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
281	2025-03-28	Multimodal deep learning for predicting PD-L1 biomarker and clinical immunotherapy outcomes of esophageal cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1540013 PMID:40134428	研究论文	本研究开发了一种多模态深度学习模型，用于预测食管癌患者的PD-L1生物标志物水平和免疫治疗结果	提出了一种整合病理特征、放射组学特征和临床信息的新型多模态深度学习模型，用于预测PD-L1水平和免疫治疗反应	研究样本量相对较小，且仅来自单一医疗中心	预测食管癌患者的PD-L1生物标志物水平和免疫治疗结果	食管鳞状细胞癌(ESCC)患者	数字病理	食管癌	免疫组织化学、CT扫描	多模态深度学习模型	病理图像、CT扫描图像、临床数据	220例PD-L1表达水平患者和75例接受免疫治疗的患者
282	2025-03-28	Cyclic peptide membrane permeability prediction using deep learning model based on molecular attention transformer 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1566174 PMID:40134508	research paper	开发了一种基于分子注意力变换器（MAT）的循环肽膜渗透性预测模型CPMP	首次将分子注意力变换器（MAT）框架应用于循环肽膜渗透性预测，性能优于传统机器学习方法和基于图的神经网络模型	实验膜渗透性测试成本高且精确预测工具稀缺	提高循环肽药物开发中膜渗透性的预测准确性	循环肽的膜渗透性	machine learning	NA	deep learning	Molecular Attention Transformer (MAT)	molecular data	NA
283	2025-03-28	Optimized deep learning model for diagnosing tonsil and adenoid hypertrophy through X-rays 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1508525 PMID:40134602	研究论文	探讨基于深度学习模型在诊断儿童扁桃体和腺样体肥大中的应用	结合YOLOv8n和ResNet18模型，显著提高了诊断准确性和一致性	研究仅基于单中心的回顾性数据，可能影响模型的泛化能力	探索深度学习在诊断扁桃体和腺样体肥大中的应用	2-12岁儿童患者的侧位鼻咽X光片	计算机视觉	扁桃体和腺样体肥大	X光成像	YOLOv8n, ResNet18	图像	819张训练和验证图像，484张独立测试图像
284	2025-03-28	AI-driven balance evaluation: a comparative study between blind and non-blind individuals using the mini-BESTest 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2695 PMID:40134862	研究论文	本研究首次使用mini-BESTest和惯性测量单元分析盲人平衡能力，并通过机器学习模型预测评分	首次使用mini-BESTest和惯性测量单元分析盲人平衡能力，并开发机器学习模型预测评分	惯性数据无法区分三个评估水平，且样本量较小（29名参与者）	分析盲人和非盲人的平衡能力差异，并开发客观评估方法	盲人和非盲人的平衡能力	数字病理学	NA	惯性测量单元，机器学习，深度学习	机器学习模型，深度学习模型	惯性测量数据	29名盲人和非盲人参与者
285	2025-03-28	Facial expression recognition using visible and IR by early fusion of deep learning with attention mechanism 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2676 PMID:40134864	研究论文	本文提出了一种结合可见光和红外图像特征的早期融合方法，用于面部表情识别，通过引入注意力机制和深度学习方法提高了识别准确率	在ResNet-18架构中引入注意力机制，并提出多模态早期融合方法，结合CNN和迁移学习技术，显著提高了面部表情识别的准确率	仅使用了VIRI和NVIE两个公开数据库，可能在其他数据集上的泛化能力有待验证	解决面部表情识别中因表情变化和不同表情相似性带来的挑战	可见光和红外图像中的面部表情	计算机视觉	NA	深度学习，迁移学习	ResNet-18 with attention mechanism, CNN	可见光和红外图像	VIRI和NVIE数据库中的面部表情图像
286	2025-03-28	Fake news detection: state-of-the-art review and advances with attention to Arabic language aspects 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2693 PMID:40134874	review	本文全面回顾了假新闻的类型、领域、特征、生命周期及检测方法，特别关注了阿拉伯语假新闻检测的最新进展	特别关注阿拉伯语假新闻检测的挑战与解决方案，包括复杂的语法、多样的方言及标注数据稀缺问题	阿拉伯语假新闻检测领域的研究相对较少，且缺乏足够的标注数据集	探讨假新闻检测的最新方法，特别是针对阿拉伯语的检测技术	假新闻，尤其是阿拉伯语假新闻	natural language processing	NA	machine learning, deep learning, transformer-based techniques	NA	text	NA
287	2025-03-28	Protein language model-based prediction for plant miRNA encoded peptides 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2733 PMID:40134870	研究论文	提出了一种基于蛋白质语言模型的植物miRNA编码肽预测方法pLM4PEP，该方法整合了ESM2肽嵌入与机器学习技术	利用蛋白质语言模型ESM2改进植物miPEPs的特征表示，相较于依赖人工编码特征的传统方法具有显著优势	训练数据中已知植物miPEPs的数量有限可能影响模型性能	开发更准确的植物miRNA编码肽预测方法	植物miRNA编码肽(miPEPs)及其他生物活性肽	生物信息学	NA	蛋白质语言模型(ESM2)、机器学习	pLM4PEP（集成ESM2与机器学习）	蛋白质序列数据	未明确说明具体样本量，但使用了包含其他生物活性肽的多样化数据集
288	2025-03-28	DeepSpoofNet: a framework for securing UAVs against GPS spoofing attacks 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2714 PMID:40134872	研究论文	提出DeepSpoofNet框架，用于保护无人机免受GPS欺骗攻击	结合高级特征选择技术和强大的神经网络架构，提出一种混合NN模型（ANOVA + CNN-BiLSTM），显著提高了GPS欺骗攻击检测的准确性和性能	当前最先进研究中存在的挑战包括数据集不平衡、特征选择次优以及在资源受限环境中的攻击检测准确性	解决无人机GPS欺骗攻击检测中的挑战	无人机（UAVs）及其GPS接收器	机器学习	NA	深度学习、特征选择	CNN、BiLSTM、混合NN模型	GPS信号数据	NA
289	2025-03-28	Automatic cassava disease recognition using object segmentation and progressive learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2721 PMID:40134883	研究论文	本研究开发了一种基于深度学习的框架，用于在现实条件下早期、准确且高效地检测木薯病害	提出了一种结合自监督对象分割技术和渐进学习算法（PLA）的方法，利用三元组损失和分类损失学习鲁棒的特征嵌入	NA	开发一种适用于大规模农业使用的木薯病害检测方法	木薯病害	计算机视觉	植物病害	自监督对象分割技术，渐进学习算法（PLA）	深度学习	图像	Kaggle竞赛中的Cassava Leaf Disease Classification (CLDC)数据集
290	2025-03-28	Optimal intrusion detection for imbalanced data using Bagging method with deep neural network optimized by flower pollination algorithm 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2745 PMID:40134887	研究论文	本文提出了一种基于元启发式和深度学习技术的新型入侵检测系统（IDS），用于处理物联网网络中的不平衡数据问题	结合花授粉算法（FPA）和深度神经网络（DNN）的混合方法，并采用RB Bagging策略处理类别不平衡问题	未明确提及具体局限性	开发高效的入侵检测系统以管理物联网网络中的风险和漏洞	物联网网络中的入侵检测	机器学习	NA	花授粉算法（FPA），深度神经网络（DNN）	DNN	网络流量数据	四个公共数据集（NSL-KDD, UNSW NB-15, CIC-IDS-2017, BoT-IoT）
291	2025-03-28	Development of a cryptocurrency price prediction model: leveraging GRU and LSTM for Bitcoin, Litecoin and Ethereum 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2675 PMID:40134889	research paper	该研究开发了一种利用GRU和LSTM模型预测比特币、莱特币和以太坊价格的加密货币价格预测模型	比较了GRU和LSTM在加密货币价格预测中的表现，发现GRU模型优于LSTM	未考虑社交媒体趋势和交易量等可能影响加密货币价格的其他变量	开发高精度的加密货币价格预测模型	比特币(BTC)、莱特币(LTC)和以太坊(ETH)三种主要加密货币	machine learning	NA	NA	GRU, LSTM	time-series data	历史价格数据来自CryptoDataDownload，按80:20的比例划分训练集和测试集
292	2025-03-28	Lymph Node Metastasis Prediction From In Situ Lung Squamous Cell Carcinoma Histopathology Images Using Deep Learning 2025-01, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102187 PMID:39542104	research paper	本研究利用深度学习模型对肺鳞状细胞癌（LUSC）的原发肿瘤组织病理学图像进行分析，预测淋巴结转移，提供了一种更准确和客观的诊断和预后方法	采用创新的技术如补丁似然直方图和词袋模型来表示全切片图像特征，并使用ExtraTrees算法训练机器学习分类器，构建了名为LN_ISLUSCH的预测模型	未来研究需要关注更大规模和更多样化的队列，并探索整合其他组学数据以进一步提高预测准确性和临床实用性	预测肺鳞状细胞癌（LUSC）的淋巴结转移，提高诊断和预后的准确性	肺鳞状细胞癌（LUSC）的原发肿瘤组织病理学图像	digital pathology	lung cancer	deep learning, transfer learning, multiinstance learning	ResNet-18, ExtraTrees	image	来自Outdo-LUSC和癌症基因组图谱队列的全切片图像（WSIs）
293	2025-03-27	Deep learning-based discovery of compounds for blood pressure lowering effects 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83924-0 PMID:39747442	研究论文	本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物	利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物	仅验证了50个分子的预测结果，样本量相对较小	预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现	26,000种化合物	机器学习	心血管疾病	深度学习，分子对接	深度学习模型	化合物数据	26,000种化合物，其中50个分子用于验证
294	2025-03-27	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	本文通过机器学习方法全面研究了药物分子表示在药物反应预测中的效果	比较了不同药物分子表示与遗传特征结合在药物反应预测中的效果，并揭示了PubChem指纹或SMILES分子表示与深度学习模型结合能显著提升预测性能	最佳药物分子表示的选择依赖于预测模型和具体任务，没有一种通用的最优表示	评估不同药物分子表示在药物反应预测中的效果，为构建高效预测模型提供指导	药物分子表示和遗传特征	机器学习	NA	机器学习	深度学习模型	分子表示数据（PubChem指纹、SMILES）和遗传特征数据	NA
295	2025-03-27	The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84023-w PMID:39748016	研究论文	开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果	比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性	未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法	开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应	结直肠癌患者	机器学习	结直肠癌	特征选择方法包括互信息、F-classif和卡方检验	决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN	基因数据	NA
296	2025-03-27	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70041 PMID:39822590	研究论文	本研究提出了一种名为Deep-Block的多阶段深度学习框架，用于从大规模全基因组测序数据中识别与阿尔茨海默病显著相关的遗传位点	Deep-Block框架创新性地将连锁不平衡模式与稀疏注意力机制相结合，并采用TabNet和随机森林算法量化SNP特征重要性	研究样本仅限于非西班牙裔白人群体，可能限制结果在其他人群中的普适性	开发先进的分析工具以识别阿尔茨海默病的遗传风险位点	阿尔茨海默病相关的遗传变异	机器学习	阿尔茨海默病	全基因组测序(WGS)	TabNet, Random Forest	基因组数据	7416名非西班牙裔白人参与者(3150名认知正常老年人，4266名AD患者)
297	2025-03-27	LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_13 PMID:40123747	research paper	本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动	LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动	在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播	提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析	心脏磁共振（CMR）成像视频	digital pathology	cardiovascular disease	DENSE CMR, 潜在扩散模型	diffusion model	video	NA
298	2025-03-27	Optimising window size of semantic of classification model for identification of in-text citations based on context and intent 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309862 PMID:40127378	research paper	该研究通过比较不同窗口大小，优化了基于上下文和意图的文本引用分类模型的窗口大小选择	利用大规模文本引用数据集，比较不同窗口大小对语义捕捉的影响，并采用多种深度学习和机器学习模型进行性能评估	研究仅使用了两个基准数据集，可能无法涵盖所有类型的文本引用场景	优化文本引用分类模型的窗口大小选择，以提高引用分析的准确性	科学文献中的文本引用	natural language processing	NA	Word2Vec, 深度学习模型, 机器学习模型	CNN, GRU, LSTM, SVM, Decision Trees, Naive Bayes	text	两个基准数据集中的大量文本引用
299	2025-03-27	Weighted-VAE: A deep learning approach for multimodal data generation applied to experimental T. cruzi infection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315843 PMID:40127396	research paper	提出了一种加权变分自编码器（W-VAE）用于处理缺失和有限的多模态数据，以分类健康个体和处于急性或慢性阶段的T. cruzi感染个体	W-VAE采用新的损失函数，加入了加权因子和掩码机制，以提高生成数据的质量	研究基于小鼠模型，可能无法直接推广到人类	开发一种自动诊断健康个体和T. cruzi感染个体的方法	健康个体和处于急性或慢性阶段的T. cruzi感染个体	machine learning	Chagas disease	VAE	Weighted Variational Auto-Encoder (W-VAE)	multimodal data (electrocardiography signals, echocardiography images, Doppler spectrum, ELISA antibody titers)	NA
300	2025-03-27	Automatic brain quantification in children with unilateral cerebral palsy 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1540480 PMID:40129724	研究论文	本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积	利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能	样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁）	探索单侧脑瘫儿童脑部结构与功能之间的关系	单侧脑瘫儿童	数字病理学	脑瘫	T1加权和FLAIR MRI	深度学习模型	MRI图像	训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁）