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
881	2025-12-11	Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.111550 PMID:41355970	研究论文	本研究开发了一个名为DeepMGO的深度学习模型，用于预测化合物的甲基乙二醛清除活性，并从中识别出TP-41作为阿尔茨海默病治疗的潜在候选药物	首次利用深度学习技术针对甲基乙二醛清除剂进行阿尔茨海默病治疗药物的开发	研究基于小鼠模型，尚未在人体中进行验证	开发深度学习模型以识别潜在的甲基乙二醛清除剂，用于阿尔茨海默病治疗	阿尔茨海默病相关的甲基乙二醛清除剂化合物	机器学习	阿尔茨海默病	深度学习	深度学习模型	化合物活性数据	660种化合物的2,262个甲基乙二醛清除活性测定数据	NA	DeepMGO	NA	NA
882	2025-12-11	SingleStrip: learning skull-stripping from a single labeled example 2026, Data engineering in medical imaging : third MICCAI Workshop, DEMI 2025, held in conjunction with MICCAI 2025, Daejeon, South Korea, September 27, 2025, Proceedings. DEMI (Workshop) (3rd : 2025 : Taejon-si, Korea) DOI:10.1007/978-3-032-08009-7_5 PMID:41357816	研究论文	本研究提出了一种结合领域随机化和自训练的3D头骨剥离网络训练方法，仅需单个标注样本即可实现有效分割	首次将领域随机化与基于自编码器重建误差的质量控制相结合，实现了仅需单个标注样本的3D头骨剥离网络训练	方法在极少数标注样本下验证，未在大规模多样本场景中测试，且自编码器训练依赖单个标注样本的质量	解决脑磁共振图像头骨剥离任务中标注数据稀缺的问题	脑磁共振成像（MRI）体积图像	医学图像分割	NA	磁共振成像（MRI）	卷积自编码器（AE），3D分割网络	3D体积图像	单个标注样本（扩展至未标注数据）	NA	卷积自编码器	分割准确性	NA
883	2025-12-11	Predictive modelling and optimization of electrocoagulation for nitrate removal using deep learning: Toward intelligent and sustainable water treatment 2026-Jan, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104751 PMID:41086718	研究论文	本研究应用深度学习方法来优化电凝工艺，以去除合成废水中的硝酸盐，并评估其可持续性	开发了一种结合CNN和LSTM的混合模型，以同时利用空间特征提取和时间序列学习能力来建模复杂的电凝过程，并提出了一个优化系统设计以最大化去除效率、最小化能耗	研究基于合成废水进行，可能无法完全代表真实废水的复杂性；CNN-LSTM模型在交叉验证中表现略低于XGBoost，且统计检验显示差异处于临界非显著水平	优化电凝工艺以去除废水中的硝酸盐，并开发智能、可持续的水处理技术	合成废水中的硝酸盐	机器学习	NA	电凝	CNN, LSTM, XGBoost	实验参数数据（pH、浓度、电导率、电压、电流、反应时间）	NA	NA	CNN-LSTM混合架构	MSE, RMSE, MAE, MAPE, R, 调整R	NA
884	2025-12-11	Incorporating and quantifying deformable image registration uncertainties in dose accumulation: a feasibility study on the benefit of online adaptive therapy 2025-Dec-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2180 PMID:41259889	研究论文	本研究提出了一种概率框架，将可变形图像配准的不确定性纳入剂量累积中，并通过剂量-体积直方图带将其转化为临床相关指标，以探索在线自适应质子治疗的潜在益处	开发了一种概率框架，首次将DIR不确定性显式整合到剂量累积中，并生成可解释的DVH带以可视化不确定性	研究仅基于五名头颈癌患者的小样本队列，结果可能缺乏普适性	评估和量化可变形图像配准不确定性在剂量累积中的影响，以改进自适应质子治疗的工作流程	头颈癌患者的每日锥形束计算机断层扫描图像和剂量分布	医学影像分析	头颈癌	可变形图像配准, 深度学习, 锥形束计算机断层扫描	深度学习模型	医学影像	5名头颈癌患者，共157次每日锥形束计算机断层扫描	NA	NA	剂量-体积直方图带, D98%改善	NA
885	2025-12-11	Deep Learning-Driven Discovery of Bee-Safe Isoxazoline Pesticide Candidates 2025-Dec-10, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c12299 PMID:41324313	研究论文	本文开发了一种创新的深度学习模型，用于发现对蜜蜂安全的异恶唑啉类农药候选物	提出了一种结合图神经网络和残差网络的新架构，并利用新训练集增强，克服了现有预测平台对异恶唑啉类农药毒性评估的局限性	未明确提及具体的数据缺口或模型泛化能力的限制	开发一种准确评估异恶唑啉类农药对蜜蜂毒性的预测工具，以发现更安全的农药替代品	异恶唑啉类农药（如氟噻虫胺）及其对蜜蜂的毒性	机器学习	NA	深度学习	GNN, ResNet	化学结构数据	NA	NA	GGHT, ResNet	NA	NA
886	2025-12-11	Deep learning habitat radiomics based on ultrasound for predicting preoperative locally progression and postoperative recurrence risk of thyroid cancer: a multicenter study 2025-Dec-10, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004415 PMID:41363706	研究论文	本研究开发了一种基于超声的深度学习栖息地放射组学模型，用于预测甲状腺癌的术前局部进展和术后复发风险	首次将深度学习栖息地放射组学应用于甲状腺癌超声图像，通过瘤内亚区分割和瘤周区域分析捕捉肿瘤空间异质性，并结合临床变量构建预测模型	研究为回顾性设计，需要更多样化临床环境和更长随访时间的前瞻性验证	开发预测甲状腺癌局部进展和复发风险的超声影像模型	甲状腺癌患者	数字病理学	甲状腺癌	超声成像	深度学习	超声图像	回顾性队列1881例（来自9个医疗中心），前瞻性验证队列130例	未明确说明	深度学习栖息地放射组学模型	AUC, Kaplan-Meier分析, Cox回归	未明确说明
887	2025-12-11	Benchmarking heterogeneous network-based methods for drug repurposing 2025-Dec-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-025-00633-8 PMID:41366216	研究论文	本研究系统地评估了十种基于异质网络的药物重定位方法在八个数据集上的性能	引入了两个新的药物-疾病数据集，并揭示了交叉验证策略对性能评估的重大影响	研究主要基于现有数据集，可能未涵盖所有生物相互作用类型	评估基于异质网络的药物重定位方法的可靠性和泛化能力	十种基于异质网络的药物重定位方法	机器学习	NA	NA	矩阵分解, 矩阵补全, 推荐系统, 深度学习	异质网络数据	八个数据集（包括六个公开数据集和两个新数据集）	NA	NMF, NMF-PDR, NMF-DR, VDA-GKSBMF, BNNR, OMC, HGIMC, IBCF, LIBMF, DRDM	AUC, AUPR	NA
888	2025-12-11	Exploring the pathogenic mechanism of RNH1 in colorectal cancer based on eQTL, Multi-omics and deep learning 2025-Dec-10, Journal of applied genetics IF:2.0Q3 DOI:10.1007/s13353-025-01029-4 PMID:41366589	研究论文	本研究基于eQTL、多组学和深度学习探索RNH1在结直肠癌中的致病机制	首次将RNH1与双硫死亡和结直肠癌风险联系起来，并利用单细胞RNA测序、空间转录组测序和深度学习生存神经网络构建预后模型	研究主要基于生物信息学分析和体外验证，缺乏体内实验验证RNH1的具体功能机制	探索RNH1在结直肠癌中的致病机制及其作为生物标志物和治疗靶点的潜力	结直肠癌患者组织和细胞	机器学习	结直肠癌	eQTL, 单细胞RNA测序, 空间转录组测序, RNA测序, qPCR	深度学习生存神经网络	基因表达数据, 转录组数据, 单细胞数据, 空间转录组数据	结直肠癌患者癌组织和正常组织样本	NA	DeepSurv	生存分析	NA
889	2025-12-11	Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases 2025-Dec-10, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01921-3 PMID:41366626	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）相较于传统深度学习重建（DLR）在脑转移瘤检测和图像质量提升方面的表现	首次在脑转移瘤检测中比较了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR），并证明SR-DLR在病灶检测性能和图像质量方面具有显著优势	研究为回顾性设计，样本量相对较小（47例患者），且仅基于单一MRI序列（对比增强3D全脑T1加权成像）	评估超分辨率深度学习重建（SR-DLR）在脑转移瘤检测和MRI图像质量改善方面的效果	脑转移瘤患者的对比增强3D全脑T1加权MRI图像	数字病理	脑转移瘤	MRI成像，深度学习重建	深度学习重建模型	医学图像（MRI）	47例连续患者，共检测到117个脑转移病灶	NA	NA	JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，半高全宽，边缘上升距离，边缘上升斜率，信噪比，对比噪声比	NA
890	2025-12-11	EEG motor imagery classification through a two-dimensional CNN-LSTM deep architecture and fuzzy decision-making 2025-Dec-10, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2554256 PMID:41368697	研究论文	本文提出了一种基于二维CNN-LSTM深度架构和模糊决策的EEG运动想象分类方法	结合了二维CNN-LSTM模型和Choquet模糊积分进行决策融合，以提升在噪声EEG条件下的分类可靠性	NA	开发一种鲁棒的深度学习框架，用于从原始EEG信号中自动检测运动想象	原始EEG信号	机器学习	NA	STFT	CNN, LSTM	EEG信号	NA	NA	二维CNN-LSTM	准确率	NA
891	2025-12-11	A deep learning system on monolithic implant-supported crown design: Evaluating AI-generated models against conventional software outputs 2025-Dec-10, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.70067 PMID:41368738	研究论文	本研究评估了一种基于Transformer的深度学习模型在生成单颗种植体支持冠（ISC）方面的有效性，并与传统软件生成的冠进行比较	首次将基于Transformer的深度学习模型（PoinTr架构）应用于种植体支持冠的自动化设计，相比传统软件，在轮廓、咬合形态和穿龈轮廓方面更接近技师设计	概念验证研究，样本量有限（311例），近中接触适应性在所有自动化组中仍不如技师设计冠	评估AI生成种植体支持冠的有效性，并与传统软件输出进行比较	单颗后牙第一磨牙区种植体支持冠的设计	计算机视觉	NA	深度学习	Transformer	数字印模图像	311例患者（291例用于训练，20例用于验证）	NA	PoinTr	整体轮廓偏差, 咬合形态差异, 近中接触, 穿龈轮廓	NA
892	2025-12-11	A Deep Learning Model for Efficient Nontargeted Screening of New Psychoactive Substances with Benchtop Nuclear Magnetic Resonance Devices 2025-Dec-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05514 PMID:41368808	研究论文	本研究提出了一种用于台式核磁共振设备的新型深度学习模型，用于高效非靶向筛查新型精神活性物质	提出了一种结合通道注意力增强架构、化学信息预处理以及对比预训练（将NMR谱与SMILES表示对齐）的深度学习模型，显著提升了低信噪比条件下的谱图特征提取能力	模型目前仅针对九种NPS类别进行分类，未明确说明模型在更广泛或未知物质上的泛化能力	开发一种能够利用低信噪比台式核磁共振数据进行高效、准确的新型精神活性物质非靶向筛查的方法	新型精神活性物质	机器学习	NA	核磁共振	深度学习模型	核磁共振谱图	NA	NA	通道注意力增强架构	准确率	NA
893	2025-12-11	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	本研究利用指纹特征，通过机器学习方法预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力，并比较了传统机器学习模型与贝叶斯神经网络模型的性能	在低数据量条件下，首次将贝叶斯神经网络应用于SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力预测，并证明其优于随机森林和梯度提升等传统机器学习模型	研究基于有限的数据集进行，模型在更广泛化合物或不同靶点上的泛化能力尚未验证	开发并比较机器学习模型，以预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力	SARS-CoV-2和MERS-CoV的主要蛋白酶抑制剂	机器学习	COVID-19, MERS	分子指纹	随机森林, 梯度提升, 贝叶斯神经网络	化学结构数据	未公开的SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂数据集	NA	贝叶斯神经网络	NA	NA
894	2025-12-11	Deep learning-derived orthogonal minimum joint space width improves radiographic assessment of knee osteoarthritis severity and progression 2025-Dec-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70227 PMID:41368950	研究论文	本研究评估了一种基于深度学习自动测量的正交最小关节间隙宽度在检测和监测膝骨关节炎进展中的性能	提出了一种新的正交最小关节间隙宽度度量，该度量通过深度学习自动测量，相比传统的固定位置测量方法，在区分关节间隙狭窄严重程度和纵向响应性方面表现更优	研究为回顾性队列研究，数据来源于单一数据库（OAI），未来需要在其他人群或前瞻性研究中验证	评估一种人工智能衍生的影像学生物标志物（正交最小关节间隙宽度）在膝骨关节炎严重程度评估和进展监测中的性能	膝骨关节炎患者的膝关节X光片	数字病理学	骨关节炎	深度学习	深度学习模型	图像（X光片）	15313张膝关节X光片，来自骨关节炎倡议（OAI）数据库，时间跨度为基线至72个月随访	NA	NA	受试者工作特征曲线下面积，标准化响应均值，相对标准化响应均值	NA
895	2025-12-11	Synthetic computed tomography from magnetic resonance imaging: An editorial on deep learning approaches for hip and knee image translation 2025-Dec-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70229 PMID:41368970	评论	本文概述了从磁共振成像生成合成计算机断层扫描在肌肉骨骼护理中的应用，特别是髋关节和膝关节领域	总结了深度学习在MRI到CT图像转换中的创新方法，包括条件生成对抗网络和扩散模型，以提高解剖保真度和临床实用性	NA	探讨合成CT在减少辐射暴露、整合成像和术前规划中的潜力，以促进临床协作研究	髋关节和膝关节的肌肉骨骼成像数据	计算机视觉	肌肉骨骼疾病	磁共振成像，计算机断层扫描	条件生成对抗网络，扩散模型	图像	NA	NA	NA	NA	NA
896	2025-12-11	Physicochemically Informed Axial Chirality Descriptors Enable Accurate Prediction of Atropisomeric Stability 2025-Dec-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202521349 PMID:41369251	研究论文	本文介绍了一种名为ACSD-GAT的深度学习框架，用于预测轴手性分子的旋转能垒，以评估其构象稳定性	提出了一个结合物理化学信息的轴手性结构描述符（ACSD），并首次构建了一个包含1015个实验测量旋转能垒的基准数据集	NA	解决轴手性分子构象稳定性预测的挑战，以促进不对称合成、药物发现和功能材料开发	轴手性分子，特别是复杂药物、分子开关和新合成的轴手性异构体	机器学习	NA	深度学习	GAT	化学结构数据	1015个实验测量的旋转能垒数据	NA	图注意力网络	R, RMSE	NA
897	2025-12-11	Dynamic reward-augmented ensemble learning for EEG signal classification in major depressive disorder 2025-Dec-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2333 PMID:41369644	研究论文	本文提出了一种用于重度抑郁症EEG信号分类的动态奖励增强集成学习框架AABEL	提出了基于强化学习的自适应权重分配机制、多尺度神经动力学特征融合方法以及端到端的奖励传播优化流程	未明确说明模型在跨数据集或临床环境中的泛化能力验证	开发自适应EEG信号分类框架以改进重度抑郁症的诊断	重度抑郁症患者的EEG信号	机器学习	重度抑郁症	脑电图	CNN, GRU, Transformer	EEG信号	使用OpenNeuro ds003478数据集（具体样本数未明确说明）	NA	CNN, GRU, Transformer	准确率, F1分数	NA
898	2025-12-11	Association of skill and errors with outcomes in robotic rectal cancer surgery 2025-Dec-10, Surgical endoscopy DOI:10.1007/s00464-025-12393-x PMID:41369760	研究论文	本研究评估了机器人直肠癌手术中客观技能与错误工具，并提供了一个用于训练和测试深度学习模型的细粒度验证数据集	首次在机器人直肠癌手术中验证了细粒度错误和技能注释与临床结果的关联，为自动化评估和深度学习模型开发奠定了基础	样本量较小（30例手术），属于可行性研究，需要更大规模研究进一步验证	评估机器人直肠癌手术中的客观技能和错误工具，并建立细粒度数据集以支持深度学习模型开发	机器人辅助全直肠系膜切除术（RTME）的手术视频和临床数据	数字病理	直肠癌	手术视频分析，客观临床人类可靠性分析（OCHRA），可修改的机器人技能全球评估（M-GEARS）	深度学习模型	手术视频，临床数据	30例机器人辅助全直肠系膜切除术（RTME）手术	NA	NA	错误数量，并发症发生率，手术时间延长，评分者间可靠性（匹配错误同意百分比），相关性分析（r值，p值）	NA
899	2025-12-11	Machine Learning for Performance Prediction and Optimization of Polymer Composites: Unveiling the Dominant Role of Thermally Conductive Pathways 2025-Dec-09, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21877 PMID:41364534	研究论文	本研究开发了一种结合传统机器学习、深度学习和生成建模的策略，用于预测和优化聚合物复合材料的性能，特别关注导热通路的作用	提出了一种新颖的密集球体堆积算法来构建多填料复合材料的几何模型，并定义了与导热通路相关的描述符以提高预测准确性，同时使用基于Transformer的生成模型在低填料体积分数下生成具有导热通路的RVE结构	传统机器学习算法在捕捉导热通路方面存在局限性，且研究主要关注低填料体积分数下的情况，可能未全面覆盖所有填料条件	预测和优化聚合物复合材料的导热性和机械性能，以开发下一代高性能复合材料	多填料聚合物复合材料，特别是其导热通路和填料分布	机器学习	NA	密集球体堆积算法，COMSOL模拟，随机森林回归，卷积神经网络，基于Transformer的生成模型	Random Forest Regression (RFR), Convolutional Neural Network (CNN), Transformer	几何模型数据，模拟数据	1024个代表性体积元素（RVE）模型	COMSOL, 未指定具体框架（可能包括TensorFlow/PyTorch等）	Random Forest, CNN, Transformer	预测准确性（具体指标未明确列出，如精度、召回率等）	NA
900	2025-12-11	Deep Learning-Powered Electrical Brain Signals Analysis: Advancing Neurological Diagnostics 2025-Dec-09, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3625973 PMID:41364564	综述	本文系统回顾了深度学习在基于脑电图（EEG）和颅内脑电图（iEEG）的神经疾病诊断中的最新进展	整合了46个数据集和7种神经疾病的应用，强调预训练多任务模型在实现可扩展、泛化解决方案中的作用，并提出了标准化基准以评估模型	数据集异质性和任务变异性可能阻碍稳健深度学习解决方案的开发	推动神经疾病诊断向智能、适应性强的医疗系统发展	脑电图（EEG）和颅内脑电图（iEEG）信号	机器学习	神经疾病	脑电图（EEG），颅内脑电图（iEEG）	深度学习模型	脑电信号	涉及46个数据集	NA	NA	NA	NA