深度学习在生物医药领域中的应用

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
1	2025-07-26	SpatialCVGAE: Consensus Clustering Improves Spatial Domain Identification of Spatial Transcriptomics Using VGAE 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00676-1 PMID:39680300	研究论文	提出了一种名为SpatialCVGAE的共识聚类框架，用于提高空间转录组数据的空间域识别稳定性和准确性	采用变分图自编码器（VGAE）学习多个潜在表示，并通过共识聚类方法整合聚类结果，提高了模型的稳定性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	解决空间转录组数据聚类中的不稳定性和噪声问题	空间转录组数据	数字病理学	NA	空间转录组技术（SRT）	变分图自编码器（VGAE）	基因表达数据和空间图数据	未提及具体样本数量，但使用了公开数据集
2	2025-07-26	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出了一种结合深度学习和机器学习的多视角可解释框架EnDM-CPP，用于识别细胞穿透肽(CPPs)并分析序列信息	结合了Transformer架构的语言模型特征(ProtT5和ESM-2)与序列特征，并融合了多种机器学习算法和卷积神经网络	NA	开发计算方法来预测潜在的细胞穿透肽(CPPs)，以促进CPPs在治疗中的应用	细胞穿透肽(CPPs)	机器学习	NA	ProtT5, ESM-2, CPRS, Hybrid PseAAC, KSC	SVM, CatBoost, CNN, TextCNN, Logistic Regression	序列数据	合并了三个CPP基准数据集(CPPsite 2.0, MLCPP 2.0和CPP924)
3	2025-07-26	MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00697-4 PMID:40019659	研究论文	本文提出了一种创新的深度学习架构MultiKD-DTA，用于增强药物-靶标亲和力预测	结合图神经网络、预训练大规模蛋白质模型和注意力机制，通过多尺度特征提取提升预测性能	未提及具体局限性	提高药物-靶标相互作用(DTI)亲和力预测的准确性	药物分子和蛋白质靶标	机器学习	NA	图神经网络、预训练模型(ESM-2)、双向LSTM	GNN、CNN、LSTM	分子结构图、蛋白质序列	两个公开数据集
4	2025-07-26	iEnhancer-GDM: A Deep Learning Framework Based on Generative Adversarial Network and Multi-head Attention Mechanism to Identify Enhancers and Their Strength 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00703-9 PMID:40335860	研究论文	开发了一个名为iEnhancer-GDM的深度学习框架，用于识别增强子及其强度	结合了生成对抗网络（WGAN-GP）和多头注意力机制，解决了增强子训练数据集规模有限的问题	未提及具体的数据集规模限制或模型在其他类型数据上的泛化能力	精确识别增强子并预测其强度，以帮助理解增强子的功能及其在基因组学中的关联	增强子DNA序列	机器学习	NA	WGAN-GP, dna2vec嵌入, 多尺度CNN, 双向LSTM, 多头注意力机制	GAN, CNN, LSTM	DNA序列数据	NA
5	2025-07-26	ResNeXt-Based Rescoring Model for Proteoform Characterization in Top-Down Mass Spectra 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00701-x PMID:40381130	研究论文	提出了一种基于ResNeXt的深度学习模型PrSMBooster，用于在蛋白质形态表征中对蛋白质形态谱匹配(PrSM)进行重新评分	PrSMBooster作为一种集成方法，整合了四种机器学习模型（逻辑回归、XGBoost、决策树和支持向量机）作为弱学习器来获取PrSM特征，并将这些特征输入ResNeXt模型进行最终重新评分	缺乏明确的参考集使得结果标准化变得复杂	提高蛋白质形态表征的准确性	蛋白质形态谱匹配(PrSM)	机器学习	NA	质谱分析	ResNeXt, 逻辑回归, XGBoost, 决策树, 支持向量机	质谱数据	47个独立质谱数据集，来自不同物种
6	2025-07-26	NPI-HetGNN: A Prediction Model of ncRNA-Protein Interactions Based on Heterogeneous Graph Neural Networks 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00716-4 PMID:40455400	研究论文	提出了一种基于异构图神经网络的ncRNA-蛋白质相互作用预测模型NPI-HetGNN	结合了ncRNA和蛋白质的序列特性及异质连接拓扑结构，引入了能量约束自注意力模块以增强特征提取能力	缺乏湿实验室验证条件，仅进行了计算验证	探索ncRNA-蛋白质相互作用以研究广泛的生物学特征和相关疾病	ncRNA和蛋白质	机器学习	NA	异构图神经网络	HetGNN	序列数据和网络拓扑数据	四个基准数据集
7	2025-07-26	Harnessing deep learning for fusion-based heavy metal contamination index prediction in groundwater 2025-Sep, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104672 PMID:40675024	研究论文	本研究提出了一种基于深度学习的融合框架，用于预测地下水中的重金属污染指数	采用深度神经网络（DNN）结合数据融合技术，首次将五种水污染指数整合为一个统一的复合指标，并显著提高了预测精度	研究仅针对伊朗Zanjan的Gultepe-Zarrinabad子流域，可能限制了结果的普适性	开发一种AI支持的环境监测方法，以促进可持续水资源管理	地下水中的锰（Mn）、铁（Fe）、砷（As）和铅（Pb）污染	机器学习	NA	数据融合和深度神经网络	DNN, DT, KNN, ANN	水质指标数据	伊朗Zanjan的Gultepe-Zarrinabad子流域的地下水样本
8	2025-07-26	Continuous noninvasive blood pressure estimation using tissue blood flow measured by diffuse correlation spectroscopy 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0266243 PMID:40697813	研究论文	本研究提出了一种利用扩散相关光谱（DCS）测量组织血流（BF）并通过深度学习模型（BFBP）实现连续无创血压监测的新方法	首次将DCS测量的组织血流与深度学习模型结合，实现连续无创血压估计	样本量较小（12名受试者），需进一步扩大验证	开发一种连续无创血压监测技术	人体血压和组织血流	生物医学工程	心血管疾病	扩散相关光谱（DCS）	深度学习（BFBP模型）	光学信号和血压数据	12名受试者
9	2025-07-26	Research on the potential of the deep learning-based "decomposition-optimization-reconstruction" method in runoff prediction for typical climate- and human-regulated basins in northern China 2025-Sep, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104655 PMID:40561564	研究论文	本文提出了一种基于深度学习的'分解-优化-重构'方法，用于中国北方典型气候和人类调节流域的径流预测	结合变分模态分解(VMD)和鲸鱼优化算法(WOA)优化双向长短期记忆神经网络(BiLSTM)，构建VMD-WOA-BiLSTM组合模型，显著提高了径流预测的准确性	模型在上游径流预测表现优于下游，且在不同季节的预测性能存在差异，可能与径流的季节性特征及模型固有预测能力有关	提高中国北方气候和人类活动影响流域的径流预测精度	中国北方典型气候和人类调节流域，特别是半干旱地区的海拉尔河流域和大黑河流域	机器学习	NA	变分模态分解(VMD), 鲸鱼优化算法(WOA)	双向长短期记忆神经网络(BiLSTM)	径流时间序列数据	海拉尔河流域和大黑河流域的径流数据
10	2025-07-26	Impact of prompting on large language model performance: ChatGPT-4 performance on the 2023 hand surgery self-assessment examination 2025-Sep, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2025.100326 PMID:40708759	研究论文	本研究评估了ChatGPT-4在2023年手外科自我评估考试中的表现，并探讨了提示工程对其性能的影响	首次评估GPT-4在手外科专业考试中的表现，并测试了通过提示工程（提供历史考试数据）能否提升模型性能	研究样本仅限于手外科领域的单一考试，视频类问题被排除在外，且提示前后的性能提升未达到统计学显著性	评估大型语言模型在专业医学考试中的应用潜力	ChatGPT-4模型在手外科自我评估考试中的表现	自然语言处理	NA	提示工程（prompt engineering）	GPT-4	文本和图像	2023年手外科自我评估考试的全部文本和图像问题（视频问题除外）以及2014-2020年的5个历史考试数据集
11	2025-07-26	Diffraction-informed deep learning for molecular-specific holograms of breast cancer cells 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0246495 PMID:40708806	研究论文	本文介绍了一种名为HoloNet的新型深度学习架构，专门设计用于直接分析细胞诊断中的衍射图像	HoloNet能够捕捉多尺度特征，在识别复杂全息图中明确定义区域方面优于传统卷积神经网络，并成功应用于乳腺癌细胞类型的分类和分子标记强度的量化	NA	解决透镜自由数字在线全息术(LDIH)产生的衍射图像复杂性对人类解释的挑战和计算重建耗时的问题	乳腺癌细胞	数字病理学	乳腺癌	透镜自由数字在线全息术(LDIH)	HoloNet(深度学习架构)	衍射图像(全息图)	NA
12	2025-07-25	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描（ODT）和卷积神经网络（CNN），首次实现了基于脂滴特征的胆道癌细胞自动分类	研究仅使用了有限的细胞系（SNU1196、SNU308、SNU478和H69），未涉及临床样本	开发一种自动分类胆道癌细胞的方法，以辅助早期诊断	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理学	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种胆道癌细胞系和1种正常胆管细胞系）
13	2025-07-25	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展	利用AI技术提升液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索人工智能在液体活检中的应用，以提高胃肠道癌症的早期检测率	胃肠道癌症（GICs）	数字病理学	胃肠道癌症	液体活检、ctDNA、exoRNA、肿瘤教育血小板	机器学习（ML）、深度学习（DL）	生物标志物数据	NA
14	2025-07-24	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Sep, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本文通过范围综述，探讨了利用护理数据进行机器学习预测模型在重症监护病房中的应用现状	首次系统梳理了护理数据在ICU患者预后预测模型中的具体应用类型和趋势	仅纳入了截至2023年12月的研究，且未对模型预测性能进行定量分析	识别利用护理数据的机器学习模型预测ICU患者健康结局的研究现状	重症监护病房成年患者	医疗健康机器学习	重症监护	监督学习、深度学习和神经网络	回归模型、Boosting和随机森林	结构化护理数据（护理量表、评估记录、活动记录和护理记录）	纳入151项研究（2004-2023年）
15	2025-07-23	Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning 2025-Sep, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102457 PMID:40580873	研究论文	通过单细胞转录组学和深度学习，识别并验证针对三阴性乳腺癌中巨噬细胞极化的协同药物策略	开发了一个基于巨噬细胞分化的分类器（MMDCSS），并发现非那雄胺可作为ZBTB20调节剂，逆转肿瘤诱导的M2巨噬细胞极化	研究样本量较小，仅涉及24名TNBC患者	探索三阴性乳腺癌中巨噬细胞极化的调控机制及其潜在治疗策略	三阴性乳腺癌患者和巨噬细胞极化	数字病理学	乳腺癌	单细胞RNA测序（scRNA-seq）、机器学习、伪时间轨迹映射	深度学习	转录组数据	24名三阴性乳腺癌患者
16	2025-07-23	Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance 2025-Sep, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102459 PMID:40582068	研究论文	该研究通过机器学习指导的单细胞多组学分析，揭示了非小细胞肺癌中GDF15驱动的免疫抑制微环境，并提出了克服抗PD-1耐药的转化框架	首次将机器学习与单细胞多组学结合，系统性地识别了免疫检查点阻断疗效的决定因素，并发现GDF15作为预测ICB耐药的一类新型生物标志物	研究样本量相对较小（n=156），且外部验证仅限于黑色素瘤队列	探索非小细胞肺癌免疫治疗耐药的分子机制并开发预测生物标志物	非小细胞肺癌患者样本和Lewis肺癌细胞系	数字病理学	肺癌	单细胞RNA测序、机器学习算法	Accelerated Oblique Random Survival Forest	多组学数据（包括转录组数据）	156例NSCLC患者样本（四个队列）
17	2025-07-22	Accelerating 3D radial MPnRAGE using a self-supervised deep factor model 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30549 PMID:40457622	研究论文	开发了一种自监督且内存高效的深度学习图像重建方法，用于高分辨率和多参数维度的4D非笛卡尔MRI	提出了深度因子模型（DFM），通过神经网络表示多对比图像序列，并采用自监督单次学习（SSL）方式从k空间数据中学习模型参数，同时开发了兼容的迁移学习（TL）方法以减少重建时间	在训练神经网络时，若无专用高端GPU阵列，计算需求可能较高	开发高效的多对比MRI图像重建方法	4D非笛卡尔MRI图像	医学影像处理	NA	MRI	DFM（深度因子模型）	图像	幻影和体内实验
18	2025-07-21	Can artificial intelligence in spine imaging affect current practice? Practical developments and their clinical status 2025-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2025.100621 PMID:40678684	综述	本文综述了人工智能在脊柱影像学中的临床应用现状及其潜在影响	总结了当前脊柱影像学中AI工具的实际临床应用，特别是深度学习重建技术的成熟应用	大多数AI工具仍处于实验或早期阶段，其临床性能仍需进一步研究	评估人工智能在脊柱影像学中的临床应用现状及其潜在影响	脊柱影像学中的AI应用	医学影像	脊柱疾病	深度学习	深度学习模型	医学影像	NA
19	2025-07-18	A deep learning model for accurate segmentation of the Drosophila melanogaster brain from Micro-CT imaging 2025-Sep, Developmental biology IF:2.5Q2 DOI:10.1016/j.ydbio.2025.05.027 PMID:40447251	research paper	提出了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	使用预训练神经网络和少量Micro-CT图像（1-3张）训练出准确的3D深度学习模型，并能扩展到不同组织对比染色、扫描仪型号和基因型的大脑分割	训练数据量较少（仅1-3张Micro-CT图像），可能影响模型的泛化能力	开发一种高效的果蝇大脑Micro-CT图像自动分割方法	成年果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	3D deep learning models (基于预训练神经网络)	3D Micro-CT图像	1-3张成年果蝇大脑Micro-CT图像
20	2025-07-17	Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis 2025-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112204 PMID:40466216	meta-analysis	评估人工智能方法在基于PET成像的淋巴瘤预后预测中的表现	首次通过系统综述和荟萃分析评估AI方法在淋巴瘤预后预测中的表现，特别是深度学习的优越性	需要进一步的前瞻性研究以验证临床应用的可行性	评估AI方法在淋巴瘤预后预测中的性能	淋巴瘤患者	数字病理学	淋巴瘤	PET成像	深度学习(DL), 机器学习(ML), 放射组学	图像	75项研究，主要关注非霍奇金淋巴瘤(NHL, n=61)