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
3441	2025-04-06	Applications of AI in Predicting Drug Responses for Type 2 Diabetes 2025-Mar-27, JMIR diabetes DOI:10.2196/66831 PMID:40146874	research paper	本文探讨了人工智能在预测2型糖尿病药物反应中的应用	利用AI技术（包括机器学习和深度学习）分析大规模数据集，以提高药物反应预测的准确性，并倾向于使用集成方法作为首选模型	未提及具体的数据集规模或模型性能的局限性	预测2型糖尿病患者对降糖药物的反应，以优化治疗方案和实现个性化医疗	2型糖尿病患者	machine learning	diabetes	machine learning, deep learning	ensemble methods	electronic health records, clinical trials, observational studies	NA
3442	2025-04-06	DeepTWA-TM: Deep Learning T-Wave Alternans Detection in Ambulatory ECG via Time Analysis 2025-Mar-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553789 PMID:40138221	研究论文	本研究提出了一种名为DeepTWA-TM的深度学习方法，用于在动态心电图中通过时间分析检测T波交替（TWA）	该方法利用迁移学习和稳健的架构（如VGG、ResNet和Inception）直接从心电信号中检测TWA，无需先前的信号处理步骤（如R峰识别、T波分割或特征工程）	NA	开发一种非侵入性标记物，用于评估心源性猝死的风险	动态心电图中的T波交替（TWA）	机器学习	心血管疾病	深度学习	VGG, ResNet, Inception	心电信号	来自真实患者的自定义长期数据集，包含从不可见的微交替到20至100μV的高振幅TWA的TWA发作
3443	2025-04-06	A Survey of Deep Learning in Sports Applications: Perception, Comprehension, and Decision 2025-Mar-26, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3554801 PMID:40138241	综述	本文全面综述了深度学习在体育应用中的算法、数据集、虚拟环境及挑战	系统梳理了深度学习在体育表现中的感知、理解和决策三个层次的应用，并总结了当前挑战与未来趋势	未涉及具体实验验证或新型算法开发	探讨深度学习在体育领域的应用现状与发展方向	体育表现中的感知、理解和决策	机器学习	NA	深度学习	NA	视频、传感器数据等	NA
3444	2025-03-29	Unsupervised Test-Time Adaptation for Hepatic Steatosis Grading Using Ultrasound B-Mode Images 2025-Mar-26, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3555180 PMID:40138246	研究论文	提出一种无监督测试时间适应方法，用于超声B模式图像中的肝脂肪变性分级	提出了一种测试时间批量归一化技术，专门针对标签分布变化引起的域偏移，通过调整训练好的CNN模型中批量归一化层的选定特征来实现无监督适应	方法仅在两个腹部超声数据集上进行了评估，可能需要更多样化的数据集验证其泛化能力	解决超声图像中因临床环境差异导致的域偏移问题，提高肝脂肪变性分级的准确性	肝脂肪变性（脂肪肝）的超声B模式图像	数字病理学	肝病	无监督域适应技术	CNN	图像	两个不同机构收集的腹部超声数据集
3445	2025-04-06	Integrating Single-Molecule Sequencing and Deep Learning to Predict Haplotype-Specific 3D Chromatin Organization in a Mendelian Condition 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.26.640261 PMID:40166185	research paper	该研究提出了一种结合单分子测序和深度学习的模型FiberFold，用于预测单倍型特异性的3D染色质组织	结合卷积神经网络和Transformer架构，利用长读长测序数据预测细胞类型和单倍型特异性的3D基因组组织	NA	研究3D基因组结构在基因调控和人类疾病中的作用	人类单倍型特异性3D染色质组织	machine learning	Mendelian disease	Fiber-seq, long-read sequencing	CNN, Transformer	multi-omic data	NA
3446	2025-04-06	Predicting Task Activation Maps from Resting-State Functional Connectivity using Deep Learning 2025-Mar-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612309 PMID:39314460	research paper	使用深度学习从静息态功能连接预测任务激活图	复制了最先进的深度学习模型BrainSurfCNN，并探索了两种新的架构改进方法：添加Squeeze-and-Excitation注意力机制（BrainSERF）和使用基于图神经网络的架构（BrainSurfGCN）	未提及具体局限性	推进深度学习在神经影像学中的应用	人脑连接组计划（HCP）中的静息态和任务fMRI数据	神经影像学	NA	深度学习，fMRI	BrainSurfCNN, BrainSERF, BrainSurfGCN	fMRI数据	未提及具体样本量
3447	2025-04-06	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	research paper	该研究开发了一种名为PiCAP的新型数据集和神经网络架构，用于预测蛋白质是否非共价结合碳水化合物，并开发了CAPSIF2模型预测与碳水化合物相互作用的蛋白质残基	开发了PiCAP和CAPSIF2两个新模型，分别用于预测蛋白质与碳水化合物的结合以及相互作用的残基，性能优于现有模型	研究基于已知碳水化合物结合蛋白的数据集，可能无法涵盖所有潜在的相互作用	预测蛋白质与碳水化合物的非共价结合及其相互作用位点	蛋白质和碳水化合物的相互作用	machine learning	NA	neural network	PiCAP, CAPSIF2	protein sequence data	已知碳水化合物结合蛋白的数据集及三个蛋白质组
3448	2025-04-06	Strategies to include prior knowledge in omics analysis with deep neural networks 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101203 PMID:40182174	综述	本文探讨了在深度学习模型中整合先验知识以提高分子谱数据分析性能的策略	提出了三种利用先验知识指导深度学习模型处理分子谱数据的主要策略，并回顾了相关深度学习架构，包括图神经网络的新思想	未提及具体实施这些策略时的计算资源需求或实际应用中的潜在挑战	提高基于分子谱数据的表型预测性能	分子谱数据	机器学习	NA	高通量分子分析技术	深度学习模型，图神经网络(GNN)	分子谱数据	NA
3449	2025-04-06	GREEN: A lightweight architecture using learnable wavelets and Riemannian geometry for biomarker exploration with EEG signals 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101182 PMID:40182177	研究论文	介绍了一种名为GREEN的轻量级神经网络架构，用于处理原始EEG数据，结合了小波变换和黎曼几何	GREEN结合了小波变换和黎曼几何，提供了一种轻量级且可解释的EEG信号处理方法，优于现有非深度学习和大型深度学习模型	未提及具体局限性	探索EEG信号中的生物标志物，并开发一种轻量级且可解释的神经网络架构	EEG信号	机器学习	NA	小波变换和黎曼几何	GREEN（Gabor Riemann EEGNet）	EEG信号	超过5,000名参与者的四个数据集
3450	2025-04-06	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究通过消除定量血管造影中的注射偏差，提高了深度神经网络对颅内动脉瘤闭塞预测的准确性和可解释性	提出了一种消除注射偏差的算法，并结合可解释AI（XAI）提高模型预测的可靠性和临床相关性	研究仅基于458名患者的血管造影数据，样本量可能不足以覆盖所有临床情况	提高颅内动脉瘤闭塞预测的准确性和模型的可解释性	接受流动转向器治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影（QA）	深度神经网络（DNN）	血管造影图像	458名患者的血管造影数据
3451	2025-04-06	Diagnostic Accuracy of a Deep Learning Algorithm for Detecting Unruptured Intracranial Aneurysms in Magnetic Resonance Angiography: A Multicenter Pivotal Trial 2025-Mar-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123882 PMID:40086726	research paper	评估深度学习算法在磁共振血管造影中检测未破裂颅内动脉瘤的准确性	使用3D U-Net模型在TOF MRA数据上实现高灵敏度和低假阳性率的未破裂颅内动脉瘤检测	对于小于3毫米的动脉瘤检测灵敏度较低，专家审查仍然必要	评估深度学习算法在未破裂颅内动脉瘤检测中的效果，以减轻放射科医生的工作负担	675名参与者（189名动脉瘤阳性，486名阴性）的TOF MRA数据	digital pathology	cardiovascular disease	time-of-flight (TOF) magnetic resonance angiography (MRA)	3D U-Net	image	675名参与者（221个未破裂颅内动脉瘤）
3452	2025-04-06	MMFmiRLocEL: A multi-model fusion and ensemble learning approach for identifying miRNA subcellular localization using RNA structure language model 2025-Mar-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3548940 PMID:40053625	研究论文	本文提出了一种名为MMFmiRLocEL的多模型融合与集成学习方法，用于识别miRNA的亚细胞定位	首次结合序列、结构和功能三种信息进行miRNA亚细胞定位预测，并采用多模型融合与集成学习策略	未提及具体样本量或验证数据集规模	提高miRNA亚细胞定位预测的准确性和鲁棒性	miRNA亚细胞定位(MSL)	生物信息学	NA	RNA 3D结构预测模型、卷积神经网络、深度残差神经网络	CNN、ResNet、多模型融合与集成学习	RNA序列数据、3D结构数据、miRNA-疾病关联网络数据	NA
3453	2025-04-06	CoupleVAE: coupled variational autoencoders for predicting perturbational single-cell RNA sequencing data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf126 PMID:40178283	研究论文	提出了一种名为CoupleVAE的新型深度学习方法，用于预测扰动后的单细胞RNA测序数据	CoupleVAE由两个耦合的VAE组成，通过耦合器在潜在空间中进行更复杂的细胞状态转换，有效预测扰动后的单细胞RNA测序数据	NA	预测单细胞扰动响应，以理解生物体的功能和行为	单细胞RNA测序数据	计算生物学	NA	单细胞RNA测序	VAE (变分自编码器)	RNA测序数据	三个真实数据集（感染、刺激和跨物种预测）
3454	2025-04-06	Data imbalance in drug response prediction: multi-objective optimization approach in deep learning setting 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf134 PMID:40178282	研究论文	本文提出了一种多目标优化方法，用于解决药物反应预测中的数据不平衡问题，以提高深度学习模型的泛化能力	通过构建多目标优化损失函数（Multi-Objective Optimization Regularized by Loss Entropy）并将其应用于深度学习模型，解决了药物反应预测中的数据不平衡问题	数据深度仍然不足，与计算机视觉或自然语言处理等领域相比，当前的学习能力有限	提高药物反应预测模型的泛化能力	小分子药物和肿瘤的生物学特征	机器学习	癌症	深度学习	深度学习模型	基因组数据和药物筛选数据	NA
3455	2025-04-06	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了大型语言模型和传统深度学习模型在不良事件提取中的效果，并探讨了集成这些模型对性能的影响	通过集成微调的传统深度学习模型和大型语言模型，提高了从文本数据中提取COVID-19疫苗接种后不良事件的效果	研究样本量相对较小，且仅针对特定类型的不良事件	评估大型语言模型和传统深度学习模型在不良事件提取中的效果，并探讨集成方法对性能的提升	从VAERS、Twitter和Reddit中提取疫苗、注射和不良事件实体	自然语言处理	COVID-19	深度学习、大型语言模型	RNN、BioBERT、GPT-2、GPT-3.5、GPT-4、Llama-2 7b、Llama-2 13b	文本	VAERS报告230份、Twitter帖子3383条、Reddit帖子49条
3456	2025-04-06	Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240161 PMID:39982207	研究论文	开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）患者放疗前CT图像，以预测局部区域复发（LR）和远处转移（DM）	利用计算图和图注意力深度学习方法全面建模头颈部解剖结构中的多个区域，提高了预测LR和DM的准确性	研究为回顾性研究，数据来自公开数据集，可能存在选择偏差	提高头颈部鳞状细胞癌患者放疗后局部区域复发和远处转移的预测准确性	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	CT成像	图注意力深度学习	图像	3434名患者（训练集1576人，验证集379人，测试集1479人）
3457	2025-04-06	Weakly Aligned Feature Fusion for Multimodal Object Detection 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3105143 PMID:34437075	研究论文	提出一种名为AR-CNN的多模态检测器，解决多模态数据中的位置偏移问题，并通过特征融合提升物体检测的准确性和鲁棒性	设计了区域特征对齐模块和RoI抖动策略，提出新型多模态特征融合方法，并提供了新的多模态标注数据集KAIST-Paired	未明确提及方法在极端未对齐情况下的性能表现	解决多模态物体检测中的位置偏移问题，提升检测准确性和鲁棒性	多模态图像数据（如彩色、热成像和深度图像）中的物体	计算机视觉	NA	多模态特征融合	CNN, AR-CNN	多模态图像（RGB-T, RGB-D）	在多种2D和3D物体检测数据集上进行了广泛实验
3458	2025-04-06	Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in Visual Question Answering 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3135655 PMID:35130171	research paper	该论文提出了一种图匹配注意力网络（GMA），用于解决视觉问答（VQA）任务中图像和问题特征的跨模态融合问题	创新点包括为图像和问题构建图结构，探索模态内关系，并提出双边跨模态GMA来推断图像与问题之间的关系	未明确提及具体限制	研究目的是改进视觉问答任务中跨模态信息的对齐和利用	研究对象是视觉问答任务中的图像和问题	computer vision	NA	graph matching attention (GMA)	GMA network	image, text	GQA dataset和VQA 2.0 dataset（具体样本量未提及）
3459	2025-04-06	Quality-Driven Regularization for Deep Learning Networks and Its Application to Industrial Soft Sensors 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3144162 PMID:35180085	研究论文	本文提出了一种新的质量驱动正则化（QR）方法，用于深度网络从工业过程数据中学习质量相关特征	提出QR-SAE模型，通过改变损失函数控制不同输入变量的权重，以提取质量相关信息	NA	开发数据驱动的软传感器，提高工业过程质量预测的准确性	工业过程数据	机器学习	NA	深度网络	QR-SAE（基于质量驱动正则化的堆叠自编码器）	工业过程数据	NA
3460	2025-04-06	Learning Selective Sensor Fusion for State Estimation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3176677 PMID:35657847	研究论文	提出了一种名为SelectFusion的端到端选择性传感器融合模块，用于处理自动驾驶和移动机器人系统中的多传感器数据融合问题	提出了两种新的融合模块——确定性软融合和随机硬融合，并提供了一个统一的框架，不限于特定的模态或任务	当前深度测距模型缺乏可解释性	解决多传感器数据融合中的鲁棒性问题，以处理现实世界中的噪声或不完整传感器观测	自动驾驶车辆和移动机器人系统	机器学习和传感器融合	NA	深度学习（DL）	SelectFusion模块	单目图像、惯性测量、深度图像和LIDAR点云	公共数据集和逐步退化的数据集