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
901	2025-11-25	Discovery of novel GluN1/GluN3A NMDA receptor inhibitors using a deep learning-based method 2025-Nov, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01571-1 PMID:40355656	研究论文	本研究使用基于深度学习的分子表示框架GeminiMol进行配体虚拟筛选，发现了新型GluN1/GluN3A NMDA受体抑制剂GM-10	开发了结合生物活性构象空间信息的深度学习分子表示框架，实现了基于配体的虚拟筛选和骨架跃迁	发现的抑制剂GM-10对GluN1/GluN2A和GluN1/GluN3B的选择性有待进一步提高	发现新型GluN1/GluN3A NMDA受体抑制剂	NMDA受体抑制剂	机器学习	神经系统疾病	配体虚拟筛选，全细胞膜片钳记录	深度学习	分子结构数据	1800万化合物库	GeminiMol	NA	IC50值	NA
902	2025-11-25	Deep Learning-Enhanced Noninvasive Detection of Pulmonary Hypertension and Subtypes via Chest Radiographs, Validated by Catheterization 2025-Nov, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.008 PMID:40541737	研究论文	本研究开发了基于胸部X光片的深度学习模型，用于无创检测肺动脉高压及其亚型	首次开发专门针对先天性心脏病相关肺动脉高压亚型检测的深度学习模型，并在多种临床队列中验证性能	需要更多样化人群的进一步验证以增强临床普适性	开发非侵入性、可访问且准确的肺动脉高压诊断工具	肺动脉高压患者，特别是先天性心脏病相关肺动脉高压亚型患者	数字病理	心血管疾病	胸部X光摄影，右心导管检查，经胸超声心动图	深度学习	图像	4,576名患者（2,288名PH患者），包括内部测试集2,140名患者和外部验证集90名患者	NA	CXR-PH-Net, CXR-CHD-PAH-Net	AUC, 敏感度, 特异度	NA
903	2025-11-25	Genotype-by-sex interaction analyses for alcohol use disorder across biobanks 2025-Nov, Alcohol, clinical & experimental research DOI:10.1111/acer.70173 PMID:41017299	研究论文	本研究通过基因组范围内的基因型-性别交互作用分析，探索酒精使用障碍的遗传基础及其性别差异	首个针对酒精使用障碍的基因组范围内基因型-性别交互作用研究，发现了多个与性别相关的遗传位点	研究主要基于欧洲和非洲血统样本，其他人群的代表性可能不足	探索遗传变异如何与生物性别相互作用影响酒精使用障碍风险	酒精使用障碍患者和对照人群	基因组学	酒精使用障碍	全基因组关联分析, 深度学习, 表达数量性状位点分析	深度学习	基因组数据, 临床数据	1,039,476名参与者（150,429例病例和889,046例对照）	NA	NA	p值	NA
904	2025-11-25	Evaluation of metagenome binning: advances and challenges 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf617 PMID:41269281	研究论文	评估宏基因组分箱方法的最新进展与挑战	系统评估最新深度学习分箱工具，发现对比学习模型表现最佳，并提出多样本分箱的新策略	未明确说明评估数据集的规模和多样性限制	评估宏基因组分箱方法的性能与效果	宏基因组分箱工具和算法	生物信息学	NA	宏基因组测序	深度学习,对比学习	宏基因组序列数据	CAMI2数据集和真实宏基因组数据集	NA	NA	分箱性能,嵌入精度,运行速度	NA
905	2025-11-25	Disrupting explicit encoding paradigms: property-interactive transformers decode T-cell receptor specificity beyond dataset biases 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf609 PMID:41269278	研究论文	本文开发了一种基于Transformer的T细胞受体特异性预测模型TCRoss，通过氨基酸特性交叉映射模拟空间结构，显著提升了预测性能	提出通过交叉映射TCR和肽的氨基酸特性来隐式模拟空间结构，并开发了首个基于Transformer的大规模学习模型TCRoss	NA	开发能够超越数据集偏差、准确预测T细胞受体与肽结合特异性的深度学习模型	T细胞受体(TCRs)与肽的结合特异性	机器学习	免疫系统疾病	深度学习，T细胞激活实验，生物物理验证	Transformer	生物序列数据，氨基酸特性数据	NA	NA	Transformer	预测准确性，注意力机制分析	NA
906	2025-11-25	Constructing the 3D spatial distribution of PM2.5 concentrations during the 2022 Beijing Winter Olympics using LiDAR vertical observation networks and machine learning models 2025-Nov, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109875 PMID:41130189	研究论文	本研究结合激光雷达垂直观测网络和机器学习模型，重构了2022年北京冬奥会期间京津冀地区PM2.5浓度的三维时空分布	首次将34个激光雷达站点与多种机器学习模型集成，构建了PM2.5的三维空间分布，并识别了不同奥运阶段的污染传输机制	研究区域仅限于京津冀地区，模型在其他地区的适用性需要进一步验证	研究北京冬奥会期间PM2.5的三维分布特征和传输机制	京津冀地区的PM2.5污染	机器学习	NA	激光雷达垂直观测，地面监测	XGBoost, Random Forest, LightGBM, RNN, CNN-RNN, CNN-BiLSTM	激光雷达垂直观测数据，地面监测数据	34个激光雷达站点数据	NA	CNN-BiLSTM, CNN-RNN	R², RMSE, MAE	NA
907	2025-11-24	YOLO-APLD: A lightweight apple leaf disease detection model based on multi-scale feature fusion 2025-Nov-23, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种基于改进YOLOv8n的轻量级苹果叶片病害检测模型YOLO-APLD	引入EP-C2f增强模块强化局部特征表示，提出Focal-SIoU损失函数优化检测稳定性，采用BiFPN实现多尺度特征融合，使用Slim-neck结构简化网络架构	NA	实现果园环境中苹果叶片病害的精准实时检测	苹果叶片病害（锈病、花叶病、褐斑病、白粉病、黑星病、轮斑病、灰斑病）	计算机视觉	植物病害	深度学习	YOLO	图像	NA	PyTorch	YOLOv8n, EP-C2f, BiFPN, Slim-neck	精确率, 召回率, 平均精度均值, F1分数, FLOPs, 参数量, 模型大小, 帧率	边缘计算设备
908	2025-11-24	PhyloCNN: Improving tree representation and neural network architecture for deep learning from trees in phylodynamics and diversification studies 2025-Nov-22, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf082 PMID:41273351	研究论文	提出一种基于深度学习的新方法PhyloCNN，用于系统发育动力学和多样化研究中的模型选择和参数估计	开发了专门针对系统发育树的卷积神经网络架构，通过编码所有节点和叶子的邻域信息来改进树表示	方法性能在较小训练集时受邻域数量影响较大，需要进一步验证在更广泛真实数据集上的适用性	改进系统发育动力学和多样化研究中的模型选择和参数估计方法	系统发育树，HIV超级传播者数据集，灵长类种子传播者数据集	机器学习	HIV/艾滋病	深度学习，模拟训练	CNN	系统发育树数据	10,000到100,000个模拟训练树	NA	PhyloCNN	准确率	NA
909	2025-11-24	Deep-learning reconstruction enables about one minute 3D T1-weighted MRI: quantitative evaluation of Acceleration-quality Trade-offs and motion reduction 2025-Nov-22, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03846-0 PMID:41273361	研究论文	评估深度学习重建方法DL-Speed在加速3D T1加权MRI成像中的效用，包括图像质量保持和运动减少效果	系统验证深度学习重建方法在临床环境中的实用性，首次揭示图像质量与形态计量学参数随加速因子的不同变化模式	样本量有限（6名健康志愿者和40名患者），缺乏多中心验证	评估深度学习重建方法在显著加速图像采集的同时保持定量图像质量和形态计量学准确性的能力	健康志愿者和临床患者群体的3D T1加权MRI图像	医学影像分析	神经系统疾病	3D MPRAGE MRI序列，深度学习重建	深度学习	3D MRI图像	6名健康志愿者，40名患者	NA	DL-Speed	CAT12图像质量评级，全局皮质厚度，总灰质体积，总向量变化，Bland-Altman分析，相关系数	NA
910	2025-11-24	AI-Driven Discovery and Design of Antimicrobial Peptides: Progress, Challenges, and Opportunities 2025-Nov-22, Probiotics and antimicrobial proteins IF:4.4Q2 DOI:10.1007/s12602-025-10856-0 PMID:41273666	综述	系统总结人工智能技术在抗菌肽发现与设计领域的最新进展、挑战和未来机遇	首次系统梳理AI技术在抗菌肽研究中从判别模型到生成模型的全流程应用，并提出多模态优化等创新设计策略	面临数据质量限制、模型可解释性不足和实验验证瓶颈等挑战	加速基于抗菌肽的药物研发进程	抗菌肽（AMPs）	机器学习	抗菌耐药性感染疾病	机器学习（ML）、深度学习（DL）	判别模型、回归模型、生成模型	多模态生物数据	NA	NA	NA	NA	NA
911	2025-11-24	AI-driven multi-omics integration in precision oncology: bridging the data deluge to clinical decisions 2025-Nov-21, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-01965-9 PMID:41266662	综述	探讨人工智能如何整合多组学数据推动精准肿瘤学从群体化治疗向个体化医疗转型	系统阐述AI技术在多组学整合中的创新应用，包括图神经网络建模生物网络、Transformer实现跨模态融合、可解释AI提供临床决策透明度	模型泛化能力不足、伦理公平性挑战、监管标准尚未统一	通过AI驱动的多组学整合提升肿瘤精准医疗水平	多组学数据（基因组学、转录组学、蛋白质组学、代谢组学、影像组学）	机器学习	癌症	多组学整合分析	深度学习, 机器学习, 图神经网络, Transformer	多组学数据	NA	NA	图神经网络, Transformer	AUC	量子计算, 联邦学习
912	2025-11-24	Pixel-level detection and classification of marine oil spills in aerial imagery with annotation uncertainty handling 2025-Nov-21, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118975 PMID:41273820	研究论文	本研究提出了一种基于深度学习的框架，用于在航空图像中进行像素级海洋溢油检测和分类，并处理标注不确定性	开发了两个互补的像素级标注RGB图像数据集，并利用U-Net架构进行语义分割，同时通过消融研究优化了网络骨干、预训练、数据增强和视觉模糊区域处理，以提升性能和泛化能力	未明确说明模型在极端天气或低光照条件下的性能，以及数据集可能存在的标注偏差未详细讨论	开发快速准确的自动溢油检测和分类方法，以支持环境缓解工作	海洋溢油，基于外观特征（如银色、彩虹色、乳化状）分类不同油类	计算机视觉	NA	航空影像采集	CNN	RGB图像	两个互补的像素级标注数据集（真实监测数据和在线来源数据）	NA	U-Net	mIoU, 准确率	NA
913	2025-11-24	Role of artificial intelligence in medical image analysis 2025-Nov-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003824 PMID:41131954	综述	概述人工智能在医学影像分析领域的最新进展、方法特点及未来趋势	系统梳理了基于卷积神经网络和大型语言模型的AI技术在医学影像分析中的新兴应用与发展轨迹	缺乏对AI技术解决关键临床挑战性能的深入分析	探讨人工智能在医学影像分析中的作用与发展趋势	医学影像分析技术	计算机视觉	NA	深度学习	CNN, LLM	医学影像	NA	NA	卷积神经网络, 大型语言模型	NA	NA
914	2025-11-24	Deep learning and whole-brain networks for biomarker discovery: modeling the dynamics of brain fluctuations in resting-state and cognitive tasks 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24702-4 PMID:41266387	研究论文	本研究利用深度学习模型从全脑网络模型中预测分岔参数，并评估其作为区分静息态和任务态脑状态的生物标志物的有效性	首次将全脑网络模型的分岔参数作为生物标志物，结合深度学习进行脑状态区分	仅使用合成BOLD信号进行训练，真实数据验证有限	探索分岔参数作为脑状态特征生物标志物的潜力	人脑连接组项目中的静息态和任务态脑功能数据	计算神经科学	神经系统疾病	BOLD信号分析，脑网络建模	深度学习，机器学习	fMRI数据，合成BOLD信号	人脑连接组项目数据，包含静息态和任务态条件	NA	超临界Hopf脑网络模型	分类准确率	NA
915	2025-11-24	Real time road scene classification and enhancement for driver assistance under adverse weather 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23171-z PMID:41266398	研究论文	提出一种基于机器学习的实时道路场景分类与图像增强系统，用于恶劣天气下的驾驶辅助	在低成本硬件(Raspberry Pi 5)上实现高精度道路场景分类，并针对不同场景应用特定图像增强技术	在有限硬件上运行，可能无法处理更复杂的深度学习增强技术	开发适用于恶劣天气条件的驾驶辅助视觉系统	道路场景图像（白天、夜晚、雾天、雨天）	计算机视觉	NA	图像增强技术	Random Committee, CNN, YOLO	图像	NA	NA	ResNet-101, CNN, YOLO	准确率	Raspberry Pi 5, USB摄像头, 7英寸显示器
916	2025-11-24	A lightweight improved YOLOv8 method for intelligent detection of pine wilt disease 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24854-3 PMID:41266447	研究论文	提出一种基于改进YOLOv8的轻量级智能检测方法PWD-YOLO-D，用于无人机遥感图像中的松材线虫病检测	集成高效多尺度交叉注意力机制增强多尺度特征表示，采用自集成注意力模块作为检测头提升遮挡和重叠树冠识别鲁棒性，使用Focaler-IoU损失函数优化定位精度	NA	开发高效精准的松材线虫病智能检测方法以支持及时防控	松材线虫病感染的松树	计算机视觉	植物病害	无人机遥感成像	YOLO	图像	NA	YOLOv8	PWD-YOLO-D（基于YOLOv8改进）	AP@0.5, AP@0.5:0.95, 参数量	NA
917	2025-11-24	Deep learning using inductively coupled plasma spectroscopy spectra accurately predicts various soil physicochemical properties for soil diagnosis 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24274-3 PMID:41266475	研究论文	本研究利用电感耦合等离子体光谱数据结合深度学习准确预测多种土壤理化性质	首次证明使用土壤提取物的ICP光谱数据可同时预测多种土壤参数	仅使用1941个土壤样本，样本来源和多样性可能有限	开发快速、精确且经济实惠的土壤诊断方法	来自7个国家的1941个土壤样本，涵盖不同土地利用模式和历史的土壤	机器学习	NA	电感耦合等离子体光谱法	深度学习	光谱数据	1941个土壤样本	NA	NA	决定系数	NA
918	2025-11-24	Research on coal and gas outburst risk prediction based on improved search algorithm optimized deep learning network 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24744-8 PMID:41266491	研究论文	基于改进搜索算法优化深度学习网络的煤与瓦斯突出风险预测研究	提出混沌映射和Levy飞行改进乌鸦搜索算法(ICSA)来优化CNN超参数，建立ICSA-CNN预测模型	NA	预测煤与瓦斯突出风险，提高煤矿安全生产水平	煤矿开采过程中的煤与瓦斯突出灾害	机器学习	NA	箱线图、数据插值法、相关性分析	CNN	煤矿安全监测数据	NA	NA	CNN	准确率、混淆矩阵	NA
919	2025-11-24	Natural language processing techniques to detect delirium in hospitalized patients from clinical notes: a systematic review 2025-Nov-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02051-w PMID:41266514	系统综述	系统综述自然语言处理技术在临床文本中检测住院患者谵妄的应用	首次系统评估NLP技术在谵妄检测中的应用效果，特别指出基于Transformer的模型达到最高性能（AUROC 0.984）	61.5%的研究存在高偏倚风险，仅一项研究进行外部验证，缺乏前瞻性实施和患者结局评估，所有研究均未考虑公平性、缺失数据处理和实施指导	评估自然语言处理技术在临床文本中自动检测谵妄的应用效果和方法	住院患者临床文本数据	自然语言处理	老年疾病	自然语言处理	规则方法,机器学习,深度学习,主题建模,半监督学习	临床文本	超过450,000名患者	NA	Transformer	敏感度,AUROC	NA
920	2025-11-24	Fetal gestational age estimation using artificial intelligence on non-targeted ultrasound images and video 2025-Nov-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02024-z PMID:41266569	研究论文	开发了一种基于深度学习的胎儿孕周估计模型，可从任意方向的超声图像直接估计孕周	首次使用非定向超声图像和视频进行胎儿孕周估计，无需特定图像方向，并输出不确定性评估	NA	开发一种不依赖专业技能的人工智能胎儿孕周估计方法	胎儿超声图像和视频	医学影像分析	产科疾病	超声成像	深度学习	图像, 视频	78,531例妊娠的200多万张超声图像，验证集包含742个胎儿的36,762张图像	NA	NA	平均绝对误差, p值	NA