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
11921	2025-11-09	Enhancing drug-target interaction prediction with graph representation learning and knowledge-based regularization 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1649337 PMID:41195325	研究论文	提出结合图表示学习和知识正则化的新框架，用于提升药物-靶点相互作用预测性能	开发了结合图神经网络与知识整合的新方法，通过定制化图消息传递机制和知识正则化策略将生物医学知识融入表示学习	未明确说明模型在更大规模数据集上的泛化能力及计算效率分析	提高药物-靶点相互作用预测的准确性和可解释性，加速药物发现和重定位	药物分子结构和蛋白质序列	机器学习	NA	图表示学习，知识整合	图神经网络	分子结构图，蛋白质序列	多个基准数据集（具体数量未明确说明）	NA	图神经网络，消息传递网络	AUC, AUPR	NA
11922	2025-11-09	Enhancing deep learning models for predicting smoking Status using clinical data in patients with chronic obstructive pulmonary disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393380 PMID:41195375	研究论文	本研究开发并评估了深度学习模型，通过整合行为和心理社会变量与临床数据来改善COPD患者持续吸烟状态的预测	将行为和心理社会变量与临床数据整合到深度学习模型中，提高了COPD患者吸烟状态预测的准确性，同时通过SHAP分析保持模型可解释性	研究样本相对有限（350名患者），缺乏大型外部数据集中常见的行为变量，需要在更多样化人群中验证模型性能	开发改进的深度学习模型来预测慢性阻塞性肺疾病患者的持续吸烟状态	350名COPD患者，其中包括51名当前吸烟者	机器学习	慢性阻塞性肺疾病	临床数据分析，行为和心理社会变量整合	深度学习，机器学习	临床数据，行为数据，心理社会数据	350名COPD患者（51名当前吸烟者）	Optuna	Residual Neural Network	macro F1 score, 95%置信区间	NA
11923	2025-11-09	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-11-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	研究论文	使用深度学习预测激酶Lck与免疫相关蛋白的关键相互作用，揭示T细胞调控新机制	首次系统预测Lck激酶的蛋白质相互作用网络，发现其与棕榈酰转移酶的特异性靶向机制、与CD45磷酸酶的构象激活机制以及与LAG3免疫检查点的抑制机制	预测结果需要实验验证，筛选范围仅限于约1000个免疫相关蛋白	揭示激酶Lck在T细胞信号转导中的蛋白质相互作用网络	激酶Lck及其相互作用的蛋白质（包括棕榈酰转移酶、CD45磷酸酶、LAG3免疫检查点等）	计算生物学	免疫相关疾病	深度学习结构预测	深度学习	蛋白质序列和结构数据	约1000个免疫相关蛋白质	AF2Complex	AlphaFold2架构	结构建模质量评估	NA
11924	2025-11-08	CNN-Autoformer: Automated EEG-Based Seizure Detection and Localization Using Hybrid Deep Learning 2026-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.108896 PMID:41189712	研究论文	提出一种结合CNN和Autoformer的混合深度学习框架，用于自动检测和定位癫痫发作	首次将CNN的空间特征提取能力与Autoformer的时间建模能力相结合，通过自相关机制提取周期性依赖并将信号分解为趋势和季节成分	未提及模型在更广泛数据集上的泛化能力及计算效率分析	开发自动癫痫检测和定位方法以辅助临床诊断	多通道脑电图信号	数字病理	癫痫	脑电图	CNN, Autoformer	时序信号	CHB-MIT公共数据集和SH-SDU专有数据集	NA	CNN-Autoformer混合架构	准确率, 灵敏度, 特异性, 精确率, F1分数, 假阳性检测率	NA
11925	2025-11-08	AI-powered programmable wetting-delamination μPAD for point-of-care food safety detection 2026-Jan-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118083 PMID:41092667	研究论文	开发了一种基于可编程润湿脱层定时器的微流控纸基分析装置，用于快速检测食品中的农药残留和转基因蛋白	采用可编程润湿脱层定时器实现流体延迟控制，通过预切割辅助浸染策略提高定时器稳定性50%以上，将传统颜色衰减信号转换为颜色增强信号提高灵敏度	NA	开发低成本、便携式的食品安全检测技术	农药残留（毒死蜱）和转基因蛋白（Cry1Ab/Ac）	微流控技术	食品安全	微流控纸基分析装置、侧向流动分析、深度学习图像分析	深度学习	图像	40个真实样品	NA	NA	灵敏度、特异性、准确度	NA
11926	2025-11-08	Feature extraction and intelligent diagnosis of ECG signals based on KANs and xLSTM 2026-Jan-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118105 PMID:41110222	研究论文	提出基于KAN和xLSTM的深度学习架构用于心电信号特征提取和心律失常智能诊断	首次将KAN网络和xLSTM网络应用于心电信号分析，KAN使用可学习的激活函数和样条函数替代传统权重参数，xLSTM引入指数门控机制并改进记忆结构	NA	开发更准确的心律失常检测方法以实现心血管疾病的早期预防和治疗	心电信号中的心律失常分类	机器学习	心血管疾病	心电信号分析	KAN, xLSTM	心电信号	MIT-BIH数据库109,262个心跳样本，St. Petersburg INCART数据库166,909个心跳样本	NA	Kolmogorov-Arnold networks, xLSTM	准确率, F1分数	NA
11927	2025-11-08	Toxic effects of environmental biotoxin okadaic acid by network toxicology analysis and deep learning prediction 2025-Dec, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2025.107578 PMID:40987019	研究论文	通过网络毒理学和深度学习策略研究环境生物毒素冈田酸(OA)的神经毒性分子机制	首次整合网络毒理学和深度学习方法，在系统生物学和分子相互作用层面实现多维互补分析	研究主要基于计算预测，实验验证相对有限	探究冈田酸(OA)的神经毒性分子机制及其与腹泻性脑损伤的关联	冈田酸(OA)及其相关毒性靶点	机器学习	神经毒性疾病	网络毒理学分析,深度学习预测,分子对接,生物层干涉技术	深度学习	生物分子相互作用数据	95个中枢靶点	DeepPurpose	NA	相互作用能量(INTERACTION_ENERGY),结合常数(K)	NA
11928	2025-11-08	Sequence-based chromatin activity modeling and regulatory impact prediction of genetic variants in farmed animals using deep learning 2025-Dec, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf139 PMID:41189647	研究论文	开发基于深度学习的框架，利用功能基因组数据预测农场动物非编码变异的调控影响	首次为多种农场动物构建物种特异性的序列到功能模型，通过染色质活性建模预测遗传变异的调控影响	受限于农场动物基因组资源不足，缺乏专门的计算工具	预测农场动物非编码遗传变异的调控功能并改进基因组预测	牛、鸡、猪和大西洋鲑四种农场动物	机器学习	NA	ATAC-seq, DNase I hypersensitive site sequencing, ChIP-seq	深度学习网络	基因组序列数据，染色质图谱数据	NA	NA	NA	序列建模准确度，功能评分预测能力，基因组预测性能提升	NA
11929	2025-11-08	Upright-Net+: Enhanced Learning of Upright Orientation for 3D Point Clouds 2025-Dec, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3605201 PMID:40892647	研究论文	提出Upright-Net+模型，通过改进的图卷积网络和位置编码模块增强3D点云的直立方向估计能力	引入基于相对距离直方图统计的全局位置编码模块(GPE-RDHS)解决特征平滑问题，增强加权残差损失项惩罚假阳性预测，将连续方向问题转化为离散分类任务	NA	解决3D模型姿态对形状分析的影响，提升3D点云直立方向估计的准确性	3D点云数据	计算机视觉	NA	3D点云分析	图卷积网络	3D点云	NA	NA	Upright-Net+	NA	NA
11930	2025-11-08	AttentionPainter: An Efficient and Adaptive Stroke Predictor for Scene Painting 2025-Dec, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3618184 PMID:41052120	研究论文	提出一种高效自适应的单步神经绘画模型AttentionPainter，用于将输入图像分解为参数化笔划序列	提出可扩展笔划预测器实现单次前向过程预测大量笔划参数、快速笔划堆叠算法提升13倍训练速度、笔划密度损失函数提升重建质量、笔划扩散模型支持基于笔划的图像修复和编辑	NA	解决现有神经绘画方法推理时间长和训练不稳定的问题	基于笔划的图像渲染和绘画生成	计算机视觉	NA	深度学习	注意力机制,扩散模型	图像	NA	NA	AttentionPainter,Stroke Diffusion Model	推理速度,训练效率,重建质量	NA
11931	2025-11-08	High-level STING expression in tumour and inflammatory cells is linked to microsatellite instability and favourable tumour parameters in a cohort of over 1,900 colorectal cancer patients 2025-Dec, Pathology IF:3.6Q1 DOI:10.1016/j.pathol.2025.05.008 PMID:40816937	研究论文	通过多重荧光免疫组化和深度学习算法分析1905例结直肠癌患者中STING表达与临床参数的关系	首次在大规模结直肠癌队列中系统评估不同细胞类型（肿瘤细胞与炎症细胞）中STING表达的临床意义	研究为回顾性分析，需进一步功能实验验证机制	评估STING表达在结直肠癌不同细胞类型中的临床意义	1905例结直肠癌患者组织样本	数字病理学	结直肠癌	多重荧光免疫组化，组织芯片	深度学习	组织图像	1905例结直肠癌患者	NA	NA	p值	NA
11932	2025-11-08	SFT-HN: a novel spatial-frequency-temporal hybrid network for EEG-based emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10366-3 PMID:41199757	研究论文	提出一种新颖的空间-频率-时间混合网络用于基于脑电图的情绪识别	首次提出结合空间频率残差模块和注意力双向LSTM的混合架构，能够同时提取脑电信号的空间-频率特征和时间上下文信息	NA	解决脑电信号中空间、频率和时间信息融合的挑战，充分利用不同情绪间的判别性局部模式	脑电图信号	脑机接口	NA	脑电图	深度学习混合模型	脑电图信号	在DEAP、SEED和FACED三个数据集上进行验证	NA	空间频率残差模块,注意力双向LSTM	准确率	NA
11933	2025-11-08	Emotion recognition using spatially unidimensional self-attention with fusion feature of brain effective connectivity network and spectral power 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10364-5 PMID:41199759	研究论文	提出一种融合脑有效连接网络和频谱功率特征的新策略，并设计基于空间一维自注意力的双通道1D-CNN模型用于脑电情绪识别	提出保留空间信息的二维脑有效连接网络与一维频谱功率特征融合策略，以及基于空间一维自注意力的双通道1D-CNN架构	未明确说明模型计算复杂度和实时性表现，缺乏在其他脑电数据集上的泛化性验证	提升基于脑电信号的情绪识别性能	脑电信号和情绪状态	脑机接口, 机器学习	NA	脑电图(EEG), 脑有效连接网络分析	1D-CNN, 自注意力机制	脑电信号	SEED和SEED-IV数据集	NA	双通道1D-CNN, 空间一维自注意力(SAD-1D-CNN)	准确率	NA
11934	2025-11-08	Mental health support for schools with wearable biosensor monitoring using deep learning 2025-Nov-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae16ae PMID:41130226	研究论文	提出基于多模态注意力机制的心理状态网络MAP-Net，通过可穿戴生物传感器监测学生心理健康状态	提出多模态行为-生理信号融合方法，设计注意力机制实现多源信号动态加权建模，能更精准捕捉心理状态细微变化	样本规模较小（仅36名高中生），未提及模型在其他年龄段或教育环境中的泛化能力	开发校园心理健康智能监测与预警系统	高中生心理健康状态	机器学习	心理健康问题	微机电系统传感器，多模态信号融合	深度学习，注意力机制	多模态行为生理信号	36名高中生，30天连续监测数据	NA	MAP-Net，多模态注意力网络	准确率，召回率，F1分数，异常检测率，预警准确率	NA
11935	2025-11-08	Deep learning-driven false-lumen volumes predict adverse remodeling better than diameter in patients with residual aortic dissection on CT 2025-Nov-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12116-9 PMID:41201600	研究论文	本研究开发了一种深度学习分割模型，用于自动测量主动脉夹层患者的假腔体积，并证明局部假腔体积比传统直径测量能更好地预测不良主动脉重塑	首次开发深度学习模型自动分割主动脉夹层各组分并计算局部假腔体积，证明局部假腔体积在预测不良重塑方面优于传统直径测量	回顾性研究设计，样本量相对有限，外部验证集患者数量较少	开发主动脉夹层自动分割模型并评估不同测量指标对不良主动脉重塑的预测价值	残余主动脉夹层患者	数字病理	心血管疾病	CT血管造影	深度学习分割模型	医学影像	322名患者（训练集120人，内部测试30人，外部测试10人，内部验证83人，外部验证79人）	NA	NA	Dice相似系数, AUC, 敏感性, 特异性	NA
11936	2025-11-08	PathFusion-Net: A Rough Path Theory-Based Deep Learning Model for ECG Arrhythmia Classification 2025-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629717 PMID:41196785	研究论文	提出基于粗糙路径理论的深度学习模型PathFusion-Net，用于心电信号心律失常分类	首次将粗糙路径理论与深度学习技术相结合，通过路径签名和路径开发方法提取心电信号的多阶时序表征	未提及模型在更广泛数据集上的泛化能力验证	开发自动化心电信号心律失常早期检测和监测的深度学习框架	心电信号和心律失常分类	机器学习	心血管疾病	心电信号分析	CNN, LSTM	图像, 信号	MIT-BIH心律失常数据库和私有临床数据集	NA	PathFusion-Net	准确率, 精确率, 召回率	NA
11937	2025-11-08	An Active Dry-Contact Continuous EEG Monitoring System for Seizure Detection Applications in Clinical Neurophysiology 2025-Nov-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3629563 PMID:41196782	研究论文	开发了一种用于癫痫检测的低成本主动干接触电极EEG头戴设备，结合可解释深度学习模型和多模态伪影去除算法	采用主动干接触电极技术、可调节头戴设计、可解释深度学习模型和专门的多模态伪影去除算法	仅在代表性临床环境中对一名儿科失神癫痫患者进行了评估，样本量有限	开发低成本连续EEG监测系统用于临床神经生理学中的癫痫检测	婴幼儿和新生儿癫痫患者	医疗设备, 深度学习	癫痫	脑电图, 主动干接触电极, 三维打印, 激光切割	深度学习模型	EEG信号	一名儿科失神癫痫患者	NA	NA	准确率, 召回率, 相关系数, 信噪比	NA
11938	2025-11-08	Genetic Perturbation Modelling for Human Cell Therapy With BRNET 2025-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629554 PMID:41196787	研究论文	提出BRNET模型用于预测多重遗传扰动下的非线性转录结果	将先验知识与先进嵌入集成到非堆叠神经网络结构中，可预测单个和多重遗传扰动下的转录反应	NA	开发计算模型以替代昂贵耗时的湿实验来预测遗传扰动效应	人类细胞对遗传扰动的转录反应	机器学习	NA	遗传扰动建模	神经网络	转录组数据	NA	NA	BRNET	NA	NA
11939	2025-11-08	Deep Learning From Diffuse Optical Oximetry Time-Series: An fNIRS-Focused Review of Recent Advancements and Future Directions 2025-Nov-06, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3617858 PMID:41196800	综述	本文对功能性近红外光谱(fNIRS)领域深度学习应用的最新进展进行方法导向性综述	首次在fNIRS领域开展以深度学习架构、应用和学习策略为核心的系统性方法综述，并提出面向实际问题的先进解决方案指南	深度学习在fNIRS领域仍属新兴方向，现有文献存在数据可用性与模型复杂度平衡、模型泛化性等局限性	推动fNIRS领域深度学习方法的战略发展，弥合fNIRS与其他领域的研究差距	功能性近红外光谱(fNIRS)和高密度漫射光学断层扫描(HD-DOT)技术及其时间序列数据	机器学习	NA	功能性近红外光谱(fNIRS)，高密度漫射光学断层扫描(HD-DOT)	Transformer	时间序列数据	基于100篇文献的分析	NA	Transformer	模型泛化性，可解释性	NA
11940	2025-11-08	AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals 2025-Nov-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae178c PMID:41135577	研究论文	本研究开发了一种基于SCG、ECG和GSR信号的心力衰竭再入院预测AI方法	首次将SCG信号与心率和呼吸相位特征结合，并比较传统机器学习与深度学习方法在心力衰竭再入院预测中的性能	样本量相对较小（101名患者），仅使用单一医疗中心数据	开发非侵入性方法来预测心力衰竭患者的再入院风险	101名心力衰竭患者，包括在研究期间再入院的患者	机器学习	心血管疾病	SCG信号采集、心电信号、皮电反应信号、时频分布方法	传统机器学习模型,深度学习模型	信号数据,图像数据	101名心力衰竭患者	NA	K-近邻算法	准确率,灵敏度,特异度,精确率,F1分数	NA