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
1	2025-07-26	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合自监督预训练和监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行分类和聚类	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	机器学习	NA	自监督学习、监督学习	条件卷积联合自编码器	电生理记录数据	未提及具体样本数量
2	2025-07-26	Physics-Informed Autoencoder for Prostate Tissue Microstructure Profiling with Hybrid Multidimensional MRI 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240167 PMID:39907585	研究论文	评估物理信息自编码器（PIA）在利用混合多维MRI测量前列腺癌组织生物标志物方面的性能	提出了一种新兴的自监督深度学习模型PIA，将三室扩散弛豫模型与混合多维MRI结合，无需大量训练数据即可预测前列腺癌组织特异性生物标志物	研究为回顾性研究，样本量较小（21名患者）	开发一种准确、非侵入性且可解释的人工智能方法用于前列腺癌检测	前列腺癌患者的组织生物标志物	数字病理学	前列腺癌	混合多维MRI	自编码器（Autoencoder）	MRI图像	21名前列腺癌患者（71个感兴趣区域）
3	2025-07-26	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	研究论文	提出了一种同步频率感知融合网络（Syn-Net），用于在复杂超声图像中精确分割乳腺肿瘤	设计了同步双分支编码器提取局部和全局特征，引入了频率感知交叉特征融合块（FrCFusion Block）利用DCT学习全频特征，并开发了全尺度深度监督方法	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	乳腺肿瘤超声图像	数字病理	乳腺癌	离散余弦变换（DCT）	CNN	图像	三个公开可用的超声乳腺肿瘤数据集
4	2025-07-26	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	引入了先进的注意力机制模块（CA和MHSA）和医学知识嵌入，以提高模型的检测和分类性能	当前自动化检测方法的准确性不足，需要专业资深放射科医生的专业知识	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结（正常、炎症和转移性）	计算机视觉	癌症	深度学习	YOLOv8	超声图像	NA
5	2025-07-26	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	research paper	该研究提出了一种鲁棒的中医图网络（RTGN），用于在中医背景下学习患者相似性	开发了一种结合自注意力和自监督策略的Siamese网络架构，以及一种整合中西医方法的患者相似性度量	依赖中医医师的生理感官判断可能导致患者评估的非标准化描述和干扰	设计一种患者相似性度量，整合中医的细粒度辨证知识	中医胃肠道恶性肿瘤患者	machine learning	胃肠道恶性肿瘤	深度学习	Siamese network	graph data	719名患者的406种多维信息
6	2025-07-26	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	提出了一种名为MMFSynergy的新方法，用于预测抗癌药物的协同组合	通过融合微观和宏观尺度信息，并利用自监督任务和Transformer Encoder模型，提升了预测药物组合协同效应的能力	模型的泛化能力虽优于其他六种先进方法，但仍有提升空间	提高抗癌药物协同组合预测的准确性和泛化能力	抗癌药物组合及相关的细胞系蛋白质	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质的多尺度信息	基于两个公共数据集的实验
7	2025-07-25	Artificial intelligence in gastroenterology: Ethical and diagnostic challenges in clinical practice 2025-Mar-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i10.102725 PMID:40093670	评论	本文讨论了人工智能在胃肠病学中的应用及其伦理和诊断挑战	探讨了深度学习模型在无线胶囊内窥镜决策过程中的应用，以及AI在胃肠疾病诊断中的变革性作用	AI在临床应用中存在患者隐私、数据安全和诊断偏见等伦理问题，需要多样化和代表性的数据集来缓解不平等	探讨人工智能在胃肠病学中的临床应用及其伦理挑战	胃肠疾病诊断，特别是小肠病变和癌前息肉	数字病理学	胃肠疾病	深度学习	NA	图像	NA
8	2025-07-25	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	提出了一种新型的3D全脑分割网络，通过交叉融合机制处理PET/MR双模态图像，以实现45个脑区的精确分割	引入了交叉融合机制，同时处理PET和MR图像，采用UX-Net和交叉融合块进行特征提取和融合	未提及具体的数据集规模或多样性限制，未来将在临床实践中进一步验证	提高脑区精确分割的性能，以辅助神经系统疾病的检测和诊断	PET/MR双模态图像	数字病理	神经系统疾病	PET/MR双模态成像	3D UX-Net	医学图像	未提及具体样本数量
9	2025-07-25	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	提出了一种基于可穿戴传感器的人类活动识别深度学习模型DKInception，该模型整合了深度卷积残差网络和注意力机制	DKInception模型结合了深度卷积残差网络与注意力机制，利用多尺度卷积核有效提取时间特征，并在Inception ResNet架构基础上扩展了快速收敛和鲁棒缩放特性	未提及具体局限性	通过精确的人类活动识别监测日常活动和健康行为，为慢性病管理和健康生活方式提供支持	人类日常活动	机器学习	NA	深度学习	CNN（具体为DKInception模型）	传感器数据	四个基准HAR数据集（UCI-HAR, Opportunity, Daphnet, PAMAP2）
10	2025-07-25	TrGPCR: GPCR-Ligand Binding Affinity Prediction Based on Dynamic Deep Transfer Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307928 PMID:37610904	研究论文	提出了一种基于动态深度迁移学习的GPCR-配体结合亲和力预测方法TrGPCR	使用动态迁移学习解决GPCR数据不足的问题，并引入蛋白质二级结构作为特征	已知GPCR数量有限，可能影响模型性能	预测GPCR-配体结合亲和力以辅助药物开发	GPCR-配体结合亲和力	机器学习	NA	动态迁移学习	TrGPCR	蛋白质序列和二级结构数据	数千个已知GPCR
11	2025-07-25	Multi-Omics Deep-Learning Prediction of Homologous Recombination Deficiency-Like Phenotype Improved Risk Stratification and Guided Therapeutic Decisions in Gynecological Cancers 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3308440 PMID:37616142	研究论文	提出了一种名为MODeepHRD的多组学深度学习框架，用于预测妇科癌症中的同源重组缺陷（HRD）表型，以改善风险分层和指导治疗决策	MODeepHRD利用卷积注意力自编码器有效整合组学特异性和跨组学互补知识学习，优于传统机器学习方法和其他类似任务方法	研究主要基于卵巢癌患者数据，虽然在乳腺癌和子宫内膜癌队列中进行了验证，但样本来源和多样性可能仍有局限	开发一种深度学习框架，准确预测妇科癌症中的HRD表型，以指导临床治疗决策	妇科癌症患者（主要为卵巢癌、乳腺癌和子宫内膜癌）	数字病理学	妇科癌症	转录组学、DNA甲基化和突变数据分析	卷积注意力自编码器	多组学数据	训练集351例卵巢癌患者，验证集2133例卵巢癌样本（来自22个数据集），并在乳腺癌和子宫内膜癌队列中进一步验证
12	2025-07-25	HiSIF-DTA: A Hierarchical Semantic Information Fusion Framework for Drug-Target Affinity Prediction 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334239 PMID:37983161	研究论文	提出了一种名为HiSIF-DTA的分层语义信息融合框架，用于药物-靶标亲和力预测	构建了包含低阶结构语义和高阶功能语义的分层蛋白质图，并设计了两种不同的分层融合策略来整合不同的蛋白质语义	未明确提及具体局限性	提高药物-靶标亲和力预测的准确性	药物-靶标亲和力	机器学习	NA	深度学习	分层语义信息融合框架	蛋白质序列和结构数据	基准数据集
13	2025-07-25	Decoding Drug Response With Structurized Gridding Map-Based Cell Representation 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3342280 PMID:38090819	研究论文	该研究提出了一种名为DD-Response的新策略，用于预测细胞系药物反应，通过整合多个数据集和开发新的细胞系和药物表示方法，提高了预测准确性	提出了一种基于二维结构化网格图（SGM）的细胞系和药物表示方法，避免了特征相关性忽视和潜在信息丢失，并构建了一个基于双分支多通道CNN的模型	尽管在细胞系药物反应预测中表现出色，但在临床应用方面仍面临挑战	开发一种更全面的方法来预测细胞系药物反应，以促进药物开发、再利用和耐药性逆转	细胞系和药物	机器学习	癌症	深度学习	CNN	结构化数据	NA
14	2025-07-25	MOPDDI: Predicting Drug-Drug Interaction Events Based on Multimodal Mutual Orthogonal Projection and Intermodal Consistency Loss 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3343911 PMID:38109247	研究论文	提出了一种基于多模态互正交投影和模态间一致性损失的药物相互作用事件预测新方法	通过多模态互正交投影模块消除模态间的冗余共同信息，并利用模态间一致性损失使各模态的预测特征更加相似	未提及具体的数据集规模限制或实际应用中的潜在问题	准确预测药物相互作用(DDI)事件的机制	药物相互作用事件	机器学习	NA	多模态互正交投影和模态间一致性损失	深度学习	多模态数据	NA
15	2025-07-25	Prediction of Drug-Target Interactions With High- Quality Negative Samples and a Network-Based Deep Learning Framework 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3354953 PMID:38227407	研究论文	本文提出了一种基于高质量负样本和网络深度学习的药物-靶标相互作用预测框架	提出了基于复杂网络理论的负样本选择方法，并构建了整合多源信息的HNetPa-DTI预测框架	未明确提及具体局限性	改进药物-靶标相互作用预测的准确性和效率	药物-靶标相互作用对	机器学习	NA	异构图神经网络	图神经网络	网络数据	未明确提及具体样本数量
16	2025-07-25	Dual Representation Learning for Predicting Drug-Side Effect Frequency Using Protein Target Information 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3350083 PMID:38241108	研究论文	提出一种基于深度学习的药物副作用频率预测模型，利用蛋白质靶点信息等多源异构特征进行药物嵌入表示	首次同时利用药物靶蛋白信息、分子图、指纹和化学相似性等多源异构特征，并采用双重表示学习方法将药物和副作用映射到共同向量空间	对于没有明确靶蛋白的药物预测效果相对较差（尽管通过Adaboost方法进行了补偿）	预测药物副作用的发生频率	药物及其副作用	机器学习	NA	深度学习、Adaboost	双重表示学习模型	分子图、化学指纹、蛋白质靶点信息等多源异构数据	NA
17	2025-07-25	AEGNN-M:A 3D Graph-Spatial Co-Representation Model for Molecular Property Prediction 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368608 PMID:38386576	research paper	本文提出了一种名为AEGNN-M的3D图-空间共表示模型，用于准确预测分子性质	结合GAT和EGNN两种图神经网络，同时利用分子图表示和3D空间结构表示进行分子性质预测	未明确提及具体局限性	改进药物开发过程，满足精准医学需求	分子性质预测	计算机辅助药物发现	乳腺癌	图神经网络	AEGNN-M（结合GAT和EGNN）	分子图和3D空间结构数据	7个公共数据集（包括3个回归数据集和14个乳腺癌细胞系表型筛选数据集）
18	2025-07-25	BINDTI: A Bi-Directional Intention Network for Drug-Target Interaction Identification Based on Attention Mechanisms 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375025 PMID:38457318	研究论文	本文提出了一种基于注意力机制的双向意图网络BINDTI，用于药物-靶点相互作用识别	结合双向意图网络和ACmix混合模型，创新性地融合药物和蛋白质特征，显著提高了DTI预测的准确性	未明确提及具体局限性	开发新的药物-靶点相互作用预测方法以加速药物发现过程	药物分子和蛋白质靶点	机器学习	NA	图卷积网络(GCN)、自注意力机制、卷积神经网络	双向意图网络、ACmix混合模型、多层感知机(MLP)	分子图(SMILES字符串)、氨基酸序列	BindingDB、BioSNAP、DrugBank和Human数据集
19	2025-07-25	Property-Guided Few-Shot Learning for Molecular Property Prediction With Dual-View Encoder and Relation Graph Learning Network 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3381896 PMID:38536684	research paper	提出了一种名为PG-DERN的少样本学习模型，用于分子属性预测，通过双视图编码器和关系图学习网络提高预测准确性	引入双视图编码器学习分子表示，提出关系图学习模块构建分子相似性关系图，采用MAML元学习策略优化参数，设计属性引导的特征增强模块	未明确提及具体局限性	提高分子属性预测的准确性，特别是在数据有限的情况下	药物分子的属性预测	machine learning	NA	few-shot learning, meta-learning	PG-DERN, dual-view encoder, relation graph learning network, MAML	molecular data	四个基准数据集
20	2025-07-25	Multimodal Drug Target Binding Affinity Prediction Using Graph Local Substructure 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386815 PMID:38598378	研究论文	本文提出了一种多模态药物靶点结合亲和力预测模型MLSDTA，通过整合药物和靶点的图和序列模态信息，利用交叉注意力方法实现多模态特征的融合	提出了一种新的多模态DTA预测模型MLSDTA，采用交叉注意力方法融合多模态特征，并应用自适应结构感知池化生成包含局部子结构信息的图	未提及具体的数据集限制或模型泛化能力的验证	减少药物开发成本和周期，预测药物靶点结合亲和力	药物和靶点的结合亲和力	机器学习	NA	深度学习	MLSDTA（基于图局部子结构的模型）	图和序列数据	在两个基准数据集上进行了实验