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
581	2025-12-11	Multiplexed detection of febrile infections using CARMEN 2025-Dec-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66243-4 PMID:41365864	研究论文	本文开发了基于CARMEN技术的多重检测面板，用于同时检测发热感染相关的23种病原体，并通过深度学习优化了检测的敏感性和特异性	利用深度学习设计CARMEN检测方法，提高了敏感性和特异性，并成功应用于多种病原体的多重检测	研究主要针对特定病原体面板，可能未涵盖所有相关病原体，且验证样本范围有限	开发高效的多重病原体检测工具，以支持临床诊断和公共卫生监测	病毒性出血热、蚊媒病毒和性传播感染相关的23种病原体	生物信息学	发热感染	CRISPR-based CARMEN技术，RT-qPCR	深度学习	合成目标、健康正常血清样本、患者样本	包括美国淋病奈瑟菌样本和尼日利亚拉沙病毒及猴痘病毒样本	NA	NA	敏感性，特异性	NA
582	2025-12-11	AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond 2025-Dec-09, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00916-4 PMID:41366150	研究论文	本文介绍了AUTOENCODIX，一个用于训练和评估自编码器的开源框架，旨在标准化和灵活处理生物表征学习任务	提出了一个标准化、灵活且可比较的自编码器框架，支持基于本体和跨模态的自编码器，增强了嵌入的可解释性和数据模态间的转换能力	未明确提及具体局限性，但框架的通用性可能依赖于特定数据集和架构的适配	开发一个用于生物表征学习的标准化自编码器框架，以促进数据驱动研究	泛癌研究数据集（如TCGA）、单细胞测序数据以及结合成像数据	机器学习	NA	自编码器、深度学习、数据整合	自编码器	多模态数据（包括基因组、单细胞测序和成像数据）	NA	NA	基于本体的自编码器、跨模态自编码器	输入数据重建能力、嵌入质量、基于本体的嵌入可靠性	NA
583	2025-12-11	A hybrid BiLSTM-CNN approach for intrusion detection for IoT applications 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29079-y PMID:41366268	研究论文	本文提出了一种混合BiLSTM-CNN方法，用于物联网应用的入侵检测	结合BiLSTM和CNN的优势，分别提取时空特征，设计了一种新颖的混合入侵检测系统	NA	改进入侵检测系统以增强网络安全	物联网网络通信行为	机器学习	NA	深度学习	BiLSTM, CNN	网络数据	基于UNSW-NB15数据集	NA	BiLSTM, CNN	精确度, 灵敏度, F1分数, 误算率, 误报率, 漏报率, 马修斯相关系数	GPU和CPU
584	2025-12-11	Preoperative MVI prediction in intrahepatic cholangiocarcinoma via deep learning analysis of intratumoral and peritumoral features on multi-sequence MRI 2025-Dec-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02107-z PMID:41366360	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
585	2025-12-11	ALKBH5-Mediated ITGB1 m6A Modification in Ovarian Cancer Progression and Immune Evasion 2025-Dec-09, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01127-w PMID:41366552	研究论文	本研究揭示了m6A去甲基化酶ALKBH5通过调控ITGB1表达促进卵巢癌进展和免疫逃逸的机制	首次发现ALKBH5通过介导ITGB1的m6A修饰调控卵巢癌免疫逃逸，并利用深度学习等方法进行验证	未明确说明样本的具体数量或来源限制，且机制研究主要在细胞层面进行	探究ALKBH5在卵巢癌进展和免疫逃逸中的作用机制	卵巢癌细胞及相关的m6A修饰调控网络	机器学习	卵巢癌	批量RNA测序、单细胞RNA测序、深度学习、共表达网络分析	深度学习模型	RNA测序数据	NA	NA	NA	NA	NA
586	2025-12-11	A new hybrid model for enhancing low-dose CT images using EfficientNetV2 and WGAN-GP: a multi-loss approach 2025-Dec-09, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03579-z PMID:41366715	研究论文	本研究提出了一种结合EfficientNetV2-M和WGAN-GP的混合模型，用于增强低剂量CT图像，通过多损失函数方法有效降噪并保留关键解剖结构	首次将EfficientNetV2-M作为多尺度特征提取器与WGAN-GP结合，采用加权对抗损失、像素级L1损失和感知损失的多损失优化策略	研究仅基于AAPM-Mayo数据集进行验证，未在其他多中心或不同扫描协议的数据上进行测试	开发一种有效的低剂量CT图像降噪方法，以提高图像质量并保持诊断准确性	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	CNN, GAN	图像	AAPM-Mayo数据集（具体样本数未明确说明）	TensorFlow, PyTorch	EfficientNetV2-M, WGAN-GP	峰值信噪比, 结构相似性指数	NVIDIA Tesla T4 GPU
587	2025-12-11	[The orthodontic diagnosis] 2025-Dec-09, Nederlands tijdschrift voor tandheelkunde DOI:10.5177/ntvt.2025.12.25003 PMID:41367283	综述	本文探讨了正畸诊断的基础、分类系统、技术发展（如人工智能）及其在临床实践中的应用与局限性	强调了人工智能和深度学习在提升正畸诊断测量和分类可靠性方面的作用，同时指出其准确性和透明度方面的挑战	人工智能无法完全替代临床评估，复杂病例仍需人工解读和跨学科合作，且存在准确性和透明度方面的持续挑战	综述正畸诊断的方法、技术进展及其在临床决策中的应用	正畸诊断系统、人工智能技术、临床实践	NA	NA	人工智能、深度学习	NA	NA	NA	NA	NA	NA	NA
588	2025-12-11	The intratumor microbiome and cancer immunity: from pathogenesis to therapeutic opportunities through artificial intelligence 2025-Dec-09, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2025.2602537 PMID:41368873	综述	本文综述了肿瘤内微生物组与免疫系统在癌症发生发展各阶段的相互作用，并探讨了人工智能在肿瘤微生物组表征及精准肿瘤学中的应用	系统性地整合了肿瘤内微生物组（包括细菌、真菌和病毒）在肿瘤微环境中的作用，并强调了人工智能（特别是机器学习和深度学习）与空间多组学数据结合在诊断、治疗反应预测和个性化肿瘤学中的新兴应用潜力	面临数据异质性、模型可解释性以及伦理问题等挑战，且需要标准化的实验协议、高分辨率空间分析、外部验证和专家注释的数据集来推动发展	探讨肿瘤内微生物组与癌症免疫的相互作用，并评估人工智能技术在挖掘其诊断和治疗潜力中的应用	肿瘤内微生物组（细菌、真菌、病毒）及其与宿主免疫系统的相互作用	数字病理学	癌症	下一代测序, 空间转录组学	机器学习, 深度学习	多组学数据, 空间数据	NA	NA	NA	NA	NA
589	2025-12-11	The role of AI in optimizing CMR image quality: A scoping review 2025-Dec-08, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102135 PMID:41365091	综述	本文通过范围综述总结了AI在优化心脏磁共振图像质量中的应用，包括扫描加速、伪影检测、伪影减少和图像重建等方面	系统性地综述了AI在CMR图像质量优化中的多种方法，并展示了深度学习在扫描时间缩短70-80%和图像质量提升方面的潜力	综述基于31篇文献，可能存在发表偏倚，且未进行定量荟萃分析	总结AI在改善心脏磁共振图像质量方面的不同方法，重点关注扫描时间作为伪影减少的关键因素	心脏磁共振图像	医学影像分析	心血管疾病	心脏磁共振成像	CNN, GAN	图像	NA	NA	卷积神经网络, 生成对抗网络	准确率, 结构相似性指数	NA
590	2025-12-11	Unraveling blood pressure estimation with a deep learning approach using multiple embeddings 2025-Dec-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111377 PMID:41365110	研究论文	提出一种基于深度学习的无校准血压估计框架，利用心电图的R峰和光电容积脉搏波的P峰计算脉搏波到达时间，并结合相似性特征进行预测	引入了基于欧几里得距离和曼哈顿距离矩阵的相似性特征，以增强数据样本中的模式识别能力，并采用注意力引导的卷积神经网络进行处理	NA	开发一种无需校准、可实时兼容且具有强泛化能力的血压估计方法	血压（收缩压和舒张压）	机器学习	心血管疾病	脉搏波到达时间（PAT）计算，心电图（ECG），光电容积脉搏波（PPG）	CNN	生理信号（心电图和光电容积脉搏波）	三个数据集：Cabrini Hospital, PTT PPG, MIMIC-II	NA	注意力引导的卷积神经网络	R值（相关系数），平均绝对误差（MAE），符合医疗器械促进协会标准，英国高血压学会等级	NA
591	2025-12-11	Solution to data imbalance and complex interactions in traffic conflict modeling: a hypergraph and generative AI approach 2025-Dec-08, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108338 PMID:41365277	研究论文	本研究提出了一种结合超图和生成对抗网络的方法，以解决交通冲突建模中的数据不平衡和复杂交互问题	采用增强的二维碰撞时间指标与车辆交互关系结合，并利用带自注意力层的生成对抗网络处理数据不平衡，同时引入超图注意力网络结合Shapley可解释性分析来提升模型性能	未明确说明模型在更广泛或不同交通环境中的泛化能力，以及计算资源需求的具体细节	预测多模式交通冲突，并克服现有模型在处理少数类样本和捕获动态交互方面的局限性	交通冲突事件，包括冲突和非冲突事件，涉及车辆速度、车辆数量、交通流速度统计、道路标记距离及高峰时段指标等特征	机器学习	NA	NA	生成对抗网络, 超图注意力网络	交通冲突数据	NA	NA	S-HGAT（超图注意力网络结合Shapley可解释性分析）	F1分数, 准确率	NA
592	2025-12-11	A priority control list for LCMs in freshwater food chain by deep learning 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究利用深度学习方法，针对淡水食物链中液晶单体的持久性、生物累积性和毒性效应，构建并优化了优先控制清单	首次针对影响淡水食物链的商业液晶单体PBT效应构建了优先控制清单，并应用ResNet深度学习模型进行优化和预测	研究仅针对1431种商业液晶单体在特定淡水食物链模型中的效应，可能未涵盖所有环境场景或新型化合物	评估液晶单体在淡水食物链中的环境风险，并建立高精度优先控制清单	1431种商业液晶单体在淡水食物链（水蚤-斑马鱼-卷羽鹈鹕）中的PBT效应	机器学习	NA	分子对接, 机器学习, 深度学习	ResNet	分子对接数值矩阵	1431种液晶单体 × 3个营养级 × 3种PBT效应，共12879个数据点	NA	ResNet	准确率	NA
593	2025-12-11	SpectraNet: A unified deep learning framework for infrared spectroscopy-based prediction of plastic recyclability, type classification, and microplastic identification 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140434 PMID:41232191	研究论文	本文提出了一个名为SpectraNet的统一深度学习框架，利用中红外光谱数据实现塑料可回收性预测、类型分类和微塑料识别	提出了首个将中红外光谱与先进算法相结合的统一深度学习框架，用于同时支持塑料可回收性评估、塑料类型识别和微塑料类型识别三项关键分析任务，并建立了开放的塑料和微塑料红外光谱数据库	NA	开发一个高效的深度学习框架，以应对全球塑料污染和微塑料污染问题，支持塑料回收、材料识别和微塑料监测	塑料和微塑料	机器学习	NA	中红外光谱	深度学习	光谱数据	NA	NA	SpectraNet	准确率	NA
594	2025-12-11	Integrating RNA sequencing with deep learning-based metabolic toxicity prediction: A new perspective on screening prioritized liquid crystal monomers 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140465 PMID:41237628	研究论文	本研究提出了一种结合RNA测序与深度学习模型LCMsT-MTP的新方法，用于快速、高通量筛选自然水体中具有代谢毒性风险的液晶单体	首次将RNA测序数据与深度学习模型相结合，用于预测液晶单体的代谢毒性，克服了传统方法仅针对单一靶点或机制的局限，实现了对21种代谢毒性的同时识别	模型最初基于6种氟化液晶单体的RNA测序数据开发，对于非氟化液晶单体的预测需满足适用域测试，且无法覆盖所有857种潜在代谢毒性液晶单体的快速识别	开发一种快速、高通量的方法，用于筛选自然水体中具有代谢毒性风险的优先液晶单体	液晶单体，特别是对水生生物具有潜在代谢毒性的氟化和非氟化液晶单体	机器学习	NA	RNA测序，深度学习	深度学习模型	基因表达序列数据，化学结构数据	6种氟化液晶单体在斑马鱼中的RNA测序数据，以及857种潜在代谢毒性液晶单体的预测应用	NA	LCMsT-MTP	NA	NA
595	2025-12-11	Deep learning-integrated SERS platform for accurate identification of diverse phthalate ester subtypes 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140584 PMID:41297261	研究论文	本研究开发了一种集成深度学习的表面增强拉曼光谱（SERS）平台，用于快速准确识别和分类七种代表性邻苯二甲酸酯（PAEs）亚型	将等离子体金纳米柱（AuNP）基底形成的垂直和水平纳米间隙结构与深度学习算法相结合，构建了一个高灵敏度、可解释的现场部署检测平台	研究仅针对七种代表性PAEs，未涵盖所有可能的亚型；平台在接近监管阈值（0.1% w/w）浓度下的实际应用性能需进一步验证	开发一种快速、准确、可现场部署的邻苯二甲酸酯检测方法，用于环境监测和消费品安全评估	七种代表性邻苯二甲酸酯（PAEs）亚型	机器学习	NA	表面增强拉曼光谱（SERS）	深度神经网络（DNN）	光谱数据	NA	NA	深度神经网络（DNN）	准确率	NA
596	2025-12-11	Mulaqua: An interpretable multimodal deep learning framework for identifying PMT/vPvM substances in drinking water 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140573 PMID:41297258	研究论文	提出了一种名为Mulaqua的可解释多模态深度学习框架，用于识别饮用水中的持久性、移动性和毒性物质（PMT/vPvM）	首个专门用于识别PMT/vPvM物质的深度学习方法，采用结合分子字符串表示和分子图像的新型多模态方法，并公开了代码	训练数据集中存在数据不平衡问题	开发高效的计算方法，以快速、经济地检测饮用水中的PMT/vPvM物质	饮用水中的持久性、移动性和毒性物质（PMT）以及非常持久和非常移动的物质（vPvM）	机器学习	NA	深度学习，SMILES枚举数据增强	深度学习模型	分子字符串表示，分子图像	NA	NA	NA	准确率，F1分数，马修斯相关系数	NA
597	2025-12-11	The effects of physical activity on diabetic retinopathy in type 2 diabetes using automated vascular analysis: a cohort study 2025-Dec-05, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.15.04319 PMID:41343177	研究论文	本研究利用计算机视觉和深度学习技术，探讨了2型糖尿病患者体力活动与糖尿病视网膜病变及视网膜血管直径之间的关系	首次在大型队列研究中结合计算机视觉和深度学习技术，系统评估体力活动对2型糖尿病患者视网膜血管直径和糖尿病视网膜病变发病的纵向影响	研究依赖自我报告的体力活动数据，可能存在回忆偏倚；仅针对中国上海地区人群，结果外推需谨慎	探究体力活动与2型糖尿病患者糖尿病视网膜病变及视网膜血管直径的关联，探索潜在机制并识别保护性运动方案	2型糖尿病患者	计算机视觉	糖尿病视网膜病变	计算机视觉, 深度学习	NA	视网膜图像, 临床数据	横断面分析42,992人，纵向队列3,669人	NA	NA	风险比, 置信区间	NA
598	2025-12-11	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2025-Dec-04, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息来提高预测准确性	提出了一种增强的基于Transformer的模型，结合了Molr和ProtTrans网络进行特征提取，并引入了转置注意力机制与三重损失自监督学习方法	未在摘要中明确说明	改进药物-靶点相互作用预测，以推进虚拟药物筛选和药物发现	小分子与蛋白质之间的结合亲和力	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	未在摘要中明确说明	未在摘要中明确说明	MolrProtTrans, Transformer	AUC	未在摘要中明确说明
599	2025-12-11	Perivascular space identification nnUNet for generalised usage (PINGU) 2025-Dec-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103903 PMID:41365148	研究论文	本文开发了一种名为PINGU的通用血管周围空间分割工具，基于nnUNet算法，在异质MRI数据集上进行训练，以提升在不同图像质量和分辨率下的适用性	首次在异质多数据集（来自7个不同数据集、6台扫描仪）上训练nnUNet用于血管周围空间分割，增强了模型在临床和研究环境中广泛图像质量下的泛化能力	在未见过的外部站点数据上性能显著下降，表明模型泛化能力仍有局限	开发一种适用于广泛图像质量和分辨率的自动化血管周围空间分割工具	大脑MRI图像中的血管周围空间	数字病理	血管疾病	MRI扫描	CNN	3D MRI图像	来自7个不同数据集、6台扫描仪的异质MRI样本	nnUNet	nnUNet	Dice系数（体素和簇级别）	NA
600	2025-12-11	Artificial intelligence revolutionize food detection? Vision, olfaction and taste integrated with machine learning/deep learning in food detection 2025-Dec-04, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147377 PMID:41365156	综述	本文综述了人工智能（特别是机器学习和深度学习）如何通过整合视觉、嗅觉和味觉感知技术来革新食品检测领域	系统阐述了AI在食品检测中实现自动特征学习和高维信号表征的机制，并展望了多模态数据融合及大语言模型的潜在应用	未提及具体的实验验证或性能对比数据，主要基于理论分析和文献综述	阐明人工智能在食品检测领域的理论框架和技术范式变革，并分析其未来发展方向	食品检测技术	机器学习	NA	计算机视觉、电子鼻、电子舌	机器学习、深度学习	多模态数据（视觉、嗅觉、味觉信号）	NA	NA	NA	检测准确率、鲁棒性	NA