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
301	2025-12-13	Dynamic context-aware multi-modal deep learning for longitudinal prediction of Parkinson's disease progression 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31898-y PMID:41381668	研究论文	提出一种动态上下文感知的多模态深度学习框架，用于纵向预测帕金森病运动症状的进展	通过整合先进的语音生物标志物、临床进展特征、人口统计学元数据以及从临床叙述中提取的语义丰富患者摘要嵌入，并利用双向LSTM与多头自注意力机制捕捉复杂的时间依赖性，防止信息泄露	样本量有限（42名患者）	准确预测早期至中期帕金森病运动症状的进展，以支持及时干预和个性化患者护理	帕金森病患者	自然语言处理, 机器学习	帕金森病	信号处理技术, 自然语言处理	LSTM	语音生物标志物, 临床特征, 人口统计学元数据, 文本嵌入	42名患者	NA	双向LSTM, 多头自注意力	R², RMSE, MAE	NA
302	2025-12-13	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本研究提出了一种可解释的多模型深度学习框架，用于利用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的综合性可解释多模型深度学习框架，集成了CNN、Vision Transformer和YOLO系列模型，并采用SHAP和EigenCAM进行可解释性分析	未明确提及研究的局限性	开发一种准确、透明且可推广的眼弓形虫病自动诊断框架	眼弓形虫病的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	未明确提及具体样本数量	未明确提及	Vision Transformer, YOLOv8, YOLOv11	准确率, Matthews相关系数	GPU, CPU
303	2025-12-13	Automated forest fire detection in ecological monitoring using enhanced deep learning networks 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31707-6 PMID:41381831	研究论文	本研究提出了一种名为DeepFire S3GA-Net的新型深度学习分割框架，用于从无人机图像中自动检测和分割森林火灾区域	提出了一种新颖的深度学习分割框架DeepFire S3GA-Net，该框架在编码器中采用空洞空间金字塔池化以捕获多尺度上下文特征，在解码器中采用分组卷积模块以改进空间细化和特征多样性，从而有效区分细粒度火灾边缘和广泛的燃烧区域	未在摘要中明确说明	开发一种用于森林火灾检测和分割的可靠工具，以支持实时森林火灾监测和生态风险管理	无人机拍摄的森林火灾航空图像	计算机视觉	NA	深度学习	CNN	图像	未在摘要中明确说明	未在摘要中明确说明	全卷积编码器-解码器网络	平均交并比, 准确率, 精确率, 召回率, Dice系数	未在摘要中明确说明
304	2025-12-13	Image-based explainable artificial intelligence accurately identifies myelodysplastic neoplasms beyond conventional signs of dysplasia 2025-Dec-11, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01222-y PMID:41381839	研究论文	本文开发了一种基于图像的深度学习方法，用于准确识别骨髓增生异常肿瘤，超越了传统的形态学评估	利用端到端深度学习模型，无需细胞级标注，通过遮挡敏感性映射揭示核结构的重要性，实现了可解释的MDS检测	NA	提高骨髓涂片中骨髓增生异常肿瘤的诊断准确性，减少人工评估的主观性	骨髓涂片	数字病理学	骨髓增生异常肿瘤	深度学习	CNN	图像	NA	NA	NA	准确率	NA
305	2025-12-13	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2025-Dec-11, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次应用视觉语言模型进行新生儿自动疼痛评估，通过设计新颖的提示类别来利用模型的潜在临床知识或指导其评估特定面部特征，实现了高精度性能	首次将视觉语言模型应用于新生儿自动疼痛评估，并设计了基于临床知识和面部特征的提示策略，无需微调即可实现高精度	模型在评估临床相关面部特征时召回率较低（40.1%），且依赖于提示设计，可能受限于预训练知识	开发一种客观的新生儿疼痛评估方法，以替代当前主观的评估量表	新生儿，特别是在重症监护中经历疼痛程序的婴儿	计算机视觉	NA	视觉语言模型	VLM	图像	NA	NA	NA	精确度, 召回率	NA
306	2025-12-13	Evaluation of magnetic resonance imaging and deep learning-based synthetic computed tomography for calcified intradural tumors - importance of domain-specific training and validation of synthetic imaging methods for clinical application 2025-Dec-11, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06731-0 PMID:41381905	研究论文	本研究评估了基于深度学习的合成CT技术在硬膜内钙化肿瘤检测中的表现，强调了领域特异性训练和验证的重要性	首次系统评估BoneMRI生成的合成CT图像在硬膜内钙化肿瘤检测中的准确性，并揭示了该技术对非目标病变的局限性	样本量较小（仅5例患者），且仅针对硬膜内肿瘤进行了分析，可能限制了结果的普遍性	验证深度学习合成CT技术（BoneMRI）在脊柱硬膜内钙化肿瘤检测中的临床准确性	患有脊柱硬膜内肿瘤的患者	数字病理学	脊柱肿瘤	磁共振成像（MRI）、计算机断层扫描（CT）、深度学习合成CT	深度学习模型	医学图像（MRI和CT）	5例硬膜内肿瘤患者（来自105例脊柱病理患者的队列）	NA	NA	肿瘤可见性、尺寸测量、Hounsfield单位（HU）密度	NA
307	2025-12-13	Dynamic ensemble deep learning with multi-source data for robust influenza forecasting in Yangzhou 2025-Dec-11, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25937-6 PMID:41382069	研究论文	本研究开发了一个动态集成深度学习框架，结合多源数据用于扬州市的稳健流感预测	提出了动态加权集成与季节性残差调整策略，系统比较了不同滑动时间窗口下多种深度学习模型的性能，揭示了不同架构的时间特性优势	研究仅针对扬州市，模型在其他地区的泛化能力未验证，且数据集时间跨度有限	开发准确的深度学习框架以缓解传统流感监测报告的延迟问题，实现及时的公共卫生响应	扬州市的流感样病例监测数据、百度搜索指数和气象变量	机器学习	流感	深度学习	GRU, Transformer, LSTM, TFT, TCN, N-BEATS	时间序列数据	13年（652周）的多源数据集	NA	GRU, Transformer, LSTM, Temporal Fusion Transformer, Temporal Convolutional Network, N-BEATS	RMSE, R², MAE	NA
308	2025-12-13	Real-time generation of renal artery hemodynamic parameters using a point cloud-based deep learning model 2025-Dec-11, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2595135 PMID:41383106	研究论文	本研究提出了一种结合Mamba状态空间建模和分层点云处理的深度学习框架，用于实时预测肾动脉血流动力学参数	创新性地将Mamba的选择性机制与PointNet++结合，用于点云数据上的血流动力学预测，实现了计算效率的显著提升	NA	开发一种实时生成肾动脉血流动力学参数的深度学习方法，以辅助肾动脉狭窄的临床评估	三维肾动脉模型及其血流动力学参数	数字病理学	心血管疾病	计算流体动力学模拟	深度学习模型	点云数据	NA	NA	PointNet++, Mamba	NA	NA
309	2025-12-13	An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification 2025-Dec-11, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005593 PMID:41384355	研究论文	本文提出了一种新颖的无监督学习框架，用于整合多模态数据对腰痛患者进行分层，以促进个性化护理	开发了一种结合深度学习提取的影像生物标志物与非影像数据的无监督患者分层方法，首次在基于人群的队列中识别出由物理和心理社会特征区分的亚组	研究为横断面设计，无法确定因果关系；样本来自特定出生队列，可能限制泛化性	开发一个综合多模态数据的腰痛风险分层框架，以改进个性化治疗策略	腰痛患者，数据来自北芬兰出生队列，包括影像和非影像信息	机器学习	腰痛	深度学习分析腰椎MRI	深度学习模型	多模态数据（影像、问卷、人口统计学）	北芬兰出生队列参与者	NA	NA	准确率, 净收益	NA
310	2025-12-13	Allosteric Prediction via Convolutional Neural Networks and Protein Structural and Dynamical Features 2025-Dec-10, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.12.011 PMID:41383018	研究论文	本研究提出了一种基于卷积神经网络和蛋白质结构及动力学特征的机器学习方法，用于预测小G蛋白KRas的变构功能状态	首次将原子接触图、协方差和互信息等结构及动力学特征转化为图像形式，并利用预训练的CNN架构（GoogLeNet和ResNet18）进行微调，以预测蛋白质变构状态	研究仅以KRas为模型系统，可能无法直接推广到其他蛋白质；且依赖于可用的X射线晶体结构数据，样本多样性有限	开发一种计算预测蛋白质变构状态的方法，以辅助功能注释和药物开发	小G蛋白KRas及其在不同突变和配体结合下的变构功能状态	机器学习	癌症	X射线晶体学	CNN	图像	NA	NA	GoogLeNet, ResNet18	准确率	NA
311	2025-12-13	Artificial Intelligence-Enabled Imaging for Predicting Preoperative Extraprostatic Extension in Prostate Cancer: Systematic Review and Meta-Analysis 2025-Dec-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80981 PMID:41364797	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断性能	首次对基于AI的影像技术（特别是mpMRI和PSMA PET）在预测前列腺癌术前EPE方面的诊断性能进行了全面的荟萃分析，并与放射科医生的诊断水平进行了直接比较	纳入研究多为回顾性设计，存在较高的异质性，可能引入偏倚并影响结果的普适性	比较基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断准确性	前列腺癌患者	数字病理学	前列腺癌	多参数磁共振成像, 前列腺特异性膜抗原正电子发射断层扫描	机器学习, 深度学习	影像	21项研究（具体患者总数未在摘要中明确给出）	NA	NA	灵敏度, 特异度, 曲线下面积	NA
312	2025-12-13	PatternFusion: a hybrid model for pattern recognition in time-series data using ensemble learning 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28649-4 PMID:41365945	研究论文	提出了一种名为PatternFusion的新型集成框架，用于时间序列数据的模式识别	通过动态注意力驱动融合机制，无缝集成BiLSTM、CNN和LightGBM，实现了统计模型与深度学习结构的协同；引入了自适应注意力融合、多尺度时间特征编码、显式置信度量化和时间后处理等关键创新	NA	克服经典时间序列分析的缺点，实现高性能、可解释且能进行多尺度时间检测的模式识别	时间序列数据	机器学习	NA	NA	BiLSTM, CNN, LightGBM	时间序列数据	NA	NA	BiLSTM, CNN	F1-score, AUC, EER	NA
313	2025-12-13	Gaussian mixture model for enhancing the quality of transmission estimation in optical networks: a machine learning approach 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27355-5 PMID:41365970	研究论文	本文提出了一种基于高斯混合模型的机器学习方法，用于提升光网络中传输质量估计的准确性	采用高斯混合模型算法来预测未知光路径的误码率和信噪比，结合阈值、流量和调制格式等参数，实现了高精度的传输质量估计	模型仅在韩国网络拓扑特征上进行训练和测试，未在其他网络拓扑或实际环境中验证其泛化能力	开发一种基于机器学习的光网络传输质量估计方法，以优化光纤通信系统	光网络中的传输路径，特别是未知光路径的质量参数	机器学习	NA	高斯混合模型	GMM	网络拓扑特征数据	NA	NA	高斯混合模型	AUC, 准确率, F1分数, Brier分数, 期望校准误差	NA
314	2025-12-13	Multi-View Deep Learning for Mandibular Landmark Localization 2025-Dec-09, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106295 PMID:41380797	研究论文	本研究开发并验证了一种新颖的多视图深度学习框架，用于提高CBCT衍生的3D下颌骨表面模型上解剖标志点定位的准确性和效率	提出了一种多视图堆叠沙漏卷积神经网络（MVSH-CNN），直接在基于STL的下颌骨模型上进行半自动3D标志点定位，显著优于传统的基于配准的方法	研究样本仅来自成年汉族个体，样本量相对较小（140例），可能限制模型的泛化能力	开发并验证一种新颖的多视图深度学习框架，以增强下颌骨解剖标志点定位的准确性和效率	从锥形束计算机断层扫描（CBCT）重建的3D下颌骨表面模型	计算机视觉	颌面部疾病	锥形束计算机断层扫描（CBCT）	CNN	3D表面模型（STL格式）	140例成年汉族个体的下颌骨扫描（100例用于训练/验证，40例用于独立测试，其中20例正常，20例不对称）	NA	多视图堆叠沙漏卷积神经网络（MVSH-CNN）	欧几里得距离误差，计算时间	NA
315	2025-12-13	Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy 2025-Dec-09, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105313 PMID:41381021	研究论文	本研究开发了一个轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后发生术后玻璃体腔出血的风险	整合超广角荧光素血管造影图像与临床数据，构建了一个轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性、良好的校准性、优异的临床实用性和可解释性，且资源需求低	本研究为回顾性研究，可能存在选择偏倚；模型在外部测试集上表现良好，但需进一步前瞻性验证	开发一个预测模型，用于评估增殖性糖尿病视网膜病变患者接受玻璃体切除联合眼内药物治疗后发生术后玻璃体腔出血的风险	增殖性糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	超广角荧光素血管造影	深度学习	图像, 临床数据	1,318只眼（来自968名患者）用于训练和验证，264只眼用于外部测试	NA	EfficientNet-V2, 多层感知机	AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距	NA
316	2025-12-13	A Review of Topological Data Analysis and Topological Deep Learning in Molecular Sciences 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02266 PMID:41235667	综述	本文全面回顾了拓扑数据分析（TDA）和拓扑深度学习（TDL）在分子科学中的发展、方法和应用	综述了从早期定性工具到先进定量和预测模型的TDA演变，重点介绍了持久同调、持久拉普拉斯算子及拓扑机器学习等创新点	讨论了当前TDA方法的局限性，并概述了未来方向，如与先进AI模型的整合及新拓扑不变量的开发	旨在为研究人员利用拓扑学在分子科学中的力量提供基础性参考	分子科学中的复杂分子数据，包括生物分子稳定性、蛋白质-配体相互作用、药物发现、材料科学、拓扑序列分析和病毒进化等领域	机器学习	NA	拓扑数据分析（TDA），拓扑深度学习（TDL）	NA	复杂分子数据	NA	NA	NA	NA	NA
317	2025-12-13	eRMSF: A Python Package for Ensemble-Based RMSF Analysis of Biomolecular Systems 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02413 PMID:41254899	研究论文	介绍了一个名为eRMSF的Python软件包，用于对生物分子系统进行基于集合的均方根涨落分析	eRMSF扩展了传统的分子动力学轨迹分析，能够处理由不同方法生成的集合，如MD模拟、BioEmu深度学习工具、子采样AlphaFold2等，提供了统一的框架来评估模拟和预测结构中的残基或原子涨落	NA	开发一个快速且用户友好的工具，用于分析生物分子系统的分子灵活性和动力学	生物分子系统	计算生物学	NA	均方根涨落分析	NA	结构集合数据	NA	Python, MDAnalysis	NA	NA	NA
318	2025-12-13	Benchmarking Sequence-Based Compound-Protein Interaction Prediction through Constructing a Debiased Data Set CDPN 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02040 PMID:41264813	研究论文	本文提出了一种名为CDPN的去偏数据构建协议，用于基准测试基于序列的化合物-蛋白质相互作用预测模型	通过化合物聚类降采样和从未探索化学空间生成推定负样本，构建去偏CPI基准数据集，解决了现有数据集中分子支架过代表和标签分布不平衡导致的模型泛化问题	在PDBbind上的系统评估揭示了注意力可解释性存在关键局限性	准确预测化合物-蛋白质相互作用以促进药物发现	化合物-蛋白质相互作用	机器学习	NA	NA	深度学习模型	序列数据	NA	NA	KPGT-Ankh	NA	NA
319	2025-12-13	Deep learning reveals endogenous sterols as allosteric modulators of the GPCR-Gα interface 2025-Dec-08, eLife IF:6.4Q1 DOI:10.7554/eLife.106397 PMID:41359750	研究论文	本研究开发了AI驱动的计算工具包Gcoupler，用于识别和验证GPCR-Gα界面的内源性变构调节剂，特别是固醇类代谢物	开发了首个整合从头配体设计、图神经网络和生物活性优先排序的AI工具包，用于无偏地识别GPCR内源性变构调节剂	方法主要基于计算预测，实验验证虽已进行但可能仍需更多体内模型确认	探索GPCR-Gα界面的内源性变构调节机制及其在细胞信号传导中的作用	酵母Ste2p-Gpa1p界面、人及新生大鼠心脏肥大模型	机器学习	心血管疾病	遗传筛选、多组学分析、定点诱变、生化检测	图神经网络	分子结构数据、生物活性数据	NA	NA	NA	NA	NA
320	2025-12-13	Volumetric localization microscopy with deep learning 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65941-3 PMID:41360790	研究论文	本文提出了一种结合深度学习与波前优化光场配置的体积极位显微技术，用于高保真三维单分子成像	VLM方法首次将仪器优化与深度学习算法结合，仅使用系统感知的内在点扩散函数进行训练，无需依赖外部成像模式或样本特定数据	NA	开发一种超分辨率显微技术，以克服荧光显微镜在光学复杂性、计算需求和用户可访问性方面的限制	生物样本中的单分子成像	计算机视觉	NA	超分辨率显微技术，波前优化光场配置	深度学习，神经网络	图像数据	多种生物样本（未指定具体数量）	NA	级联神经网络	横向定位精度10纳米，轴向定位精度25纳米，有效成像深度超过4微米	NA