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
221	2025-06-07	AI-aided on-chip nucleic acid assay for smart diagnosis of infectious disease 2022-May, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2021.12.005 PMID:40477452	研究论文	提出了一种结合深度学习和微流控纸基分析设备的AI辅助芯片上核酸分析方法，用于智能诊断传染病	首次将AI集成到芯片上PCR数据分析中，能够预测qPCR的最终输出和趋势，并充分探索每个反应的动态和内在特征	NA	提高PCR测试的效率和准确性，用于传染病的智能诊断	SARS-CoV-2 ORF1ab基因的合成RNA模板	数字病理	传染病	PCR, 微流控纸基分析设备(µPADs)	RNN, LSTM, GRU	实时PCR数据	NA
222	2025-06-07	Novel deep learning approach to model and predict the spread of COVID-19 2022-May, Intelligent systems with applications DOI:10.1016/j.iswa.2022.200068 PMID:40477648	研究论文	提出了一种名为DSPM的深度学习技术和基于机器学习的NRM模型，用于预测COVID-19的传播	提出了新的深度学习模型DSPM和机器学习模型NRM，相比现有方法在预测COVID-19传播方面表现更优	NA	开发稳健的人工智能技术以预测COVID-19的传播	COVID-19的传播预测	机器学习	COVID-19	深度学习, 机器学习	DSPM, NRM, SVM, LSTM	公开的新型冠状病毒数据集	NA
223	2025-06-07	Adaptively temporal graph convolution model for epidemic prediction of multiple age groups 2022-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2021.07.007 PMID:40477716	research paper	提出了一种自适应时间图卷积模型（ATGCN），用于COVID-19和流感的多元时间序列预测，并在多个年龄组中表现出色	ATGCN模型通过图学习方法捕捉多个年龄组之间的接触模式，在短期和长期预测任务中均优于自回归模型和深度序列学习模型	未明确提及模型在更大规模或多样化数据集上的泛化能力，以及计算资源需求	探索深度学习在传染病预测领域的应用，特别是针对多年龄组的多元时间序列预测	COVID-19和流感的确认病例数据，特别是多个年龄组的数据	machine learning	COVID-19, influenza	graph-based deep learning	ATGCN (adaptively temporal graph convolution model)	time series data	两个数据集（COVID-19和流感数据），具体样本量未明确说明
224	2025-06-07	Deep recurrent Gaussian Nesterovs recommendation using multi-agent in social networks 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09435-3 PMID:37521128	研究论文	提出了一种结合深度学习和多智能体场景的深度循环高斯Nesterov最优梯度（DR-GNOG）推荐系统，用于社交网络中的精确推荐	结合深度学习和多智能体场景，提出DR-GNOG模型，解决了推荐系统中的梯度消失问题，并提高了推荐准确性和效率	未提及模型在大规模数据集上的可扩展性和计算资源需求	提高社交网络中信息推荐的准确性和效率	社交网络中的用户推文数据	机器学习	NA	深度学习和多智能体技术	DR-GNOG（深度循环高斯Nesterov最优梯度模型）	文本（推文）	未明确提及具体样本数量
225	2025-06-07	FocusCovid: automated COVID-19 detection using deep learning with chest X-ray images 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-021-09385-2 PMID:38624806	研究论文	本文提出了一种基于深度卷积神经网络的架构，用于通过胸部X光片自动检测COVID-19	利用深度学习技术自动检测COVID-19，减轻医疗基础设施的压力	尽管模型准确率高，但COVID-19的诊断仍需与专业医疗临床医生协商决定	开发一种自动化工具以辅助COVID-19的早期筛查和检测	胸部X光片	计算机视觉	COVID-19	深度学习	CNN	图像	NA
226	2025-06-07	Automatic engagement estimation in smart education/learning settings: a systematic review of engagement definitions, datasets, and methods 2022, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-022-00212-y PMID:40477985	综述	本文系统回顾了智能教育/学习环境中自动参与度估计的最新发展，包括参与度定义、数据集和基于机器学习的方法	提出了一个清晰的分类法来定义参与度，并总结了文献中的参与度类型、数据集和机器学习方法	仍存在一些关键挑战，包括认知和个性化参与度以及可能影响实际应用的机器学习问题	为自动参与度估计领域的研究人员提供指导，以通过自动参与度识别方法增强智能学习	学习者的参与度	自然语言处理	NA	机器学习	深度学习	文本	47篇文章
227	2025-06-07	AFCM-LSMA: New intelligent model based on Lévy slime mould algorithm and adaptive fuzzy C-means for identification of COVID-19 infection from chest X-ray images 2021-Aug, Advanced engineering informatics IF:8.0Q1 DOI:10.1016/j.aei.2021.101317 PMID:40477230	research paper	提出了一种基于Lévy黏菌算法和自适应模糊C均值的新型智能模型AFCM-LSMA，用于从胸部X光图像中识别COVID-19感染	结合自适应模糊C均值(AFCM)和改进的基于Lévy分布的黏菌算法(SMA)，优化COVID-19诊断模型，提高特征提取和诊断速度	模型仅在胸部X光图像上进行了验证，未涉及其他类型的医学影像数据	开发一个鲁棒的模型，从胸部X光图像中提取COVID-19的高级特征，以帮助快速诊断	COVID-19感染的胸部X光图像	digital pathology	COVID-19	Lévy分布、模糊C均值聚类	AFCM-LSMA	image	NA
228	2025-06-07	Deep learning assisted COVID-19 detection using full CT-scans 2021-Jun, Internet of things (Amsterdam, Netherlands) DOI:10.1016/j.iot.2021.100377 PMID:38620521	research paper	该研究提出了一种基于深度学习的自动化COVID-19检测方法，使用完整的胸部CT扫描	利用残差网络和跳跃连接的优势，提出了一种硬件需求较低的COVID-19检测方法，可在网络边缘部署	未提及模型在不同数据集上的泛化能力或临床验证结果	开发一种自动化COVID-19诊断方法，以加快诊断过程并保持准确性	COVID-19患者的胸部CT扫描	digital pathology	COVID-19	deep learning	ResNet	CT图像	未明确提及样本数量
229	2025-06-07	A Comparison of Deep Learning Models for Detecting COVID-19 in Chest X-ray Images 2021, IFAC-PapersOnLine DOI:10.1016/j.ifacol.2021.10.282 PMID:38620947	research paper	比较不同深度学习模型在胸部X光图像中检测COVID-19的性能	设计并比较了四种深度学习架构（包括CNN、VGG-19、Inception和MobileNet）在COVID-19检测中的表现，使用迁移学习技术进行了45次不同实验	仅进行了二元分类，未考虑COVID-19的严重程度或其他肺部疾病的鉴别诊断	比较不同深度学习模型在COVID-19诊断中的性能	胸部X光图像	computer vision	COVID-19	transfer learning	CNN, VGG-19, Inception, MobileNet	image	NA
230	2025-06-07	Scientific production and thematic breakthroughs in smart learning environments: a bibliometric analysis 2021, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-020-00145-4 PMID:40477293	研究论文	本文通过对智能学习环境领域的文献进行全面的文献计量分析，研究了该领域的研究趋势、学者生产力及科学出版物的主题焦点	首次对智能学习环境领域进行了全面的文献计量分析，揭示了该领域的研究热点、主题焦点及未来方向	分析仅基于Scopus数据库中的1081篇同行评审文章，可能未涵盖所有相关文献	分析智能学习环境领域的研究趋势、学者生产力及科学出版物的主题焦点	智能学习环境领域的科学出版物	教育技术	NA	文献计量分析	NA	文本	1081篇同行评审文章
231	2025-06-07	Deep Learning and Particle Swarm Optimisation-Based Techniques for Visually Impaired Humans' Text Recognition and Identification 2021, Augmented human research DOI:10.1007/s41133-021-00051-5 PMID:40477829	研究论文	本文提出了一种结合深度学习和粒子群优化的方法，用于视觉障碍者的文本识别与识别	结合深度神经网络和粒子群优化技术，用于复杂退化图像中的文本识别，并转换为声音输出	未提及具体样本量或实际应用中的性能限制	开发一种能够帮助视觉障碍者在自然场景中定位和理解文本的系统	视觉障碍者	计算机视觉	NA	粒子群优化、深度神经网络、Gabor变换、笔画宽度变换	深度神经网络	图像	使用IIIT5K数据集进行开发和评估
232	2025-06-07	MOXA: A Deep Learning Based Unmanned Approach For Real-Time Monitoring of People Wearing Medical Masks 2020, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-020-00157-z PMID:38624452	research paper	提出了一种基于深度学习的无人实时监测人们佩戴口罩的方法MOXA	将口罩佩戴监测任务建模为物体检测的特殊案例，并在边缘设备上实现实时场景解析	嵌入式设备的内存和计算能力有限，可能影响实时监测的性能	实时监测人们是否佩戴口罩，以预防COVID-19的传播	佩戴口罩的人群	computer vision	COVID-19	object detection algorithms	YOLOv3, YOLOv3Tiny, SSD, Faster R-CNN	video	Moxa3K benchmark dataset
233	2025-06-07	A topology-based network tree for the prediction of protein-protein binding affinity changes following mutation 2020, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-0149-6 PMID:34170981	研究论文	本文提出了一种基于拓扑的网络树方法，用于预测蛋白质-蛋白质结合亲和力在突变后的变化	引入了元素和位点特定的持久同调（代数拓扑的新分支）来简化蛋白质-蛋白质复合物的结构复杂性，并将关键生物信息嵌入拓扑不变量中，同时提出了一种名为NetTree的新深度学习算法	NA	预测蛋白质-蛋白质相互作用结合亲和力在突变后的变化（ΔΔ），以指导药物发现	蛋白质-蛋白质复合物	生物信息学	NA	代数拓扑、持久同调、深度学习	CNN、梯度提升树（NetTree）	蛋白质结构数据	主要基准数据集
234	2025-06-06	Incremental learning for acute lymphoblastic leukemia classification based on hybrid deep learning using blood smear image 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108456 PMID:40222054	research paper	该研究提出了一种基于混合深度学习的增量学习方法，用于血涂片图像中急性淋巴细胞白血病的精确分类	提出了TSCO-L-LeNet模型，结合Tangent Sand Cat Swarm Optimization和长短期记忆网络，采用增量学习方法提高分类准确率	未提及模型在其他类型白血病或更大规模数据集上的泛化能力	开发一种快速、准确的白血病自动诊断方法	急性淋巴细胞白血病患者的血涂片图像	digital pathology	leukemia	图像处理、深度学习	TSCO-L-LeNet (结合LSTM和LeNet的混合模型)	image	未明确提及具体样本数量
235	2025-06-06	MGMA-DTI: Drug target interaction prediction using multi-order gated convolution and multi-attention fusion 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108449 PMID:40239449	research paper	提出了一种基于多门控卷积和多注意力融合的药物-靶标相互作用预测模型MGMA-DTI	使用多门控卷积增强对氨基酸序列全局特征的捕捉能力，并设计了多注意力融合模块以有效捕获药物-靶标相互作用特征	未提及具体的数据集规模限制或模型计算复杂度问题	提高药物-靶标相互作用预测的准确性和模型可解释性	药物分子和靶标蛋白质	machine learning	NA	graph convolutional neural network, multi-order gated convolution, multi-attention fusion	MGMA-DTI	SMILES字符串（药物分子），氨基酸序列（蛋白质）	三个基准数据集：BindingDB、BioSNAP和Human
236	2025-06-06	ProAttUnet: Advancing protein secondary structure prediction with deep learning via U-Net dual-pathway feature fusion and ESM2 pretrained protein language model 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108429 PMID:40288255	研究论文	提出了一种名为ProAttUnet的新型深度学习方法，用于提升基于单序列的蛋白质二级结构预测性能	整合了最先进的蛋白质语言模型ESM2，采用独特的双路径U-Net框架进行特征融合，并引入交叉注意力机制和GCU_SE模块	NA	提升蛋白质二级结构预测的准确性	蛋白质序列	生物信息学	NA	深度学习	U-Net, ESM2	蛋白质序列数据	五个测试集（SPOT-2016, SPOT-2016-HQ, SPOT-2018, SPOT-2018-HQ和TEST2018）
237	2025-06-06	DICCA-DTA: Diffusion and Contextualized Capsule Attention guided Factorized Cross-Pooling for Drug-Target Affinity prediction 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108472 PMID:40288256	研究论文	提出了一种名为DICCA-DTA的新框架，用于预测药物-靶标亲和力，通过改进分子信息的上下文整合和药物-靶标相互作用的全面表示	引入了扩散同构网络(DIN)和上下文胶囊注意力网络(CCAN)模块，结合因子化交叉池化(FCP)机制，动态优化药物-蛋白质相互作用建模，提高预测准确性和可解释性	未明确提及具体局限性	改进药物-靶标亲和力预测，加速药物发现和再利用过程	药物分子和蛋白质靶标	机器学习	癌症	深度学习	DIN, CCAN, FCP	分子图和蛋白质序列	Davis、KIBA、Metz和BindingDB数据集，以及DrugBank数据库中的癌症相关蛋白质相互作用案例
238	2025-06-06	scDGG: Dynamic gene graphs for enhancing clustering analysis of single-cell RNA sequencing data via spatiotemporal representations 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108483 PMID:40328048	研究论文	本文提出了一种名为scDGG的多视图图学习架构，用于从不同信号通路中压缩动态基因图，以增强单细胞RNA测序数据的聚类分析	提出动态基因图（dynamic gene graphs）来捕捉调控机制的动态变化，相比静态基因图能更全面地观察细胞命运和疾病进展的调控机制	未明确提及具体局限性	提高单细胞RNA测序数据的聚类分析准确性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序（scRNA-seq）	多视图图学习架构（multi-view graph learning architecture）	基因表达数据	基准scRNA-seq数据集（未明确数量）
239	2025-06-06	NABP-LSTM-Att: Nanobody-Antigen binding prediction using bidirectional LSTM and soft attention mechanism 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108490 PMID:40347542	研究论文	该研究提出了一种名为NABP-LSTM-Att的深度学习模型，用于仅从序列信息预测纳米抗体与抗原的结合	使用双向LSTM和软注意力机制，仅依赖序列信息预测纳米抗体与抗原的结合，无需3D结构	模型的性能依赖于SAbDab-nano数据库中的序列数据，可能无法泛化到所有未知的纳米抗体-抗原对	提高纳米抗体与抗原结合亲和力和特异性的预测能力，以促进纳米抗体药物的开发	纳米抗体和抗原的序列	自然语言处理	NA	深度学习	biLSTM和软注意力机制	序列数据	来自SAbDab-nano数据库的纳米抗体-抗原序列对
240	2025-06-06	Towards automated and reliable lung cancer detection in histopathological images using DY-FSPAN: A feature-summarized pyramidal attention network for explainable AI 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108500 PMID:40381571	research paper	本研究提出了一种名为DY-FSPAN的深度学习框架，用于在组织病理学图像中实现自动化和可靠的肺癌检测	结合Y-blocks和注意力机制增强空间特征表示，同时保持感受野一致性，提高了分类准确性和可解释性	未提及具体的数据集限制或临床应用中的潜在问题	开发一个平衡性能和可解释性的医学图像分类模型，以提高肺癌诊断的准确性	肺癌组织病理学图像	digital pathology	lung cancer	deep learning	DY-FSPAN (Dilated Y-Block-based Feature Summarized Pyramidal Attention Network)	image	NA