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
701	2025-11-30	Mycobacterium tuberculosis FAS-II pathway targeted integrative deep learning based identification of potential anti-tubercular agents 2025-Nov-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00695-0 PMID:41186754	研究论文	本研究开发了一种针对结核分枝杆菌FAS-II途径的集成深度学习方法，用于识别潜在抗结核药物	采用多靶点范式同时靶向FAS-II途径中的关键合成酶，结合深度学习和分子动力学模拟进行药物发现	需要进一步的药物化学优化来提高化合物效力	开发针对结核分枝杆菌FAS-II途径的新型抗结核药物	结核分枝杆菌的脂肪酸合酶II系统蛋白质	机器学习	结核病	虚拟筛选、分子对接、分子动力学模拟、体外验证	ANN	化合物数据	NA	NA	具有隐藏层的人工神经网络	抑制活性	NA
702	2025-11-30	Design, synthesis, deep learning-guided prediction, and biological evaluation of novel pyridine-thiophene-based imine-benzalacetophenone hybrids as promising antimicrobial agent 2025-Nov-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00687-0 PMID:41186782	研究论文	设计合成新型吡啶-噻吩基亚胺-苯亚甲基苯乙酮杂合分子作为抗菌剂，并通过深度学习预测和生物学评估验证其活性	首次将吡啶和噻吩骨架整合到亚胺-苯亚甲基苯乙酮杂合分子中，并采用深度学习QSAR模型进行活性预测	数据集规模有限可能影响模型泛化能力	开发新型抗菌剂以应对抗菌素耐药性问题	多重耐药病原菌和真菌病原体	药物化学	细菌感染	FTIR, H-NMR, LC-MS, 元素分析, 分子对接, 分子动力学模拟	全连接前馈神经网络	分子描述符数据	10种杂合衍生物（7a-7j）	NA	全连接神经网络	预测pMIC值, SHAP分析	分子动力学模拟（200 ns）
703	2025-11-30	Deep learning-guided rational engineering of synergistic PD-1 and LAG-3 blockade for enhanced tumor immunomodulation 2025-Nov-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00702-4 PMID:41186834	研究论文	利用深度学习指导工程化改造靶向PD-1和LAG-3的协同抗体以增强肿瘤免疫调节	开发基于图神经网络的逆向建模流程，通过深度学习预测功能性氨基酸替换，实现抗体结合亲和力与治疗潜力的协同优化	研究主要依赖计算模拟验证，需进一步实验验证临床效果	设计具有协同阻断PD-1和LAG-3功能的下一代免疫检查点抑制剂	靶向PD-1和LAG-3的单克隆抗体	机器学习	癌症	深度学习，分子动力学模拟，图神经网络	图神经网络	蛋白质序列，结构数据	基于临床验证的基准抗体模板	NA	消息传递图神经网络	结合亲和力，网络稳定性，热稳定性，免疫原性	分子动力学模拟
704	2025-11-30	The value of deep learning and radiomics models in predicting preoperative serosal invasion in gastric cancer: a dual-center study 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04949-1 PMID:40285792	研究论文	本研究通过深度学习、影像组学特征和临床特征建立并验证了预测胃癌术前浆膜侵犯的联合模型	首次将手工提取的影像组学特征与8种迁移学习模型的深度学习特征相结合，构建了多中心验证的联合预测模型	回顾性研究设计，样本量相对有限（335例患者）	预测胃癌患者术前浆膜侵犯状态	胃癌患者	医学影像分析	胃癌	CT静脉期影像分析	深度学习, 机器学习	医学影像, 临床数据	335例来自两个中心的患者	NA	8种迁移学习模型	AUC	NA
705	2025-11-30	Identification and characterization of clusters of potentially new vocalizations in broiler chickens using advanced acoustic analysis 2025-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105769 PMID:40972419	研究论文	本研究使用先进声学分析和机器学习技术识别并表征了1-35日龄肉鸡的潜在新型发声集群	发现了42个不同于4种已知发声的独特声音集群，最终筛选出10个可能代表新型发声的关键集群	样本量有限且缺乏统计重复	理解肉鸡的发声行为以改善动物福利	1-35日龄的健康肉鸡	机器学习	NA	声学分析	深度学习	音频	有限样本量的肉鸡录音	NA	NA	频率、时长、声学功率分析	NA
706	2025-11-30	Feature-driven optimization for growth and mortality prevention in poultry farms 2025-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105869 PMID:40992324	研究论文	开发基于特征驱动的优化模型预测家禽死亡率与平均体重，为家禽养殖提供智能决策支持	提出集成神经网络模型，将传统畜牧管理与深度学习软传感器相结合，实现家禽生长多指标精准预测	环境变量在稳定饲养条件下影响较小，模型在极端环境变化下的适应性需进一步验证	通过机器学习方法降低家禽死亡率并优化生长性能	台湾本土肉鸡	机器学习	NA	机器学习	Random Forest, Gradient Boosting Machine, Support Vector Machine, Linear Regression, Neural Network, Ensemble NN	数值数据（时间序列）	20,000只肉鸡的88天养殖数据	MATLAB	集成神经网络（5个并行网络）	RMSE, Coefficient of Variation of RMSE	NA
707	2025-11-30	Monitoring the ramp use of cage-free laying hens with deep learning technologies 2025-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105858 PMID:40997600	研究论文	开发基于深度学习的监测方法，用于监控无笼饲养蛋鸡的斜坡使用情况及其对地面蛋和巢箱产蛋数量的潜在影响	首次将YOLO系列深度学习模型应用于蛋鸡斜坡使用监测，为自动检测斜坡使用提供了高精度基线方法	斜坡接入并未显著降低地面蛋产量，研究结果在商业禽舍系统和CF系统中需要进一步验证	开发深度学习方法监测蛋鸡斜坡使用，评估斜坡接入对产蛋位置的影响	600只Lohmann LSL Lite蛋鸡	计算机视觉	NA	视频监控，深度学习目标检测	CNN	图像，视频	600只蛋鸡，3个相同的研究房间，2000张训练图像	PyTorch	YOLOv5u, YOLO11, YOLO11n(nano)	精确度, 召回率, mAP@0.50	NA
708	2025-11-30	Mapping EEG Metrics to Human Affective and Cognitive Models: An Interdisciplinary Scoping Review from a Cognitive Neuroscience Perspective 2025-Nov-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10110730 PMID:41294401	综述	从认知神经科学视角系统梳理脑电图指标与人类情感认知模型映射关系的跨学科范围综述	整合传统频谱分析与深度学习等多种EEG方法，系统揭示情感认知过程的频率特异性神经振荡模式及其交叉频率耦合机制	空间分辨率有限（2-3厘米）、个体间变异性大（α峰值频率7-14Hz范围）、神经精神疾病诊断特异性受重叠特征影响	建立EEG指标与心理构念映射的系统框架，推动脑状态评估在临床诊断和脑机接口中的应用	人类情感状态（效价与唤醒度）和认知过程（工作记忆、注意力、认知负荷）的神经振荡机制	认知神经科学	神经精神疾病	脑电图（EEG）、频谱分析、深度学习	深度学习模型	脑电信号	NA	NA	NA	分类准确率（情感效价75-85%、状态分类70-95%、被试识别85-98%）	NA
709	2025-11-30	Water Body Identification from Satellite Images Using a Hybrid Evolutionary Algorithm-Optimized U-Net Framework 2025-Nov-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10110732 PMID:41294405	研究论文	提出一种结合混合进化算法优化U-Net框架的卫星图像水体自动识别方法	将增强型U-Net模型与新型混合进化优化策略协同集成，实现全自动超参数调优	未提及模型在极端天气条件或特殊地理环境下的泛化能力	开发全自动卫星图像水体识别框架以提升环境监测和灾害响应能力	卫星图像中的水体区域	计算机视觉	NA	卫星遥感成像	U-Net	卫星图像	Kaggle和Sentinel-2公共数据集	NA	U-Net	Pixel Accuracy, F1-Score	NA
710	2025-11-29	Durative Monitoring of Sulfur Hexafluoride Characteristic Gases under Hydrogen Interference Using a Time2Vec-Encoded CNN-Transformer-LSTM Model Based on a Heterogeneous Gas Sensor Array 2025-Nov-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c02740 PMID:41165229	研究论文	提出一种基于异质气体传感器阵列和Time2Vec编码的CNN-Transformer-LSTM深度学习模型，用于六氟化硫分解气体的持续监测	首次将Time2Vec编码与CNN-Transformer-LSTM混合模型结合，并设计异质气体传感器阵列来降低交叉敏感性干扰	实验数据仅采集两天，数据量相对有限，需进一步验证长期监测性能	开发准确在线监测GIS系统中六氟化硫分解产物的方法	六氟化硫分解产生的HS、SO、CO和H₂四组分混合气体	传感器技术	NA	异质气体传感器阵列（金属氧化物半导体传感器、电化学传感器、Pd-Au合金氢传感器）	CNN, Transformer, LSTM	气体传感器时序数据	连续两天采集的实验数据集，第一天数据进行了增强	NA	Time2Vec-CNN-Transformer-LSTM混合架构	准确率, F1分数, R², RMSE	NA
711	2025-11-29	Synergistic Integration of Frequency-Dependent Impedance and Machine Learning in Semiconductor Metal Oxide-Based Breath Sensors for High-Performance Gas Discrimination 2025-Nov-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c02656 PMID:41178758	研究论文	本研究结合频率依赖性阻抗谱和机器学习技术，开发了一种用于高性能气体识别的半导体金属氧化物呼吸传感器	通过结构组成改性的单传感器结合频率依赖性阻抗特征，在潮湿环境下实现了对化学性质相似气体混合物的高精度识别	研究仅针对丙酮和乙醇两种气体的混合物，且浓度范围有限（0.5-2.5 ppm）	开发用于呼吸疾病检测的高性能气体识别传感器	铂负载二氧化锡传感材料对丙酮和乙醇混合物的识别	机器学习	呼吸系统疾病	频率依赖性阻抗谱	DNN	阻抗数据	丙酮和乙醇混合物在干燥和潮湿环境下的测试数据	NA	深度神经网络	准确率	NA
712	2025-11-29	Enhancing Slice-Wise Brain MRI Tasks using Self-Supervised and Auxiliary Learning 2025-Nov-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637752 PMID:41308094	研究论文	本研究通过自监督学习和辅助学习方法提升脑部MRI切片任务的性能	提出切片级正则化(SWR)辅助学习任务，利用MRI固有结构特性防止相邻切片表征解相关，且无需额外人工标注	NA	解决医学图像处理中标注数据稀缺的问题，提升脑部MRI切片任务的性能	颅咽管瘤识别(CPGR)和下丘脑受累检测(DHI)	医学图像处理	脑部疾病	结构脑磁共振成像(MRI)	CNN	医学图像	NA	NA	2D卷积网络	F1-score	NA
713	2025-11-29	Multiclass Brain Tumor Detection with Attention-Embedded CNN Framework: Advancing Toward Decentralized Deep Learning-Based Health Monitoring 2025-Nov-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638154 PMID:41308096	研究论文	提出一种结合注意力机制和残差连接的自定义CNN模型，用于多类别脑肿瘤检测，并探索去中心化学习在医疗监测中的应用	提出嵌入注意力机制和残差连接的Inception模块自定义CNN架构，在联邦学习框架下实现高性能脑肿瘤分类	仅使用在线公开脑肿瘤数据集，未在更广泛的真实临床环境中验证	开发基于去中心化深度学习的计算机辅助诊断系统，提高脑肿瘤检测准确性和效率	脑部MR图像中的多类别脑肿瘤	计算机视觉	脑肿瘤	磁共振成像(MRI)	CNN	医学图像	在线脑肿瘤数据集中的MR图像，分为四类：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	TensorFlow, PyTorch	自定义CNN, Inception, 注意力机制, 残差连接	准确率	NA
714	2025-11-29	Multi-label classification for multi-temporal, multi-spatial coral reef condition monitoring using vision foundation model with adapter learning 2025-Nov-26, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.119054 PMID:41308425	研究论文	本研究提出了一种结合DINOv2视觉基础模型和LoRA微调方法的多标签分类方法，用于多时空珊瑚礁状况监测	首次探索基础模型在多时空设置下对珊瑚礁状况进行多标签分类的高效适配方法	研究仅基于泰国涛岛的15个潜水点数据，需要更多地理位置的验证	开发高效准确的珊瑚礁状况自动分类方法以支持生态系统监测和保护	珊瑚礁生态系统状况	计算机视觉	NA	水下调查图像采集	视觉基础模型,适配器学习	图像	来自泰国涛岛15个潜水点的多时空野外图像	PyTorch	DINOv2, LoRA	匹配率	NA
715	2025-11-29	Impact of a deep learning reconstruction algorithm on image quality and dose reduction with ultra-high-resolution CT detectors: a phantom study 2025-Nov-26, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2025.11.002 PMID:41309417	研究论文	通过模体研究评估深度学习重建算法与超高分辨率CT探测器结合对图像质量和辐射剂量降低的影响	首次将深度学习重建算法与超高分辨率CT探测器结合，采用基于任务的评估框架进行定量分析	研究基于模体实验，尚未进行临床验证	评估深度学习重建算法在超高分辨率CT中的图像质量改善和辐射剂量降低潜力	Catphan 600模体	医学影像	NA	CT扫描	深度学习重建算法	CT图像	5个CTDIvol水平（10, 7.5, 5, 2.5, 1 mGy）的模体扫描数据	NA	ClearInfinity深度学习重建算法	MTF, NPS, TTF, 可探测性指数d'	NA
716	2025-11-29	Deep learning framework for automated frame selection in kidney ultrasound 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25755-1 PMID:41290740	研究论文	提出基于深度学习的自动化框架，用于从肾脏超声视频中选择最具诊断价值的帧	首次将YOLO系列分类模型应用于肾脏超声帧选择任务，并证明YOLO11x-cls模型在该任务上的优越性能	数据集规模相对有限（1203帧来自211名患者），需要进一步验证在更广泛人群中的泛化能力	开发自动化框架以提高肾脏超声图像选择的效率和一致性	肾脏超声视频帧	计算机视觉	肾脏疾病	超声成像	CNN	图像	1203帧来自211名患者	PyTorch	InceptionV3, ResNet34, ResNet50, EfficientNet, VGG16, YOLOv8x-cls, YOLO11x-cls	准确率, F1-score	NA
717	2025-11-27	Accurate prediction of protein-ATP binding sites based on a protein pretrained large language model and a fractional-order convolutional neural network 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25830-7 PMID:41290782	研究论文	提出一种基于预训练蛋白质大语言模型和分数阶卷积神经网络的蛋白质-ATP结合位点预测方法	首次结合预训练蛋白质大语言模型和分数阶反向传播的深度卷积神经网络，通过修改损失函数解决数据不平衡问题	仅使用序列信息，可能忽略蛋白质三维结构等重要特征	准确预测蛋白质与ATP的结合位点	蛋白质序列及其与ATP的相互作用	生物信息学	NA	蛋白质序列分析	LLM, CNN	蛋白质序列数据	多个蛋白质-ATP结合位点数据集	NA	预训练分数阶深度卷积神经网络(PFDCNN)	准确率, AUC	NA
718	2025-11-29	Brain benefits of deep learning-based noise management in experienced hearing aid users using functional near infrared spectroscopy 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25801-y PMID:41290802	研究论文	本研究使用功能性近红外光谱技术评估深度学习降噪助听器对听障用户大脑活动的影响	首次结合深度神经网络降噪算法与fNIRS技术研究助听器对前额叶皮层氧合水平的影响	样本量较小（26名受试者），仅针对有经验的助听器用户	研究深度学习降噪助听器特征对听障用户大脑活动的影响	26名有经验的助听器使用者	数字病理	听力损失	功能性近红外光谱（fNIRS）	深度神经网络（DNN）	脑血流氧合数据，行为表现数据，主观评分	26名有经验的助听器用户	NA	深度神经网络	听力准确率，主观听力努力评分，前额叶氧合水平	NA
719	2025-11-29	A multi-model deep learning framework for SEM-based defect detection in [Formula: see text] Perovskite thin films 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25848-x PMID:41290822	研究论文	提出一种多模型深度学习框架，用于基于SEM的钙钛矿薄膜缺陷自动检测	首次将多模型深度学习框架应用于混合维度钙钛矿薄膜的缺陷检测，结合高精度分类和实时检测模型	数据集规模有限（仅2380张SEM图像），YOLOv9模型准确率较低（45.0%）	开发自动化高精度缺陷检测方法，支持钙钛矿太阳能电池的大规模质量控制	甲脒碘化铅钙钛矿薄膜的结构缺陷	计算机视觉	NA	扫描电子显微镜	CNN	图像	2380张SEM图像	TensorFlow, PyTorch	ResNet50V2, DenseNet169, YOLOv9	准确率, 加权F1分数	NA
720	2025-11-29	OptiNet-B3: a lightweight explainable deep learning model for multiclass classification of fruit and leaf diseases 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25888-3 PMID:41290824	研究论文	提出一种轻量级可解释深度学习模型OptiNet-B3，用于苹果、香蕉和橙子的果实和叶片疾病多分类	集成Mish激活函数、卷积块注意力模块、组归一化和知识蒸馏技术，在低计算预算下优化学习	NA	早期准确检测作物疾病以保障作物健康和可持续农业生产力	苹果、香蕉和橙子的果实和叶片疾病	计算机视觉	植物疾病	深度学习	CNN	图像	果实13,602张图像，叶片11,199张图像	NA	OptiNet-B3	准确率	移动和边缘设备