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
19341	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
19342	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
19343	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
19344	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
19345	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
19346	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
19347	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
19348	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
19349	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
19350	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
19351	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
19352	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
19353	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
19354	2025-12-03	A scalable equivariant graph network framework for precise protein function prediction 2025-Nov-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03886-y PMID:41318581	研究论文	提出一个名为ENGINE的可扩展等变图网络框架，用于精确预测蛋白质功能	整合了等变图卷积网络以捕获蛋白质3D结构的几何特征，利用大语言模型ESM-C编码进化和序列信息，并创新性地结合了统一空间与序列信号的3D序列表示	未在摘要中明确说明	开发高效的计算方法以进行准确的蛋白质功能注释	蛋白质	机器学习	NA	深度学习	图卷积网络, 大语言模型	蛋白质3D结构, 序列数据	NA	NA	等变图卷积网络, ESM-C	预测准确性	NA
19355	2025-12-03	A deep learning framework for automated dental segmentation and diagnostic report generation from cone-beam computed tomography 2025-Nov-28, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-025-00555-0 PMID:41316386	研究论文	本文开发了一个深度学习框架，用于从锥形束计算机断层扫描图像中自动分割牙齿并生成辅助诊断报告	提出了一种结合3D TransUNet、nnU-Netv2和3D DenseNet169的两阶段流水线模型，实现了牙齿自动分割与疾病诊断的一体化，并能自动生成结构化辅助诊断报告	未明确提及模型的计算复杂度、泛化能力到其他数据集或临床环境中的验证情况	开发一个能够自动分割CBCT图像中的牙齿并生成辅助诊断报告的深度学习模型	锥形束计算机断层扫描图像中的牙齿	计算机视觉	牙科疾病	锥形束计算机断层扫描	深度学习模型	3D医学图像	450个CBCT数据集	NA	3D TransUNet, nnU-Netv2, 3D DenseNet169	Dice相似系数, 平均对称表面距离, 准确率, F1分数	NA
19356	2025-12-03	Deep Learning and Attention Mechanism-based Prediction of Vaginal Invasion in Early-Stage Cervical Cancer 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392471251103125700 PMID:41327769	研究论文	本研究提出了一种结合3D ResNet分类和Grad-CAM可视化的新方法，利用T2WI-MRI预测早期宫颈癌的阴道侵犯，以提高诊断准确性并实现侵袭性病变的解剖定位	创新性地融合了3D ResNet分类与Grad-CAM可视化，通过各向异性卷积层和复杂数据增强优化模型，并整合瘤内及瘤周（3mm）区域特征，实现了对阴道侵犯的非侵入性预测及病变定位	研究基于单中心回顾性队列，样本量有限，限制了结果的普适性，需要外部验证和前瞻性研究才能进行临床转化	预测早期宫颈癌（IB-IIA期）的阴道侵犯，以辅助保留生育功能的决策	160例经病理证实的IB-IIA期宫颈癌患者的矢状位T2WI-MRI图像	计算机视觉	宫颈癌	T2WI-MRI	深度学习	医学影像（MRI图像）	160例患者	NA	3D ResNet-18	AUC, 敏感性, 特异性, 准确率, 精确率	NA
19357	2025-12-03	Active learning framework leveraging transcriptomics identifies modulators of disease phenotypes 2025-Nov-27, Science (New York, N.Y.) DOI:10.1126/science.adi8577 PMID:41129612	研究论文	本文提出了一种利用转录组学的主动深度学习框架，用于高效识别诱导复杂疾病表型的化合物	开发了一种结合组学数据的主动深度学习框架，相比现有模型在表型命中率上实现了13至17倍的提升，并通过实验室闭环签名优化步骤进一步提高了命中率	NA	克服表型药物筛选中的化学空间广阔性和实验规模化挑战，加速药物发现	化合物及其对疾病表型的调控作用	机器学习	血液疾病	转录组学	深度学习	组学数据	NA	NA	NA	召回率, 表型命中率	NA
19358	2025-12-03	scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression 2025-Nov-25, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf638 PMID:41288963	研究论文	本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络	scRegulate通过变分推理整合先验生物知识与数据驱动推断，能够捕获新颖、动态和上下文特异的调控相互作用，相比现有方法更具可扩展性和生物学基础	未在摘要中明确提及	开发一个从单细胞RNA测序数据中准确推断转录因子活性和基因调控网络的计算框架	单细胞RNA测序数据，转录因子及其靶基因关系	计算生物学	NA	单细胞RNA测序	变分自编码器	基因表达数据	公共实验和合成数据集，人类PBMC单细胞RNA测序数据	PyTorch	变分推理模型	准确性，效率（速度比较）	NA
19359	2025-12-03	One-click reconstruction in single-molecule localization microscopy via experimental parameter-aware deep learning 2025-Nov-25, Npj imaging DOI:10.1038/s44303-025-00123-w PMID:41291118	研究论文	本文介绍了AutoDS和AutoDS3D两种软件程序，用于单分子定位显微镜数据的超分辨率重建，基于Deep-STORM和DeepSTORM3D，通过实验参数感知的深度学习实现一键式重建	通过自动从原始成像数据中提取实验参数，显著减少了分析过程中的人工干预，在2D情况下从预训练模型集中选择最优模型，在3D情况下提高了计算效率并集成为图形用户界面	未明确提及具体局限性，但可能依赖于预训练模型的覆盖范围或实验条件的通用性	开发自动化软件以减少单分子定位超分辨率显微镜中的人工干预和计算时间	单分子定位显微镜数据	计算机视觉	NA	单分子定位超分辨率显微镜	深度神经网络	图像	NA	NA	Deep-STORM, DeepSTORM3D	NA	NA
19360	2025-12-03	Formaldehyde emissions in tanker truck cabins: Observation, deep learning prediction and health risk assessment 2025-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180740 PMID:41130112	研究论文	本研究首次量化了油罐车驾驶室内甲醛排放动态，并开发了深度学习模型进行长期预测，同时评估了健康风险	首次提供了油罐车驾驶室内甲醛排放的真实世界数据与建模，识别了材料表面温度为关键影响因素，并开发了优于传统模型的深度学习预测方法	研究仅基于一个月的数据，且未详细探讨其他潜在影响因素如通风条件或驾驶行为	评估油罐车驾驶室内甲醛排放动态、预测长期浓度并评估驾驶员健康风险	油罐车驾驶室内的甲醛浓度	机器学习	NA	现场监测、特征重要性分析	深度学习模型	时间序列数据	一个月内的现场监测数据	NA	NA	预测准确性	NA