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
241	2025-11-15	Auto-Segmentation and Classification of Glioma Tumors with the Goals of Treatment Response Assessment Using Deep Learning Based on Magnetic Resonance Imaging 2023-10, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-023-09640-8 PMID:37458971	研究论文	本研究开发基于深度学习的自动分割和分类系统，用于胶质瘤治疗反应评估	结合U-Net网络进行肿瘤自动分割和迁移学习分类器，实现胶质瘤治疗反应的自动化评估	研究样本量有限（49例患者），仅基于MRI图像进行分析	开发基于深度学习的自动化工具用于胶质瘤放疗反应评估	胶质瘤患者和BraTS 2018挑战赛数据集	数字病理学	胶质瘤	磁共振成像	CNN	图像	BraTS数据集285例（210 HGG + 75 LGG） + 49例本地患者	NA	U-Net	p值，置信区间	NA
242	2025-11-15	Interpretable neural architecture search and transfer learning for understanding CRISPR/Cas9 off-target enzymatic reactions 2023-Sep-29, ArXiv PMID:37808087	研究论文	开发了一个可解释的深度学习框架，用于预测CRISPR/Cas9脱靶编辑概率	结合了可解释神经网络架构搜索和迁移学习，既能保持物理可解释性又能实现最先进性能	未明确说明样本规模和数据来源的具体限制	建立预测性和可解释的酶促反应动力学模型	CRISPR/Cas9脱靶编辑反应	机器学习	NA	CRISPR/Cas9基因编辑技术	CNN, 神经网络集成	动力学测定数据，细胞环境数据	NA	NA	KINN（动力学可解释神经网络），卷积神经网络	NA	NA
243	2025-11-15	Efficient and accurate large library ligand docking with KarmaDock 2023-09, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00511-5 PMID:38177786	研究论文	提出了一种用于配体对接的深度学习框架KarmaDock，集成了对接加速、结合姿态生成与校正以及结合强度估计功能	首次将E(n)等变图神经网络与自注意力机制结合用于配体对接，同时实现姿态优化和结合强度评估的三阶段模型	仅在四个基准数据集和单一真实虚拟筛选项目中验证，需要更广泛的应用场景测试	开发高效准确的大规模配体对接方法以改进基于结构的虚拟筛选	蛋白质-配体复合物	机器学习	NA	虚拟筛选	图神经网络, 混合密度网络	分子结构数据	四个基准数据集和一个真实虚拟筛选项目	NA	E(n) equivariant graph neural networks, self-attention, mixture density network	对接速度, 姿态质量, 结合亲和力准确性	NA
244	2025-11-15	Progress in using deep learning to treat cancer 2023-09, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00514-2 PMID:38177785	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
245	2025-11-15	Machine-guided path sampling to discover mechanisms of molecular self-organization 2023-04, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00428-z PMID:38177937	研究论文	提出一种结合深度学习和过渡路径理论的自主动力学路径采样算法，用于发现分子自组织现象的机制	开发了能够自主构建、验证和更新定量机制模型的路径采样算法，通过符号回归将学习机制转化为人类可解释的物理观测量形式	NA	探索分子自组织现象的机制发现方法	溶液中的离子缔合、天然气水合物晶体形成、聚合物折叠和膜蛋白组装	机器学习	NA	深度学习, 过渡路径理论, 符号回归	深度学习模型	分子动力学轨迹数据	NA	NA	NA	NA	NA
246	2025-11-15	Deep learning to estimate brain age 2023-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00398-2 PMID:38177962	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
247	2025-11-14	Deep learning-based cross-device standardization of surface-enhanced Raman spectroscopy for enhanced bacterial recognition 2026-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126931 PMID:40991976	研究论文	提出深度学习框架解决便携式与实验室级拉曼光谱设备间的标准化问题，提升细菌识别性能	开发SERS-D2DNet序列到序列网络实现跨设备光谱标准化，结合轻量级SuperRaman网络实现高效细菌分类	仅使用20种分析物类别，设备类型有限（4种便携设备+1种实验室设备）	解决便携式与实验室级拉曼光谱设备间的标准化问题，提升病原体识别可靠性	临床相关细菌特征和参考化合物的SERS光谱数据	机器学习	细菌感染	表面增强拉曼光谱(SERS)	序列到序列神经网络,超操作神经网络(Super-ONN)	光谱数据	20种分析物类别的SERS光谱数据	NA	SERS-D2DNet, SuperRaman	平均绝对误差(MAE), 相关系数(R), 分类准确率	NA
248	2025-11-14	Integrating spectroscopy with machine learning and deep learning for monitoring mung plant responses to silicon dioxide nanoparticles 2026-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126963 PMID:40991978	研究论文	本研究结合共聚焦显微拉曼光谱、紫外-可见光谱与机器学习和深度学习算法，评估绿豆植物对二氧化硅纳米颗粒的生化响应	首次将光谱技术与多种计算算法集成，建立非侵入式监测植物-纳米材料相互作用的框架	仅针对绿豆植物和二氧化硅纳米颗粒进行研究，未验证其他植物或纳米材料	开发监测植物对纳米颗粒生化响应的新方法	暴露于不同浓度二氧化硅纳米颗粒的绿豆植物	机器学习	NA	共聚焦显微拉曼光谱, 紫外-可见光谱	LDA, AGNES, DBSCAN, k-means, 随机森林, 支持向量机, 深度学习	光谱数据	不同浓度二氧化硅纳米颗粒处理的绿豆植物样本	NA	NA	准确率, RI	NA
249	2025-11-14	Analysis of moldy peanuts by Raman hyperspectral imaging 2026-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126971 PMID:41038081	研究论文	利用拉曼高光谱成像技术分析混合品种霉变花生	结合一维光谱数据和二维空间信息，采用s-GoogLeNet深度学习模型实现混合品种霉变花生的高精度检测	仅针对五种特定花生品种进行研究，未涉及其他品种或更广泛的应用场景	开发霉变花生的快速检测方法以提高粮食安全	混合品种霉变花生（包括白沙、伯克、红沙、花红和花衣红火五个品种）	计算机视觉	NA	拉曼高光谱成像	深度学习,传统机器学习	高光谱图像	五种花生品种的混合样本	NA	s-GoogLeNet	准确率,F1分数	NA
250	2025-11-14	Deep neural network-based detection of lead contamination via Förster resonance energy transfer in live cells 2026-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127015 PMID:41075414	研究论文	本研究开发了一种基于FRET生物传感器和深度学习模型的便携式铅污染检测方法	首次将FRET生物传感器与EfficientNet深度学习模型结合，实现现场可部署的铅污染水平分类	30分钟和60分钟反应时间的AUC分别为69.8%和72.0%，识别准确率有待进一步提升	开发一种能够现场检测铅污染水平的便携式检测平台	HEK293T活细胞中的铅离子浓度	计算机视觉	重金属中毒	FRET（Förster共振能量转移）、荧光显微镜、活细胞成像	CNN	图像	1131对图像（30分钟和60分钟反应时间）	NA	EfficientNet	AUC, Youden's J统计量, 损失函数	NA
251	2025-11-14	Deep learning with multimodal Raman spectral fusion framework: An analytical approach for microalgal lipid quantification 2026-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127009 PMID:41076933	研究论文	本研究提出了一种融合多模态拉曼光谱与深度学习的微藻脂质定量分析方法	创新性地将深度学习与多模态拉曼成像相结合，构建了基于双分支注意力机制的卷积神经网络，实现了微藻单细胞脂质积累的精确动态调控	NA	开发精确、绿色、动态的微藻脂质定量检测方法，阐明超声波诱导脂质合成机制	微藻细胞	机器学习	NA	多频超声波、拉曼光谱、RGB成像	CNN	拉曼光谱数据、RGB图像	NA	NA	双分支注意力卷积神经网络(DBACNN)	决定系数(R)、均方根误差(RMSE)	NA
252	2025-11-14	A Shape and Size-Scaled Deep Learning Brain Injury Model for Near Real-Time Dynamic Impact Simulation 2026-Feb-01, Journal of biomechanical engineering DOI:10.1115/1.4070192 PMID:41134603	研究论文	本研究开发了一种形状和尺寸可缩放的深度学习脑损伤模型，用于近实时动态冲击模拟	将通用的50百分位成年男性脑模型扩展到适用于男性、女性和青少年的个性化替代模型，并引入三个缩放因子作为额外输入	模型基于模拟数据训练，需要进一步验证真实世界应用的准确性	开发快速估计脑变形的高效深度学习脑损伤模型	创伤性脑损伤(TBI)中的脑变形和轴索损伤	数字病理	创伤性脑损伤	深度学习，有限元模拟	CNN	体素化脑-颅骨相对位移数据	1363个基于随机缩放Worcester头部损伤模型V1.0的模拟头部冲击样本	NA	多任务卷积神经网络	R2, RMSE, 线性回归斜率, Pearson相关系数, 成功率	笔记本电脑(<1秒) vs 高端集群(>30分钟)
253	2025-11-14	MultiExCam: A multi approach and explainable artificial intelligence architecture for skin lesion classification 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109081 PMID:41021995	研究论文	提出一种用于皮肤病变分类的多方法可解释人工智能架构MultiExCam	首次实现深度学习与机器学习的真正混合集成，采用自适应集成架构学习个性化决策策略，结合GradCAM和SHAP提供全面可解释性	未明确说明计算资源需求和模型训练时间	开发能够同时提供高诊断性能和临床可解释性的皮肤癌检测AI系统	皮肤病变图像分类	计算机视觉	皮肤癌	数字成像处理	CNN, 集成学习, 前馈神经网络	皮肤镜图像, 深度学习特征, 手工统计特征	三个数据集（HAM10000, ISIC, MED-NODE）	NA	卷积神经网络, 前馈神经网络（带门控和注意力机制）	AUC, F1-score	NA
254	2025-11-14	A deep learning model leveraging semantic features fusion for DNase I hypersensitive sites identification in the human genome 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109127 PMID:41151193	研究论文	提出多种深度学习模型用于识别人类基因组中的DNase I超敏感位点	首次将语义特征融合表示集成到模型中，有效捕捉复杂DHS序列中的局部和全局模式及时空依赖关系	未提及模型在独立验证集上的泛化能力及计算效率分析	开发高性能、低成本的DHS识别计算方法	人类基因组中的DNase I超敏感位点	生物信息学	乳腺癌, 冠状动脉疾病, 阿尔茨海默病, 自身免疫疾病, 神经系统疾病	深度学习	CNN, GRU	基因组序列数据	NA	NA	1维CNN, CNN-GRU融合模型, CNN-kmer融合模型, CNN-GRU-kmer融合模型	准确率, 灵敏度, 特异性, MCC, AUC ROC, AUC PR	NA
255	2025-11-14	MEMOL: Mixture of experts for multimodal learning through multi-head attention to predict drug toxicity 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109088 PMID:41046705	研究论文	提出一种基于多头注意力的多模态混合专家模型MEMOL，用于预测药物毒性	将稀疏混合专家机制直接集成到注意力机制中，通过自注意力和交叉注意力增强多模态特征提取与融合	NA	开发精确的药物毒性预测方法	分子图像、分子图和分子指纹三种分子模态	机器学习	NA	多模态学习	混合专家模型,多头注意力	分子图像,分子图,分子指纹	NA	NA	MEMOL	AUROC,AUPRC	NA
256	2025-11-14	Non-invasive urine flow dynamics characterization of pediatric hydronephrosis based on deep learning and computational fluid dynamics 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109077 PMID:41046707	研究论文	基于深度学习和计算流体动力学开发非侵入性尿液流动动力学表征方法用于小儿肾积水的诊断和预后评估	首次结合深度学习和CFD技术从MRU数据重建患者特异性三维肾脏模型并模拟尿液流动动力学	方法依赖于MRU图像质量，CFD模拟需要专业设置和验证	开发非侵入性尿液流动动力学计算方法以改善小儿肾积水诊断和预后评估	小儿肾积水患者的MRU图像数据和尿液流动特性	医学影像分析, 计算流体动力学	小儿肾积水	磁共振尿路造影, 计算流体动力学	深度学习模型	医学影像	NA	NA	NA	尿液流速比, 压力分布比较	NA
257	2025-11-14	Multimodal Nomogram Combining Multiparametric MRI, Functional Subsets of Peripheral Lymphocytes and PI-RADS Can Predict Risk Stratification of Prostate Cancer 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109086 PMID:41046708	研究论文	开发结合多参数MRI、外周淋巴细胞功能亚群和PI-RADS的多模态列线图用于前列腺癌风险分层预测	首次探索非侵入性三分法风险分层，整合多模态数据构建预测模型替代传统PSA方法	回顾性研究，样本量有限（110例患者），仅来自单一医疗中心	开发自动化可靠的前列腺癌风险分层工具以指导临床决策	前列腺癌患者	数字病理	前列腺癌	多参数MRI，外周淋巴细胞检测，PI-RADS评分	深度学习，放射组学	医学影像，临床数据	110例患者	NA	列线图模型	AUC，F1分数，灵敏度，特异性	NA
258	2025-11-14	Detection of nocturnal epileptic seizures using a wearable armband: A deep learning approach combining accelerometry and photoplethysmography signals 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109087 PMID:41072127	研究论文	提出一种基于深度学习的穿戴式臂环系统，结合加速度和光电容积脉搏波信号检测夜间癫痫发作	首次将CNN-LSTM与注意力机制结合用于穿戴式设备的多模态信号癫痫检测，采用两步式方法显著降低数据量	样本量相对有限（68名患者），假阳性率较高（0.165/小时），阳性预测值较低（0.334）	开发家庭环境下夜间癫痫发作的自动检测系统，降低癫痫猝死风险	68名患有严重癫痫发作的患者	医疗健康监测	癫痫	三轴加速度计，光电容积脉搏波	CNN-LSTM	时间序列信号数据	68名患者，788次夜间记录（6304小时），1846次严重发作	NA	CNN-LSTM with attention mechanism	灵敏度，假警报率，ROC曲线下面积，准确率，阳性预测值	NA
259	2025-11-14	Lightweight element-wise product enhanced neural network for efficient arrhythmia detection on embedded devices 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109101 PMID:41075315	研究论文	提出一种轻量级元素乘积增强神经网络，用于嵌入式设备上高效的心律失常检测	引入元素乘积融合机制结合双路径特征，采用纺锤形架构与深度可分离卷积，显著降低模型参数和计算成本	NA	开发适用于资源受限嵌入式设备的实时心律失常检测模型	心电图信号数据	机器学习	心血管疾病	ECG信号分析	CNN	信号数据	MIT-BIH、SVDB、INCART和PTB数据库	NA	深度可分离卷积，纺锤形架构	准确率，精确率，召回率，F1分数，计算复杂度，推理时间，功耗	树莓派5，Android 10 x86虚拟机
260	2025-11-14	Self-supervised learning and hybrid deep models for predicting the progression of Fuchs' endothelial corneal dystrophy after cataract surgery 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109100 PMID:41106173	研究论文	提出一种基于自监督学习和混合深度学习模型的框架，用于预测白内障手术后Fuchs角膜内皮营养不良的进展	整合临床领域知识、集成学习和自监督学习，提出结合RANSAC算法和双分支设计的混合CNN架构，采用Polar Pooling模拟临床推理	对标注数据的依赖仍然存在，尽管通过自监督学习有所减少	改善Fuchs角膜内皮营养不良的预后预测，支持白内障手术规划	Fuchs角膜内皮营养不良患者	医学影像分析	角膜疾病	Scheimpflug断层成像	CNN, 自监督学习	医学影像	多中心数据集	NA	混合卷积神经网络, 双分支设计	AUC	NA