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	2025-05-03	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-Jun, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	提出了一种名为DisDock的深度学习方法，用于预测蛋白质与金属离子的对接结构	结合U-net架构与自注意力模块，利用几何信息揭示原子相互作用的潜在特征	未提及具体局限性	预测金属离子与蛋白质的结合结构	金属蛋白	机器学习	NA	深度学习	U-net与自注意力模块结合	距离矩阵	来自MOAD的高质量金属蛋白数据集
282	2025-05-03	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-Jun, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	research paper	介绍了一种名为OrgaMeas的高通量图像分析流程，用于测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了高精度的细胞器分割和单细胞水平的数据处理	未提及具体的性能对比实验或在实际应用中的具体表现	开发一个低成本、易用的图像分析流程，用于细胞器研究	细胞器的形态和动态	digital pathology	NA	deep learning-based image analysis	CNN (implied by deep learning-based tools)	image	NA
283	2025-05-03	Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model 2025-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00192-x PMID:40309130	研究论文	本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测中风患者的血清钠浓度并提供个性化干预建议	引入了时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型	模型依赖于公开数据集，可能无法涵盖所有临床场景	优化中风患者的血清钠管理策略，提供临床决策支持工具	ICU中风患者	医疗信息学	中风	深度学习	TFF-MHA（时间-特征融合多头注意力模型）	时间序列临床数据	MIMIC-III（2346例）和MIMIC-IV（896例）数据集
284	2025-05-02	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	research paper	本文探讨了一种创新的教育方法，使用代谢板来增强对三个耐力训练区域肌肉代谢的理解	开发了一种交互式代谢板工具，用于简化复杂的生理过程并促进深度学习	未提及具体的研究样本量或实验验证结果	提高对耐力训练区域肌肉代谢的理解，并优化训练处方决策	运动科学专业的学生和专业人士	运动科学	NA	NA	NA	real data	NA
285	2025-05-01	PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction 2025-Jun-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169115 PMID:40158838	研究论文	本研究提出了一种基于深度学习的肽毒性预测模型PLPTP，整合了ESM2、BiLSTM和DNN技术，并通过基序分析增强模型的可解释性	结合ESM2、BiLSTM和DNN的深度学习框架，引入基序分析提高模型可解释性，使用Focal Loss解决类别不平衡问题	未提及模型在跨物种或不同肽类上的泛化能力测试	提高肽毒性预测的准确性以促进更安全的肽类药物设计	肽序列及其毒性特征	生物信息学	NA	ESM2蛋白语言模型、BiLSTM、DNN	ESM2+BiLSTM+DNN混合模型	蛋白质序列数据	未明确提及具体样本量
286	2025-04-29	A stacked ensemble approach for symptom-based monkeypox diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110140 PMID:40203737	research paper	该研究使用机器学习和深度学习技术，基于患者症状预测猴痘病毒感染	提出了一种结合多种模型的堆叠集成方法，并使用Conditional Tabular GAN生成合成数据以解决数据不平衡问题	未提及模型在真实临床环境中的验证情况	开发一种基于症状的猴痘早期诊断方法	猴痘病毒感染患者	machine learning	monkeypox	Conditional Tabular GAN	Tab Transformer, LSTM, XGBoost, LightGBM, Stacking Classifier	tabular data	NA
287	2025-04-29	Mental disorder preventing by worry levels detection in social media using deep learning based on psycho-linguistic features: application on the COVID-19 lockdown period 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110162 PMID:40203736	研究论文	该研究利用深度学习和心理语言学特征，通过社交媒体数据检测忧虑情绪水平，以预防心理障碍，特别是在COVID-19封锁期间	结合语义和上下文表示与心理语言学特征，提升深度学习模型在忧虑情绪检测中的性能	研究主要基于Twitter数据，可能无法完全代表所有人群的忧虑情绪	预测社交媒体中的忧虑情绪水平，以早期识别潜在的心理健康问题	社交媒体用户（特别是Twitter用户）在COVID-19封锁期间的文本数据	自然语言处理	心理障碍	深度学习	GRU, LSTM, CNN	文本	NA
288	2025-04-29	A computed tomography-based deep learning radiomics model for predicting the gender-age-physiology stage of patients with connective tissue disease-associated interstitial lung disease 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110128 PMID:40209580	research paper	本研究探讨了基于胸部CT图像的深度学习放射组学模型预测结缔组织病相关间质性肺疾病患者GAP分期的可行性	结合深度学习和放射组学特征构建诊断模型，并整合年龄、性别和DLR特征生成列线图模型，提高了预测性能	样本量较小，特别是GAP III期患者仅有13例，可能影响模型的泛化能力	预测结缔组织病相关间质性肺疾病患者的GAP分期	264例CTD-ILD患者	digital pathology	interstitial lung disease	computed tomography	SVM, logistic regression	image	264例CTD-ILD患者（GAP I期195例，II期56例，III期13例）
289	2025-04-29	An informed deep learning model of the Omicron wave and the impact of vaccination 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109968 PMID:40209576	研究论文	使用物理信息神经网络分析Omicron变种在德国、法国和意大利的传播动态及其与疫苗效力的关系	首次将物理信息神经网络应用于Omicron变种的传播动态分析，揭示了特定病毒突变与传播率增加的显著相关性	研究仅限于德国、法国和意大利三个国家，可能无法完全代表全球其他地区的传播情况	理解Omicron变种的传播动态、疫苗效力以及再感染潜力	Omicron变种在德国、法国和意大利的传播情况	机器学习	COVID-19	物理信息神经网络	Physics-Informed Neural Networks	时间序列数据	德国、法国和意大利的Omicron变种传播数据
290	2025-04-29	Mitosis detection and classification for breast cancer diagnosis: What we know and what is next 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110057 PMID:40209577	review	本文回顾了过去十年中用于识别和分类乳腺癌组织学染色图像中有丝分裂细胞的技术，并展望了未来的研究方向	总结了机器学习与深度学习在乳腺癌有丝分裂细胞识别中的革命性应用，并预测了未来发展趋势	主要关注乳腺癌，未涵盖其他癌症类型的有丝分裂检测技术	探讨乳腺癌诊断中有丝分裂细胞的检测与分类技术	乳腺癌组织学染色图像中的有丝分裂细胞	digital pathology	breast cancer	histological analysis, machine learning, deep learning	CNN, deep learning architectures	image	NA
291	2025-04-29	Optimized fine-tuned ensemble classifier using Bayesian optimization for the detection of ear diseases 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110092 PMID:40215866	研究论文	开发了一种基于MobileNet和DenseNet169的加权平均投票集成分类器，用于耳部疾病的自动诊断	使用贝叶斯优化选择超参数，并通过微调MobileNet和DenseNet169的所有层权重来提高分类能力	排除了样本量过少的Tympanostomy Tubes类别，可能影响模型的泛化能力	开发高精度的自动耳部疾病诊断系统以减少误诊率	耳部疾病（外耳和中耳疾病）	计算机视觉	耳部疾病	贝叶斯优化	集成分类器（MobileNet和DenseNet169）	图像	282张耳镜图像（排除2个样本的类别）
292	2025-04-29	Non-invasive diagnosis of lung diseases via multimodal feature extraction from breathing audio and chest dynamics 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110182 PMID:40215869	research paper	提出一种结合呼吸音频和胸部动态的多模态特征提取方法，用于非侵入性诊断肺部疾病	首次将音频和视觉模态结合，提取更全面的肺部健康表征，提高了诊断准确性和鲁棒性	未提及模型在真实临床环境中的泛化能力测试	开发更有效、可及的肺部疾病诊断工具	肺部疾病患者	digital pathology	lung cancer	multimodal feature extraction	deep learning	audio and video	NA
293	2025-04-29	Advancing the frontier of artificial intelligence on emerging technologies to redefine cancer diagnosis and care 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110178 PMID:40228444	review	本文综述了人工智能在癌症诊断和治疗中的应用及其潜力	探讨了AI在癌症预测、预后和治疗规划中的创新应用，特别是在放射组学、深度学习和机器学习方面	在罕见癌症中的应用受限于训练和验证数据的不足	评估人工智能在癌症诊断和治疗中的潜力和挑战	癌症患者，特别是乳腺癌和肺癌等高发癌症患者	machine learning	lung cancer, breast cancer	radiomics, deep learning, machine learning, DNA and RNA sequencing	predictive AI, generative AI	multi-omics data, digitized health information	NA
294	2025-04-29	Multi-level feature fusion network for kidney disease detection 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110214 PMID:40233676	research paper	提出了一种用于肾脏疾病自动检测的深度学习框架，结合特征融合和序列建模技术以提高诊断准确性	整合了特征融合与inception模块以提取多样化的特征表示，同时引入ConvLSTM来增强序列学习能力，捕获疾病进展中的长期依赖关系	研究主要基于CT扫描数据，可能不适用于其他影像模态	开发自动化肾脏疾病检测方法以解决肾病专家资源有限的问题	肾脏CT扫描图像	digital pathology	kidney disease	deep learning	ResNet50, VGG19, ConvLSTM	CT scans	1860个肿瘤和1024个正常肾脏CT扫描
295	2025-04-29	BenchXAI: Comprehensive benchmarking of post-hoc explainable AI methods on multi-modal biomedical data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110124 PMID:40239236	research paper	开发了一个名为BenchXAI的新XAI基准测试包，用于评估15种XAI方法在生物医学数据上的性能	提出了一个综合性的XAI基准测试包，支持对多种XAI方法在生物医学数据上的鲁棒性、适用性和局限性进行全面评估	仅评估了15种XAI方法，可能未涵盖所有现有方法	评估和比较不同XAI方法在多模态生物医学数据上的性能	15种XAI方法在临床数据、医学图像和信号数据以及生物分子数据上的表现	machine learning	NA	XAI方法（如Integrated Gradients, DeepLift等）	deep learning	multi-modal biomedical data（临床数据、医学图像和信号数据、生物分子数据）	NA
296	2025-04-29	A new lightweight deep learning model optimized with pruning and dynamic quantization to detect freezing gait on wearable devices 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110138 PMID:40245688	research paper	提出一种新型轻量级深度学习模型，结合剪枝和动态量化技术，用于在可穿戴设备上实时检测帕金森病患者的冻结步态	结合卷积神经网络和门控循环单元，引入残差注意力和高效通道注意力机制，并采用创新的特征选择方法优化模型	模型在资源受限的可穿戴设备上的实际部署效果需进一步验证	开发高精度且轻量化的冻结步态检测系统，用于帕金森病患者的实时监控	帕金森病患者的冻结步态	machine learning	Parkinson's disease	pruning, dynamic quantization	CNN, GRU	sensor data	NA
297	2025-04-29	Machine learning predictions of tumor progression: How reliable are we? 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110156 PMID:40245687	综述	本文综述了机器学习在肿瘤进展预测中的应用及其可靠性	深入分析了机器学习在肿瘤微环境、遗传数据、组织病理学数据和放射学数据中的应用，并提出了提高模型稳健性和临床适用性的策略	机器学习模型的可靠性和准确性限制了其在临床中的整合	评估机器学习在肿瘤进展预测中的可靠性，并探讨其在临床肿瘤学中的应用潜力	87篇关于机器学习在肿瘤进展建模、诊断或预后中应用的论文	机器学习	癌症	监督学习方法（如支持向量机和随机森林）以及深度学习	支持向量机、随机森林、深度学习	遗传数据、组织病理学数据、放射学数据	87篇论文
298	2025-04-29	Explainable deep stacking ensemble model for accurate and transparent brain tumor diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110166 PMID:40249992	research paper	提出了一种可解释的深度学习堆叠集成模型，用于准确和透明地诊断脑肿瘤	结合了EfficientNetB0、MobileNetV2、GoogleNet和多级CapsuleNet，使用CatBoost作为元学习器，提高了特征聚合和分类准确性，同时增强了模型的鲁棒性和可解释性	尽管模型性能优越，但可能仍受限于数据集多样性和类别不平衡问题	提高脑肿瘤在MRI图像中的早期检测准确性和可解释性	MRI图像中的脑肿瘤	digital pathology	brain tumor	Borderline-SMOTE、数据增强、PCA、Gray Wolf Optimization (GWO)	stacking ensemble model (EfficientNetB0, MobileNetV2, GoogleNet, Multi-level CapsuleNet, CatBoost)	image	两个大型MRI数据集（合并自BraTS、Msoud、Br35H和SARTAJ四个来源）
299	2025-04-29	Automated engineered-stone silicosis screening and staging using Deep Learning with X-rays 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110153 PMID:40252290	研究论文	本研究探讨了深度学习技术在利用胸部X光图像自动筛查和分期矽肺病中的有效性	采用深度学习模型自动筛查和分期矽肺病，特别是在早期阶段表现出高准确率	在区分简单矽肺和进展性大块纤维化时存在一定困难，尤其在过渡期评估时主观性较强	提高矽肺病的诊断准确性和效率，开发临床决策支持工具	暴露于人工石英聚集体的工人	数字病理学	矽肺病	深度学习	CNN	图像	从暴露于人工石英聚集体的工人医疗记录中获取的综合数据集
300	2025-04-29	Enhancing robustness and generalization in microbiological few-shot detection through synthetic data generation and contrastive learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110141 PMID:40253923	研究论文	提出一种结合生成数据增强和少样本检测的新方法，用于微生物检测任务	使用扩散模型生成合成细菌菌落数据，并结合解耦特征分类策略，显著提升少样本场景下的检测性能	仅使用25张真实图像进行训练，可能在某些极端情况下泛化能力有限	解决微生物菌落检测中训练数据不足的问题	琼脂培养皿中的微生物菌落	计算机视觉	NA	扩散模型生成数据增强，对比学习	扩散模型，前馈神经网络	图像	25张真实琼脂培养皿图像