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
3801	2025-10-06	Uncertainty-Informed Screening for Safer Solvents Used in the Synthesis of Perovskites via Language Models 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00612 PMID:40694668	研究论文	提出一种结合BERT/ELMo确定性精度与GPT上下文深度的集成方法，用于钙钛矿合成中溶剂的安全筛选	通过集成双向上下文模型和自回归生成模型的互补优势，构建分层知识提取框架，并引入香农熵量化认知不确定性	以提高精度为代价牺牲了召回率，且缺乏该领域的基准数据集	开发不确定性感知的溶剂筛选方法，用于钙钛矿合成中更安全的溶剂选择	钙钛矿及其合成过程中使用的溶剂	自然语言处理	NA	语言模型，实体提取，结构匹配，实体归一化	BERT, ELMo, GPT	科学文献文本	保留部分论文子集用于手动验证	NA	BERT, ELMo, GPT	精度, 召回率, 结构依从性	NA
3802	2025-10-06	MMF-MCP: A Deep Transfer Learning Model Based on Multimodal Information Fusion for Molecular Feature Extraction and Carcinogenicity Prediction 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01362 PMID:40711460	研究论文	提出基于多模态信息融合的深度迁移学习模型MMF-MCP，用于分子特征提取和致癌性预测	首次结合图注意力网络、卷积神经网络和深度残差网络SE-ResNet18进行多模态分子特征融合，并采用迁移学习策略从致突变性数据迁移知识到致癌性预测	未明确说明数据质量限制和特征丰富度不足的具体影响	提高分子致癌性预测的准确性、鲁棒性和可解释性	分子致癌性	机器学习	癌症	多模态信息融合	图注意力网络, 卷积神经网络, 深度残差网络	分子图数据, 分子指纹数据, 分子图像	NA	NA	SE-ResNet18	ACC, AUC, SE, SP	NA
3803	2025-10-06	Benchmarking 3D Structure-Based Molecule Generators 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01020 PMID:40711830	研究论文	创建了一个新颖的基准测试来评估3D结构分子生成器在重现蛋白质-配体相互作用和3D配体构象方面的性能	开发了首个专注于蛋白质-配体相互作用和3D配体构象重现的分子生成器基准测试	深度学习方法无法生成结构有效的分子和3D构象，组合方法速度慢且生成的分子容易无法通过2D MOSES过滤器	评估和比较3D结构分子生成器的性能，为改进深度学习结构生成器提供指导	蛋白质-配体复合物和3D分子结构	机器学习	NA	结构基药物设计	图神经网络,扩散模型,遗传算法	3D分子结构数据	BindingMOAD数据集包含保留的盲测集	NA	Pocket2Mol, PocketFlow, DiffSBDD, MolSnapper, AutoGrow4, LigBuilderV3	结构有效性, 3D配体构象质量, 蛋白质-配体相互作用重现能力	NA
3804	2025-10-06	Representation of Molecules by Sequences of Instructions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00354 PMID:40720985	研究论文	提出一种基于指令序列的分子表示新方法，用于解决分子图结构在计算智能方法中的表示难题	定义精简指令集，通过指令序列构建分子表示，确保所有字符串都对应有效分子，且字符串的微小变化对应分子结构的微小改变	NA	开发适用于计算智能系统的分子表示方法	分子结构和化学信息	机器学习	NA	分子表示方法	深度学习模型	分子结构数据	NA	NA	NA	NA	NA
3805	2025-10-06	DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01017 PMID:40736165	研究论文	提出一种结合深度学习和遗传算法的分子优化框架DGMM，用于药物发现中的先导化合物优化	首次将变分自编码器与遗传算法协同集成，引入骨架约束表示学习策略，并采用多目标优化平衡药物相似性与靶标活性	NA	解决药物发现中先导化合物优化时结构多样性与核心分子特征保留的双重挑战	药物分子	机器学习	NA	深度学习，遗传算法	VAE	分子结构数据	三个不同靶标（CHK1、CDK2、HDAC8）的验证数据	NA	变分自编码器	生物活性提升倍数	NA
3806	2025-10-06	SMILES Token Additivity Model with Interpretability and Generalizability for Fuel Property Predictions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00986 PMID:40719477	研究论文	提出一种基于SMILES标记可加性模型，用于准确预测燃料性质并解释结构-性质关系	无需手工设计分子指纹，通过量化单个标记对目标性质的贡献实现模型可解释性，并具有广泛的结构相关性质泛化能力	NA	开发具有可解释性和泛化能力的深度学习模型用于燃料性质预测	燃料分子的七种关键性质：标准生成焓、熵、等压热容、十六烷值、沸点、熔点和闪点	机器学习	NA	SMILES（简化分子线性输入系统）	自注意力编码器	分子结构文本数据（SMILES字符串）	NA	NA	堆叠多头自注意力编码器	平均绝对误差,均方根误差,R²	NA
3807	2025-10-06	Real time blood detection in CCTV surveillance using attention enhanced InceptionV3 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14941-w PMID:40775533	研究论文	提出一种结合注意力机制的实时深度学习框架，用于CCTV监控视频中的血迹检测	将InceptionV3架构与卷积块注意力模块相结合，并提出了增强对小尺寸血迹模式关注度的注意力模块	NA	实时检测监控视频中的血迹，提升医疗急救和公共安全响应能力	CCTV监控视频中的血迹检测	计算机视觉	NA	深度学习	CNN	图像	超过9500张手动标注的CCTV图像	NA	InceptionV3,Convolutional Block Attention Modules	准确率,精确率,召回率,F1分数	NA
3808	2025-10-06	Building digital histology models of transcriptional tumor programs with generative deep learning for pathology-based precision medicine 2025-Aug-07, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01502-z PMID:40775734	研究论文	利用生成式深度学习构建转录肿瘤程序的数字组织学模型，实现基于病理学的精准医疗	通过生成对抗网络从组织学图像中预测转录程序活性并生成合成数字模型，超越单个分子特征的预测	研究仅针对鳞状细胞癌，尚未验证在其他癌症类型中的适用性	开发从组织学图像推断肿瘤转录程序的方法以支持精准医疗	鳞状细胞癌患者的组织学图像和RNA-seq数据	数字病理学	鳞状细胞癌	RNA-seq, 生成对抗网络	GAN, 深度学习模型	组织学图像, 转录组数据	NA	NA	生成对抗网络	NA	NA
3809	2025-10-06	Machine learning training data: over 500,000 images of butterflies and moths (Lepidoptera) with species labels 2025-Aug-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05708-z PMID:40770239	研究论文	本文介绍了一个包含超过54万张奥地利蝴蝶和蛾类图像的数据集，用于机器学习模型训练	提供了目前最大的蝴蝶和蛾类图像数据集，包含185个物种，数据量远超其他已发布数据集	存在严重的类别不平衡问题，某些物种图像数量极少（仅1张），而其他物种图像数量接近3万张	加速基于图像的生物多样性数据处理，并为公民科学提供教育价值	奥地利地区的185种蝴蝶和蛾类（鳞翅目昆虫）	计算机视觉	NA	公民科学数据收集，专家验证	深度学习模型	图像	超过540,000张图像，涵盖185个物种	NA	NA	NA	NA
3810	2025-10-06	Renji endoscopic submucosal dissection video data set for colorectal neoplastic lesions 2025-Aug-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05718-x PMID:40770268	研究论文	本研究提出了首个专门针对结直肠肿瘤性病变的内镜黏膜下剥离术视频数据集	首个专门针对结直肠肿瘤性病变治疗的公开可获取ESD视频数据集	数据集规模相对较小，仅包含30个手术记录	为内镜手术阶段识别系统提供标注数据集支持	结直肠肿瘤性病变的内镜黏膜下剥离术视频	计算机视觉	结直肠肿瘤	内镜黏膜下剥离术	深度学习算法	视频	30个手术视频，包含130,298个阶段特异性标注	NA	NA	NA	NA
3811	2025-10-06	A combinatorial mutational map of active non-native protein kinases by deep learning guided sequence design 2025-Aug-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.03.668353 PMID:40766444	研究论文	通过深度学习引导的序列设计构建活性非天然蛋白激酶的组合突变图谱	突破了传统方法只能进行少量突变或局限于进化相似序列的限制，实现了对天然蛋白酪氨酸激酶的高度组合突变设计	NA	探索高度组合和稀疏的序列-功能景观在突变尺度上的功能探索	蛋白酪氨酸激酶	机器学习	NA	深度学习引导的序列设计，无细胞检测	深度学习	蛋白质序列数据	537个重新设计的序列	NA	NA	NA	NA
3812	2025-10-06	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.31.668042 PMID:40766544	研究论文	本研究探索了使用极小参数模型重新发现RNA碱基配对规则的可能性	证明仅需21个参数的随机上下文无关文法模型，无需结构标注或序列比对，就能从少量RNA序列中学习到碱基配对规则	模型参数较少，可能无法捕捉更复杂的RNA结构特征	探索RNA碱基配对规则学习的最小需求	RNA序列及其碱基配对规则	机器学习	NA	自动微分，随机梯度下降	随机上下文无关文法	RNA序列	少至50条RNA序列	自动微分框架	SCFG	NA	NA
3813	2025-10-06	A Novel Framework for Multimodal Brain Tumor Detection With Scarce Labels 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	提出一种名为Double-SimCLR的无监督学习框架，用于多模态脑肿瘤检测	基于对比学习的双分支结构直接同时处理MRI和CT图像，采用自适应权重掩码技术增强CT特征提取，引入多模态注意力机制	缺乏大量标注数据，仅针对脑肿瘤检测任务	解决多模态医学图像融合中的信息丢失问题，并在标注数据稀缺情况下实现准确的脑肿瘤检测	脑肿瘤的多模态医学图像（MRI和CT）	计算机视觉	脑肿瘤	磁共振成像(MRI), 计算机断层扫描(CT)	无监督学习, 对比学习	医学图像	NA	NA	Double-SimCLR, 双分支结构	准确率, 精确率, F1分数	NA
3814	2025-10-06	A Deep Learning-Based Multimodal Fusion Model for Recurrence Prediction in Persistent Atrial Fibrillation Patients 2025-Aug, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16733 PMID:40406972	研究论文	开发基于深度学习的多模态融合模型，用于预测持续性房颤患者射频导管消融术后的复发风险	创新性地将房颤心律心电图信号与临床特征相结合，构建多模态融合深度学习模型	样本量较小（77例患者），需进一步扩大验证	提高持续性房颤患者射频消融术后复发风险的预测准确性	接受射频导管消融治疗的持续性房颤患者	医疗人工智能	心血管疾病	心电图信号分析，临床特征整合	深度学习，多模态融合模型	12导联心电图信号，临床评分，基线特征	77例持续性房颤患者	NA	残差块网络结构	AUC	NA
3815	2025-10-06	Bedside Ultrasound Vector Doppler Imaging System With GPU Processing and Deep Learning 2025-08, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3582773 PMID:40553667	研究论文	开发了一种基于GPU处理和深度学习的抗混叠矢量多普勒超声成像系统，可在床边进行血管评估	提出抗混叠矢量多普勒成像系统，结合可编程超声核心、GPU处理和深度学习原理，实现床边高速矢量血流成像	未明确说明系统在临床环境中的大规模验证结果	开发可用于临床床边的矢量血流成像系统，解决传统矢量多普勒成像中的混叠伪影问题	血管血流动力学，包括狭窄模型和人体血管分叉	医学影像处理	心血管疾病	平面波多角度矢量多普勒，脉冲多普勒原理	深度学习	超声图像，血流数据	狭窄模型实验和人体分叉成像扫描	GPU处理	NA	帧率（17 fps实时成像，1000+ fps高速采集，60 fps慢动作回放）	图形处理单元（GPU）
3816	2025-10-06	Predicting municipal solid waste generation using artificial intelligence: A hybrid approach of entropy analysis and SHAP for optimal feature selection 2025-Aug, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115012 PMID:40639006	研究论文	本研究提出一种结合互信息和SHAP的混合特征选择方法，用于提高城市固体废物生成的预测精度	首次将互信息与SHAP解释性分析相结合进行特征选择，能同时捕捉线性和非线性关系	在数据质量较差的地区（如Boralesgamuwa）模型性能显著下降，凸显数据一致性的重要性	提高城市固体废物生成预测精度以支持可持续废物管理	三个城市的固体废物生成数据：美国奥斯汀、澳大利亚巴拉瑞特和斯里兰卡Boralesgamuwa	机器学习	NA	互信息分析，SHAP可解释性分析	FFNN, LSTM	气象数据，社会经济数据	三个城市的时间序列数据，包含人口、收入、CPI和滞后废物变量	NA	前馈神经网络，长短期记忆网络	决定系数，均方根误差	NA
3817	2025-10-06	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	研究论文	提出一种用于长读长单细胞RNA测序数据结构注释和分离的灵活神经网络框架	采用混合神经网络架构和全局上下文感知设计，能够精确识别因测序噪声或文库构建变异导致的移位、部分降解或重复的结构元件	NA	开发用于长读长单细胞转录组数据处理的结构注释和分离框架	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT), 单细胞RNA测序	混合神经网络	长读长单细胞RNA测序数据	NA	PyTorch, TensorFlow	混合神经网络架构	NA	标准GPU
3818	2025-10-06	On the Utility of Virtual Staining for Downstream Applications as it relates to Task Network Capacity 2025-Jul-31, ArXiv PMID:40766889	研究论文	系统研究虚拟染色技术对下游临床应用（如分割和分类）的效用与任务网络容量的关系	首次系统性地将任务网络容量作为评估虚拟染色效用的关键因素，揭示了网络容量足够大时虚拟染色可能不会改善甚至降低任务性能	研究主要基于生物数据集进行实证评估，未涉及所有可能的临床场景和任务类型	评估虚拟染色技术对下游生物或临床任务的实际效用	生物医学图像及其虚拟染色结果	数字病理	NA	深度学习图像到图像转换	深度学习网络	图像	NA	NA	图像到图像转换网络	分割性能, 分类性能	NA
3819	2025-10-06	Toroidal indentation for measuring cell and tissue mechanical anisotropy 2025-Jul-30, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.07.064 PMID:40749995	研究论文	开发了一种基于环形压痕和深度学习的方法来测量生物材料和细胞在不同尺度下的力学各向异性	提出了使用环形压头结合有限元模拟和深度学习模型来量化生物材料各向异性弹性模量的新方法	方法基于线性不可压缩横向各向同性材料模型，可能不适用于非线性或可压缩材料	开发一种通用的压痕方法来估计生物材料从宏观组织到单细胞尺度的各向异性弹性模量	各向异性肌肉组织、细胞单层和单细胞	生物力学	NA	压痕测试、有限元建模、深度学习	深度学习模型	力学测试数据、模拟数据	NA	NA	NA	各向异性程度(E:E比值)	NA
3820	2025-10-06	Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study 2025-Jul-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/70118 PMID:40706028	研究论文	通过大规模跨国多队列研究开发基于血清氯水平的深度学习模型预测ICU患者院内死亡率	首次将因果图分析与深度学习相结合，建立个性化生存曲线预测模型，并发现血清氯水平与ICU患者预后的非线性关系	研究基于回顾性数据，可能存在未测量的混杂因素	分析ICU入院时血清氯水平与院内死亡率的关系，建立个性化生存预测模型	重症监护室患者	医疗人工智能	重症监护疾病	因果图分析，限制性立方样条，Cox比例风险模型	深度学习模型	临床数据	189,462名ICU患者（美国和中国四个队列）	NA	Causal SurvivalNet	Brier分数，风险比	NA