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	2025-04-12	Leveraging multi-modal feature learning for predictions of antibody viscosity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2490788 PMID:40214197	研究论文	本文报告了一种多模态特征学习工作流程在预测治疗性抗体粘度中的应用	整合了多种数据源，包括序列、结构、物理化学性质以及语言模型的嵌入，使模型能够从分子模拟的物理化学规则和大型预训练深度学习模型捕获的蛋白质进化模式中学习	未提及具体样本量或实验验证的局限性	预测治疗性抗体的粘度，以解决皮下给药制剂的高粘度问题	治疗性抗体	机器学习	NA	多模态特征学习	深度学习模型	序列、结构、物理化学性质数据	NA
42	2025-04-09	Detection of cognitive load during computer-aided education using infrared sensors 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10242-0 PMID:40191173	研究论文	本研究利用功能近红外光谱（fNIRS）和机器学习方法检测计算机辅助教育中的认知负荷	提出了一种基于小波散射变换（WST）的自动特征提取方法和一维卷积神经网络（1D CNN），用于认知负荷检测，并在分类性能上优于现有方法	1D CNN的计算成本（CPU时间和内存利用率）显著高于其他方法	检测计算机辅助教育中的认知负荷，以提高学生注意力	14名健康受试者的fNIRS脑信号数据	机器学习	NA	功能近红外光谱（fNIRS）	1D CNN, LDA, NB, KNN, SVM	脑信号数据	14名健康受试者
43	2025-03-19	Leveraging deep learning for epigenetic protein prediction: a novel approach for early lung cancer diagnosis and drug discovery 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00347-5 PMID:40083337	研究论文	本文提出了一种基于深度学习的表观遗传蛋白预测方法，用于早期肺癌诊断和药物发现	构建了CNN-BiLSTM模型，结合AmpPseAAC特征提取方法，显著提高了表观遗传蛋白预测的性能	未提及具体的数据集大小和模型在实际应用中的验证情况	通过预测表观遗传蛋白，改进疾病诊断和治疗策略，特别是肺癌	表观遗传蛋白	机器学习	肺癌	深度学习	CNN-BiLSTM	蛋白质序列数据	NA
44	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
45	2025-02-27	Brain analysis to approach human muscles synergy using deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10228-y PMID:39996071	研究论文	本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用	结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号	NA	改进康复方法和脑机接口	脑信号和肌肉运动	机器学习	NA	EEG, EMG	神经网络, 卷积网络	信号数据	NA
46	2025-02-26	A multidimensional adaptive transformer network for fatigue detection 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10224-2 PMID:39991017	研究论文	本文提出了一种多维自适应Transformer网络，用于检测驾驶疲劳状态	引入了一种多维Transformer架构，能够自适应地为不同信息维度分配权重，从而提升特征压缩和结构信息提取的效果	当前研究主要集中在时间维度信息提取，可能忽略了EEG数据的其他维度	提高驾驶疲劳状态检测的准确性和泛化能力	驾驶员的脑电图（EEG）信号	机器学习	NA	EEG信号分析	Transformer	EEG信号	使用了SEED-VIG和SFDE数据集
47	2025-01-31	Monitoring nap deprivation-induced fatigue using fNIRS and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10219-z PMID:39866657	研究论文	本文利用便携式fNIRS系统和深度学习模型监测由午睡剥夺引起的疲劳状态，并提出了一种新的1D修订CNN-ResNet网络用于疲劳状态分类	提出了一种基于双层通道衰减残差块的新型1D修订CNN-ResNet网络，用于处理fNIRS信号数据的高维度和多通道特性	NA	监测和分类由午睡剥夺引起的疲劳状态，探索通过运动刺激强制唤醒疲劳受试者的可行性	由午睡剥夺引起的疲劳状态	机器学习	NA	fNIRS	1D revised CNN-ResNet	fNIRS信号数据	NA
48	2025-01-31	Detecting autism in children through drawing characteristics using the visual-motor integration test 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00338-6 PMID:39877430	研究论文	本研究介绍了一种新颖的分类方法，通过视觉-运动整合测试中的绘图特征来区分自闭症儿童与正常发育儿童	采用深度学习分类模型和集成学习，显著提高了分类准确率至0.934，并识别出五个最能区分自闭症儿童与正常儿童绘图表现的模式	样本量较小，仅包括50名儿童，且性别比例不均（44名男孩和6名女孩）	开发一种跨文化工具，用于自闭症的早期检测和干预	台湾50名6至12岁的学龄儿童，包括44名男孩和6名女孩	计算机视觉	自闭症	深度学习	集成学习	图像	50名儿童（44名男孩和6名女孩）
49	2025-01-29	Emotion analysis of EEG signals using proximity-conserving auto-encoder (PCAE) and ensemble techniques 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10187-w PMID:39866661	研究论文	本文提出了一种基于EEG信号的创新框架——邻近保持自编码器（PCAE），用于准确识别情绪，并解决了传统情绪分析技术面临的挑战	提出了邻近保持自编码器（PCAE）和邻近保持压缩激励自编码器（PC-SEAE）模型，结合了多种卷积和反卷积层以及局部邻近保持层，显著提高了情绪识别的准确性	未提及样本量的具体限制或数据集的多样性问题	开发一种基于EEG信号的准确情绪识别系统，以改善脑机接口（BCI）在医疗、教育等领域的应用	EEG信号	脑机接口	自闭症或情绪障碍	EEG信号分析	PCAE, PC-SEAE, SVM, RF, LSTM	EEG信号	使用EEG Brainwave数据集，未提及具体样本量
50	2025-01-15	Synergistic integration of brain networks and time-frequency multi-view feature for sleep stage classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00328-0 PMID:39802081	研究论文	本文提出了一种结合脑网络和时间-频率多视图特征的睡眠阶段分类方法，旨在提高分类准确性	提出了一种跨注意力融合机制，用于自适应地整合复杂的睡眠特征，并开发了一个多视图特征融合网络，结合了脑连接性和时间-频谱元素	未明确提及具体局限性	提高睡眠阶段分类的准确性	多导睡眠图（PSG）信号及其转换的图和时间-频率表示	机器学习	NA	多视图特征提取和跨注意力融合机制	多视图特征融合网络	多导睡眠图信号	ISRUC公共数据集
51	2025-01-07	EEG-based cross-subject passive music pitch perception using deep learning models 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10196-9 PMID:39758357	研究论文	本研究利用深度学习模型，基于脑电图（EEG）数据，探索跨被试的音乐音高感知	提出了轻量级改进的EEGNet模型用于EEG音高分类，并采用分类器集成方法构建跨被试模型	研究仅针对小提琴的G3和B6音高，未涵盖更广泛的音高范围	客观检测和解码跨被试的音乐音高感知的脑响应	34名被试在听到小提琴G3和B6音高时的EEG信号	机器学习	NA	EEG	改进的EEGNet模型	EEG信号	34名被试
52	2025-01-05	Csec-net: a novel deep features fusion and entropy-controlled firefly feature selection framework for leukemia classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00327-1 PMID:39736875	研究论文	本文提出了一种名为Csec-net的新方法，用于白血病的计算机辅助诊断，通过深度学习特征融合和熵控制的萤火虫特征选择框架实现	提出了一种新的深度学习特征融合策略和熵控制的萤火虫特征选择技术，用于白血病分类	未提及具体局限性	开发和评估深度学习方法以实现计算机辅助的白血病诊断	白血病患者的血液样本图像	计算机视觉	白血病	深度学习	MobileNetV2, EfficientNetB0, ConvNeXt-V2, EfficientNetV2, DarkNet-19, 多类支持向量机	图像	15562张图像，来自四个数据集：ALLID_B1, ALLID_B2, C_NMC 2019, ASH
53	2025-01-05	DEELE-Rad: exploiting deep radiomics features in deep learning models using COVID-19 chest X-ray images 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00330-6 PMID:39741501	研究论文	本文提出了一种名为DEELE-Rad的方法，通过深度学习模型提取深度放射组学特征，用于COVID-19胸部X光图像的分类，并提供了可视化的解释以支持决策	结合深度学习和机器学习技术，利用迁移学习从ImageNet中提取深度放射组学特征，并通过自动参数调整和交叉验证策略优化分类器性能	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	开发一种基于深度学习的放射组学方法，用于COVID-19胸部X光图像的分类，以辅助医疗决策	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习、迁移学习	VGG16, ResNet50V2, DenseNet201	图像	未提及具体样本数量
54	2024-12-25	AI-driven approaches for automatic detection of sleep apnea/hypopnea based on human physiological signals: a review 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00320-8 PMID:39712669	综述	本文综述了近年来基于人工智能技术的自动睡眠呼吸暂停/低通气检测方法	总结了现有工作的通用流程，并涵盖了不同生理信号的特定预处理方法	面临数据可用性有限、数据不平衡问题以及多中心研究必要性等挑战	探讨基于人工智能技术的自动睡眠呼吸暂停/低通气检测方法	睡眠呼吸暂停/低通气检测方法及其相关生理信号	机器学习	心血管疾病	机器学习和深度学习模型	NA	生理信号	NA
55	2024-12-12	LesionScanNet: dual-path convolutional neural network for acute appendicitis diagnosis 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00321-7 PMID:39654693	研究论文	本文提出了一种名为LesionScanNet的双路径卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断	LesionScanNet模型具有轻量级设计，包含多个DualKernel块，通过两条路径处理输入图像，分别使用3×3和1×1滤波器，展示了在急性阑尾炎诊断中的高准确性和泛化能力	NA	开发一种高效的卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断	急性阑尾炎的诊断	计算机视觉	急性阑尾炎	卷积神经网络	CNN	图像	2400张CT扫描图像