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
1	2025-12-16	Smartphone-based detection of COVID-19 and associated pneumonia using thermal imaging and a transfer learning algorithm 2025-Dec, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300486 PMID:38253344	研究论文	本研究开发了一种基于智能手机的热成像应用，通过深度学习算法分析人体背部热图像，用于COVID-19及其相关肺炎的检测	首次将智能手机热成像与迁移学习算法结合，实现非侵入式、便携式的COVID-19及肺炎筛查，突破传统影像技术（如X光、CT）的医院限制	研究未明确样本来源及规模细节，且热成像技术可能受环境温度、个体差异等因素影响，需进一步临床验证	开发一种便携、低成本的COVID-19及肺炎筛查工具，适用于医院外环境	人体背部热图像	计算机视觉	COVID-19及肺炎	热成像技术	深度学习算法（基于迁移学习）	热图像	NA	NA	NA	灵敏度, 特异度	NA
2	2025-12-16	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	研究论文	本文提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	设计了一个多尺度卷积-Transformer时期编码器来编码每个睡眠时期的局部显著波形特征和全局特征，并基于协同注意力机制开发了一个跨模态上下文编码器来建模不同模态（如EEG和EOG）之间的跨模态上下文关系	NA	开发一个自动睡眠分期系统，以辅助睡眠评估和疾病诊断	多导睡眠图（PSG）记录，特别是脑电图（EEG）和眼电图（EOG）信号	机器学习	NA	多导睡眠图（PSG）	CNN, Transformer	生理信号（时间序列数据）	使用了三个数据集：一个私有睡眠数据集SSND，以及两个公共数据集Sleep-EDF-153和ISRUC	NA	CareSleepNet（包含多尺度卷积-Transformer时期编码器、基于协同注意力的跨模态上下文编码器、基于Transformer的序列编码器）	NA	NA
3	2025-12-16	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	本文提出了一种名为BP-Net的新方法，通过自对比掩码模型从光电容积脉搏波中监测血压变化，而非直接估计血压值	将血压监测问题重新定义为追踪血压在时间间隔内的“变化”，而非直接估计其数值，并引入了自对比掩码模型进行成对时间比较	模型在未见过的受试者上的准确率为75.97%/73.19%，仍有提升空间，且泛化能力需进一步验证	开发一种基于光电容积脉搏波的深度学习模型，用于检测收缩压的阈值变化，以改善临床血压监测	光电容积脉搏波信号及其对应的收缩压变化	机器学习	心血管疾病	光电容积脉搏波	深度学习模型	生理信号	使用PulseDB数据集，具体样本数量未在摘要中明确说明	NA	BP-Net, 自对比掩码模型	准确率	NA
4	2025-12-16	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种用于运动想象分类的新型算法，结合多尺度多频带卷积黎曼网络和频带级黎曼三元组损失以提高性能	开发了最先进的多频带黎曼网络，通过减少子带数量、引入卷积层和黎曼三元组损失正则化，解决了黎曼网络因协方差矩阵大特征维度导致的过拟合问题	NA	提高运动想象脑电信号的分类性能	运动想象脑电信号	机器学习	NA	脑电信号处理	卷积神经网络	脑电信号	公开数据集：BCI Competition IV dataset 2a 和 OpenBMI dataset	NA	多尺度多频带卷积黎曼网络	分类准确率	NA
5	2025-12-16	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	提出了一种结合动态注意力机制与谱图Transformer的先进模型，有效解决了现有方法在整体效果和对节点位置敏感方面的挑战	未在摘要中明确说明	预测miRNA与疾病之间的关联	miRNA与疾病	机器学习	结直肠癌、食管癌、前列腺癌	NA	Transformer, 图神经网络	图数据	基于HMDD v2.0和v3.2数据库	NA	DARSFormer, 正交图神经网络, 图Transformer	AUC	NA
6	2025-12-16	An Eye Movement Classification Method Based on Cascade Forest 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出一种基于级联森林的眼动分类方法，用于将原始眼动数据分类为眼动事件	创新性地采用分层集成架构，将级联森林结构与集成学习原理结合，专门用于眼动分类	NA	解决眼动分类中参与者适应性差异、类别不平衡和数据稀缺问题	原始眼动数据	机器学习	NA	眼动追踪技术	级联森林	眼动数据	NA	NA	级联森林	准确率, 效率	NA
7	2025-12-16	The promising horizon of deep learning and artificial intelligence in flap monitoring 2023-12-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000748 PMID:37720927	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8	2025-12-16	Health Recommendation System using Deep Learning-based Collaborative Filtering 2023-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22844 PMID:38144343	研究论文	本文提出了一种基于深度学习的健康推荐系统，利用受限玻尔兹曼机与协同进化神经网络的结合来优化医疗决策	结合受限玻尔兹曼机与协同进化神经网络，构建智能健康推荐系统，实现从传统医疗场景向个性化医疗的转变	未明确说明系统在真实医疗环境中的部署挑战或数据隐私保护的具体措施	开发高效且有效的健康推荐系统，以支持医疗决策和个性化医疗	医疗数据，包括患者健康信息、社交活动及行为分析数据	机器学习	NA	数据挖掘	RBM, CNN	医疗数据集	NA	TensorFlow, Python	受限玻尔兹曼机, 协同进化神经网络	准确率, 精确率, 召回率, F值	NA
9	2025-12-16	Estimation of concrete materials uniaxial compressive strength using soft computing techniques 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22502 PMID:38034748	研究论文	本研究通过比较三种深度学习算法（CNN、GRU和LSTM），预测混合设计混凝土的单轴抗压强度	专注于混合设计混凝土，并微调深度学习算法，以识别预测混凝土强度的最优DL算法	未提及具体局限性	识别预测混凝土单轴抗压强度的最优深度学习算法	混合设计混凝土	机器学习	NA	NA	CNN, GRU, LSTM	实验记录数据	NA	NA	卷积神经网络, 门控循环单元, 长短期记忆网络	预测准确性	NA
10	2025-12-16	Quantization of extraoral free flap monitoring for venous congestion with deep learning integrated iOS applications on smartphones: a diagnostic study 2023-Jun-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000391 PMID:37055021	研究论文	本研究开发并验证了一种集成深度学习模型的iOS智能手机应用，用于量化监测口腔外游离皮瓣的静脉淤血状况	首次将深度学习模型集成到智能手机应用中，实现游离皮瓣监测的客观量化，替代传统主观人工观察	研究为单中心回顾性分析，样本量有限，且仅适用于iOS平台	开发一种便捷、准确、经济的游离皮瓣监测工具，以改善患者安全和管理	接受游离皮瓣手术的患者	计算机视觉	口腔外游离皮瓣静脉淤血	计算机视觉	深度学习模型	图像	642名患者的1761张照片，其中122名患者参与临床应用阶段	NA	NA	准确率, 灵敏度, 特异性, AUC	智能手机（iOS平台）
11	2025-12-15	MediFlora-Net: Quantum-enhanced deep learning for precision medicinal plant identification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108674 PMID:40974619	研究论文	本研究提出了一种名为MediFlora-Net的新型深度学习模型，用于精确识别药用植物	结合了多模态深度学习、量子辅助特征提取和混合集成方法，并引入了量子启发的特征提取技术，利用量子概率特征映射和基于纠缠的表征来提取高阶植物学特征	NA	提高药用植物识别的准确性和灵活性，以支持生物多样性保护、民族植物学研究和药理学应用	药用植物	计算机视觉	NA	多模态深度学习，量子辅助特征提取	CNN, GAN, Transformer	图像（RGB，高光谱植物图像）	NA	NA	Vision Transformer (ViT), Convolutional Neural Networks (CNNs), Med-Plant-Generative Adversarial Networks (GANs)	NA	NA
12	2025-12-15	EnsembleRegNet: Interpretable deep learning for transcriptional network inference from single-cell RNA-seq 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108702 PMID:41043336	研究论文	本文提出了一种名为EnsembleRegNet的深度学习框架，用于从单细胞RNA测序数据中推断基因调控网络	结合了集成编码器-解码器和多层感知机架构，并引入了Hodges-Lehmann估计器二值化、案例删除分析、RcisTarget基序富集和AUCell调控子活性评分，以增强鲁棒性和生物学可解释性	未明确提及	从高维单细胞RNA测序数据中准确推断基因调控网络结构	转录因子与靶基因关系	机器学习	NA	单细胞RNA测序	集成编码器-解码器, 多层感知机	单细胞RNA测序数据	模拟和真实单细胞RNA测序数据集	NA	EnsembleRegNet	聚类性能, 调控准确性	NA
13	2025-12-15	Microbiome-transcriptome-histology triad enhances survival risk stratification in multiple cancers 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108703 PMID:41043335	研究论文	本研究提出了一个名为HMTsurv的多模态生存预测框架，通过整合数字组织病理学、宿主转录组学和肿瘤相关微生物组特征，以增强多种癌症的生存风险分层能力	首次将组织病理学、转录组学和微生物组特征整合到一个统一的多模态框架中，用于癌症生存预测，并识别了跨癌种的生存生物标志物	研究基于回顾性多组学数据集，临床实用性仍需前瞻性验证；模型在四种癌症中表现良好，但泛化到其他癌种的能力有待进一步评估	开发一个可泛化的多模态架构，用于癌症预后预测，并阐明生存的病理学、分子和生态学决定因素之间的复杂相互作用	结直肠癌、胃癌、肝细胞癌和乳腺癌患者的多组学数据	数字病理学	多种癌症	数字组织病理学、转录组学、微生物组分析	深度学习	图像、转录组数据、微生物组数据	来自四种主要恶性肿瘤的多组学数据集	NA	HMTsurv	c-index, log-rank p值	NA
14	2025-12-15	TK-DDI: Accurate and efficient drug-drug interaction prediction via token encoding 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108734 PMID:41161125	研究论文	本文提出了一种基于分子标记化的深度学习框架TK-DDI，用于准确预测药物相互作用	通过分子标记化统一表示2D结构和3D构象信息，并采用两阶段注意力策略（分子内和分子间）来突出关键亚结构并融合药物对表示	未在摘要中明确说明	准确预测药物相互作用，以预防不良药物事件并确保患者安全	药物分子	机器学习	NA	分子标记化	Transformer	分子序列（2D结构和3D构象信息）	基准数据集（未指定具体数量）	NA	Transformer编码器	NA	NA
15	2025-12-15	Survey on phylogenetic tree construction using machine learning 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108751 PMID:41172604	综述	本文综述了利用机器学习进行系统发育树构建的经典与机器学习方法，涵盖多序列比对和系统发育推断的算法、工具及评估指标	提供了系统发育分析流程的全面视觉总结，并整合了机器学习驱动的技术，特别关注了通过嵌入或端到端学习绕过传统比对的新方法	NA	综述机器学习在系统发育树构建中的应用，理解当前趋势并评估新兴技术如何重塑系统发育推断	系统发育分析中的多序列比对和系统发育推断方法	机器学习	NA	NA	NA	序列数据	NA	NA	NA	评估指标	NA
16	2025-12-15	Deep ensemble model with blockchain technology for lung cancer detection with secured data sharing 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108729 PMID:41177067	研究论文	本文提出了一种结合区块链技术的深度集成模型，用于肺癌检测并实现安全的数据共享	提出了一种新型混合集成深度学习模型HCNN-ALSTM，结合了Autoencoder和LSTM进行特征提取，并采用改进的磷虾群算法MKHA进行参数优化，同时利用区块链智能合约确保数据共享的安全性和隐私性	未明确说明模型在跨机构数据异构性、计算资源需求或临床部署可行性方面的具体限制	开发一个安全高效的肺癌早期检测框架，提升诊断准确性并实现隐私保护的数据共享	CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Autoencoder, LSTM	图像	来自多个基准数据集的CT扫描数据（具体数量未明确）	未明确指定	HCNN-ALSTM（混合卷积神经网络结合自编码器和长短期记忆网络）	准确率, 特异性, 马修斯相关系数, Fowlkes-Mallows指数, Bookmaker Informedness, Markedness	未明确说明
17	2025-12-15	Discovery of Mangifera indica-based natural inhibitors against TEM-1 β-lactamase from Escherichia coli using machine learning approaches 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108797 PMID:41297205	研究论文	本研究应用深度学习引导的流程，从芒果植物化学物中筛选出潜在的TEM-1 β-内酰胺酶抑制剂	首次将深度学习与分子对接、分子动力学模拟及密度泛函理论相结合，系统性地从芒果植物化学物中识别出新型β-内酰胺酶抑制剂，其结合性能优于现有临床抑制剂他唑巴坦和克拉维酸	研究主要基于计算模拟和体外数据，缺乏体内实验验证；筛选的化合物库仅限于芒果来源的植物化学物，可能遗漏其他天然来源的有效抑制剂	发现新型天然来源的β-内酰胺酶抑制剂以应对抗生素耐药性	大肠杆菌中的TEM-1 β-内酰胺酶及芒果植物化学物	机器学习	NA	深度学习, 分子对接, 分子动力学模拟, 密度泛函理论	神经网络	化学化合物数据	220个化合物用于训练神经网络，并从芒果植物化学物中筛选出25个顶级化合物	NA	NA	ROC-AUC, PR-AUC, Matthews相关系数, 富集因子	NA
18	2025-12-15	A systematic review on deep learning based brain tumor segmentation and detection using MRI: Past insights, present techniques and future trends 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108696 PMID:41046785	综述	本文系统回顾了基于深度学习的MRI脑肿瘤分割与检测技术，涵盖历史洞察、当前方法和未来趋势	提供了深度学习模型在脑肿瘤分析中的详细时序分析，并强调了现有技术的优势、局限及研究空白	作为综述文章，未提出新的实验模型或数据，主要依赖现有文献的总结与分析	概述脑肿瘤分割与检测技术，分析深度学习模型在处理MRI数据中的应用与进展	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	NA	NA	NA	NA	NA
19	2025-12-15	GAN-based novel feature selection approach with hybrid deep learning for heartbeat classification from ECG signal 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108704 PMID:41046784	研究论文	本文提出了一种基于GAN和混合深度学习的ECG信号心跳分类新方法	结合GAN进行特征选择，并采用SExpHGS优化的DBN-VGG混合模型进行心跳分类	NA	开发一种最优的深度学习技术用于心跳分类	心电图信号中的心跳	机器学习	心血管疾病	ECG信号处理	GAN, DBN, VGG	信号	NA	NA	DBN-VGG	准确率, 灵敏度, 特异性	NA
20	2025-12-15	GDT-Net: Multi-level feature extraction network for precise diagnosis of atrial and ventricular fibrillation 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108715 PMID:41086643	研究论文	提出了一种名为GDT-Net的神经网络，用于在复合噪声条件下对心房颤动和心室颤动进行稳健的心电图分类	设计了一种结合分组卷积、密集连接架构和Transformer编码器的多模块网络，专门针对复合噪声条件下的ECG信号分类，提高了诊断的鲁棒性	未明确提及，但可能包括对特定数据集（MIT-BIH）的依赖以及未在其他噪声类型或数据集上进行广泛验证	提高在复合噪声条件下对心房颤动和心室颤动的自动诊断准确性和鲁棒性	心电图信号	机器学习	心血管疾病	心电图分析	CNN, Transformer	时序信号	基于MIT-BIH数据集构建的六个子集（具体样本数未明确给出）	未明确提及	GDT-Net（包含G模块、D模块、T模块的自定义架构）	F1分数	未明确提及