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
81	2025-09-18	Sequence and Structure-based Prediction of Allosteric Sites 2025-Oct-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测计算方法及其在合理药物设计中的应用	强调多模态数据整合和可解释深度学习模型在提升变构位点预测与药物设计中的潜力	NA	促进对变构机制的理解并推动变构药物设计	蛋白质变构调控	计算生物学	NA	计算方法与深度学习	深度学习模型	序列与结构数据	NA
82	2025-09-18	Prediction of water quality parameters and pollution exceedance analysis in typical rivers of semi-arid regions based on interpretable deep learning models 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126801 PMID:40639737	研究论文	提出一种可解释的深度学习模型AT-GRU，用于半干旱地区典型河流水质参数预测与污染超标分析	结合SHAP可解释性分析，揭示预测关键驱动因子，并识别极端降水事件对水质的影响规律	模型在高污染条件下气象因素影响有限，未明确说明泛化能力验证	提升半干旱区域水质预测精度与模型可解释性，支持针对性污染控制与预警策略	半干旱大黑河流域的水质、气象及水文数据	机器学习	NA	深度学习，SHAP可解释性分析	AT-GRU (Attention-Gated Recurrent Unit)	时序数据（水质、气象、水文）	NA
83	2025-09-18	Deep learning-based screening approach for priority pollutants: a case study on retired power battery recycling 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126849 PMID:40683377	研究论文	提出一种基于深度学习的优先污染物筛选框架，应用于退役动力电池回收场景	结合深度学习算法与层次聚类分析构建新型污染物优先级筛选模型McA，并采用性能加权集成方法	NA	开发高效准确的优先污染物筛选方法以支持环境风险管理	退役动力电池回收过程中的潜在污染物	环境信息学	NA	深度学习，层次聚类分析，SHAP可解释性分析	集成学习（基于五种深度学习方法）	污染物特性数据	识别出13种污染物（分为4个优先级）
84	2025-09-18	Deep learning-based prediction of cervical canal stenosis from mid-sagittal T2-weighted MRI 2025-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04917-2 PMID:40152984	研究论文	本研究开发了基于深度学习的模型，用于从矢状T2加权MRI预测颈椎管狭窄	建立了大规模退行性颈椎病队列，并首次使用深度学习模型（包括集成模型）实现高精度颈椎管狭窄预测，同时结合了梯度加权类激活映射进行可解释性分析	数据来源于单一机构，且纳入人口统计学特征并未带来模型性能提升	预测颈椎管狭窄，辅助退行性颈椎病的诊断	退行性颈椎病患者	医学影像分析	颈椎病	MRI成像	ResNet50, VGG16, MobileNetV3, EfficientNetV2, 集成模型	图像	7645名患者（训练集6880人，测试集765人）
85	2025-09-18	A deep learning model with interpretable squeeze-and-excitation for automated rehabilitation exercise assessment 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03372-4 PMID:40327204	研究论文	提出一种基于CNN-SE和灰狼优化算法的深度学习模型，用于自动化康复运动评估	结合可解释的Squeeze-and-Excitation机制和SHAP方法，提供模型决策过程的透明度	NA	开发自动化康复运动评估系统，替代传统治疗师监督模式	健康参与者及运动功能障碍患者	计算机视觉	神经系统疾病	深度学习，灰狼优化算法，SHAP可解释性分析	CNN-SE (卷积神经网络-Squeeze Excitation)	运动数据	基于KIMORE和UI-PRMD数据集的参与者
86	2025-09-18	Deep learning assisted identification of SCUBE2 and SLC16 A5 combination in RNA-sequencing data as a novel specific potential diagnostic biomarker in prostate cancer 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03365-3 PMID:40335872	研究论文	本研究利用深度学习从RNA测序数据中筛选出SCUBE2和SLC16A5组合作为前列腺癌的新型潜在诊断生物标志物	首次发现SCUBE2在前列腺癌中的诊断价值，并证明SCUBE2与SLC16A5组合可显著提升诊断准确性	SCUBE2在前列腺癌中的具体功能机制尚未明确，需要进一步实验验证	开发更精确的前列腺癌诊断方法	前列腺癌患者基因表达数据	数字病理学	前列腺癌	RNA测序，深度学习	深度学习模型	基因表达数据	基于三个转录组数据集中的68个差异表达基因进行分析
87	2025-09-18	Predicting gene expression from DNA sequence using deep learning models 2025-Oct, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	综述	本文讨论利用深度学习模型从DNA序列预测基因表达的方法及其应用	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提升对基因调控复杂组合逻辑的建模能力	不同方法存在各自的优缺点，具体性能受训练数据集类型影响	构建从DNA序列预测基因活性的计算模型	基因转录调控元件（如启动子、增强子）及转录因子	机器学习	NA	表观基因组图谱、高通量报告基因检测	深度学习	DNA序列数据	NA
88	2025-09-18	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	研究论文	提出一种基于贝叶斯优化的深度集成框架，用于胶囊内镜图像中的多病灶自动识别	结合CA-EfficientNet-B0、ECA-RegNetY和Swin transformer三种基础学习器，并采用贝叶斯优化确定集成权重，有效提升胃肠道疾病分类性能	NA	自动识别胶囊内镜图像中的四种病灶（血管扩张、出血、糜烂和息肉）以及正常胃肠道图像	胶囊内镜图像	计算机视觉	胃肠道疾病	迁移学习、注意力机制	集成学习（CA-EfficientNet-B0, ECA-RegNetY, Swin transformer）	图像	281个病例的8358张图像
89	2025-09-18	ToPoMesh: accurate 3D surface reconstruction from CT volumetric data via topology modification 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03381-3 PMID:40423893	研究论文	提出ToPoMesh，一种端到端的深度学习框架，用于从CT体积数据直接重建高保真3D表面网格	通过图卷积网络中的残差连接和自注意力机制保留局部特征、自适应变密度网格解池策略动态优化顶点分布、拓扑修改模块迭代修剪误差表面并通过可变正则项进行边界平滑	NA	克服传统CT 3D重建方法的分辨率限制和后处理工作流耗时问题，直接生成高质量3D表面网格	CT体积数据	计算机视觉	多种疾病（涉及肝脏、胰腺肿瘤、海马体和脾脏数据集）	深度学习，图卷积网络(GCN)，自注意力机制	端到端深度学习框架	CT体积数据	使用LiTS、MSD胰腺肿瘤、MSD海马体和MSD脾脏数据集进行实验
90	2025-09-18	Deep Learning Pipeline for Automated Assessment of Distances Between Tonsillar Tumors and the Internal Carotid Artery 2025-Oct, Head & neck DOI:10.1002/hed.28200 PMID:40458868	研究论文	开发了一种基于深度学习的自动化流程，用于评估扁桃体肿瘤与颈内动脉之间的最小距离	首次提出使用nnU-Net深度学习框架自动分割扁桃体肿瘤和颈内动脉，并构建自动化工具计算两者间距离	研究样本量较小（96例患者），分割性能（DSC 0.67）仍有提升空间	为术前规划提供自动化的距离评估工具	扁桃体肿瘤患者	数字病理	头颈部肿瘤	CT扫描影像分析	nnU-Net	医学影像	96例扁桃体肿瘤患者的CT扫描数据
91	2025-09-18	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-Ocular Syndrome 2025-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	研究论文	开发基于深度学习的人工智能模型，利用光学相干断层扫描（OCT）图像预测太空飞行相关神经眼综合征（SANS）的发生	首次使用Resnet50深度学习模型结合航天和地面模拟数据预测SANS，并通过类激活图（CAM）识别关键影像区域	数据量有限（样本规模未明确说明），性能置信区间较宽	预测太空飞行相关神经眼综合征（SANS）的发病风险	宇航员（太空飞行数据）和头低位卧床休息研究参与者（地面模拟数据）	计算机视觉	神经眼综合征	光学相干断层扫描（OCT）	Resnet50	图像	NA
92	2025-09-18	Multitask Deep Learning for Automated Segmentation and Prognostic Stratification of Endometrial Cancer via Biparametric MRI 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70012 PMID:40536279	研究论文	开发基于双参数MRI的多任务深度学习框架，用于子宫内膜癌的自动分割和关键预后因素分类	首次提出统一深度学习框架同时实现肿瘤分割和多任务预后分层，并对比了放射科医师的视觉评估	回顾性研究，样本量有限（325例患者），需外部验证验证泛化性	通过双参数MRI实现子宫内膜癌的自动分割和预后因素多任务分类	325例经组织学确认的子宫内膜癌患者	医学影像分析	子宫内膜癌	双参数MRI（T2WI和DWI序列）	深度学习多任务分类模型	MRI影像	325例患者（训练集211例，验证集54例，测试集60例）
93	2025-09-18	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像探索阿尔茨海默病谱系中认知功能、视网膜生物标志物与大脑改变之间的关联	首次结合深度学习模型FARGO分析视网膜血管特征，并系统比较AD谱系不同阶段（HC、SCD、MCI、AD）的认知-眼-脑多维关联	样本量较小（总n=76），且AD组样本数较少（n=7），可能影响统计效力	揭示阿尔茨海默病谱系障碍中认知、眼部生物指标与大脑结构功能变化的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	多模态MRI（3D T1加权BRAVO序列、静息态fMRI）、光学相干断层扫描血管成像（OCTA）	深度学习模型FARGO	脑部MRI图像、视网膜OCTA图像、认知评估数据	76人（HC=16, SCD=35, MCI=18, AD=7）
94	2025-09-18	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Oct, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	研究论文	本研究开发了一种基于深度学习的自动化方法R2AUNet，用于从3D-FLAIR MRI中分割多发性硬化病灶	提出结合循环残差块和注意力机制的3D U-Net框架，仅使用单一MRI序列实现准确分割	NA	开发自动化多发性硬化病灶分割方法以减少人工分割的时间和变异性	多发性硬化患者的3D-FLAIR MRI扫描数据	医学图像分析	多发性硬化	3D-FLAIR MRI	R2AUNet（基于3D U-Net的循环残差注意力网络）	3D MRI图像	95名患者的112次MRI扫描
95	2025-09-18	BrainCNN: Automated brain tumor grading from magnetic resonance images using a convolutional neural network-based customized model 2025-Oct, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	提出一种基于卷积神经网络的定制模型BrainCNN，用于从磁共振图像自动分级脑肿瘤	整合专用CNN与预训练模型，在脑肿瘤分级中实现高达99.45%的准确率，并提升计算效率	NA	开发自动化脑肿瘤分级系统以辅助治疗规划和提高生存率	脑肿瘤患者	计算机视觉	脑肿瘤	MRI，深度学习	CNN，SVM，MobileNet，Inception V3，ResNet-50	图像	293例MRI扫描
96	2025-09-18	Magnetic Susceptibility-Based Imaging in Gliomas: Insights into Tumor Grading and Margin Delineation 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70140 PMID:40944493	综述	本文综述了基于磁化率的MR成像（如R2*、SWI和QSM）在胶质瘤分级和边界勾画中的应用价值	系统比较了不同磁化率成像技术的优势与局限，并提出多模态融合及人工智能整合的未来方向	QSM技术尚未在临床常规应用，且SWI无法区分出血与钙化	评估磁化率成像在胶质瘤分级和肿瘤边界界定中的作用	胶质瘤患者	医学影像分析	胶质瘤	R2*成像、SWI、QSM、多模态MR成像（包括PWI和DTI）	NA	磁共振影像	40项研究（基于文献综述）
97	2025-09-15	Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia 2025-Oct, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70007 PMID:39979124	研究论文	本研究验证了一种基于深度学习的体动记录仪算法在疑似特发性嗜睡症患者中预测睡眠-觉醒参数的效能，并与商业算法进行对比	首次在嗜睡人群中验证体动记录仪算法，并开发了基于序列到序列长短期记忆网络（S2S）的新算法，显著提升了睡眠-觉醒预测精度	样本仅来自单一参考中心，未涉及健康对照组，且家庭环境下的验证尚未完成	验证体动记录仪在嗜睡症患者中的科学有效性，并开发更优的睡眠-觉醒预测算法	疑似特发性嗜睡症患者	医疗健康监测	嗜睡症	体动记录仪（Actigraphy）与多导睡眠监测（Polysomnography）同步监测	S2S sequence-to-sequence LSTM网络	时间序列运动数据与多导睡眠图数据	206名嗜睡受试者入选，其中126人（91名女性，平均年龄30.6±15.5岁）完成同步数据采集与分析
98	2025-09-15	Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data 2025-Oct, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70061 PMID:40176726	研究论文	本研究使用深度学习模型对癫痫患者的医院标准脑电图和可穿戴设备数据进行自动睡眠分期分析	首次在癫痫患者中同时使用标准EEG和可穿戴数据，通过深度学习实现自动睡眠分期，并比较两种模态的性能差异	模型对N1期睡眠的敏感性非常低，可穿戴数据低估了大多数睡眠宏观结构参数的持续时间，临床实施前需进一步提高模型性能	评估深度学习模型在癫痫患者睡眠分期中的自动化分析能力	50名癫痫患者的223晚睡眠记录	数字病理学	癫痫	EEG（脑电图）、加速度计	深度学习	时间序列信号数据	50名患者，223晚睡眠记录
99	2025-09-15	The Future of Parasomnias 2025-Oct, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	综述	本文探讨了异态睡眠（如异常睡眠行为）的未来诊断技术、数据分析方法及治疗策略	介绍了新型家庭诊断设备（如EEG头带和3D摄像头）、深度学习在信号分类中的应用，以及大数据和梦境工程在治疗噩梦中的创新	NA	综述异态睡眠的诊断、预测和治疗的最新进展与未来方向	异态睡眠患者（如REM睡眠行为障碍和觉醒障碍患者）	NA	睡眠障碍	actigraphy, EEG, 红外摄像, 3D飞行时间摄像, 深度学习, 大数据分析, 梦境工程	深度学习	多模态数据（临床、认知、脑成像、DNA、多导睡眠图）	NA
100	2025-09-03	Corrigendum to "Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning" [Translational Oncology 2025 Jun 26;59:102457] 2025-Oct, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102474 PMID:40818872	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA