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
1741	2025-12-03	Advancing Optical Coherence Tomography Diagnostic Capabilities: Machine Learning Approaches to Detect Autoimmune Inflammatory Diseases 2025-12-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002322 PMID:39910704	研究论文	本研究利用机器学习方法分析光学相干断层扫描（OCT）图像，以区分自身免疫性炎症疾病、其他眼病及健康对照	首次应用支持向量机（SVM）模型基于OCT测量的pRNFL、GCIPL和INL层厚度，区分多种自身免疫性炎症疾病（如NMOSD、MOGAD、MS）及其他眼病与健康对照	样本量相对有限，特别是其他眼病组（n=16）；MS与NMOSD比较的准确率较低（0.53），模型泛化能力需进一步验证	评估机器学习分析OCT测量数据以区分不同自身免疫性炎症疾病、其他眼病及健康对照的可行性	来自Mangalore脱髓鞘疾病登记库的MS（99例患者）、NMOSD（40例）、MOGAD（74例）、其他眼病（16例）及健康对照（54例）的眼部OCT图像	机器学习	自身免疫性炎症疾病	光学相干断层扫描（OCT）	SVM	图像	MS（99例患者）、NMOSD（40例）、MOGAD（74例）、其他眼病（16例）、健康对照（54例）	NA	支持向量机（SVM）	准确率, AUROC	NA
1742	2025-12-03	DSMR: Dual-Stream Networks with Refinement Module for Unsupervised Multi-modal Image Registration 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00707-5 PMID:40252168	研究论文	提出一种新颖的无监督双流多模态图像配准框架DSMR，结合双流配准网络与细化模块，以提升多模态医学图像配准性能	首次提出结合双流配准网络与细化模块的无监督多模态配准框架，利用移动图像、固定图像和转换图像生成两个形变场，并通过伪真值细化机制缓解翻译网络引入的人工特征问题	未明确讨论算法对极端模态差异或噪声数据的鲁棒性，也未与其他最新无监督多模态配准方法进行系统性比较	解决无监督多模态医学图像配准中因缺乏显式参考关系而导致的挑战	多模态医学图像（如不同成像设备获取的医学影像）	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	双流网络	配准误差	NA
1743	2025-12-03	Semantic Consistency Network with Edge Learner and Connectivity Enhancer for Cervical Tumor Segmentation from Histopathology Images 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00691-w PMID:40268829	研究论文	提出一种用于宫颈肿瘤组织病理学图像分割的端到端语义一致性网络ERNet，包含边缘学习器和连通性增强器	提出结合边缘学习器和连通性增强器的语义一致性网络，通过自适应耦合边缘特征与像素级特征，并利用肿瘤分类任务优化分割结果	未明确说明模型在更大规模数据集上的泛化能力，且仅额外在喉部肿瘤图像上进行了泛化实验	提高宫颈肿瘤组织病理学图像分割的准确性和边缘相似度	宫颈肿瘤组织病理学图像	数字病理学	宫颈癌	组织病理学成像	CNN	图像	NA	NA	ERNet（包含堆叠的浅层卷积神经网络）	结构相似性，平均交并比	NA
1744	2025-12-03	WDGBANDTI: A Deep Graph Convolutional Network-Based Bilinear Attention Network for Drug-Target Interaction Prediction with Domain Adaptation 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00714-6 PMID:40410523	研究论文	本文提出了一种基于深度图卷积网络和双线性注意力网络的药物-靶点相互作用预测框架WDGBANDTI，用于在子结构层面分析并预测药物-靶点相互作用	通过结合深度图卷积网络和双线性注意力网络，在子结构层面进行药物-靶点相互作用预测，并利用双线性注意力网络增强模型的可解释性，识别影响相互作用的关键子结构	未明确提及具体局限性	预测药物-靶点相互作用，以支持新药开发和副作用机制分析	药物和靶点分子	机器学习	NA	深度学习	深度图卷积网络, 双线性注意力网络	分子图数据	多个常用且覆盖广泛的公开数据集	NA	Deep-GCN, BAN	准确率, 灵敏度, 特异性	NA
1745	2025-12-03	A Multi-modal Drug Target Affinity Prediction Based on Graph Features and Pre-trained Sequence Embeddings 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00713-7 PMID:40455402	研究论文	本文提出了一种名为MGSDTA的多模态药物-靶点亲和力预测方法，整合了药物分子和靶蛋白的图特征与序列特征	首次将药物分子图和靶蛋白图的特征与基于自监督预训练模型生成的序列嵌入相结合，通过加权融合模块进行多模态DTA预测	未在摘要中明确提及	开发一种准确的计算方法来预测药物-靶点亲和力，以减少生化实验并快速筛选潜在可药物化合物	药物分子和靶蛋白	机器学习	NA	自监督预训练模型	深度学习模型	图数据, 序列数据	NA	NA	MGSDTA	NA	NA
1746	2025-12-03	Enhancing the Feature Representation of Protein Sequence Descriptors in Protein-Protein Interaction Prediction 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00723-5 PMID:40457163	研究论文	本研究开发了基于六种已知蛋白质序列描述符的新描述符，以增强蛋白质序列在蛋白质-蛋白质相互作用预测中的特征表示能力	提出改进空间相关性以更好捕获序列相似性的新描述符，并开发了包含51种特征向量的灵活Python软件包ProtSeqDesc	NA	提高蛋白质序列描述符在蛋白质-蛋白质相互作用预测中的特征表示质量	蛋白质序列数据	生物信息学	NA	机器学习, 深度学习	NA	序列数据	NA	Python	NA	NA	NA
1747	2025-12-03	Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging 2025-Dec, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2510587 PMID:40459922	研究论文	本研究开发了一种基于深度学习模型，利用眼眶CT图像准确区分甲状腺眼病和眼眶肌炎的诊断方法	首次采用深度学习模型基于单张冠状位眼眶CT图像实现甲状腺眼病与眼眶肌炎的高精度鉴别诊断，并发现模型能够识别除眼外肌增大外的其他显著特征	回顾性单中心研究，样本量有限（192例患者），未进行外部验证	开发能够准确区分甲状腺眼病和眼眶肌炎的自动化诊断工具	甲状腺眼病患者、眼眶肌炎患者及正常对照者的眼眶CT图像	计算机视觉	甲状腺眼病	眼眶计算机断层扫描	CNN	图像	192例患者（110例甲状腺眼病、51例眼眶肌炎、31例对照）的1628张图像	NA	VGG-16	准确率, AUC, 灵敏度, 特异性, F1分数	NA
1748	2025-12-03	MOPSOGAT: Predicting CircRNA-Disease Associations via Improved Multi-objective Particle Swarm Optimization and Graph Attention Network 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00725-3 PMID:40514639	研究论文	本文提出了一种名为MOPSOGAT的新方法，通过改进的多目标粒子群优化算法和图注意力网络预测circRNA与疾病之间的关联	首次将多目标粒子群优化算法应用于图注意力网络的参数优化，以解决深度学习模型中参数调优的挑战，并针对异质图中节点类型分布不均的问题提出了改进策略	未明确说明模型在处理大规模数据集时的计算效率或泛化能力的具体限制	预测circRNA与疾病之间的关联，以支持生物医学研究	circRNA和疾病	机器学习	NA	深度学习, 多目标优化	图注意力网络	图数据, 序列数据	NA	NA	图注意力网络	NA	NA
1749	2025-12-03	iALP: Identification of Allergenic Proteins Based on Large Language Model and Gate Linear Unit 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00734-2 PMID:40652417	研究论文	本文提出了一种基于大型语言模型ProtT5和门控线性单元(GLU)的新型方法iALP，用于高效识别过敏原蛋白	首次结合大型语言模型ProtT5和门控线性单元(GLU)来捕捉过敏原蛋白的复杂特征，提高了识别准确率	未详细讨论模型在特定蛋白质家族或结构类型上的性能差异，也未涉及模型在临床实际应用中的验证	开发一种高效准确的过敏原蛋白识别方法，以支持过敏症状预防和治疗策略的实施	过敏原蛋白(ALPs)	自然语言处理	过敏性疾病	蛋白质序列分析	大型语言模型,门控线性单元	蛋白质序列	NA	NA	ProtT5,GLU	准确率,F1分数	NA
1750	2025-12-03	DNA Methylation Recognition Using Hybrid Deep Learning with Dual Nucleotide Visualization Fusion Feature Encoding 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00737-z PMID:40670806	研究论文	本文提出了一种名为DeepDNA-DNVFF的新型高效DNA甲基化预测方法，通过改进和整合二维DNA可视化技术，开发了双核苷酸视觉融合特征编码（DNVFF）方法，并结合CNN、BiLSTM和注意力机制的混合深度学习模型来提升预测性能	提出了一种新的双核苷酸视觉融合特征编码（DNVFF）方法，改进了传统特征编码，能更有效地从DNA序列中提取潜在特征信息；并设计了一个结合CNN、BiLSTM和注意力机制的混合深度学习模型，增强了模型捕捉长距离依赖的能力	未在摘要中明确提及	开发一种稳健的通用预测器，用于预测DNA甲基化位点，以帮助理解基因调控机制和识别潜在的疾病生物标志物	DNA序列及其甲基化位点	机器学习	NA	DNA甲基化预测	CNN, BiLSTM, 注意力机制	DNA序列数据	涉及17个物种的数据集	NA	CNN, BiLSTM	马修斯相关系数（Matthews correlation coefficient）	NA
1751	2025-12-03	Prediction of Epilepsy Seizure Based on Cepstrum Analysis and Deep Learning 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00741-3 PMID:40670805	研究论文	本文提出了一种基于梅尔频率倒谱系数和线性预测编码倒谱系数处理脑电图信号，并结合卷积神经网络与长短期记忆网络提取特征的癫痫发作预测模型	通过将脑电图信号转换至梅尔频率域以突出癫痫相关频率特征，并整合CNN和LSTM网络来适应非平稳信号，从而提升预测准确性和稳定性	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体分析	开发一种能够适应非平稳脑电图信号的癫痫发作预测方法，以提高预测的准确性和稳定性	癫痫患者的脑电图信号	机器学习	癫痫	梅尔频率倒谱系数分析，线性预测编码倒谱系数分析	CNN, LSTM	脑电图信号	使用公开的CHB-MIT癫痫脑电图数据集，具体样本数量未明确说明	未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架	未指定具体架构，但结合了CNN和LSTM	准确率，灵敏度，特异性	未明确说明
1752	2025-12-03	Automated Assessment of Test of Masticating and Swallowing Solids Using a Neck-Worn Electronic Stethoscope: A Pilot Study 2025-Dec, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70030 PMID:40751301	研究论文	本研究探索使用颈部佩戴电子听诊器（NWES）半自动化评估固体咀嚼和吞咽测试（TOMASS）参数，并分析年龄和性别的影响	首次将颈部佩戴电子听诊器与深度学习技术结合，实现TOMASS参数的客观自动化测量，克服了传统方法依赖操作员的主观局限性	研究样本仅包括健康成年人，未涵盖吞咽困难或咀嚼功能障碍的多样化人群，且为初步研究，需要进一步验证和扩展	开发一种客观、高效的自动化工具来评估咀嚼和吞咽功能，并探究年龄和性别对TOMASS参数的影响	123名健康成年人（平均年龄58.7岁）	数字病理学	老年疾病	深度学习分析	NA	音频数据, 视觉数据	123名健康成年人	NA	NA	NA	NA
1753	2025-12-03	Hot Topics: Exploring Artificial Intelligence and Inflammatory Memory in the Management of Psoriatic Diseases 2025-Dec-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0241 PMID:40763946	综述	本文总结了GRAPPA 2024年会中关于人工智能在银屑病疾病管理中的应用以及炎症记忆驱动疾病复发机制的热点话题讨论	探讨了人工智能技术与炎症记忆生物学机制在银屑病管理中的交叉融合，提出了整合技术进步与生物学理解的新研究方向	基于会议讨论的综述性内容，缺乏原始研究数据和具体实验验证	探索人工智能在银屑病疾病管理中的应用潜力，并阐明炎症记忆在疾病复发中的机制	银屑病及银屑病关节炎患者	数字病理学	银屑病	深度学习	CNN	医学图像	NA	NA	卷积神经网络	诊断准确性、疾病严重程度评估、治疗反应预测	NA
1754	2025-12-03	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-Dec-01, Genes & development IF:7.5Q1 DOI:10.1101/gad.352889.125 PMID:40883017	研究论文	本研究通过单细胞多组学分析和深度学习模型，揭示了转录因子MEF2C在早期心脏管形态发生中调控节段特异性基因调控网络的作用	首次整合单核RNA测序和ATAC测序数据，结合深度学习模型构建心脏流出道、心室和流入道的发育轨迹，并发现MEF2C缺失导致心脏后部化基因特征	研究主要基于斑马鱼胚胎模型，结果在哺乳动物中的普适性需进一步验证；深度学习模型对数据质量和规模有一定依赖	解析早期心脏形成过程中谱系特异性基因调控网络，特别是MEF2C转录因子的调控机制	野生型和MEF2C缺失型斑马鱼胚胎的心脏组织	计算生物学	先天性心脏病	单核RNA测序, ATAC测序, 深度学习建模	深度学习模型	单细胞转录组数据, 染色质可及性数据	野生型和MEF2C缺失型斑马鱼胚胎的时间序列样本	NA	NA	NA	NA
1755	2025-12-03	Deep learning methods and applications in single-cell multimodal data integration 2025-Dec-01, Molecular omics IF:3.0Q3 DOI:10.1039/d5mo00062a PMID:40929038	综述	本文综述了深度学习在单细胞多模态数据整合中的方法与应用	探讨了利用变分自编码器（VAEs）和图神经网络（GNNs）等深度学习框架解决单细胞多组学数据整合中的批次效应、稀疏性和模态对齐等挑战	模型可解释性、可扩展性以及跨数据集泛化能力仍面临挑战	整合单细胞多模态组学数据以解析细胞异质性和基因调控机制	单细胞多组学数据	机器学习	NA	单细胞技术	VAE, GNN	单细胞多组学数据	NA	NA	变分自编码器, 图神经网络	NA	NA
1756	2025-12-03	CT-based radiomics deep learning signatures for noninvasive prediction of early recurrence after radical surgery in locally advanced colorectal cancer: A multicenter study 2025-Dec, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110482 PMID:41014758	研究论文	本研究开发并验证了一种基于CT影像和临床实验室参数的联合模型，用于无创预测局部晚期结直肠癌患者根治术后的早期复发	结合了CT影像的放射组学和深度学习特征与临床实验室参数，构建了术前预测模型，并在多中心外部数据集上验证其优于传统病理和TNM分期模型	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	优化局部晚期结直肠癌患者的治疗策略，通过术前无创预测早期复发以减少不必要的药物毒性	局部晚期结直肠癌患者	数字病理学	结直肠癌	CT成像, RNA测序	机器学习, 深度学习	CT图像, 临床实验室参数, RNA测序数据	560名经病理证实的局部晚期结直肠癌患者，来自三个中心（2018年7月至2022年3月）及GEO数据集	NA	NA	AUC	NA
1757	2025-12-03	MOFNet: a deep learning framework for multi-omics data fusion in cancer subtype classification 2025-Dec-01, Molecular omics IF:3.0Q3 DOI:10.1039/d5mo00221d PMID:41031935	研究论文	本文提出了一种名为MOFNet的新型深度学习框架，用于多组学数据融合以进行癌症亚型分类	引入了相似性图池化模块和视图相关性发现网络，有效建模跨组学相关性并提高可解释性	仅使用了TCGA数据集中的三种癌症类型，可能未涵盖所有癌症亚型的复杂性	开发一个可扩展且可解释的多组学数据融合框架，用于癌症亚型分类	乳腺癌、低级别胶质瘤和胃腺癌	机器学习	癌症	mRNA表达、DNA甲基化、miRNA表达	深度学习	多组学数据	TCGA数据集中的三种癌症类型样本	NA	MOFNet	准确率, 加权F1分数, 宏F1分数	NA
1758	2025-12-03	DeepSaltPro: Enhancing halophilic protein prediction accuracy and efficiency via multi-protein language model integration 2025-Dec, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.148947 PMID:41232885	研究论文	本研究提出了一种名为DeepSaltPro的深度学习框架，用于准确高效地预测嗜盐蛋白	通过整合两种预训练蛋白质语言模型（Ankh和ESM-2）的特征，结合CNN和BiGRU处理序列依赖，并首次在蛋白质预测任务中引入Kolmogorov-Arnold Network（KAN）以增强模型的表示能力和可解释性	未明确说明模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算资源消耗的具体细节	开发一种高效的计算方法来准确识别嗜盐蛋白，以理解其功能机制并促进工业与生物技术应用	嗜盐蛋白	自然语言处理	NA	蛋白质语言模型	CNN, BiGRU, KAN	蛋白质序列	未明确说明	未明确说明	CNN, BiGRU, KAN	准确率	未明确说明
1759	2025-12-03	The association between enlarged perivascular spaces and muscle sympathetic nerve activity in normotensive and hypertensive humans 2025-Dec, Clinical autonomic research : official journal of the Clinical Autonomic Research Society IF:3.9Q2 DOI:10.1007/s10286-025-01160-6 PMID:41075070	研究论文	本研究探讨了扩大血管周围间隙与肌肉交感神经活动在正常血压和高血压人群中的关联	首次使用深度学习算法（nnU-Net）分析脑部MRI图像中的ePVS，并直接测量MSNA，揭示了ePVS与交感神经活动在不同脑区的关联，特别是在高血压患者中观察到中脑ePVS簇与MSNA的特异性关联	样本量相对较小（25名高血压患者和50名健康正常血压成人），研究为横断面设计，无法确定因果关系，且仅使用T1加权MRI图像	评估扩大血管周围间隙是否与肌肉交感神经活动相关，并探索ePVS作为交感神经活动神经影像生物标志物的潜力	25名高血压患者和50名健康正常血压成人	数字病理学	心血管疾病	T1加权MRI，肌肉交感神经活动记录	深度学习	图像	75名参与者（25名高血压患者和50名健康正常血压成人）	nnU-Net	nnU-Net	NA	NA
1760	2025-12-03	MFFBi-Unet: Merging Dynamic Sparse Attention and Multi-scale Feature Fusion for Medical Image Segmentation 2025-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00740-4 PMID:40730736	研究论文	提出一种名为MFFBi-Unet的新型医学图像分割架构，结合动态稀疏注意力和多尺度特征融合	引入基于双层路由的动态稀疏注意力机制，实现上下文感知的计算分配，并在跳跃连接中集成新颖的多尺度特征融合模块	未明确说明计算复杂度或内存需求的具体降低程度，也未提及模型在更广泛数据集或临床环境中的泛化能力	改进医学图像分割的准确性和效率	医学图像分割任务	计算机视觉	NA	深度学习	Transformer, U-Net	医学图像	多个公共医学基准数据集	NA	MFFBi-Unet, BiFormer	Dice分数	NA