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
1721	2025-12-17	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2025-Dec-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	本研究通过结合深度学习的虚拟筛选方法，发现了基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	在虚拟筛选中引入深度神经网络模型，提高了21%的命中识别效率，并揭示了THIQ衍生物通过变构机制抑制SARS-CoV-2解旋酶的新作用位点	研究仍处于早期阶段，化合物需进一步优化和体内验证	开发针对SARS-CoV-2解旋酶的新型抗病毒药物	SARS-CoV-2解旋酶（Nsp13）及其抑制剂	药物发现	COVID-19	虚拟筛选、分子动力学模拟	深度神经网络	化学分子结构数据	18个THIQ衍生物	NA	深度神经网络	命中识别效率、选择性指数（CC/EC）、抗病毒活性（EC值）	NA
1722	2025-12-17	Deep learning-enhanced digital-BGO versus TOF PET/CT: comparative assessment of detection, quantitation, and overall image quality 2025-Dec-16, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00814-8 PMID:41400899	研究论文	本研究评估了采用深度学习算法增强的数字BGO PET/CT系统（OMNI6R）与TOF PET/CT系统（DMI5R）在病灶检测灵敏度、定量分析和整体图像质量方面的性能比较	首次将深度学习算法（Precision Deep Learning, PDL）应用于数字BGO PET/CT系统，模拟TOF增强效果，并在减少采集时间和活度的情况下实现非劣效性能	样本量较小（30例患者），仅使用[18F]-FDG示踪剂，未评估其他病理类型或示踪剂	比较深度学习增强的数字BGO PET/CT与TOF PET/CT系统的诊断性能	PET/CT系统（OMNI6R与DMI5R）、合成病灶（ISL）、临床图像质量指标	医学影像分析	NA	PET/CT成像、深度学习图像重建	深度学习算法	医学影像（PET/CT图像）	30例患者，150个插入合成病灶	NA	Precision Deep Learning (PDL)	真阳性率、恢复系数（SUVmean, SUVmax）、5点Likert量表评分	NA
1723	2025-12-17	Deep Learning-Driven Innovations in Echocardiography: Taxonomy, Clinical Impact, Challenges, and Opportunities 2025-Dec-16, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03944-3 PMID:41400904	综述	本文全面分析了深度学习在超声心动图领域的应用，重点关注其临床影响、挑战和发展机遇	提供了深度学习在超声心动图中应用的系统分类，并强调了其在心血管疾病自动诊断和监测中的变革性影响，同时指出了未充分探索的挑战和潜在解决方案	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析	分析深度学习如何重塑超声心动图领域，并探讨其临床影响、挑战和未来机会	超声心动图图像数据及相关深度学习研究	计算机视觉	心血管疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
1724	2025-12-17	Deep learning predicts microsatellite instability status in colorectal carcinoma in an ethnically heterogeneous population in South Africa 2025-Dec-15, Journal of clinical pathology IF:2.5Q2 DOI:10.1136/jcp-2025-210053 PMID:40393786	研究论文	本研究评估了基于深度学习的模型在南非多民族结直肠癌患者队列中预测微卫星不稳定状态的性能	首次在非洲多民族人群中验证了基于Transformer的深度学习模型对结直肠癌错配修复缺陷的预测能力，并进行了区域特异性校准	样本量相对较小（197例），且假阴性病例主要位于左侧结肠，缺乏典型的dMMR/MSI-H组织学表型	评估深度学习模型在资源有限环境中作为结直肠癌错配修复缺陷预筛查工具的可行性和准确性	南非多民族结直肠癌患者的切除标本	数字病理学	结直肠癌	全玻片图像扫描	深度学习	图像	197例结直肠癌切除标本	未明确说明	Transformer	AUROC, 敏感性, 特异性, Youden's J指数	NA
1725	2025-12-17	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2025-Dec-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	本文提出了一种名为SSIF-affinity的多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地结合了结合界面定位、几何约束区域构建、结构引导的跨模态注意力机制，以及全序列特征的卷积和长短期记忆网络融合，有效平衡界面相互作用和远程相互作用的贡献	NA	定量预测蛋白质-蛋白质相互作用的结合亲和力，以解析生物机制并推动治疗性抗体开发	蛋白质-蛋白质复合物，特别是抗体-抗原复合物	机器学习	NA	深度学习	CNN, LSTM, MLP	序列数据, 结构数据	NA	NA	卷积神经网络, 长短期记忆网络, 多层感知机	NA	NA
1726	2025-12-17	Towards Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations 2025-Dec-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644692 PMID:41396745	研究论文	本研究提出了一种结合低层声学特征与语音基础模型表示的新型深度学习框架VOQANet及VOQANet+，用于客观、鲁棒地评估病理嗓音	首次将自监督语音基础模型嵌入与低层声学描述符（抖动、振幅微扰、谐噪比）相结合，并在句子级别语音上进行评估，增强了模型在真实场景和远程医疗应用中的鲁棒性	未明确说明模型在跨语言或不同病理类型间的泛化能力，也未详细讨论计算复杂度	开发一种客观、准确的病理嗓音质量评估方法，以减少传统主观评估方法中评估者间的变异性	病理嗓音（声音障碍）	自然语言处理	NA	语音信号处理，深度学习	深度学习框架（基于注意力机制）	语音数据（元音级别和句子级别）	NA	NA	VOQANet, VOQANet+	均方根误差, 皮尔逊相关系数	NA
1727	2025-12-17	Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis 2025-Dec-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643602 PMID:41396749	研究论文	本文提出了一种用于资源受限边缘设备上癫痫诊断的内存高效内在门控适应框架（MEIGA）	提出MEIGA框架，通过轻量级适配器网络和直接反馈对齐（DFA）技术，在低内存和计算开销下有效适应患者特异性生物标志物的会话间变异性	未明确说明模型在不同癫痫亚型或更广泛临床环境中的泛化能力，以及长期部署的稳定性验证	增强资源受限边缘设备上癫痫诊断的实用性和适应性	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	脑电图（EEG）	Vision Transformer, 适配器网络	时序信号（EEG）	CHB-MIT癫痫数据集和AES数据集（具体样本数未在摘要中提供）	未明确指定	Vision Transformer	准确率	边缘设备（资源受限环境）
1728	2025-12-17	DriverMONI: Cancer Driver Gene Prediction with Multimodal Deep Learning Integrating Multiomics Data and Condition-specific Network Information 2025-Dec-15, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643887 PMID:41396756	研究论文	提出了一种名为DriverMONI的多模态深度学习方法，用于整合多组学数据和条件特异性网络信息以预测癌症驱动基因	利用条件特异性蛋白质相互作用子网络生成图注意力网络的输入图和节点属性，使模型具有条件特异性并提高预测准确性，同时通过多模态方法缓解蛋白质相互作用网络的不完整性问题	未明确说明模型在独立验证集上的泛化性能或对罕见癌症类型的适用性	开发一种更准确的癌症驱动基因预测方法	癌症驱动基因	机器学习	癌症	多组学数据整合	图注意力网络	多组学数据、生物网络	使用癌症基因组图谱数据，具体样本量未明确说明	NA	图注意力网络	预测准确性	NA
1729	2025-12-17	DeepNhKcr: Explainable Deep Learning Framework for the Prediction of Crotonylation Sites of Non-histone Lysine in Plants Based on Pre-trained Protein Language Model 2025-Dec-15, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643930 PMID:41396754	研究论文	本文提出了一种名为DeepNhKcr的可解释深度学习框架，用于预测植物非组蛋白赖氨酸的巴豆酰化位点	首次将预训练蛋白质语言模型（ESM2）与双向长短期记忆网络（BiLSTM）相结合，并引入焦点损失函数处理数据不平衡问题，同时融合传统蛋白质编码策略进行特征提取与整合	未明确说明模型在跨物种或其他类型蛋白质上的泛化能力，也未讨论计算资源需求对实际应用的影响	开发一种快速准确预测植物非组蛋白赖氨酸巴豆酰化位点的计算方法	植物非组蛋白中的赖氨酸巴豆酰化位点	生物信息学	NA	蛋白质语言模型，深度学习	BiLSTM	蛋白质序列数据	NA	PyTorch（基于ESM2推断）	ESM2, BiLSTM	准确率，五折交叉验证，独立测试性能	NA
1730	2025-12-17	PiperNet: a hybrid deep learning approach for monitoring papaya seed adulteration in black pepper using hyperspectral imaging 2025-Dec-15, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment DOI:10.1080/19440049.2025.2598389 PMID:41397220	研究论文	本研究提出了一种结合高光谱成像与深度学习的混合框架，用于检测黑胡椒中掺杂的木瓜籽	提出了一种新颖的混合深度学习模型PiperNet，该模型将2D CNN、Squeeze-and-Excitation模块和双向门控循环单元层集成在一起，以联合捕获空间纹理、强调信息丰富的光谱通道并建模序列波长依赖性	未在更广泛或更复杂的掺杂物类型上进行测试，也未讨论模型在实时或大规模工业应用中的计算效率	开发一种非破坏性、自动化的香料认证方法，以支持食品质量保证、法规遵从和消费者保护	黑胡椒及其掺杂物（干燥木瓜籽）	计算机视觉	NA	高光谱成像	CNN, Bi-GRU	高光谱图像	600个样本，分为纯黑胡椒、纯木瓜籽和掺假混合物三类	NA	PiperNet（集成SE模块和Bi-GRU层的2D CNN）	分类准确率	NA
1731	2025-12-17	A Comparative Study on Signal Decomposition Techniques for Stimulated Raman Photoacoustic Microscopy 2025-Dec-15, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500388 PMID:41397816	研究论文	本文比较了基于受激拉曼光谱的多光谱光声显微镜系统中四种信号分解技术的性能	首次在受激拉曼光声显微镜系统中系统比较了包括深度学习在内的多种信号分解方法	方法性能在较长时延下表现出较大变异性，且仅在小鼠脑部数据上测试	评估不同信号分解技术在光声显微镜中的效果，以优化氧饱和度估计	小鼠脑部产生的光声信号	生物医学成像	NA	受激拉曼光谱，多光谱光声显微镜	CNN, 自编码器	光声信号	从小鼠脑部获取的数据	NA	卷积神经网络与自编码器结合架构	准确度	NA
1732	2025-12-17	Comparative Analysis of AI-based Quantification vs. Visual Rating of Enlarged Perivascular Spaces in the MESA Cohort 2025-Dec-15, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9129 PMID:41397892	研究论文	本研究比较了视觉评分与基于AI的量化方法在评估脑部MRI中扩大的血管周围空间（PVS）与血管风险因素及认知表现关联性的效果	首次在MESA队列中系统比较了传统视觉评分与全自动深度学习算法在PVS量化上的差异，并发现AI方法能检测出更多与血管风险因素和认知功能的关联	横断面研究设计无法确定因果关系，样本量相对有限（235名参与者），且仅基于单一队列数据	比较AI量化与视觉评分在识别PVS与血管风险因素及认知表现关联性方面的差异	235名来自多民族动脉粥样硬化研究（MESA）的参与者，均接受了脑部MRI检查	数字病理学	心血管疾病	脑部MRI，流体衰减反转恢复序列	深度学习算法	图像	235名参与者	NA	NA	β系数，置信区间	NA
1733	2025-12-17	Deep learning accelerates discovery of complex nanomaterials 2025-Dec-15, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00918-2 PMID:41398083	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1734	2025-12-17	Development and validation of a deep learning-based automatic segmentation and classification of cerebral white matter hyperintensities 2025-Dec-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12174-z PMID:41398110	研究论文	本研究开发并验证了一种基于深度学习的、用于认知障碍患者脑白质高信号自动分割与分类的模型	采用多任务多实例学习框架，实现了脑白质高信号的同时自动分割与分类，并利用Fazekas量表进行严重程度评估	模型在外部数据集上的分类准确率（0.68-0.75）低于内部数据集，表明可能存在泛化性挑战；研究为回顾性设计	开发并验证一种能够自动分割和分类脑白质高信号的深度学习模型，以支持脑小血管病的量化评估	认知障碍患者的脑部磁共振图像	医学影像分析	脑小血管病	磁共振成像	深度学习	图像	内部数据集：分割模型训练448例、调优149例、测试149例；分类模型训练1186例、调优394例、测试394例；外部测试集100例	NA	UNet with Resnet-34 encoder	Dice分数, 准确率	NA
1735	2025-12-17	Comprehensive discovery of m6A sites in the human transcriptome at single-molecule resolution 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67417-w PMID:41398146	研究论文	本研究开发了一个基于纳米孔测序的深度学习框架DeepRM，用于在单分子分辨率下全面发现人类转录组中的m6A位点	构建了规模空前、质量极高的训练数据集（比以往数据集大三个数量级），并实现了近乎完美的m6A位点检测和修饰化学计量测量精度	未明确说明模型在其他RNA修饰类型或生物体中的泛化能力的具体验证结果	开发高精度RNA修饰检测方法，构建人类m6A修饰图谱	人类转录组中的RNA修饰（特别是m6A）位点	机器学习	NA	纳米孔测序	深度学习	测序数据	大规模数据集（具体数量未明确说明）	未明确说明	未明确说明	准确度	NA
1736	2025-12-17	Multicenter study on the versatility and adoption of AI-driven automated radiotherapy planning across cancer types 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67581-z PMID:41398177	研究论文	本研究提出了一种结合深度学习剂量预测与临床目标引导逆向优化的混合策略，用于在五分钟内生成可直接执行的放疗计划，并在多中心、多癌种中验证其有效性和临床接受度	提出了一种混合策略，将深度学习剂量预测与临床目标引导的逆向优化相结合，以快速生成个性化、可直接执行的放疗计划，并在多中心、多癌种中验证了其临床适用性	研究为回顾性测试，且深度学习模型基于单一机构数据训练，可能在不同机构间的泛化能力存在局限	开发并验证一种高效、自动化且个性化的放疗计划生成方法，以提升放疗工作流程效率并减少计划质量差异	针对五种不同疾病部位的放疗计划	数字病理	多种癌症	深度学习，逆向优化	深度学习模型	放疗剂量数据，临床目标数据	250个自动生成的放疗计划	NA	NA	临床标准符合率，计划偏好率，剂量学分析	NA
1737	2025-12-17	Air quality prediction using multi-source remote sensing data integration with hybrid deep learning framework 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32466-0 PMID:41398224	研究论文	本文提出了一种结合LSTM和CNN的混合深度学习框架，利用多源遥感数据预测空气质量	提出了一种新颖的多模态注意力时空网络（MAST-Net），整合卫星图像、气象变量和地面观测数据，并引入了动态特征选择策略和不确定性量化以提高可靠性	NA	空气质量预测，以支持城市环境管理和实时空气质量控制系统	PM2.5、PM10、NO₂和O₃的浓度	机器学习	NA	多源遥感数据集成	LSTM, CNN	卫星图像、气象变量、地面观测数据	NA	NA	MAST-Net	RMSE, 相关系数	NA
1738	2025-12-17	Deep learning based thyroid prediction with opposition learning based red panda optimization feature selection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32801-5 PMID:41398443	研究论文	本研究提出了一种基于深度学习的甲状腺预测新方法，结合了级联自编码器特征提取、改进的红熊猫优化特征选择和增强Transformer模型	提出了基于对立学习的红熊猫优化算法进行特征选择，并构建了级联自编码器-简单循环模型与增强Transformer模型结合的混合架构	未提及模型在不同人群或临床环境中的泛化能力验证，也未说明计算复杂度分析	开发高精度的甲状腺疾病预测模型	甲状腺疾病患者数据	机器学习	甲状腺疾病	深度学习	自编码器, Transformer	医疗数据	三个公开数据集（未说明具体样本量）	NA	级联自编码器, 简单循环模型, 增强Transformer	准确率, 特异性, 敏感性, F分数, 阳性预测值, 阴性预测值, 错误率	NA
1739	2025-12-17	"Enhancing early detection of oral cancer: a comparative study of artificial intelligence models and clinical specialist in lesion classification" 2025-Dec-15, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15334-y PMID:41398657	研究论文	本研究通过比较人工智能模型与临床专家在口腔病变分类中的表现，探索AI在口腔癌早期检测中的应用	首次系统比较了多种预训练深度学习模型在口腔癌病变分类中的性能，并证明AI模型可超越经验丰富的口腔专家诊断准确率	研究样本量相对有限（518张图像），且数据来源于单一医疗机构，可能影响模型的泛化能力	评估人工智能模型在口腔癌早期检测中的效能，并比较其与临床专家的诊断准确性	口腔内临床图像中的恶性与良性病变	计算机视觉	口腔癌	深度学习图像分析	CNN	图像	518张口腔内临床图像（104张恶性病变，414张良性或正常组织）	NA	DenseNet-121, EfficientNet-B0, ResNet-50	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数, AUC	NA
1740	2025-12-17	Enhancing breast cancer diagnosis: non-invasive prediction of MKI-67 (Ki67) expression using ultrasound images 2025-Dec-15, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15443-8 PMID:41398654	研究论文	本研究探索利用术前超声图像异质性非侵入性预测乳腺癌中MKI-67 (Ki67)表达状态	通过结合栖息地亚区、全局肿瘤、实验室和深度学习特征，综合多维度信息预测Ki67表达状态	复合模型在与某些组合模型比较时未显示出显著优势	非侵入性预测乳腺癌Ki67表达状态	乳腺癌患者	数字病理学	乳腺癌	超声成像	CNN, 机器学习	图像, 实验室数据	432名患者（训练集）和109名患者（测试集）	PyTorch, Scikit-learn	Swin-unet, ResNet-101	准确率, AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA