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
221	2025-07-29	Integration of pre-trained GRU and molecular docking for virtual screening of quinoa seed derived ACE inhibitory peptides: An innovative prediction strategy 2025-Jul-17, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145591 PMID:40712418	研究论文	本研究提出了一种结合预训练GRU模型和分子对接的创新策略，用于预测藜麦种子蛋白衍生的ACE抑制肽的IC值	采用预训练GRU模型结合分子对接技术，创新性地解决了数据稀缺和标签不平衡问题，提高了ACE抑制肽的预测准确率	研究仅针对藜麦种子蛋白衍生的ACE抑制肽，可能不适用于其他来源的肽类	开发一种高效的生物活性肽筛选方法	藜麦种子蛋白衍生的ACE抑制肽	自然语言处理	心血管疾病	分子对接	GRU	序列数据	7种合成肽
222	2025-07-29	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Jul-16, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	research paper	提出了一种基于AI的多模态融合模型，用于通过听觉、视觉和文本线索自动检测抑郁症	整合了视觉、听觉和文本线索的多模态融合模型，并在多种场景下验证了模型性能，包括与聊天机器人的访谈	未进行纵向随访研究，且对重度抑郁症的适用性需进一步研究	开发自动化抑郁症检测模型	抑郁症患者和健康对照者	machine learning	depression	multi-head cross-attention network	multimodal fusion model	audio-video and textual data	内部验证集：152名抑郁症患者和118名健康对照者；外部验证集：55名抑郁症患者和45名健康对照者
223	2025-07-29	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Jul-16, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	research paper	本研究开发了一种名为R2AUNet的深度学习模型，用于从3D-FLAIR MRI中自动分割多发性硬化症病灶	结合了循环残差块和注意力机制的3D U-Net框架，仅使用3D-FLAIR MRI即可实现准确分割，简化了数据采集过程	研究样本量相对较小（112次MRI扫描，来自95名患者），且所有数据来自单一机构	开发自动化的多发性硬化症病灶分割方法，提高诊断效率和准确性	多发性硬化症患者的3D-FLAIR MRI图像	digital pathology	multiple sclerosis	3D-FLAIR MRI	R2AUNet（基于3D U-Net框架，结合循环残差块和注意力机制）	3D MRI图像	112次MRI扫描（来自95名确诊多发性硬化症患者）
224	2025-07-29	Dual branch neural network with dynamic learning mechanism for P300-based brain-computer interfaces 2025-Jul-13, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107876 PMID:40712216	研究论文	本研究提出了一种双分支神经网络与动态学习机制，用于解决基于P300的脑机接口中的类别不平衡问题	提出了一种双分支学习方法（DBL），同时考虑特征表示和类别不平衡，通过动态学习机制逐步强调少数类样本	研究依赖于公开和自收集的数据集，可能在其他数据集上的泛化能力有待验证	解决基于P300的脑机接口系统中的类别不平衡问题，提高分类性能	P300拼写器系统及其用户	脑机接口	NA	双分支学习（DBL）	双分支神经网络	脑电信号数据	公开数据集和自收集数据集
225	2025-07-29	Analysis of the carotenoid cycle during microbial growth by combining fluorescence imaging and deep learning 2025-Jul-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126641 PMID:40712219	研究论文	结合荧光成像和深度学习分析微生物生长过程中的类胡萝卜素循环	首次检测并实时追踪两种海洋芽孢杆菌孢子生长过程中类胡萝卜素含量的动态变化	仅针对两种特定的海洋芽孢杆菌孢子进行研究，样本范围有限	研究微生物生长过程中类胡萝卜素含量的动态变化及其代谢特性	两种海洋芽孢杆菌孢子（编号#2430和#2966）	数字病理	NA	拉曼光镊、活细胞动态成像、荧光显微镜	UNet-VGG16	图像	两种海洋芽孢杆菌孢子
226	2025-07-29	Monochromatic LeafAdaptNet (MLAN): an adaptive approach to spinach leaf disease detection using monochromatic imaging 2025-Jul-08, World journal of microbiology & biotechnology IF:4.0Q2 DOI:10.1007/s11274-025-04442-3 PMID:40627236	研究论文	本文提出了一种名为Monochromatic LeafAdaptNet (MLAN)的自适应方法，用于通过单色成像检测菠菜叶部病害	基于DenseNet-121-DO模型开发了定制的MLAN模型，用于菠菜叶部病害的检测与分类，实现了高准确率和平均精度	NA	提高菠菜叶部病害的检测和分类精度，以减少农药使用并提升农业产量	菠菜叶片	计算机视觉	植物病害	深度学习目标检测	DenseNet-121-DO, MLAN	图像	NA
227	2025-07-29	Deep Learning Based Models for CRISPR/Cas Off-Target Prediction 2025-Jul, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500122 PMID:40468633	综述	本文综述了基于深度学习的CRISPR/Cas脱靶预测工具，评估了六种深度学习模型在公共数据集上的表现	强调了将已验证的脱靶数据集整合到模型训练中以提升预测性能的重要性，并评估了多种深度学习模型的综合表现	没有一种模型在所有场景中始终优于其他模型	改进CRISPR/Cas脱靶位点预测，确保更安全的基因组编辑应用	CRISPR/Cas基因组编辑技术的脱靶效应	机器学习	NA	深度学习	CRISPR-Net, CRISPR-IP, R-CRISPR, CRISPR-M, CrisprDNT, Crispr-SGRU	序列数据	六个公共数据集和CRISPRoffT数据库中的验证数据
228	2025-07-29	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-Jul, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	介绍了一种基于记忆核最小化的神经网络（MEMnets），用于发现生物分子动力学的慢集体变量	MEMnets基于整合广义主方程理论，通过编码记忆核处理非马尔可夫动力学，并通过并行编码网络最小化时间积分记忆核的上界来识别最优集体变量	未明确提及具体限制，但可能在大分子动态系统中采样有限时存在挑战	识别准确捕捉蛋白质构象变化最慢时间尺度的集体变量	生物分子动力学中的慢集体变量	机器学习	NA	深度学习	神经网络	分子动态数据	涉及FIP35 WW域的折叠和细菌RNA聚合酶的钳位开放
229	2025-07-29	A deep learning phenome wide association study of the electrocardiogram 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf047 PMID:40703109	研究论文	本研究利用深度学习技术，通过心电图（ECG）波形检测多种心脏和非心脏疾病，并探索了这些疾病分类的ECG特征	发现了ECG可以检测的新疾病，如呼吸衰竭、中性粒细胞减少症和月经紊乱，并揭示了这些疾病分类的ECG特征	研究中使用的数据集仅来自两个医疗中心，可能限制了结果的普适性	确定ECG可检测的全部心脏和非心脏疾病，并理解哪些ECG特征有助于疾病分类	心电图（ECG）波形和连接的电子健康记录	机器学习	心血管疾病	深度学习	PheWASNet（多任务深度学习模型）	ECG波形数据	来自两个医疗中心的大规模ECG和电子健康记录数据集
230	2025-07-29	Novel artificial intelligence model using electrocardiogram for detecting acute myocardial infarction needing revascularization 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf049 PMID:40703113	研究论文	本研究开发了一种基于心电图（ECG）的人工智能模型，用于检测需要血运重建的急性心肌梗死（AMI）	采用基于transformer的深度学习模型，并通过自监督学习在大规模无标记ECG数据上进行预训练，提高了AMI检测性能	研究数据来自单中心，外部验证集的时间跨度较大（2002-2020年）	开发能够及时诊断需要血运重建的AMI的人工智能模型	急性心肌梗死患者	医疗人工智能	心血管疾病	深度学习	transformer	心电图数据	训练集：723,389份ECG（300,627名患者）；外部验证集：261,429份ECG（259,454名患者）
231	2025-07-29	Development and multinational validation of an ensemble deep learning algorithm for detecting and predicting structural heart disease using noisy single-lead electrocardiograms 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf034 PMID:40703117	研究论文	开发并验证了一种基于深度学习的噪声弹性单导联心电图算法，用于检测和预测结构性心脏病	提出了一种噪声弹性的单导联AI-ECG算法，适用于便携/可穿戴设备，用于社区筛查和风险分层	研究主要基于医院数据，社区应用的实际效果需进一步验证	开发一种适用于便携设备的AI算法，用于结构性心脏病的检测和预测	结构性心脏病患者及高风险人群	机器学习	心血管疾病	深度学习	ADAPT-HEART (基于深度学习的算法)	心电图数据	266,740份心电图，来自99,205名患者
232	2025-07-29	A deep foundation model for electrocardiogram interpretation: enabling rare disease detection through transfer learning 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf051 PMID:40703125	研究论文	本研究开发了一个基于深度神经网络的ECG基础模型，通过迁移学习提高罕见疾病检测的性能	利用大规模ECG数据集预训练卷积DNN，并展示其作为基础模型在小样本罕见疾病检测中的迁移学习能力	模型性能在罕见疾病检测中虽然优于从头训练的模型，但AUC仍有提升空间	开发一个能够提高心电图(ECG)诊断性能的深度学习基础模型	心电图(ECG)数据	医疗人工智能	心血管疾病	深度学习	CNN	心电图信号	160万份心电图数据
233	2025-07-29	Detection of subclinical atherosclerosis by image-based deep learning on chest X-ray 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf033 PMID:40703133	研究论文	开发了一种基于深度学习的系统，用于在普通正面胸部X光片上识别亚临床动脉粥样硬化	利用深度学习算法预测冠状动脉钙化（CAC）评分，能够在胸部X光片上准确检测亚临床动脉粥样硬化	需要在未来进行前瞻性评估以验证其在心血管风险分层或机会性筛查工具中的应用	开发一种深度学习系统，用于识别亚临床动脉粥样硬化	初级预防患者的胸部X光片和胸部CT扫描	计算机视觉	心血管疾病	深度学习	AI-CAC模型	图像	460例患者用于训练和内部验证，90例患者用于外部验证
234	2025-07-29	Explainable AI for Cotton Leaf Disease Classification: A Metaheuristic-Optimized Deep Learning Approach 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70658 PMID:40703612	研究论文	本研究提出了一种结合EfficientNetB3和InceptionResNetV2的可解释深度学习框架，用于棉花叶部病害的准确分类	结合了元启发式优化的深度学习方法，并引入可解释AI技术（LIME和SHAP）增强模型透明度	未提及具体样本量或数据来源的详细信息	开发可靠、可解释且适用于田间实时应用的棉花叶部病害诊断工具	棉花叶部病害	计算机视觉	棉花叶部病害	深度学习	EfficientNetB3, InceptionResNetV2	图像	NA
235	2025-07-29	Multistage attention-based extraction and fusion of protein sequence and structural features for protein function prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf374 PMID:40569190	研究论文	提出了一种基于多阶段注意力机制的蛋白质功能预测框架MAEF-GO，整合了图卷积网络和图注意力网络来提取蛋白质结构特征，并引入频域注意力机制和交叉注意力模块来融合蛋白质序列和结构信息	创新性地整合了图卷积网络和图注意力网络来提取蛋白质结构特征，引入了频域注意力机制来处理蛋白质序列中的长距离依赖关系，并实现了交叉注意力模块来促进序列和结构模态的交互融合	未提及具体的数据集限制或模型泛化能力的详细评估	提高蛋白质功能预测的准确性和全面性	蛋白质序列和结构信息	生物信息学	NA	图卷积网络(GCN)、图注意力网络(GAT)、频域注意力机制	MAEF-GO	蛋白质序列和结构数据	未提及具体样本数量
236	2025-07-29	DeepFace: A High-Precision and Scalable Deep Learning Pipeline for Predicting Large-Scale Brain Activity from Facial Dynamics in Mice 2025-Jun-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.10.658952 PMID:40661434	research paper	介绍DeepFace，一种用于从小鼠面部动态预测大规模脑活动的高精度和可扩展的深度学习流程	DeepFace在DeepLabCut和Facemap的基础上，解决了可扩展性瓶颈并改进了行为量化，提供高精度、关键点定制以及在多种GCaMP系列中的稳健性能	未明确提及具体限制	提升小鼠面部分析和皮质活动预测的精度和可扩展性	小鼠的面部动态和脑活动	digital pathology	NA	深度学习	NA	图像	未明确提及具体样本量
237	2025-07-29	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间转录组和蛋白质组分析结合深度学习，揭示了肝细胞癌免疫治疗反应和抵抗的多组学特征	开发了一种可解释的多模态深度学习框架，用于从空间多组学数据中提取关键细胞和分子特征，并构建了预测免疫治疗反应的图神经网络模型	研究样本仅限于肝细胞癌患者，未涉及其他癌症类型	探索肝细胞癌免疫治疗反应和抵抗的机制	肝细胞癌患者的治疗前后组织样本	数字病理学	肝癌	空间转录组学、空间蛋白质组学	图神经网络	多组学数据	未明确提及具体样本数量
238	2025-07-29	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-Jun-03, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	本研究通过深度学习模型分析儿童上呼吸道体积与认知能力及大脑结构的关系	首次在大型儿科队列中应用深度学习进行上呼吸道分割，并发现上呼吸道体积与认知能力及大脑结构的关联	研究仅基于观察性数据，无法确定因果关系	探究儿童上呼吸道体积与认知能力及大脑结构的关系	11,875名9-10岁儿童	数字病理学	睡眠呼吸障碍	MRI	深度学习模型	MRI图像	11,875名儿童，分析5,552,640个MRI切片
239	2025-07-29	Genome structure mapping with high-resolution 3D genomics and deep learning 2025-May-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.06.650874 PMID:40654659	研究论文	本文介绍了一种结合高分辨率3D基因组学和深度学习的基因组结构映射方法	开发了基于注意力的深度学习模型Cleopatra，能够以前所未有的分辨率预测3D基因组图谱	仅测试了四种人类细胞类型，可能无法完全代表所有细胞类型的3D基因组结构	建立超高分辨率3D基因组映射框架，研究细胞类型特异性基因调控	人类基因组3D结构	机器学习	NA	Region Capture Micro-C (RCMC)和Micro-C	基于注意力的深度学习模型(Cleopatra)	基因组数据	四种人类细胞类型
240	2025-07-29	High-Performance Method and Architecture for Attention Computation in DNN Inference 2025-04, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3436837 PMID:39088504	研究论文	提出了一种基于内存计算（CIM）宏的在线可编程注意力硬件架构，用于优化深度神经网络推理中的注意力计算	通过将注意力计算分解为多个级联组合矩阵操作，并设计在线可编程CIM架构以提高计算精度，显著提升了集成密度和能效	研究基于100nm CMOS工艺，未探讨在其他工艺节点下的表现	优化深度神经网络推理中的注意力计算硬件架构	注意力计算硬件架构	机器学习	NA	内存计算（CIM）	深度神经网络（DNN）	NA	NA