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
1241	2025-10-05	Deciphering the sequence basis and application of transcriptional initiation regulation in plant genomes through deep learning 2025-Sep-22, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03782-5 PMID:40983924	研究论文	开发可解释深度学习模型GenoRetriever，系统解析植物转录起始位点的序列调控机制	首次利用多作物基因组STRIPE-seq数据构建可解释深度学习模型，量化27个核心启动子基序对转录起始的调控作用	研究主要基于作物基因组，可能不适用于所有植物物种	解析植物转录起始调控的序列基础及其应用	16个大豆组织和6种其他作物的转录起始位点	机器学习	NA	STRIPE-seq, 深度测序	深度学习	基因组序列数据	16个大豆组织+6种作物基因组	NA	GenoRetriever	NA	NA
1242	2025-10-05	GeneRAIN: multifaceted representation of genes via deep learning of gene expression networks 2025-Sep-22, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03749-6 PMID:40983974	研究论文	开发了基于Transformer的GeneRAIN模型套件，通过深度学习基因表达网络生成多维度基因表征	提出创新的Binning-By-Gene标准化技术和GeneRAIN-vec多维度基因表征方法，能够从蛋白质编码基因向长链非编码RNA进行知识迁移	NA	通过深度学习基因表达关系推进生物探索	人类基因表达数据	机器学习	NA	RNA-seq	Transformer	基因表达数据	410,000个人类批量RNA-seq样本	NA	Transformer	NA	NA
1243	2025-10-05	An updated patent review of small molecule glucagon receptor antagonists (2020-2024) 2025-Sep-21, Expert opinion on therapeutic patents IF:5.4Q1 DOI:10.1080/13543776.2025.2559928 PMID:40968011	综述	本文综述了2020-2024年间小分子胰高血糖素受体拮抗剂的最新专利进展	发现创新主体从制药公司转向学术机构，揭示了深度学习与虚拟筛选在新化学型开发中的应用趋势	仍需临床研究验证这些化合物能否克服当前开发瓶颈并解决安全性问题	分析小分子胰高血糖素受体拮抗剂的最新专利进展和创新策略	小分子胰高血糖素受体拮抗剂及相关专利文献	药物发现	糖尿病	深度学习, 虚拟筛选	NA	专利数据, 临床数据, 文献数据	NA	NA	NA	NA	NA
1244	2025-10-05	Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study 2025-Sep-19, JMIR formative research IF:2.0Q4 DOI:10.2196/66156 PMID:40971792	研究论文	本研究通过横断面调查评估了摩洛哥医学生对人工智能的认知水平和态度	首次在摩洛哥医学生群体中开展人工智能认知与态度的系统性研究	采用滚雪球抽样方法，样本代表性可能存在局限；研究仅限于单一医学院校	评估摩洛哥医学生对人工智能的知识水平和认知态度	摩洛哥阿加迪尔医学院1-7年级的本科医学生	医学教育	NA	横断面调查	NA	问卷调查数据	580名医学生（女性363人，62.6%；平均年龄21.3岁）	JAMOVI 2.6.2	NA	P值	NA
1245	2025-10-05	Deep learning-based cross-device standardization of surface-enhanced Raman spectroscopy for enhanced bacterial recognition 2025-Sep-19, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126931 PMID:40991976	研究论文	提出深度学习框架解决便携式与实验室级拉曼光谱设备间的标准化问题，提升细菌识别性能	开发SERS-D2DNet光谱转换网络和SuperRaman分类网络的双重深度学习框架，实现跨设备光谱标准化与高效细菌分类	研究仅涉及4种便携设备和1种实验室设备，设备类型覆盖范围有限	解决表面增强拉曼光谱在便携设备与实验室设备间的标准化问题，提升细菌识别准确性	20种临床相关细菌特征和参考化合物的SERS光谱数据	机器学习	细菌感染	表面增强拉曼光谱(SERS)	序列到序列神经网络, 超操作神经网络(Super-ONN)	光谱数据	20个分析物类别，使用5种不同设备采集	NA	SERS-D2DNet, SuperRaman	平均绝对误差(MAE), R值, 分类准确率	NA
1246	2025-10-05	Improving prototypical parts abstraction for case-based reasoning explanations designed for the kidney stone type recognition 2025-Sep-19, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103266 PMID:40992030	研究论文	提出一种基于案例推理的深度学习模型，通过原型部件改进肾结石类型识别的可解释性	提出新的损失函数优化原型部件生成，并创建局部和全局描述符提供可理解的决策解释	仅针对工业化国家最常见的六种肾结石类型进行测试	开发可解释的肾结石类型自动识别系统	肾结石内窥镜图像	计算机视觉	肾结石	内窥镜成像	基于案例推理的深度学习模型	图像	包含六种最常见肾结石类型的图像数据库	NA	原型部件(PPs)模型	分类准确率	NA
1247	2025-10-05	Feature-driven optimization for growth and mortality prevention in poultry farms 2025-Sep-19, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105869 PMID:40992324	研究论文	开发基于特征驱动的优化模型来预测家禽死亡率与平均体重，为家禽养殖提供决策支持	提出集成神经网络模型，首次将深度学习软传感器技术应用于家禽生长与死亡率预测	环境变量在稳定饲养条件下影响较小，模型在极端环境变化下的适应性有待验证	通过机器学习方法降低家禽死亡率并优化生长性能	台湾本土肉鸡	机器学习	NA	机器学习	Random Forest, Gradient Boosting Machine, Support Vector Machine, Linear Regression, Neural Network, Ensemble NN	数值数据	20,000只台湾本土肉鸡的88天养殖数据	MATLAB	集成神经网络（5个并行网络）	RMSE, 变异系数	NA
1248	2025-10-05	Integrating spectroscopy with machine learning and deep learning for monitoring mung plant responses to silicon dioxide nanoparticles 2025-Sep-17, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126963 PMID:40991978	研究论文	本研究结合共聚焦显微拉曼光谱、紫外-可见光谱与机器学习及深度学习算法，评估绿豆植物对二氧化硅纳米颗粒的生化响应	首次将光谱技术与多种机器学习及深度学习方法集成，建立非侵入式监测植物-纳米材料相互作用的框架	仅针对绿豆植物和二氧化硅纳米颗粒进行研究，未验证其他植物或纳米材料	开发集成光谱与计算方法的植物-纳米材料相互作用监测平台	暴露于不同浓度二氧化硅纳米颗粒的绿豆植物	机器学习	NA	共聚焦显微拉曼光谱, 紫外-可见光谱	LDA, AGNES, DBSCAN, k-means, 随机森林, 支持向量机, 深度学习	光谱数据	不同浓度二氧化硅纳米颗粒处理的绿豆植物样本	NA	NA	准确率, RI	NA
1249	2025-10-05	Trade-Off Analysis of Classical Machine Learning and Deep Learning Models for Robust Brain Tumor Detection: Benchmark Study 2025-Sep-15, JMIR AI DOI:10.2196/76344 PMID:40952788	研究论文	本研究对传统机器学习和深度学习模型在脑肿瘤检测中的性能进行对比分析，重点关注小数据集下的模型表现和自监督学习降低标注成本的潜力	首次系统比较了传统特征工程方法(SVM+HOG)、经典CNN(ResNet18)、基于自注意力的视觉Transformer(ViT-B/16)和自监督学习(SimCLR)在脑肿瘤检测中的表现，并评估了它们在域内和跨域场景下的泛化能力	研究仅使用了2870张脑部磁共振图像，样本规模相对较小；未探索更多类型的模型架构；跨域评估的数据集未详细说明	评估传统机器学习与深度学习模型在小规模医学图像数据下的权衡，分析模型鲁棒性、可迁移性和泛化能力	脑部磁共振图像中的四种类型：胶质瘤、脑膜瘤、垂体瘤和非肿瘤	医学图像分析	脑肿瘤	磁共振成像(MRI)	SVM, CNN, Transformer, 自监督学习	医学图像	2870张脑部磁共振图像，涵盖4个类别	PyTorch, Scikit-learn	ResNet18, ViT-B/16, SimCLR	准确率, 精确率, 召回率, F1分数, 收敛性	NA
1250	2025-10-05	Shifted windowing vision transformer-based skin cancer classification via transfer learning 2025-Sep-06, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2025.100724 PMID:40915182	研究论文	提出一种基于移位窗口视觉Transformer的皮肤癌分类方法，通过迁移学习解决训练数据有限和不平衡的问题	首次将移位窗口视觉Transformer应用于皮肤癌分类，利用注意力机制捕获图像全局关系，克服传统卷积神经网络感受野受限的局限性	训练数据有限且不平衡，模型在跨域适应性和鲁棒性方面仍需进一步验证	开发一种有效的皮肤癌自动分类方法以辅助临床决策	皮肤病变图像	计算机视觉	皮肤癌	NA	Vision Transformer	图像	NA	NA	Shifted Window Vision Transformer	NA	NA
1251	2025-10-05	Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task 2025-Sep, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale DOI:10.1037/cep0000360 PMID:39786863	研究论文	本研究使用多约束深度学习分类器分析儿童执行不同工作记忆任务时的全脑BOLD活动模式	采用多约束神经网络分类器同时识别任务类别和功能连接性，能够检测非线性任务差异和分布式活动模式	样本量较小（仅20名儿童），未评估模型在其他人群或任务中的泛化能力	识别区分不同工作记忆负荷（0-back vs 2-back）的脑功能网络	儿童在执行情绪n-back任务时的脑活动模式	神经影像分析	NA	功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号	神经网络分类器	脑功能影像数据	20名儿童	NA	深度学习分类器	任务分类准确性，功能连接性编码	NA
1252	2025-10-05	Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media 2025-Sep, The Psychiatric quarterly DOI:10.1007/s11126-024-10111-9 PMID:39946018	研究论文	提出一种基于改进鹈鹕优化算法的社交媒体抑郁和自杀检测方法	提出Dwarf Updated Pelican优化算法(DU-POA)用于模型权重优化，并采用改进的互信息分数进行特征融合	未提及模型在不同语言或文化背景下的泛化能力测试	从社交媒体内容中检测抑郁和自杀倾向	社交媒体文本数据	自然语言处理	精神疾病	文本挖掘，特征提取	RNN, DBN, LSTM	文本	NA	NA	改进LSTM，深度信念网络(DBN)	准确率	NA
1253	2025-10-05	COVID-19CT+: A public dataset of CT images for COVID-19 retrospective analysis 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251332793 PMID:40405795	研究论文	发布了一个包含COVID-19和社区获得性肺炎CT图像的公开数据集，并比较了传统机器学习和深度学习在分类任务上的性能	提供了目前最大的COVID-19 CT图像公开数据集之一，包含超过40万张CT图像，系统比较了13种传统机器学习分类器和5种深度学习分类器在不同分类任务上的表现	未详细说明数据采集的具体时间范围和医疗机构来源，未对模型泛化能力进行充分验证	开发COVID-19CT+公开数据集，促进COVID-19自动诊断算法的研究	1333名患者的409,619张CT图像，包括1021例COVID-19患者和312例社区获得性肺炎患者	医学影像分析	COVID-19, 肺炎	CT成像	传统机器学习分类器, 深度学习分类器	CT图像	1333名患者（1021例COVID-19，312例社区获得性肺炎），共409,619张CT图像	NA	NA	准确率	NA
1254	2025-10-05	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	本研究开发了一种基于短暂发作间期颅内记录的深度学习模型，用于准确分类癫痫发作起始区	首次证明利用短暂发作间期立体定向脑电图数据通过深度学习可准确识别癫痫发作起始区，无需依赖长时间记录的自发性癫痫发作	研究样本量相对有限（78名患者），需要进一步验证模型的泛化能力	开发自动化方法定位癫痫发作起始区，改善术前评估并减少患者痛苦	78名癫痫患者的100多万个发作间期立体定向脑电图片段	医疗人工智能	癫痫	立体定向脑电图	CNN	颅内脑电信号	78名患者的1,000,000多个脑电片段	NA	多通道、多尺度一维卷积神经网络	灵敏度, 特异度, 准确率	NA
1255	2025-10-05	Multimodal predictive model for strangulation risk in adhesive small bowel obstruction using deep learning and electronic health record data 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251378951 PMID:40983055	研究论文	开发并验证了一种多模态预测模型，用于评估粘连性小肠梗阻患者的绞窄风险	首次将基于深度学习的CT影像特征与电子健康记录数据相结合，构建多模态预测模型	回顾性研究设计，样本量相对有限（共348例患者）	提高粘连性小肠梗阻绞窄风险的预测准确性	粘连性小肠梗阻患者	计算机视觉, 机器学习	小肠梗阻	计算机断层扫描(CT)	CNN, XGBoost	医学影像, 临床数据	225例用于模型开发，123例用于外部验证	PyTorch/TensorFlow（基于ResNet架构推断）	ResNet50, XGBoost	AUC, 校准曲线, 决策曲线分析, 净重分类改善指数	NA
1256	2025-10-05	Deep learning for atrioventricular regurgitation diagnosis: an external validation study 2025-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf078 PMID:40984997	研究论文	本研究通过外部验证评估深度学习算法在房室瓣反流诊断中的性能	在梅奥诊所健康系统的真实世界数据中对AI算法进行外部验证，评估其在房室瓣反流严重程度分类中的表现	模型仅对38%的可用超声心动图研究生成预测，性能分析仅限于这些病例	验证深度学习算法在房室瓣反流诊断中的准确性和临床应用价值	梅奥诊所健康系统2013-2023年的经胸超声心动图研究	医学影像分析	心血管疾病	经胸超声心动图	深度学习	超声心动图图像	1541例符合条件的TTE研究，其中578例生成预测（MR队列280例，TR队列298例）	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
1257	2025-10-05	Application of a Deep Learning Model to Predict Liquid Chromatography Retention Times of Food Peptides Across Chromatographic Conditions 2025-Sep, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.70270 PMID:40994122	研究论文	本研究应用深度学习模型预测食品肽在多种色谱条件下的液相色谱保留时间	采用迁移学习方法，将在大型蛋白质组学数据集上预训练的通用深度学习模型通过食品肽实验数据进行微调	模型训练依赖于商业肽标准品获得的实验数据，可能对某些特殊食品肽的适用性有限	提高食品肽在LC-MS分析中通过保留时间预测进行肽鉴定的可靠性	食品来源的肽类物质，包括酵母蛋白水解物和植物蛋白水解物中的胰蛋白酶和非胰蛋白酶肽	机器学习	NA	液相色谱-质谱联用(LC-MS)	深度学习	肽保留时间数据	商业肽标准品实验数据和酵母蛋白水解物验证集	NA	NA	Q值, 预测准确率(95%预测值在±1.0分钟窗口内)	NA
1258	2025-10-05	Artificial Intelligence in the Study of Root and Canal Anatomy: A Comprehensive Review on Applications, Advantages, Challenges and Future Directions 2025-Sep, European endodontic journal IF:1.6Q3 DOI:10.14744/eej.2025.37232 PMID:40995722	综述	全面分析人工智能在牙根和根管解剖研究中的应用及其对教育、研究和临床实践的影响	首次系统综述人工智能在牙根和根管解剖研究中的应用现状，并探讨未来发展方向	基于现有文献的叙述性综述，需要更大数据集支持更准确的深度学习模型	评估人工智能在牙根和根管解剖研究中的应用价值和发展前景	牙根和根管解剖结构	医学影像分析	牙科疾病	2D和3D成像技术	深度学习模型	2D和3D医学影像	NA	NA	NA	NA	NA
1259	2025-10-05	scHSC: enhancing single-cell RNA-seq clustering via hard sample contrastive learning 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf485 PMID:40977264	研究论文	提出一种基于困难样本对比学习的深度学习方法scHSC，用于提升单细胞RNA测序数据的聚类性能	通过困难样本挖掘和对比学习，同时整合基因表达和细胞间拓扑结构信息，采用自适应权重策略将对比学习与ZINB模型结合	NA	提升单细胞RNA测序数据的聚类准确性和细胞类型注释效果	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序(scRNA-seq)	深度学习	基因表达数据	18个单细胞RNA测序真实数据集	PyTorch	对比学习框架,ZINB模型	聚类性能指标	NA
1260	2025-10-05	A survey on deep learning for drug-target binding prediction: models, benchmarks, evaluation, and case studies 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf491 PMID:40977267	综述	本文系统综述了深度学习在药物-靶点结合预测中的最新模型、基准数据集、评估方法及应用案例	全面分析了从早期异质网络方法到图神经网络、注意力机制及多模态方法的范式转变，并通过癌症相关靶点的案例研究验证方法实用性	识别出现有预测模型的缺陷与不足	探讨深度学习如何为药物-靶点关系研究提供定量框架，加速新药候选物识别	药物-靶点结合预测的深度学习模型、基准数据集和评估指标	机器学习	癌症	深度学习	异质网络, 图神经网络, 注意力机制, 多模态模型	化合物库数据, 蛋白质靶点数据	NA	NA	NA	NA	NA