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
1021	2025-07-30	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出了一种基于AMFormer的框架，用于交通事故责任归属的可解释性分析	采用AMFormer（算术特征交互Transformer）框架，通过时空特征建模捕获关键因素间的复杂交互，实现交通事故责任的精确多标签分类，并结合SHAP分析提高透明度	未提及具体的数据集规模或多样性限制	提高交通事故责任归属的准确性和客观性	交通事故责任归属	机器学习	NA	SHAP分析	AMFormer（基于Transformer的深度学习模型）	交通事故特征数据	未明确提及具体样本量，仅提到在真实数据集上实验
1022	2025-07-30	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	本研究开发了深度学习模型，用于自动实时检测和诊断肝脏肿瘤	使用深度学习模型在超声图像上高精度区分良性和恶性病变，并实现实时检测和分类	研究为回顾性队列，可能存在选择偏差	开发自动诊断和检测肝脏病变的深度学习模型	肝脏肿瘤患者	数字病理	肝癌	超声检查	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	图像	1576名患者，4599张图像，6001个病变
1023	2025-07-30	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	建立并验证一个深度学习模型，用于在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度	提出了一种增强的DeepLabv3网络（Dfusion），结合了通道和空间注意力模块、dropout强化的Atrous Spatial Pyramid Pooling以及加权交叉熵损失，以应对类别不平衡问题	研究仅基于回顾性数据，未在实时临床环境中进行验证	开发一个能够在非控制环境下准确分割和分级儿童烧伤创面的深度学习模型	儿童烧伤创面	计算机视觉	烧伤	深度学习	DeepLabv3-ResNet101（Dfusion）	图像	4785张智能手机或相机拍摄的照片，包含14,355个烧伤区域
1024	2025-07-30	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究论文	该研究基于多源数据建模评估母体炎症对婴幼儿早期大脑发育的风险，旨在理解早期发育机制并预防大脑发育障碍	利用深度学习人工智能构建基于'基因-影像-环境-行为'多因素复杂交互作用下的早期大脑发育风险评估模型	样本量相对较小（360对孕妇及其后代），且仅跟踪至3岁	评估母体炎症对婴幼儿早期大脑发育的风险	360对孕妇及其后代	数字病理学	儿科疾病	全外显子测序、神经影像学	深度学习	多源数据（问卷、医疗记录、行为评估、神经影像、血液样本）	360对孕妇及其后代
1025	2025-07-30	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	本文介绍了一种AI驱动的信息系统，用于教育环境中行为识别的公共健康监测	提出了一种结合自适应知识嵌入网络(AKEN)和动态个性化学习策略(DPLS)的新型AI系统，以提高行为识别的准确性和实时性	未提及具体实施中的技术限制或数据集限制	提升教育环境中行为识别的准确性，以改善公共健康监测	教育环境中的学生行为	机器学习	NA	深度学习，强化学习，可解释AI	AKEN, DPLS	行为数据	NA
1026	2025-07-30	Integrating Gene Ontology Relationships for Protein Function Prediction Using PFresGO 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_9 PMID:40728613	研究论文	本文介绍了一种基于注意力机制的深度学习方法PFresGO，用于利用基因本体（GO）图的层次结构预测多种蛋白质功能	PFresGO通过整合基因本体关系，克服了现有方法忽视功能间关系的局限性	NA	开发高效的计算方法进行蛋白质功能注释	蛋白质功能	生物信息学	NA	深度学习	注意力机制模型	基因本体数据	NA
1027	2025-07-30	Machine Learning for Protein Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_2 PMID:40728606	综述	本章全面回顾并分类了基于Gene Ontology (GO)术语的蛋白质功能预测方法	综述了多种蛋白质功能预测方法，包括基于模板检测、统计机器学习、深度学习和组合方法	未提及具体方法的性能比较或实验验证结果	开发高效准确的蛋白质功能预测计算方法	蛋白质功能预测方法	机器学习	NA	NA	统计机器学习、深度学习	NA	NA
1028	2025-07-30	A Survey of Deep Learning Methods and Tools for Protein Binding Site Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_5 PMID:40728609	综述	本文全面回顾了用于预测蛋白质结合位点的深度学习方法和工具	总结了最新的深度学习方法和资源，为研究人员提供了发展AI驱动的蛋白质结合位点预测工具	NA	理解和预测蛋白质与配体的相互作用及其生物学意义	蛋白质结合位点	自然语言处理	NA	深度学习	CNN, GNN	蛋白质序列和结构数据	NA
1029	2025-07-30	Annotating genomes with DeepGO protein function prediction tools 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_10 PMID:40728614	研究论文	本章探讨了DeepGO的演变，这是一套基于深度学习的蛋白质功能预测工具，以基因本体(GO)术语形式呈现，并介绍了其在基因组注释中的应用	介绍了DeepGO不同版本的关键进展，并通过案例研究展示了最新模型DeepGO-SE在细菌基因组注释中的效率和准确性	未明确提及模型的局限性	探索基于深度学习的蛋白质功能预测工具在基因组注释中的应用	蛋白质功能预测工具DeepGO及其在基因组注释中的应用	自然语言处理	NA	深度学习	DeepGO-SE	基因组数据	NA
1030	2025-07-30	A Benchmarking Platform for Assessing Protein Language Models on Function-Related Prediction Tasks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_14 PMID:40728618	research paper	介绍了一个用于评估蛋白质语言模型在功能相关预测任务上的基准平台PROBE	提出了PROBE工具，一个评估蛋白质表示在功能相关预测任务上的基准框架，并展示了其在新用例中的应用	未明确提及具体局限性	评估蛋白质语言模型在功能相关预测任务上的表现	蛋白质语言模型（PLMs）	machine learning	NA	深度学习	ESM2, ESM3, ProstT5, SaProt	序列和结构信息	NA
1031	2025-07-29	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出了一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击	集成了改进的SqueezeNet模型、DCNN和优化的随机混合Lp层，以提高检测准确性并保持计算效率	未提及在更广泛或多样化数据集上的泛化能力	提高IoT环境中Botnet攻击的检测准确性和计算效率	IoT-Bot攻击	机器学习	NA	深度学习	SqueezeNet, DCNN, 随机混合Lp层	入侵检测数据集	大规模入侵检测数据集（具体数量未提及）
1032	2025-07-29	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	research paper	提出了一种无需重新训练、可泛化的深度学习框架PA OmniNet，用于鲁棒的光声图像重建	PA OmniNet通过少量示例图像（上下文集）适应新系统配置，无需重新训练，显著提高了图像重建质量	需要少量示例图像（4到32张）来适应新系统，可能在某些极端情况下性能受限	开发一种无需重新训练、可泛化的深度学习框架，用于稀疏采样光声成像中的图像重建	光声图像	computer vision	NA	光声成像	modified U-net	image	包括小鼠和人类受试者的体内数据、合成数据以及不同波长捕获的图像
1033	2025-07-29	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Sep, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本文通过范围综述，探讨了利用护理数据进行机器学习预测模型在重症监护病房中的应用现状	首次全面分析了护理数据在重症监护病房患者预后预测模型中的使用类型和趋势	仅纳入了截至2023年12月的研究，可能遗漏最新进展；未对模型性能进行定量评估	识别利用护理数据的机器学习模型预测ICU患者健康结局的研究现状	重症监护病房成年患者	医疗健康机器学习	危重症	监督学习、深度学习、神经网络	回归模型、Boosting算法、随机森林	结构化护理数据（护理量表、评估记录、活动记录、护理记录）	纳入151项研究（2004-2023年）
1034	2025-07-29	The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: A preliminary study 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110608 PMID:40602315	研究论文	本文深入研究了数据分区和交叉验证在评估EEG深度学习模型中的作用，并提供了避免数据泄漏的指南	首次全面比较了五种交叉验证设置对EEG深度学习模型性能的影响，并提出了基于主题的交叉验证策略的重要性	研究为初步研究，可能未涵盖所有可能的EEG深度学习模型和数据分区方法	评估数据分区和交叉验证对EEG深度学习模型性能的影响	EEG数据	机器学习	帕金森病, 阿尔茨海默病	EEG	ShallowConvNet, EEGNet, DeepConvNet, Temporal-based ResNet	EEG信号	超过100,000个训练模型
1035	2025-07-29	The artificial intelligence challenge in rare disease diagnosis: A case study on collagen VI muscular dystrophy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110610 PMID:40602312	research paper	本文探讨了人工智能技术在罕见疾病诊断中的应用，特别是针对VI型胶原蛋白相关先天性肌营养不良症的共聚焦显微镜图像分析	展示了即使在有限的数据量下，通过适当的数据管理和训练程序，也能成功开发出高精度的分类器	研究基于特定罕见疾病，结论可能不适用于所有依赖组织学图像诊断的罕见疾病	探索人工智能技术在罕见疾病诊断中的适用性和有效性	VI型胶原蛋白相关先天性肌营养不良症的共聚焦显微镜图像	digital pathology	muscular dystrophy	confocal microscopy	classical machine learning and modern deep learning	image	limited amount of training data
1036	2025-07-29	A deep learning model combining convolutional neural networks and a selective kernel mechanism for SSVEP-Based BCIs 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110691 PMID:40602314	研究论文	提出一种结合卷积神经网络和选择性核机制的新型深度学习模型FBCNN-TKS，用于基于稳态视觉诱发电位的脑机接口	引入时间核选择(TKS)模块，显著增强特征提取能力，并通过扩张和分组卷积减少模型参数，降低过拟合风险	未明确提及具体局限性	开发高性能的SSVEP-BCI字符拼写系统	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	滤波器组技术、卷积神经网络(CNNs)、时间核选择(TKS)模块	FBCNN-TKS（结合CNN和TKS模块的新型深度学习模型）	SSVEP信号数据	在公开数据集Benchmark和BETA上进行测试
1037	2025-07-29	Improving YOLO-based breast mass detection with transfer learning pretraining on the OPTIMAM Mammography Image Database 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110581 PMID:40602320	研究论文	本研究通过迁移学习和图像预处理技术优化YOLO模型，提高小规模专有数据集上乳腺肿块检测的性能	首次系统评估了在OMI-DB数据集上进行迁移学习预训练对YOLOv9模型在乳腺肿块检测中的性能提升效果	研究样本量较小（133张乳腺X光图像），可能影响模型的泛化能力	优化深度学习模型在数据有限的临床应用中乳腺肿块的检测性能	乳腺X光图像中的肿块	计算机视觉	乳腺癌	迁移学习、图像预处理（裁剪和对比度增强）	YOLOv9, YOLOv7	图像	133张乳腺X光图像
1038	2025-07-29	Drug-target interaction/affinity prediction: Deep learning models and advances review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110438 PMID:40609289	综述	本文综述了2016至2025年间用于药物-靶标相互作用/亲和力预测的180种深度学习和图神经网络方法	总结了深度学习和图神经网络在药物-靶标相互作用预测中的最新进展，提供了不同模型的架构和输入表示方法	未提及具体模型的性能比较或实际应用效果	加速药物发现过程，提高药物-靶标相互作用预测的准确性和效率	药物-靶标相互作用和亲和力预测方法	机器学习	NA	深度学习, 图神经网络	深度学习, GNN	分子结构数据, 生物活性数据	分析了180种预测方法
1039	2025-07-29	Radiology report generation using automatic keyword adaptation, frequency-based multi-label classification and text-to-text large language models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110625 PMID:40614511	research paper	该研究提出了一种新颖的深度学习框架，用于生成高质量且可解释的放射学报告，通过自动关键词适应、基于频率的多标签分类和文本到文本的大型语言模型来提高放射学报告的准确性和适应性	研究创新点包括使用透明关键词列表替代传统黑盒特征，引入自动关键词适应机制动态配置多标签分类，以及采用基于频率的多标签分类策略解决关键词不平衡问题	研究未提及在实际临床环境中的部署挑战或模型对新出现临床术语的适应能力	开发一个可解释、准确且适应性强的放射学报告自动生成系统	胸部X光图像及其对应的放射学报告	digital pathology	NA	multi-label classification, text-to-text large language model (LLM)	LLM	image, text	两个公共数据集(IU-XRay和MIMIC-CXR)
1040	2025-07-29	Deep learning framework for cardiorespiratory disease detection using smartphone IMU sensors 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110595 PMID:40614516	研究论文	本研究提出了一种基于智能手机IMU传感器的深度学习框架，用于早期检测心肺疾病	利用智能手机内置的惯性测量单元传感器，通过标准化协议采集五个不同胸腹区域的加速度计和陀螺仪数据，实现非侵入性、低成本的心肺疾病早期检测	需要扩展数据集，改进长期监测方法，并评估在不同临床和家庭环境中的适用性	开发一种创新、可及且成本效益高的心肺疾病筛查解决方案	健康个体和心血管疾病患者（包括瓣膜功能不全、冠状动脉疾病和主动脉瘤等术前患者）	机器学习	心血管疾病	惯性测量单元(IMU)传感器数据采集	双向循环神经网络(BiRNN)	时间序列数据	未明确提及具体样本数量，但采用留一法交叉验证