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
1941	2025-05-24	Large language models deconstruct the clinical intuition behind diagnosing autism 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.02.025 PMID:40147442	research paper	利用深度学习解构专家临床直觉，以改进自闭症诊断标准	通过大型语言模型（LLMs）分析临床报告，揭示自闭症诊断中的关键因素，挑战现有诊断标准	研究依赖于有限的临床报告样本（>4,000份），可能无法涵盖所有自闭症病例的多样性	解构临床专家直觉，改进自闭症诊断标准	自闭症患者的临床报告	natural language processing	autism	large language models (LLMs)	LLMs	text	>4,000份自由格式健康记录
1942	2025-05-24	Difficulty aware programming knowledge tracing via large language models 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96540-3 PMID:40181055	research paper	该论文提出了一种基于大型语言模型的难度感知编程知识追踪方法（DPKT），用于评估编程问题的文本理解难度和知识概念难度，并动态更新学生的知识状态	结合注意力机制分析知识概念难度与文本理解难度的关系，并采用更新门机制和图注意力网络，显著提高了编程问题难度的评估准确性和知识状态的时空反映能力	未提及具体的数据集规模限制或模型在其他领域的泛化能力	提高编程知识追踪的准确性，促进个性化学习	学生在智能辅导系统中的交互数据	natural language processing	NA	large language models, attention mechanism, graph attention network	DPKT (Difficulty aware Programming Knowledge Tracing)	text	未提及具体样本数量
1943	2025-05-24	Assessing the risk of takeover catastrophe from large language models 2025-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.14353 PMID:38945529	research paper	本文对大型语言模型（LLMs）进行了风险分析，特别关注其可能导致极端灾难（如接管世界并杀死所有人）的风险	首次针对实际AI系统（而非假设的未来系统）引发接管灾难的担忧进行分析，比较现有LLMs与理论文献中AI接管所需特性的差异	分析基于当前LLMs的能力，未来LLMs可能存在意外能力，专家对深度学习算法的看法存在分歧	评估大型语言模型引发接管灾难的风险	大型语言模型（如ChatGPT和GPT-4）	natural language processing	NA	NA	LLM	text	NA
1944	2025-05-24	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	research paper	该研究提出了一种名为增量重训练堆叠LSTM（IS-LSTM）的新型深度学习框架，用于从有限的连续血糖监测（CGM）数据中进行个性化血糖预测	提出增量重训练堆叠LSTM框架，能够逐步适应个体数据并采用参数迁移提高效率，解决了传统方法需要大量训练数据的问题	研究仅针对1型糖尿病患者，未涉及其他类型糖尿病	开发一种能够从有限CGM数据中进行准确血糖预测的个性化方法	1型糖尿病患者的血糖数据	machine learning	糖尿病	连续血糖监测（CGM）	LSTM	时间序列数据	两个CGM数据集：OpenAPS和Replace-BG
1945	2025-05-24	Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review 2025-Apr, Drug safety IF:4.0Q1 DOI:10.1007/s40264-024-01505-6 PMID:39786481	综述	本文通过范围综述总结了利用自然语言处理（NLP）和机器学习（ML）技术从非结构化电子健康记录（EHR）数据中检测药物不良事件（ADEs）的有效性	综述了NLP/ML技术在药物警戒中的应用，展示了这些技术在检测未报告的不良事件和发现新的安全信号方面的潜力	研究中存在技术和方法学的异质性，缺乏标准化的方法和验证标准，阻碍了NLP/ML在药物警戒中的广泛应用	评估NLP/ML技术在药物警戒中的应用效果，以提高从非结构化EHR数据中检测ADEs的能力	非结构化电子健康记录（EHR）数据	自然语言处理	NA	自然语言处理（NLP）、机器学习（ML）	基于规则的NLP、统计模型、深度学习	非结构化文本数据	七项研究符合纳入标准
1946	2025-05-24	Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3498097 PMID:40030371	research paper	提出了一种基于深度学习的递归脉冲神经网络方法RSN-Count，用于家庭环境中睡眠呼吸暂停的筛查，重点在于无需精确定位事件即可可靠估计呼吸暂停低通气指数（AHI）	利用脉冲神经网络直接计数呼吸暂停事件，减少对事件时间精确定位的依赖，提高了AHI估计的准确性	研究样本量较小（N = 33），可能影响结果的普遍性	改进家庭环境中的睡眠呼吸暂停筛查方法	睡眠呼吸暂停患者	machine learning	sleep apnea	Spiking Neural Networks	RSN-Count	audio and SpO recordings	33名患者的整夜音频和血氧记录
1947	2025-05-24	Brain-wide 3D neuron detection and mapping with deep learning 2025-Apr, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.2.025012 PMID:40401216	research paper	该论文介绍了一种名为NeuronMapper的全脑3D神经元检测与映射方法，利用深度学习技术实现自动化且可靠的神经元检测与定位	提出了一种四阶段框架（预处理、分类、检测和映射），结合轻量级分类网络和基于Video Swin Transformer的分割网络，实现了百万级别小鼠全脑神经元的高精度检测与定位	目前仅在小鼠脑数据上验证，尚未在其他物种或更复杂脑区测试	开发自动化神经元检测与映射技术以理解神经回路功能	小鼠全脑成像数据中的神经元胞体	digital pathology	NA	3D成像、深度学习	Video Swin Transformer	3D图像	百万级别小鼠神经元
1948	2025-05-24	Reasoning-Driven Food Energy Estimation via Multimodal Large Language Models 2025-Mar-24, Nutrients IF:4.8Q1 DOI:10.3390/nu17071128 PMID:40218886	research paper	该研究探讨了利用多模态大语言模型（MLLMs）进行基于图像的食物能量估计的方法	提出了两种方法：微调和体积感知推理结合细粒度估计提示，以提高食物能量估计的准确性	MLLMs在识别食物大小方面存在局限性，这是能量含量评估的关键因素	改进基于图像的食物能量估计方法，以支持用户友好的食物跟踪应用	食物图像及其能量估计	computer vision	NA	多模态大语言模型（MLLMs）	MLLMs	image	Nutrition5k数据集
1949	2025-05-24	Deep learning-based normative database of anterior chamber dimensions for angle closure assessment: the Singapore Chinese Eye Study 2025-Mar-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-325602 PMID:39486884	研究论文	本研究通过深度学习算法建立了新加坡华人眼研究中的前房尺寸标准数据库，用于评估闭角型青光眼	首次使用深度学习算法建立前房尺寸的标准分布，并应用百分位数截断值检测原发性闭角型青光眼	研究仅基于新加坡华人群体，可能不适用于其他种族或地区的人群	建立前房尺寸的标准数据库并评估其在闭角型青光眼检测中的应用	新加坡华人眼研究中的2157只眼睛（1853只开角眼，304只闭角眼）	数字病理学	青光眼	前段光学相干断层扫描（ASOCT）	深度学习算法	图像	2157只眼睛
1950	2025-05-24	Leveraging large language models for knowledge-free weak supervision in clinical natural language processing 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68168-2 PMID:40064991	研究论文	本文提出了一种利用大型语言模型（LLMs）进行知识无关的弱监督方法，用于临床自然语言处理任务	提出了一种结合微调LLMs和弱监督的方法，无需领域知识即可生成弱标记数据，并在少量黄金标准数据上进一步微调，显著提升了性能	LLMs的推理计算量较大	解决临床自然语言处理任务中标记数据不足的问题	临床命名实体识别	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2-13B）、BERT	文本	不超过10份黄金标准笔记（少量数据）
1951	2025-05-24	Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study 2025-Mar-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01355-y PMID:40025592	research paper	开发并验证一个结合临床数据、深度学习放射组学和放射组学特征的模型，用于预测腰椎融合术后高风险患者发生笼子下沉的情况	结合了临床数据、深度学习放射组学和传统放射组学特征，开发了一个预测模型，其性能优于经验丰富的外科医生的预测	回顾性研究设计可能限制了结果的普适性，样本量相对较小	预测腰椎融合术后高风险患者发生笼子下沉的情况	305名接受腰椎融合手术的患者	digital pathology	geriatric disease	3D vision transformations, LASSO regression, logistic regression	deep learning model	CT, MRI, clinical data	305名患者（训练组214名，验证组61名，测试组30名）
1952	2025-05-24	KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate From a Smartwatch 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3477275 PMID:39383068	研究论文	本文提出了一种结合专家知识的深度学习模型KID-PPG，用于从智能手表的PPG信号中准确提取心率	通过自适应线性滤波、深度概率推断和数据增强整合医学和信号处理领域的专家知识，解决了深度学习模型在运动伪影去除、信号退化评估和生理合理性分析方面的不足	仅在PPGDalia数据集上进行了评估，未在其他数据集上验证模型的泛化能力	提高从PPG信号中提取心率的准确性	智能手表采集的PPG信号	生物医学信号处理	NA	深度学习、自适应线性滤波、深度概率推断、数据增强	KID-PPG	PPG信号	PPGDalia数据集
1953	2025-05-24	Brain tumour histopathology through the lens of deep learning: A systematic review 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109642 PMID:39787663	系统综述	本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用，特别是在胶质母细胞瘤（GBM）中的影响	揭示了ML/DL技术在GBM组织病理学研究中的新兴趋势，并强调了结合组织学与组学数据的新方法	许多研究未能清晰报告ML/DL的训练和评估方法，影响了模型的稳健性和可重复性	调查ML/DL技术如何推动脑肿瘤组织病理学研究的进展，特别是在GBM领域	胶质母细胞瘤（GBM）及其组织病理学和组学数据	数字病理学	胶质母细胞瘤	机器学习（ML）/深度学习（DL）	SVM分类器和基于ResNet的CNN架构	组织病理学和组学数据	54项符合条件的研究，其中8项专注于GBM
1954	2025-05-24	Artificial Intelligence-Guided Lung Ultrasound by Nonexperts 2025-Mar-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.4991 PMID:39813064	研究论文	评估AI在指导训练有素的医疗专业人员获取诊断质量肺部超声图像方面的能力	利用AI指导非专家获取高质量的肺部超声图像，扩展了肺部超声在缺乏专家地区的使用	研究样本量相对较小（176名参与者），且仅在特定临床环境下进行	评估AI在肺部超声图像获取中的指导作用	训练有素的医疗专业人员（包括医疗助理、呼吸治疗师和护士）和呼吸困难患者	数字病理	心血管疾病	深度学习算法	深度学习	图像	176名参与者（81名女性，平均年龄63岁）
1955	2025-05-24	Ventricular Arrhythmia Classification Using Similarity Maps and Hierarchical Multi-Stream Deep Learning 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3490187 PMID:39485690	research paper	该研究提出了一种使用相似性图和分层多流深度学习的心室心律失常分类方法	开发了相似性图这一新特征集，用于捕捉心电图轨迹中的规律性，并结合可学习的Parzen带通滤波器和导数特征，提出了一种分层多流ResNet34架构	NA	解决心室心动过速（VT）、心室颤动（VF）和非心室节律（NVR）之间的分类问题	心电图（ECG）数据	machine learning	cardiovascular disease	深度学习	ResNet34	ECG trace	NA
1956	2025-05-24	Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy 2025-Mar, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2025.2493489 PMID:40264428	research paper	本研究开发了一种使用ChatGPT数据分析师进行深度学习的方法，用于自动测量球体大小以评估球体质量	利用ChatGPT数据分析师进行图像识别和处理，提供了一种可靠且高效的球体质量评估替代方法	未提及具体样本量的限制或潜在的偏差来源	开发一种自动测量球体大小的方法，以改善球体质量评估	由脂肪来源干细胞（ADSCs）生成的球体	digital pathology	osteoarthritis	deep learning, image recognition	ChatGPT Data Analyst	image	NA
1957	2025-05-24	Multiple model visual feature embedding and selection method for an efficient oncular disease classification 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84922-y PMID:39934192	research paper	该研究提出了一种基于深度学习的自动化眼部疾病分类系统，旨在提高诊断精度并支持临床工作流程	引入了一种新颖的两级特征选择框架，结合了LDA和先进的神经网络分类器（DNN、LSTM和BiLSTM），显著降低了计算复杂度并提高了分类准确性	研究仅使用了ODIR数据集，可能无法涵盖所有类型的眼部疾病，且未提及在外部验证集上的表现	开发一个高效、可扩展的自动化眼部疾病检测系统，以支持临床决策	眼部疾病患者	computer vision	ocular disease	deep learning	DenseNet201, EfficientNetB3, InceptionResNetV2, DNN, LSTM, BiLSTM	image	5,000 patient fundus images
1958	2025-05-24	Computational Methods for Predicting Chemical Reactivity of Covalent Compounds 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01591 PMID:39823568	研究论文	本文通过机器学习和量子力学计算，预测共价化合物的化学反应性，为共价药物的发现和开发提供计算工具	结合机器学习、深度学习和量子力学计算，开发了FP-Stack模型，显著提高了共价化合物反应性的预测准确性和计算效率	研究仅针对半胱氨酸靶向的共价化合物，可能不适用于其他类型的共价化合物	预测和调节共价化合物的化学反应性，以支持共价药物的发现和开发	419种半胱氨酸靶向的共价化合物	机器学习	NA	机器学习、深度学习、量子力学计算	FP-Stack	化学数据	419种半胱氨酸靶向的共价化合物
1959	2025-05-24	Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3463481 PMID:39292577	research paper	该研究开发了一种基于深度卷积神经网络（DCNN）的束分类方法，用于预测耐药性癫痫儿童术后短期语言能力的改善	扩展了先前基于DCNN的束分类方法，利用高质量的全脑扩散加权成像连接组（wDWIC）数据库，提高了术前语言模块网络（LMNs）内连接标记的预测准确性	研究样本可能有限，且仅关注短期术后语言改善，未涉及长期效果	提高耐药性癫痫儿童术后语言能力改善的预测准确性	耐药性癫痫儿童	digital pathology	epilepsy	diffusion-weighted imaging connectome (wDWIC)	DCNN	image	独立验证队列中的核心/表达/接受域样本
1960	2025-05-24	Deep Learning for Pediatric Sleep Staging From Photoplethysmography: A Transfer Learning Approach From Adults to Children 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3470534 PMID:39331540	研究论文	本研究利用深度学习技术，通过光电容积图（PPG）时间序列对儿童睡眠分期进行自动化分析，采用从成人到儿童的迁移学习方法	首次将迁移学习应用于儿童睡眠分期，利用成人数据集进行预训练，显著提高了儿童睡眠分期的准确性和泛化能力	对5岁以下儿童的性能表现有所下降，需要更多覆盖更广年龄范围的儿科数据集来完全解决泛化限制	开发一种基于PPG的自动化儿童睡眠分期方法	5-10岁儿童（CHAT数据集）和5岁以下儿童（Ichilov数据集）的睡眠数据	机器学习	睡眠障碍	PPG（光电容积图）	深度学习模型	时间序列数据	CHAT数据集（5-10岁儿童）和Ichilov数据集（5岁以下儿童）