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
801	2025-10-06	Climate-driven projections of cyanobacterial harmful algal bloom expansion in coastal waters 2025-Aug-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179940 PMID:40570389	研究论文	本研究通过整合气候模型与机器学习方法，预测阿曼沿海水域蓝藻有害藻华在未来气候情景下的扩张趋势	首次将长期气候预测与机器学习模型结合，对阿曼沿海蓝藻藻华进行多年代际投影，并采用粒子群优化算法优化模型参数	研究区域局限于阿曼沿海特定区域，模型性能受限于卫星数据质量和气候模型的不确定性	提高蓝藻有害藻华的预测准确性并评估长期气候变化影响	阿曼沿海水域的蓝藻有害藻华	环境科学, 机器学习	NA	卫星遥感, 气候模型	Random Forest, Extreme Gradient Boosting, GRU, LSTM	卫星图像, 环境参数数据	957张卫星图像（2000-2020年）	NA	LSTM, GRU	相关系数R	NA
802	2025-10-06	Identification of STAT3 phosphorylation inhibitors using generative deep learning, virtual screening, molecular dynamics simulations, and biological evaluation for non-small cell lung cancer therapy 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11067-5 PMID:39715975	研究论文	本研究通过生成式深度学习结合虚拟筛选和分子动力学模拟，发现新型STAT3磷酸化抑制剂用于非小细胞肺癌治疗	采用迁移学习和生成式深度学习模型探索化学空间，结合多层级计算筛选发现新型STAT3抑制剂	研究主要基于计算模拟和细胞实验，尚未进行动物模型验证	开发针对STAT3磷酸化的抑制剂用于非小细胞肺癌治疗	STAT3信号通路、非小细胞肺癌细胞系H441	机器学习	肺癌	虚拟筛选、分子对接、分子动力学模拟、细胞生物学评估	生成式深度学习模型	化学化合物数据、分子结构数据	包含STAT3抑制剂的综合数据集，具体HG106和HG110分子	NA	NA	结合亲和力、构象稳定性、磷酸化抑制效果	NA
803	2025-10-06	Technology advances in the placement of naso-enteral tubes and in the management of enteral feeding in critically ill patients: A narrative study 2025-Aug, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2025.05.022 PMID:40383254	综述	本文综述了危重症患者鼻肠管置入技术和肠内喂养管理方面的技术进展	系统总结了床旁超声、电磁传感器、实时视频辅助置管、阻抗传感器和虚拟现实等新技术在鼻肠管置入和肠内喂养管理中的应用	NA	探讨危重症患者肠内喂养相关技术的创新进展	危重症患者	医学技术	危重症	床旁超声, 电磁传感器, 实时视频辅助置管, 阻抗传感器, 虚拟现实, 深度学习算法	深度学习算法	医学影像, 电生理信号, 临床数据	NA	NA	NA	NA	NA
804	2025-10-06	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	研究论文	提出一种高效的子模型集成框架，通过生成不确定性图谱增强医学深度学习模型的可解释性	从单一训练好的检查点生成多样化模型族，通过输出分歧进行不确定性估计	NA	提升医学深度学习模型的可解释性和临床适用性	CT身体分割和MR-CT合成数据集	计算机视觉	NA	深度学习	集成学习	医学影像（CT、MR）	NA	NA	U-Net, UNETR	Dice系数, 平均绝对误差	NA
805	2025-10-06	Selection, visualization, and explanation of deep features from resting-state fMRI for Alzheimer's disease diagnosis 2025-Aug, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112005 PMID:40494176	研究论文	本研究通过可视化静息态功能磁共振成像的深度特征来区分认知正常个体与不同阶段阿尔茨海默病患者	提出了能够有效识别阿尔茨海默病的特定深度特征子集（称为“信息性深度特征”），并通过热图和激活图实现全切片图像级别的可视化	脑萎缩和图像强度模式相似性带来的挑战	开发基于深度学习的阿尔茨海默病诊断方法并提高模型可解释性	认知正常个体和不同阶段阿尔茨海默病患者	医学影像分析	阿尔茨海默病	静息态功能磁共振成像（rs-fMRI）	深度学习网络	神经影像数据	来自ADNI数据库的rs-fMRI数据	NA	NA	NA	NA
806	2025-10-06	O-GEST: Overground gait events detector using b-spline-based geometric models for marker-based and markerless analysis 2025-Aug, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112803 PMID:40516373	研究论文	提出一种基于B样条几何模型的自动算法O-GEST，用于在无测力台条件下检测地面行走步态事件	首次将B样条几何模型与步态相关阈值结合，开发适用于标记点和无标记点分析的通用步态事件检测算法	算法验证主要针对特定病理人群，在更广泛疾病类型中的适用性需进一步验证	开发高精度的步态事件检测算法以提升无测力台环境下的步态分析可靠性	健康人群和病理步态患者（髋关节骨关节炎、中风幸存者、帕金森病患者、脑瘫儿童）	生物医学工程	神经肌肉疾病,骨科疾病	运动学数据分析,B样条建模	几何模型	运动学数据,轨迹数据	390名受试者（200名健康人，100名单侧髋关节骨关节炎，50名中风幸存者，26名帕金森病患者，14名脑瘫儿童）	NA	B样条几何模型	时间差异精度（毫秒）	NA
807	2025-10-06	Digitizing audiograms with deep learning: structured data extraction and pseudonymization for hearing big data 2025-Aug, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109337 PMID:40532492	研究论文	开发基于深度学习的系统将听力图数字化，实现结构化数据提取和匿名化处理	与以往主要关注分类或预测的研究不同，该框架确保结构化数值数据输出同时遵守数据匿名化法规	NA	开发深度学习系统数字化听力图，实现大规模听力大数据收集	纯音听力图图像	计算机视觉	听力损失	纯音听力测定	CNN	图像	训练集8847个听力图符号，测试集2443个听力图符号	NA	卷积神经网络	准确率	NA
808	2025-10-06	Redefining parameter-efficiency in ADHD diagnosis: A lightweight attention-driven kolmogorov-arnold network with reduced parameter complexity and a novel activation function 2025-Aug, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112016 PMID:40587919	研究论文	提出一种基于Kolmogorov-Arnold网络的参数高效框架用于ADHD诊断	结合KAN网络显著减少参数复杂度，引入注意力驱动特征选择机制和具有可学习系数的自适应激活函数	NA	开发参数效率高且可解释性强的ADHD诊断模型	注意力缺陷多动障碍(ADHD)患者	医学影像分析	注意力缺陷多动障碍	脑连接特征分析	Kolmogorov-Arnold Network (KAN)	脑连接特征数据	ADHD-200基准数据集	NA	Kolmogorov-Arnold Network with attention mechanism	准确率, F1分数, 精确率	NA
809	2025-10-06	Generative adversarial network (GAN) model-based design of potent SARS-CoV-2 Mpro inhibitors using the electron density of ligands and 3D binding pockets: insights from molecular docking, dynamics simulation, and MM-GBSA analysis 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11047-9 PMID:39613993	研究论文	本研究利用生成对抗网络(GAN)设计SARS-CoV-2主要蛋白酶(Mpro)抑制剂，并通过分子对接、动力学模拟和MM-GBSA分析验证其效力	采用两种创新GAN方法：基于配体电子密度数据和基于靶点结合口袋3D结构生成新型小分子	研究样本量有限，仅对六种最有前景的分子进行了深入分析	开发针对SARS-CoV-2主要蛋白酶的高效抑制剂	SARS-CoV-2主要蛋白酶(Mpro)及其抑制剂	药物发现	COVID-19	分子对接、分子动力学模拟、MM-GBSA分析	GAN	电子密度数据、3D结合口袋结构	电子密度方法生成约26,000个分子，结合口袋方法生成约100个分子，深入分析6个分子	NA	GAN	Glide XP评分、AutoDock Vina评分、MM-GBSA结合自由能	NA
810	2025-10-06	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本文提出了一种基于4D张量特征和多维卷积神经网络的蛋白质-配体结合亲和力预测模型MCDTA	引入4D张量特征捕捉结合口袋区域的关键相互作用，开发多维卷积神经网络框架整合一维序列、二维结构和三维相互作用特征	未明确说明模型在特定蛋白质家族或配体类型上的局限性	准确预测蛋白质-配体结合亲和力以促进药物新用途发现	蛋白质-配体相互作用	机器学习	NA	特征工程	CNN	序列数据,结构数据,相互作用特征	PDBbind v.2020数据集	NA	三维卷积神经网络,多维卷积神经网络	RMSE,PCC	NA
811	2025-10-06	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-Aug, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	开发并验证了一种基于深度学习的模型，用于通过眼底照片区分特发性颅内高压引起的视盘水肿、非动脉炎性前部缺血性视神经病变和健康眼睛	首次使用深度学习模型在单一框架内同时区分三种眼科状态（IIH、NAION和健康眼睛），并生成可视化激活图谱突出显示关键诊断区域	研究依赖于现有数据集，未在更广泛的人群中进行前瞻性验证	开发一种自动诊断工具，用于神经眼科疾病的鉴别诊断	眼底照片，包括特发性颅内高压（IIH）患者、非动脉炎性前部缺血性视神经病变（NAION）患者和健康对照者的眼睛	计算机视觉	眼科疾病	眼底摄影	CNN	图像	训练验证集：15,088张眼底照片（5866只眼睛），外部验证集：1,126张照片（928只眼睛）	PyTorch	ResNet-50	准确率，AUC-ROC，精确率，召回率，F1分数，混淆矩阵	NA
812	2025-10-06	Deep learning Radiopathomics based on pretreatment MRI and whole slide images for predicting overall survival in locally advanced nasopharyngeal carcinoma 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110949 PMID:40409367	研究论文	开发基于深度学习的放射病理组学模型，用于预测局部晚期鼻咽癌患者的总生存期	首次将MRI影像与全切片图像通过多模态融合方法结合，采用自注意力机制评估不同图像区域对预后预测的重要性	样本量相对有限（343例患者），需要更大规模的多中心验证	预测局部晚期鼻咽癌患者的总生存期	局部晚期鼻咽癌患者	数字病理	鼻咽癌	MRI成像，全切片图像分析	深度学习，自注意力机制，多层感知机	医学影像（MRI），病理图像（WSI）	343例局部晚期鼻咽癌患者（训练集202例，验证集91例，外部测试集50例）	NA	自注意力机制，多层感知机，多模态融合模型	一致性指数（C-index），Kaplan-Meier曲线	NA
813	2025-10-06	Deep learning dosiomics for the pretreatment prediction of radiation dermatitis in nasopharyngeal carcinoma patients treated with radiotherapy 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110951 PMID:40412532	研究论文	开发结合剂量组学和深度学习的模型预测鼻咽癌放疗患者发生2级及以上放射性皮炎的风险	首次将剂量组学特征与深度学习特征相结合构建预测模型，并整合临床因素提升预测性能	回顾性研究且样本量有限（290例患者）	预测鼻咽癌患者放疗后放射性皮炎的发生风险	接受放疗的鼻咽癌患者	医学影像分析	鼻咽癌	放射治疗剂量分布分析	CNN, XGBoost	放射剂量分布数据	290例鼻咽癌患者（训练集167例，内部验证集72例，外部验证集51例）	NA	ResNet-34	AUC	NA
814	2025-10-06	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	构建了最全面的鲜味分子分类数据集，首次开发了基于Transformer架构的鲜味物质分类模型和鲜味化合物效价预测神经网络模型	鲜味分子知识有限，模型性能可能受数据集规模限制	开发高效识别新型鲜味物质的虚拟筛选方法	鲜味和非鲜味分子	机器学习	NA	分子对接，虚拟筛选	Transformer, 神经网络	分子结构数据，化学特征数据	867个分子（439个鲜味分子和428个非鲜味分子），FooDB数据库中约70,000个分子	NA	Transformer	准确率	NA
815	2025-10-06	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	开发了一种基于可解释深度学习的虚拟筛选模型iDCNNPred，用于识别针对三阴性乳腺癌的PI3Kα抑制剂	首次将2D分子图像与可解释深度学习结合用于PI3Kα抑制剂筛选，并采用Grad-CAM技术增强模型预测的可解释性	模型验证样本量有限，仅通过体外实验验证了4个先导化合物	开发虚拟筛选方法识别新型PI3Kα抑制剂用于三阴性乳腺癌治疗	PI3Kα抑制剂小分子化合物	计算药物发现	三阴性乳腺癌	分子对接，体外PI3K抑制实验	CNN	2D分子图像	Maybridge化合物库中的分子，最终验证12个候选分子	NA	Custom-DCNN, AlexNet, SqueezeNet, VGG19	模型复杂度，内存使用量，生物活性分类准确率	NA
816	2025-10-06	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种结合局部序列模式和拓扑信息的深度学习模型GraphkmerDTA，用于药物-靶点结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	首次将Kmer特征与结构拓扑信息相结合，通过图神经网络提取拓扑特征，同时利用全连接网络学习蛋白质的局部序列模式	未明确提及模型的具体局限性	开发更准确的药物-靶点结合亲和力预测方法，并应用于多靶点抗阿尔茨海默病药物发现	药物分子、蛋白质靶点、阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	Kmer特征提取、图神经网络、分子对接	图神经网络、全连接网络	蛋白质序列、分子结构	超过两千种化合物的筛选库	NA	GraphkmerDTA	NA	NA
817	2025-10-06	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究开发了一种基于深度学习的对比信号放大方法，将真实单剂量T1加权图像转换为人工双剂量图像，用于提高脑转移瘤的检测能力	首次使用深度学习技术将单剂量对比增强MRI图像转换为人工双剂量图像，避免了真实双剂量扫描对患者和环境的影响	样本量较小（30名参与者），在人工双剂量图像上观察到描述性假阳性增加趋势	评估基于深度学习的对比信号放大方法在脑转移瘤检测中的价值	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	医学影像分析	脑转移瘤	磁共振成像（MRI），T1加权成像	深度学习	医学影像	30名参与者	NA	NA	灵敏度，假阳性率	NA
818	2025-10-06	Deep learning in the discovery of antiviral peptides and peptidomimetics: databases and prediction tools 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11173-y PMID:40153158	综述	本文综述了抗病毒肽及其模拟物的数据库资源、理化特性及基于机器学习的预测工具在抗病毒肽发现中的应用	系统总结了抗病毒肽研究领域的关键数据库资源和机器学习预测工具，提出了未来发展的重点方向	现有数据库存在数据集规模小、注释不完整、与多组学数据整合不足的问题，预测工具面临过拟合、实验验证有限和机制解释不足的挑战	促进抗病毒肽及其模拟物的发现与研究	抗病毒肽及其模拟物	机器学习	病毒感染	机器学习，深度学习	NA	序列数据，理化特性数据	NA	NA	NA	NA	NA
819	2025-10-06	Integrating deep learning and molecular dynamics simulations for FXR antagonist discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11145-2 PMID:40172823	研究论文	本研究结合深度学习和分子动力学模拟发现新型FXR拮抗剂	首次将深度学习模型与分子动力学模拟相结合用于FXR拮抗剂发现	仅使用HMDB数据库进行筛选，未进行实验验证	发现新型FXR拮抗剂用于代谢疾病治疗	HMDB数据库中的217,345个化合物	机器学习	代谢疾病	分子动力学模拟，结合自由能计算	深度学习模型	化学化合物数据	217,345个化合物，筛选出11个候选代谢物	NA	NA	结合自由能	NA
820	2025-10-06	QMGBP-DL: a deep learning and machine learning approach for quantum molecular graph band-gap prediction 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11178-7 PMID:40252145	研究论文	提出一种结合深度学习与机器学习的量子分子图带隙预测方法QMGBP-DL	将分子图编码器与机器学习模型相结合，通过图卷积网络从SMILES字符串提取化学结构潜在表示，并与随机森林等传统机器学习模型集成	NA	提高分子和材料带隙能量的预测准确性	量子分子和材料	机器学习	NA	分子图编码，SMILES字符串处理	GCN，随机森林	分子图数据	QM9、PCQM4M和OPV数据集	NA	图卷积网络	MAE	NA