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
5681	2025-04-23	Multi-Omics Deep-Learning Prediction of Homologous Recombination Deficiency-Like Phenotype Improved Risk Stratification and Guided Therapeutic Decisions in Gynecological Cancers 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3308440 PMID:37616142	研究论文	提出了一种名为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（HRD）表型，以改善风险分层和指导治疗决策	开发了一种新型的多组学整合深度学习框架MODeepHRD，利用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	虽然在不同癌症队列中进行了验证，但可能需要更多样化的数据集以进一步验证其普适性	提高妇科癌症中HRD表型的预测准确性，以指导临床治疗决策	卵巢癌、乳腺癌和子宫内膜癌患者	数字病理学	妇科癌症	转录组学、DNA甲基化和突变数据	卷积注意力自编码器	多组学数据	351名卵巢癌患者用于训练，2133个卵巢癌样本（来自22个数据集）用于验证，并在多中心乳腺癌和子宫内膜癌队列中进一步验证
5682	2025-04-23	HiSIF-DTA: A Hierarchical Semantic Information Fusion Framework for Drug-Target Affinity Prediction 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334239 PMID:37983161	研究论文	提出了一种名为HiSIF-DTA的分层语义信息融合框架，用于药物-靶标亲和力预测	构建了包含低阶结构语义和高阶功能语义的分层蛋白质图，并设计了两种分层融合策略（Top-down和Bottom-Up）来整合不同的蛋白质语义	未明确提及具体限制	提高药物-靶标亲和力预测的准确性	药物-靶标亲和力预测	机器学习	NA	深度学习	分层语义信息融合框架（HiSIF-DTA）	蛋白质序列和结构数据、蛋白质-蛋白质相互作用网络	基准数据集（未明确提及具体数量）
5683	2025-04-23	Decoding Drug Response With Structurized Gridding Map-Based Cell Representation 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3342280 PMID:38090819	研究论文	本研究提出了一种名为DD-Response的新策略，用于预测细胞系药物反应，通过整合多个数据集和开发二维结构化网格图（SGM）表示方法，提高了预测准确性	提出了一种新的细胞系药物反应预测策略DD-Response，通过整合多个数据集、开发二维结构化网格图（SGM）表示方法，并构建了双分支多通道CNN模型，显著提高了预测性能	虽然模型在细胞系药物反应预测上表现优异，但在临床应用方面仍面临挑战	开发一种更全面的方法来预测细胞系药物反应，以促进药物开发、再利用和耐药性逆转	细胞系药物反应机制	机器学习	癌症	深度学习	双分支多通道CNN	结构化网格图（SGM）	整合了多个数据集，具体样本数量未明确说明
5684	2025-04-23	MOPDDI: Predicting Drug-Drug Interaction Events Based on Multimodal Mutual Orthogonal Projection and Intermodal Consistency Loss 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3343911 PMID:38109247	research paper	提出一种基于多模态互正交投影和模态间一致性损失的新方法，用于预测药物相互作用事件	通过多模态互正交投影模块消除模态间的冗余共同信息，并利用模态间一致性损失使各模态的预测特征更加相似	未明确提及具体局限性	准确预测药物相互作用(DDI)事件的机制	药物相互作用事件	machine learning	NA	multimodal mutual orthogonal projection, intermodal consistency loss	deep learning	multimodal data	NA
5685	2025-04-23	Prediction of Drug-Target Interactions With High- Quality Negative Samples and a Network-Based Deep Learning Framework 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3354953 PMID:38227407	研究论文	本文研究了药物-靶标相互作用预测中的高质量负样本选择和基于网络的深度学习框架构建	提出了基于复杂网络理论的负样本选择方法，并开发了整合药物-蛋白质-疾病异质网络拓扑信息和蛋白质GO及通路注释信息的HNetPa-DTI预测方法	未明确提及方法在特定类型药物或靶标上的局限性	提高药物-靶标相互作用预测的准确性	药物-靶标相互作用对	机器学习	NA	异质图神经网络、图神经网络	HNetPa-DTI（整合异质图神经网络和GNN的框架）	网络数据、注释数据	未明确说明具体样本量
5686	2025-04-23	Dual Representation Learning for Predicting Drug-Side Effect Frequency Using Protein Target Information 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3350083 PMID:38241108	research paper	提出了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构特征进行药物嵌入表示学习	首次同时利用药物靶点蛋白信息、分子图、指纹和化学相似性等多源异构特征进行药物嵌入表示学习，并采用Adaboost方法增强对无明确靶蛋白药物的预测能力	对于没有明确靶蛋白的药物预测性能仍有提升空间	预测药物副作用发生频率	药物及其副作用	machine learning	NA	deep learning, Adaboost	dual representation learning model	heterogeneous drug features (target protein information, molecular graphs, fingerprints, chemical similarity)	NA
5687	2025-04-23	AEGNN-M:A 3D Graph-Spatial Co-Representation Model for Molecular Property Prediction 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368608 PMID:38386576	研究论文	本文提出了一种名为AEGNN-M的3D图-空间共表示模型，用于分子性质预测	结合GAT和EGNN两种图神经网络，同时利用分子图表示和3D空间结构表示进行分子性质预测	未提及具体局限性	提高分子性质预测的准确性以加速药物开发过程	分子性质预测	计算机辅助药物设计	乳腺癌	图神经网络	AEGNN-M (结合GAT和EGNN)	分子图和3D空间结构数据	7个公共数据集（包括3个回归数据集和14个乳腺癌细胞系表型筛选数据集）
5688	2025-04-23	Evaluating the Impact of Attention Mechanisms on a Fine-Tuned Neural Network for Magnetic Resonance Imaging Tumor Classification: A Comparative Analysis 2025-Mar, Cureus DOI:10.7759/cureus.80872 PMID:40255713	研究论文	本研究评估了不同注意力机制对基于ResNet50V2的MRI肿瘤分类模型的影响	比较了五种注意力机制在MRI肿瘤分类中的效果，发现SE机制表现最佳	未探索混合注意力机制（如基于Transformer的模型）的应用	评估注意力机制对MRI肿瘤分类模型性能的影响	脑部MRI扫描中的脑膜瘤、胶质瘤、垂体瘤和无肿瘤病例	计算机视觉	脑肿瘤	深度学习	ResNet50V2, SE, CBAM, SA, AGNet	MRI图像	3,096个标注的MRI扫描
5689	2025-04-23	Discovering effect of intuitionistic fuzzy transformation in multi-layer perceptron for heart disease prediction: a study 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2284095 PMID:38013456	research paper	该研究探讨了直觉模糊变换在多感知层神经网络（MLP）中对心脏病预测的影响	论文的创新点在于从特征转换到深度学习的整个过程，特别是使用直觉模糊集（IFS）考虑成员度和非成员度两种不确定性	NA	减少心脏病的风险，通过先进的深度学习算法帮助医生早期诊断	心脏病预测	machine learning	cardiovascular disease	直觉模糊变换和模糊参数转换	MLP	临床参数	NA
5690	2025-04-23	Enhancing drug discovery in schizophrenia: a deep learning approach for accurate drug-target interaction prediction - DrugSchizoNet 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2282951 PMID:38375638	研究论文	本文提出了一种基于深度学习的模型DrugSchizoNet，用于精神分裂症药物靶点相互作用的准确预测	采用LSTM层捕捉药物相互作用的序列特性，并结合OB-MOA优化进行超参数调优，显著提高了预测准确率至98.70%	模型性能依赖于DrugBank和repoDB数据库的数据质量，可能受限于数据覆盖范围	提升精神分裂症药物发现的效率和准确性	药物靶点相互作用数据	机器学习	精神分裂症	深度学习	LSTM	药物相关数据	来自DrugBank和repoDB数据库的药物数据
5691	2025-04-23	DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks 2025-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2291829 PMID:38084744	研究论文	本文提出了一种名为DeepCompoundNet的多模态卷积神经网络模型，用于增强化合物-蛋白质相互作用的预测	整合了蛋白质特征、药物属性和多种相互作用数据，超越了仅依赖氨基酸序列同源性和化学结构相似性的现有方法	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升化合物-蛋白质相互作用的预测准确率	化合物与蛋白质的相互作用	机器学习	NA	多模态卷积神经网络	CNN	分子结构数据、相互作用网络数据	未明确提及具体样本数量
5692	2025-04-23	A fine-tuning deep residual convolutional neural network for emotion recognition based on frequency-channel matrices representation of one-dimensional electroencephalography 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2286918 PMID:38017703	研究论文	本研究提出了一种基于一维脑电图（EEG）信号的频率-通道矩阵（FCM）表示的深度残差卷积神经网络模型，用于情感识别（ER）	结合预训练的深度残差卷积神经网络和迁移学习技术，利用二维数据的FCM表示来自动学习多通道EEG数据的潜在内在特征	未提及具体的数据集局限性或模型泛化能力的讨论	提高基于EEG信号的情感识别系统的自动化和准确性	多通道EEG数据	机器学习	NA	Welch功率谱密度估计，t-SNE策略	深度残差卷积神经网络（ResNet）	一维EEG信号	DEAP数据集上的5折交叉验证
5693	2025-04-23	Neurosurgery inpatient outcome prediction for discharge planning with deep learning and transfer learning 2025-Feb, British journal of neurosurgery IF:1.0Q3 DOI:10.1080/02688697.2022.2151565 PMID:36458628	research paper	本研究探讨了深度学习和迁移学习在预测神经外科住院患者出院时间和出院目的地等住院结果中的应用	使用迁移学习和人工神经网络对自由文本医疗数据进行预测，提高了预测准确性	研究仅基于15个月的数据，样本量相对有限	预测神经外科住院患者的住院结果以辅助出院规划	神经外科住院患者	machine learning	neurosurgery	deep learning, transfer learning	artificial neural network	text	1341例住院患者
5694	2025-04-23	EnsembleSE: identification of super-enhancers based on ensemble learning 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf003 PMID:40251827	research paper	提出了一种基于集成学习的超增强子识别方法EnsembleSE，用于更有效地识别基因调控网络中的超增强子	集成不同模型的优势，提出基于集成策略的模型，增强模型的泛化能力，并设计了一种结合局部结构和全局信息的多角度特征表示方法	需要大量标记数据进行训练，限制了其在生物数据中的进一步应用	提高超增强子识别的准确性和效率，以支持基因调控网络和疾病机制的研究	超增强子（SEs）	machine learning	NA	ensemble learning	ensemble model	sequence data	在小鼠和人类数据集上进行了评估
5695	2025-04-23	All-atom RNA structure determination from cryo-EM maps 2025-Jan, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02149-8 PMID:38396075	research paper	开发了一种名为EMRNA的方法，用于从冷冻电镜图中准确自动地确定全原子RNA结构	EMRNA整合了基于深度学习的核苷酸检测、三维骨架追踪与评分以及考虑序列和二级结构信息的全原子RNA结构构建	NA	解决从冷冻电镜图中确定RNA结构的挑战	RNA结构	结构生物学	NA	冷冻电镜（cryo-EM）	深度学习	冷冻电镜图	140个不同的RNA图，长度从37到423个核苷酸，分辨率为2.0-6.0Å
5696	2025-04-23	Integrative deep learning framework predicts lipidomics-based investigation of preservatives on meat nutritional biomarkers and metabolic pathways 2025, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2023.2295016 PMID:38127336	review	本文综述了防腐剂对肉制品代谢途径和营养生物标志物的影响，并探讨了深度学习在脂质组学预测中的应用	利用深度循环网络和迁移学习的DisoLipPred模型预测蛋白质序列无序区域中氨基酸的脂质结合趋势，为肉制品的代谢途径分析提供了新的方法	传统的肉制品质量评估工具无法阐明防腐剂影响的内在机制和途径	研究防腐剂对肉制品营养和代谢途径的影响，并探索深度学习在食品分析中的应用	肉制品及其营养生物标志物和代谢途径	machine learning	NA	脂质组学、代谢组学、蛋白质组学	深度循环网络、迁移学习、深度神经网络、卷积神经网络、人工神经网络	蛋白质序列、代谢数据	NA
5697	2025-04-23	Transforming physical fitness and exercise behaviors in adolescent health using a life log sharing model 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1562151 PMID:40255372	研究论文	本研究探讨了基于深度学习的生命日志共享模型（LLSM）在通过个性化公共卫生干预增强青少年身体素质和锻炼行为方面的潜力	开发了一种混合时空卷积神经网络-双向长短期记忆（TS-CNN-BiLSTM）模型，整合了多模态生命日志数据的时间、文本和视觉特征，用于分类和预测身体活动行为	未提及具体局限性	通过个性化公共卫生干预增强青少年身体素质和锻炼行为	青少年	机器学习	NA	深度学习	TS-CNN-BiLSTM	多模态生命日志数据（运动类型、持续时间、强度）	两个数据集：Geo-Life Log（带位置数据）和Time-Life Log（不带位置数据）
5698	2025-04-23	RNA secondary structure prediction by conducting multi-class classifications 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.001 PMID:40256169	研究论文	本研究提出了一种通过多类别分类预测RNA二级结构的简单方法，无需复杂的后处理步骤	将RNA二级结构预测视为多个多类别分类问题，避免了复杂的后处理步骤，并引入了数据增强和跨RNA家族评估性能下降缓解方法	未提及具体的数据集规模或模型在特定RNA家族上的局限性	改进RNA二级结构预测的准确性和简化预测流程	RNA二级结构	自然语言处理	NA	深度学习	注意力机制和CNN	RNA序列数据	NA
5699	2025-04-23	Enhancing Gamma Knife Cone-beam Computed Tomography Image Quality Using Pix2pix Generative Adversarial Networks: A Deep Learning Approach 2025 Jan-Mar, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_140_24 PMID:40256180	研究论文	本研究开发了一种改进的Pix2Pix卷积神经网络框架，用于提升锥形束计算机断层扫描（CBCT）图像质量，并减少Hounsfield单位（HU）的变异	使用改进的Pix2Pix生成对抗网络（GAN）框架，将CBCT图像转换为高质量合成CT（sCT）图像，显著提升了图像质量	研究样本量较小（50名患者），可能影响模型的泛化能力	提升CBCT图像质量，使其更接近CT图像，以用于放射外科手术	50名接受伽玛刀治疗的患者	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	Pix2Pix GAN	图像	50名患者的7484张512×512像素的切片图像（40名用于训练，10名用于测试）
5700	2025-04-23	Evaluation of Low-dose Computed Tomography Images Reconstructed Using Artificial Intelligence-based Adaptive Filtering for Denoising: A Comparison with Computed Tomography Reconstructed with Iterative Reconstruction Algorithm 2025 Jan-Mar, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_115_24 PMID:40256183	research paper	本研究评估了基于人工智能的自适应滤波去噪技术在低剂量计算机断层扫描（CT）图像重建中的应用，并与迭代重建算法进行了比较	首次比较了AI去噪工具PixelShine与迭代重建算法在不同低剂量条件下的图像质量，发现AI在33%标准剂量下表现更优	研究样本量有限（85例），且为回顾性研究	评估AI去噪技术在低剂量CT图像重建中的诊断价值	低剂量CT图像	digital pathology	NA	低剂量CT扫描	deep learning	medical image	85例CT扫描病例（32例FBP重建，53例IR重建）