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
301	2025-06-07	An efficient real-time stock prediction exploiting incremental learning and deep learning 2022-Dec-21, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09481-x PMID:38625328	研究论文	提出了一种基于增量学习和离线-在线学习的实时股票价格预测策略	结合增量学习和离线-在线学习两种方法，实时更新模型以适应市场的动态变化	仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了测试，可能不适用于其他市场或股票	提高实时股票价格预测的准确性	股票市场的实时价格数据	机器学习	NA	增量学习, 离线-在线学习	深度学习模型	时间序列数据	美国NASDAQ和印度NSE交易所的八只高流动性股票
302	2025-06-07	An evaluation of lightweight deep learning techniques in medical imaging for high precision COVID-19 diagnostics 2022-Nov, Healthcare analytics (New York, N.Y.) DOI:10.1016/j.health.2022.100096 PMID:37520618	研究论文	本文评估了轻量级深度学习技术在医学影像中用于高精度COVID-19诊断的性能	提出使用轻量级深度学习模型MobileNetV2进行COVID-19检测，显著降低了计算资源的成本和内存需求	研究未提及模型在多样化数据集上的泛化能力以及在实际临床环境中的验证	开发低成本、移动化的即时COVID-19检测系统，特别是在中低收入国家	COVID-19的医学影像诊断	数字病理	COVID-19	深度学习	MobileNetV2	医学影像（胸部X光和CT）	NA
303	2025-06-07	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	使用深度学习预测COVID-19 mRNA疫苗的降解	提出了两种混合深度神经网络模型GCN_GRU和GCN_CNN，用于从RNA序列预测RNA降解，其中GCN_GRU模型在测试中表现显著优于GCN_CNN模型	NA	研究混合深度学习是否能从RNA序列预测RNA降解	COVID-19 mRNA疫苗的RNA序列	机器学习	COVID-19	深度学习	GCN_GRU, GCN_CNN	RNA序列	NA
304	2025-06-07	A new metaheuristic optimization model for financial crisis prediction: Towards sustainable development 2022-Sep, Sustainable computing : informatics and systems DOI:10.1016/j.suscom.2022.100778 PMID:37521169	研究论文	本文提出了一种基于政治优化器的深度神经网络（OD-PODNN）的异常检测模型，用于金融危机的预测	提出了一种结合隔离森林（iForest）异常检测方法和政治优化器（PO）的深度神经网络（DNN）模型，用于金融危机的预测，并通过超参数优化提高了分类准确性	模型训练过程中超参数调优的复杂性可能是其局限性之一	提高金融危机预测（FCP）的准确性，以支持可持续经济的发展	公司或企业的财务状况	机器学习	NA	政治优化器（PO）、隔离森林（iForest）、深度神经网络（DNN）	OD-PODNN（基于政治优化器的深度神经网络）	金融数据	使用了三个不同的数据集进行评估
305	2025-06-07	Attention mechanism and mixup data augmentation for classification of COVID-19 Computed Tomography images 2022-Sep, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.07.005 PMID:38620953	研究论文	本文提出了一种结合注意力机制和mixup数据增强技术的深度卷积神经网络，用于COVID-19 CT图像的自动分类	引入了特征级注意力层以增强卷积网络提取的判别性特征，并采用mixup数据增强技术提升网络性能	仅在COVID-CT数据集上进行了验证，未在其他COVID-19影像数据集上测试泛化能力	开发高精度的COVID-19 CT图像自动分类系统	COVID-19患者的CT影像	计算机视觉	COVID-19	mixup数据增强	CNN（ResNet50架构）	医学影像（CT图像）	COVID-CT数据集（具体数量未说明）
306	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
307	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
308	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
309	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
310	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
311	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
312	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
313	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
314	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）
315	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
316	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）
317	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
318	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
319	2025-06-06	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据	采用端到端非刚性运动校正重建网络，显著减少重建时间（从2.5小时缩短至24秒），同时保持T1和T2值的良好一致性	未提及具体样本量或临床验证范围	加速全心心肌组织表征的3D联合T1/T2映射	多对比度欠采样MRI数据	医学影像分析	心血管疾病	深度学习算法、MRI多对比度成像	端到端非刚性运动校正重建网络	3D MRI影像	NA
320	2025-06-06	Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110404 PMID:40324545	研究论文	本文提出了一种自监督深度学习方法RSSDU，用于从欠采样的MRI数据中高效准确地重建图像，无需完全采样数据集作为参考	提出了一种新的自监督学习方法RSSDU，通过两次重采样k空间数据并训练网络从一个子集映射到另一个子集，无需完全采样数据	未提及具体在哪些临床场景下该方法可能表现不佳	开发一种无需完全采样数据的MRI图像重建方法	欠采样的MRI数据	医学影像处理	NA	深度学习	DL	MRI k空间数据	未提及具体样本量