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
1261	2025-12-06	Stock price dynamics prediction based on multi-scale fractals and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335554 PMID:41329693	研究论文	本文提出了一种结合多尺度分形特征提取与深度学习的股票价格动态预测方法	创造性结合广义赫斯特指数、高阶分形维度和多重分形谱来表征股价序列特征，并设计了多尺度分形特征融合机制与损失函数	未明确说明模型在极端市场条件下的泛化能力及计算复杂度	提高股票价格波动的预测精度与稳定性	金融市场中的股票价格时间序列	机器学习	NA	NA	深度学习	时间序列数据	多个真实市场数据集	NA	NA	准确性, 稳定性, 极端波动处理能力	NA
1262	2025-12-06	A novel agricultural commodity price prediction model integrating deep learning and enhanced swarm intelligence algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337103 PMID:41329748	研究论文	本研究提出了一种结合深度学习与增强型群体智能算法的农业商品价格预测模型，旨在提高预测准确性	引入了连续变分模态分解（SVMD）来解构价格数据，并开发了多策略粪甲虫优化算法（MSDBO）以优化模型超参数，结合了CNN增强的BiLSTM模型与注意力机制	仅以玉米和小麦市场作为案例研究，可能未涵盖所有农业商品类型；模型在更广泛市场条件下的泛化能力有待验证	开发一个高精度的农业商品价格预测框架，以应对市场波动性和非线性特征	农业商品（特别是玉米和小麦）的历史价格数据	机器学习	NA	时间序列分解、群体智能优化、深度学习	CNN, BiLSTM	时间序列数据	NA	NA	CNN-augmented BiLSTM with attention mechanism	平均绝对百分比误差（MAPE）, 方向准确性（Dstat）	NA
1263	2025-12-06	HAttFFNN: Hybridized attention mechanism-based feedforward neural network deep learning model for the plastic material classification of three stage materials on spectroscopic data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336927 PMID:41329750	研究论文	提出一种基于混合注意力机制的前馈神经网络深度学习模型，用于光谱数据上的三阶段塑料材料分类	提出了一种新颖的混合注意力机制前馈神经网络模型，专门用于处理复杂的光谱数据，并在区分视觉和光谱相似材料方面优于传统模型	仅针对PET材料的三阶段分类进行研究，未扩展到其他塑料类型或更多阶段	提高基于光谱数据的塑料材料分类精度，特别是在自动化回收、环境监测和质量控制等应用中	三阶段聚对苯二甲酸乙二醇酯材料	机器学习	NA	数字光处理近红外扫描	前馈神经网络	光谱数据	295,327个样本	NA	HAttFFNN	准确率, 精确率, 召回率, F1分数, 特异性, 均方根误差	NA
1264	2025-12-06	Computational Landscape in Drug Discovery: From AI/ML Models to Translational Application 2025, Scientifica IF:2.3Q2 DOI:10.1155/sci5/1688637 PMID:41332459	综述	本文综述了人工智能和机器学习在药物发现领域的应用、模型、工具、挑战及未来趋势	全面概述了AI/ML在药物研发全流程的应用，并重点讨论了可解释AI、联邦学习等新兴趋势以克服现有挑战	数据可用性有限、异质性、偏差、模型可解释性不足、可重复性问题、临床转化障碍和监管不确定性	概述AI/ML在药物发现中的应用，并讨论其挑战与未来方向	药物发现过程	机器学习	NA	NA	监督学习, 无监督学习, 半监督学习, 深度学习, 强化学习	NA	NA	NA	NA	NA	NA
1265	2025-12-06	SZBC-AI4TCM: a comprehensive web-based computing platform for traditional Chinese medicine research and development 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1698202 PMID:41333020	研究论文	本文介绍了一个名为SZBC-AI4TCM的综合性网络计算平台，旨在通过集成人工智能算法和生物信息学工具，加速传统中医药研究并降低成本	开发了一个用户友好的网络平台，集成了多种AI技术和生物信息学工具，使非计算背景的研究者也能进行全面的中医药数据分析，体现了'数字本草'概念	未在摘要中明确提及具体限制	开发一个综合性网络计算平台，以支持传统中医药的研究与开发，解决传统实验方法在处理复杂大数据时的不足	传统中医药数据，包括方剂、机制阐明和药物筛选等	机器学习	阿尔茨海默病	机器学习，深度学习，大数据分析	NA	中医药数据	NA	NA	NA	NA	硬件-软件加速
1266	2025-12-06	Benchmarking complete-to-partial point cloud registration techniques for laparoscopic surgery 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1702360 PMID:41333278	研究论文	本文提出一个基准测试，评估深度学习点云配准方法在腹腔镜手术中的泛化能力，并开发了一个完整的到部分点云配准框架	首次系统性地评估了多种深度学习点云配准方法在手术场景中的表现，并提出了一个结合关键点提取、重叠估计和Transformer架构的完整到部分点云配准框架	在DePoll数据集上，由于存在大变形，性能显著下降，表明当前方法在处理严重非刚性变化时准确性不足	评估点云配准技术在腹腔镜手术中的泛化能力，并为开发先进非刚性算法提供指导	腹腔镜手术中的器官点云数据，包括变形的IRCAD肝脏数据集和DePoll数据集	计算机视觉	肝脏疾病	点云配准	Transformer, GMM-based, correspondence-based, correspondence-free, matching-based	点云数据	两个手术数据集：变形的IRCAD肝脏集和DePoll数据集	NA	Transformer	TRE, MAE(R), MAE(t)	NA
1267	2025-12-06	Advances in DCE-MRI Radiomics for Non-Invasive Prediction of Breast Cancer Molecular Subtypes: Research Progress and Clinical Translation 2025, Breast cancer (Dove Medical Press) DOI:10.2147/BCTT.S552019 PMID:41333886	综述	本文系统评估了DCE-MRI影像组学在非侵入性预测乳腺癌分子亚型方面的研究进展与临床转化	整合标准化DCE-MRI协议与多维影像组学特征（形态、纹理、小波变换参数），结合深度学习实现多任务预测模型，并通过前瞻性多中心试验验证其临床替代潜力	存在数据异质性挑战及影像组学生物标志物的机制解释困难	非侵入性预测乳腺癌分子亚型并推动精准影像引导治疗	乳腺癌分子亚型（ER、HER2、三阴性）	数字病理	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	深度学习多任务预测模型	医学影像（DCE-MRI）	NA	NA	NA	NA	NA
1268	2025-12-06	An EEG-based machine learning framework for diagnosing acute sleep deprivation 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1668129 PMID:41334558	研究论文	本文开发了一个基于EEG和机器学习的框架，用于诊断急性睡眠剥夺	结合了传统机器学习分类器（如LightGBM、XGBoost）和深度学习模型（CNN、LSTM、Transformer）对EEG数据进行多特征分析，并在有无受试者级别分离两种条件下评估模型性能	在跨受试者评估条件下模型准确率显著下降，表明模型在个体间泛化能力有限	开发一种客观、可靠的急性睡眠剥夺诊断方法	71名参与者的61通道睁眼静息态EEG数据	机器学习	睡眠障碍	EEG	LightGBM, XGBoost, RF, SVC, CNN, LSTM, Transformer	EEG时间序列数据	71名参与者	NA	CNN, LSTM, Transformer	准确率, F1分数, AUC	NA
1269	2025-12-06	Machine learning insights into vaccine adjuvants and immune outcomes 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1654060 PMID:41126836	研究论文	本研究引入一种基于非人灵长类RNA转录组数据的机器学习方法，用于预测疫苗接种后的免疫原性抗体水平，并分析佐剂刺激的免疫反应机制	首次利用机器学习结合非人灵长类转录组数据预测疫苗佐剂效果，并通过深度学习模型解析佐剂激活的免疫机制	研究依赖非人灵长类数据，可能限制对人类疫苗的普适性；未提及模型在独立验证集上的性能评估	加速疫苗佐剂筛选过程，促进更有效疫苗的开发	疫苗佐剂及其激发的免疫反应	机器学习	NA	RNA转录组测序	深度学习模型	转录组数据	NA	NA	NA	NA	NA
1270	2025-12-06	Enhanced SQL injection detection using chi-square feature selection and machine learning classifiers 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1686479 PMID:41346567	研究论文	本研究提出了一种结合卡方特征选择和机器学习分类器的增强型SQL注入检测方法	采用卡方特征选择来提升多种机器学习分类器在SQL注入检测中的性能，并通过Jensen-Shannon散度分析评估数据集领域差异	未在真实生产网络环境中评估模型的可迁移性和实时检测可靠性，且未探索特征选择对深度学习架构的影响	提高SQL注入攻击检测的准确性并降低误报率	SQL查询语句	机器学习	NA	卡方特征选择，TF-IDF向量化	多项式朴素贝叶斯，支持向量机，逻辑回归，决策树，K近邻	文本	合并数据集（自定义数据集与Kaggle的SQLiV3.csv文件）	Scikit-learn	NA	准确率，精确率，召回率，F1分数，误报率，误分类率	NA
1271	2025-12-06	An in silico investigation of Kv2.1 potassium channel: Model building and inhibitors binding sites analysis 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300072 PMID:37793122	研究论文	本研究通过AlphaFold-Multimer深度学习构建Kv2.1钾通道四聚体模型，结合GaMD和HMM分析离子传输轨迹，利用Fpocket程序与电生理实验定义抑制剂结合位点，并通过半经验量子力学计算预测抑制剂结合构象，为新型Kv2.1抑制剂开发提供分子设计见解	首次使用AlphaFold-Multimer深度学习构建Kv2.1四聚体结构模型，结合GaMD模拟与HMM分析生成多构象受体，并通过半经验量子力学计算预测抑制剂结合模式，揭示了P-螺旋和S6片段的关键残基贡献	研究为计算机模拟，缺乏实验验证抑制剂结合位点的直接结构证据；模型基于预测结构，可能受限于AlphaFold-Multimer的准确性；未进行大规模抑制剂筛选或体内功能验证	构建Kv2.1钾通道的计算机模型并分析抑制剂结合位点，以促进理性药物设计开发神经保护剂	Kv2.1钾通道蛋白及其抑制剂RY785和RY796(S)	计算生物学	缺血性脑卒中	AlphaFold-Multimer深度学习，GaMD（高斯加速分子动力学），HMM（隐马尔可夫模型），Fpocket程序，半经验量子力学计算，竞争性结合电生理实验	深度学习模型，分子动力学模型	蛋白质序列与结构数据，分子动力学轨迹数据	NA	AlphaFold-Multimer	AlphaFold-Multimer	NA	NA
1272	2025-12-06	Classification of tastants: A deep learning based approach 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300146 PMID:37885360	研究论文	本研究利用深度学习模型对甜味、苦味和鲜味分子进行分类，以预测分子的味觉特性	结合分子描述符的深度神经网络和基于分子结构的图神经网络模型，无需手工特征即可学习任务特定表示，并应用Shapley加性解释来解析预测结果	鲜味分子样本数量较少导致类别不平衡，需采用特殊采样技术处理	预测分子的味觉特性，以支持食品、饮料、香料和制药行业中新味觉物质的设计与筛选	甜味、苦味和鲜味分子，这些味觉由G蛋白偶联受体介导	机器学习	NA	NA	深度神经网络, 图神经网络	分子描述符, 分子结构	1466个苦味分子、1764个甜味分子和238个鲜味分子，总计3468个分子	NA	NA	NA	NA
1273	2025-12-06	Variant calling and benchmarking in an era of complete human genome sequences 2023-07, Nature reviews. Genetics DOI:10.1038/s41576-023-00590-0 PMID:37059810	综述	本文综述了在完整人类基因组序列时代下，变异检测与基准测试的进展，包括长读长测序、深度学习、从头组装和泛基因组学在挑战性基因组区域的应用	探讨了长读长测序、深度学习、从头组装和泛基因组学如何扩展对重复基因组区域（包括医学相关区域）的变异检测访问，并介绍了新的基准集和基准测试方法	未具体说明当前变异检测方法在特定重复区域或复杂变异类型中的具体性能限制	综述人类基因组变异检测与基准测试的技术进展，并展望未来更完整的人类基因组变异表征	人类基因组序列、变异检测方法、基准测试集	基因组学	NA	长读长测序、深度学习、从头组装、泛基因组学	NA	DNA测序数据	NA	NA	NA	NA	NA
1274	2025-12-05	Golay-Net: Deep learning-based Golay coded excitation for ultrasound imaging 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107881 PMID:41176826	研究论文	本文提出了一种基于深度学习的Golay编码激励方法，用于提升超声成像的信噪比和成像深度，同时保持帧率不变	开发了Golay-Net，一种基于1-D U-Net的深度学习框架，能够从Code A的回波信号中合成Code B的回波信号，从而避免了传统Golay编码激励需要两次传输导致的帧率降低问题	未在摘要中明确提及具体限制，可能包括模型泛化能力、计算复杂度或对特定成像条件的依赖性	提高超声成像的信噪比和成像深度，同时不牺牲帧率	超声成像中的Golay编码激励技术	医学影像处理	NA	Golay编码激励	深度学习	超声回波信号	NA	NA	1-D U-Net	信噪比, 成像深度, 帧率	NA
1275	2025-12-05	End-to-end design of multi-functional acoustic holograms via heterogeneous physics constraints 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107879 PMID:41192313	研究论文	本文提出了一种端到端异质物理约束深度学习框架，用于设计多功能声学全息图，以解决传统相位设计方法在理论预测与物理实现间的性能差距	引入了首个端到端异质物理约束深度学习框架，直接设计物理全息图结构，同时考虑全息图内部复杂声学特性和波在复杂介质（如颅骨）中的传播，显著提高了声场模式的保真度	研究主要作为概念验证展示，在更具挑战性的生物医学应用中的大规模验证和临床转化仍需进一步探索	开发一种能够设计物理上可实现、多功能声学全息图的新方法，以用于非侵入性治疗和接触式操控等生物医学应用	声学全息图及其产生的声场	机器学习	NA	声学全息技术	深度学习	物理模拟数据	NA	NA	NA	峰值信噪比, 相关性保真度	NA
1276	2025-12-05	High-precision wavefield simulation and deep learning-based sound speed reconstruction for transcranial ultrasound imaging 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107860 PMID:41129992	研究论文	本研究提出了一种结合高精度波场模拟与深度学习反演的经颅声速局部重建框架，旨在提升经颅超声成像质量	开发了定制波场模拟算法生成训练数据集，并提出了集成波前注意力模块（WAM）和梯度正则化损失函数的WAM-Net网络，以精确重建颅骨声速	NA	通过准确重建颅骨声速，实现有效的相位校正，从而提升经颅超声成像质量	颅骨声速分布	医学影像处理	脑部疾病	超声成像	深度学习	模拟波场数据	数值模拟、仿体实验（AlO和PMMA仿体）及食蟹猴活体实验	NA	WAM-Net	平均绝对误差（MAE）	NA
1277	2025-12-05	Laser spectral enhancement and analysis based on blind-spot networks and Kolmogorov-Arnold networks 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128806 PMID:40934630	研究论文	本文提出了一种结合盲点网络和Kolmogorov-Arnold网络的自监督深度学习框架，用于增强激光诱导击穿光谱的分析性能	提出了一种无需干净参考数据的自监督光谱去噪网络（BSSDN），并首次将Kolmogorov-Arnold网络（KANs）架构应用于LIBS定量分析，通过自适应样条基函数和局部加权改进了传统多层感知机的局限性	研究仅在六种认证不锈钢参考材料上进行了验证，样本类型和数量有限，未在其他材料或更复杂基体中进行广泛测试	解决激光诱导击穿光谱技术中光谱噪声干扰和定量分析精度有限的问题，提升LIBS的分析性能	激光诱导击穿光谱数据，特别是来自六种认证不锈钢参考材料（JZG201-JZG206B）的光谱	机器学习	NA	激光诱导击穿光谱	盲点网络, Kolmogorov-Arnold网络	光谱数据	六种认证不锈钢参考材料（36 × 36 mm固体块）	NA	盲点光谱去噪网络, Kolmogorov-Arnold网络	平均光谱相对标准偏差, 特征峰保留率, 强度保真度, 决定系数, 预测均方根误差	NA
1278	2025-12-05	ResFusionNet-TSMT: A residual network for pesticide detection using surface-enhanced Raman spectroscopy 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128852 PMID:40972279	研究论文	本文提出了一种名为ResFusionNet-TSMT的新型深度学习框架，用于基于表面增强拉曼光谱同时进行农药分类和浓度定量检测	该模型创新性地将残差网络的局部特征提取能力与Transformer的全局依赖建模相结合，采用双流架构处理原始和多尺度光谱输入，引入注意力池化机制聚焦判别性峰值，并利用Transformer编码器进行鲁棒特征融合，同时通过新颖的类别注意力机制优化分类与回归任务的联合学习	NA	提高农药检测的准确性，解决光谱干扰和信号变异性问题	农药	机器学习	NA	表面增强拉曼散射	CNN, Transformer	光谱	NA	NA	ResNet, Transformer	准确率, F1分数, 平均绝对误差, 相关系数R	NA
1279	2025-12-05	Metabolic profiling of Yangxinshi tablet based on time-staggered ion list dynamic detection integrated with metabolic molecular network 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128910 PMID:41016099	研究论文	本文开发了一种基于时间交错离子列表动态检测与代谢分子网络整合的综合分析策略，用于系统表征大鼠口服养心氏片后的体内代谢谱	创新性地建立了BS-VPMDF-tsPIL-AE数据采集模式，结合代谢分子网络和深度学习辅助的质量缺陷过滤智能分类，有效提升了低丰度药物衍生成分的检测能力	研究仅在大鼠血浆和尿液中进行，未涉及其他组织或物种，且部分原型成分仅通过标准品对比初步鉴定，需进一步验证	系统表征养心氏片在大鼠体内的代谢产物，以推进中药药效物质基础研究	大鼠口服养心氏片后的血浆和尿液样本	代谢组学	NA	质谱分析，代谢分子网络，深度学习辅助质量缺陷过滤	深度学习	质谱数据	大鼠血浆和尿液样本，具体数量未明确说明	R编程，Python	NA	NA	NA
1280	2025-12-05	Study on discrimination of Glycyrrhizae Radix et Rhizoma (Licorice) varieties and origin traceability based on composite feature reconstruction combined with HLOA-CNN algorithm 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128821 PMID:40946482	研究论文	本研究提出了一种基于复合特征重构与HLOA-CNN算法的甘草品种鉴别与产地溯源方法	整合多源表型和化学特征，并采用角蜥蜴优化算法（HLOA）优化CNN超参数，构建了HLOA-CNN分类模型，实现了对甘草品种和产地的精确识别	未明确提及模型在其他数据集或实际应用场景中的泛化能力测试	开发一种准确鉴别甘草品种和追溯其产地的智能方法，以保障功能性食品的真实性	甘草（Glycyrrhizae Radix et Rhizoma）样本	机器学习	NA	多源特征提取（RGB颜色、可见光谱、Tamura纹理）、化学成分测量、主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）	CNN	多源特征数据（表型特征、化学特征）	未明确说明具体样本数量，但提及收集了甘草样本并构建了多源特征数据集	NA	CNN（具体架构未指定，但由HLOA优化超参数）	准确率	NA