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
17701	2025-10-07	Deep learning-based spectroscopic single-molecule localization microscopy 2024-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066501 PMID:38799979	研究论文	开发了一种基于深度学习的计算方法来重建光谱单分子定位显微镜数据	提出首个基于双网络模型的深度学习算法DsSMLM，可同时处理无标记和荧光标记的sSMLM成像数据	NA	开发深度学习重建方法用于光谱单分子定位显微镜成像	单链DNA纤维、COS-7和U2OS细胞上的组蛋白标记、DNA折纸纳米标尺	计算机视觉	NA	光谱单分子定位显微镜	深度学习	显微图像	多种样本类型（单链DNA纤维、细胞样本、DNA纳米标尺）	NA	双网络模型	空间分辨率、定位检测率	NA
17702	2025-10-07	A CONVEX COMPRESSIBILITY-INSPIRED UNSUPERVISED LOSS FUNCTION FOR PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635138 PMID:39886655	研究论文	提出一种基于压缩感知的凸损失函数，用于物理驱动深度学习MRI重建	首次将凸压缩性启发式损失函数引入物理驱动深度学习，支持监督、无监督和零样本学习场景	未明确说明具体数据规模和计算资源需求	改进快速MRI扫描的重建质量	MRI图像重建	医学影像重建	NA	MRI扫描	深度学习网络	医学影像	NA	NA	NA	重建质量评估	NA
17703	2025-10-07	Systemic lupus in the era of machine learning medicine 2024-Mar-04, Lupus science & medicine IF:3.7Q1 DOI:10.1136/lupus-2023-001140 PMID:38443092	综述	探讨机器学习在系统性红斑狼疮研究中的应用现状与前景	系统梳理机器学习在SLE研究中的整合应用，提出利用深度学习模型和替代健康数据源的新方向	大多数预测模型仍需外部验证才能临床采用	理解SLE的发病机制、早期诊断和疾病预后	系统性红斑狼疮(SLE)	机器学习	系统性红斑狼疮	监督学习, 无监督学习	深度学习模型	多样化大数据集, 替代健康数据源	NA	NA	NA	NA	NA
17704	2025-10-07	Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2024-Feb-19, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03910-w PMID:38373931	研究论文	本研究应用深度学习和特征选择技术识别CBCT图像中的牙根外吸收	首次评估四种深度学习模型在牙根外吸收识别中的性能，并探索特征选择技术与深度学习模型结合的效果	研究使用模拟牙根外吸收的离体牙齿，样本量相对较小（88颗前磨牙）	评估深度学习模型在牙根外吸收识别中的性能，并研究特征选择技术对模型性能的改进效果	88颗离体前磨牙上模拟的不同深度（0.5mm、1mm、2mm）牙根外吸收病变	计算机视觉	牙科疾病	锥形束CT成像	Random Forest, Support Vector Machine, CNN	医学影像	88颗离体前磨牙	NA	VGG16, EfficientNetB4	准确率, F1分数, 精确率, 特异性, 错误率, AUC	NA
17705	2025-10-07	Improving deep learning protein monomer and complex structure prediction using DeepMSA2 with huge metagenomics data 2024-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02130-4 PMID:38167654	研究论文	本文介绍了DeepMSA2流程，通过整合宏基因组数据提升蛋白质单体及复合体结构预测精度	开发了平衡比对搜索与有效模型选择的统一流程，整合海量宏基因组数据库显著提升结构预测精度	NA	通过改进多序列比对构建方法提升深度学习蛋白质结构预测性能	蛋白质单链和多链结构	机器学习	NA	宏基因组测序	深度学习	基因组序列数据，蛋白质结构数据	大规模基准测试数据集	NA	AlphaFold2-Multimer	结构预测精度	NA
17706	2025-10-07	MyoV: a deep learning-based tool for the automated quantification of muscle fibers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad528 PMID:38271484	研究论文	开发了一种基于深度学习的自动化肌肉纤维量化工具MyoV	使用掩膜区域卷积神经网络结合残差网络和特征金字塔网络作为骨干网络，能够处理不同大小和年龄的肌肉纤维	NA	开发自动化肌肉纤维量化工具以克服现有方法的局限性	苏木精-伊红染色的肌肉纤维	计算机视觉	肌肉疾病	图像分割	CNN	图像	超过660,000个手动和半自动标记的肌肉纤维	NA	Mask R-CNN, ResNet, FPN	检测率, 精确度	NA
17707	2025-10-07	Multi-modal features-based human-herpesvirus protein-protein interaction prediction by using LightGBM 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae005 PMID:38279649	研究论文	本研究开发了一种基于多模态特征融合的LightGBM方法来预测人类-疱疹病毒蛋白质相互作用	首次将文档嵌入和图嵌入方法结合用于表示蛋白质的序列、网络和功能模态特征，并应用于人类-疱疹病毒PPI预测	未明确说明样本量的具体数值和计算资源配置	预测人类-疱疹病毒蛋白质相互作用，理解病毒感染机制	人类和疱疹病毒蛋白质	自然语言处理, 机器学习	疱疹病毒感染相关恶性肿瘤	文档嵌入, 图嵌入, 多模态特征融合	LightGBM	蛋白质序列数据, 网络数据, 功能数据	NA	LightGBM	LightGBM	NA	NA
17708	2025-10-07	Recognition of rare antinuclear antibody patterns based on a novel attention-based enhancement framework 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad531 PMID:38279651	研究论文	提出一种基于注意力机制的增强框架用于识别罕见抗核抗体模式	首个专门针对罕见ANA模式识别的研究，引入注意力机制增强特征提取能力	仅针对9类罕见ANA模式，未涵盖所有可能的罕见模式	开发用于罕见抗核抗体模式识别的深度学习框架	ANA间接免疫荧光图像中的罕见模式	计算机视觉	自身免疫性疾病	间接免疫荧光成像	CNN	图像	NA	NA	基于注意力机制的增强框架	精确率,召回率,F1分数,平均精度均值	NA
17709	2025-10-07	scMMT: a multi-use deep learning approach for cell annotation, protein prediction and embedding in single-cell RNA-seq data 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad523 PMID:38300515	研究论文	提出一种名为scMMT的多用途深度学习方法，用于单细胞RNA测序数据中的细胞注释、蛋白质预测和嵌入表示	开发了新颖的特征提取技术，构建了基于GradNorm的多任务学习框架，引入对数加权和标签平滑机制以增强稀有细胞识别能力并防止模型过度自信	NA	提高单细胞RNA测序数据中细胞类型注释的准确性，特别是在识别具有相似分子谱但功能不同的免疫细胞类型方面	单细胞RNA测序数据中的细胞类型，特别是免疫细胞	生物信息学	肿瘤微环境	单细胞RNA测序	深度学习	单细胞RNA测序数据	多个公共数据集	NA	基于GradNorm的多任务学习框架	细胞类型注释准确性、稀有细胞识别能力、dropout和标签噪声抵抗能力、蛋白质表达预测准确性、低维嵌入表示质量	NA
17710	2025-10-07	Deqformer: high-definition and scalable deep learning probe design method 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae007 PMID:38305453	研究论文	提出一种名为Deqformer的深度学习模型，用于准确预测靶向富集测序中探针的覆盖深度	首次结合Watson-Crick碱基配对原理，采用双BERT编码器分别捕获正反向探针链的底层信息	NA	开发高精度且可扩展的探针设计方法，提升靶向富集测序效率	DNA探针的寡核苷酸序列	机器学习	NA	靶向富集测序	BERT, 前馈神经网络	序列数据	4个数据集：SNP panel（38,200探针）、lncRNA panel（2,000探针）、合成panel（5,899探针）、HD-Marker panel（11,000探针）	NA	BERT编码器	F3acc（三倍准确率因子）, 5折交叉验证	NA
17711	2025-10-07	ChemMORT: an automatic ADMET optimization platform using deep learning and multi-objective particle swarm optimization 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae008 PMID:38385872	研究论文	开发了一个名为ChemMORT的自动ADMET优化平台，利用深度学习和多目标粒子群优化算法优化药物分子的ADMET属性	结合可逆分子表示和粒子群优化策略，实现多ADMET端点优化而不损失生物活性，完成逆向QSAR设计	NA	开发自动ADMET优化平台以改善药物分子的吸收、分布、代谢、排泄和毒性属性	药物分子，特别是聚(ADP-核糖)聚合酶-1抑制剂	机器学习	NA	深度学习，多目标粒子群优化	编码器-解码器架构	分子结构数据(SMILES)	NA	NA	SMILES编码器，描述符解码器	NA	NA
17712	2025-10-07	ADH-Enhancer: an attention-based deep hybrid framework for enhancer identification and strength prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae030 PMID:38385876	研究论文	提出一种基于注意力机制的深度混合框架ADH-Enhancer，用于增强子识别和强度预测	使用语言建模策略将DNA序列转换为统计特征空间，结合卷积神经网络和注意力机制的新型分类器	未提及框架在实时分析中的具体应用限制	开发高性能的计算框架用于增强子识别和强度预测	DNA序列中的增强子区域	生物信息学	血友病、膀胱癌、糖尿病、先天性疾病	语言建模、k-mer分析	CNN, 注意力机制	DNA序列	NA	NA	基于CNN和注意力机制的混合架构	准确率, MCC	NA
17713	2025-10-07	A comprehensive computational benchmark for evaluating deep learning-based protein function prediction approaches 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae050 PMID:38388682	研究论文	本研究提出了一个名为BeProf的综合性基准测试平台，用于评估深度学习蛋白质功能预测方法的性能	提出了新颖的综合性评估指标，设计了八种应用场景，并对现有方法进行了系统评估	仅评估了17种代表性计算方法，可能未覆盖所有现有方法	建立蛋白质功能预测计算方法的全面评估体系	蛋白质功能预测计算方法	生物信息学	NA	高通量测序技术	深度学习	生物数据	最新数据集（具体数量未说明）	NA	NA	综合性评估指标	NA
17714	2025-10-07	CRISPR-DIPOFF: an interpretable deep learning approach for CRISPR Cas-9 off-target prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad530 PMID:38388680	研究论文	提出一种可解释的深度学习方法CRISPR-DIPOFF，用于预测CRISPR Cas-9基因编辑工具的脱靶效应	首次结合高预测效能、模型可解释性以及精确率-召回率平衡的脱靶预测模型，通过积分梯度方法识别出单导RNA种子区域中两个影响脱靶效应的子区域	未明确说明模型在多样化基因组背景下的泛化能力及计算效率评估	开发高精度且可解释的CRISPR Cas-9脱靶效应预测方法	CRISPR Cas-9基因编辑系统的脱靶效应	机器学习	NA	基因编辑技术	RNN	序列数据	NA	NA	循环神经网络	精确率,召回率	NA
17715	2025-10-07	Deeply integrating latent consistent representations in high-noise multi-omics data for cancer subtyping 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae061 PMID:38426322	研究论文	提出一种基于变分自编码器的深度学习模型DILCR，用于从高噪声多组学数据中提取一致性表征并进行癌症亚型分型	设计多独立变分自编码器和对比损失函数分离组学数据噪声，提出注意力深度整合网络有效整合多组学一致性表征，引入改进深度嵌入聚类算法	NA	开发能够有效处理高噪声多组学数据的癌症亚型分型方法	癌症患者的多组学数据	机器学习	癌症	多组学数据分析	变分自编码器,深度学习	多组学数据	来自癌症基因组图谱的10种典型癌症数据集	NA	变分自编码器,注意力深度整合网络	NA	NA
17716	2025-02-05	Multimodal Alzheimer's disease classification through ensemble deep random vector functional link neural network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2590 PMID:39896355	研究论文	本研究通过集成深度随机向量功能链接神经网络（edRVFL）模型，结合临床和遗传信息的多模态数据，提高了阿尔茨海默病（AD）和轻度认知障碍（MCI）的早期检测能力	采用多模态数据集成和深度随机向量功能链接神经网络（edRVFL）模型，结合有效的数据填补技术（如Winsorized-mean），显著提高了AD早期检测的准确性	研究主要依赖于多模态数据的集成，可能面临数据变异性和不完整性的挑战	提高阿尔茨海默病（AD）和轻度认知障碍（MCI）的早期检测能力	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	老年病	深度学习（DL）	集成深度随机向量功能链接神经网络（edRVFL）	临床和遗传信息的多模态数据	NA	NA	NA	NA	NA
17717	2025-02-05	Enhancing breast cancer diagnosis using deep learning and gradient multi-verse optimizer: a robust biomedical data analysis approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2578 PMID:39896354	研究论文	本文提出了一种结合梯度搜索机制和多宇宙优化器（MVO）的混合优化算法，用于优化深度学习模型在乳腺癌诊断中的参数，以提高分类准确性	提出了一种新的混合优化算法，结合梯度搜索机制和多宇宙优化器（MVO），以解决深度学习模型在高维搜索空间中易陷入局部最优的问题	实验仅在两个乳腺癌数据集上进行，未在其他类型的数据集上验证其泛化能力	提高乳腺癌早期诊断的准确性，推动计算机辅助诊断（CAD）系统的发展	乳腺癌诊断	数字病理学	乳腺癌	深度学习（DL）	深度神经网络（DNN）	医疗数据	威斯康星乳腺癌数据集（WBCD）和威斯康星诊断乳腺癌数据集（WDBC），分别划分为70%训练集和30%测试集	NA	NA	NA	NA
17718	2025-02-05	AI in dermatology: a comprehensive review into skin cancer detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2530 PMID:39896358	综述	本文系统回顾了人工智能在皮肤癌分类中的应用，全面概述了其优势、挑战、方法和功能	本文通过综合分析和分类现有文献，提供了人工智能在皮肤癌检测中的全面视角，强调了其在提高诊断准确性、效率和可及性方面的潜力	数据隐私问题、将AI系统整合到现有工作流程中的复杂性以及需要大规模高质量数据集等挑战仍然存在	探讨人工智能在皮肤癌检测和诊断中的应用及其潜力	皮肤癌	计算机视觉	皮肤癌	深度学习算法、图像处理技术、特征提取方法	CNN, SVM, 集成学习技术	图像	95篇科学文章	NA	NA	NA	NA
17719	2025-02-05	Sentiment analysis of pilgrims using CNN-LSTM deep learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2584 PMID:39896353	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度学习方法，用于对朝圣者进行情感分析	使用了一种新颖且专门的数据集Catering-Hajj，并提出了一个结合CNN和LSTM的模型来进行情感分析	数据集仅限于社交媒体上的朝圣者情感数据，可能无法全面反映所有朝圣者的情感	研究目的是通过情感分析了解朝圣者对朝觐体验的感受	朝圣者	自然语言处理	NA	深度学习	CNN-LSTM	文本	NA	NA	NA	NA	NA
17720	2025-02-05	A novel device-free Wi-Fi indoor localization using a convolutional neural network based on residual attention 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2471 PMID:39896360	研究论文	本文提出了一种基于残差注意力卷积神经网络的无设备Wi-Fi室内定位方法，旨在提高定位精度和通用性	提出了一种独特的注意力增强残差卷积神经网络（RACNN），充分利用CSI数据中的全局上下文信息，解决了现有CNN指纹定位算法感受野有限的问题	未明确提及具体限制，但暗示了在不同惯性维度单元精度变化可能对跟踪性能产生负面影响	提高Wi-Fi室内定位的精度和通用性	室内定位系统	机器学习	NA	NA	卷积神经网络（CNN），残差注意力卷积神经网络（RACNN）	信道状态信息（CSI）指纹	NA	NA	NA	NA	NA