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
1701	2025-12-04	Characterization of a Novel Mutansucrase (MUT-I) from Leuconostoc pseudomesenteroides G29: Enzymatic Properties and Product Analysis 2025-Dec-03, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c03636 PMID:41258707	研究论文	本研究对来自Leuconostoc pseudomesenteroides G29的新型突变蔗糖酶MUT-I进行了生化表征，包括其酶学性质、产物分析及其在α-葡聚糖工程中的应用潜力	首次对G29菌株的MUT-I酶进行详细生化表征，揭示了其双功能特性（合成葡聚寡糖和引入α-1,3分支），并利用AlphaFold 3深度学习工具识别了关键催化残基	研究主要基于体外实验，未涉及体内应用或大规模生产验证	表征新型突变蔗糖酶MUT-I的酶学性质，评估其在合成结构明确的α-葡聚糖方面的应用潜力	来自Leuconostoc pseudomesenteroides G29的突变蔗糖酶MUT-I及其合成的α-葡聚糖产物	生物化学与酶工程	NA	酶学表征、产物分析、深度学习结构预测	深度学习模型	酶学实验数据、结构预测数据	单一酶蛋白（重组MUT-I）及其产物	AlphaFold 3	AlphaFold 3	酶活性参数（Km、kcat）、产物结构分析（链接类型、分子量、热稳定性）	NA
1702	2025-12-04	Deep learning model for activity cliffs prediction: a comprehensive approach to protein kinase inhibitors 2025-Dec-03, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00721-1 PMID:41331397	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1703	2025-12-04	Urban expansion identification and change analysis in Panjin China from 1990 to 2020 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29448-7 PMID:41331411	研究论文	本研究利用深度学习模型和时间-光谱-纹理组合优化方法，分析了盘锦市1990年至2020年不透水表面的动态变化，以优化城市空间结构和促进可持续发展	提出了一种新颖的深度学习模型和时间-光谱-纹理组合优化方法，用于识别基于像素的土地覆盖变化轨迹，并利用分段线性回归模型确定城市扩张的时间节点	NA	优化城市空间结构和促进可持续发展	盘锦市（中国的一个资源型城市）	计算机视觉	NA	时间-光谱-纹理组合优化方法	深度学习模型	图像	NA	NA	NA	轨迹分类准确率, 宏观F1分数, 城市扩张时间识别准确率	NA
1704	2025-12-04	Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study 2025-Dec-03, BJOG : an international journal of obstetrics and gynaecology DOI:10.1111/1471-0528.70103 PMID:41332358	研究论文	本研究利用低场MRI对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局	开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，并首次揭示了晚期妊娠宫颈表型可能影响分娩结局	研究样本仅包括首次尝试阴道分娩的晚期妊娠妇女，可能限制了结果的普遍性	通过低场MRI技术自动化测量宫颈参数，并探索其与人口统计学和分娩结局的相关性	晚期妊娠（36-41周）的妇女	数字病理学	NA	低场MRI，2D T2加权Turbo-Spin-Echo序列	3D深度学习分割网络	MRI图像	97名晚期妊娠妇女	NA	NA	图像重建质量，分割质量，评分者间变异性	0.55T Freemax MRI扫描仪
1705	2025-12-04	Assessing the robustness of deep learning based brain age prediction models across multiple EEG datasets 2025-Dec-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3639477 PMID:41329579	研究论文	本研究通过系统评估深度学习模型在多个EEG数据集上的脑年龄预测性能，探讨了数据集偏移对模型泛化能力的影响	首次在脑年龄预测任务中系统评估深度学习模型对多个EEG数据集的泛化能力，并测试了1805种超参数配置	模型性能在不同数据集间差异显著，部分情况下R²出现负值，表明模型泛化能力仍受数据集特性限制	评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性和泛化能力	五个不同的EEG数据集	机器学习	NA	脑电图（EEG）	深度学习模型	EEG信号	五个EEG数据集（具体样本数未说明）	NA	NA	Pearson相关系数, R²	NA
1706	2025-12-04	A Multi-degradation Fundus Image Restoration Network Guided by Frequency Prompt 2025-Dec-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3639308 PMID:41329577	研究论文	本文提出了一种多退化眼底图像恢复网络（MFR-Net），通过频率感知提示学习统一处理复杂退化场景	提出了一种集成频率感知提示学习的全合一恢复框架，能够全面提取不同退化成分的频率域特征，并通过设计的提示生成和交互模块注入主干网络，同时结合无监督域适应以增强模型领域泛化能力	NA	开发一种能够处理多组分退化的眼底图像恢复方法，以提高临床诊断中图像质量	眼底图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	MFR-Net	定量指标	NA
1707	2025-12-04	Accurate Protein-Protein Interaction Prediction: Based on Multiview Heterogeneous Graph Autoencoders and Random Masking 2025-Dec-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3632083 PMID:41329588	研究论文	本文提出了一种基于多视图异构图自编码器和随机掩码的蛋白质-蛋白质相互作用预测模型MEGAE，旨在通过整合蛋白质的物理化学性质、结构细节和序列数据，实现高精度的PPI及相互作用位点预测	创新性地引入了多视图随机掩码训练策略，在重建过程中引入受控随机性以增强微环境嵌入的鲁棒性，并利用图神经网络从局部氨基酸相互作用到全局信号网络连接捕获多层次关系	未明确提及模型的计算复杂度或对大规模数据集的扩展性限制	实现高精度的蛋白质-蛋白质相互作用及其相互作用位点的预测	蛋白质-蛋白质相互作用及其相互作用位点	机器学习	NA	深度学习，图神经网络	自编码器，图神经网络	序列数据，结构数据，物理化学性质数据	NA	NA	向量量化自编码器，图神经网络	准确率	NA
1708	2025-12-04	A Teacherless Lightweight Classification Framework for Benign and Malignant Pulmonary Nodules based on GAS 2025-Dec-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的无教师轻量级分类框架，用于区分良性和恶性肺结节	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级分类模型，参数量仅119,245个，占用空间仅0.45 MB	未明确说明模型在更广泛临床环境中的泛化能力或与其他最先进轻量级模型的详细对比	开发一种轻量级、高效的肺结节良恶性分类方法，以解决现有模型内存占用高、计算成本大和参数量多的问题	肺结节（良性和恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge和郑州第九人民医院数据集	未明确指定	GAS（Ghost-Attention Separation）网络，包含注意力机制、残差学习和改进的DWSGhost模块	未明确指定具体指标，但提及了分类性能	未明确指定
1709	2025-12-04	Ultrasound of lung parenchyma - current state and future 2025-Dec-02, The British journal of radiology DOI:10.1093/bjr/tqaf288 PMID:41330697	综述	本文综述了胸部超声在评估肺实质方面的当前应用、诊断局限性及未来发展趋势	探讨了深度学习增强胸部超声辅助诊断的新兴领域，并强调了COVID-19大流行如何扩展了肺实质超声从诊断到监测的应用范围	缺乏关于能力评估和教育的共识	提供胸部超声在肺实质评估中的当前使用和诊断局限性的概述，并展望未来发展	肺实质的超声评估	数字病理学	肺癌	胸部超声	深度学习	超声图像	NA	NA	NA	NA	NA
1710	2025-12-04	A multicenter validation study of 3D V-Net-based segmentation model for adrenal glands: Cross-protocol generalization from abdominal CT to chest CT 2025-Dec-02, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发了一种基于3D V-Net的肾上腺分割模型，并在多中心数据集上验证了其从腹部CT到胸部CT的泛化能力	该研究首次利用3D V-Net开发了肾上腺分割模型，并成功验证了其在跨协议（从腹部CT到胸部CT）和多中心数据集上的泛化性能	研究未明确提及模型在更广泛疾病类型或不同扫描参数下的性能，且外部验证队列样本量相对较小	建立并验证一个基于深度学习的肾上腺自动分割模型，以辅助医学影像诊断	肾上腺	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练集5660例腹部CT扫描，验证集包括来自同一机构的6126例和外部机构的931例胸部CT扫描	NA	3D V-Net	Dice相似系数	NA
1711	2025-12-04	Dense extreme inception network-based edge detection with deep reinforcement learning for object localization in an underwater environment 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29378-4 PMID:41331029	研究论文	本文提出了一种基于密集极端初始网络边缘检测与深度强化学习的水下环境物体定位技术	结合Dense Extreme Inception Network（DexiNed）进行边缘检测，并集成YOLOv5进行物体检测，最后使用Q-强化学习进行分类，实现水下环境中的高效物体定位	未提及技术在水下复杂环境（如浑浊水域或极端光照条件）中的泛化能力及实时性能评估	提高水下环境中物体边缘检测和分类的准确性与效率	水下环境中的自然特征（如地质构造、海洋生物、珊瑚礁）和人造物体（如碎片、沉船、水下基础设施）	计算机视觉	NA	光学相机、SONAR、LIDAR成像技术	CNN, 强化学习	图像	未明确指定样本数量，但使用了水下物体检测数据集进行实验	未明确指定，可能涉及PyTorch或TensorFlow（基于YOLOv5的常见实现）	Dense Extreme Inception Network（DexiNed）, YOLOv5	准确率	NA
1712	2025-12-04	Clickbait detection in news headlines using RoBERTa-Large language model and deep embeddings 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30229-5 PMID:41331035	研究论文	本研究提出了一种基于RoBERTa-Large语言模型和深度嵌入的新闻标题点击诱饵检测方法	首次将RoBERTa-Large这一基于Transformer的架构应用于新闻标题点击诱饵检测任务，并集成自注意力机制以捕捉复杂的上下文依赖和语义关系	未明确说明模型在跨语言或跨领域新闻数据上的泛化能力，也未讨论计算资源消耗的具体情况	开发自动检测新闻标题中点击诱饵内容的高性能分类系统	新闻标题文本数据	自然语言处理	NA	自然语言处理技术	Transformer, 深度学习模型	文本	NA	PyTorch（基于Transformer架构推断）	RoBERTa-Large	分类准确率	NA
1713	2025-12-04	Innovation of entrepreneurship education in auxiliary instruction system for college aesthetic course teaching under BPNN model 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30967-6 PMID:41331061	研究论文	本研究提出并验证了一种基于BPNN模型的辅助教学系统，旨在提高音乐院校美育课程中创新创业教育的精准性和有效性	首次将BPNN模型应用于音乐院校美育课程的创新创业能力评估，构建了包含多级指标的评价框架，实现了对学生创业能力的精准建模与反馈	当前评估框架需要进一步细化，以更好地满足专业化和产业化发展的需求	提升音乐院校美育课程中创新创业教育的教学支持系统与教学效果	西安地区音乐院校的毕业生	机器学习	NA	问卷调查	BPNN	问卷数据	444份有效问卷	NA	BPNN	相对误差	NA
1714	2025-12-04	An MRI radiomics approach using invasion-based weak supervision for identifying and evaluating aggressive PitNETs 2025-Dec-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02189-7 PMID:41331080	研究论文	本研究开发了一种基于MRI影像组学的深度学习模型，用于术前无创识别和评估垂体神经内分泌肿瘤的侵袭性	提出了一种结合自动分割、特征提取与选择的深度学习影像组学方法，并利用基于侵袭性的弱监督训练策略，模型性能优于传统Knosp和Hardy-Wilson分类系统	研究样本来自三个医疗中心共1089例，虽具一定规模，但可能仍需更大规模多中心验证以进一步推广	开发一种可靠的非侵入性术前工具，用于识别和评估垂体神经内分泌肿瘤的侵袭性，以指导治疗和预后	垂体神经内分泌肿瘤患者	数字病理学	垂体神经内分泌肿瘤	MRI影像组学	深度学习	MRI图像	1089例来自三个医疗中心	nnUnet, Swin Transformer	nnUnet, Swin Transformer	与Knosp和Hardy-Wilson分类的相关性，复发预测性能，侵袭性病理标志物关联分析	NA
1715	2025-12-04	The regulatory code of injury-responsive enhancers enables precision cell-state targeting in the CNS 2025-Dec-02, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-025-02131-w PMID:41331142	研究论文	本文研究了哺乳动物中枢神经系统中损伤诱导的转录程序如何通过增强子编码，并利用深度学习模型揭示其细胞类型特异性机制	通过单核转录组学和染色质可及性分析识别损伤诱导的细胞类型特异性增强子，并利用深度学习模型解析其整合通用刺激响应元件与细胞身份程序的架构	研究主要基于小鼠脊髓挫伤模型，可能无法完全代表其他损伤类型或物种的中枢神经系统反应	解码损伤响应增强子的调控原则，以设计能够靶向疾病相关细胞状态的序列	小鼠脊髓挫伤后的中枢神经系统细胞，特别是胶质细胞和反应性星形胶质细胞	机器学习	中枢神经系统损伤	单核转录组学, 染色质可及性分析, 深度学习	深度学习模型	转录组数据, 染色质可及性数据	数千个损伤诱导的细胞类型特异性增强子	NA	NA	NA	NA
1716	2025-12-04	A deep learning model for multiclass lung cancer classification using multimodal data fusion 2025-Dec-02, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04168-6 PMID:41331169	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1717	2025-12-04	Decoding protein binding plasticity via integrated deep ribosome display and deep learning 2025-Dec-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09160-y PMID:41331327	研究论文	本研究开发了一个结合深度实验筛选与深度学习的平台，用于解码蛋白质结合可塑性	开发了一种去除了所有已知核糖体终止和拯救功能的核糖体展示技术，并创建了一个包含4780万个独特肽段的综合数据集；提出了一种深度学习架构，通过整合序列背景、富集动态和子序列丰度信息，实现了对链霉亲和素结合活性的高精度预测	未明确说明平台在其他蛋白质相互作用系统中的普适性验证情况	系统探索蛋白质相互作用可塑性，并实现合成肽的数据驱动设计	蛋白质结合可塑性，特别是链霉亲和素结合肽段	机器学习	NA	核糖体展示	深度学习	序列数据	4780万个独特肽段	NA	NA	Pearson相关系数	NA
1718	2025-12-04	DeepRNA-DTI: a deep learning approach for RNA-compound interaction prediction with binding site interpretability 2025-Dec-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01132-y PMID:41331479	研究论文	提出一种基于深度学习的RNA-化合物相互作用预测方法DeepRNA-DTI，该模型能够同时预测相互作用是否存在以及核苷酸水平的结合位点	结合了预训练嵌入（RNA-FM和Mole-BERT）和多任务学习框架，首次在序列基础上实现了RNA-化合物相互作用的可解释性结合位点预测	模型性能受限于实验数据的可用性，且RNA结构的固有复杂性可能影响预测精度	开发一种能够预测RNA-化合物相互作用并解释结合位点的计算方法，以促进RNA靶向药物的发现	RNA序列与化合物分子	自然语言处理, 机器学习	NA	深度学习, 迁移学习, 多任务学习	深度学习模型	序列数据（RNA序列和化合物表示）	整合了PDB和文献来源的综合数据集，并应用于超过4800万种化合物的高通量虚拟筛选	PyTorch	基于预训练嵌入的深度学习架构（RNA-FM, Mole-BERT）	NA	NA
1719	2025-12-04	Non-invasive prediction of Ki-67 and p53 biomarkers in spinal ependymoma via deep learning: using multimodal magnetic resonance imaging and clinical data 2025-Dec-02, Biomarker research IF:9.5Q1 DOI:10.1186/s40364-025-00879-8 PMID:41331485	研究论文	本研究开发了一个深度学习框架，利用多模态磁共振成像和临床数据，非侵入性地预测脊髓室管膜瘤中的Ki-67和p53生物标志物	首次将深度学习应用于脊髓室管膜瘤，通过整合多模态MRI和临床数据，非侵入性地预测Ki-67和p53生物标志物，克服了该肿瘤罕见、数据集不足以及脊髓MRI分析的技术挑战	由于脊髓室管膜瘤的罕见性，数据集可能仍显不足，且研究依赖于特定的MRI序列和临床数据，外部验证的样本量可能有限	开发一个非侵入性方法，预测脊髓室管膜瘤的Ki-67和p53生物标志物，以辅助术前规划和精准神经外科治疗	352名经组织学确诊为脊髓室管膜瘤的患者，其术前MRI扫描、临床信息以及通过免疫组化评估的Ki-67和p53状态	数字病理学	脊髓室管膜瘤	磁共振成像, 免疫组化	集成神经网络, Light Gradient Boosting Machine	图像, 临床数据	352名患者	NA	SegFormer, LGBMNet, Multilayer Perceptron	AUC	NA
1720	2025-12-04	Mitigating distributed denial of service attacks using attribute subset selection with temporal convolutional networks 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30137-8 PMID:41331500	研究论文	本文提出了一种基于樽海鞘群特征选择和深度学习架构的新型智能框架（IFAD-SSFSDLA），用于实时检测分布式拒绝服务攻击	结合樽海鞘群算法进行特征选择和时序卷积网络进行分类，提高了DDoS攻击检测的准确性和实时性	未明确说明模型在更复杂或新兴攻击模式下的泛化能力，以及计算资源消耗的具体分析	开发一个实时DDoS攻击检测系统，利用优化算法提升检测性能	分布式拒绝服务攻击	机器学习	NA	NA	深度学习	网络流量数据	使用了CIC-IDS-2017和Edge-IIoT两个数据集	NA	时序卷积网络	准确率	NA