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
3781	2025-10-05	Benchmarking deep learning-designed inlay restorations across operator experience: An in vitro comparison of time efficiency, contact intensity, and contour quality 2025-Sep-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106083 PMID:40907866	研究论文	比较深度学习与传统人工设计嵌体修复体的时间效率、接触强度和轮廓质量	首次系统评估深度学习设计工作流在不同操作者经验水平下的表现，并分析其对经验相关变异性的影响	体外研究，样本量有限（25个数字扫描），未涉及长期临床效果评估	评估深度学习设计嵌体工作流的性能表现	上颌和下颌后牙区近中-𬌗面或远中-𬌗面洞形预备后的基牙数字扫描	数字病理	牙科修复	数字扫描，深度学习设计	深度学习模型	数字扫描图像	25个上颌和下颌牙弓数字扫描	NA	NA	时间效率，𬌗面接触强度，邻面接触强度，轮廓质量	NA
3782	2025-10-05	TransFactor-prediction of pro-viral SARS-CoV-2 host factors using a protein language model 2025-Sep-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf491 PMID:40929136	研究论文	提出TransFactor计算框架，利用蛋白质语言模型预测SARS-CoV-2促病毒宿主因子	首次将预训练的ESM-2蛋白质语言模型应用于宿主因子预测，通过计算丙氨酸扫描提供可解释性	依赖有限实验数据集，实验方法存在局限性	预测和优先排序候选宿主因子作为抗病毒治疗靶点	SARS-CoV-2宿主蛋白质	自然语言处理	传染病	蛋白质序列分析	Transformer	蛋白质序列数据	来自33项独立SARS-CoV-2研究的实验确定宿主因子数据集	PyTorch	ESM-2	与机器学习和深度学习基线比较，基因本体富集分析	NA
3783	2025-10-05	THLANet: A deep learning framework for predicting TCR-pHLA binding in immunotherapy applications 2025-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013050 PMID:40939018	研究论文	提出了一种名为THLANet的深度学习框架，用于预测TCR与pHLA的结合特异性，以评估新抗原的免疫原性潜力	采用进化尺度建模-2（ESM-2）替代传统嵌入方法增强序列特征表示，通过分析CDR3序列和模拟抗原序列丙氨酸扫描提供TCR与抗原3D结合相互作用的新见解	仅使用TCR序列（CDR3β）、抗原序列和I类HLA进行预测，可能无法覆盖所有结合情况	准确预测TCR与新抗原的结合特异性，为免疫治疗应用提供支持	T细胞受体（TCR）、新抗原、I类人类白细胞抗原（HLA）	生物信息学	癌症	scTCR-seq，深度学习	深度学习模型	序列数据	使用scTCR-seq数据构建的TCR-pHLA结合数据库和多种癌症类型的临床癌症数据	NA	THLANet，ESM-2	NA	NA
3784	2025-10-05	Spatial gene expression at single-cell resolution from histology using deep learning with GHIST 2025-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02795-z PMID:40954301	研究论文	提出GHIST深度学习框架，从组织学图像预测单细胞分辨率空间基因表达	首次实现从组织学图像预测单细胞分辨率空间基因表达，利用亚细胞空间转录组学和多层次生物信息协同关系	NA	开发从常规组织学图像预测空间基因表达的新方法	空间转录组数据和常规组织学图像	数字病理学	癌症	空间转录组学，组织学成像	深度学习	组织学图像，基因表达数据	公共数据集和癌症基因组图谱数据	NA	GHIST	准确性，空间分辨率	NA
3785	2025-10-05	Graph-based deep learning for integrating single-cell and bulk transcriptomic data to identify clinical cancer subtypes 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf467 PMID:40966644	研究论文	提出基于图深度学习的单细胞和批量转录组数据整合方法scBGDL，用于识别癌症临床亚型和预测临床结局	首次构建样本特异性基因图模型，结合图注意力网络、MinCutPool层和Transformer模块，实现多组学数据的高效整合与生物学解释	方法在16种癌症类型中验证但尚未涵盖所有癌症类型，需要进一步扩大验证范围	整合单细胞和批量转录组数据以精确识别癌症亚型并预测临床结局	16种TCGA癌症类型及三个多中心队列（肺腺癌、上皮性卵巢癌、皮肤黑色素瘤）	生物信息学, 机器学习	癌症	单细胞RNA测序, 批量转录组测序	图神经网络, Transformer	基因表达数据	TCGA 16种癌症类型，肺腺癌1099例，上皮性卵巢癌762例，皮肤黑色素瘤305例	PyTorch, DGL	Graph Attention Networks, MinCutPool, Transformer	C-index, log-rank P值	NA
3786	2025-10-05	AttBiomarker: unveiling preeclampsia biomarkers and molecular pathways through two-stage gene selection techniques and attention-based CNN with gene regulatory network analysis 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf473 PMID:40966654	研究论文	本研究开发了一种集成深度学习和生物信息学的方法，通过两阶段基因选择技术和基于注意力的CNN结合基因调控网络分析，识别先兆子痫的潜在生物标志物	提出两阶段基因选择方法（Fisher评分+mRMR）结合注意力机制CNN模型，并整合基因调控网络分析来识别先兆子痫生物标志物	仅基于三个微阵列数据集进行分析，样本规模和多样性可能存在限制	识别先兆子痫的潜在生物标志物和分子通路	先兆子痫相关基因表达数据	生物信息学	先兆子痫	微阵列分析, 基因本体分析, KEGG通路富集分析, 蛋白质-蛋白质相互作用网络, 基因调控网络分析, 分子对接分析	CNN	基因表达数据	三个微阵列数据集	NA	基于注意力的卷积神经网络(AttCNN)	分类准确率	NA
3787	2025-10-05	Artificial intelligence for comprehensive DNA methylation analysis: overview, challenges, and future directions 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf468 PMID:40966651	综述	本文全面评述了人工智能与DNA甲基化分析的协同作用，涵盖机器学习、深度学习、自然语言处理和可解释人工智能等技术	强调了信号处理和基于大语言模型的在DNA甲基化研究中尚未充分开发的潜力	讨论了管理和分析大型复杂DNA甲基化数据集时面临的挑战和限制	探索人工智能在DNA甲基化分析领域的应用现状与未来发展	DNA甲基化数据分析方法	自然语言处理, 机器学习	NA	DNA甲基化分析	机器学习, 深度学习, 自然语言处理模型, 大语言模型	DNA甲基化数据	NA	NA	NA	NA	NA
3788	2025-10-05	Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes 2025-Aug-21, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.08.026 PMID:40975668	研究论文	开发名为Electrode Net的定制深度学习框架，用于快速准确预测多孔电极的各向异性传输特性	将符号距离场与三维卷积神经网络结合，为多孔电极设计提供高效预测工具	NA	开发深度学习框架以加速多孔电极的设计过程	多孔电极的各向异性传输特性	机器学习	NA	深度学习，符号距离场	CNN	几何样本数据	15,433个真实和生成的几何样本	NA	3D卷积神经网络	R平方值	NA
3789	2025-10-05	Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14 2025-Aug-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.659181 PMID:40667230	研究论文	本研究开发了选择性非共价抑制RGS14 GTP酶加速活性的小分子抑制剂	首次发现可靶向RGS14蛋白浅表Gα结合峡谷的非共价小分子抑制剂，并采用机器学习增强的分子对接技术指导配体优化	未明确说明样本规模，且部分抑制剂仅进行了初步体内药代动力学评估	开发针对RGS14 GTP酶加速活性的选择性抑制剂	RGS14蛋白及其GTP酶加速活性	计算生物学	中枢神经系统疾病,代谢疾病	结构导向虚拟筛选,配体对接,深度学习评分,荧光检测,放射性GTP水解测定	深度学习	分子结构数据,生物活性数据	40多个第二代类似物	NA	NA	抑制活性,细胞毒性,药代动力学参数	NA
3790	2025-10-05	Reinforcing Deep Learning-Enabled Surveillance with Smart Sensors 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113345 PMID:40968866	研究论文	提出一种集成智能传感器和深度学习技术的监控强化系统，用于资源受限的移动设备	在异构传感器环境中引入深度学习辅助的监控强化方法，为高动态公共环境提供前所未有的监控灵活性	NA	优化监控节点部署并确保系统实时响应能力，增强高人员流动性环境中的监控适应性和有效性	资源受限的网络物理设备和移动元素	机器学习	NA	深度学习	NA	传感器数据	NA	NA	NA	准确性,效率	资源受限的移动设备
3791	2025-10-05	Deep learning imputes DNA methylation states in single cells and enhances the detection of epigenetic alterations in schizophrenia 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100774 PMID:39986279	研究论文	开发基于Transformer的深度学习模型scMeFormer，用于填补单细胞DNA甲基化数据中的缺失值并增强精神分裂症表观遗传改变的检测	首次将Transformer架构应用于单细胞DNA甲基化数据填补，能在仅保留10%原始CpG位点覆盖度的情况下实现高保真填补	NA	解决单细胞DNA甲基化测序技术中CpG位点覆盖度低的问题，提高表观遗传学研究的检测能力	人类和小鼠的单细胞DNA甲基化数据，特别关注精神分裂症患者前额叶皮层的表观遗传变化	计算生物学	精神分裂症	单细胞DNA甲基化测序	Transformer	DNA甲基化数据	五个单核DNA甲基化数据集（来自人类和小鼠）	NA	Transformer	填补保真度	NA
3792	2025-10-05	Explaining solar forecasts with generative AI: A two-stage framework combining transformers and LLMs 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331516 PMID:40961090	研究论文	提出结合Transformer和大型语言模型的两阶段混合框架，用于提高太阳能功率预测的准确性和可解释性	首次将深度学习时间序列预测与生成式大语言模型耦合，通过结构化提示微调实现领域相关的自然语言解释生成	仅在两个光伏电站34天的数据集上进行验证，样本规模有限	开发准确且可解释的太阳能功率预测方法	光伏系统的直流功率预测	机器学习	NA	时间序列预测，自然语言生成	Transformer, LLM	多元时间序列数据（逆变器数据、天气数据、时间特征）	两个光伏电站34天的公开数据集	NA	Transformer编码器-解码器, Flan-T5	MAE, RMSE, R2, ROUGE-1, ROUGE-2, ROUGE-L, ROUGE-Lsum, BLEU	NA
3793	2025-10-05	Robust emotion recognition for complex environments: ChildEmoNet model based on DETR-ResNet50 cascaded architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332130 PMID:40966300	研究论文	提出一种基于DETR-ResNet50级联架构的儿童情感识别模型ChildEmoNet，用于复杂环境下的鲁棒情感识别	开发了DETR-ResNet50级联架构，同时解决多人检测和分类挑战，并针对面部遮挡场景设计了增强鲁棒性机制	NA	开发在复杂现实环境中具有鲁棒性的情感识别技术	儿童情感识别，特别是在面部遮挡条件下的情感识别	计算机视觉	NA	深度学习	DETR, CNN	图像	OMG情感数据集	PyTorch	DETR, ResNet50	AUC, 准确率, 一致性相关系数(CCC)	NA
3794	2025-10-05	An AI-powered framework for assessing teacher performance in classroom interactions: a deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1553051 PMID:40969168	研究论文	提出基于人工智能的框架，通过深度学习技术评估课堂互动中的教师表现	首次将三种先进目标检测模型应用于课堂互动分析，实现教师表现的客观评估	研究仅基于7,259张图像数据，未涉及音频或其他教学情境因素	开发客观评估课堂互动中教师表现的AI框架	课堂互动中的教师行为	计算机视觉	NA	目标检测	CNN	图像	7,259张来自真实课堂环境的标注图像	NA	YOLOv8, Faster R-CNN, RetinaNet	mAP（平均精度均值）	NA
3795	2025-10-05	Deep learning in breast cancer risk prediction: a review of recent applications in full-field digital mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1656842 PMID:40969257	综述	本文综述了深度学习在全视野数字乳腺摄影中乳腺癌风险预测的最新应用进展	填补了文献中关于利用影像生物标志物进行AI风险预测研究的空白，探索了个性化筛查的新途径	尚未实现临床应用，存在需要克服的技术挑战	探索人工智能在乳腺癌风险预测领域的应用潜力	全视野数字乳腺摄影图像	计算机视觉	乳腺癌	全视野数字乳腺摄影	深度学习	医学影像	NA	NA	NA	NA	NA
3796	2025-10-05	Enhanced prediction of gene mutation and risk stratification in non-small-cell lung cancer through dual-pathway fusion of radiomics and pathomics 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1646851 PMID:40969259	研究论文	开发并验证了一种融合影像组学、病理组学和临床特征的多模态模型，用于预测非小细胞肺癌的EGFR突变状态和风险分层	首次将影像组学、病理组学和临床特征通过双路径融合，构建综合预测模型，并采用弱监督学习和多示例学习开发病理组学特征	回顾性研究设计，样本量相对有限（387例患者）	精确预测非小细胞肺癌的EGFR突变状态和风险分层	非小细胞肺癌患者	数字病理	肺癌	影像组学、病理组学、深度学习	CNN, 弱监督学习, 多示例学习	医学影像、病理图像、临床数据	387例NSCLC患者（训练集193例，内部验证集83例，外部验证集111例）	NA	3D CNN	AUC, 95%CI, log rank检验	NA
3797	2025-10-05	Diagnostic performance of ultrasound characteristics-based artificial intelligence models for thyroid nodules: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1614603 PMID:40969266	系统评价与荟萃分析	系统评估基于超声特征的人工智能模型在甲状腺结节良恶性鉴别中的诊断性能	首次通过系统评价和荟萃分析全面比较不同AI辅助诊断模型在甲状腺结节诊断中的表现，并确定最优诊断模型	纳入研究间存在显著异质性，部分亚组分析结果需谨慎解读	评估基于超声的人工智能诊断模型在甲状腺结节良恶性鉴别中的性能	甲状腺结节患者及其超声图像	医学影像分析	甲状腺疾病	超声成像	深度学习, 人工智能诊断模型	超声图像	28项研究，134,028名患者，158,161个甲状腺结节，529,479张超声图像	NA	EDLC-TN	敏感度, 特异度, 诊断比值比, 汇总受试者工作特征曲线下面积, 阳性似然比, 阴性似然比	NA
3798	2025-10-05	Key parameters in intratumoral-peritumoral region fusion models: optimizing deep learning radiomics for breast cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587879 PMID:40969275	研究论文	本研究探索关键参数选择对乳腺肿瘤内-瘤周区域融合模型性能的影响，以优化深度学习影像组学在乳腺癌诊断中的应用	系统评估了伪彩色图像、原始精确ROI和直接扩展策略等关键参数组合对瘤周区域融合模型性能的优化效果	回顾性研究设计，样本量相对有限（411例），仅使用CEUS影像数据	提升深度学习影像组学模型在乳腺良恶性肿瘤鉴别诊断中的非侵入性诊断能力	411例女性乳腺病变患者	医学影像分析	乳腺癌	对比增强超声（CEUS）	深度学习影像组学模型	医学影像	411例来自四家医院的女性乳腺病变患者	NA	瘤周区域融合模型	AUC（曲线下面积）	NA
3799	2025-10-05	Federated learning-based virtual dual-energy CT generation from single-energy CT for gout detection 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375570 PMID:40969395	研究论文	开发基于联邦学习的虚拟双能CT生成框架，用于痛风检测	首创基于深度学习的虚拟双能CT图像生成方法，并集成联邦学习实现多机构协作训练	NA	开发早期准确诊断痛风的联邦学习框架，解决现有诊断方法的局限性	痛风患者	医学影像分析	痛风	CT成像	深度学习	医学影像	NA	NA	U-Net	PSNR, SSIM, IoU, Dice score	NA
3800	2025-10-05	Gene regulatory network prediction using machine learning, deep learning, and hybrid approaches 2025, Forestry research DOI:10.48130/forres-0025-0014 PMID:40969532	研究论文	本研究开发并评估了机器学习、深度学习和混合方法在构建基因调控网络中的应用	提出结合卷积神经网络与传统机器学习的混合模型，并采用跨物种迁移学习策略解决非模式物种数据稀缺问题	未明确说明训练数据的具体规模和非模式物种数据稀缺程度的具体量化指标	开发高效的基因调控网络预测方法以阐明植物代谢途径的调控机制	拟南芥、杨树和玉米的转录组数据及木质素生物合成途径相关转录因子	机器学习	NA	转录组测序	CNN, 机器学习混合模型	转录组数据	NA	NA	卷积神经网络	准确率	NA