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
10781	2025-04-23	Deep learning-based MVIT-MLKA model for accurate classification of pancreatic lesions: a multicenter retrospective cohort study 2025-Apr, La Radiologia medica DOI:10.1007/s11547-025-01949-5 PMID:39832039	研究论文	开发并验证了一种基于深度学习的MVIT-MLKA模型，用于准确分类胰腺病变	提出了一种新型混合模型MVIT-MLKA，结合了CNN和Transformer架构，用于胰腺病变分类，并在多中心数据上验证了其性能	研究为回顾性设计，可能存在选择偏差	开发并验证一种深度学习模型，用于准确区分良性和恶性胰腺病变	胰腺病变患者	数字病理	胰腺癌	CT成像	MVIT-MLKA（结合CNN和Transformer的混合模型）	图像	864名患者（来自三个医疗中心）
10782	2025-04-23	Physical Considerations in Memory and Information Storage 2025-Apr, Annual review of physical chemistry IF:11.7Q1 DOI:10.1146/annurev-physchem-083122-010308 PMID:39952633	review	本文从能量学、动力学和统计力学的角度回顾了信息存储和检索的原理	探讨了Hopfield联想记忆模型的物理实现及其与深度学习中的能量基神经网络的联系	未提及具体实验验证或实际应用案例	理解稳健信息处理的物理原理	信息存储和检索的物理系统	machine learning	NA	NA	Hopfield model, energy-based neural networks	NA	NA
10783	2025-04-23	Deep learning-based design and screening of benzimidazole-pyrazine derivatives as adenosine A2B receptor antagonists 2025-Apr, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2295974 PMID:38133953	research paper	本研究利用深度学习生成模型和多层虚拟筛选技术，设计并筛选苯并咪唑-吡嗪衍生物作为潜在的腺苷A2B受体选择性拮抗剂	开发了一种基于支架的协议，结合深度生成模型和多层虚拟筛选技术，用于设计具有选择性的A2B受体拮抗剂	未提及实验验证结果，仅基于计算分析	设计并筛选具有选择性的腺苷A2B受体拮抗剂，用于癌症免疫治疗	苯并咪唑-吡嗪衍生物	machine learning	cancer	deep generative model, multilayer virtual screening	generative model	chemical compounds	NA
10784	2025-04-23	An energy-aware heart disease prediction system using ESMO and optimal deep learning model for healthcare monitoring in IoT 2025-Apr, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2298736 PMID:38165748	研究论文	提出了一种基于增强蜘蛛猴优化（ESMO）和权重优化神经网络的能量感知心脏病预测系统，用于物联网（IoT）医疗环境	结合ESMO和EAWO-DNN模型，优化能量消耗并提高心脏病预测准确率	未提及具体样本量或数据集来源，可能影响模型泛化能力	开发高效的心脏病预测系统以改善物联网医疗监控	心脏病患者数据	机器学习	心血管疾病	ESMO优化算法、EAWO-DNN模型	DNN	医疗数据	NA
10785	2025-04-23	Revolutionizing Breast Cancer Care: AI-Enhanced Diagnosis and Patient History 2025-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2300681 PMID:38178694	研究论文	本研究提出了一种结合人工智能和机器学习的方法，用于提高乳腺癌诊断的准确性和简化医疗历史记录	整合了SVM、KNN和模糊逻辑三种算法，并利用深度学习模型提高预测准确性，同时采用AI驱动的动态问诊系统	未提及具体样本量或临床验证结果	提升乳腺癌诊断准确性和医疗历史记录效率	乳腺癌患者	数字病理学	乳腺癌	机器学习、深度学习	SVM、KNN、Fuzzy Logic、GPT-3.5	医疗历史数据	NA
10786	2025-04-23	A pooling convolution model for multi-classification of ECG and PCG signals 2025-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2299697 PMID:38193152	research paper	提出了一种用于ECG和PCG信号多分类的池化卷积模型	设计了一系列简单有效的池化卷积模型，包括堆叠块(MCM)及其变体，以及残差块(REC)，能够处理不同采样率的ECG和PCG数据	未明确提及模型的局限性	提高心血管疾病检测的效率	ECG和PCG信号	machine learning	cardiovascular disease	deep learning	CNN	signal	多个ECG和PCG数据集，包括一个同步的ECG-PCG数据集，分为七个不同疲劳等级
10787	2025-04-23	Development and validation of a semi-automatic radiomics ensemble model for preoperative evaluation of breast masses in mammotome-assisted minimally invasive resection 2025-Mar-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-24-440 PMID:40256481	研究论文	开发并验证了一种基于超声的半自动分割集成模型，用于在乳腺微创旋切术前评估乳腺肿块	提出了一种基于半自动分割的集成学习模型，减少了手动勾画的主观性和时间消耗，提高了术前评估的准确性	研究为回顾性分析，可能存在选择偏倚；模型性能在测试队列中的AUC相对训练队列有所下降	提高乳腺肿块术前评估的准确性，指导个体化治疗策略	773例患者的术前超声图像（543例肿瘤，230例非肿瘤）	数字病理	乳腺癌	超声成像，深度迁移学习（DTL）	DeepLabv3_ResNet50, FCN_ResNet50, 集成模型	超声图像	773例患者（543例肿瘤，230例非肿瘤）
10788	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
10789	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
10790	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
10791	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
10792	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
10793	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
10794	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
10795	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
10796	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
10797	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）
10798	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
10799	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）
10800	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）