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
121	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
122	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
123	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
124	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
125	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
126	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
127	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
128	2025-02-04	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	本文综述了用于预测蛋白质-配体结合亲和力的计算方法，特别是基于深度学习的模型	探讨了深度学习模型在预测蛋白质-配体结合亲和力方面的潜力，并指出了当前模型的局限性	当前深度学习模型面临低质量数据库、不准确的输入表示和不合适的模型架构等限制	准确预测蛋白质-配体结合亲和力，以用于药物筛选和优化	蛋白质-配体结合亲和力	计算机辅助药物设计	NA	深度学习	深度学习模型	蛋白质-配体结合数据	NA
129	2025-02-04	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	本文提出了一种自监督深度学习框架，利用基因-基因相互作用来改进基因表达恢复的准确性	创新点在于将基因重新定位到2D网格中，以反映其相互作用关系，并采用自监督2D卷积神经网络从空间配置的基因中提取上下文特征，填补缺失的基因表达值	需要进一步验证在实际生物样本中的广泛适用性	提高单细胞RNA测序数据中基因表达恢复的准确性	单细胞RNA测序数据中的基因表达	机器学习	NA	单细胞RNA测序（scRNA-seq）	2D卷积神经网络（CNN）	基因表达数据	模拟和实验scRNA-seq数据集
130	2025-02-04	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	本文提出了一种基于自适应多尺度自编码器的自监督聚类方法scAMAC，用于单细胞RNA测序（scRNA-seq）数据的分析	scAMAC利用多尺度注意力机制融合编码器、隐藏层和解码层的特征信息，探索同一尺度内的细胞相关性并捕捉跨尺度的深层特征，同时采用自适应反馈机制监督多尺度自编码器的参数更新	未明确提及具体局限性	开发一种新的自监督聚类方法，以更好地分析scRNA-seq数据并理解高级生物过程	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	自适应多尺度自编码器	基因表达数据	未明确提及具体样本数量
131	2025-02-04	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	本文介绍了一种名为Diff-AMP的深度学习框架，用于自动化生成、识别、预测和优化抗菌肽（AMPs）	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，用于高效生成AMPs，并采用预训练和迁移学习策略进行精确识别和筛选	未明确提及具体局限性	开发一个集成深度学习框架，以自动化生成、识别、预测和优化抗菌肽（AMPs）	抗菌肽（AMPs）	机器学习	NA	深度学习、强化学习、预训练、迁移学习	卷积神经网络（CNN）、强化学习	肽序列数据	未明确提及具体样本数量
132	2025-02-04	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	本文提出了一种基于图卷积网络（GCN）的病毒识别工具VirGrapher，用于从宏基因组中识别长病毒序列	VirGrapher通过构建长序列中短子序列之间的关系，改进了现有深度学习方法在识别长病毒序列时的性能	未提及具体局限性	提高从宏基因组中识别长病毒序列的准确性	宏基因组中的长病毒序列	生物信息学	NA	图卷积网络（GCN）	GCN	序列数据	未提及具体样本数量
133	2025-02-04	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	本文通过基准测试评估了图神经网络（GNN）在转录组预测中的表现，并与更标准的机器学习方法进行了比较	首次提供了关于GNN在转录组预测中成本与效益权衡的完整且可重复的基准测试	研究仅基于有限的模拟数据集，可能无法完全反映真实世界数据的复杂性	评估图神经网络在转录组预测中的有效性	基因表达数据	生物信息学	NA	图神经网络（GNN）	GNN	基因表达数据	有限的模拟数据集
134	2025-02-04	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	本文系统研究了基于深度学习的蛋白质-蛋白质相互作用预测模型对数据泄露、序列相似性和节点度信息的依赖性，并与基础机器学习模型进行了比较	揭示了随机分割训练集和测试集导致性能高估的问题，并提出了避免数据泄露的方法，强调了未来改进应相对于基线方法进行报告	预测对于与已研究蛋白质序列相似性低的蛋白质仍然是一个未解决的问题，需要进一步的实验研究和更好的计算方法	评估和比较基于深度学习的蛋白质-蛋白质相互作用预测模型的性能	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	深度学习模型	序列数据	NA
135	2025-02-04	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	本文提出了一种名为SuperCUT的无监督多模态图像配准方法，利用深度学习技术解决生物医学显微镜图像配准问题	提出了一种无需人工标注的无监督多模态图像配准管道，结合风格迁移技术，实现了与有监督方法相当的配准精度	需要进一步验证在更多类型生物样本和显微镜模态上的适用性	解决生物医学显微镜图像的多模态配准问题，以实现不同图像模态的相关分析	生物医学显微镜图像	计算机视觉	NA	深度学习	NA	图像	四种不同类型的生物问题，涉及不同的显微镜模态
136	2025-02-04	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	研究论文	本文深入探讨了深度学习在空间分辨转录组学（SRT）中的应用，分析了其优势、局限性和未来改进方向	本文首次系统地评估了深度学习在SRT中的应用，并提出了未来研究方向，如结合生物进化信息的处理和微小组织图像片段的深入分析	深度学习在SRT中的应用仍面临挑战，如批次效应的消除、数据标准化技术的完善以及基因表达中的过度离散和零膨胀模式的应对	评估深度学习在空间分辨转录组学中的应用，并提出未来研究方向	空间分辨转录组学数据	数字病理学	NA	空间分辨转录组学（SRT）	深度学习	基因表达矩阵、空间细节、组织学图像	NA
137	2025-02-04	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	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
138	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
139	2025-02-02	Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103624 PMID:38823248	研究论文	本文比较了两种方法在个体MRI扫描中检测皮质厚度和灰质体积异常的效能，分别是基于FreeSurfer和深度学习工具DL + DiReCT的ScanOMetrics工具	比较了开源研究工具ScanOMetrics在FreeSurfer和DL + DiReCT两种不同方法下的表现，特别是在处理阿尔茨海默病患者的MRI数据时	尽管DL + DiReCT在计算速度上显著优于FreeSurfer，但其临床评估仍处于初期阶段	比较两种脑部形态测量工具在检测MRI扫描中异常的性能，以支持神经放射学家的诊断决策	阿尔茨海默病患者和健康对照者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI扫描，深度学习	DL + DiReCT	图像	OASIS3数据集中的阿尔茨海默病患者和健康对照者
140	2025-02-02	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ADNI和OASIS数据集，通过深度学习模型检测阿尔茨海默病（AD）和轻度认知障碍（MCI）	采用迁移学习技术提升模型性能，利用预训练数据集改进AD和MCI的检测	研究依赖于特定数据集（ADNI和OASIS），可能限制了模型的泛化能力	开发有效的深度学习模型以检测阿尔茨海默病和轻度认知障碍	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	数字病理学	老年疾病	磁共振成像（MRI）	DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152	图像	ADNI和OASIS数据集中的MRI数据