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
1881	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
1882	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
1883	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
1884	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
1885	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
1886	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
1887	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
1888	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
1889	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
1890	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
1891	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
1892	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
1893	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
1894	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
1895	2025-12-03	Super-resolution Reconstruction of Fetal Brain MRI with Multi-view Interpolation Weight Learning 2025-Dec-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638989 PMID:41325115	研究论文	本文提出了一种名为3D-WISE的深度学习模型，用于从多视角运动伪影的厚层扫描中重建高质量的各向同性胎儿脑部MRI图像	提出了一种创新的三维加权插值深度学习模型，通过多视角插值权重学习和多类型注意力机制引导的特征提取模块，直接学习插值权重以校正切片和体积之间的错位，避免了传统配准-重建框架的局限性	未明确说明模型对极端运动伪影或不同扫描参数的泛化能力，也未提供详细的临床验证结果	解决胎儿脑部MRI各向同性超分辨率重建中因胎儿运动和厚层扫描错位带来的挑战	胎儿脑部MRI图像	医学影像分析	胎儿脑部发育相关疾病	MRI	深度学习模型	三维医学影像	在两个基准数据集上进行实验，具体样本数量未明确说明	未明确说明，但代码已开源	3D-WISE（包含权重学习模块和特征提取模块），具体架构未详细说明	未明确说明具体评估指标，但提及性能显著提升	未明确说明
1896	2025-12-03	Unified VideoMAE Framework for Detection of Multi-Disorder ADHD and Depression 2025-Dec-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638973 PMID:41325113	研究论文	本文提出了一种基于统一VideoMAE框架的多重精神障碍（ADHD和抑郁症）检测系统	在统一框架内检测多重精神障碍（ADHD和抑郁症）；创新性地在微调过程中优化注意力掩码以优先关注与精神障碍最相关的面部特征；采用了三种不同的预训练模型微调方法	精神健康数据集可用性有限	开发自动化精神障碍诊断技术，辅助诊断和评估多种精神障碍	注意力缺陷多动障碍（ADHD）和抑郁症患者	计算机视觉	精神障碍	视频预处理、面部特征提取	视频掩码自编码器	面部视频	NA	NA	VideoMAE	准确率	NA
1897	2025-12-03	Spatial Hierarchical Protein-Protein Interaction Site Prediction Using Squeeze-and-Excitation Capsule Networks 2025-Dec-01, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3638901 PMID:41325125	研究论文	本文提出了一种名为MSE-CapsPPISP的新型深度学习模型，用于预测蛋白质-蛋白质相互作用位点，通过结合空间层次特征和多尺度特征提取来提升预测性能	设计了基于胶囊网络（Capsule Network）的模型，考虑了蛋白质序列特征的空间层次关系，并引入多尺度CNN和Squeeze-and-Excitation模块以增强特征表示	未明确提及模型在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体分析	开发一种计算方法来预测蛋白质-蛋白质相互作用位点，以补充耗时且易受噪声影响的生物实验	蛋白质序列及其相互作用位点	生物信息学	NA	深度学习	Capsule Network, CNN	蛋白质序列数据	NA	NA	MSE-CapsPPISP, 多尺度CNN, Squeeze-and-Excitation Capsule Networks	F1, MCC, AUROC, AUPR	NA
1898	2025-12-03	Single-shot multi-wavelength imaging over scattering media enabled by deep learning 2025-Dec-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.578473 PMID:41325218	研究论文	提出一种基于深度学习的单次多波长散射成像方法，通过训练光谱视觉散斑网络从多波长全息实验中恢复高保真图像	首次将深度学习扩展到多波长散射成像，通过优化网络解决相干干涉和色散效应带来的训练挑战，实现单次拍摄下的多波长图像恢复	未明确说明方法在极端散射条件或动态环境中的适用性，也未讨论计算复杂度对实时应用的影响	开发一种能够克服散射介质影响、实现单次多波长高保真成像的深度学习技术	通过多波长全息实验生成的散射介质后的多波长图像	计算机视觉	NA	多波长全息术，深度学习成像	深度神经网络	图像	三个数据集	NA	光谱视觉散斑网络	恢复保真度	NA
1899	2025-12-03	Optical encryption-transmission via computational ghost imaging and fractional OAM multiplexing 2025-Dec-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.581801 PMID:41325262	研究论文	本文提出了一种结合计算鬼成像、分数轨道角动量和深度学习的光学图像安全加密传输方案	将计算鬼成像的加密优势与分数轨道角动量的高维传输特性结合，并引入深度学习进行解密，增强了系统的安全性和实用性	NA	实现光学图像的安全加密与传输	光学图像	计算机视觉	NA	计算鬼成像, 分数轨道角动量, 深度学习	CNN	图像	NA	NA	DenseNet	NA	NA
1900	2025-12-03	Deep Learning vs Classical Methods in Potency and ADME Prediction: Insights from a Computational Blind Challenge 2025-Dec-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01982 PMID:41325513	研究论文	本文通过回顾性分析，比较了深度学习方法与经典方法在化合物效价和ADME预测中的表现，并基于2025年ASAP-Polaris-OpenADMET抗病毒挑战赛的结果提供了建模策略和经验教训	通过大规模计算盲挑战赛的统计基准测试，首次系统性地证明了深度学习在ADME预测中显著优于传统机器学习方法，同时强调了数据整理和特征增强的重要性	未整合结构引导建模，且主要基于特定挑战赛数据，可能限制了结果的普适性	评估深度学习方法与经典方法在化合物效价和ADME预测中的性能差异，并为计算药物发现领域提供建模指导	化合物效价（如pIC50）和ADME（吸收、分布、代谢、排泄）特性	机器学习	NA	NA	深度学习算法, 传统机器学习	化合物数据	NA	NA	NA	Pearson相关系数	NA