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
3001	2026-01-26	Advances in protein-protein interaction prediction: a deep learning perspective 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1710937 PMID:41574108	综述	本文从深度学习视角全面分析了蛋白质-蛋白质相互作用预测的进展，包括各种模型、特征表示、学习策略和评估基准	系统性地比较了多种深度学习模型在PPI预测中的应用，并强调了它们在捕捉复杂依赖和结构关系方面的优势与局限	NA	综述深度学习在蛋白质-蛋白质相互作用预测领域的最新进展，并指出未来的研究方向	蛋白质-蛋白质相互作用	机器学习	NA	NA	CNN, RNN, DNN, GCN, 集成架构	蛋白质序列和结构数据	NA	NA	卷积神经网络, 循环神经网络, 深度神经网络, 图卷积网络	NA	NA
3002	2026-01-25	Graph attention-based heterogeneous multi-agent deep reinforcement learning for adaptive portfolio optimization 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32408-w PMID:41455760	研究论文	本文提出了一种基于图注意力的异构多智能体深度强化学习框架，用于自适应投资组合优化	创新性地整合了图神经网络和异构智能体架构，利用图注意力网络建模时变的资产关联性，并部署了风险、收益和市场感知三种异构智能体	未明确说明框架在极端市场事件或高频率交易环境下的表现	解决传统投资组合优化方法在捕捉复杂资产关系和适应动态市场条件方面的局限性	金融市场中的投资组合	机器学习	NA	深度强化学习, 图神经网络	深度强化学习, 图注意力网络	金融市场时间序列数据	S&P 500, NASDAQ 100, 和 Russell 2000 数据集	NA	图注意力网络	年化收益率, 夏普比率, 最大回撤	NA
3003	2026-01-25	Deep learning-based disease detection in potato and mango leaves: a comparative study of CNN, AlexNet, ResNet, and EfficientNet 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32607-5 PMID:41436834	研究论文	本研究使用深度学习模型对马铃薯和芒果叶片病害进行自动检测，并比较了CNN、AlexNet、ResNet和EfficientNet四种架构的性能	在植物病害检测领域，首次对CNN、AlexNet、ResNet和EfficientNet四种深度学习架构进行了系统性比较，并验证了EfficientNet在叶片病害分类中的优越泛化能力	研究仅使用了两个公开数据集（马铃薯和芒果叶片），样本多样性可能有限，且未在更广泛的植物种类或实际田间环境中进行验证	开发一个自动化的植物叶片病害识别系统，以支持精准农业和早期病害防治	马铃薯和芒果植物的叶片图像	计算机视觉	植物病害	深度学习	CNN, AlexNet, ResNet, EfficientNet	图像	马铃薯叶片病害数据集2,152张图像，芒果叶片病害数据集4,000张图像	NA	CNN, AlexNet, ResNet, EfficientNet	准确率, 精确率, 召回率, 损失值	NA
3004	2026-01-25	Generalizable compound protein interaction prediction with a model incorporating protein structure aware and compound property aware language model representations 2025-Dec-19, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01844-0 PMID:41413187	研究论文	本文提出了一种名为GenSPARC的深度学习模型，用于预测化合物-蛋白质相互作用，该模型整合了蛋白质结构感知和化合物性质感知的语言模型表示	提出GenSPARC模型，首次将AlphaFold2预测的蛋白质结构表示与FoldSeek的三维相互作用字母表相结合，并利用图卷积网络和预训练化学语言模型提取化合物特征，通过注意力机制增强相互作用建模	未明确提及具体局限性，但暗示当前模型仍受限于标记数据的缺乏	提高化合物-蛋白质相互作用预测的准确性和泛化能力，以推动人工智能驱动的药物发现	小分子化合物与蛋白质之间的相互作用	机器学习	NA	深度学习，图卷积网络，语言模型	深度学习模型，图卷积网络，注意力机制	蛋白质序列与结构数据，化合物分子图数据	多个CPI基准数据集（具体数量未提及）	NA	GenSPARC（整合AlphaFold2, FoldSeek, 图卷积网络，化学语言模型，注意力机制）	泛化能力评估，虚拟筛选任务中的竞争性结果（具体指标未提及）	NA
3005	2026-01-25	Probing the thermal decomposition mechanism of CF3SO2F by deep learning molecular dynamics 2025-Dec-19, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01847-x PMID:41420003	研究论文	本研究利用深度学习分子动力学方法，探究了绝缘气体替代品CF3SO2F的热分解机理及其产物	首次将深度学习势函数与分子动力学结合，用于研究CF3SO2F的热分解，实现了从头算精度与经验分子动力学效率的统一	研究主要基于模拟，实验验证仅针对特征分解产物，未涵盖所有可能的中间产物或反应路径	评估CF3SO2F作为SF6环保替代绝缘气体的环境可行性，理解其热分解路径以指导安全应用	三氟甲磺酰氟（CF3SO2F）气体分子	机器学习	NA	深度学习分子动力学，热分解实验平台	深度学习势函数	分子动力学模拟数据，实验产物数据	NA	NA	NA	NA	NA
3006	2026-01-25	Air quality prediction using multi-source remote sensing data integration with hybrid deep learning framework 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32466-0 PMID:41398224	研究论文	本文提出了一种结合LSTM和CNN的混合深度学习框架，利用多源遥感数据预测空气质量	提出了一种新颖的多模态注意力时空网络（MAST-Net），整合卫星影像、气象变量和地面观测数据，并引入动态特征选择策略和不确定性量化以提高可靠性	NA	空气质量预测，用于城市环境管理中的实时空气质量控制系统	PM2.5、PM10、NO₂和O₃的浓度	机器学习	NA	多源遥感数据集成	LSTM, CNN	卫星影像、气象变量、地面观测数据	NA	NA	MAST-Net	RMSE, 相关系数	NA
3007	2026-01-25	PhenoProfiler: advancing phenotypic learning for image-based drug discovery 2025-Dec-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67479-w PMID:41392045	研究论文	本文介绍了一个名为PhenoProfiler的端到端深度学习框架，用于将高内涵多通道细胞图像转化为低维定量表示，以提升基于图像的药物发现中的表型分析能力	PhenoProfiler通过高效的端到端深度学习框架，直接处理高内涵细胞图像，避免了传统多步骤流程的计算密集和易错问题，并引入了定制的表型校正策略以增强处理诱导的变异检测	NA	提升基于图像的药物发现中细胞表型响应的准确捕获能力，以理解药物机制和预测疗效	高内涵多通道细胞图像	计算机视觉	NA	深度学习	深度学习框架	图像	近400,000张高内涵图像和8.42百万张单细胞图像	NA	NA	准确性, 鲁棒性	NA
3008	2026-01-25	Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education 2025-May-22, JMIR human factors IF:2.6Q3 DOI:10.2196/72838 PMID:40402552	研究论文	提出一种基于面部表情识别技术的医学教育辅助教学与学生评估方法	将面部表情识别技术应用于医学教育，通过计算机视觉和深度学习算法识别学生情绪状态，以优化教学策略	面临技术准确性、设备依赖性和隐私保护等挑战	改善医学教育中的教学效果、优化个性化学习并促进师生互动	医学教育中的学生	计算机视觉	NA	面部表情识别	深度学习算法	面部表情图像	NA	NA	NA	NA	NA
3009	2026-01-25	A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer 2025-05-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr1576 PMID:40305609	研究论文	本研究开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解	通过整合多模态数据（包括磁共振成像、全切片图像和临床风险因素）并采用全自动化流程，显著提升了预测性能	NA	预测乳腺癌患者对新辅助化疗的病理完全缓解	1004名局部晚期乳腺癌患者	数字病理学	乳腺癌	磁共振成像, 全切片图像	深度学习	图像, 临床数据	1004名患者	NA	NA	AUC	NA
3010	2026-01-25	FlyVISTA, an integrated machine learning platform for deep phenotyping of sleep in Drosophila 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adq8131 PMID:40073129	研究论文	本文介绍了FlyVISTA，一个用于果蝇睡眠深度表型分析的集成机器学习平台	开发了结合高分辨率闭环视频成像系统、深度学习网络和计算流程的平台，用于注释35个身体部位并提取高维数据中的行为，揭示了睡眠和觉醒相关微行为的时空动态	NA	深入分析果蝇睡眠的表型特征	果蝇	机器学习	NA	高分辨率闭环视频成像系统	深度学习网络	视频	NA	NA	NA	NA	NA
3011	2026-01-25	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文提出了一种名为SPURS的新型深度学习框架，通过整合蛋白质语言模型和逆折叠模型，以增强蛋白质稳定性预测	提出了一种轻量级神经网络模块，将ProteinMPNN学习的结构表示重新连接到ESM的注意力层，从而整合序列和结构数据中的进化模式	未明确说明模型在特定蛋白质家族或极端条件下的泛化能力限制	提高蛋白质热稳定性变化的预测准确性，以理解人类疾病并设计用于临床和工业应用的蛋白质	蛋白质氨基酸替换对热稳定性的影响	机器学习	NA	深度学习	神经网络, 蛋白质语言模型, 逆折叠模型	序列数据, 结构数据	基于最新发布的大规模热稳定性数据集进行监督训练	PyTorch	ESM, ProteinMPNN	准确性, 速度, 可扩展性, 泛化能力	NA
3012	2026-01-25	Advanced EEG signal classification for neural prosthetic devices using metaheuristic and deep learning techniques 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1706660 PMID:41567346	研究论文	本文提出了一种结合改进的浣熊优化算法特征选择与多种机器学习/深度学习分类器的统一优化驱动框架，用于提高基于EEG的运动想象信号解码精度	提出了一种动态且无参数的浣熊优化算法，结合对立学习机制，在高维特征空间中实现更好的探索与利用平衡，用于特征选择	NA	提高神经假体设备中高维脑电图信号的分类准确性，以增强分类器泛化能力和计算效率	脑电图信号，特别是运动想象任务相关的信号	机器学习	NA	脑电图信号处理	SVM, RF, CNN, RNN	脑电图信号	使用了PhysioNet运动运动/想象数据集等常用基准EEG数据集	NA	卷积神经网络，循环神经网络	准确率，精确率，召回率，F1分数	NA
3013	2026-01-25	Early detection of soybean mosaic virus using portable Raman spectroscopy coupled with machine learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1750535 PMID:41567393	研究论文	本研究提出了一种结合便携式拉曼光谱与机器学习算法，用于大豆花叶病毒早期非侵入性检测的方法	首次将便携式拉曼光谱与深度学习模型（1D-CNN）结合，实现了大豆花叶病毒的早期（接种后4天）检测，相比传统方法（7-10天）显著提前	研究仅针对特定大豆品种和病毒株（SC3），模型在其他品种或病毒株上的泛化能力未验证，且样本量相对有限	开发一种非侵入性、早期检测大豆花叶病毒的方法，以支持疾病预警和精准管理	抗性和易感大豆栽培品种的叶片，在不同感染阶段（接种后0、2、4、6天）采集	机器学习	植物病毒病	便携式拉曼光谱	1D-CNN, SVM, KNN, BP-ANN	光谱数据	未明确具体样本数量，但涉及抗性和易感品种在不同感染阶段的叶片光谱	未明确指定，但可能涉及TensorFlow或PyTorch（基于CNN使用）	1D-CNN	准确率	NA
3014	2026-01-25	Deep learning models for predicting heart disease risk using the UCI database: methods, performance, and clinical context 2025, American journal of cardiovascular disease DOI:10.62347/CEBK2916 PMID:41567845	研究论文	本研究利用UCI心脏病数据集开发和评估深度学习模型，用于预测心脏病风险，并与传统机器学习方法进行性能对比	首次在UCI心脏病数据集上应用深度学习模型进行风险预测，并系统性地与经典机器学习方法（如随机森林）进行性能比较，揭示了特定临床特征（如运动诱发心绞痛）的高预测价值	研究基于1988年收集的回顾性数据，样本量相对较小（1025例），且未在外部独立数据集上进行验证，可能限制模型的泛化能力	开发和评估深度学习模型以预测心脏病风险，并提升临床诊断和治疗策略	UCI心脏病数据集中的1025名患者，涵盖克利夫兰、匈牙利、瑞士和长滩V四个来源的数据	机器学习	心血管疾病	NA	深度学习模型, Random Forest	结构化临床数据	1025名患者	NA	NA	准确率	NA
3015	2026-01-25	Hybrid deep learning models for fake news detection: case study on Arabic and English languages 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1683786 PMID:41568095	研究论文	本文提出了一种结合多通道CNN和双向BiLSTM的混合深度学习模型，用于检测阿拉伯语和英语的假新闻	首次针对阿拉伯语和英语语言，集成多通道CNN和双向BiLSTM并行捕获语义和局部文本特征，并利用预训练FastText模型进行嵌入，提升了假新闻检测的准确率	研究主要基于三个基准数据集，可能未覆盖所有语言变体或新兴假新闻类型，且阿拉伯语资源限制和语言复杂性仍带来挑战	开发有效的深度学习技术以检测阿拉伯语和英语的假新闻，提升社交媒体信息的可靠性	阿拉伯语和英语的新闻文本数据	自然语言处理	NA	深度学习	CNN, BiLSTM	文本	三个基准数据集：AFND和ANS（阿拉伯语数据集）、WELFake（英语数据集）	NA	多通道CNN, 双向BiLSTM	准确率	NA
3016	2026-01-24	Morphometry-based detection of deep learning faults in glomerular segmentation 2025-Dec-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.23.696291 PMID:41509371	研究论文	本研究探讨了利用形态测量学自动评估深度学习肾小球分割结果的方法，旨在高效识别和纠正分割错误	首次系统性地将形态分析应用于肾小球分割错误的自动检测，提出了能够区分三种不同类型分割不一致性的形状描述符组合	研究主要基于特定数据集和分割模型，方法的普适性在不同病理图像类型和分割算法中仍需进一步验证	开发自动检测和纠正肾小球深度学习分割错误的策略，减少病理学家手动验证的工作量	肾活检图像中的肾小球分割结果	数字病理学	肾脏疾病	深度学习分割	NA	医学图像	超过168000个肾小球预测	NA	NA	错误富集效率	NA
3017	2026-01-24	Application of deep learning for transformation of Chinese traditional cultural narrative patterns and enhancement of cultural identity empowered by AIGC 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32302-5 PMID:41444384	研究论文	本研究应用深度学习技术，基于Stable Diffusion v2.1和CLIP模型构建了一个文本-图像-风格的三模态生成框架，旨在实现中国传统文化的可控叙事内容生成并增强文化认同	提出了基于LoRA机制的轻量化传统文化风格特征嵌入方法，提升了小样本条件下的模型风格适应性，并构建了包含生成质量、语义一致性和文化认同的三级评价体系	NA	实现中国传统文化的可控叙事内容生成并增强文化认同	中国传统文化叙事内容	自然语言处理,计算机视觉	NA	深度学习	扩散模型,对比学习模型	文本,图像	NA	PyTorch	Stable Diffusion v2.1,CLIP	Fréchet Inception Distance,Learned Perceptual Image Patch Similarity,风格识别准确率,BLEU分数,CLIP文本-图像相似度,叙事风格匹配度,用户叙事共鸣评分,意象准确度评分,问答任务通过率	NA
3018	2026-01-24	Deep learning-based model for analyzing student engagement in activities 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32521-w PMID:41436535	研究论文	本研究提出了一种名为IC-BiSGRU-Net的深度学习模型，用于分析学生在学习活动中的参与度	提出IC-BiSGRU-Net框架，结合Bi-LSTM的时间建模能力和SGRU的计算效率，有效整合多模态行为线索进行学生参与度分析	未明确说明模型在跨文化或不同教育环境中的泛化能力，以及数据隐私和伦理考量	开发一个鲁棒的自动化模型，以准确分析学生在多样化学习活动中的参与度	学生在学习活动中的参与度	机器学习	NA	深度学习	CNN, Bi-LSTM, SGRU	视频、音频、数字活动日志	未明确指定样本数量，但使用了基准学生参与度数据集	未明确指定，但涉及深度学习框架	IC-BiSGRU-Net（基于CNN编码器、Bi-LSTM和SGRU）	准确率、召回率、精确率、F1分数	NA
3019	2026-01-24	A dual-branch multi-modal deep learning framework for non-destructive evaluation of intramuscular fat in sheep 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32208-2 PMID:41413180	研究论文	本文提出了一种用于无损评估绵羊肌内脂肪含量的双分支多模态深度学习框架	构建并发布了首个大规模多模态绵羊数据集，并提出了一种结合CNN和Transformer分支、并采用KAN-Based回归头进行特征融合的新型双分支回归网络DB-KAN	研究主要针对绵羊，缺乏与其他物种的对比验证；数据集规模虽大但来源单一	开发一种非破坏性方法来准确预测绵羊的肌内脂肪含量，以评估其肉质品质	绵羊的肌内脂肪含量	计算机视觉	NA	B型超声成像	CNN, Transformer	图像, 结构化属性数据	1728个样本（包含超声图像、对应属性数据和真实IMF值）	NA	DB-KAN（自定义双分支网络）	NA	NA
3020	2025-12-18	Deep learning-based seed variety classification: a case study in maize 2025-Dec-17, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07919-3 PMID:41402752	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA