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
6221	2025-10-06	Proteomizer: Leveraging the Transcriptome-Proteome Mismatch to Infer Novel Gene Regulatory Relations 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.22.660946 PMID:40666834	研究论文	开发了深度学习平台Proteomizer，通过转录组和miRNome数据推断蛋白质组景观	首次系统评估蛋白质组化模型的生物学相关性、局限性和可解释性，利用转录组-蛋白质组不匹配推断新的基因调控关系	性能增益不能推广到未见组织类型或使用不同协议生成的数据集	解决转录组与蛋白质组相关性低的问题，开发多组学整合工具	基因调控关系，转录组-蛋白质组不匹配	机器学习	NA	转录组测序，蛋白质组分析，miRNome分析	深度学习	转录组数据，蛋白质组数据，miRNome数据	8,613个匹配的Tx-Mx-Px样本（来自TCGA和CPTAC）	NA	NA	相关系数，p值精度，ROC-AUC	NA
6222	2025-10-06	Deep Learning Transforms Phage-Host Interaction Discovery from Metagenomic Data 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.26.656232 PMID:40666868	研究论文	开发了深度学习框架PHILM，直接从宏基因组数据中预测噬菌体-宿主相互作用	首次使用深度学习直接从宏基因组分类谱预测噬菌体-宿主相互作用，相比传统方法灵敏度更高	NA	改进从宏基因组数据中推断噬菌体-宿主相互作用的方法	噬菌体与宿主微生物的相互作用	机器学习	NA	宏基因组测序	深度学习	宏基因组分类谱数据	7,016个健康人粪便样本	NA	NA	灵敏度, 判别能力	NA
6223	2025-10-06	On the use of generative models for evolutionary inference of malaria vectors from genomic data 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.26.661760 PMID:40667127	研究论文	本研究使用生成模型从基因组数据推断撒哈拉以南非洲疟疾媒介蚊的进化历史	采用创新的生成式深度学习算法推断蚊群联合进化历史，并开发了新的模型选择方法	研究主要关注几内亚和布基纳法索的蚊群样本，地理范围有限	理解疟疾媒介蚊的种群关系和进化历史，以协助疟疾控制干预	撒哈拉以南非洲的疟疾媒介蚊，特别是几内亚和布基纳法索的蚊群样本	机器学习	疟疾	基因组数据分析	生成模型	基因组数据	几内亚和布基纳法索的两个蚊群种群	NA	NA	种群遗传分化	NA
6224	2025-10-06	Accurate Prediction of ecDNA in Interphase Cancer Cells using Deep Neural Networks 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.23.661188 PMID:40667255	研究论文	开发基于深度学习的工具interSeg，用于从间期FISH图像准确预测癌基因扩增状态	首次开发能够从间期细胞FISH图像中区分染色体外DNA扩增和染色体扩增的深度学习方法	NA	开发准确预测间期癌细胞中ecDNA扩增状态的计算方法	癌细胞间期FISH图像	数字病理学	癌症	荧光原位杂交(FISH)	深度学习神经网络	图像	652张训练图像(40,446个细胞核)，215张测试图像(9,733个细胞核)，67个神经母细胞瘤患者组织样本(1,937个细胞核)	NA	NA	准确率	NA
6225	2025-10-06	A Two-Branch ResNet-BiLSTM Deep Learning Framework for Extracting Multimodal Features Applied to PPG-Based Cuffless Blood Pressure Estimation 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133975 PMID:40648231	研究论文	提出一种结合ResNet和BiLSTM的双分支深度学习框架，用于基于光电容积脉搏波的无袖带血压估计	提出新型趋势特征，并设计双分支框架分别处理手工特征和完整波形，平衡深度学习能力与可解释性	仅使用MIMIC-IV数据集中的220个波形段，样本量相对有限	开发无袖带血压监测方法以实现心血管疾病的连续监测	218名患者的220个光电容积脉搏波波形段	机器学习	心血管疾病	光电容积脉搏波	CNN, LSTM	波形信号	218名患者的220个波形段	NA	ResNet, BiLSTM	平均绝对误差, 标准差	NA
6226	2025-10-06	Sensor-Based Automatic Recognition of Construction Worker Activities Using Deep Learning Network 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133988 PMID:40648243	研究论文	本研究利用深度学习技术自动识别建筑工人的活动行为	提出结合LSTM和BiLSTM层的深度学习架构，在建筑工人活动识别中实现高精度分类	仅使用5名建筑工人的数据，样本规模有限	通过自动检测人类活动提供决策支持框架，减少生产力损失并提高时间和成本效率	建筑工人的施工相关活动	机器学习	NA	传感器数据采集	LSTM, BiLSTM	传感器数据（加速度、位置）	5名建筑工人，11个身体部位，6种不同的施工活动	NA	LSTM, BiLSTM	准确率	NA
6227	2025-10-06	Towards Predictive Communication: The Fusion of Large Language Models and Brain-Computer Interface 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133987 PMID:40648241	观点文章	探讨非侵入性脑机接口拼写器与大型语言模型融合在预测性通信领域的应用前景	首次系统性地探讨LLMs与BCI拼写器的融合潜力，提出通过概率语言生成框架增强神经解码输出的创新思路	实时处理能力不足、噪声鲁棒性差、神经解码输出与语言生成框架整合不完善	开发面向运动或语言障碍患者的预测性通信辅助技术	运动障碍患者、语言障碍患者、临床和非临床用户	脑机接口	运动障碍、语言障碍	非侵入性脑机接口、深度学习	大型语言模型	神经信号、文本数据	NA	NA	深度学习架构	打字速度、准确率、用户适应性	NA
6228	2025-10-06	A Novel Cooperative AI-Based Fall Risk Prediction Model for Older Adults 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133991 PMID:40648247	研究论文	提出一种新型协同AI模型用于预测老年人跌倒风险	结合基于模糊逻辑的生命体征模型和基于深度信念网络的日常活动模型，通过元模型整合预测结果	NA	开发精准的跌倒风险预测模型以改善老年人独立生活能力	老年人	机器学习	老年疾病	电子健康技术	模糊逻辑, 深度信念网络	生命体征数据, 日常活动数据	NA	NA	深度信念网络	灵敏度, 特异度, 准确率	NA
6229	2025-10-06	FedeAMR-CFF: A Federated Automatic Modulation Recognition Method Based on Characteristic Feature Fine-Tuning 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25134000 PMID:40648256	研究论文	提出一种基于特征微调的联邦自动调制识别方法，解决数据隐私和通信开销问题	首次将基于距离度量的特征筛选与联邦学习相结合，通过特征微调缓解数据非独立同分布问题	实验验证仅限于特定数据集，未涉及实际部署中的通信延迟和设备异构性问题	开发隐私保护的自动调制识别方法	无线通信中的调制信号	机器学习	NA	深度学习	深度学习模型	调制信号数据	NA	FedAvg	NA	识别准确率	NA
6230	2025-10-06	Emotion Recognition from rPPG via Physiologically Inspired Temporal Encoding and Attention-Based Curriculum Learning 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133995 PMID:40648252	研究论文	提出一种基于生理启发的深度学习框架，通过远程光电容积描记术进行情绪识别	提出多尺度时间动态编码器、自适应稀疏注意力机制、门控时间池化和结构化课程学习策略，专门针对rPPG信号的时间稀疏性和噪声问题	仅使用时间心血管分析的单一模态在效价识别上表现较低，存在生理学局限性	通过远程光电容积描记术改进情绪识别性能	27名受试者的527个会话数据	情感计算	NA	远程光电容积描记术	深度学习	生理信号	27名受试者，527个会话	NA	多尺度时间动态编码器,自适应稀疏α-Entmax注意力,门控时间池化	准确率,加权F1分数	NA
6231	2025-10-06	Whole-Body 3D Pose Estimation Based on Body Mass Distribution and Center of Gravity Constraints 2025-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s25133944 PMID:40648200	研究论文	提出一种基于人体质量分布和重心约束的全身3D姿态估计方法	首次将人体质量分布和重心约束整合到Transformer架构中，通过力矩合成方法计算分段重心	NA	解决单目图像中人体3D姿态估计的深度模糊和自遮挡问题	人体全身3D姿态	计算机视觉	NA	3D姿态估计	Transformer	图像	Human 3.6M WholeBody数据集	NA	Transformer	MPJPE（平均关节位置误差）	NA
6232	2025-10-06	AI-Powered Mobile App for Nuclear Cataract Detection 2025-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s25133954 PMID:40648211	研究论文	开发了一款基于深度学习的Android移动应用程序，用于通过眼部图像检测核性白内障	首次将多阶段分类方法集成到移动应用中，能够实时分析眼部图像并基于LOCS III量表评估白内障严重程度	仅针对核性白内障类型，且依赖于特定设备采集的图像数据	开发准确、实时的白内障检测和严重程度分级移动应用	核性白内障患者的眼部图像	计算机视觉	眼科疾病	裂隙灯成像	CNN	图像	来自核性白内障生物医学和机器学习应用数据库的临床标注图片	NA	VGG16, ResNet50, VGG11, ResNet18, MobileNetV2, EfficientNet-B0	准确率	移动设备部署优化
6233	2025-10-06	Enhancing Multi-User Activity Recognition in an Indoor Environment with Augmented Wi-Fi Channel State Information and Transformer Architectures 2025-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s25133955 PMID:40648212	研究论文	提出一种结合信号预处理、数据增强和CNN-Transformer混合模型的深度学习方法，用于增强室内环境中基于Wi-Fi信道状态信息的多用户活动识别	提出随机变换技术增强真实CSI数据，结合统计、频谱和熵特征的混合特征提取方法，以及定制化的CNN-Transformer混合架构	在复杂多用户环境中标记数据稀缺的问题尚未完全解决，模型在更广泛场景下的泛化能力仍需验证	解决多用户活动识别中的数据稀缺、类别不平衡和泛化能力差等挑战	基于Wi-Fi信道状态信息的人类活动识别	机器学习	NA	Wi-Fi信道状态信息	CNN, Transformer	无线信号数据	NA	NA	CNN, Transformer	NA	NA
6234	2025-10-06	Artificial Intelligence in the Management of Hereditary and Acquired Hemophilia: From Genomics to Treatment Optimization 2025-Jun-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26136100 PMID:40649878	综述	本文探讨人工智能在遗传性和获得性血友病管理中的应用，涵盖从基因组学到治疗优化的多个方面	将人工智能技术系统性地应用于血友病管理，整合基因组数据、医学影像和临床信息实现精准医疗	数据标准化问题和伦理考量可能限制其广泛应用	研究人工智能如何改善血友病的诊断、治疗和疾病管理	遗传性血友病和获得性血友病患者	医疗人工智能	血友病	基因组学、医学影像分析	机器学习、深度学习	基因组数据、医学影像、临床数据	NA	NA	NA	NA	NA
6235	2025-10-06	Aneurysm Analysis Using Deep Learning 2025-Jun-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.19.25328680 PMID:40666317	研究论文	本研究提出了一种结合预训练神经网络和专家系统的自动化方法，用于动脉瘤边界划分和体积计算	在无像素级标注的数据集上，通过预训练UNet定位主动脉，SAM2跟踪血管异常，LSTM或专家系统识别动脉瘤起止点，实现了高精度的动脉瘤体积测量	数据集仅包含切片级别的起止点标注，缺乏像素级的主动脉分割标注	开发自动化动脉瘤体积测量方法以改善临床风险评估和治疗规划	60名患者的动脉瘤医学影像数据	医学影像分析	心血管疾病	医学影像分析	UNet, LSTM, 专家系统	医学影像	60名患者	NA	UNet, LSTM	R分数	NA
6236	2025-10-06	Multimodal Deep Learning for Stage Classification of Head and Neck Cancer Using Masked Autoencoders and Vision Transformers with Attention-Based Fusion 2025-Jun-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17132115 PMID:40647415	研究论文	本研究提出一种多模态深度学习框架，通过整合临床和影像数据改进头颈癌AJCC分期分类	采用基于VGG16的掩码自编码器进行自监督视觉特征学习，结合注意力机制（CBAM和BAM），并通过注意力加权融合网络整合图像和临床特征	NA	提升头颈鳞状细胞癌的AJCC分期准确性以支持治疗规划	头颈鳞状细胞癌患者	计算机视觉	头颈癌	放射组学	自编码器, Transformer	影像数据, 临床数据	HNSCC和HN1数据集	NA	VGG16, 掩码自编码器, 视觉Transformer	准确率, AUC	NA
6237	2025-10-06	Adaptive Sampling Framework for Imbalanced DDoS Traffic Classification 2025-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s25133932 PMID:40648189	研究论文	提出一种自适应采样框架用于解决DDoS流量分类中的类别不平衡问题	结合过采样和欠采样技术提出自适应采样策略，在数据层面处理类别不平衡	仅在测试条件下验证了性能，实际部署效果需要进一步验证	提高不平衡DDoS流量数据中少数类攻击的检测性能	DDoS网络流量数据	机器学习	NA	自适应采样技术	NA	网络流量数据	基准DDoS流量数据集	NA	NA	准确率,召回率,F1分数	NA
6238	2025-10-06	A Hybrid Compact Convolutional Transformer with Bilateral Filtering for Coffee Berry Disease Classification 2025-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s25133926 PMID:40648184	研究论文	提出一种结合双边滤波的混合紧凑卷积变换器用于咖啡浆果疾病分类	首次将紧凑卷积变换器应用于咖啡浆果疾病分类，结合双边滤波预处理和传统分类器，实现轻量级高性能检测	仅针对咖啡浆果疾病，数据集规模有限（1737张图像）	开发轻量准确的咖啡浆果疾病自动分类系统	咖啡浆果图像（健康和患病）	计算机视觉	植物疾病	双边滤波，颜色分割	CCT, MLP, SVM, Decision Tree	图像	1737张咖啡浆果图像	NA	Compact Convolutional Transformer, Multilayer Perceptron	准确率, 灵敏度, AUC	NA
6239	2025-10-06	MAK-Net: A Multi-Scale Attentive Kolmogorov-Arnold Network with BiGRU for Imbalanced ECG Arrhythmia Classification 2025-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s25133928 PMID:40648186	研究论文	提出MAK-Net混合深度学习框架用于不平衡ECG心律失常分类	结合多尺度卷积、通道注意力机制、双向门控循环单元和可学习样条激活的Kolmogorov-Arnold网络层	NA	解决真实世界ECG数据集中严重的类别不平衡问题，提高心律失常分类的召回率和F1分数	心电图信号	机器学习	心血管疾病	ECG信号分析	CNN, BiGRU, KAN	时序信号数据	MIT-BIH心律失常数据库	NA	多尺度卷积模块, 双向门控循环单元, Kolmogorov-Arnold网络	准确率, F1分数, 召回率, 精确率, 特异性	NA
6240	2025-10-06	Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.24.25330211 PMID:40666360	研究论文	提出一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级新冠病例和死亡人数的预测	开发多级多尺度注意力机制进行自适应时频分析，并融合社交媒体情感分析数据来捕捉时空动态	仅针对Omicron变异株的三波疫情进行验证，未测试其他变异株或传染病	提高传染病大流行趋势预测的准确性	美国县级新冠病例和死亡数据	机器学习	COVID-19	社交媒体情感分析，多源数据融合	Transformer	时间序列数据，社交媒体数据	2021年12月至2023年2月期间三波Omicron变异株疫情数据	NA	Transformer	县级一致性准确率	NA