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
1941	2025-10-07	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	研究论文	开发基于深度学习的细菌集群运动检测方法，通过单张模糊图像快速预测细菌集群运动概率	首次利用单张模糊图像实现细菌集群运动的自动化检测，相比传统方法更快速、客观且适合高通量环境	未明确说明训练数据的具体规模和多样性，可能对某些细菌物种的检测效果有限	开发快速、客观的细菌集群运动检测方法以替代传统依赖人工观察的方法	细菌运动行为（集群运动与游泳运动）	计算机视觉	炎症性肠病,尿路感染	深度学习	CNN	图像	SM3细菌训练数据，DB10和H6细菌测试数据	NA	NA	灵敏度,特异性	NA
1942	2025-10-07	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	开发并验证用于预测慢性肾病患者冠状动脉造影和介入术后发生对比剂急性肾损伤的深度学习模型	首次专门针对慢性肾病高危人群开发可解释的深度神经网络预测模型，并建立了基于网页的临床决策工具	单中心研究，样本量相对有限（989例患者）	预测慢性肾病患者冠状动脉造影和介入术后对比剂急性肾损伤的发生风险	接受冠状动脉造影或经皮冠状动脉介入治疗的慢性肾病成年患者	机器学习	慢性肾病，心血管疾病	冠状动脉造影，经皮冠状动脉介入治疗	DNN, 随机森林	临床数据	989例慢性肾病患者（125例发生PC-AKI）	NA	深度神经网络	AUROC	NA
1943	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	NA	NA	NA	NA
1944	2025-10-07	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	文献计量分析	通过文献计量分析评估1993-2023年间人工智能在肾移植领域的研究趋势、创新点和未来方向	首次对人工智能在肾移植领域30年研究历程进行系统性文献计量分析，识别关键研究主题和新兴趋势	基于文献计量分析，缺乏对具体AI技术临床效果的实证评估	分析人工智能在肾移植领域的研究趋势和发展方向	890篇相关学术出版物	机器学习	终末期肾病	文献计量分析	深度学习,机器学习算法	文献数据	890篇出版物	CiteSpace,VOSviewer	NA	NA	NA
1945	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	NA	NA	NA	NA
1946	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）	NA	NA	NA	NA
1947	2025-10-07	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	本文首次全面综述人工智能在特应性皮炎诊断、治疗和患者管理中的应用进展	首次系统总结AI在特应性皮炎全流程管理中的创新应用，强调其在医疗诊断、治疗监测和患者护理中的显著效益	面临数据隐私和模型透明度等挑战	推动AI在皮肤健康护理领域的发展，增强特应性皮炎的临床诊疗水平	特应性皮炎患者	计算机视觉, 机器学习	特应性皮炎	深度学习	深度学习算法	皮肤图像	NA	NA	NA	NA	NA
1948	2025-10-07	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	探讨将传统定量构效关系与机器学习相结合用于激酶靶向药物发现的研究进展	通过深度学习增强QSAR模型，实现自动特征提取并捕捉复杂构效关系，超越传统QSAR方法	强调可解释性和实验验证对临床转化的重要性	加速激酶靶向药物发现并推动精准医疗发展	蛋白激酶（CDKs、JAKs、PIM激酶等）及其抑制剂	机器学习	NA	定量构效关系建模、分子对接、深度学习	CNN, RNN	结构数据、实验数据	NA	NA	NA	选择性、疗效、耐药性缓解	NA
1949	2025-10-07	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	本研究使用功能近红外光谱技术检测计算机辅助教育中的认知负荷	提出基于小波散射变换的特征提取方法和一维卷积神经网络，用于自动特征工程和分类	1D CNN的计算时间和内存使用量显著高于传统机器学习方法	检测计算机辅助教育过程中的认知负荷	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	1D CNN, LDA, Naive Bayes, KNN, SVM	脑信号数据	14名健康受试者加上两个公开数据集	NA	一维卷积神经网络	准确率, 精确率, 召回率, F1分数	CPU时间和内存使用量评估
1950	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	NA	NA	NA	NA
1951	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	NA	NA	NA	NA
1952	2025-10-07	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电信号和肌电信号来探索人体肌肉协同作用	结合脑电信号和肌电信号进行协同分析，并开发了从脑连接图重建肌肉信号的新方法	NA	研究手部运动过程中脑电和肌电信号的相互作用，估计肌肉与脑信号之间的协同作用	脑电信号和肌电信号	机器学习	NA	脑电图，肌电图，图论分析	神经网络，卷积网络	脑电信号，肌电信号	NA	NA	NA	相关系数，均方误差	NA
1953	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	NA	NA	NA	NA
1954	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	NA	NA	NA	NA
1955	2025-10-07	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	通过视觉-运动整合测试中的绘画特征检测儿童自闭症	提出基于绘画特征的自闭症分类新方法，采用集成学习显著提升分类准确率至0.934，并识别出5个最具区分度的绘画模式	样本量较小（50名儿童），性别分布不均衡（44男6女），仅针对台湾地区学龄儿童	开发通过绘画特征区分自闭症儿童与正常发育儿童的分类方法	台湾6-12岁学龄儿童（含自闭症儿童和正常发育儿童）	计算机视觉	自闭症	视觉-运动整合测试	深度学习	绘画图像	50名儿童（44名男孩，6名女孩）	NA	NA	准确率	NA
1956	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	NA	NA	NA	NA
1957	2025-10-07	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	提出一种结合脑网络和时频多视图特征的睡眠分期分类方法	开发了针对多视图特征的专用特征提取模块和跨注意力融合机制，能够自适应融合复杂睡眠特征	NA	提高睡眠分期分类的准确性	多导睡眠图信号及其转换的图和时频表示	机器学习	精神健康疾病	多导睡眠图	深度学习	生理信号，图数据，时频表示	ISRUC公共数据集	NA	跨注意力融合网络	准确率	NA
1958	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	NA	NA	NA	NA
1959	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	NA	NA	NA	NA
1960	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	NA	NA	NA	NA