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
1041	2026-05-30	Synthetic Diffusion Tensor Imaging Maps Generated by 2D and 3D Probabilistic Diffusion Models: Evaluation and Applications 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639511 PMID:40060678	研究论文	评估2D和3D概率扩散模型生成的合成扩散张量成像图的质量及其在数据增强和下游任务中的应用	首次系统比较2D切片级和3D体积级扩散模型在合成DTI平均扩散率图的质量、效率和下游任务性能，发现3D合成在下游任务中优于2D	NA	评估2D和3D扩散概率模型生成的合成DTI图像的质量、保真度及其在性别分类和痴呆分类等下游任务中的增值效用	合成的DTI平均扩散率图，以及用于性别分类和痴呆分类的2D和3D卷积神经网络	机器视觉, 数字病理	痴呆症	扩散张量成像	概率扩散模型, 卷积神经网络	图像	NA	NA	2D和3D卷积神经网络	图像质量、保真度、计算效率、下游任务性能	NA
1042	2026-05-30	Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images 2025, American journal of nephrology IF:4.3Q1 DOI:10.1159/000546131 PMID:40388893	研究论文	利用深度学习自动分类肾活检电子显微镜图像中电子致密沉积物的位置	开发了一个基于ResNet18的深度学习平台，能够自动识别肾小球内电子致密沉积物的四种位置类型（系膜、上皮下、膜内、内皮下），并且其性能超过了经验丰富的综合肾病理学家，同时提供了一个网络平台供用户上传图像并获取预测概率	研究未明确提及局限性	开发一个基于深度学习的平台，用于自动分类肾活检电子显微镜图像中电子致密沉积物的位置，以提高效率和一致性	肾活检电子显微镜图像中的电子致密沉积物	计算机视觉, 数字病理学	肾脏疾病	电子显微镜	CNN	图像	4303张电子显微镜图像，来自1039例肾活检	PyTorch	ResNet18	AUC, 准确率, Cohen's Kappa	NA
1043	2026-05-30	MPCD: A Multitask Graph Transformer for Molecular Property Prediction by Integrating Common and Domain Knowledge 2024-12-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02193 PMID:39620982	研究论文	提出MPCD多任务图变换器模型，通过整合通用知识与领域知识提升分子性质预测性能	通过领域知识对齐预训练与微调优化目标，结合多任务学习提高数据利用率和模型鲁棒性，并采用关系感知自注意力机制全面捕获分子局部与全局结构	NA	提升分子性质预测中深度学习模型的迁移性能和数据利用率	分子化合物的吸收、分布、代谢、排泄和毒性及物理化学性质预测	机器学习	NA	NA	图变换器	分子结构数据	NA	NA	图变换器	NA	NA
1044	2026-05-30	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	提出一种基于混合相似度特征选择与级联深度最大输出模糊网络的模型，用于通过EEG信号检测自闭症谱系障碍	将深度最大输出网络与级联神经模糊系统整合，形成级联深度最大输出模糊网络；采用混合相似度度量（堪培拉距离和Kumar-Hassebrook距离）进行特征选择	未在论文标题和摘要中明确提及	通过EEG信号和深度学习模型实现自闭症谱系障碍的早期、低成本且准确的诊断	自闭症谱系障碍患者及健康对照人群的EEG信号数据	机器学习	自闭症谱系障碍	EEG信号采集	级联深度最大输出模糊网络	EEG信号数据	使用了EEG数据集和BCIAUT_P300数据集，但未具体说明样本数量	NA	级联深度最大输出网络、混合级联神经模糊系统	准确率、阴性预测值、阳性预测值、真阴性率、真阳性率	NA
1045	2026-05-30	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	提出一种基于机器学习的计算方法，用于预测植物基因组中非生物胁迫响应的环状RNA	首次开发基于机器学习的模型用于预测非生物胁迫响应的circRNA，并整合为在线预测工具AScirRNA	NA	开发预测植物非生物胁迫响应circRNA的计算方法，助力培育抗逆作物品种	植物基因组中的非生物胁迫响应环状RNA	机器学习	植物非生物胁迫	NA	XGBoost, LightGBM	序列数据	NA	Scikit-learn	XGBoost, LightGBM	准确率, auROC, auPRC	NA
1046	2026-05-30	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	提出一种基于MLP-Attention和FCM-GRNN欠采样技术的赖氨酸巴豆酰化位点鉴定模型ILYCROsite	首次结合模糊聚类与广义神经网络的FCM-GRNN欠采样技术处理不平衡数据，并采用MLP叠加自注意力机制进行预测	未明确讨论模型在不同物种或更大规模数据集上的泛化能力，且依赖单一特征编码策略可能遗漏关键信息	开发一种基于深度学习的赖氨酸巴豆酰化位点鉴定方法，以提高预测性能并解决传统机器学习处理非组蛋白位点的局限性	蛋白质序列中的赖氨酸巴豆酰化位点	机器学习	NA	特征提取（氨基酸组成、K-mer、基于距离的残基特征）、FCM-GRNN欠采样、MLP-Attention	MLP、注意力机制（自注意力）	序列数据	未明确说明具体样本数量，但包含巴豆酰化和非巴豆酰化序列	NA	MLP、自注意力机制	AUC	NA
1047	2026-05-30	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	开发基于智能手表心电图和人工智能的算法，用于预测终末期肾病患者的血清钾水平	首次利用智能手表单导联心电图数据，通过深度学习模型预测血清钾水平，并验证了其在远程监测高钾血症中的实用性	NA	开发用于预测终末期肾病患者血清钾水平的人工智能心电图算法	终末期肾病患者	机器学习	高钾血症，慢性肾脏病，终末期肾病	心电图	深度学习模型	心电图波形	152,508名患者的293,557份配对心电图与血清钾数据，以及1,463名终末期肾病患者的4,337份心电图	NA	Kardio-Net	AUC，平均绝对误差	NA
1048	2026-05-30	Comprehensive review of literature on Parkinson's disease diagnosis 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	对帕金森病诊断文献进行全面综述，分析50篇文章中使用的不同模态（图像、信号、数据）及机器学习方法	系统分类多模态帕金森病诊断文献，分析数据集、仿真工具及性能指标，并识别研究空白与挑战	未明确列出具体方法或数据集的性能比较细节，且限于已选择的50篇文章	综述帕金森病诊断中不同模态（图像、信号、数据）的机器学习与深度学习方法	50篇关于帕金森病诊断的文章，涵盖不同数据模态	机器学习	帕金森病	NA	机器学习、深度学习	图像、信号、数据	50篇文章	NA	NA	多个性能指标（未具体列出）	NA
1049	2026-05-30	DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108201 PMID:39255626	研究论文	提出了一种基于堆叠深度学习协同梯度分解的双通道卷积模型，用于预测miRNA与疾病关联	创新性地结合堆叠深度学习与梯度分解网络，以及双通道卷积神经网络，从相似性网络中挖掘潜在特征	未明确说明，但可能依赖HMDD数据库的完整性和准确性	预测miRNA与疾病的潜在关联，深化对发病机制的理解	miRNA与疾病之间的关联关系	机器学习	多种人类疾病（未特指）	NA	CNN, 多层感知器	网络数据（相似性网络、关联网络）	基于HMDD数据库的两个数据集	NA	双通道卷积神经网络, 多层感知器	准确率、AUC等（未具体列出）	NA
1050	2026-05-30	Artificial intelligence for human gunshot wound classification 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100361 PMID:38234590	研究论文	探索使用深度学习模型对数字彩色图像中的枪弹射入口和射出口进行分类的可行性	代表人工智能在法医病理学领域的首批应用之一，证实深度学习模型能够高准确度区分数码图像中的射入口和射出口	NA	评估利用深度学习模型自动分类枪弹射入口和射出口的可行性	枪弹射入口和射出口的数字彩色图像	计算机视觉	NA	NA	ConvNext Tiny 深度学习模型	图像	训练/验证集：2028张射入口图像和1314张射出口图像；测试集：415张射入口图像和293张射出口图像	Fastai	ConvNext Tiny	准确率, 精确率, 召回率, F1分数	NA
1051	2026-05-30	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	通过构建多任务深度学习模型MT-TopLap，预测SARS-CoV-2 RBD突变对不同物种ACE2的结合自由能变化，识别增强人畜交叉传播的关键突变	首次通过多任务深度学习模型同时预测SARS-CoV-2 RBD突变对多种动物宿主ACE2的结合影响，揭示人畜交叉传播的潜在突变机制	NA	识别增强SARS-CoV-2人畜交叉传播的RBD突变，评估病毒在动物宿主适应后增强人类传染性的风险	SARS-CoV-2的受体结合域（RBD）突变及其对跨物种传播的影响	机器学习	新型冠状病毒病（COVID-19）	深度突变扫描	多任务深度学习模型	突变扫描数据	包含人类、猫、蝙蝠、鹿和仓鼠多个物种的深度突变扫描数据集	NA	MT-TopLap	NA	NA
1052	2026-05-30	Mesoscopic structure graphs for interpreting uncertainty in non-linear embeddings 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109105 PMID:39265479	研究论文	提出一种名为ManiGraph的节点链接可视化技术，用于解释非线性降维中的不确定性	通过构建动态介观结构图并测量区域自适应可信度，重新审视高维和低维空间之间的邻域保真度，同时解决大规模数据集散点图可视化中的过度绘制问题	文中未明确提及局限性	解决概率非线性降维方法中由于全局与局部结构保持的权衡以及计算随机性导致的失真错误和误导可视化问题	非线性降维结果中的不确定性	机器学习, 计算机视觉, 计算生物学	结直肠癌	单细胞RNA测序	概率非线性降维模型（t-SNE, UMAP）	图像, 文本	使用Fashion-MNIST、单细胞RNA测序数据集和Histopathology-MNIST进行案例分析	NA	ManiGraph	区域自适应可信度	NA
1053	2026-05-30	Improving deep learning-based automatic cranial defect reconstruction by heavy data augmentation: From image registration to latent diffusion models 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109129 PMID:39265478	研究论文	使用数据增强技术改进基于深度学习的颅骨缺损自动重建方法	首次系统比较多种数据增强技术，包括经典几何变换、图像配准、变分自编码器、生成对抗网络和潜在扩散模型，并证明潜在扩散模型结合向量量化变分自编码器在生成增强策略中表现最优	未提及具体限制	提高深度学习颅骨缺损自动重建方法的泛化能力，使其适用于真实临床场景	颅骨缺损患者	数字病理学，计算机视觉	颅骨损伤	CT成像	深度学习模型	图像	SkullBreak和SkullFix数据集	PyTorch	变分自编码器，生成对抗网络，潜在扩散模型，向量量化变分自编码器	Dice系数	NA
1054	2026-05-30	SpeechBrain-MOABB: An open-source Python library for benchmarking deep neural networks applied to EEG signals 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109097 PMID:39265481	研究论文	介绍 SpeechBrain-MOABB，一个用于深度神经网络在脑电图信号上基准测试的开源 Python 库	该工具包引入了完整的实验协议，标准化了超参数搜索和模型评估等关键阶段，原生支持多步超参数搜索和多种子训练评估，以增强结果稳健性	未明确提及局限性，但可能包括对特定数据集或网络架构的通用性限制	提供基于深度学习的综合脑电图解码流水线开发工具，解决可重复性危机	脑电图信号解码任务	机器学习	NA	EEG 信号处理	深度神经网络	脑电图信号	NA	Python, SpeechBrain, MOABB, braindecode	NA	准确率	NA
1055	2026-05-30	FvFold: A model to predict antibody Fv structure using protein language model with residual network and Rosetta minimization 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109128 PMID:39270460	研究论文	提出FvFold模型，利用ProtT5-XL-UniRef50蛋白质语言模型结合残差网络和Rosetta最小化，预测抗体Fv结构	首次将ProtT5-XL-UniRef50蛋白质语言模型与残差网络及Rosetta最小化相结合用于抗体Fv结构预测，在多个基准测试中实现更低的RMSD和OCD值	未提及具体局限性	提高抗体Fv结构预测的准确性，特别是针对互补决定区（CDRs）和整体Fv区域	抗体可变片段（Fv）结构	机器学习	癌症	蛋白质语言模型	残差网络	蛋白质结构数据	NA	Rosetta	ProtT5-XL-UniRef50, Residual Network	RMSD（均方根偏差）, OCD（方向坐标距离）	NA
1056	2026-05-30	CT perfusion parameter estimation in stroke using neural network with transformer and physical model priors 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109134 PMID:39278163	研究论文	提出一种结合Transformer和物理模型先验的深度学习网络CTPerformer-Net，用于CT灌注参数估计	首次将Transformer模型和物理先验（一致性先验、平滑性先验、物理模型先验）结合用于CT灌注参数估计	在真实临床数据上的梗死核心分割Dice系数仅为0.36，性能仍有提升空间	利用深度学习方法改进CT灌注参数估计的准确性和鲁棒性	急性缺血性卒中患者的CT灌注图像及物理模型生成的仿真数据集	计算机视觉, 医学影像分析	急性缺血性卒中	CT灌注成像	Transformer	图像（CT灌注序列图像）	仿真数据集（未说明具体样本量）和ISLES 2018挑战数据集中的103幅真实CTP图像	NA	Transformer（CTPerformer-Net）	相关系数, 系统误差, 随机误差, Dice系数	NA
1057	2026-05-30	Visual interpretation of deep learning model in ECG classification: A comprehensive evaluation of feature attribution methods 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109088 PMID:39353296	研究论文	对心电图分类中深度学习模型的特征归因方法进行全面评估	首次大规模评估11种流行特征归因方法在五个大型心电图数据集上的表现，并结合自动评估和人类专家评估	特征归因方法在17种不同诊断中的有效性存在差异	确定适用于心电图数据集的合适特征归因方法	基于ResNet-18架构的深度学习模型	计算机视觉、机器学习	心血管疾病	深度学习模型	CNN	心电图信号数据	五个大型心电图数据集	PyTorch	ResNet-18	自动评估指标、人类专家评估	NA
1058	2026-05-30	3DECG-Net: ECG fusion network for multi-label cardiac arrhythmia detection 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109126 PMID:39255656	研究论文	提出3DECG-Net深度学习模型，用于通过12导联心电图融合数据进行多标签心律失常检测	采用递归图技术将12导联心电信号转换为3D数据，并结合残差架构与多头注意力机制，实现七种心脏状态的准确分类	未明确说明，但可能包括模型泛化能力验证不足或数据集的局限性	开发一种自动化心电图分析方法，用于多标签心律失常检测，提高诊断效率	七种不同心脏状态的心律失常检测	数字病理学	心血管疾病	心电图（ECG）	深度学习模型（残差网络与多头注意力机制）	心电图信号	未明确说明	PyTorch	残差网络，多头注意力机制	微平均F1分数（micro F1-score）	未明确说明
1059	2026-05-30	Siamese based deep neural network for ADHD detection using EEG signal 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109092 PMID:39255658	研究论文	利用基于孪生网络的深度神经网络通过脑电图信号检测儿童注意缺陷多动障碍	首次将孪生卷积神经网络用于基于EEG功率谱密度脑图的ADHD检测，并结合Grad-CAM可解释AI方法识别关键特征脑区	NA	利用深度学习技术分析儿童EEG信号的功率谱密度脑图，实现ADHD的自动检测	儿童注意缺陷多动障碍患者与健康对照组的EEG信号	机器学习	注意缺陷多动障碍	EEG	CNN	图像	NA	NA	Siamese CNN	准确率	NA
1060	2026-05-30	Can generative AI replace immunofluorescent staining processes? A comparison study of synthetically generated cellpainting images from brightfield 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109102 PMID:39255659	研究论文	评估生成式AI替代免疫荧光染色过程的可行性，比较五种基于不同骨干网络的IF图像生成模型	提出了一套全面的分析流程来评估生成器在IF图像合成中的效能，并系统比较了CNN、GAN和扩散模型三种类型的生成骨干网络	模型泛化性、批次效应、特征相关性和计算成本等问题仍需进一步研究和验证	对比并确定最佳性能的IF图像生成模型，分析生成式AI替代免疫荧光染色过程的潜力	从明场图像合成免疫荧光图像的生成模型	计算机视觉	不适用	生成式AI、深度学习	CNN, GAN, 扩散模型	图像	公开数据集	NA	CNN, GAN, 扩散模型	NA	NA