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
6101	2025-04-25	DualStreamFoveaNet: A Dual Stream Fusion Architecture With Anatomical Awareness for Robust Fovea Localization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445112 PMID:39150813	研究论文	提出一种名为DualStreamFoveaNet的双流融合架构，用于鲁棒的视网膜中央凹定位	引入基于transformer的双流编码器，结合空间注意力机制和自学习解剖信息，显著降低计算成本并提高定位鲁棒性	未明确提及具体局限性	提高视网膜疾病分析中中央凹定位的准确性和鲁棒性	视网膜图像（包括正常和病变图像）	计算机视觉	视网膜疾病	深度学习	transformer架构（DualStreamFoveaNet）	视网膜图像	两个公共数据集和一个大规模私有数据集
6102	2025-04-25	Deep Quasi-Recurrent Self-Attention With Dual Encoder-Decoder in Biomedical CT Image Segmentation 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447689 PMID:39172619	research paper	本文提出了一种用于生物医学CT图像分割的深度准循环自注意力与双编码器-解码器结构的新模型	首创深度准循环自注意力结构，结合双编码器-解码器，通过参数重用实现学习一致性和快速收敛，并有效处理长距离依赖关系	未提及模型在极端噪声或异常解剖结构下的表现，也未讨论计算资源需求	提高生物医学CT图像分割的准确性和效率	生物医学CT图像	digital pathology	NA	deep learning	deep quasi-recurrent self-attention with dual encoder-decoder	CT images	多个公开可用的CT扫描数据集（未提具体数量）
6103	2025-04-25	Advancing Bioactivity Prediction Through Molecular Docking and Self-Attention 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448455 PMID:39178096	研究论文	该研究通过分子对接和自注意力机制提升生物活性预测的准确性	首次将药物-靶标相互作用整合到生物活性预测中，设计了DTIGN网络，并利用自注意力机制识别分子对接结果中的结合口袋和姿态	研究中使用的原生结构数据有限，可能影响模型的泛化能力	提升生物活性预测的准确性，以优化药物发现早期阶段的候选分子筛选	蛋白质-配体复合物	机器学习	NA	分子对接，半监督学习	DTIGN（药物-靶标相互作用图神经网络），多头自注意力机制	蛋白质-配体复合物数据，晶体结构数据库数据	建立了独特的基准数据集，与9种领先的基于深度学习的生物活性预测方法进行了比较
6104	2025-04-25	Transfer Contrastive Learning for Raman Spectroscopy Skin Cancer Tissue Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451950 PMID:39208055	research paper	本文提出了一种转移对比学习范式（TCLP），用于解决拉曼光谱（RS）信号在皮肤癌组织分类中的稀缺性和噪声问题	结合迁移学习和对比学习，利用来自不同RS设备的相似领域数据预训练模型，并通过对比学习增强RS信号以学习可靠的特征表示	未提及具体样本量及噪声水平对模型性能的具体影响	提高拉曼光谱信号在皮肤癌组织分类中的准确性和可靠性	皮肤癌组织	machine learning	skin cancer	Raman spectroscopy (RS)	deep learning	RS signals	NA
6105	2025-04-25	Geometric Molecular Graph Representation Learning Model for Drug-Drug Interactions Prediction 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3453956 PMID:39226203	研究论文	提出了一种基于几何分子图表示学习的模型（Mol-DDI），用于预测药物-药物相互作用	仅考虑分子的共价和非共价键信息，利用大规模模型的预训练思想学习药物分子表示，并在微调过程中预测药物相互作用	难以发现新药的相互作用	预测潜在的药物相互作用，为系统有效的治疗提供药物组合策略	药物分子	机器学习	NA	几何分子图表示学习	Mol-DDI	分子图数据	三个数据集
6106	2025-04-25	DS-MS-TCN: Otago Exercises Recognition With a Dual-Scale Multi-Stage Temporal Convolutional Network 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3455426 PMID:39240747	research paper	该研究提出了一种双尺度多阶段时间卷积网络（DS-MS-TCN），用于识别老年人日常生活中的Otago锻炼项目（OEP），以提高识别准确性和鲁棒性	首次提出通过识别活动的每个重复来增强人类活动识别（HAR）系统的新视角，并设计了一种双尺度多阶段时间卷积网络（DS-MS-TCN）进行两级序列到序列分类	研究样本量较小，实验室环境与家庭环境的数据可能存在差异	提高Otago锻炼项目（OEP）识别的准确性和鲁棒性，以支持老年人的康复训练	社区居住的老年人	human activity recognition	geriatric disease	Inertial Measurement Unit (IMU)	Dual-Scale Multi-Stage Temporal Convolutional Network (DS-MS-TCN)	sensor data	36名老年人在实验室环境中参与，另有7名老年人在家庭环境中进行评估
6107	2025-04-25	MLVICX: Multi-Level Variance-Covariance Exploration for Chest X-Ray Self-Supervised Representation Learning 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3455337 PMID:39240749	research paper	提出了一种名为MLVICX的自监督学习方法，用于从胸部X光图像中学习丰富的表示	引入了一种新颖的多级方差和协方差探索策略，能够有效检测具有诊断意义的模式并减少冗余	NA	提升胸部X光图像的自监督表示学习性能，以支持精准医疗诊断和全面图像分析	胸部X光图像	digital pathology	lung cancer	self-supervised learning (SSL)	NA	image	NIH-Chest X-ray, Vinbig-CXR, RSNA pneumonia, SIIM-ACR Pneumothorax datasets
6108	2025-04-25	DPFNet: Fast Reconstruction of Multi-Coil MRI Based on Dual Domain Parallel Fusion Network 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3446839 PMID:39298305	研究论文	本文提出了一种新的双域并行融合重建网络（DPFNet），用于快速重建多线圈MRI图像，解决了现有方法在重建细节不足和训练内存占用高等方面的问题	提出了一种新的双域并行融合重建网络（DPFNet），包括线圈敏感度图估计模块、双域特征提取模块、双域动态误差校正模块和双域动态融合模块，并引入了新的双域一致性损失函数	未明确提及具体局限性	提高多线圈MRI图像的重建质量和速度	多线圈MRI图像的重建	医学影像处理	脑部疾病	MRI	U-Net	MRI图像和K空间数据	Calgary-Campinas-359脑部MRI数据集
6109	2025-04-25	Rapid and portable quantification of HIV RNA via a smartphone-enabled digital CRISPR device and deep learning 2024-Dec, Sensors and actuators reports IF:6.5Q2 DOI:10.1016/j.snr.2024.100212 PMID:40236689	研究论文	开发了一种基于智能手机的数字CRISPR设备，结合深度学习算法，用于快速便携地定量检测HIV RNA	将CRISPR检测技术与智能手机平台结合，实现了HIV RNA的快速便携定量检测，并应用深度学习算法提高分析准确性	未提及大规模临床验证结果	开发便携式HIV病毒载量监测工具	HIV RNA	生物医学工程	HIV/AIDS	RT-RPA-CRISPR检测技术	深度学习算法	荧光图像	检测灵敏度达到75拷贝HIV RNA
6110	2025-04-25	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2024-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.19.24317595 PMID:39606415	研究论文	提出了一种名为c-Triadem的深度学习模型，用于识别阿尔茨海默病的潜在血液生物标志物，并预测轻度认知障碍和阿尔茨海默病	开发了一种新型的深度神经网络模型c-Triadem，结合基因型数据、基因表达数据和临床信息，以高准确率预测疾病状态，并通过SHAP分析识别关键基因和临床特征	研究依赖于ADNI数据库的数据，可能限制了模型的泛化能力	开发一种能够识别阿尔茨海默病血液生物标志物并预测疾病状态的深度学习模型	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	机器学习	阿尔茨海默病	基因型数据分析、基因表达数据分析、SHAP分析	深度神经网络	基因型数据、基因表达数据、临床数据	来自阿尔茨海默病神经影像学倡议(ADNI)的血液基因型数据、微阵列数据和临床特征
6111	2025-04-25	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	research paper	提出了一种并行卷积对比学习方法（PCCL）用于酶功能预测，以提高预测精度	结合卷积神经网络（CNNs）和对比学习，处理类别不平衡问题，并采用三个并行CNNs充分提取样本特征	未提及具体的数据集规模或多样性限制	提高酶功能预测的精度	酶的功能预测	machine learning	NA	protein language model ESM-2, contrastive learning	CNN	protein sequences	NA
6112	2025-04-25	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	research paper	提出了一种名为CTsynther的端到端深度学习模型，用于单步逆合成预测	在Transformer架构中引入对比学习概念，并在SMILES句子级别使用对比学习语言表示模型，通过混合全局和局部注意力机制捕捉不同原子间的特征和依赖关系	未提及具体的数据集规模限制或模型计算资源需求	解决有机化学和药物合成中的逆合成预测问题	化学分子（通过SMILES表示）	machine learning	NA	对比学习, Transformer	Transformer	text（SMILES字符串）	NA
6113	2025-04-25	GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3459870 PMID:39302806	research paper	提出了一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet	结合BERT预训练和1D CNN，显著提高了m7G位点预测的准确性和计算性能	未提及模型在跨物种或不同RNA类型上的泛化能力	开发高效的m7G位点预测方法以替代传统耗时耗力的实验技术	RNA序列中的N7-甲基鸟苷修饰位点	natural language processing	NA	RNA修饰分析	BERT + 1D CNN	RNA序列数据	未明确说明样本数量
6114	2025-04-25	Improving Antifreeze Proteins Prediction With Protein Language Models and Hybrid Feature Extraction Networks 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3467261 PMID:39316498	研究论文	提出一种名为AFP-Deep的深度学习方法，通过整合预训练蛋白质语言模型和混合特征提取网络来预测抗冻蛋白	利用预训练蛋白质语言模型提取蛋白质序列中的全局上下文特征，并设计混合深度神经网络增强嵌入与抗冻模式之间的相关性	未提及具体的数据集规模或多样性限制	提高抗冻蛋白的预测准确性，以促进仿生合成抗冰材料和低温器官保存材料的开发	抗冻蛋白（AFPs）	机器学习	NA	蛋白质语言模型，混合特征提取网络	深度学习	蛋白质序列	未明确提及样本数量
6115	2025-04-25	A Protein-Context Enhanced Master Slave Framework for Zero-Shot Drug Target Interaction Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3468434 PMID:39331551	研究论文	本文提出了一种蛋白质上下文增强的主从框架（PCMS），用于零样本药物靶点相互作用预测	提出了一种新颖的PCMS框架，能够在新发现的靶蛋白缺乏已知相互作用数据的情况下进行预测	未提及具体的样本量限制或数据集多样性问题	解决零样本条件下药物靶点相互作用预测的挑战	药物与靶蛋白的相互作用	机器学习	NA	深度学习	主从学习框架（Master/Slave Framework）	药物和靶蛋白的特征数据	两个公共数据集
6116	2025-04-25	MMD-DTA: A Multi-Modal Deep Learning Framework for Drug-Target Binding Affinity and Binding Region Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3451985 PMID:39208057	research paper	提出一个多模态深度学习框架MMD-DTA，用于预测药物-靶标结合亲和力及结合区域	通过无监督学习同时预测药物-靶标结合亲和力和结合区域，整合了药物和靶标的序列与结构信息	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	提高药物-靶标结合亲和力及结合区域预测的准确性和泛化能力	药物分子与靶标蛋白的相互作用	machine learning	NA	graph neural networks, target structural feature extraction network	MMD-DTA (multi-modal deep learning framework)	sequence and structural data of drugs and targets	NA
6117	2025-04-25	Virtual Lung Screening Trial (VLST): An In Silico Replica of the National Lung Screening Trial for Lung Cancer Detection 2024-Oct-28, ArXiv PMID:38699170	research paper	该研究通过虚拟肺部筛查试验（VLST）模拟国家肺部筛查试验（NLST），展示了虚拟成像试验（VIT）在加速临床试验、降低受试者风险及优化影像技术应用方面的潜力	首次通过虚拟成像试验平台准确模拟了国家肺部筛查试验（NLST），验证了虚拟试验在临床影像评估中的可行性	虚拟患者样本量相对较小（294例），且仅模拟了两种类型的肺结节	验证虚拟成像试验平台能否准确模拟真实临床试验（如NLST），以评估影像技术在肺癌筛查中的应用	虚拟患者群体（基于XCAT人体模型生成的294例模拟病例）及其模拟的CT和CXR影像	digital pathology	lung cancer	CT和CXR影像模拟技术	AI CT-Reader和AI CXR-Reader（基于深度学习的病灶检测模型）	image	294例虚拟患者（含均质性和异质性肺结节模拟数据）
6118	2025-04-25	Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4889334/v1 PMID:39483897	研究论文	本文探讨了在系统性硬化症（SSc）患者中使用神经网络分析作为皮肤结果的新方法，并与传统方法进行比较	首次将深度学习模型应用于SSc患者的皮肤活检，以量化病理特征，超越了传统的皮肤厚度测量	研究样本量较小（仅10名患者），且试验提前终止，可能影响结果的普遍性	评估belumosudil在SSc患者中的效果，并探索AI在量化SSc皮肤病理特征中的应用	患有弥漫性皮肤SSc的成年患者	数字病理学	系统性硬化症	深度学习	深度学习模型	图像（皮肤活检切片）	10名患者（其中5名有配对活检）
6119	2025-04-25	Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology 2024-Oct-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.22.590118 PMID:38712207	研究论文	本研究提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境细胞组织模式	引入了双层图模型（细胞图和群体图），通过软Weisfeiler-Lehman子树核捕捉患者间的相似性，从而识别具有独特预后的患者亚群和肿瘤微环境模式	方法虽然在乳腺癌患者中验证，但可能在其他癌症类型中的适用性需要进一步验证	开发一种可解释的深度学习方法，识别与预后相关的肿瘤微环境模式	乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	深度学习	双层图模型（细胞图和群体图）	数字病理图像	乳腺癌患者队列（具体数量未提及）及两个独立验证队列
6120	2025-04-25	Computer Vision Identification of Trachomatous Inflammation-Follicular Using Deep Learning 2024-Sep-20, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000003701 PMID:39312712	研究论文	本研究开发并评估了一种基于深度学习的计算机视觉模型，用于识别沙眼性炎症-滤泡（TF），以减少人工评分的资源负担和潜在错误	首次使用MobileNetV3大型深度卷积神经网络对沙眼性炎症-滤泡进行自动分类，显著提高了筛查效率和准确性	需要在具有不同TF流行率的多样化人群中进行进一步验证才能大规模实施	开发一种能够准确高效进行大规模沙眼筛查的自动化系统	0至9岁儿童的56,725张眼睑内翻照片	计算机视觉	沙眼	深度学习	MobileNetV3大型深度卷积神经网络	图像	来自埃塞俄比亚一个沙眼流行地区的11,358名儿童，共56,725张照片