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
3361	2025-05-16	[A lightweight classification network for single-lead atrial fibrillation based on depthwise separable convolution and attention mechanism] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.23 PMID:40159980	研究论文	提出一种基于深度可分离卷积和注意力机制的轻量级网络DSC-AttNet，用于单导联心房颤动的自动诊断	结合深度可分离卷积减少模型参数和计算复杂度，嵌入多层混合注意力机制提升特征表达能力	样本量相对较小（84例房颤患者+25例房颤患者+18例正常心律受试者），外部验证仅基于两个公开数据集	开发适用于可穿戴ECG设备的轻量级房颤自动诊断模型	心房颤动患者的心电图数据	数字病理学	心血管疾病	深度学习	DSC-AttNet（基于深度可分离卷积和注意力机制的CNN）	ECG信号数据	总计127例（84+25+18）来自LTAFDB、AFDB和NSRDB公开数据集
3362	2025-05-16	A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04707-4 PMID:40108146	research paper	介绍了一个大规模多中心乳腺癌DCE-MRI基准数据集，包含专家标注的分割结果	提供了一个包含1506例治疗前T1加权动态对比增强MRI病例的多中心数据集，填补了公开乳腺癌数据集的空白	NA	促进乳腺癌诊断、治疗反应预测和个性化护理的深度学习模型开发与验证	乳腺癌患者的MRI影像数据	digital pathology	breast cancer	DCE-MRI	nnU-Net	image	1506例治疗前T1加权动态对比增强MRI病例
3363	2025-05-16	SHDB-AF: a Japanese Holter ECG database of atrial fibrillation 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04777-4 PMID:40108206	研究论文	介绍了一个名为SHDB-AF的日本Holter心电图数据库，专门用于心房颤动的研究	首个包含日本人群样本的开放源码Holter心电图数据库，填补了现有数据库的空白	样本量相对较小，仅包含122名患者的128份心电图记录	为机器学习和深度学习模型提供日本人群的心房颤动心电图数据，以提高诊断准确性	日本人群的心房颤动患者	数字病理学	心血管疾病	Holter心电图监测	NA	心电图数据	122名患者的128份24小时双通道心电图记录，总计2160万秒数据
3364	2025-05-16	Geometric deep learning and multiple-instance learning for 3D cell-shape profiling 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101229 PMID:40112779	研究论文	该研究利用几何深度学习和多实例学习技术开发了MorphoMIL计算流程，用于分析3D细胞和核形态	结合几何深度学习和基于注意力的多实例学习，实现了对细胞形态的单细胞和群体水平分析	NA	通过细胞形态分析理解细胞状态，应用于药物发现领域	黑色素瘤细胞的3D形态	数字病理学	黑色素瘤	几何深度学习，多实例学习	MorphoMIL（几何深度学习与注意力机制结合）	3D点云数据	超过95,000个经过化学和遗传处理的黑色素瘤细胞
3365	2025-05-16	Robust resolution improvement of 3D UTE-MR angiogram of normal vasculatures using super-resolution convolutional neural network 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92493-9 PMID:40102565	研究论文	本研究通过深度学习技术提升快速获取的低分辨率UTE-MRA数据的分辨率，旨在减少扫描时间并提高诊断效率	提出了一种新型3D卷积神经网络LSRDG，结合精心设计的网络结构、合适的损失函数和小块训练，显著提高了图像分辨率	研究样本量较小（20例健康对照和10例中风模型大鼠），且主要验证了模型在健康数据上的表现	提高UTE-MRA图像分辨率以缩短扫描时间，减少运动伪影，提升对中风等时间敏感疾病的诊断效率	健康对照Wistar大鼠和中风模型大鼠的对比增强3D UTE-MRA数据	医学影像分析	中风	对比增强UTE-MRA	3D CNN（LSRDG, SR-ResNet, MRDG64）	3D医学影像	30例（20健康对照+10中风模型）Wistar大鼠数据
3366	2025-05-16	Unraveling other-race face perception with GAN-based image reconstruction 2025-Mar-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02636-z PMID:40087201	研究论文	本研究利用StyleGAN2深度学习技术生成逼真图像，探索其他种族面孔感知的表示基础	提出了一种基于GAN的图像重建新方法，揭示了人类参与者行为相似性数据中的内部面孔表示，并发现了新的年龄偏差	研究仅涉及东亚和白人参与者，可能无法推广到其他种族群体	探索其他种族效应（ORE）的表示基础	东亚和白人参与者的同种族和其他种族面孔	计算机视觉	NA	StyleGAN2	GAN	图像	东亚和白人参与者（具体数量未提及）
3367	2025-05-16	Global or local modeling for XGBoost in geospatial studies upon simulated data and German COVID-19 infection forecasting 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92995-6 PMID:40087346	研究论文	本文研究了在空间地理研究中，XGBoost模型采用全局建模还是局部建模更优的问题，并通过模拟数据和德国COVID-19感染预测案例进行了比较	探讨了XGBoost在空间地理研究中的全局与局部建模策略，并通过实证分析比较了两种方法的优劣	研究结果依赖于数据的平衡性和空间变异性，且局部建模的空间划分需要额外注意	比较XGBoost在空间地理研究中的全局建模与局部建模的效果	模拟数据和德国COVID-19感染数据	机器学习	COVID-19	XGBoost	XGBoost	模拟数据和真实感染数据	NA
3368	2025-05-16	Comparison of Deep Learning and Traditional Machine Learning Models for Predicting Mild Cognitive Impairment Using Plasma Proteomic Biomarkers 2025-Mar-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26062428 PMID:40141072	research paper	比较深度学习和传统机器学习模型在利用血浆蛋白质组生物标志物预测轻度认知障碍(MCI)中的表现	首次比较了深度学习和传统机器学习模型在预测MCI中的性能，并识别出与MCI相关的关键血浆蛋白质组生物标志物	样本量相对较小(239名成人)，且数据来自单一队列(ADNI)	比较不同机器学习方法在预测轻度认知障碍方面的性能	239名成年人及其146种血浆蛋白质组生物标志物	machine learning	geriatric disease	血浆蛋白质组分析	DNN, SVM, LR, NB, RF, KNN, GBM, XGBoost	生物标志物数据	239名来自ADNI队列的成年人
3369	2025-05-16	AD-VAE: Adversarial Disentangling Variational Autoencoder 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051574 PMID:40096455	研究论文	提出了一种名为AD-VAE的新框架，用于单人样本人脸识别（SSPP FR），结合了变分自编码器（VAE）和生成对抗网络（GAN）技术	AD-VAE框架通过结合VAE和GAN技术，能够从受控和野生数据集中学习构建具有代表性的身份保留原型，有效处理姿态、光照和遮挡等变化	未明确提及具体限制，但可能包括对极端姿态或遮挡情况的处理能力	解决单人样本人脸识别（SSPP FR）中学习鲁棒且具有判别性特征的挑战	人脸识别	计算机视觉	NA	VAE, GAN	AD-VAE（结合VAE和GAN的混合模型）	图像	使用了四个受控基准数据集（AR, E-YaleB, CAS-PEAL, FERET）和一个非受控数据集（LFW）
3370	2025-05-16	Relational similarity-based graph contrastive learning for DTI prediction 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf122 PMID:40127181	研究论文	本文提出了一种基于关系相似性的图对比学习方法（RSGCL-DTI），用于提高药物-靶标相互作用（DTI）预测的准确性	结合药物和蛋白质的结构特征与关系特征，通过图对比学习提取药物间和蛋白质间的关系特征，从而提升DTI预测性能	NA	提高药物-靶标相互作用预测的准确性，以促进药物再利用	药物和靶标蛋白质	机器学习	NA	图对比学习	GNN, CNN, D-MPNN	图数据	四个基准数据集
3371	2025-05-16	DS-MVP: identifying disease-specific pathogenicity of missense variants by pre-training representation 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf119 PMID:40127180	研究论文	提出了一种名为DS-MVP的方法，用于预测人类基因组中错义变异的疾病特异性致病性	DS-MVP通过预训练深度学习模型学习错义变异的丰富表示，并利用XGBoost模型在特定疾病的小数据集上进行微调，优于现有最先进方法	未提及具体样本量或数据集的详细限制	提高疾病诊断和临床研究的准确性，通过预测错义变异的疾病特异性致病性	人类基因组中的错义变异	机器学习	NA	深度学习预训练，XGBoost	深度学习模型，XGBoost	基因组数据	NA
3372	2025-05-16	PCLSurv: a prototypical contrastive learning-based multi-omics data integration model for cancer survival prediction 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf124 PMID:40127182	research paper	介绍了一种名为PCLSurv的创新深度学习框架，用于基于多组学数据的癌症生存预测	结合了自动编码器提取组学特异性特征，采用样本级对比学习识别数据视图间的互补特征，并通过原型对比学习增强模型捕捉高层次语义关系的能力	NA	提高癌症生存预测的准确性	癌症患者	machine learning	cancer	multi-omics data integration	deep learning framework (PCLSurv)	multi-omics data	11个癌症数据集
3373	2025-05-16	MethPriorGCN: a deep learning tool for inferring DNA methylation prior knowledge and guiding personalized medicine 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf131 PMID:40131311	research paper	提出了一种名为MethPriorGCN的深度学习工具，用于推断DNA甲基化先验知识并指导个性化医疗	通过整合层注意力机制和特征加权机制，MethPriorGCN不仅识别了可靠的甲基化数字生物标志物，还实现了卓越的疾病亚型分类准确性	NA	系统挖掘已知DNA甲基化与疾病关联中的可靠甲基化先验知识，并开发用于精准医疗应用的稳健计算方法	DNA甲基化与人类疾病的关联	machine learning	NA	DNA methylation sequencing	GCN (Graph Convolutional Network)	methylation data	NA
3374	2025-05-16	scSAMAC: saliency-adjusted masking induced attention contrastive learning for single-cell clustering 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf128 PMID:40131310	研究论文	提出了一种名为scSAMAC的新方法，用于单细胞数据的聚类分析，通过结合对比学习和负二项式损失到变分自编码器中，提高了聚类的鲁棒性和泛化能力	scSAMAC方法创新性地整合了对比学习和负二项式损失到变分自编码器中，采用基因特征显著性调整的负样本生成方法构建掩码模块，并开发了包含软k均值损失、Wasserstein距离和对比损失的新损失函数，以及应用多头注意力机制模块增强特征相关性	未明确提及具体限制，但可能面临高维稀疏数据处理的挑战	提高单细胞数据的聚类性能，以便更好地分析细胞类型	单细胞测序数据	机器学习	NA	单细胞测序技术	变分自编码器（VAE）、多头注意力机制	单细胞测序数据	NA
3375	2025-05-16	A review of neural networks for metagenomic binning 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf065 PMID:40131312	综述	本文详细回顾了人工神经网络在宏基因组分箱中的应用，比较了34种基于ANN的分箱工具	系统比较了34种基于ANN的分箱工具，揭示了深度学习方法的优势，并提出了未来研究方向	强调了基准测试实践的不足	描述微生物群落的分类多样性	宏基因组序列	机器学习	NA	宏基因组测序	CNN, autoencoders	序列数据	NA
3376	2025-05-16	FungID: Innovative Fungi Identification Method with Chromogenic Profiling of Colony Color Patterns 2025-Mar-03, Pathogens (Basel, Switzerland) DOI:10.3390/pathogens14030242 PMID:40137727	研究论文	介绍了一种名为FungID的新型深度学习算法，通过菌落颜色模式的显色分析来识别真菌物种	开发了基于CNN的FungID算法及其用户友好软件，用于通过显色分析快速可靠地识别真菌物种	需要仔细评估这些方法的适用范围和局限性	提高真菌物种识别的速度和可靠性，为健康、微生物学、生物技术等领域提供额外工具	真菌物种	计算机视觉	NA	显色分析	CNN	图像	269张图像
3377	2025-05-16	Multimodal Artificial Intelligence Models Predicting Glaucoma Progression Using Electronic Health Records and Retinal Nerve Fiber Layer Scans 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.27 PMID:40152766	研究论文	本研究开发了结合电子健康记录（EHRs）和视网膜神经纤维层光学相干断层扫描（RNFL OCT）扫描的多模态人工智能模型，用于预测青光眼患者是否需要手术	首次结合EHR和RNFL OCT扫描数据，使用TabNet深度学习架构预测青光眼手术需求，并证明其优于传统XGBoost模型	研究样本仅来自单一学术中心，可能限制模型的泛化能力	开发预测青光眼进展的人工智能模型	青光眼患者	数字病理	青光眼	光学相干断层扫描（OCT）	TabNet, XGBoost	结构化临床数据（EHR）、医学影像（RNFL OCT扫描）	1472名青光眼患者（其中367名进展至需要手术）
3378	2025-05-16	Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks 2025-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf027 PMID:40124711	研究论文	提出了一种基于SO(3)-等变图神经网络(HiCEGNN)的方法，用于从单细胞Hi-C数据重建3D染色体结构	首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的3D染色体结构重建，相比传统优化方法和现有深度学习方法表现更优	未提及具体的数据集规模限制或计算资源需求	从稀疏的单细胞Hi-C数据中准确重建3D染色体结构	单细胞的染色体空间构象	生物信息学	NA	单细胞Hi-C(ScHi-C)	SO(3)-equivariant graph neural network (HiCEGNN)	染色体接触数据	NA
3379	2025-05-16	LOGLformer: Integrating local and global characteristics for depression scale estimation from facial expressions 2025-Mar-01, The Review of scientific instruments DOI:10.1063/5.0231737 PMID:40130984	research paper	提出了一种名为LOGLFormer的新型混合计算架构，用于从面部表情中估计抑郁量表，整合了CNN的局部属性和transformer的全局模式	LOGLFormer架构首次整合了CNN和transformer的特性，通过特征对齐模块解决了两种特征集之间的差异，显著提升了自动抑郁检测的性能	仅在AVEC2013和AVEC2014两个抑郁数据库上进行了测试，未在其他数据集上验证其泛化能力	开发一种能够整合局部和全局面部动态特征的深度学习模型，用于自动抑郁检测	抑郁患者的面部表情	affective computing	depression	deep learning	LOGLFormer (CNN + transformer)	facial expression images	AVEC2013和AVEC2014两个抑郁数据库
3380	2025-05-16	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	review	本文回顾了机器学习在预测血脑屏障通透性方面的最新方法	总结了利用机器学习和深度学习技术预测血脑屏障通透性的最新进展	未提及具体模型性能比较或实际应用效果的局限性	探讨机器学习在神经系统疾病药物开发中的应用	血脑屏障通透性预测模型	machine learning	neurological disease	machine learning, deep learning	NA	empirical data	NA