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
61	2025-12-15	A comprehensive comparison of convolutional neural network and visual transformer models on skin cancer classification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108713 PMID:41092791	研究论文	本研究对卷积神经网络和视觉Transformer模型在皮肤癌分类任务上进行了全面比较	首次在相同训练条件下，系统比较了15种先进CNN模型和15种ViT模型在皮肤癌分类中的性能，并发现基于Swin架构的ViT模型表现最佳	ViT模型参数量更大、计算资源需求更高，限制了其在资源受限环境下的临床应用	比较不同深度学习模型在皮肤癌分类任务中的性能差异	皮肤癌图像数据	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像	HAM10000和ISIC 2019两个公开数据集	NA	Swin Transformer, 多种CNN架构	准确率	NA
62	2025-12-15	MicroarrayCancerNet: Hybrid optimized deep learning with integration of graph CNN with 1D-CNN for cancer classification framework using microarray and seq expression data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108706 PMID:41110205	研究论文	本文提出了一种名为MicroarrayCancerNet的新型癌症分类框架，该框架结合了图卷积神经网络和一维卷积神经网络，并采用改进的沙锥优化算法进行基因选择和模型参数优化	提出了一种混合优化深度学习框架，首次将图卷积神经网络与一维卷积神经网络相结合用于癌症分类，并引入了改进的沙锥优化算法进行基因选择和模型参数调优	未明确说明模型在独立验证集上的泛化能力，也未讨论计算复杂度或运行时间等实际应用限制	开发一个高精度的癌症分类框架，用于从微阵列和测序表达数据中识别癌症相关基因并进行准确分类	微阵列和测序表达数据中的基因表达谱	机器学习	癌症	微阵列测序、基因表达分析	GCNN, 1D-CNN	基因表达数据（数值矩阵）	NA	NA	图卷积神经网络, 一维卷积神经网络	准确率	NA
63	2025-12-15	PerturbSynX: Deep learning framework for predicting drug combination synergy scores using drug induced gene perturbation data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108736 PMID:41129968	研究论文	本文提出了一种基于深度学习的多任务学习框架，用于预测药物组合的协同作用分数	提出了一种结合双向长短期记忆网络和注意力机制的混合架构，整合多模态生物数据同时预测药物协同分数和个体药物反应	训练策略可能导致轻微的不对称性，且模型在药物输入顺序上存在一定的敏感性	加速癌症研究中药物协同作用的发现	药物组合的协同作用分数和个体药物反应	机器学习	癌症	药物诱导的基因表达谱	BiLSTM, 注意力机制	基因表达数据, 分子描述符	未明确提及具体样本数量	未明确提及	BiLSTM, 注意力机制	RMSE, PCC, R	未明确提及
64	2025-12-14	Short-Term driving speed prediction under consecutive Variable speed Limits: An interpretable deep learning approach using Wide-Area trajectory data 2026-Feb, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108316 PMID:41252811	研究论文	本研究提出了一种可解释的深度学习框架，用于预测连续可变限速控制下的短期驾驶速度，并分析了驾驶员行为	首次利用广域轨迹数据，结合多视图时空注意力机制增强的CNN-BiLSTM模型，对连续VSL下的短期速度进行预测，并提供了可解释的时空注意力模式	研究仅基于山西五盂高速公路一段2.2公里路段的数据，可能无法完全推广到其他道路或交通条件	预测连续可变限速控制下的短期驾驶速度，并评估时空特征对驾驶员响应的影响	在连续可变限速标志控制下的驾驶员行为	机器学习	NA	广域轨迹数据采集	CNN, BiLSTM	轨迹数据	山西五盂高速公路一段2.2公里路段，包含两个连续VSL标志的广域轨迹数据	NA	CNN-BiLSTM with Multi-View Spatio-Temporal Attention Mechanism	MAE, RMSE	NA
65	2025-12-13	Recent advances and applications of single-cell sequencing in insects 2026-Feb, Current opinion in insect science IF:5.8Q1 DOI:10.1016/j.cois.2025.101455 PMID:41173389	综述	本文综述了单细胞测序技术在昆虫科学中的最新进展与应用，探讨了该技术如何推动昆虫生物学从描述性研究转向功能与机制研究	系统总结了单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）在昆虫研究中的应用，并展望了高通量空间转录组学等新技术的前景	作为综述文章，未提出新的实验数据或方法，主要基于现有文献进行归纳总结	总结单细胞测序技术在昆虫生物学研究中的最新进展，并探讨其未来发展方向	昆虫（泛指）	基因组学	NA	单细胞测序、单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）、空间转录组学	深度学习算法	基因组数据、转录组数据、表观基因组数据、蛋白质组数据、代谢组数据	NA	NA	NA	NA	NA
66	2025-12-13	A data-driven modeling approach to prediction of persistent foot drop after gastroc-soleus lengthening surgery in children with cerebral palsy 2026-Feb, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.110010 PMID:41223483	研究论文	本研究开发了一种基于术前步态和临床数据的深度学习模型，用于预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后持续性足下垂的风险	首次结合卷积神经网络和前馈神经网络，利用术前多模态数据预测术后足下垂，并采用SHAP方法解释模型以识别关键风险因素	样本量相对有限（110名儿童），且仅针对脑瘫儿童，模型在其他人群中的泛化能力尚未验证	预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后发生持续性足下垂的风险，并识别相关的术前风险因素	110名患有脑瘫的儿童（36名单瘫，74名双瘫）	数字病理学	脑瘫	三维步态分析，物理检查	CNN, 前馈神经网络	步态数据，临床数据	110名儿童	NA	卷积神经网络，前馈神经网络	均方根误差，准确率	NA
67	2025-12-12	FoodABSANet: Developing an adaptive graph convolutional neural network for aspect-based sentiment analysis of food reviews with a weighted polarity score 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108635 PMID:40914996	研究论文	本文提出了一种名为FoodABSANet的自适应图卷积神经网络，用于食品评论的方面级情感分析，并引入了加权极性评分	开发了一种自适应图卷积神经网络，结合加权极性评分，以处理方面级情感分析中多个方面相互影响的问题	NA	改进方面级情感分析（ABSA）方法，特别是在食品评论领域，以实现更精确的消费者情感极性挖掘	食品评论	自然语言处理	NA	NA	图卷积神经网络（GCN）	文本	NA	NA	FoodABSANet	NA	NA
68	2025-12-12	Construction and optimization of a LAMP-based diagnostic platform for acute hepatopancreatic necrosis disease in Penaeus vannamei 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108481 PMID:41173175	研究论文	本研究开发并优化了一种基于环介导等温扩增（LAMP）的低成本、便携式诊断平台，用于快速检测南美白对虾的急性肝胰腺坏死病（AHPND）	平台整合了荧光检测与智能手机兼容设备，开发了基于深度学习的感染检测算法以实现自动化诊断，并筛选了适应性最佳的荧光核酸染料以提升等温扩增方法的性能	研究未明确提及平台在野外或极端环境下的稳定性测试，也未讨论与其他现有诊断方法的直接比较	开发一种快速、低成本、便携的诊断工具，用于早期检测南美白对虾的急性肝胰腺坏死病（AHPND），以控制疾病传播	南美白对虾（Penaeus vannamei）及其感染的急性肝胰腺坏死病（AHPND）病原体	数字病理学	急性肝胰腺坏死病	环介导等温扩增（LAMP）、荧光检测	深度学习算法	荧光信号、图像数据	未明确提及具体样本数量，仅说明用于虾样本检测	未明确提及	未明确提及	特异性、灵敏度、检测限（1 copies/µL）	未明确提及
69	2025-12-12	Deep learning and molecular dynamics reveal promising EZH2 inhibitors for epigenetic cancer targeting 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108784 PMID:41237543	研究论文	本研究结合深度生成模型与计算药物设计方法，识别新型EZH2抑制剂用于表观遗传癌症靶向治疗	整合了微调的REINVENT生成模型与结构及配体为基础的计算方法，用于发现新型EZH2抑制剂，并通过多维度验证（分子对接、动力学模拟、药代动力学预测）筛选出优于参考药物的先导化合物	研究主要基于计算模拟和预测，缺乏体外或体内实验验证化合物的实际疗效和毒性	加速EZH2抑制剂的发现，用于表观遗传癌症靶向治疗	EZH2蛋白及其潜在抑制剂化合物	机器学习	癌症	分子对接, 分子动力学模拟, QSAR建模, DFT计算	生成模型, 分类模型	分子结构数据, 化学性质数据	从ChEMBL化合物库生成并筛选，优先考虑了511个经过PAINS过滤的化合物进行基于结构的筛选，最终鉴定出4个先导化合物（161, 225, 234, 383）	NA	REINVENT	ROC-AUC, R², Q², 结合亲和力 (kcal/mol), RMSD (Å), RMSF (Å)	NA
70	2025-12-12	Research on a novel gene sequence prediction and homomorphic encryption method based on Mamba-VMD 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108780 PMID:41240440	研究论文	本研究提出了一种结合Mamba神经网络基因序列预测与同态加密的分析方法，用于在云环境中安全地进行基因序列预测与相似性分析	创新性地将Mamba神经网络用于基因序列预测，并结合变分模态分解（VMD）与同态加密技术，实现了在保护隐私前提下的云环境基因数据分析	仅以猴痘病毒的一个实验序列（SRX17751190/SRR21755835）为例进行验证，样本规模有限，未在不同物种或大规模数据集上测试泛化能力	开发一种能够在云环境中安全进行基因序列预测与隐私保护的分析方法	猴痘病毒基因序列（实验ID SRX17751190，测序ID SRR21755835）	生物信息学	猴痘	基因序列分析，同态加密	Mamba神经网络	基因序列数据	1个病毒基因序列（猴痘病毒SRX17751190/SRR21755835）	NA	Mamba神经网络，VMD（变分模态分解）	MAE, MSE, RMSE, MAPE, MSPE, CKKS同态加密计算误差	云计算环境
71	2025-12-12	Constructing a deep learning-assisted smartphone application for intelligent recognition of steak doneness during cooking 2026-Feb, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109995 PMID:41241987	研究论文	本研究构建了一个深度学习驱动的智能手机应用，用于烹饪过程中牛排熟度的智能识别	结合深度学习模型与理化特性，构建非破坏性牛排熟度评估框架，并开发移动端优化应用实现实时识别	NA	开发智能烹饪设备，提高牛排熟度识别的准确性和实时性	牛排	计算机视觉	NA	NA	CNN	图像	1803张图像来自601块不同牛排，153个样本的理化特性来自51块不同牛排	NA	DenseNet121	准确率	移动端边缘计算
72	2025-12-12	A two-step joint model based on deep learning realizes intelligent recognition of exfoliated cells in serous effusion 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108616 PMID:40784070	研究论文	提出一种基于深度学习的两步联合模型，用于实现浆膜腔积液脱落细胞的智能识别	通过整合在线卷积重参数化模块改进YOLOv8模型，并结合双注意力视觉变换器，构建了两步联合框架，以标准化和增强诊断过程	未明确提及研究的具体局限性	标准化和增强浆膜腔积液的细胞学诊断过程，减少误诊和漏诊	浆膜腔积液中的脱落细胞，包括异常细胞以及正常细胞（淋巴细胞、间皮细胞、组织细胞、中性粒细胞）	数字病理学	恶性肿瘤	深度学习	YOLOv8, DaViT	图像	未明确提及具体样本数量	未明确提及	YOLOv8, DaViT	灵敏度, 准确率	未明确提及
73	2025-12-12	A unified graph-based approach for protein function prediction using AlphaFold structures and sequence features 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108609 PMID:40815964	研究论文	提出了一种名为StructSeq2GO的新型混合模型，通过结合AlphaFold预测的蛋白质结构和序列特征来预测蛋白质功能	首次将AlphaFold预测的高精度蛋白质结构信息与ProteinBERT生成的序列嵌入相结合，利用图表示学习进行蛋白质功能预测	模型性能受AlphaFold结构预测质量影响，未来可从结构置信度建模方面改进；目前尚未扩展到通路水平或疾病相关注释预测	开发一种整合蛋白质结构和序列信息的统一方法，以提升蛋白质功能预测的准确性	蛋白质及其功能注释（基因本体GO标签）	计算生物学	NA	AlphaFold结构预测，ProteinBERT语言模型，图表示学习	图神经网络，语言模型	蛋白质序列，蛋白质结构，蛋白质-蛋白质相互作用网络	NA	NA	StructSeq2GO（自定义混合架构）	F分数，AUC，AUPR	NA
74	2025-12-12	Systemic Lupus Erythematosus prediction using Epistatic-Quantile Fusion Transformer network with integrated multi-omics and clinical data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108617 PMID:40818386	研究论文	本文提出了一种名为Epistatic-Quantile Fusion Transformer (EQF-T)的统一框架，用于整合多组学和临床数据以预测系统性红斑狼疮	引入了Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA)进行数据预处理，以及Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT)来捕获高阶基因-基因相互作用和跨组学层的结构依赖性	未在摘要中明确说明	开发一个深度学习框架，以有效整合高维多组学数据和电子健康记录，实现系统性红斑狼疮的早期预测	系统性红斑狼疮患者的多组学数据和临床数据	机器学习	系统性红斑狼疮	多组学数据整合，电子健康记录分析	Transformer, Autoencoder	多组学数据，临床数据	未在摘要中明确说明	未在摘要中明确说明	Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA), Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT), SLE-Net	准确率, 精确率, 召回率, F1分数, ROC-AUC	未在摘要中明确说明
75	2025-12-12	A novel hybrid deep learning model using MEResNext for autism spectrum disorder detection 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108619 PMID:40834741	研究论文	本文提出了一种结合MoNet和ResNeXt的混合深度学习模型MEResNeXt，用于自闭症谱系障碍的检测	提出了一种名为DeSEHO的特征选择方法（结合双指数平滑和麋鹿群优化器），并构建了新型混合深度学习模型MEResNeXt	未提及模型在独立外部数据集上的验证情况，也未讨论计算复杂度或实时应用可行性	开发一种用于自闭症谱系障碍检测的混合深度学习方法	自闭症谱系障碍患者的数据	机器学习	自闭症谱系障碍	Yeo-Jhonson变换，双指数平滑，麋鹿群优化器	深度学习，混合模型	未明确说明（可能是医学或行为数据）	NA	NA	MEResNeXt（MoNet与ResNeXt的组合）	准确率，灵敏度，特异性	NA
76	2025-12-12	LYnet: Computational identification of tumor T cell antigens using convolutional and recurrent neural networks 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108630 PMID:40876398	研究论文	本研究提出了一种名为LYnet的新型深度学习模型，用于准确预测肿瘤T细胞抗原，以改进癌症疫苗的开发	构建了一个结合一维卷积神经网络和双向长短期记忆层的混合架构，以同时捕捉局部基序模式和长程序列依赖性，并采用SMOTE-Tomek策略处理类别不平衡问题	未在更广泛、更多样化的独立数据集上进行验证，模型性能可能受限于训练数据的质量和代表性	开发一种高精度的计算模型，以改进肿瘤T细胞抗原的识别，从而促进更有效的治疗性癌症疫苗的开发	肿瘤T细胞抗原的氨基酸序列	生物信息学/计算生物学	癌症	深度学习，序列特征提取（AAindex, AAK-mer, CKSAAP/CKSAAGP, 理化组成向量）	CNN, LSTM	序列数据（氨基酸序列）	使用了LYnet基准数据集进行训练和10折交叉验证，并在两个独立基准集（TAP 1.0和iTTCA-RF）上进行评估	NA	一维CNN与双向LSTM的混合架构（LYnet）	AUC, 灵敏度, 特异性, MCC	NA
77	2025-12-12	Diagnosis of leukemia using microarray analysis based on Hidden Markov Model and Random Convolutional Kernel Transform 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108676 PMID:40946356	研究论文	本研究提出了一种结合生成对抗网络、隐马尔可夫模型和随机卷积核变换的深度学习模型，用于基于微阵列数据的白血病高精度诊断	首次将GAN（U-Net架构）用于生成白血病诊断相关的合成微阵列数据，并结合HMM进行特征排序与ROCKET方法进行分类，实现了对五种白血病亚型的高精度分类	未明确说明模型在独立外部验证集上的泛化性能，也未讨论计算复杂度和临床部署可行性	提高基于微阵列数据的白血病亚型诊断准确率	白血病患者的基因微阵列数据	机器学习	白血病	微阵列分析	GAN, HMM, ROCKET	基因表达数据	NA	NA	U-Net	准确率	NA
78	2025-12-12	Beehive-entrance imaging and deep learning for real-time monitoring of Varroa destructor in apiculture 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108465 PMID:41057107	研究论文	本研究提出了一种基于蜂巢入口成像和深度学习的方法，用于实时监测蜜蜂中的瓦螨（Varroa destructor）	通过改造传统蜂巢并部署基于YOLOv5s的检测器，实现了在蜜蜂运动和环境光照变化下的实时瓦螨检测，并提供了经济可行的规模化部署方案	未明确提及模型在不同气候或蜂种间的泛化能力，以及长期运行中的维护挑战	开发一种实时、自动化的瓦螨监测系统，以支持可持续和数据驱动的养蜂实践	蜜蜂（Apis mellifera）及其寄生虫瓦螨（Varroa destructor）	计算机视觉	NA	蜂巢入口成像	CNN	图像, 视频	1,600张标注图像，补充了螨虫特写	NA	YOLOv5s	平均精度均值（mAP@0.5）	NA
79	2025-12-10	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像，旨在解决高分辨率全头血管造影采集耗时的问题	采用少样本学习框架，结合预训练的3D变分网络，仅需两个实验采集的数据集进行微调，即可实现八倍加速下的高质量重建	方法仅在健康志愿者和小样本上进行评估，未在病理患者数据中验证其泛化能力	开发一种能够利用极少量原始数据实现高质量3D TOF-MRA重建的深度学习方法	3D时间飞行磁共振血管成像数据	医学影像重建	NA	磁共振成像，时间飞行血管成像	深度学习，变分网络	k空间数据，图像数据	5名健康志愿者的回顾性欠采样数据，2名额外受试者的前瞻性欠采样数据	NA	3D变分网络	重建质量，伪影减少，血管细节保留	NA
80	2025-12-09	Ex vivo human brain volumetry: Validation of MRI measurements 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过扫描离体原位人脑标本，验证了MRI脑体积测量工具与金标准水置换法的准确性	首次使用离体原位人脑标本作为金标准，验证了多种MRI序列和分割方法（包括手动和基于深度学习的自动分割）在脑体积测量中的准确性	样本量较小（仅7个解剖头部），且所有标本均经过酒精-甲醛溶液固定，可能影响组织特性	验证MRI脑体积测量工具的准确性，通过离体标本扫描与金标准水置换法对比	离体原位固定的人脑标本	医学影像分析	NA	MRI扫描（T2加权、T1加权、MP2RAGE序列）	深度学习	MRI图像	7个解剖头部标本	NA	SynthSeg	体积测量准确性，重复测量方差分析	NA