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
1921	2025-10-06	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨深度学习在肽段识别技术中的应用，提出优化注释策略以提升肽段空间系统映射效率	结合Prosit、pDeep等MS/MS谱图预测工具与数据库搜索，并融合图论与卷积神经网络等深度学习模型实现质谱数据的高效判别	未提及具体实验数据规模与模型泛化能力验证	提升肽段识别方法的效率与准确性，推动蛋白质组学发展	质谱数据中的肽段序列	机器学习	NA	串联质谱、数据依赖性采集(DDA)、数据非依赖性采集(DIA)	深度神经网络, 卷积神经网络	质谱数据	NA	NA	NA	召回率, 精确度	NA
1922	2025-10-06	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	本文提出了两种新型无监督异常检测方法用于时空传感器数据，并开发了集成两种方法优势的融合框架	开发了基于降秩高斯过程的动态贝叶斯时空模型和基于注意力机制的时空LSTM深度学习架构，并提出融合两种方法优势的集成方法	主要针对高度结构化的河流传感器网络数据，对其他类型时空数据的适用性需要进一步验证	开发高效的时空异常检测方法以提高环境和水质监测数据的可靠性	河流传感器网络收集的时空序列数据	机器学习	NA	传感器网络监测	贝叶斯模型,LSTM	时空序列数据	NA	NA	降秩高斯过程,时空注意力LSTM	准确率,计算效率	NA
1923	2025-10-06	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新型四模态深度神经网络，利用Sentinel-2卫星影像估算连云港湖泊水库的叶绿素a浓度	提出了基于多模态学习概念的四模态深度神经网络，整合了双波段、三波段和四波段光谱特征组合以及辅助时空环境变量	研究区域仅限于连云港市的湖泊水库，样本数量相对有限（测试集N=197）	开发有效的叶绿素a浓度估算模型，支持水质评估和湖泊管理	连云港市湖泊水库的叶绿素a浓度	遥感监测	水体富营养化	卫星遥感，多模态学习	深度神经网络	卫星影像，现场测量数据，环境变量	测试集197个样本，数据时间跨度为2017-2024年	NA	四模态深度神经网络	R², MAE, RMSE	NA
1924	2025-10-06	Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124233 PMID:40701050	研究论文	提出一种结合小样本学习和Transformer架构的深度学习框架CGMAT，用于预测未来海洋微塑料分布	首次将小样本学习与Transformer架构结合应用于海洋微塑料分布预测，解决了数据稀缺条件下的预测挑战	预测结果显示出显著的地区差异，模型在不同海域的适用性需要进一步验证	评估未来海洋微塑料丰度趋势，为微塑料污染治理提供科学依据	台湾海峡和挪威沿海水域的海洋微塑料分布	机器学习	NA	深度学习	Transformer, 图注意力网络	海洋观测数据	台湾海峡和挪威沿海水域的异构数据集	深度学习框架	跨域多图注意力网络(CGMAT), Transformer	解释方差得分(EVS), 平均绝对百分比误差(MAPE)	NA
1925	2025-10-06	Sequence and Structure-based Prediction of Allosteric Sites 2025-Oct-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测计算方法及其在合理药物设计中的应用	强调多模态数据整合和可解释深度学习模型在改进变构位点预测和合理药物设计中的潜力	临床应用的变构药物仍然有限，面临计算方法和实验验证的挑战	促进对变构机制的理解并推动变构药物设计	蛋白质变构位点、变构药物	计算生物学	NA	计算方法、深度学习	深度学习模型	蛋白质序列、蛋白质结构	NA	NA	NA	NA	NA
1926	2025-10-06	Prediction of water quality parameters and pollution exceedance analysis in typical rivers of semi-arid regions based on interpretable deep learning models 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126801 PMID:40639737	研究论文	基于可解释深度学习模型预测半干旱地区典型河流水质参数并进行污染超标分析	提出可解释的注意力门控循环单元模型，结合SHAP分析增强预测结果的可解释性和可靠性	模型在高度污染条件下气象因素影响有限，主要针对半干旱地区河流	提高水质预测精度和结果透明度，支持针对性污染控制和水质管理	半干旱地区大黑河流域的水质、气象和水文数据	机器学习	NA	水质监测、气象观测、水文测量	AT-GRU（注意力门控循环单元）	水质数据、气象数据、水文数据	NA	NA	AT-GRU	相关系数R	NA
1927	2025-10-06	Deep learning-based screening approach for priority pollutants: a case study on retired power battery recycling 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126849 PMID:40683377	研究论文	本研究提出了一种基于深度学习的优先污染物筛选框架，应用于退役动力电池回收过程	结合深度学习算法与层次聚类分析构建了污染物优先排序新方法，开发了基于五种深度学习方法的集成模型McA	研究仅针对退役动力电池回收场景，方法在其他污染物筛查领域的适用性需要进一步验证	开发高效的污染物优先排序方法以识别和评估退役动力电池回收过程中的环境风险	退役动力电池回收过程中可能产生的污染物	机器学习	NA	深度学习，层次聚类分析	集成学习模型	污染物特征数据	NA	NA	McA集成模型	R, MSE, MAE	NA
1928	2025-10-06	Deep learning-based prediction of cervical canal stenosis from mid-sagittal T2-weighted MRI 2025-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04917-2 PMID:40152984	研究论文	开发基于深度学习的模型从矢状位T2加权MRI预测颈椎管狭窄	建立了大规模退行性颈椎病队列，并首次使用深度学习模型从矢状位T2加权MRI预测颈椎管狭窄	单中心回顾性研究，未结合人口统计学特征提升模型性能	开发深度学习模型用于从MRI图像预测颈椎管狭窄	接受颈椎MRI检查的患者	医学影像分析	颈椎病	T2加权MRI	CNN	医学图像	7645名合格患者（6880名训练，765名测试）	NA	ResNet50,VGG16,MobileNetV3,EfficientNetV2	AUC,准确率,灵敏度,特异性	NA
1929	2025-10-06	A deep learning model with interpretable squeeze-and-excitation for automated rehabilitation exercise assessment 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03372-4 PMID:40327204	研究论文	提出一种基于可解释挤压激励机制的深度学习模型，用于自动化康复训练评估	结合CNN-SE架构与灰狼优化算法进行参数优化，并首次在康复评估中应用SHAP进行模型决策可解释性分析	NA	开发自动化康复训练评估系统以替代传统治疗师人工评估	患有运动功能障碍的患者（如中风、背痛、帕金森病、脊髓损伤）及健康参与者	计算机视觉	神经系统疾病	深度学习	CNN	运动数据	KIMORE和UI-PRMD数据集中的健康与不健康参与者	NA	CNN-SE（卷积神经网络-挤压激励）	平均绝对偏差	NA
1930	2025-10-06	Deep learning assisted identification of SCUBE2 and SLC16 A5 combination in RNA-sequencing data as a novel specific potential diagnostic biomarker in prostate cancer 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03365-3 PMID:40335872	研究论文	本研究应用深度学习模型从三个转录组数据集中识别前列腺癌的新型诊断生物标志物	首次发现SCUBE2作为前列腺癌潜在诊断生物标志物，并证明SCUBE2与SLC16A5组合可显著提升诊断准确性	SCUBE2在前列腺癌中的功能尚未深入探索，需要进一步实验验证	开发更精确特异的前列腺癌诊断方法	前列腺癌转录组数据	生物信息学	前列腺癌	RNA测序	深度学习	基因表达数据	三个转录组数据集中的68个差异表达基因	NA	NA	准确率,R值,PR-AUC,AUC,敏感性,特异性	NA
1931	2025-10-06	Predicting gene expression from DNA sequence using deep learning models 2025-Oct, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	综述	探讨利用深度学习模型从DNA序列预测基因表达的研究进展	应用深度学习技术解析DNA序列中复杂的组合逻辑，准确捕捉基因调控规则	不同方法各有优缺点，需要根据具体应用场景选择合适方法	构建从DNA序列预测基因活性的计算模型	基因表达调控元件（启动子、增强子）和转录因子	机器学习	NA	表观基因组图谱、高通量报告基因检测	深度学习	DNA序列数据	NA	NA	NA	NA	NA
1932	2025-10-06	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	研究论文	提出一种基于贝叶斯优化的深度集成框架，用于胶囊内窥镜图像中的多病灶识别	首次将CA-EfficientNet-B0、ECA-RegNetY和Swin transformer作为基学习器集成，并采用贝叶斯优化确定权重	数据仅来自单一医院（上海东方医院），样本量相对有限	自动识别胶囊内窥镜图像中的多病灶病变	胃肠道胶囊内窥镜图像中的四种病变：血管扩张、出血、糜烂和息肉	计算机视觉	胃肠道疾病	胶囊内窥镜成像	集成学习,CNN,Transformer	图像	281个病例的8358张图像（2017-2021年）	NA	CA-EfficientNet-B0,ECA-RegNetY,Swin transformer	准确率,平均精确率,平均召回率,平均F1分数	NA
1933	2025-10-06	ToPoMesh: accurate 3D surface reconstruction from CT volumetric data via topology modification 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03381-3 PMID:40423893	研究论文	提出ToPoMesh端到端深度学习框架，直接从CT体积数据重建高保真3D表面网格	通过图卷积网络的残差连接和自注意力机制实现精确形状建模，提出自适应变密度网格解池策略和拓扑修改模块	NA	解决传统CT三维重建方法的分辨率限制和拓扑不一致问题	CT体积数据中的肝脏、胰腺肿瘤、海马体和脾脏等解剖结构	计算机视觉	肝脏疾病, 胰腺肿瘤, 脑部疾病, 脾脏疾病	CT扫描	图卷积网络	CT体积数据	LiTS、MSD胰腺肿瘤、MSD海马体和MSD脾脏数据集	NA	图卷积网络, 自注意力机制	Chamfer距离, F-score	NA
1934	2025-10-06	Deep Learning Pipeline for Automated Assessment of Distances Between Tonsillar Tumors and the Internal Carotid Artery 2025-Oct, Head & neck DOI:10.1002/hed.28200 PMID:40458868	研究论文	开发基于深度学习的自动化流程，用于评估扁桃体肿瘤与颈内动脉之间的最小距离	首次提出结合nnU-Net分割和距离计算的完整自动化流程，用于扁桃体肿瘤术前评估	样本量较小（仅96例患者），需要更大规模验证	开发自动化工具辅助扁桃体肿瘤术前规划	扁桃体肿瘤患者	医学影像分析	头颈肿瘤	CT扫描	深度学习	医学影像	96例扁桃体肿瘤患者的CT扫描	nnU-Net	nnU-Net	Dice相似系数, 平均Hausdorff距离	NA
1935	2025-10-06	Multitask Deep Learning for Automated Segmentation and Prognostic Stratification of Endometrial Cancer via Biparametric MRI 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70012 PMID:40536279	研究论文	开发基于双参数MRI的多任务深度学习框架，用于子宫内膜癌的自动分割和预后分层	首次提出统一的多任务深度学习框架，同时实现子宫内膜癌的自动分割和多个关键预后因素的分类	回顾性研究设计，样本量相对有限（325例患者）	开发自动化工具辅助子宫内膜癌的预后评估和治疗规划	经组织学确认的子宫内膜癌患者	医学影像分析	子宫内膜癌	双参数MRI（T2加权成像和扩散加权成像）	深度学习	医学影像	325例患者（211例训练，54例验证，60例测试）	NA	多任务深度学习框架	Dice相似系数，Jaccard相似系数，Hausdorff距离，平均表面距离，AUC	NA
1936	2025-10-06	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关系	首次使用多模态成像技术（包括MRI和OCTA）结合深度学习模型，系统研究阿尔茨海默病谱系不同阶段认知-眼-脑连接的改变	样本量相对较小（总样本量76例），特别是AD组仅7例患者	探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关联	健康对照（16例）、主观认知下降（35例）、轻度认知障碍（18例）和阿尔茨海默病（7例）患者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像（OCTA）, 3T MRI, 静息态功能MRI	深度学习模型	医学影像数据（MRI, OCTA）	76例（HC=16, SCD=35, MCI=18, AD=7）	NA	FARGO	统计显著性（p<0.05 with FWE校正）	NA
1937	2025-10-06	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Oct, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	研究论文	本研究开发了一种名为R2AUNet的深度学习模型，用于从3D-FLAIR MRI图像中自动分割多发性硬化病灶	在3D U-Net框架中结合了循环残差块和注意力门机制，仅使用单一3D-FLAIR MRI序列即可实现准确的病灶分割	样本量相对有限（112个MRI扫描来自95名患者），且数据来自单一机构	开发自动化的多发性硬化病灶分割方法	多发性硬化患者的3D-FLAIR MRI图像	医学图像分析	多发性硬化	3D-FLAIR MRI	深度学习	3D MRI图像	112个MRI扫描来自95名多发性硬化患者	NA	R2AUNet（基于3D U-Net，包含循环残差块和注意力机制）	Dice相似系数, 特异性, 敏感性, F1分数, 精确度	NA
1938	2025-10-06	BrainCNN: Automated brain tumor grading from magnetic resonance images using a convolutional neural network-based customized model 2025-Oct, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	开发基于卷积神经网络的自动化脑肿瘤分级系统，通过MRI图像对脑肿瘤进行低级别和高级别分类	提出定制化CNN模型，结合预训练模型和多种特征提取方法，在脑肿瘤分级任务中达到99.45%的峰值准确率	数据集仅包含293个MRI扫描，样本量相对较小，且数据来源单一	开发自动化脑肿瘤分级系统以提高诊断准确性和治疗规划效果	脑肿瘤患者的MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	293个MRI扫描	TensorFlow, PyTorch	MobileNet, Inception V3, ResNet-50, 定制CNN模型	准确率	NA
1939	2025-10-06	Magnetic Susceptibility-Based Imaging in Gliomas: Insights into Tumor Grading and Margin Delineation 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70140 PMID:40944493	综述	本文评估磁化率磁共振成像在神经胶质瘤分级和边界勾画中的应用价值	系统比较R2*、SWI和QSM三种磁化率成像技术在胶质瘤分级和边界界定中的性能差异，提出多模态融合策略	QSM技术尚未在临床常规应用，存在多种技术挑战；SWI无法区分出血和钙化	评估磁化率磁共振成像在胶质瘤分级和边界勾画中的作用	神经胶质瘤患者	医学影像分析	神经胶质瘤	磁化率磁共振成像（R2*, SWI, QSM）, 灌注加权成像, 扩散张量成像	NA	磁共振影像	40项研究（文献综述）	NA	NA	敏感性, 特异性, 定量磁化率值	NA
1940	2025-10-06	Hepatocellular Carcinoma Risk Stratification for Cirrhosis Patients: Integrating Radiomics and Deep Learning Computed Tomography Signatures of the Liver and Spleen into a Clinical Model 2025-Sep-28, Journal of clinical and translational hepatology IF:3.1Q2 DOI:10.14218/JCTH.2025.00091 PMID:40951530	研究论文	开发并验证了一种整合肝脏和脾脏CT影像特征的肝细胞癌风险预测模型	将放射组学和深度学习特征整合到现有的aMAP临床模型中，显著提高了肝细胞癌风险预测性能	研究队列中慢性乙型肝炎病毒感染占主导地位（91.5%），可能限制模型在其他病因肝硬化患者中的泛化能力	改善肝硬化患者肝细胞癌风险分层	肝硬化患者	数字病理	肝细胞癌	计算机断层扫描	深度学习	医学影像	2411名患者，其中118人发展为肝细胞癌	PyRadiomics	ResNet-18	受试者工作特征曲线下面积	NA