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
12741	2025-10-07	Advancing Enzyme-Based Detoxification Prediction with ToxZyme: An Ensemble Machine Learning Approach 2025-Apr-01, Toxins IF:3.9Q1 DOI:10.3390/toxins17040171 PMID:40278669	研究论文	本研究开发了一种名为ToxZyme的集成机器学习模型，用于预测具有环境解毒功能的酶	将随机森林分类器与深度神经网络相结合形成集成模型，提高了酶分类的准确率	NA	开发能够准确分类具有毒素降解能力酶的预测模型	能够催化毒素降解的酶（正数据集）和非毒素降解酶（负数据集）	机器学习	NA	NA	随机森林, 深度神经网络	酶数据	NA	NA	集成模型	精确度	NA
12742	2025-10-07	Rosette Trajectory MRI Reconstruction with Vision Transformers 2025-Apr-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11040041 PMID:40278708	研究论文	提出一种结合逆傅里叶变换和卷积增强视觉变换器网络的高效玫瑰花轨迹磁共振成像重建方法	首次将视觉变换器网络应用于非笛卡尔数据重建，通过卷积层增强ViT处理复杂空间依赖关系的能力	NA	开发高效的玫瑰花轨迹磁共振成像重建方法	磁共振成像数据	计算机视觉	NA	磁共振成像	Vision Transformer (ViT)	图像	NA	NA	Vision Transformer (ViT)	归一化均方根误差, 峰值信噪比, 基于熵的图像质量评分	NA
12743	2025-04-29	GONNMDA: A Ordered Message Passing GNN Approach for miRNA-Disease Association Prediction 2025-Apr-01, Genes IF:2.8Q2 DOI:10.3390/genes16040425 PMID:40282386	research paper	该论文提出了一种名为GONNMDA的图神经网络方法，用于预测miRNA与疾病之间的关联	GONNMDA通过整合多源相似性特征、构建异构图并应用有序门控消息传递机制，有效解决了异质性和过平滑问题	论文未明确提及具体的研究局限性	开发一种高效的深度学习方法用于预测miRNA与疾病之间的关联	microRNAs (miRNAs) 与疾病之间的关联	machine learning	breast cancer, rectal cancer, lung cancer	high-throughput sequencing	GNN, multilayer perceptron	biological network data	NA	NA	NA	NA	NA
12744	2025-04-29	Eye-Based Recognition of User Traits and States-A Systematic State-of-the-Art Review 2025-Apr, Journal of eye movement research IF:1.3Q3 DOI:10.3390/jemr18020008 PMID:40290619	review	本文系统地回顾了基于眼动追踪数据和机器学习的用户特征和状态识别方法	填补了基于眼动的用户特征和状态识别领域系统综述的空白，提出了涵盖任务、背景、技术和数据处理的概念框架	需要建立最佳实践、更大规模的数据集以及多样化的任务和背景	系统回顾和综合现有关于使用眼动追踪数据和机器学习识别用户特征和状态的文献	用户特征和状态（如认知和情感状态、人格特质等）	machine learning	NA	眼动追踪技术	SVM, Random Forests, deep learning models	眼动追踪数据	90项研究	NA	NA	NA	NA
12745	2025-04-29	AI approaches for phenotyping Alzheimer's disease and related dementias using electronic health records 2025 Apr-Jun, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70089 PMID:40291122	research paper	利用人工智能技术改进基于电子健康记录的阿尔茨海默病及相关痴呆症的识别	采用基于AI的文本分类方法，包括深度学习和大语言模型（LLMs），显著提高了ADRD患者的识别准确率	方法的成功依赖于临床记录的质量，且需要在更多样化的数据集上进一步验证	提高阿尔茨海默病及相关痴呆症（ADRD）患者的自动化识别准确率	年龄≥64岁的患者，包括1000名ADRD患者和3000名匹配对照	自然语言处理	阿尔茨海默病及相关痴呆症	AI-based text-classification methods	CNN, LLMs (Llama 2)	text	4000名患者（1000名ADRD患者和3000名对照）	NA	NA	NA	NA
12746	2025-04-29	Prediction of difficulty in cryoballoon ablation with a three-dimensional deep learning model using polygonal mesh representation 2025-Apr, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.70078 PMID:40292274	研究论文	开发了一种基于三维深度学习模型的冷冻球囊消融难度预测方法	首次利用三维深度学习模型结合多边形网格表示来预测冷冻球囊消融的难度，相比传统手动测量方法具有更高的准确性	研究样本量相对有限（189例患者），且仅在特定医疗中心进行	提高冷冻球囊消融手术的成功率	药物抵抗性心房颤动患者	数字病理	心血管疾病	三维深度学习	3D DL模型	三维多边形网格数据	189例药物抵抗性心房颤动患者（2015年1月至2022年1月期间接受冷冻球囊消融治疗）	NA	NA	NA	NA
12747	2025-10-07	Advanced Artificial Intelligence Technologies Transforming Contemporary Pharmaceutical Research 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040363 PMID:40281723	综述	本文全面回顾了人工智能技术在医疗服务和药物研究领域的应用现状与前景	系统分析了AI在疾病诊断、数字治疗、药物发现和疫情预测等多方面的综合应用潜力	基于文献综述的方法可能无法涵盖所有最新研究进展	探讨人工智能技术在医药研究领域的应用价值和发展趋势	医疗服务和药物研究相关的AI技术应用	机器学习	多种疾病（季节性流感、埃博拉、寨卡、COVID-19、结核病等）	神经网络、深度学习、贝叶斯非参数方法、自然语言处理	神经网络	医疗数据、临床试验数据、疫情数据	NA	NA	NA	NA	NA
12748	2025-10-07	Exploring Feature Selection with Deep Learning for Kidney Tissue Microarray Classification Using Infrared Spectral Imaging 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040366 PMID:40281726	研究论文	提出基于深度学习和特征选择的框架，用于肾脏肿瘤组织微阵列的红外光谱成像自动分类	将特征选择算法与深度学习分类相结合，仅使用13.6%的波长数据即可达到高精度分类，显著减少训练时间	NA	开发肾脏肿瘤的自动分类方法以改善诊断准确性	肾脏肿瘤组织微阵列，特别是嫌色细胞肾细胞癌和嗜酸细胞瘤	数字病理学	肾癌	红外光谱成像	深度学习	光谱图像数据	NA	NA	NA	准确率	NA
12749	2025-10-07	Automatic Blob Detection Method for Cancerous Lesions in Unsupervised Breast Histology Images 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040364 PMID:40281724	研究论文	提出一种基于深度学习的自动斑点检测方法，用于无监督乳腺癌组织学图像中癌变病灶的检测	结合连通分量方法和主动轮廓方法解决斑点检测的局限性，能够自动检测隐藏和难以接近的癌变病灶	仅针对乳腺癌组织学图像，未提及其他癌症类型的适用性	乳腺癌病灶的早期检测	人类乳腺癌组织学图像	数字病理学	乳腺癌	组织学成像	RNN	图像	27,249张无监督增强的人类乳腺癌组织学图像	NA	RNN	F1准确度分数	NA
12750	2025-10-07	Optimization-Incorporated Deep Learning Strategy to Automate L3 Slice Detection and Abdominal Segmentation in Computed Tomography 2025-Mar-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040367 PMID:40281727	研究论文	提出一种结合优化的深度学习策略，用于自动检测CT图像中的L3层面并进行腹部组织分割	将增强比例和类别权重调整作为校正设计变量整合到深度学习模型中，采用贝叶斯优化自动确定最优参数	回顾性研究，数据仅来自单一医疗中心的150名患者	开发自动化方法用于癌症诊断和治疗规划中的生物标志物提取	前列腺癌和膀胱癌患者的CT图像	计算机视觉	前列腺癌,膀胱癌	计算机断层扫描(CT)	CNN,Transformer	医学图像	150名前列腺癌和膀胱癌患者	NA	ResNet50,Unet,Swin-Unet,SegFormer	切片检测误差,Dice系数	NA
12751	2025-04-29	Biological Prior Knowledge-Embedded Deep Neural Network for Plant Genomic Prediction 2025-Mar-31, Genes IF:2.8Q2 DOI:10.3390/genes16040411 PMID:40282370	研究论文	提出了一种基于深度学习的植物基因组预测模型iADEP，整合了生物先验知识和其他组学数据	iADEP模型首次整合了加性、显性和上位性预测，并利用生物先验知识进行SNP嵌入	未提及模型在跨物种或大规模数据集上的泛化能力	开发更准确的植物基因组预测方法以加速性状改良	植物基因组数据（SNP）和表型性状	机器学习	NA	深度学习、全基因组关联分析（GWAS）	iADEP（基于多头注意力机制和多层感知机的深度学习模型）	基因组SNP数据	四个数据集（未说明具体样本量）	NA	NA	NA	NA
12752	2025-10-07	Lightweight U-Net for Blood Vessels Segmentation in X-Ray Coronary Angiography 2025-Mar-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040106 PMID:40278022	研究论文	提出一种基于彩票假设的轻量级U-Net架构，用于X射线冠状动脉造影中的血管分割	采用结构化核剪枝策略生成紧凑子网络，在保持分割性能的同时显著减少模型参数	未提及在更多样化临床数据上的泛化能力验证	开发适用于实时临床环境的高效血管分割方法	X射线冠状动脉造影图像中的血管结构	计算机视觉	心血管疾病	X射线冠状动脉造影	CNN	医学图像	在两个基准数据集上评估	NA	U-Net	分割准确度	NA
12753	2025-10-07	Riemannian Manifolds for Biological Imaging Applications Based on Unsupervised Learning 2025-Mar-29, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040103 PMID:40278019	研究论文	本研究评估了在生物成像应用中利用黎曼流形和无监督学习进行单细胞潜在表示与聚类的可行性	将双曲嵌入和Poincaré球模型应用于细胞形态学表征，探索非欧几里得空间在无监督分割中的潜力	目前处于方法可行性评估阶段，尚未进行大规模实际应用验证	开发基于无监督学习的生物成像分析方法，用于细胞形态特征提取和聚类	C2C12细胞（肌肉细胞系）的单细胞图像	计算机视觉	NA	相位对比成像，明场成像	神经网络	图像	NA	NA	NA	NA	NA
12754	2025-10-07	Automated Detection of Aberrant Episodes in Epileptic Conditions: Leveraging EEG and Machine Learning Algorithms 2025-Mar-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040355 PMID:40281715	研究论文	利用机器学习和深度学习算法从EEG信号中自动检测癫痫发作	提出结合Hurst指数和Daubechies 4离散小波变换的独特特征提取方法，使用单通道EEG和最少手工特征进行癫痫分类	仅使用单通道EEG数据，特征工程相对简单	开发自动检测癫痫发作的高效计算方法	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	SVM,随机森林,LSTM	EEG信号	CHB-MIT头皮EEG数据库	NA	随机森林分类器,支持向量机,长短期记忆网络	准确率,灵敏度	边缘硬件
12755	2025-10-07	A Hybrid Wavelet-Based Deep Learning Model for Accurate Prediction of Daily Surface PM2.5 Concentrations in Guangzhou City 2025-Mar-28, Toxics IF:3.9Q1 DOI:10.3390/toxics13040254 PMID:40278570	研究论文	提出一种结合小波变换和深度学习的混合模型，用于精确预测广州市每日地表PM2.5浓度	首次将小波变换(W)与CNN、BiGRU和BiLSTM三种深度学习模型集成，构建W-CNN-BiGRU-BiLSTM混合架构	研究仅针对广州市特定区域，模型在其他地理区域的适用性有待验证	提高地表PM2.5浓度预测精度，为空气污染控制和城市规划提供支持	广州市2014-2020年的气象因子和空气污染物数据	机器学习	NA	小波变换	CNN, BiLSTM, BiGRU	时间序列数据	广州市2014-2020年每日气象和污染物数据	NA	W-CNN-BiGRU-BiLSTM混合架构	相关系数(R), 均方根误差(RMSE), 平均绝对误差(MAE), 平均绝对百分比误差(MAPE)	NA
12756	2025-10-07	Kidney Disease Segmentation and Classification Using Firefly Sigma Seeker and MagWeight Rank Techniques 2025-Mar-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040350 PMID:40281710	研究论文	提出一种结合Firefly Sigma Seeker和MagWeight Rank技术的肾脏疾病分割与分类方法	将Firefly Sigma Seeker和MagWeight Rank优化技术集成到并行卷积层架构中，动态调整参数并优化权重排序	NA	提高肾脏疾病医学图像分割的准确性和计算效率	肾脏疾病医学图像（MRI、CT扫描、超声图像）	计算机视觉	肾脏疾病	医学影像分析	CNN, Multi-Stream Neural Network	图像	NA	NA	并行卷积层架构, MSNN	准确率, 损失值, 计算时间	NA
12757	2025-04-29	CRISPR-MFH: A Lightweight Hybrid Deep Learning Framework with Multi-Feature Encoding for Improved CRISPR-Cas9 Off-Target Prediction 2025-Mar-28, Genes IF:2.8Q2 DOI:10.3390/genes16040387 PMID:40282347	research paper	提出了一种轻量级混合深度学习框架CRISPR-MFH，通过多特征编码改进CRISPR-Cas9脱靶预测	引入了新颖的多特征独立编码方法，将gRNA-DNA序列对编码为三个不同的特征矩阵以减少信息损失，并提出了结合多尺度可分离卷积和混合注意力机制的轻量级框架	模型参数规模增加会导致复杂性上升，限制实际应用性	改进CRISPR-Cas9系统的脱靶效应预测	gRNA-DNA序列对	machine learning	NA	deep learning	hybrid deep learning framework (multi-scale separable convolutions + hybrid attention mechanisms)	sequence data	multiple benchmark datasets	NA	NA	NA	NA
12758	2025-10-07	Assessing Cancer Presence in Prostate MRI Using Multi-Encoder Cross-Attention Networks 2025-Mar-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040098 PMID:40278014	研究论文	本文提出一种多编码器交叉注意力融合架构，用于通过前列腺MRI评估癌症存在	首次针对前列腺癌临床工作流程中关键但未被充分探索的任务进行大规模实验，提出多编码器交叉注意力融合架构	NA	区分有癌症存在（病理证实的前列腺癌患者）与无非可疑前列腺癌发现（无癌症存在）的病例	前列腺癌患者	医学影像分析	前列腺癌	双参数磁共振成像(bpMRI)	多编码器交叉注意力网络	医学影像, 临床变量	训练集4504名患者，测试集975名回顾性患者和435名前瞻性患者，总计来自11,000多个前列腺癌病例的600多万张图像表示	NA	多编码器交叉注意力融合架构	AUC	NA
12759	2025-04-29	Minimax Bayesian Neural Networks 2025-Mar-25, Entropy (Basel, Switzerland) DOI:10.3390/e27040340 PMID:40282575	research paper	本文研究了使用极小极大方法的更保守的贝叶斯神经网络（BNNs），揭示了闭环神经网络与BNNs之间的联系	将极小极大方法应用于贝叶斯神经网络，提出了一种更保守的BNNs，并揭示了其与闭环神经网络的联系	仅在简单数据集上进行了测试，未在大规模或复杂数据集上验证	研究贝叶斯神经网络的鲁棒性及其与闭环神经网络的关系	贝叶斯神经网络（BNNs）和闭环神经网络	machine learning	NA	NA	Bayesian neural networks (BNNs), deterministic neural network, stochastic neural network	NA	简单数据集（具体数量未提及）	NA	NA	NA	NA
12760	2025-10-07	Large-Scale Coastal Marine Wildlife Monitoring with Aerial Imagery 2025-Mar-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040094 PMID:40278010	研究论文	本研究利用航空影像和深度学习方法自动检测、分类和计数海洋沿岸物种	开发了基于航空影像和深度学习的自动化监测框架，用于海洋野生动物种群监测	模型性能因个体类型而异，F1分数在0.7-0.9之间波动	通过先进技术提高海洋野生动物监测的效率和准确性	南象海豹和南美海狮群体	计算机视觉	禽流感	航空影像采集	深度学习	高分辨率图像	阿根廷瓦尔德斯半岛的南象海豹和南美海狮群体图像数据集	NA	NA	F1分数	NA