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
21	2025-09-23	Improving risk stratification and detection of early HCC using ultrasound-based deep learning models 2025-Oct, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101510 PMID:40980161	研究论文	开发基于超声的深度学习模型STARHE-RISK和STARHE-DETECT，用于肝细胞癌风险分层和早期检测	首次将深度学习应用于超声动态影像进行HCC风险分层和早期检测，并提出与临床评分结合的个性化监测方案	样本量相对有限（403例患者），需要更大规模验证	改善肝细胞癌的早期检测和风险分层	代偿性晚期慢性肝病（cACLD）患者	数字病理	肝细胞癌	深度学习	深度学习模型（STARHE-RISK, STARHE-DETECT）	超声动态影像	403例cACLD患者（152例早期HCC病例，170例对照组）
22	2025-09-23	Artificial Intelligence-Enabled Staging Classification of Pressure Injuries 2025-Oct-01, Advances in skin & wound care IF:1.7Q2 DOI:10.1097/ASW.0000000000000352 PMID:40981689	研究论文	本研究开发了一种基于人工智能的压力性损伤分期分类工具	首次将ResNet18-Transformer编码器混合模型等多种深度学习架构应用于压力性损伤分期分类，并采用Grad-CAM可视化注意力区域	模型在第三阶段损伤的分类精度相对较低（64.72%），且样本量有限	开发能够更准确、客观识别压力性损伤不同分期的AI工具	压力性损伤图像数据	计算机视觉	压力性损伤	深度学习、计算机视觉	ResNet18、ResNet18-Transformer Encoder Hybrid Model、DenseNet-121	图像	1663张压力性损伤图像（1091张来自公开数据集，572张来自私人实验室）
23	2025-09-23	Enhanced detection of Argulus and epizootic ulcerative syndrome in fish aquaculture through an improved deep learning model 2025-Sep-22, Journal of aquatic animal health IF:1.5Q2 DOI:10.1093/jahafs/vsaf001 PMID:40662570	研究论文	开发了一种改进的YOLOV5深度学习模型，用于水产养殖中鱼类寄生虫和疾病的早期检测	在YOLOV5模型基础上进行改进，结合迁移学习技术，并将模型部署到树莓派硬件平台	NA	检测鱼类是否感染溃疡性上皮综合征和鱼虱寄生虫	水产养殖鱼类	计算机视觉	水产动物疾病	深度学习、迁移学习	改进的YOLOV5模型	图像	NA
24	2025-09-23	3D Spatial Learning for Adsorption Energy Prediction in Multi-Temporal Solution Systems: The MTSS Data Set and a GCN-Based Network 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00645 PMID:40903277	研究论文	提出用于复杂溶液系统中吸附能预测的MTSS数据集和基于图卷积网络的双通道模型SEP-Net	首次引入包含时间分辨构型的多时相溶液系统数据集，并提出融合几何学习和分子嵌入的双通道图网络	在未知溶剂上的预测误差（507.37 kJ/mol）显著高于已知溶剂	解决复杂溶液系统中吸附能的系统级预测问题	五种溶剂中的50万个时间分辨三维原子构型	机器学习	NA	几何深度学习、分子SMILES嵌入	GCN（图卷积网络）	3D原子坐标、吸附能标签	50万个时间分辨构型
25	2025-09-23	Multiview Deep Learning Framework for Precise Prediction of Transcription Factor Binding Sites 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01054 PMID:40914877	研究论文	提出一种多视图深度学习框架MDNet-TFP，用于精确预测转录因子结合位点	引入双向反向互补模块(BiRC-Mamba)处理DNA序列特性，开发多尺度卷积循环注意力网络(MCRAN)整合多维特征	NA	提高转录因子结合位点预测的准确性	DNA序列中的转录因子结合位点	生物信息学	NA	ChIP-seq测序技术	多视图深度学习框架（包含BiRC-Mamba和MCRAN模块）	基因组序列数据	165个ChIP-seq数据集（扩展验证使用690个数据集）
26	2025-09-23	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究建立了蛋白质-核酸复合物结构预测的基准数据集ProNASet，并系统评估了多种计算方法的表现	首次创建包含100个实验解析结构的蛋白质-核酸复合物基准数据集，并建立多维评估框架	基准数据集规模有限（100个结构），深度学习方法的预测性能明显不足	评估蛋白质-核酸复合物结构预测的计算方法性能	蛋白质-核酸复合物三维结构	计算生物学	NA	结构预测算法评估	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	蛋白质三维结构数据	100个实验解析的蛋白质-核酸复合物结构
27	2025-09-23	SERS mapping combined with explainable deep learning for exosome analysis to enhance lung cancer detection 2025-Sep-22, The Analyst DOI:10.1039/d5an00685f PMID:40859702	研究论文	本研究结合表面增强拉曼散射图谱与可解释深度学习模型，通过全面分析外泌体表面和内部生物标志物来提升肺癌检测准确率	首次将Grad-CAM可解释深度学习模型应用于外泌体SERS信号分析，同时捕获表面和内部生物标志物信息，实现了98.95%的高分类精度	未提及外部验证集性能或临床样本的验证结果	开发一种新型外泌体分析方法以提高肺癌检测准确性	肺癌细胞和正常细胞来源的外泌体	数字病理	肺癌	表面增强拉曼散射（SERS）、金纳米立方体超晶格（GNSs）制备	深度学习（Grad-CAM增强）	光谱数据（SERS mapping）	NA
28	2025-09-23	From AI-Driven Sequence Generation to Molecular Simulation: A Comprehensive Framework for Antimicrobial Peptide Discovery 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00892 PMID:40879040	研究论文	提出结合深度学习和分子模拟的综合计算框架，用于抗菌肽的发现与设计	首次将字符级生成对抗网络与分子动力学模拟相结合，建立从序列生成到功能验证的完整AMP发现流程	仅生成50个候选序列，模拟时间有限，需进一步扩大样本量和延长模拟周期	开发新型抗菌肽设计策略以解决细菌耐药性问题	抗菌肽（AMPs）序列及其与细菌膜的相互作用	机器学习	细菌感染	生成对抗网络（GAN）、分子动力学模拟、体外实验验证	GAN、PGAT-ABPp判别网络	蛋白质序列数据、分子模拟数据	生成50个候选序列，最终合成验证2个活性肽
29	2025-09-23	GlucoNet-MM: A multimodal attention-based multi-task learning framework with decision transformer for personalised and explainable blood glucose forecasting 2025-Sep-22, Diabetes, obesity & metabolism DOI:10.1111/dom.70147 PMID:40977343	研究论文	提出一种基于多模态注意力的多任务学习框架，用于个性化可解释的血糖预测	首次将决策变换器与多模态注意力机制结合，实现政策感知的血糖预测和可解释性分析	仅在两个公开数据集上进行验证，需要更多临床场景的测试	开发个性化、可解释的血糖预测深度学习框架	糖尿病患者血糖数据	机器学习	糖尿病	多任务学习、注意力机制、决策变换器、蒙特卡洛dropout	多模态深度学习框架（注意力机制+决策变换器）	多模态生理行为数据（CGM、胰岛素剂量、碳水化合物摄入、运动数据）	两个公开数据集（BrisT1D和OhioT1DM）
30	2025-09-23	AnatomyArray: a high-throughput platform for anatomical phenotyping in plants 2025-Sep-22, The Plant cell DOI:10.1093/plcell/koaf223 PMID:40977461	研究论文	开发了一种用于植物解剖表型分析的高通量平台AnatomyArray，结合深度学习工具AnatomyNet实现细胞排列模式的自动化量化	首次整合高通量石蜡切片、多通道玻片成像和深度学习分析，实现组织尺度细胞排列模式的自动化量化	NA	开发植物解剖表型分析的高通量平台并解析根系解剖结构的遗传基础	小麦根系组织	计算机视觉	NA	全基因组关联分析(GWAS)、深度学习	AnatomyNet(基于CNN的深度学习工具)	组织切片图像	多样化小麦群体
31	2025-09-23	Deep Raman Quantitative Profiling and Augmented Features for Biologically Interpretable GI Cancer Detection 2025-Sep-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04073 PMID:40977515	研究论文	开发结合拉曼光谱与深度学习的胃肠道癌症检测框架，通过定量光谱分解实现分子水平分析	提出协同框架整合定量光谱分解与可解释生物特征，引入SMOTE处理类别不平衡并创建生物可解释比率特征	样本量相对有限（恶性82例），需更大规模验证	建立基于拉曼光谱的胃肠道癌症非侵入性诊断方法	胃肠道组织样本（927例，含82例恶性与845例良性）	数字病理	胃肠道癌症	拉曼光谱、SMOTE过采样技术、SHAP可解释性分析、t-SNE可视化	CNN（用于光谱分解）、LightGBM（分类器）	光谱数据	927例胃肠道组织（82恶性/845良性），经SMOTE平衡后1080例（545良性/545恶性）
32	2025-09-23	Accelerating battery innovation: AI-powered molecular discovery 2025-Sep-22, Chemical Society reviews IF:40.4Q1 DOI:10.1039/d5cs00053j PMID:40980860	综述	系统探讨人工智能在下一代电池系统分子发现中的整合应用	首次系统总结AI算法在电池分子工程中的全流程应用，包括新兴大语言模型的引入	未涉及具体实验验证数据的量化分析	加速电池材料分子发现以推动能源技术创新	电池系统相关分子材料	机器学习	NA	AI驱动分子发现	经典机器学习/深度学习/大语言模型	分子结构数据	NA
33	2025-09-23	Docking With Rosetta and Deep Learning Approaches in CAPRI Rounds 47-55 2025-Sep-22, Proteins IF:3.2Q2 DOI:10.1002/prot.70016 PMID:40980933	研究论文	结合Rosetta对接方法和深度学习技术改进CAPRI竞赛中蛋白质-蛋白质相互作用的盲预测	将RosettaDock 4.0、ReplicaDock 2.0等传统对接方法与AlphaFold2、IgFold等深度学习工具集成，开发了针对柔性复合物的骨架构象采样增强方法	对于更柔性复合物的预测性能仍然有限，准确预测CDR H3环和抗体-抗原结合界面仍具挑战性	提高蛋白质-蛋白质相互作用的盲预测准确性	多阶段组装体、抗体-抗原复合物、柔性界面等49个CAPRI靶标	计算生物学	NA	Rosetta对接、深度学习（AlphaFold2、IgFold、AlphaRED）	RosettaDock、ReplicaDock、SymDock、AlphaFold2	蛋白质结构数据	CAPRI第47-55轮的49个预测靶标
34	2025-09-23	A multi-class segmentation model of deep learning on contrast-enhanced computed tomography to segment and differentiate lipid-poor adrenal nodules: a dual-center study 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12007-z PMID:40981992	研究论文	开发基于深度学习的多类别分割模型Mamba-USeg，用于在增强CT图像上分割并区分脂质缺乏型肾上腺腺瘤和结节性增生	首次提出基于状态空间模型的多类别分割方法，实现肾上腺结节的同步分割与分类	回顾性双中心研究，样本量有限（164例患者）	开发能够自动分割和分类肾上腺结节的深度学习模型	经病理证实的脂质缺乏型肾上腺腺瘤和结节性增生患者	医学影像分析	肾上腺疾病	对比增强计算机断层扫描	Mamba-USeg（基于SSMs的多类别分割模型）	医学影像（CT图像）	164例患者（内部中心128例，外部验证36例）
35	2025-09-23	Deep-learning-based prediction of significant portal hypertension with single cross-sectional non-enhanced CT 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12010-4 PMID:40981991	研究论文	本研究开发了一种基于单张平扫CT图像的深度学习模型，用于预测临床显著性门静脉高压	首次利用单张平扫CT图像通过深度学习预测门静脉高压，无需对比剂和复杂图像处理	研究样本量有限（421例患者），且为单中心回顾性研究	建立非侵入性的门静脉高压预测方法，替代有创的肝静脉压力梯度测量	慢性肝病患者	医学影像分析	慢性肝病/门静脉高压	CT成像	CNN（卷积神经网络）	医学影像（CT图像）	421例慢性肝病患者
36	2025-09-23	MRI-based habitat analysis for pathologic response prediction after neoadjuvant chemoradiotherapy in rectal cancer: a multicenter study 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11997-0 PMID:40981989	研究论文	本研究通过基于MRI的栖息地分析预测直肠癌患者新辅助放化疗后的病理反应	首次将深度学习和栖息地分析相结合，开发融合临床因素、影像组学特征和瘤内异质性特征的多模型预测体系	研究为回顾性多中心设计，需要前瞻性研究进一步验证模型的临床适用性	预测直肠癌患者接受新辅助放化疗后的病理反应	1021例直肠癌患者	医学影像分析	直肠癌	深度学习、简单线性迭代聚类、影像组学分析	融合模型（临床模型、ITH模型、影像组学模型）	MRI影像	1021例患者（训练测试集319例，内部验证集317例，外部验证集1为158例，外部验证集2为227例）
37	2025-09-23	Machine learning model for predicting the conversion to dementia using the Cube Copying Test 2025-Sep-22, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251376939 PMID:40982217	研究论文	开发基于立方体复制测试绘图的机器学习模型，用于预测3-5年内向痴呆症的转化	首次将深度学习异常检测模型应用于立方体复制测试绘图，发现临床前阶段已存在的建构性失用样症状	回顾性研究设计，存在1002例患者失访，样本选择可能存在偏差	开发高精度、低负担的痴呆症早期筛查工具	767名记忆障碍患者（基线MMSE≥24分且无痴呆诊断）	机器学习	老年性疾病	深度学习异常检测	PatchCore	图像	767名患者（457名转化为痴呆症，310名未转化）
38	2025-09-23	An updated patent review of small molecule glucagon receptor antagonists (2020-2024) 2025-Sep-21, Expert opinion on therapeutic patents IF:5.4Q1 DOI:10.1080/13543776.2025.2559928 PMID:40968011	综述	对2020-2024年间小分子胰高血糖素受体拮抗剂专利进展的回顾性分析	发现创新主体从制药企业转向学术机构，并揭示了深度学习与虚拟筛选在新化学型探索中的应用趋势	需通过临床研究验证化合物能否突破现有开发瓶颈并解决安全性问题	分析小分子GCGR拮抗剂的最新专利布局与技术创新路径	专利文献、临床数据及同行评审论文中的小分子GCGR拮抗剂	药物研发	糖尿病	深度学习、虚拟筛选、结构机制研究	NA	专利文本、临床数据、文献资料	基于多数据库（PubMed/Web of Science等）的专利与文献集合
39	2025-09-23	Advanced deep learning strategies for detection and quantification of macroplastics in rivers along the Peruvian coast 2025-Sep-20, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118649 PMID:40976044	研究论文	开发结合深度学习的框架，用于检测和量化秘鲁沿海河流中的大塑料污染	首次将YOLOv11模型应用于河流大塑料检测，并分析时空动态变化	对家具和PET瓶等类别的检测精度较低	建立大塑料污染自动监测系统	秘鲁利马Rímac河段的混合无机城市固体废物	计算机视觉	NA	深度学习、无人机航拍	YOLOv11、CNN	图像	秘鲁Rímac河段一年的无人机监测数据
40	2025-09-23	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Sep-20, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	系统评估机器学习和深度学习技术在MRI量化与分期脂肪肝疾病中的诊断准确性、可重复性和临床实用性	首次系统综述ML/DL在MRI脂肪肝评估中的应用，涵盖CNN、GAN等多种先进技术	样本量较小（25-1038例）、单中心研究设计、不同厂商设备差异性	评估机器学习与深度学习技术提升MRI对脂肪肝定量分析和疾病分期的能力	疑似或确诊非酒精性脂肪肝病（NAFLD）、非酒精性脂肪肝炎（NASH）或酒精性肝病（ALD）的人类患者	医学影像分析	脂肪肝疾病	MRI（质子密度脂肪分数、化学位移编码MRI、Dixon MRI）	CNN、GAN、影像组学、字典学习	医学影像	15项研究（总样本量25-1038例患者）