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
621	2025-09-18	Design of an iterative hybrid multimodal deep learning method for early skin disease detection with cross-attention and graph-based fusions 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103584 PMID:40949827	研究论文	提出一种用于早期皮肤疾病检测的多模态深度学习框架，融合空间、时间和语义信息	结合跨注意力机制和图注意力网络（GAT）实现多模态特征交互与患者间关系建模	NA	早期皮肤疾病检测	皮肤疾病患者的多模态数据	计算机视觉	皮肤疾病	多模态深度学习	EfficientNet-B4, BiLSTM, ClinicalBERT, GAT	图像、时间序列信号、临床文本	NA
622	2025-09-18	Umami-Transformer: A deep learning framework for high-precision prediction and experimental validation of umami peptides 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145905 PMID:40848351	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
623	2025-09-18	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨了深度学习在肽段识别技术中的应用，以提高蛋白质组学中肽段序列鉴定的效率和准确性	结合多种深度学习模型（如Prosit、pDeep、卷积神经网络和图论）与数据库搜索，优化肽段空间系统映射的注释策略	NA	提升肽段识别方法的效率和准确性，推动蛋白质组学发展	肽段序列和MS/MS质谱数据	机器学习	NA	质谱技术（DDA和DIA）、深度学习	CNN、深度神经网络、图论结合模型	质谱数据	NA
624	2025-09-18	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	提出两种新型无监督时空异常检测方法，用于传感器网络数据	结合动态贝叶斯模型和深度学习架构，并引入集成方法综合两者优势	NA	开发高效准确的时空异常检测算法，提升传感器数据可靠性	河流传感器网络收集的高结构化时空数据	机器学习	NA	无监督异常检测	动态贝叶斯模型，LSTM，注意力机制	传感器时空数据	通过综合模拟基准测试评估，包含多种常见异常类型
625	2025-09-18	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新颖的四模态深度神经网络（QM-DNN），用于基于Sentinel-2卫星数据估算连云港市湖泊和水库的叶绿素a浓度	提出了结合双波段、三波段和四波段光谱特征以及时空和环境辅助变量的多模态深度学习框架	模型在测试集上表现良好但仍有改进空间，且风速影响存在站点依赖性	通过遥感技术监测水体富营养化状况，支持水质管理和富营养化治理	中国连云港市的湖泊和水库	遥感监测	NA	多模态学习、集成梯度法	QM-DNN（四模态深度神经网络）	多光谱卫星影像、原位测量数据、环境变量	测试集197个样本，数据时间跨度为2017-2024年
626	2025-09-18	Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124233 PMID:40701050	研究论文	提出一种结合Few-Shot Learning和Transformer架构的深度学习框架CGMAT，用于模拟未来海洋微塑料分布	首次将Few-Shot Learning与Transformer架构结合，解决数据稀缺条件下的海洋微塑料多场景模拟问题	预测结果显示出显著的地区差异性，模型在不同区域的适用性可能存在局限	评估未来海洋微塑料丰度趋势，为污染治理提供科学依据	台湾海峡和挪威沿海水域的海洋微塑料分布	机器学习	NA	Few-Shot Learning, Transformer架构, 多图注意力网络	CGMAT (Cross-domain Multi-Graph Attention Network)	海洋观测数据	台湾海峡和挪威沿海水域的异构数据集
627	2025-09-18	Sequence and Structure-based Prediction of Allosteric Sites 2025-Oct-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测计算方法及其在合理药物设计中的应用	强调多模态数据整合和可解释深度学习模型在提升变构位点预测与药物设计中的潜力	NA	促进对变构机制的理解并推动变构药物设计	蛋白质变构调控	计算生物学	NA	计算方法与深度学习	深度学习模型	序列与结构数据	NA
628	2025-09-18	Prediction of water quality parameters and pollution exceedance analysis in typical rivers of semi-arid regions based on interpretable deep learning models 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126801 PMID:40639737	研究论文	提出一种可解释的深度学习模型AT-GRU，用于半干旱地区典型河流水质参数预测与污染超标分析	结合SHAP可解释性分析，揭示预测关键驱动因子，并识别极端降水事件对水质的影响规律	模型在高污染条件下气象因素影响有限，未明确说明泛化能力验证	提升半干旱区域水质预测精度与模型可解释性，支持针对性污染控制与预警策略	半干旱大黑河流域的水质、气象及水文数据	机器学习	NA	深度学习，SHAP可解释性分析	AT-GRU (Attention-Gated Recurrent Unit)	时序数据（水质、气象、水文）	NA
629	2025-09-18	Deep learning-based screening approach for priority pollutants: a case study on retired power battery recycling 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126849 PMID:40683377	研究论文	提出一种基于深度学习的优先污染物筛选框架，应用于退役动力电池回收场景	结合深度学习算法与层次聚类分析构建新型污染物优先级筛选模型McA，并采用性能加权集成方法	NA	开发高效准确的优先污染物筛选方法以支持环境风险管理	退役动力电池回收过程中的潜在污染物	环境信息学	NA	深度学习，层次聚类分析，SHAP可解释性分析	集成学习（基于五种深度学习方法）	污染物特性数据	识别出13种污染物（分为4个优先级）
630	2025-09-18	Deep learning-based prediction of cervical canal stenosis from mid-sagittal T2-weighted MRI 2025-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04917-2 PMID:40152984	研究论文	本研究开发了基于深度学习的模型，用于从矢状T2加权MRI预测颈椎管狭窄	建立了大规模退行性颈椎病队列，并首次使用深度学习模型（包括集成模型）实现高精度颈椎管狭窄预测，同时结合了梯度加权类激活映射进行可解释性分析	数据来源于单一机构，且纳入人口统计学特征并未带来模型性能提升	预测颈椎管狭窄，辅助退行性颈椎病的诊断	退行性颈椎病患者	医学影像分析	颈椎病	MRI成像	ResNet50, VGG16, MobileNetV3, EfficientNetV2, 集成模型	图像	7645名患者（训练集6880人，测试集765人）
631	2025-09-18	A deep learning model with interpretable squeeze-and-excitation for automated rehabilitation exercise assessment 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03372-4 PMID:40327204	研究论文	提出一种基于CNN-SE和灰狼优化算法的深度学习模型，用于自动化康复运动评估	结合可解释的Squeeze-and-Excitation机制和SHAP方法，提供模型决策过程的透明度	NA	开发自动化康复运动评估系统，替代传统治疗师监督模式	健康参与者及运动功能障碍患者	计算机视觉	神经系统疾病	深度学习，灰狼优化算法，SHAP可解释性分析	CNN-SE (卷积神经网络-Squeeze Excitation)	运动数据	基于KIMORE和UI-PRMD数据集的参与者
632	2025-09-18	Deep learning assisted identification of SCUBE2 and SLC16 A5 combination in RNA-sequencing data as a novel specific potential diagnostic biomarker in prostate cancer 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03365-3 PMID:40335872	研究论文	本研究利用深度学习从RNA测序数据中筛选出SCUBE2和SLC16A5组合作为前列腺癌的新型潜在诊断生物标志物	首次发现SCUBE2在前列腺癌中的诊断价值，并证明SCUBE2与SLC16A5组合可显著提升诊断准确性	SCUBE2在前列腺癌中的具体功能机制尚未明确，需要进一步实验验证	开发更精确的前列腺癌诊断方法	前列腺癌患者基因表达数据	数字病理学	前列腺癌	RNA测序，深度学习	深度学习模型	基因表达数据	基于三个转录组数据集中的68个差异表达基因进行分析
633	2025-09-18	Predicting gene expression from DNA sequence using deep learning models 2025-Oct, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	综述	本文讨论利用深度学习模型从DNA序列预测基因表达的方法及其应用	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提升对基因调控复杂组合逻辑的建模能力	不同方法存在各自的优缺点，具体性能受训练数据集类型影响	构建从DNA序列预测基因活性的计算模型	基因转录调控元件（如启动子、增强子）及转录因子	机器学习	NA	表观基因组图谱、高通量报告基因检测	深度学习	DNA序列数据	NA
634	2025-09-18	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	研究论文	提出一种基于贝叶斯优化的深度集成框架，用于胶囊内镜图像中的多病灶自动识别	结合CA-EfficientNet-B0、ECA-RegNetY和Swin transformer三种基础学习器，并采用贝叶斯优化确定集成权重，有效提升胃肠道疾病分类性能	NA	自动识别胶囊内镜图像中的四种病灶（血管扩张、出血、糜烂和息肉）以及正常胃肠道图像	胶囊内镜图像	计算机视觉	胃肠道疾病	迁移学习、注意力机制	集成学习（CA-EfficientNet-B0, ECA-RegNetY, Swin transformer）	图像	281个病例的8358张图像
635	2025-09-18	ToPoMesh: accurate 3D surface reconstruction from CT volumetric data via topology modification 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03381-3 PMID:40423893	研究论文	提出ToPoMesh，一种端到端的深度学习框架，用于从CT体积数据直接重建高保真3D表面网格	通过图卷积网络中的残差连接和自注意力机制保留局部特征、自适应变密度网格解池策略动态优化顶点分布、拓扑修改模块迭代修剪误差表面并通过可变正则项进行边界平滑	NA	克服传统CT 3D重建方法的分辨率限制和后处理工作流耗时问题，直接生成高质量3D表面网格	CT体积数据	计算机视觉	多种疾病（涉及肝脏、胰腺肿瘤、海马体和脾脏数据集）	深度学习，图卷积网络(GCN)，自注意力机制	端到端深度学习框架	CT体积数据	使用LiTS、MSD胰腺肿瘤、MSD海马体和MSD脾脏数据集进行实验
636	2025-09-18	Deep Learning Pipeline for Automated Assessment of Distances Between Tonsillar Tumors and the Internal Carotid Artery 2025-Oct, Head & neck DOI:10.1002/hed.28200 PMID:40458868	研究论文	开发了一种基于深度学习的自动化流程，用于评估扁桃体肿瘤与颈内动脉之间的最小距离	首次提出使用nnU-Net深度学习框架自动分割扁桃体肿瘤和颈内动脉，并构建自动化工具计算两者间距离	研究样本量较小（96例患者），分割性能（DSC 0.67）仍有提升空间	为术前规划提供自动化的距离评估工具	扁桃体肿瘤患者	数字病理	头颈部肿瘤	CT扫描影像分析	nnU-Net	医学影像	96例扁桃体肿瘤患者的CT扫描数据
637	2025-09-18	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-Ocular Syndrome 2025-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	研究论文	开发基于深度学习的人工智能模型，利用光学相干断层扫描（OCT）图像预测太空飞行相关神经眼综合征（SANS）的发生	首次使用Resnet50深度学习模型结合航天和地面模拟数据预测SANS，并通过类激活图（CAM）识别关键影像区域	数据量有限（样本规模未明确说明），性能置信区间较宽	预测太空飞行相关神经眼综合征（SANS）的发病风险	宇航员（太空飞行数据）和头低位卧床休息研究参与者（地面模拟数据）	计算机视觉	神经眼综合征	光学相干断层扫描（OCT）	Resnet50	图像	NA
638	2025-09-18	Multitask Deep Learning for Automated Segmentation and Prognostic Stratification of Endometrial Cancer via Biparametric MRI 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70012 PMID:40536279	研究论文	开发基于双参数MRI的多任务深度学习框架，用于子宫内膜癌的自动分割和关键预后因素分类	首次提出统一深度学习框架同时实现肿瘤分割和多任务预后分层，并对比了放射科医师的视觉评估	回顾性研究，样本量有限（325例患者），需外部验证验证泛化性	通过双参数MRI实现子宫内膜癌的自动分割和预后因素多任务分类	325例经组织学确认的子宫内膜癌患者	医学影像分析	子宫内膜癌	双参数MRI（T2WI和DWI序列）	深度学习多任务分类模型	MRI影像	325例患者（训练集211例，验证集54例，测试集60例）
639	2025-09-18	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像探索阿尔茨海默病谱系中认知功能、视网膜生物标志物与大脑改变之间的关联	首次结合深度学习模型FARGO分析视网膜血管特征，并系统比较AD谱系不同阶段（HC、SCD、MCI、AD）的认知-眼-脑多维关联	样本量较小（总n=76），且AD组样本数较少（n=7），可能影响统计效力	揭示阿尔茨海默病谱系障碍中认知、眼部生物指标与大脑结构功能变化的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	多模态MRI（3D T1加权BRAVO序列、静息态fMRI）、光学相干断层扫描血管成像（OCTA）	深度学习模型FARGO	脑部MRI图像、视网膜OCTA图像、认知评估数据	76人（HC=16, SCD=35, MCI=18, AD=7）
640	2025-09-18	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Oct, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	研究论文	本研究开发了一种基于深度学习的自动化方法R2AUNet，用于从3D-FLAIR MRI中分割多发性硬化病灶	提出结合循环残差块和注意力机制的3D U-Net框架，仅使用单一MRI序列实现准确分割	NA	开发自动化多发性硬化病灶分割方法以减少人工分割的时间和变异性	多发性硬化患者的3D-FLAIR MRI扫描数据	医学图像分析	多发性硬化	3D-FLAIR MRI	R2AUNet（基于3D U-Net的循环残差注意力网络）	3D MRI图像	95名患者的112次MRI扫描