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
1121	2025-12-26	Deep learning-based MRI model for predicting P53-mutated hepatocellular carcinoma 2025-Dec-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02045-w PMID:41430161	研究论文	本研究开发了一种基于MRI的深度学习模型，用于预测P53突变的肝细胞癌	首次利用EfficientNetV2架构，结合多序列MRI图像（动脉期、门静脉期、T2加权成像、肝胆期）构建深度学习模型来预测P53突变状态，并发现多序列组合模型显著优于单序列模型	研究为回顾性设计，样本量相对有限（312例），且未进一步验证模型在其他独立队列或前瞻性研究中的表现	开发一个基于MRI的深度学习模型，以无创方式预测肝细胞癌中的P53突变状态	312例经病理证实的肝细胞癌患者	计算机视觉	肝细胞癌	钆增强MRI	CNN	图像	312例患者（训练集249例，测试集63例）	NA	EfficientNetV2	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA
1122	2025-12-26	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2025-Dec-22, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR（TetR）蛋白抑制剂，并通过分子对接和动力学模拟验证其潜力	首次结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型，对天然化合物库进行大规模虚拟筛选，并辅以全面的分子动力学模拟（500 ns）和结合自由能分析来评估候选化合物	研究主要基于计算模拟，所选化合物尚未进行体外或体内实验验证	开发针对多重耐药Acinetobacter baumannii的新型抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR	机器学习	细菌感染	定量构效关系（QSAR）、虚拟筛选、分子对接、分子动力学模拟	RF, SVM, KNN, XGBoost, CNN	化学化合物结构数据、MIC评分	初始筛选库包含10,860种天然化学化合物	NA	NA	准确率	NA
1123	2025-12-26	Classification and quantification of sodium metabisulfite in goji berry powder: Applications of hyperspectral technology and transformer-based hybrid models 2025-Dec-22, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127379 PMID:41442910	研究论文	本研究应用近红外高光谱成像技术和基于Transformer的混合深度学习模型，对枸杞粉中的焦亚硫酸钠进行分类和定量检测	提出了一种结合局部注意力和残差路径的ResLocalformer混合模型用于分类，以及结合Transformer全局注意力和密集层的Resformer模型用于回归，相比传统CNN和LSTM方法表现出更高的鲁棒性和预测精度	研究仅针对枸杞粉中的焦亚硫酸钠，样本量相对有限（360个样本），且未在其他食品基质或添加剂上进行验证	开发一种快速、无损的检测方法，用于监测枸杞粉中焦亚硫酸钠的残留量	枸杞粉样品中的焦亚硫酸钠	计算机视觉	NA	近红外高光谱成像（HSI）	Transformer, CNN, LSTM	高光谱图像	360个样本（包含9个浓度水平，每个水平40个重复）	NA	ResLocalformer, Resformer	准确率, R², RMSE	NA
1124	2025-12-26	Interpreting Imaging in the Era of Artificial Intelligence: Future Possibilities in Ocular Inflammatory Disease 2025-Dec-22, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.019 PMID:41443461	综述	本文回顾了人工智能在葡萄膜炎多模态影像解读中的应用现状、局限性与未来前景	探讨了AI在眼科炎症疾病影像分析中的新兴自动化机遇，特别是通过深度学习技术	AI在葡萄膜炎领域的应用尚处于起步阶段，具体工具仍在开发中	评估AI在葡萄膜炎多模态影像解读中的能力、限制及未来潜力	葡萄膜炎（眼部炎症性疾病）及其多模态影像数据	计算机视觉	葡萄膜炎	多模态影像分析	深度学习	图像	NA	NA	NA	NA	NA
1125	2025-12-26	From monochromatic waves to realistic tides: deep learning for short-term forecasting of coastal ocean 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31670-2 PMID:41423688	研究论文	本研究提出了一种结合卷积神经网络和长短期记忆网络的混合架构，用于预测德国湾的海平面变化	开发了结合CNN空间重建与LSTM时间预测的混合深度学习框架，能够从有限数量的沿海观测站重建整个海域的海平面，并通过模拟数据同化显著提升预测精度	模型性能受空间信号复杂度和梯度陡度等因素影响，研究主要关注数据丰富区域的应用潜力	开发深度学习模型以补充传统数值模型，实现海岸海洋的短期预报	德国湾的海平面变化数据	机器学习	NA	深度学习	CNN, LSTM	海平面数据	从学术数据到实际数据的海平面数据序列	NA	卷积神经网络, 长短期记忆网络	预测误差	NA
1126	2025-12-26	Decoding aroma perception of grilled lamb skewers: an EEG-MambaFusionNet framework integrating TDS and GC-IMS 2025-Dec-21, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147676 PMID:41443075	研究论文	本研究通过整合感官、化学和神经数据，开发了一个深度学习框架来解码烤羊肉串从生到熟过程中香气感知的动态演变及其神经特征	首次将时间优势感官法、气相色谱-离子迁移谱和脑电图数据融合，并开发了EEG-MambaFusionNet深度学习框架来量化香气感知的动态过程	未在摘要中明确说明	研究烤羊肉串从生到熟过程中香气感知的动态演变及其对应的神经特征	烤羊肉串的香气感知过程	机器学习	NA	时间优势感官法，气相色谱-离子迁移谱，脑电图	深度学习框架	感官数据，化学数据，神经数据	未在摘要中明确说明	NA	EEG-MambaFusionNet	预测准确率	未在摘要中明确说明
1127	2025-12-26	Asymmetric Cross-Reactivity of Nuclear Receptors Reveals an Evolutionary Buffer Between Estrogen and Androgen Signaling 2025-Dec-21, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.18.695200 PMID:41446225	研究论文	本研究通过深度学习框架预测蛋白质-配体相互作用，揭示了雌激素与雄激素信号之间不对称的交叉反应性及其进化缓冲机制	首次通过全对全受体配体亲和力筛选揭示类固醇激素受体结合的不对称性，提出雌二醇作为早期类固醇配体的进化模型	研究主要基于计算预测和结构建模，需要进一步的实验验证来确认预测的亲和力差异和生理功能	探究类固醇激素受体之间的交叉反应性及其进化意义	核受体（特别是类固醇激素受体）及其配体（如雌二醇、睾酮）	计算生物学	前列腺癌	深度学习蛋白质-配体相互作用预测、系统计算机亲和力预测、结构建模、祖先序列重建	深度学习框架	蛋白质序列与结构数据、配体化学数据	NA	Boltz-2	NA	NA	NA
1128	2025-12-26	Smart room occupancy detection using neural networks and the puma optimization algorithm 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29938-8 PMID:41422073	研究论文	本研究提出了一种结合神经网络与美洲狮优化正弦余弦优化器（POSC）的机器学习方法，用于基于环境传感器数据实现高精度的房间占用检测	首次将POSC元启发式优化技术与神经网络结合，用于房间占用检测，通过动态平衡探索与利用来增强模型训练，实现更快的收敛速度和更好的分类性能	研究仅基于公开数据集进行验证，未在实际动态环境中进行大规模部署测试，且传感器类型有限	开发一种高精度、可扩展的房间占用检测方法，以支持智能建筑的节能管理、安全增强和舒适度提升	房间占用状态（占用/未占用）	机器学习	NA	环境传感器数据采集（温度、湿度、光照强度、CO2浓度）	神经网络	数值传感器数据	公开数据集（具体数量未说明）	未明确说明	未指定具体架构	准确率、精确率、召回率、F1分数	NA
1129	2025-12-26	Deep Learning-Based Prediction of Enzyme Optimal pH and Design of Point Mutations to Improve Acid Resistance 2025-Dec-19, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00679 PMID:41269167	研究论文	本文开发了一种名为CatOpt的深度学习模型，用于预测酶的最适pH值，并通过点突变设计提高酶的酸耐受性	CatOpt模型在酶最适pH预测上优于现有方法，具有更好的可解释性，并能指导点突变设计以改善酶在低pH下的活性	NA	开发一个准确的深度学习预测器来定量描述pH对酶催化活性的影响，并设计点突变以提高酶的酸耐受性	酶的最适pH值、酸性和碱性酶的分类、点突变引起的酶最适pH变化	机器学习	NA	深度学习	深度学习模型	序列数据	NA	NA	CatOpt	RMSE, 相关系数	NA
1130	2025-12-26	TPVNet: A domain-aware graph-based framework for reliable multivariate physiological time series classification in healthcare 2025-Dec-19, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109214 PMID:41442988	研究论文	提出了一种名为TPVNet的领域感知图框架，用于医疗物联网中多变量生理时间序列的可靠分类	集成了时间增强有限可穿透可见图（TPVG）将原始信号转换为不可逆的图表示，并结合图同构网络（GIN）进行特征学习，以及采用与临床诊断流程一致的通道级投票策略以提高决策鲁棒性	未明确说明模型的计算复杂度或在大规模实时部署中的潜在限制	提升医疗物联网应用中多变量生理时间序列分类的准确性、稳定性和隐私保护	多变量生理时间序列数据	机器学习	心房颤动	时间序列分析，图表示学习	GIN	时间序列	七个公共生理数据集	NA	图同构网络	准确率，召回率，精确率，F1分数，标准差	NA
1131	2025-12-26	A Comparison of Two Deep Learning Approaches to Distinguish Functional Dissociative from Epileptic Seizures Using Event Videos 2025-Dec-19, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.18.25342568 PMID:41445663	研究论文	本研究比较了两种深度学习模型（姿态估计和3D CNN）在仅使用视频数据区分功能性分离性发作与癫痫性发作方面的性能	首次开发了不依赖视频脑电图或神经科医生人工审阅的机器学习工具，通过视频数据自动区分功能性分离性发作与癫痫性发作	研究为回顾性设计，样本量较小（仅10名患者），未来需要更大规模的研究验证	开发机器学习工具以区分功能性分离性发作与癫痫性发作，减少对视频脑电图和神经科医生人工审阅的依赖	功能性分离性发作和癫痫性发作患者的视频数据	计算机视觉	癫痫	视频分析	CNN	视频	10名患者的106个事件视频（61个癫痫性发作，45个功能性分离性发作）	NA	3D CNN	AUROC, AUPRC, 敏感性, 精确度, 准确度	NA
1132	2025-12-26	From Classical Machine Learning to Emerging Foundation Models: Review on Multimodal Data Integration for Cancer Research 2025-Dec-18, ArXiv PMID:41445817	综述	本文全面回顾了从传统机器学习到新兴基础模型的多模态数据整合策略，以推进肿瘤学中数据驱动发现的计算方法	首次系统性地梳理了肿瘤学中从传统机器学习到先进基础模型用于多模态数据整合的转变，并将这些发展定位为癌症研究中大规模AI模型时代的基础	NA	回顾多模态数据整合策略，以协助推进肿瘤学中数据驱动发现的计算方法	多模态数据（基因组学、蛋白质组学、影像学、临床因素）	机器学习	癌症	NA	基础模型, 深度学习模型	多模态数据（基因组、蛋白质组、影像、临床）	NA	NA	NA	NA	NA
1133	2025-12-26	Artificial Intelligence for Microbiology and Microbiome Research 2025-Dec-18, ArXiv PMID:41445807	综述	本文综述了人工智能在微生物学和微生物组研究中的应用，涵盖技术进展和生物学见解	提供了针对微生物学和微生物组研究的AI驱动方法的全面概述，强调技术进展与生物学见解的结合	NA	概述人工智能在微生物学和微生物组研究中的应用，以增强对微生物生命及其对地球和健康影响的理解	微生物学和微生物组研究	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1134	2025-12-26	Automated lung sound detection via Bi-GRU-modified SqueezeNet architecture with new stock well feature set 2025-Dec-17, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108851 PMID:41443142	研究论文	本研究提出了一种名为BGRMSNet的新型深度学习模型，用于自动检测和分类肺音，以辅助诊断多种呼吸系统疾病	提出了一种结合双向门控循环单元和改良SqueezeNet的混合架构，并引入了基于阈值的维纳滤波预处理技术和改进的Stockwell变换等新特征集	未明确说明模型在临床实际环境中的泛化能力测试，以及与其他最先进深度学习模型的全面比较	开发一个自动化的肺音检测与分类系统，以辅助呼吸系统疾病的诊断	肺音信号	机器学习	呼吸系统疾病（包括哮喘、支气管扩张、细支气管炎、COPD、上下呼吸道感染等）	信号处理技术（包括改进的Stockwell变换、短时傅里叶变换等）	Bi-GRU, CNN	音频信号	NA	NA	Bidirectional-Gated Recurrent Unit-Modified SqueezeNet, 改良SqueezeNet	准确率, 特异性, 阴性预测值	NA
1135	2025-12-26	AnySleep: a channel-agnostic deep learning system for high-resolution sleep staging in multi-center cohorts 2025-Dec-16, ArXiv PMID:41445815	研究论文	提出一种名为AnySleep的通道无关深度学习系统，用于在多中心队列中进行高分辨率睡眠分期	开发了首个能够使用任意EEG或EOG数据、在可调时间分辨率下进行睡眠分期的深度学习模型，并在跨21个数据集的超过19,000条夜间记录上验证了其鲁棒性	未明确说明模型在极少数特殊电极配置或罕见睡眠障碍中的表现	解决多中心睡眠研究中由于电极数量、导联方式和受试者特征差异导致的标准化难题，并探索更短时间尺度上的新型生物标志物	多中心收集的睡眠多导图（PSG）记录，包括EEG和EOG数据	数字病理学	老年疾病	多导睡眠图（PSG）	深度神经网络	时间序列信号（EEG/EOG）	超过19,000条夜间记录，来自21个数据集，总计近200,000小时的EEG和EOG数据	未明确说明	未明确说明	未明确说明具体指标，但提及达到最先进性能并在30秒时段上超越或持平现有基线	未明确说明
1136	2025-12-26	Scaling deep learning for material imaging with a pseudo 3D model for domain transfer 2025-Dec-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66449-6 PMID:41387957	研究论文	提出了一种名为P3T-Net的伪三维域迁移网络，用于将多样化的3D图像统一到同一域，以提高深度学习模型在材料成像中的泛化能力	引入伪三维域迁移网络P3T-Net，能够将不同成像条件下的3D图像迁移到统一域，从而允许重用已训练模型处理新图像，并显著降低跨域迁移的计算成本	未明确提及模型在极端成像条件下的表现或对特定材料类型的适用性限制	减少3D X射线成像中因成像条件变化导致的图像不一致性，实现单一深度学习模型处理多数据集	地质岩石、氢燃料电池、锂离子电池等材料的3D X射线图像	计算机视觉	NA	3D X射线成像	深度学习网络	3D图像	涉及多种材料（地质岩石、氢燃料电池、锂离子电池）的图像，具体样本数量未明确	NA	P3T-Net	NA	单GPU（支持万亿体素规模的3D迁移）
1137	2025-12-26	Allosteric prediction via convolutional neural networks and protein structural and dynamical features 2025-Dec-11, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.12.011 PMID:41383018	研究论文	本研究提出了一种基于卷积神经网络和蛋白质结构及动力学特征来预测蛋白质变构功能状态的机器学习方法	首次将原子接触图等结构特征与线性化互信息等动力学特征结合，利用预训练的GoogLeNet和ResNet18卷积神经网络模型，对KRas蛋白的活性状态进行高精度分类	研究仅针对KRas蛋白模型系统进行验证，未在其他蛋白质上广泛测试，且依赖于可用的X射线晶体结构数据	预测蛋白质的变构功能状态，以支持功能注释和药物开发	小G蛋白KRas，作为癌症相关且结构研究充分的模型系统	机器学习	癌症	X射线晶体学	CNN	图像	NA	NA	GoogLeNet, ResNet18	准确率	NA
1138	2025-12-09	Artificial intelligence based quantification of T lymphocyte infiltrate predicts prognosis in high grade breast cancer using deep learning and statistical validation 2025-Dec-07, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04185-5 PMID:41353687	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1139	2025-12-26	Deploying TinyML for energy-efficient object detection and communication in low-power edge AI systems 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27818-9 PMID:41350337	研究论文	本文提出了一种针对低功耗边缘AI系统的实时物体检测系统，通过模型压缩技术和双模通信协议优化能量效率和可扩展性	将MobileNetV2轻量化神经网络与8位后训练量化结合，在资源受限的微控制器上实现存储减少3倍，同时集成双模TCP/UDP通信以平衡可靠性与低延迟	研究基于Visual Wake Words数据集，可能未涵盖更复杂的物体检测场景；系统在极端资源约束下的性能边界尚未充分探索	开发适用于低功耗边缘AI系统的能量高效物体检测与通信解决方案	资源受限的微控制器单元（MCUs）及边缘AI应用场景	计算机视觉	NA	模型量化	CNN	图像	使用Visual Wake Words数据集（具体样本数未明确）	TensorFlow Lite Micro（推断），未明确训练框架	MobileNetV2	准确率，延迟（每帧3.47-14.98毫秒），能量消耗（每次推断10.6-22.1焦耳），存储占用（286-536 KB）	低功耗微控制器平台（1 MB闪存/256 KB SRAM），集成摄像头和Wi-Fi模块
1140	2025-12-26	Photon-Counting Detector CT of the Brain Reduces Variability of Hounsfield Units and Has a Mean Offset Compared with Energy-Integrating Detector CT 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8910 PMID:40592542	研究论文	本研究比较了光子计数探测器CT与能量积分探测器CT在脑部成像中的亨氏单位变异性、图像噪声及对比度	首次使用基于深度学习的自动化脑部分割技术，系统比较新型光子计数探测器CT与传统能量积分探测器CT在脑组织衰减测量中的性能差异	研究为回顾性设计，未包含脑部病理患者，且未探讨窗口预设调整的临床影响	评估光子计数探测器CT技术在脑部CT成像中对组织衰减测量的精确性和图像质量的改进	无脑部病理患者的脑部CT图像	医学影像分析	NA	CT成像，光子计数探测器技术，能量积分探测器技术	深度学习	医学图像（CT扫描）	总计509名患者（329名EID-CT，180名PCD-CT），年龄匹配子集包含314名患者	NA	NA	亨氏单位，灰白质比率，对比噪声比	NA