深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
4361	2025-10-06	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	提出一种基于双通道深度学习的抗癌肽预测模型ACP-DPE	结合双向门控循环单元和扩张卷积的双通道架构，分别捕捉肽序列依赖关系和氨基酸局部关系	NA	开发深度学习模型用于抗癌肽预测	抗癌肽序列	机器学习	癌症	深度学习	Bi-GRU, CNN	肽序列数据	NA	NA	双通道架构（Bi-GRU模块+扩张卷积模块）	准确率, 灵敏度	NA
4362	2025-10-06	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，用于准确预测肿瘤坏死因子受体（TNFR）活性	结合相对位置、反向位置和统计矩特征，系统比较六种深度学习分类器，其中LSTM表现最佳并超越先前研究	NA	提高TNFR活性识别的准确性，支持炎症、癌症和自身免疫疾病相关研究	肿瘤坏死因子受体（TNFR）	自然语言处理	癌症	深度学习	FCN, CNN, RNN, LSTM, Bi-LSTM, GRU	序列数据	NA	NA	全连接网络, 卷积神经网络, 简单循环神经网络, 长短期记忆网络, 双向长短期记忆网络, 门控循环单元	准确率, 特异性, 灵敏度, 马修斯相关系数	NA
4363	2025-10-06	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	开发了一种基于深度学习的蛋白质-蛋白质相互作用预测模型Deep_PPI	提出使用双卷积头架构处理蛋白质对，并采用Keras二进制轮廓编码技术和PaddVal长度均衡策略	NA	改进蛋白质-蛋白质相互作用的计算机识别方法	多种物种的蛋白质-蛋白质相互作用	生物信息学	癌症，自身免疫性疾病，恶性贫血	深度学习	CNN	蛋白质序列	人类、秀丽隐杆线虫、大肠杆菌和智人等多个物种数据集	Keras	一维卷积神经网络	交叉验证准确率	NA
4364	2025-10-06	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	提出一种结合LSTM、Transformer和ResNet的深度学习模型LTR-Net，用于企业金融数据预测和风险评估	首次将LSTM、Transformer和ResNet集成到统一框架中，通过时序依赖建模、全局信息捕获和深度特征提取模块协同处理金融数据	NA	解决金融数据预测和风险评估这一复杂多任务问题	企业金融数据	机器学习	NA	深度学习	LSTM, Transformer, ResNet	时间序列数据	Kaggle金融困境预测数据集和雅虎财经股市数据	NA	LSTM, Transformer, ResNet	MSE, RMSE, MAE, AUC	NA
4365	2025-10-06	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	本研究开发并比较了多种CNN模型在加纳视网膜疾病自动检测和分类中的性能	首次在加纳地区使用多种先进CNN模型进行视网膜疾病自动检测，并采用高斯过程贝叶斯优化方法进行超参数调优	数据集规模有限，需要在临床环境中进一步验证模型性能	开发和比较机器学习模型用于视网膜疾病的自动检测和分类	视网膜疾病患者的光学相干断层扫描图像	计算机视觉	视网膜疾病	光学相干断层扫描	CNN	图像	来自WATBORG眼科诊所的OCT图像	NA	DenseNet121, ResNet50, Inception V3, MobileNet	F1分数, 精确率, 召回率, AUC	NA
4366	2025-10-06	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和自编码器的AI驱动框架，用于解决胎儿监护中数据不平衡问题	首次将Wasserstein距离的GAN与自编码器结合应用于SDN-IoMT网络，解决胎儿监护数据不平衡问题	仅使用CTU-UHB单一数据集进行验证，未在其他临床数据集上测试	改善产前胎儿监护性能，解决胎心监护数据不平衡问题	孕妇临床数据，特别是胎心率和减速特征	医疗物联网	产科疾病	胎心宫缩监护	GAN, 自编码器	临床监护数据	CTU-UHB数据集	NA	生成对抗网络, 自编码器	准确率, 召回率, 精确率, F1分数	Mininet仿真平台
4367	2025-10-06	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	提出一种动态个性化联邦学习模型DPFed-Palm用于解决跨光谱掌纹识别中的隐私保护和数据非独立同分布问题	提出动态权重选择策略和组合损失函数，结合FedAvg与个性化联邦学习的聚合策略，有效提升模型特征表示能力	NA	开发隐私保护的跨光谱掌纹识别方法	多光谱掌纹图像	计算机视觉	NA	多光谱成像	深度学习	图像	三个公共数据集（PolyU multispectral, IITD, CASIA）	联邦学习	DPFed-Palm	识别性能, 隐私保护效果	NA
4368	2025-10-06	Automated Characterization of Abdominal MRI Exams Using Deep Learning 2024-Dec-09, Research square DOI:10.21203/rs.3.rs-5334453/v1 PMID:39711527	研究论文	本研究开发了一种基于卷积神经网络的深度学习方法，用于自动分类腹部MRI图像的序列、方向和对比度	针对腹部MRI开发了三个专门的CNN模型，能够同时分类12种序列、4种方向和2种对比度类别	研究仅针对腹部MRI，未验证在其他身体部位的适用性	开发标准化的MRI序列识别和标注方法，以支持多中心MRI数据的机器学习研究	腹部磁共振成像图像	计算机视觉	NA	磁共振成像	CNN	图像	NA	NA	CNN	准确率	NA
4369	2025-10-06	Assessment of Gender Differences in Letters of Recommendation for Physical Therapy Residency Applications 2024-Dec-01, Journal, physical therapy education DOI:10.1097/JTE.0000000000000337 PMID:38640081	研究论文	本研究通过自然语言处理分析物理治疗住院医师申请推荐信中的性别差异	首次在物理治疗住院医师申请中采用综合自然语言处理方法识别推荐信的性别差异	仅分析单一机构的三个住院医师项目，样本来源有限	评估物理治疗住院医师申请推荐信中存在的性别差异和潜在隐性偏见	768封来自256份物理治疗住院医师申请的推荐信	自然语言处理	NA	自然语言处理	深度学习	文本	768封推荐信（2014-2020年来自3个物理治疗住院医师项目）	NA	NA	词数统计、主题分析、心理语言学分析	NA
4370	2025-10-06	Generative Adversarial Network-Based Augmentation With Noval 2-Step Authentication for Anti-Coronavirus Peptide Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3431688 PMID:39037884	研究论文	本研究利用生成对抗网络进行抗病毒肽数据增强，并通过新型两步认证方法提升抗冠状病毒肽预测性能	提出结合生成对抗网络的数据增强方法和新型两步认证流程，用于验证合成肽的抗病毒活性	未明确说明数据集的样本数量限制和模型泛化能力验证	开发更准确的抗病毒肽预测方法，特别是针对抗冠状病毒肽的识别	抗病毒肽和抗冠状病毒肽	机器学习	冠状病毒感染	生成对抗网络，NCBI-BLAST比对	GAN, CNN	肽序列数据	NA	NA	1-D CNN	准确率, AUC, MCC	NA
4371	2025-10-06	Enhancing Generalizability in Biomedical Entity Recognition: Self-Attention PCA-CLS Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3429234 PMID:39012749	研究论文	提出一种结合全局自注意力和字符级CNN的PCA-CLS模型，用于提升生物医学实体识别的泛化能力	提出PCA-CLS模型，结合全局自注意力和字符级卷积神经网络技术，解决生物医学文本中的词汇外挑战	NA	提升生物医学实体识别任务的泛化能力	生物医学文本中的基因、药物、疾病和物种等实体	自然语言处理	NA	实体识别	CNN,LSTM,Self-Attention	文本	八个不同的生物医学领域数据集	NA	PCA-CLS (Position and Contextual Attention with CNN-LSTM-Softmax)	F-score	NA
4372	2025-10-06	Bi-SeqCNN: A Novel Light-Weight Bi-Directional CNN Architecture for Protein Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3426491 PMID:38990747	研究论文	提出一种新型轻量级双向CNN架构Bi-SeqCNN用于蛋白质功能预测	首次将双向CNN应用于通用时序数据分析而不仅限于蛋白质序列，并采用集成方法提升预测效果	NA	开发更高效的蛋白质功能预测框架	蛋白质序列	机器学习	NA	深度学习	CNN	序列数据	三个基准蛋白质序列数据集	NA	Bi-SeqCNN	准确率提升	NA
4373	2025-10-06	Transcription Factor Binding Site Prediction Using CnNet Approach 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411024 PMID:38848239	研究论文	本研究提出名为CnNet的方法，结合MEME技术和卷积神经网络预测转录因子结合位点	提出结合MEME技术和CNN的CnNet新方法，在转录因子结合位点预测准确率上优于现有方法	NA	开发新的计算方法预测转录因子结合位点	DNA基因序列数据集	机器学习	NA	MEME, 深度学习	CNN	DNA序列数据	NA	NA	卷积神经网络	准确率	NA
4374	2025-10-06	Prediction of Inter-Residue Multiple Distances and Exploration of Protein Multiple Conformations by Deep Learning 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411825 PMID:38857126	研究论文	提出基于深度学习的残基间多距离预测方法DeepMDisPre，用于探索蛋白质多重构象	整合三角形更新、轴向注意力和ResNet的改进网络架构，首次实现残基间多距离预测	仅在393个蛋白质（114个多重构象+279个单结构）上测试，样本规模有限	开发蛋白质多重构象探索的深度学习方法	蛋白质残基对的距离分布和构象变化	生物信息学	NA	深度学习	深度学习网络	蛋白质结构数据	393个蛋白质（114个多重构象蛋白+279个单结构蛋白）	NA	改进网络（整合三角形更新、轴向注意力、ResNet）	接触精度、TM-score	NA
4375	2025-10-06	DMAMP: A Deep-Learning Model for Detecting Antimicrobial Peptides and Their Multi-Activities 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3439541 PMID:39106141	研究论文	提出一种名为DMAMP的深度学习模型，用于同时检测抗菌肽及其多种活性	采用多任务学习框架同时处理抗菌肽识别和活性预测两个相关任务，通过共享特征提取和特定任务学习相结合的方式提升性能	NA	开发计算模型以降低抗菌肽及其活性检测的实验成本	抗菌肽及其多种生物活性	机器学习	传染病	深度学习	CNN	肽序列	NA	NA	卷积神经网络,残差块,全连接层	马修斯相关系数	NA
4376	2025-10-06	Deep Learning in Gene Regulatory Network Inference: A Survey 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3442536 PMID:39137088	综述	本文对12种基于深度学习模型的基因调控网络推断方法进行了全面分析	首次系统性地对基于深度学习的GRN推断方法进行分类和评估，并追踪了这些方法的发展演变	仅分析了12种方法，可能未能涵盖该领域所有相关研究	为生命科学家选择合适的基因调控网络推断方法提供指导	基因调控网络推断方法	机器学习	NA	深度学习	NA	基因表达数据	NA	NA	NA	有效性，可扩展性	NA
4377	2025-10-06	KGRACDA: A Model Based on Knowledge Graph from Recursion and Attention Aggregation for CircRNA-Disease Association Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447110 PMID:39167510	研究论文	提出基于知识图谱和注意力聚合的KGRACDA模型，用于预测环状RNA与疾病关联	结合图结构的显式特征和隐式嵌入信息，通过递归方法构建多跳子图并优化图注意力机制，挖掘局部深度信息	未明确说明模型在特定疾病类型上的泛化能力	预测环状RNA与疾病之间的关联关系	环状RNA和人类疾病	生物信息学	人类疾病	知识图谱，深度学习	图注意力网络	多源异质数据，知识图谱	大规模多源异质数据集	NA	递归注意力聚合，多头注意力机制	预测准确率	NA
4378	2025-10-06	Parallel Convolutional Contrastive Learning Method for Enzyme Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447037 PMID:39167509	研究论文	提出一种并行卷积对比学习方法用于酶功能预测	结合卷积神经网络与对比学习的并行架构，能更好处理类别不平衡问题	NA	提高酶功能预测的精度	酶蛋白序列	生物信息学	NA	蛋白质语言模型	CNN, 对比学习	蛋白质序列	NA	NA	并行CNN, ESM-2	AUC	NA
4379	2025-10-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	开发基于深度学习的分类模型用于自动识别8种不同的多参数身体MRI序列类型	首次比较多种深度学习模型在多参数MRI序列分类任务中的性能，并研究训练数据量对模型性能的影响	DICOM头部信息可能存在错误，模型在外部数据集上性能有所下降	提高放射科医生阅读多参数MRI检查的效率	多参数身体MRI序列	计算机视觉	NA	多参数磁共振成像	CNN	医学影像	超过729项研究数据，包含来自多个机构的mpMRI数据	NA	ResNet, EfficientNet, DenseNet	F1-score, 准确率	NA
4380	2025-10-06	CTsynther: Contrastive Transformer Model for End-to-End Retrosynthesis Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3455381 PMID:39240741	研究论文	提出了一种用于单步逆合成预测的端到端深度学习模型CTsynther	在Transformer架构中引入对比学习概念，采用混合全局和局部注意力机制，无需外部反应模板或专业知识	NA	有机化学和药物合成中的逆合成预测	化学分子SMILES表示	自然语言处理	NA	深度学习	Transformer	文本(SMILES)	NA	NA	Transformer	准确率	NA