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
101	2025-05-22	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	research paper	开发了一种基于深度学习的细菌集群运动检测方法，仅需单张模糊图像即可快速自主预测细菌集群运动概率	提出了一种新型深度学习方法，能够快速、客观地定量评估细菌集群运动概率，适用于高通量环境	方法虽然展示了良好的性能，但仍需在更多细菌种类上进行验证以证明其广泛适用性	开发一种快速、自主的细菌集群运动检测方法，以克服传统方法的局限性	细菌的集群运动和游泳运动	computer vision	inflammatory bowel diseases (IBD), urinary tract infections (UTI)	deep learning	CNN	image	SM3, DB10, H6细菌样本
102	2025-05-14	Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2474206 PMID:40083057	研究论文	本研究开发并验证了一种基于深度学习的模型，用于预测慢性肾脏病患者在接受冠状动脉造影和介入治疗后发生对比剂后急性肾损伤的风险	首次为慢性肾脏病患者开发了可解释的深度神经网络模型来预测对比剂后急性肾损伤，并提供了基于网络的临床决策工具	研究为单中心回顾性研究，样本量相对有限（989例患者）	开发预测慢性肾脏病患者冠状动脉造影/介入术后对比剂肾损伤风险的AI工具	接受冠状动脉造影或介入治疗的慢性肾脏病患者	数字病理	心血管疾病	机器学习算法比较（包括随机森林和深度神经网络）	DNN（深度神经网络）	临床数据（术前和术中变量）	989例慢性肾脏病患者（125例发生PC-AKI）
103	2025-05-10	AI-driven early diagnosis of specific mental disorders: a comprehensive study 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10253-x PMID:40330715	review	本文综述了人工智能技术在精神障碍早期诊断中的应用，包括机器学习和深度学习模型	研究展示了多种AI模型在精神障碍诊断中的高准确率，如LightGBM在焦虑和抑郁预测中达到96%准确率，XGBoost在自闭症谱系障碍分类中达到98%准确率	研究未提及模型在实际临床环境中的验证情况，也未讨论数据隐私和伦理问题	探索人工智能技术在精神障碍早期诊断中的应用潜力	双相情感障碍、精神分裂症、自闭症谱系障碍、抑郁症、自杀倾向和痴呆症等精神障碍	machine learning	mental disorder	EEG信号分析、文本分析、图像分析	XGBoost, LightGBM, RF, SVM, KNN, CNN, LSTM, GRU	survey, EEG信号, text, image	NA
104	2025-05-07	Artificial intelligence in kidney transplantation: a 30-year bibliometric analysis of research trends, innovations, and future directions 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2458754 PMID:39910843	研究论文	本文通过文献计量分析评估了1993年至2023年间890篇关于人工智能在肾移植中应用的出版物，以识别全球趋势、研究热点和未来机会	利用CiteSpace和VOSviewer工具进行文献计量分析，揭示了人工智能在肾移植中的快速扩展应用及新兴趋势，如个性化医疗和多模态数据融合	研究仅基于文献计量分析，可能未涵盖所有相关研究或实际临床应用中的具体挑战	评估人工智能在肾移植领域的研究趋势、创新点和未来方向	1993年至2023年间发表的890篇关于人工智能在肾移植中应用的出版物	数字病理学	终末期肾病	文献计量分析工具（CiteSpace和VOSviewer）	深度学习、机器学习算法	文献数据	890篇出版物
105	2025-04-29	Deep neural networks and stochastic methods for cognitive modeling of rat behavioral dynamics in T -mazes 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10247-9 PMID:40290756	研究论文	本文提出了一种结合随机方法和深度神经架构的认知模型，用于研究大鼠在T型迷宫中的决策行为	结合Wyckoff的随机框架与深度神经网络（CNN-LSTM），实现了对动物决策行为的建模和预测	模型依赖于特定实验条件下的数据，可能无法泛化到其他行为场景	开发计算模型以分析动物在空间导航任务中的决策行为	大鼠在T型迷宫中的行为轨迹	机器学习	NA	Monte Carlo模拟, t-SNE嵌入	CNN-LSTM	空间轨迹记录	NA
106	2025-04-23	EEG-based schizophrenia detection: integrating discrete wavelet transform and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10248-8 PMID:40256687	研究论文	本文提出了一种结合离散小波变换和深度学习的脑电图（EEG）信号分析方法，用于精神分裂症（SZ）的自动检测	采用Daubechies（db4）小波进行7级分解，结合多层感知器神经网络（MLP），在SZ检测中实现了高准确率	研究使用的公开数据集样本量较小（DS1有81条记录，DS2有28条记录），可能影响模型的泛化能力	开发一种高精度的基于EEG信号的SZ自动检测方法，以辅助医生诊断	精神分裂症患者和健康对照者的EEG信号	数字病理学	精神分裂症	离散小波变换（DWT）	多层感知器神经网络（MLP）	EEG信号	两个公开数据集：DS1（81条记录，32健康对照和49SZ患者）和DS2（28条记录，14健康对照和14SZ患者）
107	2025-04-13	Advancements in artificial intelligence for atopic dermatitis: diagnosis, treatment, and patient management 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2484665 PMID:40200717	综述	本文综述了人工智能在特应性皮炎诊断、治疗和患者管理中的最新进展	首次全面回顾人工智能在特应性皮炎疾病过程中的应用，强调其在医学诊断、治疗监测和患者护理中的显著优势	面临数据隐私和模型透明度的挑战	推动人工智能在皮肤健康护理中的进步，提升特应性皮炎的临床诊疗水平	特应性皮炎患者	数字病理学	特应性皮炎	深度学习	深度学习算法	皮肤图像	NA
108	2025-04-12	Tracking protein kinase targeting advances: integrating QSAR into machine learning for kinase-targeted drug discovery 2025-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2025.2483631 PMID:40181786	综述	本文探讨了定量构效关系（QSAR）模型在激酶药物发现中的应用，重点介绍了将传统QSAR与机器学习（ML）和结构数据相结合的进展	深度学习增强的QSAR在自动特征提取和捕捉复杂关系方面具有创新性，超越了传统QSAR方法	强调了可解释性和实验验证对于临床转化的重要性	提高激酶靶向药物设计的效率和准确性	蛋白激酶及其选择性抑制剂	机器学习	NA	定量构效关系（QSAR）、机器学习（ML）、深度学习	CNN、RNN	结构数据、实验数据	NA
109	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
110	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
111	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
112	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
113	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
114	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
115	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
116	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）
117	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
118	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
119	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
120	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