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
281	2025-02-05	An ensemble approach for research article classification: a case study in artificial intelligence 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2521 PMID:39896384	研究论文	本文提出了一种基于深度学习的集成方法，用于动态研究领域中的文章分类，以人工智能领域为例	引入了一种结合决策树、sciBERT和正则表达式匹配的集成方法，并使用支持向量机（SVM）合并不同模型的结果，显著提高了分类效果	研究仅以人工智能领域为例，未验证在其他领域的泛化能力	解决新兴领域中研究文章分类的挑战，提高分类的准确性和召回率	人工智能领域的研究文章	自然语言处理	NA	深度学习、正则表达式匹配	决策树、sciBERT、SVM	文本	手动标注的数据集，具体数量未提及	NA	NA	NA	NA
282	2025-02-05	Integrating particle swarm optimization with backtracking search optimization feature extraction with two-dimensional convolutional neural network and attention-based stacked bidirectional long short-term memory classifier for effective single and multi-document summarization 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2435 PMID:39896393	研究论文	本文提出了一种结合粒子群优化与回溯搜索优化的特征提取方法，以及基于注意力机制的堆叠双向长短期记忆分类器，用于有效的单文档和多文档摘要生成	创新点在于结合了粒子群优化与回溯搜索优化（PSOBSA）进行特征提取，并使用二维卷积神经网络（2D CNN）和基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）模型进行摘要生成	未明确提及具体局限性	研究目标是提高单文档和多文档摘要生成的准确性和效率	研究对象为单文档和多文档摘要生成	自然语言处理	NA	粒子群优化（PSO）、回溯搜索优化（BSA）、二维卷积神经网络（2D CNN）、基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）	2D CNN、ABS-BiLSTM	文本	使用DUC 2002、2003、2005数据集进行单文档摘要，以及DUC 2002、2003、2005、Multi-News和CNN/Daily Mail数据集进行多文档摘要	NA	NA	NA	NA
283	2025-02-05	Challenges issues and future recommendations of deep learning techniques for SARS-CoV-2 detection utilising X-ray and CT images: a comprehensive review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2517 PMID:39896401	综述	本文全面回顾了截至2024年5月使用深度学习技术进行基于影像的SARS-CoV-2诊断的研究，涵盖了数据来源、预处理方法、深度学习技术分类、研究结果、研究空白和性能评估	本文不仅综述了现有研究，还通过实验比较了12种当代深度学习技术，发现MobileNetV3模型在SARS-CoV-2影像检测中表现最佳，准确率达到98.11%	本文主要关注影像数据的深度学习应用，未涉及其他类型的数据或诊断方法	探讨深度学习技术在基于影像的SARS-CoV-2诊断中的应用及其未来发展方向	SARS-CoV-2的X射线和CT影像	计算机视觉	COVID-19	深度学习	MobileNetV3, 其他深度学习模型	影像	NA	NA	NA	NA	NA
284	2025-02-05	A comprehensive analysis and performance evaluation for osteoporosis prediction models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2338 PMID:39896405	研究论文	本文通过深度学习技术，利用NHANES 2017-2020数据集预测骨质疏松症的发生，并比较了不同特征选择方法和神经网络模型的性能	本研究创新地应用了互信息（MI）和递归特征消除（RFE）两种特征选择方法，结合多种深度学习模型（如CNN、RNN等），在非图像医学数据上实现了高精度的骨质疏松症预测	研究仅基于NHANES 2017-2020数据集，可能无法完全代表其他人群或更广泛的数据集	通过深度学习技术提高骨质疏松症的预测准确性，以辅助医疗决策	NHANES 2017-2020数据集中的SpineOsteo和FemurOsteo数据	机器学习	骨质疏松症	深度学习	CNN, RNN, 序列深度神经网络	非图像医学数据	NHANES 2017-2020数据集	NA	NA	NA	NA
285	2025-02-05	Golden eagle optimized CONV-LSTM and non-negativity-constrained autoencoder to support spatial and temporal features in cancer drug response prediction 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2520 PMID:39896419	研究论文	本文提出了一种结合非负约束自编码器（NNCAE）和金鹰优化卷积长短期记忆神经网络（GEO-Conv-LSTM）的混合分类器，用于癌症药物反应预测	创新点在于使用NNCAE处理噪声和类别不平衡问题，并通过GEO算法优化Conv-LSTM模型的参数，提高了药物反应预测的准确性和处理效率	未明确提及具体局限性	研究目的是提高癌症药物反应预测的准确性和处理效率	研究对象是癌症药物反应预测	机器学习	癌症	NNCAE, GEO-Conv-LSTM	CNN, LSTM	基因组数据	来自GDSC数据库的两个大型数据集	NA	NA	NA	NA
286	2025-02-05	The potential of short-wave infrared hyperspectral imaging and deep learning for dietary assessment: a prototype on predicting closed sandwiches fillings 2024, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2024.1520674 PMID:39897532	研究论文	本文探讨了短波红外高光谱成像和深度学习在家庭自制餐食饮食评估中的适用性，通过构建一个原型系统来自动检测封闭三明治中的食物成分	首次将短波红外高光谱成像与机器学习结合，用于家庭自制餐食的饮食评估，特别是封闭三明治的食物成分检测	模型在预测可涂抹馅料时表现较差，可能过于关注结构特征而非营养成分	开发一种不干扰自然饮食习惯的饮食摄入准确测量方法	封闭三明治中的食物成分	计算机视觉	NA	短波红外高光谱成像	PLS-DA, 多分类器, 简单神经网络	高光谱图像	24张高光谱图像	NA	NA	NA	NA
287	2025-02-05	An explainable Bi-LSTM model for winter wheat yield prediction 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1491493 PMID:39898259	研究论文	本研究开发了一种可解释的Bi-LSTM模型，用于冬小麦产量预测，结合了深度学习和解释性技术	首次在区域尺度上应用Bi-LSTM模型进行作物产量预测，并结合LIME、IG和SHAP等解释性技术，提供了模型决策过程的直观见解	研究主要关注冬小麦，未涉及其他作物，且模型的解释性分析可能受限于所选解释性技术的局限性	开发一种可解释的深度学习模型，用于准确预测作物产量并提供预测解释	冬小麦	机器学习	NA	深度学习	Bi-LSTM, LSTM, 1D CNN	时间序列数据	未明确说明样本数量，但涉及多个区域和产量数据范围	NA	NA	NA	NA
288	2025-02-05	Research on the quantification and automatic classification method of Chinese cabbage plant type based on point cloud data and PointNet+ 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1458962 PMID:39898272	研究论文	本文提出了一种基于点云数据和PointNet++深度学习算法的大白菜株型快速准确量化和自动分类方法	结合点云数据处理和深度学习算法PointNet++，首次实现了大白菜株型的快速准确量化和自动分类	目前的方法主要依赖于点云数据，可能在实际应用中受到数据采集条件的限制	开发一种能够快速准确量化和分类大白菜株型的方法，以提高作物管理和育种效率	大白菜株型	计算机视觉	NA	点云数据处理，深度学习	PointNet++	点云数据	未明确说明样本数量	NA	NA	NA	NA
289	2025-10-07	Prediction of protein-ligand binding affinity via deep learning models 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae081 PMID:38446737	综述	本文综述了基于深度学习的蛋白质-配体结合亲和力预测方法	系统梳理了深度学习在蛋白质-配体结合亲和力预测中的应用现状与挑战	当前深度学习模型仍面临数据库质量低、输入表示不准确和模型架构不合适等限制	预测蛋白质与配体之间的结合亲和力	蛋白质-配体复合物	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据、配体数据	NA	NA	NA	NA	NA
290	2025-10-07	Self-supervised deep learning of gene-gene interactions for improved gene expression recovery 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae031 PMID:38349062	研究论文	提出一种利用基因-基因相互作用的自监督深度学习方法来改进单细胞RNA测序数据的基因表达恢复	通过将基因重新定位到反映交互关系的2D网格中，并采用自监督2D卷积神经网络提取交互特征	未明确说明模型对特定生物背景的泛化能力	解决单细胞RNA测序中基因表达值缺失的插补问题	单细胞RNA测序数据中的基因表达值	生物信息学	NA	单细胞RNA测序(scRNA-seq)	CNN	基因表达数据	模拟和实验scRNA-seq数据集	NA	2D卷积神经网络	NA	NA
291	2025-10-07	scAMAC: self-supervised clustering of scRNA-seq data based on adaptive multi-scale autoencoder 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae068 PMID:38426327	研究论文	提出一种基于自适应多尺度自编码器的单细胞RNA测序数据自监督聚类方法scAMAC	采用多尺度注意力机制融合编码器、隐藏层和解码器的特征信息，并引入自适应反馈机制监督参数更新	NA	开发单细胞RNA测序数据的聚类方法	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	自编码器	基因表达数据	NA	NA	自适应多尺度自编码器	聚类性能, 数据重建性能	NA
292	2025-10-07	Diff-AMP: tailored designed antimicrobial peptide framework with all-in-one generation, identification, prediction and optimization 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae078 PMID:38446739	研究论文	开发了一个名为Diff-AMP的集成深度学习框架，用于自动化抗菌肽的生成、识别、属性预测和迭代优化	创新性地将动力学扩散和注意力机制整合到强化学习框架中，并首次将AMP生成、筛选、属性预测和迭代优化任务集成到统一框架中	未明确说明模型的具体性能限制和适用范围	开发一个全功能的抗菌肽设计和优化框架	抗菌肽(AMPs)	机器学习	NA	深度学习	扩散模型,注意力机制,强化学习,CNN	肽序列数据	NA	NA	基于扩散和注意力机制的生成模型,卷积神经网络	NA	NA
293	2025-10-07	VirGrapher: a graph-based viral identifier for long sequences from metagenomes 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae036 PMID:38343326	研究论文	提出基于图卷积网络的病毒识别方法VirGrapher，用于从宏基因组中识别长病毒序列	通过将长序列视为图结构并利用图卷积网络学习短子序列间的多层连接关系，解决了现有方法忽略序列间关系的问题	未提及具体的数据集规模和计算资源限制	提高从宏基因组中识别长病毒序列的性能	宏基因组中的长病毒序列	生物信息学	NA	宏基因组测序	GCN	序列数据	NA	NA	图卷积网络	AUC, 准确率	NA
294	2025-10-07	Should we really use graph neural networks for transcriptomic prediction? 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae027 PMID:38349060	研究论文	本文通过系统基准测试评估图神经网络在转录组预测中的实际效果	首次提供完整可复现的基准测试，系统比较GNN与标准机器学习方法在转录组预测中的成本效益平衡	基于有限但受控的模拟数据集，可能无法完全代表真实世界的复杂性	评估图神经网络在转录组预测任务中的实际价值	基因表达数据和表型预测	生物信息学	NA	转录组分析	图神经网络, 标准机器学习方法	基因表达数据	多个数据集	NA	图神经网络	预测性能	NA
295	2025-10-07	Cracking the black box of deep sequence-based protein-protein interaction prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae076 PMID:38446741	研究论文	系统评估基于深度学习的蛋白质-蛋白质相互作用预测方法的可靠性，揭示数据泄露和序列相似性对性能评估的影响	首次系统性地揭示深度学习模型在PPI预测中过度依赖数据泄露和序列相似性，而非真正学习蛋白质相互作用的生物学机制	研究主要关注序列相似性和网络拓扑信息的影响，未考虑其他可能影响PPI预测的因素	评估深度学习模型在蛋白质-蛋白质相互作用预测中的真实性能和可靠性	蛋白质-蛋白质相互作用预测模型	生物信息学	NA	深度学习, 机器学习	深度学习模型, 基础机器学习模型	蛋白质序列数据, 蛋白质相互作用网络数据	NA	NA	NA	准确率	NA
296	2025-10-07	SuperCUT, an unsupervised multimodal image registration with deep learning for biomedical microscopy 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae029 PMID:38483256	研究论文	提出了一种基于深度学习的无监督多模态生物医学显微镜图像配准方法SuperCUT	结合模态域风格转换与完全无监督训练，无需人工标注即可达到与有监督方法相当的配准精度	NA	解决生物医学多模态图像配准的挑战	生物医学显微镜图像	计算机视觉	NA	显微镜成像	深度学习	多模态图像	NA	NA	NA	配准精度	NA
297	2025-10-07	Deep learning in spatially resolved transcriptfomics: a comprehensive technical view 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae082 PMID:38483255	综述	对空间转录组学中深度学习方法的全面技术评述	系统分析深度学习在空间转录组学中的创新应用，提出整合生物学细微特征的发展方向	现有方法在整合生物学细微特征和处理数据技术挑战方面仍有不足	评述深度学习在空间转录组学数据分析中的应用与挑战	空间转录组学数据（基因表达矩阵、空间信息和组织学图像）	计算生物学	NA	空间转录组学技术	深度学习	基因表达数据、空间坐标数据、组织学图像	NA	NA	NA	NA	NA
298	2025-10-07	Enhancer-MDLF: a novel deep learning framework for identifying cell-specific enhancers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae083 PMID:38485768	研究论文	提出一种名为Enhancer-MDLF的新型多输入深度学习框架，用于识别细胞特异性增强子	开发了多输入深度学习框架，引入迁移学习解决增强子特异性预测挑战，并利用模型解释识别可能与增强子区域相关的转录因子结合位点基序	NA	开发更有效的细胞特异性增强子识别方法	人类细胞系中的增强子	生物信息学	NA	深度学习	深度学习框架	基因组数据	八种不同人类细胞系	NA	多输入深度学习框架	NA	NA
299	2025-02-04	Leveraging deep learning for toxic comment detection in cursive languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2486 PMID:39896410	研究论文	本文提出了一种新的深度学习模型，用于检测乌尔都语中的有毒评论，通过使用transformer进行文本的二元分类	提出了一种新的模型来识别乌尔都语句子中的显著特征，并使用transformer进行有毒评论的检测	乌尔都语作为一种低资源语言，其复杂性和不规则性增加了检测难度	开发一种工具来检测乌尔都语中的有毒评论，以保护社区免受其负面影响	乌尔都语中的有毒评论	自然语言处理	NA	深度学习	transformer, BERT, GPT-2	文本	NA	NA	NA	NA	NA
300	2025-10-07	Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445325 PMID:39371344	研究论文	本研究利用深度卷积神经网络和迁移学习技术，通过MRI图像检测阿尔茨海默病和轻度认知障碍	采用迁移学习技术增强模型性能，并在ADNI和OASIS数据集上对比了多种深度学习架构的表现	NA	开发有效的阿尔茨海默病和轻度认知障碍检测模型	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	磁共振成像	CNN	图像	ADNI和OASIS数据集的MRI数据	NA	DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152, U-Net	准确率	NA