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
381	2025-08-06	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新颖的一致性预测不确定性(CPU)-Index，通过结合亚组分析和个性化AI时间-事件模型的见解，改进了低剂量CT筛查肺癌的风险评估	提出CPU-Index框架，通过测量亚组分析与AI时间-事件模型之间预测一致性，优化了偏差-方差权衡，提高了预测的透明度和可靠性	个性化AI时间-事件模型存在透明度问题和来自删失数据的偏差	改进低剂量CT筛查肺癌的特异性	肺癌筛查患者	数字病理	肺癌	低剂量CT(LDCT)影像组学	神经多任务逻辑回归时间-事件模型	影像和人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受LDCT筛查并在一年内经病理确诊为肺癌的患者
382	2025-08-06	Fraud detection in healthcare claims using machine learning: A systematic review 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103061 PMID:39756221	系统综述	本文系统综述了机器学习技术在医疗保险欺诈检测中的应用	分析了近二十年来文献中记录的数据和方法，提供了研究挑战和机遇的见解	数据不一致、缺乏数据标准化和整合、隐私问题以及用于训练模型的标记欺诈案例数量有限	识别医疗保险欺诈，减少医疗保健支出的损失	医疗保险索赔数据	机器学习	NA	机器学习	无监督学习、监督学习、混合方法	医疗保险索赔数据	137篇文献进行最终定性和定量分析
383	2025-08-06	ECGEFNet: A two-branch deep learning model for calculating left ventricular ejection fraction using electrocardiogram 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103065 PMID:39809042	研究论文	提出了一种名为ECGEFNet的双分支深度学习模型，用于通过心电图计算左心室射血分数（LVEF）	创新性地整合了原始数值信号和波形图，通过融合时间、空间和相位信息联合计算LVEF，并提出了融合注意力机制（FAT）和双分支特征融合模块（BFF）来优化特征学习和融合	未提及外部数据集的验证，可能影响模型的泛化能力	开发一种基于心电图（ECG）的深度学习模型，用于早期检测和实时监测左心室收缩功能障碍（LVSD）	左心室射血分数（LVEF）的计算和心脏功能障碍的筛查	数字病理学	心血管疾病	深度学习	ECGEFNet（双分支深度学习模型）	心电图（ECG）信号和波形图	大型内部数据集（具体数量未提及）
384	2025-08-06	Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection 2025-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103025 PMID:39608041	研究论文	本研究介绍了基于人工智能的创新方法，通过分析医学影像提高传染病诊断的准确性	开发了一种能够在模糊环境下结合超软集（HSS）和多准则决策框架（MCDM）的数学模型，用于从图像中识别潜在的传染病	未提及具体样本量或实验验证的详细数据	提高传染病诊断的准确性，推动人工智能在医疗诊断中的应用	医学影像	计算机视觉	传染病	AI驱动的图像分析	HSS与MCDM结合的数学模型	图像	NA
385	2025-08-06	A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis 2025-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103031 PMID:39608042	研究论文	本文提出了一种基于多任务学习的U-Net模型，用于端到端的HEp-2细胞图像分析	首次采用多任务学习架构同时处理HEp-2细胞图像分析的三个关键任务（强度分类、样本分割和模式分类）	仅在公开数据集上进行验证，未说明在临床环境中的实际应用效果	开发自动化HEp-2细胞图像分析方法以辅助自身免疫疾病诊断	HEp-2细胞图像	数字病理学	自身免疫疾病	间接免疫荧光显微镜	U-Net（多任务学习扩展版）	图像	最大的公开HEp-2图像数据集之一
386	2025-08-06	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效推断空间细胞间相互作用	通过图注意力网络（GAT）和共卷积特征整合，有效整合空间多模态数据，显著提升了空间细胞间相互作用的推断性能	未提及具体局限性	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的方法	空间转录组数据和细胞间相互作用	数字病理学	乳腺癌	空间转录组技术	GAT（图注意力网络）	基因表达数据和图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集
387	2025-08-06	The optimised model of predicting protein-metal ion ligand binding residues 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70001 PMID:39873344	研究论文	本研究通过融合氨基酸及其衍生信息作为特征参数，利用机器学习和深度学习算法预测蛋白质-金属离子配体结合残基（PMILBRs）	结合深度学习算法提升了Ca和Mg离子配体结合残基的预测效果，并提供了每种离子配体结合残基的最佳预测模型	NA	准确预测蛋白质-金属离子配体结合残基（PMILBRs）	蛋白质-金属离子配体结合残基	机器学习	NA	机器学习算法、深度学习算法	CNN, LSTM, GAN（未明确提及具体模型，但使用了深度学习算法）	氨基酸序列及其衍生信息	NA
388	2025-08-06	ACP-DPE: A Dual-Channel Deep Learning Model for Anticancer Peptide Prediction 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70010 PMID:40119615	研究论文	本文提出了一种基于双通道深度学习的抗癌肽预测模型ACP-DPE	提出了一种结合Bi-GRU模块和扩张卷积模块的双通道深度学习模型，用于抗癌肽预测，性能优于现有方法	实验条件限制可能导致预测结果存在偏差	开发一种高效准确的抗癌肽预测方法	抗癌肽(ACPs)	生物信息学	癌症	深度学习	Bi-GRU与扩张卷积结合的双通道模型	肽序列数据	NA
389	2025-08-06	TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70007 PMID:40156875	研究论文	开发了一种名为DEEP-TNFR的深度学习模型，用于预测肿瘤坏死因子受体（TNFR）的活性	结合了相对和反向位置特征以及统计矩，并测试了六种不同的深度学习分类器，其中LSTM表现最佳	未提及模型在更广泛数据集上的泛化能力	提高TNFR活性识别的准确性	肿瘤坏死因子受体（TNFR）	机器学习	癌症	深度学习	LSTM, Bi-LSTM, GRU, CNN, RNN, FCN	生物分子数据	使用了一个公认的基准数据集，具体样本量未提及
390	2025-08-06	Improved in Silico Identification of Protein-Protein Interactions Using Deep Learning Approach 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70008 PMID:40275540	研究论文	本文提出了一种名为Deep_PPI的新型深度学习模型，用于预测多种物种的蛋白质-蛋白质相互作用（PPIs）	开发了Deep_PPI模型，采用21D向量表示氨基酸残基，并使用Keras二进制轮廓编码技术，通过一维卷积神经网络构建预测模型，性能优于现有机器学习和PPI方法	未提及模型在特定疾病或复杂生物系统中的适用性验证	提高蛋白质-蛋白质相互作用的计算机识别准确性，支持新药开发	多种物种的蛋白质序列（如人类、秀丽隐杆线虫、大肠杆菌等）	机器学习	癌症	深度学习、Keras二进制轮廓编码	CNN	蛋白质序列数据	多种物种数据集（未明确样本数量）
391	2025-08-06	LTR-Net: A deep learning-based approach for financial data prediction and risk evaluation in enterprises 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328013 PMID:40748872	研究论文	本文提出了一种名为LTR-Net的深度学习模型，用于企业金融数据预测和风险评估	LTR-Net结合了LSTM、Transformer和ResNet模块，能够有效处理金融数据中的多维特征和动态变化，显著提高了预测准确性和稳定性	未明确提及具体限制，但可能涉及模型在更广泛数据集上的泛化能力验证	提高金融数据预测和风险评估的准确性和稳定性	企业金融数据和风险	机器学习	NA	深度学习	LSTM, Transformer, ResNet	时间序列数据	Kaggle Financial Distress Prediction Dataset和Yahoo Finance Stock Market Data
392	2025-08-06	A comparative study of machine learning models for automated detection and classification of retinal diseases in Ghana 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327743 PMID:40748964	研究论文	本研究比较了多种卷积神经网络模型在加纳视网膜疾病自动检测和分类中的性能	使用多种先进的CNN模型（如DenseNet121、ResNet50、Inception V3和MobileNet）进行视网膜疾病的自动检测和分类，并采用高斯过程贝叶斯优化（GPBBO）方法进行超参数调优	数据集有限，未来研究需要扩展数据集并验证模型在临床环境中的实际应用	开发和比较多种CNN模型在视网膜疾病自动检测和分类中的性能	视网膜疾病（如青光眼、黄斑水肿、后玻璃体脱离）和正常眼睛的OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	CNN（包括DenseNet121、ResNet50、Inception V3、MobileNet）	图像	来自WATBORG眼科诊所的OCT图像
393	2025-08-06	AI-Driven fetal distress monitoring SDN-IoMT networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328099 PMID:40743297	研究论文	本研究提出了一种基于生成对抗网络（GAN）和自动编码器模型的框架，用于解决胎儿监护中的信息不平衡问题	利用重建误差和基于Wasserstein距离的GANs解决胎儿心率和减速数据不平衡问题，提高了产前监护的性能	研究仅使用了CTU-UHB数据集进行验证，可能需要更多样化的数据集来验证模型的普适性	提高产前监护的性能，预防胎儿并发症或死亡	孕妇的临床数据，特别是胎儿心率和减速	数字病理学	产科疾病	GAN, 自动编码器模型	GAN	临床数据	使用了CTU-UHB数据集，具体样本数量未明确说明
394	2025-08-06	Dynamic Personalized Federated Learning for Cross-Spectral Palmprint Recognition 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3592508 PMID:40737152	研究论文	本文提出了一种动态个性化联邦学习模型DPFed-Palm，用于跨光谱掌纹识别，以解决隐私泄露和非独立同分布问题	提出了一种新的损失函数组合和动态权重选择策略，以增强模型特征表示能力并优化个性化全局模型	未提及模型在更大规模数据集上的泛化能力	解决掌纹识别中的隐私泄露和非独立同分布问题，提高识别性能	跨光谱掌纹图像	计算机视觉	NA	联邦学习	DPFed-Palm（基于FedAvg和PFL的组合策略）	图像	三个公共数据集（PolyU multispectral, IITD, CASIA）
395	2025-08-06	Multi-scale feature pyramid network with bidirectional attention for efficient mural image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328507 PMID:40758742	研究论文	提出了一种基于DenseNet201-FPN的深度学习模型，用于壁画图像分类，结合双向注意力机制和动态焦点蒸馏损失	引入双向卷积块注意力模块(Bi-CBAM)、动态焦点蒸馏损失和凸正则化，提升低频类别的细节感知能力	数据集规模有限(2000张图像)，可能影响模型泛化能力	解决壁画图像识别中的跨文化和多时期风格泛化挑战	壁画图像	计算机视觉	NA	深度学习	DenseNet201-FPN, Bi-CBAM, LSTM	图像	2000张壁画图像，26个子类别
396	2025-08-06	SMoFFI-SegFormer: a novel approach for ovarian tumor segmentation based on an improved SegFormer architecture 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1555585 PMID:40761240	研究论文	提出了一种基于改进SegFormer架构的卵巢肿瘤分割新方法SMoFFI-SegFormer	引入了新颖的自调制融合与特征抑制（SMoFFI）模块，增强多尺度特征表示并处理肿瘤空间异质性	未提及具体局限性	提高卵巢癌诊断准确性和患者预后	卵巢肿瘤的超声图像分割	数字病理学	卵巢癌	深度学习	改进的SegFormer架构（SMoFFI-SegFormer）	超声图像	两个公共数据集（OTU_2D和OTU_CEUS）
397	2025-08-06	Hybrid deep learning models for text-based identification of gene-disease associations 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.31226 PMID:40761527	研究论文	本研究利用深度学习技术自动识别基因与疾病之间的关联，通过公开数据集进行分类	采用三种混合深度学习模型（CNN-LSTM、CNN-GRU和CNN-GRU-LSTM）并结合注意力机制，相比现有方法（如BioBERT）在分类性能上表现更优	未提及具体局限性	自动化识别基因与疾病之间的关联，以促进医学研究和改善临床结果	基因与疾病关联的文本数据	自然语言处理	NA	Word2Vec, fastText, 注意力机制	CNN-LSTM, CNN-GRU, CNN-GRU-LSTM	文本	三个公开数据集（EU-ADR、GAD和SNPPhenA）
398	2025-08-06	DLML-PC: an automated deep learning and metric learning approach for precise soybean pod classification and counting in intact plants 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1583526 PMID:40761559	研究论文	提出了一种结合深度学习和度量学习的自动化方法DLML-PC，用于精确分类和计数完整大豆植株上的豆荚	直接检测未拆解植株上不同类型豆荚的数量，并通过度量学习方法修正计数结果，提高了对不同类型豆荚计数的准确性	未明确提及研究的局限性	简化传统人工过程，快速准确测定大豆成熟期豆荚数量表型	大豆植株上的豆荚	计算机视觉	NA	深度学习，度量学习	YOLOX, Siamese Network, SE-ResNet50	图像	未明确提及具体样本数量
399	2025-08-06	Dynamic gating-enhanced deep learning model with multi-source remote sensing synergy for optimizing wheat yield estimation 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1640806 PMID:40761564	研究论文	本研究提出了一种基于LSTM-Transformer架构的动态门控增强深度学习模型STF-MoE，用于优化小麦产量估算	引入了时空融合专家混合（STF-MoE）机制和自适应门控网络，动态处理多源遥感特征和环境变量	在极端产量区域存在低估现象，未来需要优化计算效率和整合更高分辨率数据	提高小麦产量估算的准确性，以支持高效的作物管理	中国六个主要省份的小麦产量	机器学习	NA	多源遥感数据融合（如NIRv、Fpar）	LSTM-Transformer	遥感数据、环境变量	六个中国主要省份的小麦产量数据
400	2025-08-06	Detection of microplastics stress on rice seedling by visible/near-infrared hyperspectral imaging and synchrotron radiation Fourier transform infrared microspectroscopy 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1645490 PMID:40761567	研究论文	本研究利用可见/近红外高光谱成像和同步辐射傅里叶变换红外显微光谱技术，检测微塑料胁迫下水稻幼苗的生理生化变化	提出了一种改进的SE-LSTM全光谱检测模型，检测准确率超过93.88%，并结合SHAP框架解释模型，识别与叶绿素、类胡萝卜素、水分含量和纤维素相关的波段	研究仅针对三种微塑料（PET、PS、PVC）和特定浓度（0、10、100 mg/L）进行，可能无法涵盖所有微塑料类型和浓度范围	开发高效、无损的检测方法，快速筛查和诊断微塑料胁迫下的水稻幼苗	暴露于不同浓度微塑料胁迫下的水稻幼苗	农业光谱技术	NA	可见/近红外高光谱成像（VNIR-HSI）、同步辐射傅里叶变换红外光谱（SR-FTIR）、二维相关光谱（2DCOS）	改进的SE-LSTM	光谱数据	暴露于不同浓度（0、10、100 mg/L）PET、PS、PVC微塑料胁迫的水稻幼苗