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	2026-06-02	Preictal period optimization for deep learning-based epileptic seizure prediction 2024-12-27, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad9ad0 PMID:39637549	研究论文	本研究提出数据驱动的深度学习方法，通过优化发作前期定义来提高基于头皮脑电信号的癫痫发作预测性能	提出了连续输入输出性能比（CIOPR）等新度量指标，用于捕捉不同发作前期定义下的模型行为，并个性化确定最佳发作前期	观察到患者间和患者内的预测时间异质性，给建立全局发作前期带来困难；传统准确性指标对发作前期定义的变化不敏感	优化发作前期定义以提高癫痫发作预测的准确性和时序性能	药物难治性癫痫患者的头皮脑电图数据	机器学习	癫痫	头皮脑电图	CNN-Transformer	信号	CHB-MIT公开数据集，包含多例患者的多小时连续记录	PyTorch	CNN, Transformer	AUC, F1分数, 敏感度, 特异度, 连续输入输出性能比	NA
2	2026-06-02	EKFNet: edge-based Kalman filter network for real-time EEG signal denoising 2024-12-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad995a PMID:39622170	研究论文	提出一种边缘端轻量级卡尔曼滤波网络EKFNet，用于实时脑电图信号去噪，无需手动先验知识估计	将卡尔曼滤波与深度学习结合，通过多尺度特征融合模块隐式计算先验知识，以及自适应增益估计模块动态预测卡尔曼增益，解决了传统算法参数设置难题并降低计算开销	NA	实现高性能且适合边缘端便携式或可穿戴设备的实时脑电图信号去噪方法	脑电图信号	机器学习	NA	EEG信号采集	EKFNet（基于卡尔曼滤波的深度网络）	脑电图信号	NA	PyTorch	EKFNet（包含多尺度特征融合模块、长短时记忆网络、顺序通道注意力模块）	平方距离之和、余弦相似度、推理时间	NA
3	2026-06-02	Prediction of Crohn's disease based on deep feature recognition 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108231 PMID:39362115	研究论文	提出一种基于深度特征识别的克罗恩病预测模型，利用序列卷积注意力网络与支持向量机分类	引入自适应加性间隔损失增强特征区分度，并提出随机噪声独热编码数据增强方法解决样本不平衡问题	该信息未在摘要中明确说明	利用深度学习从人类微生物组基因数据中预测克罗恩病	人类微生物组基因数据	机器学习	克罗恩病	NA	序列卷积注意力网络（SCAN）与支持向量机（SVM）	基因数据	NA	NA	SCAN, SVM	准确率（0.80），Kappa值（0.76）	NA
4	2026-06-02	A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108241 PMID:39405777	研究论文	提出一种基于自适应尺度判别器和混合损失的多类别眼底疾病分类系统	创新设计了多维度注意力模块、自适应尺度判别器和混合损失函数方法以提升对不平衡数据的检测能力	未提及具体限制	解决眼底疾病结构中检测精度低和类别不平衡问题，构建多标签眼底图像疾病分类系统	眼底疾病分类系统	计算机视觉	眼底疾病	NA	CNN	眼底图像	使用ODRI-5K数据集	NA	ResNet50	AUC, F1分数	NA
5	2026-06-02	Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108232 PMID:39423605	研究论文	提出一种基于联邦学习和深度学习的多模态抑郁症检测框架，利用MRI图像和语音信号对青少年抑郁症进行检测	将联邦学习与深度卷积神经网络结合用于多模态数据（MRI图像和语音信号）的抑郁症检测，并提出指数型非洲鹈鹕优化算法来优化模型参数	未提及对数据隐私的具体保护机制，且多模态融合使用了简单的重叠系数方法，可能无法充分利用不同模态间的复杂关联	通过深度学习算法对医疗数据分析，预测青少年的心理健康状态，特别是抑郁症检测	青少年抑郁症患者	机器学习, 数字病理	抑郁症	MRI成像, 语音信号处理	卷积神经网络 (CNN)	图像, 语音信号	NA	NA	深度卷积神经网络 (DCNN)	准确率, 损失, 均方根误差, 均方误差, 真阴性率, 真阳性率	NA
6	2026-06-02	Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108270 PMID:39481232	研究论文	结合深度学习与化学信息学方法预测小分子人体肠道吸收率	首次系统比较五种传统机器学习模型与两种图神经网络（GCNN和GAT）在HIA预测上的表现，并利用自动化特征提取与手工特征工程进行对比分析	数据集规模有限（2648个化合物），且外部验证集可能存在分布偏差；深度学习模型在测试集上准确率略低于传统机器学习模型	预测药物的人体肠道吸收率作为口服生物利用度的标记物	2648个小分子化合物	机器学习	NA	NA	机器学习、深度学习	分子描述符、图结构数据	2648个化合物	PyTorch, LightGBM, Scikit-learn	随机森林, LightGBM, 图卷积神经网络, 图注意力网络	准确率	NA
7	2026-06-02	Optimization and correction of breast dynamic optical imaging projection data based on deep learning 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108259 PMID:39486356	研究论文	提出一种基于深度学习的乳腺动态光学成像投影数据优化与校正方法	利用CNN提取原始图像特征，结合GAN增强图像质量和对比度，并开发新颖的校正算法解决投影数据失真问题	NA	提升乳腺动态光学成像的图像质量和投影数据准确性，改善乳腺癌早期筛查与诊断	乳腺动态光学成像的原始图像和投影数据	计算机视觉	乳腺癌	动态光学成像（DOI）	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA	NA	CNN, GAN	NA	NA
8	2026-06-02	Deep Learning Radiomic Analysis of MRI Combined with Clinical Characteristics Diagnoses Placenta Accreta Spectrum and its Subtypes 2024-12, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29317 PMID:38390981	研究论文	开发一种级联深度语义-影像组学-临床模型，用于基于T2加权MRI诊断胎盘植入谱及其亚型	首次提出结合深度语义特征、影像组学和临床特征的级联模型，用于诊断胎盘植入谱及其亚型，并在内外测试集上验证其高效性	未详细提及具体限制，但可能包括样本量、回顾性设计或外部验证的通用局限性	开发一种用于诊断胎盘植入谱及其亚型的级联深度语义-影像组学-临床模型	361名疑似胎盘植入谱的孕妇	机器学习	胎盘植入谱	MRI	CNN	图像	361名孕妇（平均年龄33.10±4.37岁），分为段训练队列（40例）、内部训练队列（139例）、内部测试队列（60例）和外部测试队列（122例）	NA	DRC模型	AUC, ACC, Dice系数	NA
9	2026-06-02	Fully Automated Identification of Lymph Node Metastases and Lymphovascular Invasion in Endometrial Cancer From Multi-Parametric MRI by Deep Learning 2024-12, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29344 PMID:38471960	研究论文	开发深度学习模型从多参数MRI中自动识别子宫内膜癌淋巴结转移和淋巴血管浸润	首次开发多任务深度学习模型同时识别子宫内膜癌的淋巴结转移和淋巴血管浸润状态，并在外部测试队列中与放射科医生进行性能比较	NA	开发一种深度学习模型，从多参数MRI图像中同时识别子宫内膜癌的淋巴结转移和淋巴血管浸润	子宫内膜癌患者的多参数MRI图像	数字病理学	子宫内膜癌	多参数MRI（T2加权成像、对比增强T1加权成像、弥散加权成像）	深度学习	图像	621名患者（111名LNM阳性，168名LVSI阳性），分为训练集398人、内部测试集169人、外部测试集54人	NA	nnU-Net, 多任务深度学习模型	Dice相似系数, AUC	NA
10	2026-06-02	MuSE: A deep learning model based on multi-feature fusion for super-enhancer prediction 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108282 PMID:39561516	研究论文	提出了一种基于多特征融合的深度学习模型MuSE，用于预测超级增强子	首次将DNA2Vec和One-hot两种编码方法融合，通过神经网络自动提取DNA序列的关键特征，提升了超级增强子预测的准确性	DNA2Vec的k-mer表示捕捉了物种特异性信息，影响了模型在跨物种预测中的泛化能力	提高超级增强子预测的准确性和自动特征提取能力	人类和老鼠物种的DNA序列中的超级增强子	机器学习	NA	DNA序列编码	深度学习模型	序列数据	人类和老鼠物种的数据集	NA	神经网络	F1分数, AUC	NA
11	2026-06-02	Autoencoder-based drug synergy framework for malignant diseases 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108273 PMID:39522484	研究论文	提出了一种基于自编码器的药物协同框架AESyn，用于恶性疾病的药物组合预测	采用词袋编码技术提取药物靶向基因，并利用自编码器提取药物特征，实现了稳定且顺序无关的药物协同预测	NA	开发一种高效预测恶性疾病药物协同组合的机器学习方法	恶性疾病中的药物协同组合	机器学习	恶性疾病	NA	自编码器	药物靶向基因数据和药物组合筛选数据	NCI-ALMANAC和O'Neil数据集	NA	自编码器	准确率, AUROC, MAPE	NA
12	2026-06-02	Unveiling the distinctive variations in multi-omics triggered by TP53 mutation in lung cancer subtypes: An insight from interaction among intratumoral microbiota, tumor microenvironment, and pathology 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108274 PMID:39531992	研究论文	揭示肺腺癌和肺鳞癌中TP53突变引发的多组学差异，包括瘤内微生物组、肿瘤免疫微环境和病理学的相互作用	首次综合评估了NSCLC中肿瘤内微生物组、宿主基因表达和病理切片的关联，并提出了一种基于组织病理图像的多模态深度学习模型用于预测TP53突变	未明确提及，但可能包括样本量有限或模型泛化性需验证	探究NSCLC亚型中TP53突变与瘤内微生物组、免疫微环境和病理学的内在关联，并评估深度学习预测TP53突变的潜力	NSCLC患者的组织微生物组、基因表达特征和病理切片	数字病理学	非小细胞肺癌（肺腺癌和肺鳞癌）	多组学数据整合（微生物组测序、RNA-seq、组织病理学）	多模态深度学习模型	组织病理图像、基因表达数据、微生物组丰度数据	992名TCGA患者和332名CPTAC患者	NA	多模态深度学习模型（聚焦组织病理图像）	AUC	NA
13	2026-06-02	HiMolformer: Integrating graph and sequence representations for predicting liver microsome stability with SMILES 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108263 PMID:39536405	研究论文	提出HiMolformer混合模型，整合图和序列表示，用于预测肝脏微粒体稳定性	首次尝试使用单条SMILES输入通过回归任务开发小鼠和人肝脏微粒体稳定性预测模型；结合图神经网络HiMol和序列Transformer模型Molformer的混合架构	NA	提高药物代谢稳定性预测的准确性	新分子的代谢稳定性	机器学习	NA	NA	图神经网络（GNN）和Transformer	SMILES序列	3,498个分子（含小鼠和人肝脏微粒体实验数据）	PyTorch	HiMol, Molformer	NA	NA
14	2026-05-30	MPCD: A Multitask Graph Transformer for Molecular Property Prediction by Integrating Common and Domain Knowledge 2024-12-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02193 PMID:39620982	研究论文	提出MPCD多任务图变换器模型，通过整合通用知识与领域知识提升分子性质预测性能	通过领域知识对齐预训练与微调优化目标，结合多任务学习提高数据利用率和模型鲁棒性，并采用关系感知自注意力机制全面捕获分子局部与全局结构	NA	提升分子性质预测中深度学习模型的迁移性能和数据利用率	分子化合物的吸收、分布、代谢、排泄和毒性及物理化学性质预测	机器学习	NA	NA	图变换器	分子结构数据	NA	NA	图变换器	NA	NA
15	2026-05-30	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	提出一种基于混合相似度特征选择与级联深度最大输出模糊网络的模型，用于通过EEG信号检测自闭症谱系障碍	将深度最大输出网络与级联神经模糊系统整合，形成级联深度最大输出模糊网络；采用混合相似度度量（堪培拉距离和Kumar-Hassebrook距离）进行特征选择	未在论文标题和摘要中明确提及	通过EEG信号和深度学习模型实现自闭症谱系障碍的早期、低成本且准确的诊断	自闭症谱系障碍患者及健康对照人群的EEG信号数据	机器学习	自闭症谱系障碍	EEG信号采集	级联深度最大输出模糊网络	EEG信号数据	使用了EEG数据集和BCIAUT_P300数据集，但未具体说明样本数量	NA	级联深度最大输出网络、混合级联神经模糊系统	准确率、阴性预测值、阳性预测值、真阴性率、真阳性率	NA
16	2026-05-30	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	提出一种基于机器学习的计算方法，用于预测植物基因组中非生物胁迫响应的环状RNA	首次开发基于机器学习的模型用于预测非生物胁迫响应的circRNA，并整合为在线预测工具AScirRNA	NA	开发预测植物非生物胁迫响应circRNA的计算方法，助力培育抗逆作物品种	植物基因组中的非生物胁迫响应环状RNA	机器学习	植物非生物胁迫	NA	XGBoost, LightGBM	序列数据	NA	Scikit-learn	XGBoost, LightGBM	准确率, auROC, auPRC	NA
17	2026-05-30	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	提出一种基于MLP-Attention和FCM-GRNN欠采样技术的赖氨酸巴豆酰化位点鉴定模型ILYCROsite	首次结合模糊聚类与广义神经网络的FCM-GRNN欠采样技术处理不平衡数据，并采用MLP叠加自注意力机制进行预测	未明确讨论模型在不同物种或更大规模数据集上的泛化能力，且依赖单一特征编码策略可能遗漏关键信息	开发一种基于深度学习的赖氨酸巴豆酰化位点鉴定方法，以提高预测性能并解决传统机器学习处理非组蛋白位点的局限性	蛋白质序列中的赖氨酸巴豆酰化位点	机器学习	NA	特征提取（氨基酸组成、K-mer、基于距离的残基特征）、FCM-GRNN欠采样、MLP-Attention	MLP、注意力机制（自注意力）	序列数据	未明确说明具体样本数量，但包含巴豆酰化和非巴豆酰化序列	NA	MLP、自注意力机制	AUC	NA
18	2026-05-30	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	开发基于智能手表心电图和人工智能的算法，用于预测终末期肾病患者的血清钾水平	首次利用智能手表单导联心电图数据，通过深度学习模型预测血清钾水平，并验证了其在远程监测高钾血症中的实用性	NA	开发用于预测终末期肾病患者血清钾水平的人工智能心电图算法	终末期肾病患者	机器学习	高钾血症，慢性肾脏病，终末期肾病	心电图	深度学习模型	心电图波形	152,508名患者的293,557份配对心电图与血清钾数据，以及1,463名终末期肾病患者的4,337份心电图	NA	Kardio-Net	AUC，平均绝对误差	NA
19	2026-05-30	Comprehensive review of literature on Parkinson's disease diagnosis 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	对帕金森病诊断文献进行全面综述，分析50篇文章中使用的不同模态（图像、信号、数据）及机器学习方法	系统分类多模态帕金森病诊断文献，分析数据集、仿真工具及性能指标，并识别研究空白与挑战	未明确列出具体方法或数据集的性能比较细节，且限于已选择的50篇文章	综述帕金森病诊断中不同模态（图像、信号、数据）的机器学习与深度学习方法	50篇关于帕金森病诊断的文章，涵盖不同数据模态	机器学习	帕金森病	NA	机器学习、深度学习	图像、信号、数据	50篇文章	NA	NA	多个性能指标（未具体列出）	NA
20	2026-05-30	DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108201 PMID:39255626	研究论文	提出了一种基于堆叠深度学习协同梯度分解的双通道卷积模型，用于预测miRNA与疾病关联	创新性地结合堆叠深度学习与梯度分解网络，以及双通道卷积神经网络，从相似性网络中挖掘潜在特征	未明确说明，但可能依赖HMDD数据库的完整性和准确性	预测miRNA与疾病的潜在关联，深化对发病机制的理解	miRNA与疾病之间的关联关系	机器学习	多种人类疾病（未特指）	NA	CNN, 多层感知器	网络数据（相似性网络、关联网络）	基于HMDD数据库的两个数据集	NA	双通道卷积神经网络, 多层感知器	准确率、AUC等（未具体列出）	NA