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
1	2026-01-02	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP特别兴趣小组的建立及其在促进社区持续对话和跨学科合作方面的作用	通过建立特别兴趣小组和在线研讨会系列，打破了传统CASP活动仅在预测季节和会议期间交流的限制，实现了社区全年持续互动	NA	促进CASP社区内的持续对话和跨学科合作，降低领域新人的入门门槛	CASP社区成员，包括深度学习专家、NMR专家等科学家	计算生物学	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2026-01-02	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种先进深度学习模型，采用基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对深度，同时改进了模型排名策略	存在需要进一步改进的领域，特别是在与其它组预测结果显著不同的目标上	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA分子	计算生物学	NA	多序列比对, 深度学习	深度学习模型	序列数据, 结构数据	NA	NA	NuFold	排名（第一和第三）	NA
3	2026-01-02	Quantifying the Predictability of Lesion Growth and Its Contribution to Quantitative Resistance Using Field Phenomics 2026-Jan-01, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-05-25-0187-R PMID:40758903	研究论文	本研究利用深度学习图像分析技术，在田间条件下精确追踪小麦叶斑病病斑生长，以量化病斑生长可预测性及其对数量抗性的贡献	首次在田间条件下大规模精确测量单个病斑生长（27,218次测量），并系统分析病斑生长与数量抗性的关联	研究排除了一个异常小麦品种，且结论可能不适用于所有小麦品种	解析叶部病害数量抗性的机制，特别是病斑生长在季节性流行病中的作用	由小麦叶枯病菌引起的小麦叶斑病病斑	数字病理学	小麦叶斑病	深度学习图像分析	深度学习	图像	6,889个单个病斑，涉及14个小麦品种，跨越两个田间季节	NA	NA	NA	NA
4	2026-01-02	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	研究论文	本文总结了CASP16社区实验的结果，评估了计算结构生物学中深度学习方法的最新进展和瓶颈	揭示了在蛋白质单体结构预测方面，深度学习方法已达到接近实验不确定性的极限，而在RNA结构预测中，深度学习方法目前并不优于传统方法	对于RNA结构预测，深度学习方法目前不成功；在缺乏结构同源性的情况下，预测结果较差；对于大分子集合，目标集较小限制了结论的普适性	评估计算结构生物学领域，特别是深度学习方法在蛋白质、RNA、蛋白质复合物等结构预测中的最新进展和挑战	蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构及亲和力	计算结构生物学	NA	深度学习、传统物理启发方法	AlphaFold变体及相关技术	蛋白质结构数据、RNA结构数据、蛋白质复合物数据	CASP16目标集（具体数量未提及）	NA	AlphaFold	结构一致性、界面准确性	NA
5	2026-01-02	MRI segmentation of head and neck tumors using hybrid attention mechanism and dense dilated spatial pyramid pooling 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70426 PMID:41459735	研究论文	本研究提出了一种改进的SCDU-Net模型，通过结合空间-通道注意力机制和密集扩张空间金字塔池化技术，用于头颈部肿瘤的MRI图像分割	模型集成了空间-通道双重注意力模块和密集连接的扩张空间金字塔池化模块，以增强关键肿瘤特征表达、捕获长距离空间依赖并提升多尺度上下文建模能力	NA	提升头颈部肿瘤MRI图像的分割准确性和鲁棒性，以支持放疗中的精确靶区勾画	头颈部肿瘤的MRI图像	计算机视觉	头颈癌	MRI	CNN	图像	NA	NA	SCDU-Net, U-Net	NA	NA
6	2026-01-02	A deep-learning framework for the prediction of the type of adaptive strategy of MR-guided prostate radiotherapy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70395 PMID:41459741	研究论文	本研究开发了一种基于深度学习的框架，用于预测MR引导前列腺放疗中的自适应策略类型	提出了一种多阶段网络方法，结合深度学习图像配准和策略预测，实现了快速准确的自适应策略选择，相比现有方法效率提升5倍	研究为回顾性分析，样本量较小（36名患者），且未在外部数据集上进行验证	开发深度学习模型以快速准确预测MR引导自适应放疗中的自适应策略类型	前列腺癌患者	数字病理	前列腺癌	MR-guided adaptive radiotherapy (MRgART)	深度学习模型	医学图像	36名前列腺癌患者的180个治疗分次	NA	多阶段网络方法（包含DLIR网络和DLSP模型）	AUC, 准确率, 敏感性, 特异性	NA
7	2026-01-02	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次将深度学习与声光视觉伺服结合，利用点源定位和混合位置-力控制实现实时三维跟踪	实例分割的推理时间较长（≥516.3毫秒），可能影响实时性；系统优化尚未完全实施	开发用于手术和介入过程中实时跟踪导管尖端等手术工具的系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	CNN	图像	9次视觉伺服试验（包括塑料体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
8	2026-01-02	Modeling Protein-Protein and Protein-Ligand Interactions by the ClusPro Team in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70066 PMID:41115690	研究论文	本文介绍了在CASP16实验中，团队采用混合计算策略预测蛋白质-蛋白质和蛋白质-配体复合物结构的方法	结合基于物理的采样（如ClusPro FFT对接和分子动力学）与基于AlphaFold的采样及精修，以及将模板方法与机器学习置信度模型集成用于蛋白质-配体对接	NA	提高蛋白质-蛋白质和蛋白质-配体复合物结构预测的准确性	蛋白质-蛋白质和蛋白质-配体复合物	计算生物学	NA	蛋白质对接、分子动力学、深度学习	AlphaFold, 扩散模型, 机器学习置信度模型	蛋白质结构数据	233个目标	NA	ClusPro FFT, AlphaFold, 扩散模型	lDDT-PLI	NA
9	2026-01-02	The Evolving Landscape of Urology in the Era of Artificial Intelligence: An Update of Clinical Applications and Emerging Innovations 2026-Jan, Mymensingh medical journal : MMJ PMID:41474926	综述	本文更新了人工智能在泌尿外科领域的临床应用与新兴创新，涵盖诊断影像、良性疾病、泌尿肿瘤、手术及患者监测等方面	综述了AI在泌尿外科的最新进展，包括基于尿液液体活检的微小残留病早期检测、直接从H&E染色切片预测基因组标志物的计算活检，以及未来人工通用智能和联邦学习的应用前景	存在数据多样性不足和临床整合的局限性，同时面临算法偏见和数据隐私等伦理挑战	综述人工智能在泌尿外科领域的临床应用、技术创新及未来发展方向	泌尿外科疾病，包括良性疾病（如输尿管结石、良性前列腺增生）和恶性肿瘤（如前列腺癌、肾细胞癌、膀胱癌）	数字病理学	前列腺癌	机器学习，深度学习，MRI分析，膀胱镜图像分类，尿液液体活检，H&E染色切片分析	NA	图像，尿液样本，病理切片	NA	NA	NA	准确率，AUC，灵敏度	NA
10	2026-01-02	Establishment of High-Precision Ultrasound Diagnosis Methods Based on the Introduction of Deep Learning 2025-Dec-31, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3645229 PMID:41475002	综述	本文综述了基于深度学习的高精度超声诊断方法的建立，包括技术原理、临床应用及挑战	提出了针对超声诊断局限性的评估框架，并系统性地整理了深度学习在解决这些局限性方面的最新方法及临床应用证据	现有综述缺乏针对临床实施的定制化评估框架，且深度学习仍面临泛化性、安全性和操作负担等挑战	建立高精度超声诊断方法，通过引入深度学习技术改善临床工作流程	超声诊断技术及其在肿瘤学和心脏病学中的应用	计算机视觉	肺癌, 心血管疾病	超声成像	深度学习	图像	NA	NA	NA	NA	NA
11	2026-01-02	A cycle-aware and physics-informed framework for battery remaining useful life prediction 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28505-5 PMID:41476082	研究论文	本文提出了一种结合领域知识的电池剩余使用寿命预测框架Bat-T-GNN，通过周期感知分段和物理信息一致性损失提升预测性能	在输入层面采用周期感知分段方法，在目标层面引入物理信息一致性损失，将领域知识注入深度学习模型	未明确说明模型在不同电池类型或工况下的泛化能力，也未讨论计算复杂度	提高锂离子电池剩余使用寿命预测的准确性和物理可解释性	锂离子电池	机器学习	NA	NA	图神经网络	时间序列数据	NA	NA	T-PATCHGNN, Bat-T-GNN	NA	NA
12	2026-01-02	A Multi-Modal, Multi-Temporal, Multi-Resolution Benchmark Dataset for Building Height Estimation 2025-Dec-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06495-3 PMID:41476079	研究论文	本文介绍了一个用于建筑物高度估计的多模态、多分辨率、多时相基准数据集M4Heights	提出了首个覆盖多个国家、包含多种卫星数据（Sentinel-1 SAR、Sentinel-2 MSI）、高分辨率航空正射影像及高度参考图的大规模开源数据集，并附带最大的多图像超分辨率数据集	数据集目前仅覆盖爱沙尼亚、荷兰和瑞士三个国家，尚未扩展到全球范围	解决建筑物高度估计领域缺乏代表性开源训练数据集的问题，推动深度学习模型在该领域的发展	建筑物高度估计	计算机视觉	NA	卫星遥感（SAR、MSI）、航空摄影	深度学习模型	图像（卫星图像、航空影像、高度参考图）	约100万张图像	NA	NA	NA	NA
13	2026-01-02	Fast electromagnetic field simulation using a current-density- based physics-informed neural network 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33166-5 PMID:41476089	研究论文	本研究提出了一种基于电流密度的物理信息神经网络模型，用于高效模拟电磁场并解决电流密度相关问题	通过结合物理数学先验知识与深度学习，构建了基于电流密度的PINN模型，克服了传统泊松方程求解器的效率低下和适应性不足的缺点	NA	解决电磁场模拟和电流密度相关问题的计算效率与适应性挑战	电磁场模拟中的泊松方程求解，具体应用于激光-靶相互作用产生的电磁脉冲模拟和场-电路耦合积分中的电场计算	机器学习	NA	物理信息神经网络	PINN	NA	NA	NA	NA	相对误差	NA
14	2026-01-02	SARCDNet-an enhanced deep learning network for change detection from bi-temporal SAR images 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31488-y PMID:41476094	研究论文	本文提出了一种名为SARCDNet的增强型深度学习网络，用于从双时相SAR图像中进行变化检测	设计了自适应融合块，结合了在频域提取特征的自适应全局滤波操作和通道注意力机制，以增强提取特征的相关性，并有效减轻斑点噪声影响	NA	开发一种用于双时相SAR图像变化检测的深度学习网络，以提高在洪水检测、环境监测等应用中的预测精度	双时相合成孔径雷达（SAR）图像	计算机视觉	NA	合成孔径雷达（SAR）成像	深度学习网络	图像	使用了公共数据集，包括黄河、农田和巢湖数据集	NA	SARCDNet	F1分数, PCC, κ, MCC	NA
15	2026-01-02	Predicting pathological complete response to breast cancer neoadjuvant therapy using multi-combination machine learning models based on vision transformer features 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99496-6 PMID:41476106	研究论文	本研究探讨了基于视觉变换器特征的多组合机器学习模型在预测乳腺癌新辅助治疗后病理完全缓解方面的应用	首次结合视觉变换器特征与多种机器学习算法构建多组合模型，用于乳腺癌新辅助治疗后的病理完全缓解预测，并比较了不同深度学习特征提取方法的性能	研究为回顾性设计，样本量较小（124例患者），且仅基于超声图像，缺乏多中心验证	预测乳腺癌患者在新辅助治疗后的病理完全缓解状态	124例经活检病理证实并接受新辅助治疗后手术切除的乳腺癌患者	计算机视觉	乳腺癌	超声成像	CNN, Vision Transformer	图像	124例患者（训练集87例，验证集37例）	NA	VIT, ResNet50, VGG16	AUC	NA
16	2026-01-02	A clinically validated 3D deep learning approach for quantifying vascular invasion in pancreatic cancer 2025-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02260-3 PMID:41476122	研究论文	本文介绍了一种名为PAN-VIQ的自动化深度学习框架，用于从增强CT扫描中量化胰腺癌的血管侵犯情况	开发了一种自动化3D深度学习框架，能够量化肿瘤与血管的3D包绕角度，并同时评估多个关键血管的侵犯情况，超越了传统依赖放射科医生主观2D判读的方法	未明确说明模型在更广泛人群或不同扫描设备上的泛化能力，以及对于罕见解剖变异的处理能力	开发一种自动化工具，用于标准化胰腺导管腺癌（PDAC）术前血管侵犯评估，减少观察者间差异	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	对比增强CT扫描	深度学习	3D医学图像（CT扫描）	训练与内部验证：2130例；前瞻性测试：202例患者	NA	NA	准确率，召回率	NA
17	2026-01-02	A multi-objective optimization framework integrating ICSL deep learning for forecasting and scheduling emergency medical supply demand in public health emergencies 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34300-z PMID:41476145	研究论文	本文提出了一种集成ICSL深度学习与多目标优化的框架，用于预测和调度公共卫生突发事件中的应急医疗物资需求	结合传染病特征和政府隔离措施影响，通过改进的LSTM模型提高预测精度，并构建考虑紧迫性、调度时间和成本的多目标调度分配模型	NA	解决重大疫情中后期应急医疗物资的预测与分配挑战	应急医疗物资的需求预测与调度分配	机器学习	传染病	深度学习	LSTM, BP神经网络	时间序列数据	武汉疫情防控措施数据	NA	LSTM, BP神经网络	准确率	NA
18	2026-01-02	Epidemic dynamics prediction using fractional SIRD and deep learning 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34299-3 PMID:41476141	研究论文	本文介绍、分析并数值研究了一种采用归一化Caputo-Fabrizio导数的分数阶SIRD流行病模型，结合深度学习技术进行流行病动态预测	提出了一种结合分数阶微积分（使用归一化Caputo-Fabrizio导数）和深度学习的SIRD模型，能够捕捉记忆效应并显式跟踪疾病导致的死亡率	NA	开发一个更全面的流行病动态预测框架，以支持公共卫生决策	流行病传播动态，特别是SIRD（易感者-感染者-康复者-死亡者）模型中的各群体	机器学习	NA	分数阶微积分，深度学习	深度神经网络	模拟的流行病数据	NA	NA	深度神经网络	均方误差，均方根误差	NA
19	2026-01-02	Deep learning-based predictive models for assessing the impact of clinical factors and second primary malignancy on survival in patients with colorectal cancer 2025-Dec-31, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03760-4 PMID:41476205	研究论文	本研究开发了基于深度学习的预测模型，用于评估临床因素和第二原发恶性肿瘤对结直肠癌患者生存率的影响	首次利用大规模结直肠癌伴第二原发恶性肿瘤患者数据集，开发多时间点生存预测深度学习模型，并系统分析33个临床因素的影响	未明确说明模型的具体架构细节和外部验证情况	预测结直肠癌伴第二原发恶性肿瘤患者的生存结局，并分析关键影响因素	21,522名结直肠癌伴第二原发恶性肿瘤患者	数字病理	结直肠癌	深度学习	深度学习模型	临床数据	21,522名患者	NA	NA	AUC	NA
20	2026-01-02	UniSplicer: a deep learning framework for accurate splice-site prediction and splice-altering mutation detection across diverse taxa 2025-Dec-31, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101686 PMID:41476368	研究论文	本文介绍了一个基于深度学习的框架UniSplicer，用于准确预测剪接位点并检测剪接改变突变，适用于多种物种	UniSplicer能够在转录组数据相对有限的情况下，为多种非模式物种开发准确的剪接位点预测模型，超越现有模型，并能可靠指示突变对剪接的影响	模型性能可能受限于可用转录组数据的质量和数量，且在极端非模型物种中的泛化能力未完全验证	开发一个通用深度学习框架，以准确预测剪接位点和检测剪接改变突变，促进非模式物种的基因组分析	多种物种的剪接位点，包括植物、真菌和后生动物，以及剪接位点附近的序列变异	自然语言处理	NA	转录组数据	深度学习	序列数据	相对有限的转录组数据	NA	NA	预测准确性	NA