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	2025-10-05	Single-sequence deep learning delivers crystal-quality models of covalent K-Ras G12 hotspot complexes 2025-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.16.676163 PMID:41000783	研究论文	本研究展示了Chai-1工具在无需多重序列比对的情况下，能够准确预测共价K-Ras(G12C)复合物的三维结构	开发了首个无需多重序列比对即可预测共价蛋白-配体复合物结构的深度学习工具，相比AlphaFold3提升40倍计算效率	在捕捉离去基团、键属性和立体化学等化学细节方面存在局限	开发高效的共价蛋白-配体复合物结构预测方法以加速药物发现	K-Ras(G12C)、K-Ras(G12D)和K-Ras(G12S)共价抑制剂复合物	计算生物学	癌症	深度学习结构预测	深度学习	蛋白质序列、配体结构	多种K-Ras(G12C)抑制剂（包括ARS-853和BBO-8520）	NA	Chai-1	口袋对齐RMSD	NA
1702	2025-10-05	Deep learning-based fine-tuning transfer improves the generalizability of tea component prediction using miniature near-infrared spectroscopy 2025-Sep-20, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146458 PMID:40997429	研究论文	本研究开发了一种基于深度学习微调的方法，用于提高微型近红外光谱预测茶叶成分的泛化能力	采用深度学习微调策略，实现了从局部模型到其他茶叶类型的准确度迁移，优于传统的传递成分分析方法	研究仅针对四种茶叶类型（绿茶、红茶、乌龙茶、黄茶），未涵盖所有茶叶品种	开发适用于不同茶叶类型的通用化预测模型，用于测定茶叶中的儿茶素和咖啡因含量	四种茶叶类型（绿茶、红茶、乌龙茶、黄茶）中的儿茶素和咖啡因成分	机器学习	NA	近红外光谱	深度学习	光谱数据	四种茶叶类型的光谱数据	NA	卷积神经网络,全连接网络	准确度	NA
1703	2025-10-05	Monitoring the ramp use of cage-free laying hens with deep learning technologies 2025-Sep-20, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105858 PMID:40997600	研究论文	开发基于深度学习的监测方法，用于监控无笼饲养蛋鸡的斜坡使用情况及其对地面蛋和巢箱产蛋量的影响	首次将YOLO目标检测模型应用于蛋鸡斜坡使用监测，为自动化家禽行为监测提供基准方法	斜坡接入未显著降低地面蛋产量，研究结果在不同周龄间存在不一致性，需要商业层架式系统数据的进一步验证	开发深度学习监测方法，评估斜坡接入对蛋鸡产蛋行为的影响	600只Lohmann LSL Lite蛋鸡	计算机视觉	NA	视频记录技术	YOLO	图像	2000张图像（训练70%，验证20%，测试10%）	NA	YOLOv5u, YOLO11, YOLO11n(nano)	精确度, 召回率, mAP@0.50	NA
1704	2025-10-05	Uncovering genetic architecture of the heart via genetic association studies of unsupervised deep learning derived endophenotypes 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676827 PMID:41000657	研究论文	开发了一种基于3D U架构自编码器的无监督深度学习框架，从心脏磁共振成像中提取图像表型用于遗传发现	首次使用掩码自编码器从心脏磁共振图像中无监督学习深度图像表型，无需临床定义表型或手动标注	仅关注长轴二腔心和四腔心视图，未包含其他心脏视图	通过无监督深度学习衍生的内表型揭示心脏遗传结构	心脏磁共振成像数据	计算机视觉	心血管疾病	心脏磁共振成像，全基因组关联分析	自编码器	3D医学图像	NA	NA	3D U-architecture autoencoder	遗传关联发现数量，基因富集分析	NA
1705	2025-10-05	De novo Design of All-atom Biomolecular Interactions with RFdiffusion3 2025-Sep-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.676967 PMID:41000976	研究论文	提出RFdiffusion3扩散模型，用于在配体、核酸等非蛋白质原子环境中生成全原子蛋白质结构	首次实现全原子水平的生物分子相互作用设计，能处理蛋白质与配体、核酸等非蛋白质成分的复杂相互作用	NA	开发能够设计全原子水平生物分子相互作用的蛋白质设计方法	蛋白质结构、配体、核酸、酶设计、DNA结合蛋白、半胱氨酸水解酶	机器学习	NA	扩散模型	扩散模型	蛋白质结构数据、原子坐标	NA	NA	RFdiffusion3	计算成本、in silico基准测试性能	NA
1706	2025-10-05	Performance evaluation and clinical application exploration of a ViT-CNN ensemble model for multiclass oral mucosal disease classification: a pilot retrospective analysis based on public datasets 2025-Sep-17, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-102741 PMID:40967645	研究论文	评估基于Vision Transformer的深度学习模型在口腔黏膜疾病分类中的性能，并探索集成模型在临床支持中的应用价值	提出ViT-CNN集成模型，测试三种集成策略（平均法、加权法、几何平均法），在口腔黏膜疾病分类中实现94.32%的准确率	基于公共数据集的回顾性分析，未来需要更大数据集的验证	评估ViT深度学习模型在口腔黏膜疾病分类中的性能并探索其临床支持价值	口腔黏膜疾病	计算机视觉	口腔黏膜疾病	深度学习	CNN, ViT	图像	基于公共数据集（具体数量未提及）	NA	EfficientNet-B0, ViT-B16	准确率, F1分数, 推理速度	NA
1707	2025-10-05	Real-time activity and fall detection using transformer-based deep learning models for elderly care applications 2025-Sep-17, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101439 PMID:40967671	研究论文	开发基于Transformer的深度学习模型用于老年人实时活动识别和跌倒检测	首次将Transformer模型应用于可穿戴传感器数据的实时活动识别和跌倒检测，通过自注意力机制捕捉全局和局部时间依赖关系	需要在边缘设备上进一步优化，并在真实世界数据集中进行验证	开发高精度、实时适用的老年人活动识别和跌倒检测系统	老年人日常活动和跌倒行为	机器学习	老年疾病	可穿戴传感器数据采集	Transformer	传感器时序数据	66名参与者的1400万条传感器记录，包含16种活动类型	NA	Transformer编码器	准确率,精确率,召回率,混淆矩阵	NA
1708	2025-10-05	HINN: Hierarchical Input Neural Network identifies multi-omics biomarker for cognitive decline 2025-Sep-17, Research square DOI:10.21203/rs.3.rs-7576397/v1 PMID:41001538	研究论文	提出一种分层输入神经网络(HINN)，通过整合多组学数据识别认知衰退的生物标志物	将已知的跨组学关系直接嵌入神经网络架构，捕捉从基因组学到表观基因组学、转录组学的信息流	NA	开发能够整合多组学数据并识别认知衰退生物标志物的深度学习框架	阿尔茨海默病或轻度认知障碍患者的血液来源多组学数据	机器学习	阿尔茨海默病	多组学整合	深度学习	多组学数据	NA	NA	分层输入神经网络(HINN)	预测性能	NA
1709	2025-10-05	A deep learning approach based on molecular graph features and residual blocks to predict interaction sites between CircRNA and RBP 2025-Sep-16, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152655 PMID:40997583	研究论文	提出基于分子图特征和残差块的深度学习框架MGFCRSites，用于预测环状RNA与RNA结合蛋白的相互作用位点	首个明确建模环状RNA化学分子结构进行结合位点预测的计算研究，通过分子图特征与残差块结构相结合	NA	预测环状RNA与RNA结合蛋白的相互作用位点	环状RNA（CircRNA）与RNA结合蛋白（RBP）	生物信息学	NA	分子图构建，图卷积网络	图卷积网络，残差网络	分子结构数据，序列数据	37个基准数据集	PyTorch	残差块，图卷积网络	AUC	NA
1710	2025-10-05	Disease-specific variant pathogenicity prediction using multimodal biomedical language models 2025-Sep-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.09.675184 PMID:41000707	研究论文	提出一种名为DIVA的新型深度学习框架，用于预测错义变异的具体疾病类型及其有害性概率	首次将蛋白质序列和疾病相关文本注释两种模态信息整合，在对比学习范式下直接预测变异与特定疾病的关联	NA	开发能够考虑疾病特异性的变异致病性预测方法，提高临床变异解释的实用性	错义变异	自然语言处理	遗传疾病	多模态生物医学语言模型	深度学习	蛋白质序列, 文本注释	NA	NA	预训练语言模型	准确性	NA
1711	2025-10-05	LUCID: Intelligent Informative Frame Selection in Otoscopy for Enhanced Diagnostic Utilitys 2025-Sep-15, Research square DOI:10.21203/rs.3.rs-7502743/v1 PMID:41001536	研究论文	提出首个用于耳镜视频中自动选择最具信息量帧的系统方法LUCID，以增强中耳疾病诊断效果	首次系统性地提出自动识别耳镜视频中最具信息量帧的方法，开发了集成鼓膜可见性分类、弱监督鼓膜分割和专用模糊检测算法的创新流程	研究基于713个视频数据，需要进一步验证在更大规模数据集上的泛化能力	开发自动选择耳镜视频中最具信息量帧的方法，提升中耳疾病AI诊断的实用性	耳镜视频中的帧图像，特别是鼓膜区域	计算机视觉	中耳疾病（如急性中耳炎）	数字耳镜检查	CNN	视频帧图像	713个耳镜视频，超过38,000张标注帧	PyTorch	ResNet-50	分类准确率	NA
1712	2025-10-05	A self-attention model for robust rigid slice-to-volume registration of functional MRI 2025-Sep-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102643 PMID:40997675	研究论文	提出一种融合自注意力机制的端到端切片-体积配准模型，用于功能磁共振成像的刚性运动校正	首次在切片-体积配准中引入自注意力机制，通过像素级评分处理输入切片的不确定性和变异性	基于模拟运动数据验证，未在真实临床运动场景中充分测试	开发鲁棒的功能磁共振成像切片-体积配准方法以校正头动伪影	功能磁共振成像的2D切片与3D参考体积	医学影像分析	脑部疾病	功能磁共振成像	深度学习, 自注意力机制	医学影像	训练集2000个3D体积-2D切片对，验证集500对，测试集200对	NA	独立切片编码器, 体积编码器, 自注意力模块	欧几里得距离, 配对t检验	NA
1713	2025-10-05	Impact of Data Quality on Deep Learning Prediction of Spatial Transcriptomics from Histology Images 2025-Sep-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.04.674228 PMID:40964396	研究论文	研究数据质量对从组织学图像预测空间转录组学的深度学习模型性能的影响	首次系统研究分子数据和图像数据质量对空间转录组学预测的影响，而非仅关注模型架构改进	插补实验的改进效果有限且无法泛化到测试集之外	探索数据质量对基于深度学习的空间基因表达预测性能的影响	空间转录组学数据和H&E染色组织学图像	数字病理学	NA	空间转录组学技术(Xenium, Visium), H&E染色	深度学习	图像, 基因表达数据	NA	NA	NA	预测性能指标	NA
1714	2025-10-05	Domain-Interactive Contrastive Learning and Prototype-Guided Self-Training for Cross-Domain Polyp Segmentation 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443262 PMID:39141465	研究论文	提出一种用于跨域息肉分割的域交互对比学习和原型引导自训练框架	提出域交互对比学习方法和原型引导的自训练策略，通过域混合原型更新和对比学习跨一致性训练解决跨域分割问题	未明确说明方法在更广泛医学图像数据上的泛化能力	提升结肠镜图像中息肉分割在跨域场景下的性能	结肠镜图像中的息肉分割	计算机视觉	结直肠癌	深度学习	编码器-解码器架构	医学图像	NA	PyTorch	基于编码器-解码器的分割网络	分割性能指标	NA
1715	2025-10-05	Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3475516 PMID:39374276	研究论文	提出一种无需配对数据的稀疏视图CT重建新方法——变分分数求解器	通过潜在扩散模型获取概率分布，采用基于分布的方法而非确定性值建模，通过寻找扩散模型固定点来提炼先验知识	未明确说明计算资源需求和模型训练时间	解决零样本稀疏视图CT重建问题，降低CT扫描辐射剂量	医学CT图像重建	医学影像处理	NA	CT扫描	扩散模型	CT图像	NA	NA	潜在扩散模型	定性评估，定量评估	NA
1716	2025-10-05	Domain Progressive Low-Dose CT Imaging Using Iterative Partial Diffusion Model 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3492260 PMID:39509314	研究论文	提出一种基于迭代部分扩散模型的领域渐进低剂量CT成像框架，解决传统深度学习方法在真实LDCT场景中的泛化性问题	提出迭代部分扩散模型(IPDM)，通过仅迭代完整扩散模型的小部分完成去噪任务，同时结合条件引导采样方法和基于像素级噪声估计的自适应权重策略	未明确说明计算时间与传统方法的具体对比数据，也未详细讨论在高分辨率训练中的具体表现	解决低剂量CT成像中的领域泛化问题，提升重建图像质量	低剂量CT图像	医学影像处理	NA	低剂量CT成像	扩散模型	CT图像	多种数据集上的广泛测试	PyTorch	迭代部分扩散模型(IPDM)	视觉评估，定量评估	NA
1717	2025-10-05	DreaMR: Diffusion-Driven Counterfactual Explanation for Functional MRI 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3507008 PMID:40030294	研究论文	提出首个基于扩散模型的fMRI反事实解释方法DreaMR，用于高保真度解释功能磁共振成像分类器	首次将扩散模型应用于fMRI反事实解释，提出分数多阶段蒸馏扩散先验和transformer架构以提升推理效率并保持保真度	未明确说明方法在更广泛神经影像数据集上的泛化能力	开发高保真度的功能磁共振成像深度学习模型解释方法	功能磁共振成像(fMRI)脑响应数据	医学影像分析	神经科学相关疾病	功能磁共振成像(fMRI)	扩散模型, Transformer	功能磁共振成像时序数据	NA	NA	Transformer	保真度, 效率	NA
1718	2025-10-05	MM-GTUNets: Unified Multi-Modal Graph Deep Learning for Brain Disorders Prediction 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3556420 PMID:40168232	研究论文	提出一种基于图Transformer的多模态图深度学习框架MM-GTUNets，用于大规模脑部疾病预测	提出模态奖励表示学习动态构建人口图，并引入自适应跨模态图学习捕获模态特定和模态共享特征	仅在ABIDE和ADHD-200两个公共数据集上验证，未在其他脑部疾病数据集上测试	开发统一的多模态图深度学习框架以提升脑部疾病预测性能	脑部疾病患者的多模态数据	图深度学习	脑部疾病	多模态数据融合	Graph Transformer, Graph UNet, 变分自编码器	影像数据, 非影像数据	ABIDE和ADHD-200两个公共数据集	PyTorch	GTUNet（结合Graph UNet和Graph Transformer）	准确率, 精确率, 召回率, F1分数	NA
1719	2025-10-05	Digital Staining With Knowledge Distillation: A Unified Framework for Unpaired and Paired-but-Misaligned Data 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565329 PMID:40310741	研究论文	提出一种基于知识蒸馏的无监督深度学习框架，用于数字细胞染色，减少对配对数据的需求	首次将知识蒸馏应用于数字染色任务，提出适用于无配对和配对但未对齐两种设置的统一框架	未提及具体的数据集规模限制和计算效率分析	开发无需大量配对数据的数字细胞染色方法	细胞图像，特别是白细胞图像	数字病理学	NA	数字染色，深度学习	生成模型，知识蒸馏	细胞图像	NA	NA	教师-学生模型，Learning to Align模块	NIQE, PSNR	NA
1720	2025-10-05	Self-Supervised Feature Learning for Cardiac Cine MR Image Reconstruction 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3570226 PMID:40408221	研究论文	提出一种自监督特征学习辅助重建框架，用于心脏电影磁共振图像重建	首次将自监督特征学习与MRI重建相结合，无需全采样图像即可学习采样不敏感特征	基于回顾性内部数据集验证，需要进一步前瞻性临床验证	解决监督学习方法在MRI重建中需要全采样图像的局限性	心脏电影磁共振图像	医学影像重建	心血管疾病	MRI	深度学习	2D心脏电影磁共振图像	91名心血管患者和38名健康受试者	NA	自监督特征提取器, 自监督重建网络	重建质量比较	NA