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
17741	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
17742	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
17743	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
17744	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
17745	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
17746	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
17747	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
17748	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
17749	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
17750	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
17751	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
17752	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
17753	2025-02-05	Enhancing e-learning through AI: advanced techniques for optimizing student performance 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2576 PMID:39896364	研究论文	本研究探讨了如何通过人工智能（AI）技术优化电子学习，以提高学生的学习成绩	提出了一个基于AI的框架来监控和分析学生互动，并评估在线学习平台对学生理解的影响，使用先进的算法确定混合学习系统的最有效方法	部分内容已作为预印本发布，可能存在重复内容	通过AI技术优化电子学习，提高学生成绩	学生互动数据、在线学习平台、混合学习系统	机器学习	NA	机器学习、深度学习	CNN、RNN	学生互动数据	NA	NA	NA	NA	NA
17754	2025-02-05	Enhancing sentiment analysis of online comments: a novel approach integrating topic modeling and deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2542 PMID:39896372	研究论文	本文提出了一种结合主题建模和深度学习的新方法，用于增强在线评论的情感分析	整合了LDA、Shuffle-enhanced RealNVP、双层双向改进LSTM网络和多头自注意力机制，有效处理文本相关性和时间性	未提及具体的数据集规模或模型计算资源需求	提高在线评论情感分析的准确性和效果	在线评论	自然语言处理	NA	LDA, RealNVP, LSTM, 多头自注意力机制	DBiLSTM	文本	中英文在线评论数据集	NA	NA	NA	NA
17755	2025-02-05	FedDL: personalized federated deep learning for enhanced detection and classification of diabetic retinopathy 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2508 PMID:39896369	研究论文	本文提出了一种名为FedDL的个性化联邦深度学习系统，用于增强糖尿病视网膜病变的检测和分类	通过联邦学习（FL）框架，实现了在不暴露临床信息的情况下集体训练深度学习模型，显著提高了隐私保护和性能	研究中仅使用了五个客户端的数据，样本量相对较小，可能影响模型的泛化能力	开发一个在训练深度学习模型时确保隐私的系统，以监测各种医疗设施	糖尿病视网膜病变（DR）患者	数字病理学	糖尿病视网膜病变	联邦学习（FL）	ResNet50	图像	五个客户端，每个客户端提供独特的眼底图像，数据来源于公开数据库如IDRiD和STARE	NA	NA	NA	NA
17756	2025-02-05	DANNET: deep attention neural network for efficient ear identification in biometrics 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2603 PMID:39896376	研究论文	本文提出了一种名为DANNET的深度注意力神经网络，用于在生物识别中高效地进行耳朵识别	创新点在于结合了编码器-解码器架构和注意力机制，使用两个YSegNets的集成方法，提高了耳朵检测和分割的精度和可靠性	未明确提及具体限制	研究目的是开发一种在面部特征部分遮挡情况下仍能有效工作的生物识别系统	研究对象是耳朵生物识别	计算机视觉	NA	深度学习	编码器-解码器架构，注意力机制，YSegNet	图像	使用了EarVN1.0、AMI和Human Face数据集的数据	NA	NA	NA	NA
17757	2025-02-05	BSEFNet: bidirectional self-attention edge fusion network salient object detection based on deep fusion of edge features 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2494 PMID:39896370	研究论文	本文提出了一种基于边缘特征深度融合的双向自注意力边缘融合网络（BSEFNet），用于显著目标检测	通过整合显著目标和边缘信息，提出了一种新的方法来提高显著目标检测的边界准确性，包括自注意力组像素融合模块（SGPFM）和双向特征融合模块（BFF）	未明确提及具体局限性	提高显著目标检测的边界准确性	图像中的显著目标	计算机视觉	NA	NA	BSEFNet, ResNet50	图像	NA	NA	NA	NA	NA
17758	2025-02-05	ISCCO: a deep learning feature extraction-based strategy framework for dynamic minimization of supply chain transportation cost losses 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2537 PMID:39896389	研究论文	本研究提出了一种名为智能供应链成本优化（ISCCO）的新框架，通过整合深度学习和高级优化算法，旨在最小化运输成本并提高供应链效率	ISCCO框架创新性地结合了自编码器和随机森林进行客户细分，并使用遗传算法增强的整数线性规划模型优化货物分配	未提及具体的数据集来源或实验的广泛适用性	优化供应链运输成本，提高物流分配效率	全球电子商务供应链	机器学习	NA	深度学习，遗传算法，整数线性规划	自编码器，随机森林	实时需求数据	未提及具体样本数量	NA	NA	NA	NA
17759	2025-02-05	An ensemble approach for research article classification: a case study in artificial intelligence 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2521 PMID:39896384	研究论文	本文提出了一种基于深度学习的集成方法，用于动态研究领域中的文章分类，以人工智能领域为例	引入了一种结合决策树、sciBERT和正则表达式匹配的集成方法，并使用支持向量机（SVM）合并不同模型的结果，显著提高了分类效果	研究仅以人工智能领域为例，未验证在其他领域的泛化能力	解决新兴领域中研究文章分类的挑战，提高分类的准确性和召回率	人工智能领域的研究文章	自然语言处理	NA	深度学习、正则表达式匹配	决策树、sciBERT、SVM	文本	手动标注的数据集，具体数量未提及	NA	NA	NA	NA
17760	2025-02-05	Integrating particle swarm optimization with backtracking search optimization feature extraction with two-dimensional convolutional neural network and attention-based stacked bidirectional long short-term memory classifier for effective single and multi-document summarization 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2435 PMID:39896393	研究论文	本文提出了一种结合粒子群优化与回溯搜索优化的特征提取方法，以及基于注意力机制的堆叠双向长短期记忆分类器，用于有效的单文档和多文档摘要生成	创新点在于结合了粒子群优化与回溯搜索优化（PSOBSA）进行特征提取，并使用二维卷积神经网络（2D CNN）和基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）模型进行摘要生成	未明确提及具体局限性	研究目标是提高单文档和多文档摘要生成的准确性和效率	研究对象为单文档和多文档摘要生成	自然语言处理	NA	粒子群优化（PSO）、回溯搜索优化（BSA）、二维卷积神经网络（2D CNN）、基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）	2D CNN、ABS-BiLSTM	文本	使用DUC 2002、2003、2005数据集进行单文档摘要，以及DUC 2002、2003、2005、Multi-News和CNN/Daily Mail数据集进行多文档摘要	NA	NA	NA	NA