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
61	2025-09-11	High-resolution imaging system for integration into intelligent noncontact total body scanner 2025-Sep, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.9.096001 PMID:40927515	研究论文	开发了一种用于非接触式全身扫描仪的高分辨率光学皮肤成像模块及软件，通过焦点堆栈和深度学习技术提升黑色素瘤早期诊断性能	采用电可调液体镜头实现体内快速多焦点图像采集，并结合焦点堆栈与深度学习超分辨率技术生成全焦点高分辨率皮肤图像	与接触式皮肤镜标准相比，个别病变的分辨率存在差异，且超分辨率技术需谨慎使用以避免影响原始数据真实性	提升非接触式全身扫描仪的诊断准确性和可靠性，用于黑色素瘤的早期检测	皮肤病变图像	计算机视觉	黑色素瘤	焦点堆栈、深度学习超分辨率	CNN（基于上下文推断）	图像	NA
62	2025-09-11	Neuroimaging Data Informed Mood and Psychosis Diagnosis Using an Ensemble Deep Multimodal Framework 2025-Sep, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70347 PMID:40927869	研究论文	本研究开发了一种集成深度多模态框架，利用神经影像数据改进情绪和精神病诊断的分类	整合多模态神经影像数据（fMRI与结构MRI），采用集成方法、深度学习和数据融合技术，将神经影像与基于症状的分类相结合	NA	识别精神疾病的脑基生物标志物，改进现有症状分类系统	情绪和精神病患者群体的神经影像数据	机器学习	精神疾病	fMRI, 结构MRI	深度卷积框架, 集成学习(bagging)	神经影像数据	NA
63	2025-09-11	A Review on Biomarker-Enhanced Machine Learning for Early Diagnosis and Outcome Prediction in Ovarian Cancer Management 2025-Sep, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71224 PMID:40927964	综述	本文综述了生物标志物增强的机器学习在卵巢癌早期诊断和预后预测中的应用与进展	整合多模态生物标志物与机器学习模型，显著提升诊断准确性和预后预测能力，AUC值超0.90，分类准确率高达99.82%	样本量较小、缺乏外部验证、未包含影像或基因组数据	评估生物标志物驱动的机器学习模型在卵巢癌早期检测、风险分层和治疗规划中的作用	卵巢癌患者及相关生物标志物（如CA-125、HE4）	机器学习	卵巢癌	多模态数据整合（包括肿瘤标志物、炎症、代谢和血液学参数）	Random Forest, XGBoost, Neural Networks, RNN	生物标志物数据	基于17项研究的综合样本（具体数量未明确说明）
64	2025-09-11	Rapid and sensitive acute leukemia classification and diagnosis platform using deep learning-assisted SERS detection 2025-Aug-29, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102320 PMID:40925373	研究论文	提出一种结合深度学习和表面增强拉曼散射（DL-SERS）的分类策略，用于急性白血病（AL）的快速敏感识别与诊断	集成特征融合（1D光谱和2D图像）与Transformer模型，实现5分钟内仅需0.5 μL脑脊液样本的高灵敏度检测	NA	开发快速敏感的急性白血病分类与诊断平台	急性白血病患者、健康对照及其他疾病个体的脑脊液样本	数字病理	白血病	表面增强拉曼散射（SERS）	Transformer	光谱数据、图像	超过390份脑脊液样本
65	2025-09-11	Development of a deep learning method to identify acute ischaemic stroke lesions on brain CT 2025-Aug-26, Stroke and vascular neurology IF:4.4Q1 DOI:10.1136/svn-2024-003372 PMID:39572171	研究论文	开发一种基于深度学习的CT图像缺血性卒中病灶自动识别方法	利用常规采集的标注数据（无需病灶精确标注）训练模型，突破传统依赖精细标注数据集的限制	慢性脑病变（尤其非卒中病灶和陈旧卒中灶）显著降低检测准确率	实现急性缺血性卒中病灶的快速自动化CT检测	缺血性卒中患者的脑部CT扫描图像	计算机视觉	心血管疾病	深度学习	CNN	图像	2347名患者（中位年龄82岁）的5772次CT扫描
66	2025-09-11	Deep Learning Improves Parameter Estimation in Reinforcement Learning Models 2025-Aug-25, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.21.644663 PMID:40666915	研究论文	本文探讨了强化学习模型中的参数估计问题，并比较了传统优化方法与深度学习方法的性能差异	引入深度学习流程进行认知模型参数估计，并提出了系统性评估框架来评估参数估计的多个维度	研究主要基于十个决策数据集，可能需要更多样化的数据集验证通用性	解决强化学习模型中的参数模糊性问题，提高科学推理的可靠性	强化学习模型的参数估计	机器学习	NA	深度学习流程，Nelder-Mead优化方法	神经网络	行为决策数据	十个决策数据集
67	2025-09-11	Computational glycosyltransferases masked deoxynivalenol toxicity and halted FHB spread in wheat grains 2025-Aug-24, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.08.045 PMID:40858235	研究论文	本研究开发了一种基于深度学习的糖基转移酶预测模型，用于识别能够降解脱氧雪腐镰刀菌烯醇（DON）的新型酶，并在转基因小麦中验证其抗病效果	首次将Transformer框架应用于糖基转移酶多功能性预测，并成功鉴定出两种新型DON解毒酶	仅对少量预测酶进行了实验验证，需要进一步扩大验证范围	开发预测模型识别新型DON解毒酶，增强小麦对镰刀菌感染的抗性	糖基转移酶（GTs）、转基因小麦、脱氧雪腐镰刀菌烯醇（DON）	农业生物技术	植物真菌病害	深度学习、转基因技术、生物测定	Transformer	酶序列数据、生物实验数据	转基因小麦品系（具体数量未明确说明）
68	2025-09-11	Leveraging Deep Learning to Enhance Malnutrition Detection via Nutrition Risk Screening 2002: Insights from a National Cohort 2025-Aug-21, Nutrients IF:4.8Q1 DOI:10.3390/nu17162716 PMID:40871744	研究论文	本研究利用深度学习开发并验证了一种基于NRS-2002和人口统计学参数的两步营养疗法需求与类型预测工具	首次将机器学习算法与NRS-2002结合，通过加入性别、癌症状态和病房类型等变量提升预测性能，开发出新评估量表	需要更大规模跨国队列数据进行外部验证	开发机器学习辅助的营养风险筛查工具，优化营养疗法决策	191,028名患者，涵盖年龄、性别、BMI、NRS-2002评分、癌症状态及病房类型等参数	机器学习	营养不良	机器学习分类算法	Random Forest, ANN, Deep Learning, Elastic Net, Naive Bayes	结构化临床数据	191,028名患者
69	2025-09-11	Analysis of Tongue and Face Image Features of Anemic Women and Construction of Risk-Screening Model 2025-Aug-20, Biomedical and environmental sciences : BES IF:3.0Q2 DOI:10.3967/bes2025.047 PMID:40928272	研究论文	通过分析女性贫血患者的面部和舌象特征，构建贫血风险筛查模型	首次结合面部和舌象颜色与纹理特征，利用多种机器学习模型和深度学习模型（ResNet50V2 + Conv1D）构建贫血筛查模型，并发现特定年龄组的特征变化规律	样本仅来自单一医院（曙光医院），样本量有限（533名女性），可能影响模型泛化能力	识别女性贫血相关的面舌图像关键特征，建立并评估贫血风险筛查模型	女性人群（贫血患者与健康对照）	digital pathology	anemia	舌面诊仪（TFDA-1）、图像特征提取（FDAS和TDAS v2.0）、LASSO回归、机器学习与深度学习建模	ANN, ResNet50V2, Conv1D, 以及另外九种机器学习模型	image	533名女性参与者（包括贫血和健康个体）
70	2025-09-11	Ground Reaction Force Estimation via Time-aware Knowledge Distillation 2025-Aug-15, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/jiot.2025.3578012 PMID:40918555	研究论文	提出一种时间感知知识蒸馏框架，用于从鞋垫传感器数据估计地面反作用力（GRF）	利用小批量内的相似性和时序特征进行知识蒸馏，有效捕捉特征间互补关系和数据的序列特性	NA	开发轻量级模型以实现准确且资源高效的地面反作用力估计	人类步态数据	机器学习	NA	知识蒸馏	轻量级学生模型（具体架构未指定）	传感器时序数据	在不同步行速度下收集的数据（具体数量未说明）
71	2025-09-11	Global research landscape of retinoblastoma biomarkers: a multidisciplinary bibliometric analysis based on multiple databases (2005-2025) 2025-Aug-15, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06279-7 PMID:40817296	文献计量分析	对2005至2025年间视网膜母细胞瘤生物标志物的全球研究格局进行多学科文献计量分析	首次通过多数据库系统量化分析RB生物标志物的研究热点与发展趋势	依赖数据库收录范围，可能存在文献覆盖不全；未来趋势部分基于历史数据推断	分析视网膜母细胞瘤生物标志物的研究格局与热点，为未来研究提供理论参考	全球范围内关于视网膜母细胞瘤生物标志物的学术出版物	生物医学信息学	视网膜母细胞瘤	文献计量分析（R软件、VOSviewer、CiteSpace）	NA	文献元数据	2005-2025年间Web of Science和Scopus数据库收录的相关出版物
72	2025-09-11	Going beyond SMILES enumeration for data augmentation in generative drug discovery 2025-Aug-14, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00028a PMID:40917333	研究论文	本文提出并评估了四种新的SMILES数据增强策略，以提升小分子数据集在生成式深度学习中的性能	引入了基于自然语言处理和化学知识的四种新型SMILES增强方法：token删除、原子掩码、生物电子等排替换和自训练	NA	探索超越传统SMILES枚举的数据增强技术，以改善分子生成质量	小分子化合物	自然语言处理	NA	SMILES枚举，数据增强	生成式深度学习	分子结构数据（SMILES字符串）	NA
73	2025-09-11	Leveraging artificial intelligence and machine learning in kinase inhibitor development: advances, challenges, and future prospects 2025-Aug-12, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d5md00494b PMID:40919316	综述	本文综述了人工智能和机器学习在激酶抑制剂开发中的应用、挑战及未来前景	探讨AI/ML方法（包括深度学习、图神经网络和生成模型）如何革新激酶抑制剂的设计、优化和再利用	数据稀疏性、模型可解释性以及计算与实验结果之间的转化差距	加速和优化下一代激酶靶向治疗药物的开发	蛋白激酶及激酶抑制剂	机器学习	癌症	AI/ML方法，包括深度学习、图神经网络、生成模型	深度学习、图神经网络、生成模型	NA	NA
74	2025-09-11	SAGERank: inductive learning of protein-protein interaction from antibody-antigen recognition 2025-Aug-12, Chemical science IF:7.6Q1 DOI:10.1039/d5sc03707g PMID:40927012	研究论文	提出SAGERank深度学习框架，用于从抗体-抗原识别中归纳学习蛋白质-蛋白质相互作用	使用图采样与聚合网络实现归纳学习，解决分子科学中小数据集问题，并可泛化至一般蛋白质-蛋白质相互作用任务	NA	预测抗体-抗原对接及基于结构的设计，解决计算生物学中的治疗性挑战	抗体-抗原复合物、纳米抗体-抗原结构、T细胞受体-肽-MHC复合物等蛋白质相互作用系统	机器学习	癌症	Graph Sample and Aggregate Networks	深度学习框架	蛋白质结构数据	癌症靶点数据集（具体数量未说明）
75	2025-09-11	Dynamic AI-assisted ipsilateral tissue matching for digital breast tomosynthesis 2025-Aug-06, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112356 PMID:40925265	研究论文	评估AI辅助同侧组织匹配技术在数字乳腺断层合成摄影中减少定位误差的效果	首次将动态AI辅助同侧组织匹配技术应用于DBT，并针对非专家放射科医生进行误差减少的量化评估	样本量较小（30个病例），仅针对乳腺影像领域	评估AI辅助技术对乳腺病变定位准确性的提升效果	数字乳腺断层合成摄影（DBT）影像中的乳腺病变	计算机视觉	乳腺癌	深度学习	深度学习模型（具体架构未说明）	医学影像	30个病例，94个共识参考标注，涉及26名放射科医生（14+12）的评估
76	2025-09-11	ECG-GraphNet: Advanced arrhythmia classification based on graph convolutional networks 2025-Aug, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2025.05.012 PMID:40917189	研究论文	提出一种基于图卷积网络的ECG-GraphNet模型，用于心律失常的精确分类	创新性地将ECG波形建模为图结构节点，并采用QRS中心加权平均池化方法增强特征提取	NA	开发高性能心律失常自动分类方法以辅助临床诊断	心电图信号与心律失常分类	医疗人工智能	心血管疾病	图卷积网络	GCN	心电图信号	328名患者的单导联10秒ECG记录
77	2025-09-11	DeepHVI: A multimodal deep learning framework for predicting human-virus protein-protein interactions using protein language models 2025-Aug, Biosafety and health IF:3.5Q1 DOI:10.1016/j.bsheal.2025.07.005 PMID:40918205	研究论文	提出一种多模态深度学习框架DeepHVI，用于预测人类与病毒蛋白质间的相互作用	整合蛋白质语言模型与多模态融合技术，结合二元分类和条件序列生成任务以提高预测准确性	NA	系统预测人类与病毒蛋白质间的潜在相互作用，以支持公共卫生策略和抗病毒药物设计	人类蛋白质和病毒蛋白质（如SARS-CoV-2）	自然语言处理	传染病	蛋白质语言模型，多模态融合	深度学习框架	蛋白质序列数据	高置信度实验数据集（具体数量未说明）
78	2025-09-11	Deep Learning Model for Osteoporosis Screening From Chest Radiographs: A Multicenter Analysis of External Robustness and Model Calibration 2025-Aug, Cureus DOI:10.7759/cureus.89446 PMID:40918770	研究论文	开发深度学习模型从胸部X光片中筛查骨质疏松症，并进行多中心外部验证和模型校准	通过混合外部数据校准模型，显著提升在不同设备和机构的外部数据上的筛查性能	外部数据性能仍低于内部数据，需要至少500例外部数据参与训练才能有效校准	利用深度学习技术从常规胸部X光片中筛查骨质疏松症，解决DXA检测资源有限的问题	骨质疏松症患者和疑似病例	数字病理	骨质疏松症	深度学习	深度学习模型	胸部X光图像	多中心数据，包含内部和外部数据集，外部校准需至少500例样本
79	2025-09-11	GPT2-ICC: A data-driven approach for accurate ion channel identification using pre-trained large language models 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101302 PMID:40919588	研究论文	开发了一种基于预训练大语言模型的深度学习算法GPT2-ICC，用于准确识别离子通道	将表示学习与大语言模型分类器结合，解决了蛋白质序列数据不平衡的挑战	NA	准确高效地在大规模蛋白质空间中分类离子通道	离子通道蛋白质	自然语言处理	NA	深度学习，表示学习，大语言模型(LLM)	GPT2	蛋白质序列数据	测试集包含比离子通道多约239倍的非离子通道蛋白质
80	2025-09-11	Unravelling phosphorylation-induced impacts on inhibitor-CDK2 through multiple independent molecular dynamics simulations and deep learning 2025-Aug, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2025.2552131 PMID:40926679	研究论文	本研究通过分子动力学模拟和深度学习技术，系统探索了磷酸化对CDK2与抑制剂结合机制的影响	创新性地整合了分子动力学模拟、深度学习技术和自由能景观分析，首次系统揭示了磷酸化状态和CyclinE结合对CDK2构象稳定性及抑制剂结合能力的影响机制	NA	阐明磷酸化修饰对CDK2与抑制剂结合的分子机制，为高选择性CDK2抑制剂的开发提供理论基础	CDK2激酶及其两种抑制剂（SCH和CYC），重点关注磷酸化状态和CyclinE结合状态下的构象变化	计算生物学	癌症	分子动力学模拟（MD），深度学习（DL），自由能景观分析（FEL），量子力学/分子力学-广义波恩表面积计算（QM/MM-GBSA）	深度学习	分子动力学轨迹数据	针对CDK2的两种抑制剂（SCH和CYC）在磷酸化和CyclinE结合状态下的多组独立模拟