型范围预测
177	2025-07-20	Automated image transcription for perinatal blood pressure monitoring using mobile health technology 2024-Oct, PLOS digital health DOI:10.1371/journal.pdig.0000588 PMID:39356720	研究论文	本文介绍了一种自动图像转录技术，用于将血压设备读数转录到医疗健康记录或数据库中，特别是在低识字率人群中	开发了一种基于深度学习的自动图像转录技术，结合YOLO目标检测模型和CNN数字识别模型，有效提高了血压数据的可访问性和可用性	研究主要针对特定设备和特定人群（低资源环境和低识字率人群），可能在其他设备和人群中的适用性有限	解决自测血压数据转录到医疗记录中的挑战，特别是在低识字率人群中	孕妇和产后妇女的血压数据	数字病理	心血管疾病	深度学习	YOLO, CNN	图像	来自危地马拉的1697名和584名孕妇，以及来自乔治亚州的23名和49名非洲裔美国产后妇女
178	2025-07-20	Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness 2024-Sep-13, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-024-03215-3 PMID:39272155	research paper	该研究探讨了氯菊酯暴露如何通过小胶质细胞激活在模拟海湾战争疾病的小鼠模型中引发抑郁样行为	揭示了氯菊酯暴露通过小胶质细胞激活引发抑郁样行为的机制，并利用单细胞RNA测序分析了相关转录网络	研究仅在小鼠模型中进行，尚未在人类中验证	评估氯菊酯暴露是否会导致神经炎症应激反应并引发与海湾战争疾病相关的精神症状	海湾战争疾病小鼠模型	神经科学	海湾战争疾病	单细胞RNA测序	DREADD受体	RNA序列数据	21,566个来自小鼠海马区的单细胞核
179	2025-07-20	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep-09, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	本研究开发了一种深度学习算法，用于在军事特定社交媒体平台上检测包含自杀相关内容的帖子	利用RoBERTa模型结合帖子文本和元数据，以较高敏感性和特异性检测自杀风险	研究仅基于公开分享的社交媒体帖子，可能无法涵盖所有风险人群	识别现役军人和退伍军人的自杀风险	军事特定社交媒体平台上的公开帖子	自然语言处理	心理健康	深度学习	RoBERTa	文本	8449条社交媒体帖子
180	2025-07-20	Deep Learning Model for Predicting Lung Adenocarcinoma Recurrence from Whole Slide Images 2024-Sep-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16173097 PMID:39272955	research paper	提出了一种基于深度学习的模型，用于从全切片图像中预测肺腺癌的5年复发风险	引入了创新的双重注意力架构，显著提高了计算效率，并在复发风险分层中表现出色	未提及样本量是否足够大或模型在其他数据集上的泛化能力	提高肺腺癌复发预测的准确性和效率，以改善治疗决策	肺腺癌患者的全切片图像	digital pathology	lung cancer	NA	deep learning-based model with dual-attention architecture	whole slide images (WSIs)	NA