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
5061	2025-10-06	Fast and Accurate Classification of Corn Varieties Using Deep Learning With Edge Detection Techniques 2025-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70439 PMID:40702919	研究论文	本研究利用边缘检测技术和深度学习模型对三种玉米品种进行快速准确分类	结合Canny和Sobel边缘检测算法与深度学习模型，在保持高精度的同时显著提升训练速度	仅使用1050张玉米图像，样本规模有限；仅针对三个特定玉米品种进行研究	开发快速准确的玉米品种分类方法以提升农产品质量和加工效率	Chulpi Cancha、Indurata和Rugosa三种玉米品种	计算机视觉	NA	边缘检测技术	CNN	图像	1050张玉米图像	NA	ResCNN, DAG-Net, ResNet-18	准确率	NA
5062	2025-10-06	From Presence-Only to Abundance Species Distribution Models Using Transfer Learning 2025-Jul, Ecology letters IF:7.6Q1 DOI:10.1111/ele.70177 PMID:40704696	研究论文	本研究通过迁移学习将仅存在数据转化为物种丰度分布模型，显著提升了地中海沿岸鱼类的丰度预测性能	首次将大型仅存在物种数据集与迁移学习相结合，解决了物种丰度数据集样本量小的问题	研究主要针对地中海沿岸鱼类，在其他地域和物种中的适用性有待验证	开发能够准确预测物种丰度分布的深度学习模型	地中海沿岸鱼类	机器学习	NA	物种分布建模	CNN	物种分布数据	大型仅存在物种数据集结合小样本物种丰度数据集	NA	卷积神经网络	D-squared回归分数	NA
5063	2025-10-06	LncRNA Subcellular Localization Across Diverse Cell Lines: An Exploration Using Deep Learning with Inexact q-mers 2025-Jun-25, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna11040049 PMID:40700092	研究论文	本研究使用深度学习和非精确q-mer方法探索lncRNA在不同细胞系中的亚细胞定位	首次将非精确q-mer引入lncRNA亚细胞定位预测，并发现存在切换定位的lncRNA类别	切换lncRNA的存在使得机器学习模型预测lncRNA定位变得更加复杂	研究lncRNA亚细胞定位预测及其细胞类型特异性问题	长链非编码RNA(lncRNA)的亚细胞定位	生物信息学	NA	非精确q-mer分析	深度学习,机器学习	lncRNA序列数据	15个细胞系的lncRNA定位数据	NA	NA	预测性能	NA
5064	2025-10-06	Integrating Artificial Intelligence in Next-Generation Sequencing: Advances, Challenges, and Future Directions 2025-Jun-19, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47060470 PMID:40699869	综述	探讨人工智能与下一代测序技术的融合及其在基因组学研究和临床应用中的变革性影响	系统阐述AI在NGS全流程中的整合应用，并前瞻性讨论AI在第三代测序和联邦学习等新兴方向的发展	面临数据异质性、模型可解释性和伦理问题等挑战	研究人工智能与下一代测序技术的协同发展及其在精准医疗中的应用前景	基因组学数据和多组学数据	机器学习	癌症	下一代测序(NGS), 第三代测序(TGS), 单细胞测序	CNN, RNN, 混合架构	基因组数据, 表观基因组数据, 转录组数据	NA	NA	NA	NA	NA
5065	2025-10-06	A Multi-Model Machine Learning Framework for Identifying Raloxifene as a Novel RNA Polymerase Inhibitor from FDA-Approved Drugs 2025-Apr-28, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47050315 PMID:40699714	研究论文	开发多模型机器学习框架从FDA批准药物中识别RNA聚合酶抑制剂	结合五种传统机器学习算法与CNN深度学习模型的集成框架，首次发现雷洛昔芬具有RNA聚合酶抑制潜力	需要实验验证预测结果，研究基于计算机模拟和现有数据集	从已批准药物中识别新型RNA依赖性RNA聚合酶抑制剂	FDA批准药物和RNA依赖性RNA聚合酶	机器学习	病毒性疾病	分子对接，分子动力学模拟	CNN, ExtraTreesClassifier, RandomForestClassifier, LGBMClassifier, BernoulliNB, BaggingClassifier	化学结构数据	PubChem数据集AID 588519	Scikit-learn	CNN, 集成学习架构	准确率, ROC-AUC, F1分数, 特异性	NA
5066	2025-07-25	Recent advances in pulmonary tuberculosis, the application of deep learning to medical topics, and highlights from this issue of Ewha Medical Journal 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00395 PMID:40703376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5067	2025-10-06	Feature-based ensemble modeling for addressing diabetes data imbalance using the SMOTE, RUS, and random forest methods: a prediction study 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00353 PMID:40703379	研究论文	本研究开发了一种基于特征的集成模型，结合SMOTE、RUS和随机森林方法来解决糖尿病数据不平衡问题	提出将SMOTE和RUS重采样技术与基于特征的集成随机森林相结合的新方法，专门针对医学数据中的类别不平衡问题	仅使用单一数据集（442个样本），样本量相对较小；仅针对糖尿病预测任务进行验证	解决机器学习中类别不平衡问题，提高早期糖尿病检测的预测性能	糖尿病数据集中的患者样本	机器学习	糖尿病	SMOTE（合成少数类过采样技术），RUS（随机欠采样）	随机森林，k近邻，全连接神经网络	结构化医疗数据	442个样本，10个特征	Scikit-learn	随机森林集成模型	准确率，AUC（曲线下面积）	NA
5068	2025-10-06	Artificial intelligence in gastroenterology: Ethical and diagnostic challenges in clinical practice 2025-Mar-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i10.102725 PMID:40093670	评论	探讨深度学习模型在无线胶囊内镜决策过程中的应用及其伦理挑战	将人工智能整合到胃肠疾病诊断中，通过无线胶囊内镜实现多类别病变的早期实时精准检测	存在患者隐私、数据安全和诊断偏差等伦理问题，需要多样化数据集来缓解不平等	评估人工智能在胃肠病学临床实践中的诊断价值和伦理考量	胃肠疾病患者，特别是小肠病变和癌前息肉患者	数字病理	胃肠疾病	无线胶囊内镜	深度学习	内镜图像	NA	NA	NA	诊断准确率	NA
5069	2025-10-06	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	提出一种基于交叉融合机制的PET/MR双模态图像自动脑部分割方法	引入交叉融合机制处理PET和MR双模态图像，通过UX-Net和交叉融合块实现特征提取与融合	未明确说明方法在临床实践中的具体验证结果	实现精确的脑部区域分割以辅助神经系统疾病的检测与诊断	PET/MR双模态脑部图像	医学图像分析	神经系统疾病	PET/MR双模态成像	深度学习	3D医学图像	NA	NA	UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet	Dice系数, Jaccard指数, 敏感度, 精确度, Hausdorff距离, 皮尔逊相关系数	NA
5070	2025-10-06	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	提出一种基于可穿戴传感器的人类活动识别深度学习模型DKInception	集成深度卷积残差网络与注意力机制，利用多尺度卷积核高效提取时间特征进行活动识别	NA	开发准确的人类活动识别方法以监测人类日常活动和健康行为	人类日常活动数据	机器学习	NA	可穿戴传感器技术	CNN	传感器时序数据	四个基准HAR数据集：UCI-HAR, Opportunity, Daphnet, PAMAP2	NA	Inception ResNet	准确率	NA
5071	2025-10-06	TrGPCR: GPCR-Ligand Binding Affinity Prediction Based on Dynamic Deep Transfer Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307928 PMID:37610904	研究论文	提出基于动态深度迁移学习的GPCR-配体结合亲和力预测方法TrGPCR	采用动态迁移学习解决GPCR数据不足问题，并引入蛋白质二级结构（口袋）作为特征	GPCR已知数据仅数千条，对深度学习训练仍显不足	预测G蛋白偶联受体与配体的结合亲和力以辅助药物开发	GPCR受体与配体的结合亲和力	机器学习	NA	动态深度迁移学习	深度学习	蛋白质序列数据、二级结构数据	数千条GPCR数据（源域：BindingDB数据库，目标域：GLASS数据库）	NA	TrGPCR	RMSE, MAE	NA
5072	2025-10-06	Multi-Omics Deep-Learning Prediction of Homologous Recombination Deficiency-Like Phenotype Improved Risk Stratification and Guided Therapeutic Decisions in Gynecological Cancers 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3308440 PMID:37616142	研究论文	开发了一种名为MODeepHRD的多组学深度学习框架，用于预测妇科癌症中的同源重组缺陷表型	提出卷积注意力自编码器，有效利用组学特异性和跨组学互补知识学习	NA	改善妇科癌症风险分层并指导治疗决策	卵巢癌、乳腺癌和子宫内膜癌患者	机器学习	妇科癌症	转录组学、DNA甲基化、突变数据	深度学习	多组学数据	训练集351例卵巢癌患者，验证集22个数据集的2133例卵巢癌样本	NA	卷积注意力自编码器	风险比(HR), 置信区间(CI), log-rank检验	NA
5073	2025-10-06	HiSIF-DTA: A Hierarchical Semantic Information Fusion Framework for Drug-Target Affinity Prediction 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334239 PMID:37983161	研究论文	提出一种用于药物-靶点亲和力预测的分层语义信息融合框架HiSIF-DTA	构建包含低阶结构语义和高阶功能语义的分层蛋白质图，并设计两种分层融合策略整合不同蛋白质语义	NA	提高药物-靶点亲和力预测的准确性	药物-靶点相互作用	机器学习	NA	深度学习	图神经网络	蛋白质序列数据、蛋白质结构数据、蛋白质-蛋白质相互作用网络数据	NA	NA	分层语义信息融合框架	预测精度	NA
5074	2025-10-06	Decoding Drug Response With Structurized Gridding Map-Based Cell Representation 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3342280 PMID:38090819	研究论文	提出一种基于结构化网格图细胞表示的新策略DD-Response，用于预测细胞系药物反应	通过源特定标签二值化整合多数据集扩展训练域，开发二维结构化网格图表示方法避免特征相关性忽略，构建双分支多通道CNN模型实现精准预测	未明确说明模型在临床应用中的具体验证范围和局限性	开发更全面的细胞系药物反应预测方法以促进药物开发、重利用和耐药逆转	细胞系和药物	机器学习	癌症	NA	CNN	结构化网格图	NA	NA	双分支多通道卷积神经网络	NA	NA
5075	2025-10-06	MOPDDI: Predicting Drug-Drug Interaction Events Based on Multimodal Mutual Orthogonal Projection and Intermodal Consistency Loss 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3343911 PMID:38109247	研究论文	提出基于多模态互正交投影和模态间一致性损失的药物相互作用事件预测新方法	首次引入多模态互正交投影模块消除模态间冗余共同信息，并采用模态间一致性损失确保各模态预测特征的一致性	未明确说明方法在未知药物相互作用预测上的泛化能力	准确预测药物相互作用事件机制	药物相互作用事件	机器学习	NA	多模态数据分析	深度学习	多模态药物数据	NA	NA	多模态互正交投影模块	准确率, AUPR	NA
5076	2025-10-06	Prediction of Drug-Target Interactions With High- Quality Negative Samples and a Network-Based Deep Learning Framework 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3354953 PMID:38227407	研究论文	本文提出了一种基于高质量负样本选择和网络深度学习的药物-靶点相互作用预测方法	发现随机选择负样本的隐藏偏差并提出基于复杂网络理论的负样本选择方法，构建整合多源信息的异质图神经网络预测框架	未明确说明模型的计算复杂度和在实际药物发现中的验证效果	提高药物-靶点相互作用预测的准确性和可靠性	药物分子和蛋白质靶点	机器学习	NA	图神经网络，异质网络分析	图神经网络	网络拓扑数据，基因本体注释，通路注释	NA	NA	异质图神经网络	NA	NA
5077	2025-10-06	Dual Representation Learning for Predicting Drug-Side Effect Frequency Using Protein Target Information 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3350083 PMID:38241108	研究论文	提出一种基于深度学习的药物副作用频率预测模型，利用蛋白质靶点信息等多源异质特征	首次同时利用药物靶蛋白信息、分子图、指纹和化学相似性等多源异质特征，并学习药物和副作用的双重表示向量	对于没有明确靶蛋白的药物预测效果较差，需通过Adaboost方法进行补偿	预测药物副作用频率，评估治疗风险和药物重定位	药物及其副作用	机器学习	NA	深度学习	深度学习	分子图、指纹、化学相似性、蛋白质靶点信息	NA	NA	双重表示学习	NA	NA
5078	2025-10-06	AEGNN-M:A 3D Graph-Spatial Co-Representation Model for Molecular Property Prediction 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368608 PMID:38386576	研究论文	提出一种名为AEGNN-M的3D图-空间协同表示模型，用于准确预测分子性质	结合GAT和EGNN两种图神经网络，同时学习分子图表示和3D空间结构表示	未明确说明模型的计算复杂度或训练时间限制	改进药物开发过程，提高分子性质预测准确性	分子性质预测	机器学习	乳腺癌	计算机辅助药物发现(CADD)	图神经网络(GNN)	分子结构数据	7个公共数据集(3个回归数据集和14个乳腺癌细胞系表型筛选数据集)	NA	GAT, EGNN	NA	NA
5079	2025-10-06	BINDTI: A Bi-Directional Intention Network for Drug-Target Interaction Identification Based on Attention Mechanisms 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375025 PMID:38457318	研究论文	提出了一种基于注意力机制的双向意图网络BINDTI，用于药物-靶点相互作用识别	开发了结合双向意图网络和ACmix混合模型的新型端到端DTI识别框架，能更精确表示药物和蛋白质特征	NA	提高药物-靶点相互作用预测的准确性和效率	药物分子和蛋白质靶点	生物信息学	NA	深度学习	图卷积网络,自注意力机制,卷积神经网络,多层感知机	分子图结构,氨基酸序列	BindingDB、BioSNAP、DrugBank和Human数据集	NA	GCN,ACmix,双向意图网络,多层感知机	准确性	NA
5080	2025-10-06	Property-Guided Few-Shot Learning for Molecular Property Prediction With Dual-View Encoder and Relation Graph Learning Network 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3381896 PMID:38536684	研究论文	提出一种用于分子性质预测的属性引导少样本学习模型PG-DERN	引入双视图编码器整合节点和子图信息，构建关系图学习模块改善信息传播效率，设计属性引导特征增强模块传递相似属性信息	NA	解决药物发现中分子性质预测任务在数据有限场景下的准确性问题	药物分子	机器学习	NA	少样本学习	图神经网络,元学习	分子结构数据	四个基准数据集	NA	双视图编码器,关系图学习网络,MAML	准确率	NA