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
21	2025-12-10	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	本文提出了一种基于交叉融合机制的PET/MR双模态图像自动脑分割方法，用于精确分割45个脑区	引入了交叉融合机制，同时处理PET和MR图像，通过UX-Net和交叉融合块在编码器中进行特征提取与融合，实现了更精确的脑区分割	未明确提及方法在临床实践中的具体应用限制或数据泛化能力	开发一种自动脑分割方法，以辅助神经疾病的检测与诊断	PET/MR双模态脑部图像	数字病理学	神经系统疾病	PET/MR成像	深度学习网络	3D图像	NA	NA	UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet	Dice系数, Jaccard指数, 灵敏度, 精确度, Hausdorff距离	NA
22	2025-12-10	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	本文提出了一种名为DKInception的深度学习模型，用于基于可穿戴传感器的人体活动识别任务	提出了DKInception模型，该模型将深度卷积残差网络与注意力机制相结合，并利用多尺度卷积核来高效提取时序特征，基于Inception ResNet架构扩展了其能力，具有高效、快速收敛和鲁棒缩放特性	NA	开发一种准确的人体活动识别模型，用于监测人类日常活动和健康行为	人体活动识别	机器学习	NA	NA	CNN	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2	NA	Inception ResNet	准确率	NA
23	2025-12-10	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	本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，以解决GPCR数据不足的问题	采用动态迁移学习策略，结合蛋白质二级结构（口袋）作为特征，解决了GPCR数据稀缺的挑战	未明确提及模型的具体泛化能力或对其他蛋白质家族的适用性	预测G蛋白偶联受体（GPCR）与配体的结合亲和力，以辅助药物开发	GPCR蛋白质及其配体	机器学习	NA	动态深度迁移学习	深度学习模型	序列数据、二级结构特征	源域使用BindingDB数据库，目标域使用GLASS数据库，具体样本数量未明确说明	NA	TrGPCR	RMSE, MAE	NA
24	2025-12-10	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	研究论文	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，以改进药物开发过程	结合GAT和EGNN两种图神经网络，首次整合分子图表示和3D空间结构表示进行分子性质预测	未明确说明模型的计算复杂度或可扩展性限制	提高分子性质预测的准确性，以加速精准医疗背景下的新药开发	分子（药物分子）	机器学习	乳腺癌	计算机辅助药物发现（CADD）	图神经网络（GNN）	分子图数据，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）	未明确指定（可能为PyTorch或TensorFlow）	GAT, EGNN	未明确指定（可能包括回归指标如RMSE、MAE等）	NA
25	2025-12-10	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，有效融合药物和蛋白质特征，提升DTI预测精度，尤其在非平衡数据集上表现优异	未提及模型在更大规模或更复杂数据集上的泛化能力，以及计算效率的具体分析	开发一个端到端的深度学习框架，以低成本高效识别药物-靶点相互作用，支持药物发现和虚拟筛选	药物分子和蛋白质靶点	机器学习	NA	SMILES字符串编码，氨基酸序列分析	GCN, 自注意力机制，卷积，多层感知机	分子图，序列数据	涉及BindingDB、BioSNAP、DrugBank和Human数据集，具体样本数未提及	NA	图卷积网络，ACmix混合模型，双向意图网络	准确率，精确率，召回率，F1分数，AUC	NA
26	2025-12-10	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	本文提出了一种名为MLSDTA的多模态药物靶点结合亲和力预测模型，通过整合药物和靶点的图与序列模态信息，利用交叉注意力实现多模态融合，并采用自适应结构感知池化生成包含局部子结构信息的图	提出多模态融合方法，结合图与序列信息；引入自适应结构感知池化以捕获局部子结构；应用DropNode策略增强分子间区分度	未明确提及模型在更大规模或多样化数据集上的泛化能力，也未讨论计算效率或实际部署的挑战	预测药物靶点结合亲和力，以降低药物开发成本与周期	药物与靶点的分子结构及序列信息	机器学习	NA	深度学习	图神经网络, 注意力机制	图数据, 序列数据	基于两个基准数据集（未指定具体样本数量）	NA	MLSDTA（自定义多模态架构）	NA	NA
27	2025-12-06	Learning Ordinal-Hierarchical Constraints for Deep Learning Classifiers 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3360641 PMID:38347692	研究论文	本文提出了两种新的序数-层次深度学习方法来同时学习标签的层次和序数约束，以提高泛化性能	首次在深度学习中同时集成层次和序数约束，通过全局和局部图路径分解问题并最小化相应损失，创新性地结合了序数二元分解和累积链接模型	未明确说明方法在极端数据不平衡或噪声环境下的鲁棒性，也未讨论计算复杂度或模型可扩展性	开发能够同时处理标签层次结构和序数关系的深度学习分类器，以提升分类性能	具有序数层次结构的分类问题，涉及工业、生物医学、计算机视觉和金融领域的真实数据集	机器学习	NA	深度学习	深度学习分类器	NA	四个真实用例数据集	NA	HCLM, HOBD	NA	NA
28	2025-12-06	DER-GCN: Dialog and Event Relation-Aware Graph Convolutional Neural Network for Multimodal Dialog Emotion Recognition 2025-03, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367940 PMID:38437139	研究论文	提出一种新颖的对话与事件关系感知图卷积神经网络（DER-GCN），用于多模态对话情感识别	首次在对话情感识别中同时建模说话者间的对话关系和潜在事件关系，并引入自监督掩码图自编码器（SMGAE）和多信息Transformer（MIT）来增强特征融合与关系间相关性捕获	未在摘要中明确说明	提升多模态对话情感识别的性能	多模态对话数据（文本、视频、音频）	自然语言处理	NA	多模态深度学习	图卷积神经网络（GCN）, Transformer	文本, 视频, 音频	在两个基准数据集（IEMOCAP和MELD）上进行实验，具体样本量未在摘要中说明	NA	DER-GCN, 自监督掩码图自编码器（SMGAE）, 多信息Transformer（MIT）	平均准确率, 情感识别值	NA
29	2025-12-06	Generalizable and Discriminative Representations for Adversarially Robust Few-Shot Learning 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3379172 PMID:38536695	研究论文	本文提出了一种对抗性鲁棒的小样本图像分类方法，通过学习泛化性和判别性表征来防御恶意对抗样本	提出对抗感知机制利用特征级差异提供额外监督，设计对抗性重加权训练策略改善样本不平衡，并引入循环特征净化器在投影后处理中减少未知对抗样本干扰	未明确说明方法在极端小样本场景（如1-shot）下的性能表现，也未讨论计算效率与实时性权衡	开发能够防御对抗样本攻击的小样本图像分类系统	图像数据	计算机视觉	NA	对抗训练	深度学习	图像	基于三个标准基准数据集（未指定具体数量）	未明确说明	未明确说明	鲁棒性指标，自然性能指标	未明确说明
30	2025-12-03	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-Mar-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.01.621613 PMID:39554149	研究论文	本文通过单核RNA测序和ATAC测序技术，结合深度学习模型，研究了转录因子MEF2C在早期心脏管形态发生中调控的基因调控网络，揭示了其在心脏节段特异性发育中的作用	首次整合多组学数据于深度学习模型中，构建了心脏流出道、心室和流入道节段的发育轨迹，并识别了MEF2C依赖的节段特异性增强子	研究主要基于小鼠胚胎模型，结果在人类或其他物种中的普适性有待验证，且深度学习模型的解释性可能有限	解析早期心脏管形态发生中由MEF2C控制的节段特异性基因调控网络	野生型和MEF2C缺失型小鼠胚胎的心脏组织	计算生物学	心脏发育异常	单核RNA测序, ATAC测序	深度学习模型	基因组学数据, 表观基因组学数据	野生型和MEF2C缺失型胚胎的时间序列样本	NA	NA	NA	NA
31	2025-11-27	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	提出一种名为SNRAware的新型深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息提升去噪性能和泛化能力	通过(1)模拟大规模高质量多样化合成数据集和(2)向模型提供噪声分布的定量信息，利用MRI重建过程知识改进去噪性能	回顾性研究，主要基于心脏MRI数据，需要进一步验证在其他解剖部位和成像序列的泛化能力	开发并评估利用重建过程定量噪声分布信息的深度学习MRI去噪方法	心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像	医学影像处理	心血管疾病	MRI成像	Transformer, CNN	医学图像	2,885,236张图像来自96,605个心脏回顾性门控电影复杂序列	NA	Transformer, 卷积神经网络	PSNR, SSIM, CNR	NA
32	2025-11-26	Artificial Intelligence Prediction of Age from Echocardiography as a Marker for Cardiovascular Disease 2025-Mar-26, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.25.25324627 PMID:40196275	研究论文	利用深度学习从超声心动图视频预测年龄，并评估心血管疾病风险	首次使用大规模超声心动图视频数据开发AI年龄预测模型，揭示加速/延迟衰老与心血管疾病的关联	NA	通过AI预测生物年龄来评估心血管疾病风险	90,738名患者的超声心动图视频	计算机视觉	心血管疾病	超声心动图	深度学习	视频	2,610,266个视频，来自166,508项研究，涉及90,738名患者	NA	NA	平均绝对误差(MAE), 决定系数(R)	NA
33	2025-11-26	Deep generative modeling of temperature-dependent structural ensembles of proteins 2025-Mar-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642148 PMID:40161645	研究论文	开发了一种基于深度生成模型的蛋白质结构集成生成方法，能够模拟温度依赖的结构变化	提出了首个可迁移的温度条件生成器aSAMt，在隐空间建模原子细节，能够准确采样侧链和主链扭转角分布	基于分子动力学模拟数据进行训练，计算成本仍然较高，且模型泛化能力有待进一步验证	开发能够捕捉蛋白质构象集成和结构可变性的深度生成模型	蛋白质重原子结构集成	机器学习	NA	分子动力学模拟	扩散模型, 自编码器	分子结构数据	大型开放的mdCATH数据集	NA	隐扩散模型	与长时MD模拟比较，实验观测热行为验证	NA
34	2025-11-24	A Pseudo-Value Approach to Causal Deep Learning of Semi-Competing Risks 2025-Mar-03, Arabian journal of mathematics IF:0.9Q2 DOI:10.1007/s40065-025-00501-7 PMID:41268055	研究论文	提出一种基于伪值的因果深度学习方法，用于处理半竞争风险下治疗对非致命结局的因果效应估计	结合阿基米德联结函数表示和刀切法伪值方法，开发不依赖比例风险假设的因果估计器	方法依赖于阿基米德联结函数的正确设定，且需要足够大的样本量来保证伪值估计的稳定性	估计治疗对疾病复发等非致命结局的因果效应，解决半竞争风险下的因果推断问题	早期非小细胞肺癌患者	机器学习	肺癌	生存分析，因果推断	深度神经网络	临床生存数据	波士顿肺癌研究数据集	NA	深度神经网络	数值研究评估	NA
35	2025-11-19	Universal consensus 3D segmentation of cells from 2D segmented stacks 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.03.592249 PMID:38766074	研究论文	开发了一种无需训练数据即可将2D细胞分割转换为3D共识分割的理论和工具箱u-Segment3D	提出兼容任何2D分割方法的通用3D分割方案，无需训练数据即可实现2D到3D的转换	依赖于2D分割方法的质量，在密集细胞和复杂形态情况下可能仍有挑战	解决3D细胞分割中密集标注的难题，开发通用的2D到3D分割方法	显微镜图像中的细胞，包括单细胞、细胞聚集体和组织	数字病理	NA	显微镜成像	NA	2D图像堆栈	11个真实数据集，超过70,000个细胞	NA	NA	NA	NA
36	2025-11-07	EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention 2025-Mar, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3532282 PMID:40031751	研究论文	提出一种受鹰眼视觉系统启发的视觉Transformer模型EViT，通过双凹窝自注意力机制提高计算效率和特征表示能力	首次将鹰眼视觉特性引入视觉Transformer，提出双凹窝视觉交互结构、双凹窝自注意力机制和双凹窝前馈网络	NA	解决视觉Transformer计算复杂度高和缺乏理想归纳偏置的问题	计算机视觉任务中的特征表示学习	计算机视觉	NA	深度学习	Transformer	图像	NA	NA	EViT, 金字塔骨干网络	计算效率, 可扩展性	NA
37	2025-11-06	HeMDAP: Heterogeneous Graph Self-Supervised Learning for MiRNA-Disease Association Prediction 2025 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3536039 PMID:40811409	研究论文	提出基于异质图自监督学习的miRNA-疾病关联预测方法HeMDAP	设计网络结构视图和元路径视图两种互补图表示，引入自监督对比学习和监督对比学习优化节点嵌入，采用知识感知增强提升嵌入质量	NA	预测miRNA与疾病之间的关联关系	miRNA、基因和疾病的复杂关系	机器学习	人类疾病	图对比学习	图神经网络	异质图数据	NA	NA	多视图异质图神经网络	AUC, AUPR	NA
38	2025-11-05	Path2Omics: Enhanced transcriptomic and methylation prediction accuracy from tumor histopathology 2025-Mar-16, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.26.640189 PMID:40568160	研究论文	开发Path2Omics深度学习模型，从肿瘤组织病理学图像预测基因表达和甲基化数据	集成FFPE和FF样本训练的模型在临床最常用的FFPE切片上表现最佳，预测基因数量比之前模型DeepPT提高约5倍	NA	通过组织病理学图像预测分子特征，推进精准肿瘤学发展	23种癌症类型的肿瘤组织样本	数字病理学	癌症	组织病理学，基因表达分析，甲基化分析	深度学习	组织病理学图像	23个癌症基因组图谱队列中的8,007名患者的20,497张切片（9,456张FFPE和11,041张FF）	NA	NA	预测基因数量，生存预测准确性，治疗反应预测准确性	NA
39	2025-11-04	Decoding thoughts, encoding ethics: A narrative review of the BCI-AI revolution 2025-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149423 PMID:39719191	综述	本文对脑机接口与人工智能融合的技术机制、最新进展和应用前景进行了系统性分析	综合评估了BCI-AI融合领域的最新突破，包括高密度电极阵列、深度学习解码器和自适应算法的显著性能提升	作为叙述性综述，缺乏原始实验数据和定量分析，主要依赖已有文献的定性总结	分析BCI与AI融合的机制，评估信号采集处理技术的进展，探索AI增强的神经解码策略	脑机接口与人工智能融合相关的研究文献和技术发展	脑机接口,人工智能	NA	高密度电极阵列,深度学习解码,自适应算法,闭环优化框架	深度学习	神经信号数据,生物医学文献	基于2014-2024年主要生物医学和科学数据库的文献分析	NA	NA	空间分辨率,信息传输率,成功率,准确率,训练时间减少	NA
40	2025-11-02	Deep learning with attention modules and residual transformations improves hepatocellular carcinoma (HCC) differentiation using multiphase CT 2025-Mar, Precision radiation oncology DOI:10.1002/pro6.70003 PMID:41163976	研究论文	本研究提出结合注意力模块和残差变换的GAN深度学习模型，用于改进多期相CT中肝细胞癌的鉴别诊断	首次将自注意力机制和聚合残差变换整合到3D GAN中，通过注意力模块聚焦关键特征并抑制冗余信息，同时利用残差变换重用相关特征	研究样本量较小（仅57名患者），且为单中心回顾性研究	提高肝细胞癌在多期相CT影像中的鉴别诊断准确率	57名患者的228个多期相CT扫描，其中30例经病理证实为HCC，27例为非HCC	计算机视觉	肝细胞癌	多期相CT成像	GAN	3D医学影像	57名患者的228个多期相CT扫描	NA	GAN,自注意力模块,ResNeXt	AUROC,准确率,敏感性,特异性	NA