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
41	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）
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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）
50	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
51	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
52	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
53	2025-07-25	[Artificial intelligence in healthcare] 2025-Mar, Klinicka mikrobiologie a infekcni lekarstvi PMID:40678962	综述	本文简要概述了人工智能在医疗领域的历史、工作原理及具体应用	探讨了人工智能在医疗影像技术、医学文档分析和临床决策支持中的创新应用	人工智能在医疗领域的应用面临潜在错误、伦理困境和滥用风险等挑战	概述人工智能在医疗领域的发展现状与未来方向	医疗领域的人工智能技术	医疗信息学	NA	机器学习、深度学习、神经网络	NA	医疗影像、医学文档、临床数据	NA
54	2025-07-23	A Tunable Forced Alignment System Based on Deep Learning: Applications to Child Speech 2025-Mar-31, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-24-00347 PMID:40163771	研究论文	开发了一种基于深度学习的可调谐强制对齐系统Wav2TextGrid，专为儿童语音设计	提出了一种可训练的、说话者自适应的神经强制对齐器，可直接根据手动对齐进行训练	仅针对3至6岁神经典型儿童语音进行了评估，未涵盖更广泛年龄或非典型语音	开发适用于儿童语音的高精度自动语音对齐工具	42名3至6岁神经典型儿童的语音数据及TIMIT语料库	自然语言处理	NA	深度学习	神经网络	语音	42名儿童语音数据及TIMIT语料库
55	2025-07-23	Reducing hepatitis C diagnostic disparities with a fully automated deep learning-enabled microfluidic system for HCV antigen detection 2025-Mar-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt3803 PMID:40106555	研究论文	开发了一种基于智能手机的完全自动化微流控系统，用于HCV抗原检测，以减少丙型肝炎诊断差异	结合铂纳米颗粒、深度学习图像处理和微流控技术，开发了一种高精度、便携式的HCV抗原检测设备	尚未获得FDA批准，且在高资源环境下的适用性未经验证	解决资源有限地区HCV诊断的及时性和准确性问题	丙型肝炎病毒(HCV)抗原检测	数字病理	丙型肝炎	微流控技术、深度学习图像处理	深度学习	图像	NA
56	2025-07-23	StainAI: quantitative mapping of stained microglia and insights into brain-wide neuroinflammation and therapeutic effects in cardiac arrest 2025-Mar-20, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07926-y PMID:40114030	research paper	介绍了一种名为StainAI的深度学习工具，用于快速高通量分析小胶质细胞形态，并应用于心脏骤停和病毒感染模型研究	开发了StainAI工具，能够从小胶质细胞免疫组化图像中进行快速高通量分析，并计算感兴趣区域的激活分数	虽然在小鼠和非人灵长类动物模型中验证了其通用性，但尚未在人类数据上进行测试	研究小胶质细胞形态变化及其在神经炎症中的作用	小胶质细胞	digital pathology	neuroinflammation	免疫组化	CNN	image	数百万个小胶质细胞，来自大鼠和非人灵长类动物模型
57	2025-07-23	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100780 PMID:40020686	研究论文	该研究利用迁移学习预测转录因子剂量如何影响面部祖细胞中调控元件的染色质可及性	结合迁移学习和定量染色质响应测量，揭示了顺式调控代码的额外层次	研究仅针对TWIST1和SOX9两种转录因子，可能不适用于其他转录因子	揭示转录因子剂量对染色质可及性的定量响应的序列决定因素	面部祖细胞中的调控元件染色质可及性	机器学习	NA	迁移学习	深度学习模型	染色质可及性数据	NA
58	2025-07-22	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	review	本文综述了人工智能在儿科心血管磁共振成像（CMR）中的当前应用状态	探讨了AI如何通过深度学习技术提高CMR在先天性心脏病（CHD）中的效率、图像质量和减少错误	未提及具体的实验数据或样本量，可能缺乏实证支持	提高先天性心脏病（CHD）中心血管磁共振成像（CMR）的效率和质量	儿科心血管磁共振成像（CMR）	digital pathology	cardiovascular disease	deep learning	NA	image	NA
59	2025-07-22	Cellular senescence predicts breast cancer risk from benign breast disease biopsy images 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01993-z PMID:40069863	研究论文	本研究探讨了细胞衰老在良性乳腺疾病活检图像中对乳腺癌风险的预测作用	利用深度学习模型预测细胞衰老评分，评估其在乳腺癌风险预测中的价值	研究仅基于回顾性数据，且样本量有限	评估细胞衰老评分在预测乳腺癌风险中的潜在应用	15,395名接受乳腺活检的女性，其中512例后续发展为浸润性乳腺癌，491例为对照组	数字病理学	乳腺癌	H&E染色活检图像分析，深度学习模型	深度学习模型	图像	15,395名女性，其中512例病例和491例对照
60	2025-07-22	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	介绍了一种基于深度学习的自动化突触事件分析方法miniML	miniML方法在准确分类和自动检测自发突触事件方面优于现有方法，并适用于多种突触准备、记录技术和动物种类	未提及具体的研究局限性	开发一种可靠且标准化的突触事件自动化分析框架	自发突触事件	机器学习	NA	深度学习	监督学习	电生理记录数据	NA