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	2026-03-22	Training With Local Data Remains Important for Deep Learning MRI Prostate Cancer Detection 2026-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251367620 PMID:40936310	研究论文	本研究评估了使用本地MRI数据训练的深度学习模型在前列腺癌分割任务中相对于外部数据训练模型的性能优势	首次在大规模队列（超过1000例）中量化了领域偏移对MRI前列腺癌分割模型性能的影响，并确定了本地数据的关键作用	研究仅基于公开数据集和单一本地数据集进行模拟，可能未涵盖所有临床场景的多样性	评估本地MRI数据在深度学习前列腺癌分割模型训练中的重要性，特别是在大规模外部数据可用的情况下	前列腺癌的MRI图像分割	数字病理学	前列腺癌	MRI	深度学习	图像	PICAI数据集1241例训练+259例测试，本地数据集1400例训练+308例测试	nnUNet-v2	nnUNet	PICAI Score	NA
2	2026-03-22	Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress 2026-Apr, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.07.042 PMID:40721023	研究论文	本研究提出了一种结合被动与主动靶向机制的AI驱动双靶向策略，用于设计靶向内质网应激的诊疗一体化分子	开发了基于机器学习的分子指纹转移方法用于被动靶向，并设计了基于深度学习的3D分子生成模型PM-1用于主动靶向，通过整合两者实现了新型荧光分子探针的智能设计	NA	设计能够精确靶向并调控内质网应激的多功能诊疗一体化分子	内质网应激关键生物标志物Grp78	机器学习	肿瘤	分子指纹转移、3D分子生成	机器学习、深度学习	分子结构数据	NA	NA	PM-1	Pearson相关系数、IC50	NA
3	2026-03-22	Prostate MR image segmentation using a multi-stage network approach 2026-Apr, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04763-0 PMID:40911178	研究论文	本研究利用深度学习图像分割技术，通过多阶段网络方法对前列腺T2加权MR图像进行分割，以提升前列腺癌的检测和表征能力	提出并比较了三种多阶段分割策略（单阶段、顺序两阶段和端到端两阶段），其中端到端方法通过共享特征表示显著提升了前列腺边界划分的准确性	模型仍需进一步优化，并需评估其在多样化医学影像场景中的泛化能力	提升前列腺癌的诊断准确性和治疗规划效率	前列腺T2加权磁共振图像	数字病理学	前列腺癌	T2加权磁共振成像	深度学习	图像	1151名患者的61,119张T2加权MR图像	NA	MultiResUNet	NA	NA
4	2026-03-22	The Nuclear Nephrology Artificial Intelligence Ecosystem 2026-Mar, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.002 PMID:41350144	综述	本文综述了人工智能在核肾脏病学领域的历史发展、当前应用及未来机遇	系统性地描绘了核肾脏病学中的人工智能生态系统，并展望了生成式AI、大语言模型和分割基础模型等新兴技术在该领域的应用潜力	人工智能工具在临床广泛应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题	探讨人工智能在核肾脏病学领域的应用现状、工具类型及未来发展方向	核肾脏病学中的各类技术和人工智能方法	数字病理学	肾脏疾病	动态肾闪烁显像、平面或单光子发射计算机断层扫描、正电子发射断层扫描	专家系统, 统计机器学习, 前馈神经网络, 卷积神经网络, 大语言模型, 扩散模型, 生成对抗网络, 视觉语言模型	图像	NA	NA	NA	NA	NA
5	2026-03-22	Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer 2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100966 PMID:41616975	研究论文	本研究开发了一种基于深度学习的虚拟弹性蛋白染色方法，用于提高非小细胞肺癌中脏层胸膜侵犯的评估准确性	利用同一H&E切片中的固有伊红荧光创建完美配准的高保真地面真值，训练条件生成对抗网络，避免了多切片方法中常见的空间不匹配问题	未明确提及	提高非小细胞肺癌中脏层胸膜侵犯的诊断准确性	非小细胞肺癌的H&E切片	数字病理学	肺癌	H&E染色，虚拟弹性蛋白染色	条件生成对抗网络	图像	多机构验证，具体样本量未明确	NA	条件生成对抗网络	诊断准确性	NA
6	2026-03-22	Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00706 PMID:41468557	研究论文	本文介绍了对Casanovo深度学习从头肽段测序器的一系列改进，旨在提升其可解释性、通用性、运行速度及用户体验	改进了预测肽段评分的可解释性，扩展了软件在数据库搜索中的通用性，并提供了工作流程和可视化工具以促进采用	NA	提高Casanovo在质谱和蛋白质组学数据中肽段测序的准确性和易用性	质谱和蛋白质组学数据中的肽段序列	机器学习	NA	质谱, 蛋白质组学	深度学习模型	质谱数据	NA	NA	Casanovo	NA	NA
7	2026-03-22	Bioinspired spiking architecture enables energy constrained touch encoding 2026-01-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68858-7 PMID:41605933	研究论文	本文提出了一种结合光纤布拉格光栅电子皮肤与脉冲神经网络的模块化人工触觉系统，模拟人体体感系统的早期阶段	实现了高达10倍的定位超分辨率，相比现有深度学习方法提升32%的定位精度，并在神经形态芯片上展示了低功耗（亚毫瓦级）和高并行计算能力	未明确说明具体样本量或实验规模，可能受限于硬件实现或实际应用场景的验证范围	为自主系统（如机器人）开发可扩展且能量可持续的触觉感知解决方案，以促进安全人机交互和动态环境操作	人工触觉系统，包括光纤布拉格光栅电子皮肤和脉冲神经网络	机器感知	NA	光纤布拉格光栅传感，脉冲神经网络	SNN	触觉数据	NA	NA	NA	定位精度，超分辨率倍数	神经形态芯片，亚毫瓦级硬连线计算
8	2026-03-22	Lipid Nanoparticle Database towards structure-function modeling and data-driven design for nucleic acid delivery 2026-01-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68818-1 PMID:41605942	研究论文	本文介绍了脂质纳米颗粒数据库（LNPDB）的开发，旨在整合和标准化脂质纳米颗粒的结构与功能数据，以支持数据驱动的核酸递送设计	创建了首个统一的脂质纳米颗粒数据库，标准化了脂质纳米颗粒的特征化，并支持分子动力学模拟和深度学习模型预测	NA	解决脂质纳米颗粒领域数据分散和非标准化的问题，促进脂质纳米颗粒的建模和理性设计	脂质纳米颗粒（LNPs）	机器学习	NA	分子动力学模拟	深度学习模型	结构化数据	19,528个脂质纳米颗粒	NA	NA	NA	NA
9	2026-03-22	Peptide-based drug design using generative AI 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04998a PMID:41376388	综述	本文综述了利用生成式人工智能进行肽基药物设计的最新进展，重点关注生成架构、相互作用建模、AI驱动的筛选和递送优化	整合了生成式AI（如图神经网络、Transformer和扩散模型）与肽化学创新（如环化、订书肽、非经典氨基酸和纳米颗粒制剂），以加速药物发现	预测生成肽序列的溶解度、免疫原性和毒性仍存在挑战，数据质量和自主药物发现是当前面临的实际困难	加速肽基治疗药物的设计与发现	肽基治疗药物	机器学习	代谢性疾病、肿瘤学	NA	图神经网络、Transformer、扩散模型	序列数据、化学结构数据	NA	NA	NA	NA	NA
10	2026-03-22	Neutrophil CD14 is a Driver and a Therapeutic Target for Deep Vein Thrombosis 2026-Jan-09, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2025017224 PMID:41512166	研究论文	本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并证明其可作为治疗靶点	首次通过多组学分析和几何深度学习模型揭示了G-CSF通过上调C/EBPα驱动CD14过表达的机制，并开发了新型慢病毒shRNA方法进行中性粒细胞特异性CD14敲低	研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证	探究深静脉血栓形成早期中性粒细胞获得促炎和促血栓表型的机制，并寻找新的治疗靶点	骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞	生物医学研究	深静脉血栓	RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀, 几何深度学习	几何深度学习模型	多组学数据（转录组、蛋白质组）, 流式细胞数据, 染色质免疫沉淀数据	NA	NA	DeepPBS	NA	NA
11	2026-03-22	A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification 2025-Nov-18, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02298-6 PMID:41249662	研究论文	本文提出了一种用于乳腺超声图像分割与分类的双阶段深度学习框架	提出了一种模块化的双阶段流程，可灵活集成不同的骨干网络架构以适应特定任务或数据集需求	未明确说明模型在临床环境中的泛化能力及外部验证结果	探索深度学习技术在乳腺超声图像分割与分类中的应用，以支持乳腺癌诊断	乳腺超声图像中的肿块区域	计算机视觉	乳腺癌	超声成像	CNN	图像	两个乳腺超声数据集（具体样本数量未说明）	未明确说明	DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0	诊断准确率	NA
12	2026-03-22	A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma 2025-Nov-18, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102452 PMID:41260205	研究论文	本研究通过整合深度学习基线PET/CT生物标志物与多组学分析，开发了一个用于弥漫性大B细胞淋巴瘤的预后指数模型	结合nnUNet深度学习框架分析PET/CT扫描，并整合DNA和RNA测序数据，开发了ClinicalPET LymphPlex模型，有效区分不同治疗下的患者预后	研究依赖于特定数据集（AutoPET公共和内部数据集），可能限制了模型的泛化能力	提高弥漫性大B细胞淋巴瘤的预后精度并推进个性化治疗	1,024名新诊断的弥漫性大B细胞淋巴瘤患者	数字病理学	淋巴瘤	PET/CT扫描, DNA测序, RNA测序	深度学习	图像, 基因组数据	1,024名患者	nnUNet	nnUNet	预后价值评估	NA
13	2026-03-22	Massively parallel characterization of non-coding de novo mutations in autism spectrum disorder 2025-10, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2025.07.008 PMID:40738258	研究论文	本研究通过整合皮层细胞特异性顺式调控元件注释、深度学习变异预测模型和大规模并行报告基因检测，系统评估了自闭症谱系障碍中非编码区新生突变的功能影响	首次大规模并行表征自闭症谱系障碍中的非编码区新生突变，并发现下调调控突变与自闭症风险显著相关，鉴定出42个潜在的自闭症风险突变	研究主要基于Simons Simplex Collection和MSSNG队列数据，可能未涵盖所有人群变异；功能验证主要依赖报告基因检测，体内功能需要进一步验证	阐明非编码区新生突变在自闭症谱系障碍发病机制中的功能作用和分子机制	自闭症谱系障碍患者的非编码区新生突变	计算生物学	自闭症谱系障碍	大规模并行报告基因检测，深度学习变异预测	深度学习模型	基因组变异数据，调控元件注释数据	来自Simons Simplex Collection和Autism Speaks MSSNG资源的227,878个非编码区新生突变	NA	NA	比值比，P值	NA
14	2026-03-22	RETRACTED ARTICLE: Enhancing communication for people with hearing disabilities through robust sign language recognition using deep learning and the internet of things 2025-Sep-24, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2562454 PMID:40990717	撤稿文章	该文章已被撤稿，原计划研究利用深度学习和物联网技术增强听障人士手语识别的通信辅助技术	NA	文章因同行评审过程不合规而被撤稿，其科学性和可靠性无法得到保证	通过稳健的手语识别技术改善听障人士的沟通能力	听障人士	计算机视觉	听力障碍	深度学习, 物联网	深度学习模型	手势/图像数据	NA	NA	NA	NA	NA
15	2026-03-22	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2025-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	研究论文	本文介绍了一种名为ViViEchoformer的深度学习模型，用于从超声心动图视频中直接回归预测射血分数	提出了一种基于视频视觉变换器的深度学习模型，能够直接从超声心动图视频中提取时空信息并准确预测射血分数	NA	开发一种自动、准确的射血分数预测方法，以辅助人类评估和分析	超声心动图视频	计算机视觉	心血管疾病	超声心动图	Transformer	视频	10,030个心尖四腔超声心动图视频	NA	视频视觉变换器	平均绝对误差, 均方根误差, 均方对数误差, 曲线下面积, 分类准确率	NA
16	2026-03-22	Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images 2025-06, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70126 PMID:40415584	研究论文	提出一种基于优化混合注意力胶囊网络与三通路网络集成的深度学习系统，用于从视网膜图像中检测慢性疾病	提出了一种结合Inception-V3、ResNet-152和卷积视觉Transformer（Conv-ViT）的三通路特征提取网络，并集成了优化的混合注意力胶囊网络作为分类器，通过优化策略提升了分类性能	未在摘要中明确说明	开发一种优化的深度学习系统，用于从视网膜图像中检测慢性疾病，并解决现有方法存在的过拟合、计算成本高等问题	视网膜图像	计算机视觉	慢性疾病	图像预处理（归一化、HSI颜色转换）、深度学习	CNN, Transformer, Capsule Network	图像	使用Diabetic Retinopathy 224×224 (2019 Data)和APTOS-2019两个数据集	未在摘要中明确说明	Inception-V3, ResNet-152, Convolutional Vision Transformer (Conv-ViT), Hybrid Attention-based Capsule Network	准确率	未在摘要中明确说明
17	2026-03-22	KanCell: dissecting cellular heterogeneity in biological tissues through integrated single-cell and spatial transcriptomics 2025-05, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.11.009 PMID:39577768	研究论文	KanCell是一种基于Kolmogorov-Arnold网络（KAN）的深度学习模型，旨在通过整合单细胞RNA测序和空间转录组学数据来增强细胞异质性分析	利用KAN有效捕获非线性关系并优化计算效率，在多种真实和模拟数据集上超越现有方法	NA	增强细胞异质性分析，揭示疾病微环境并识别治疗靶点	人类淋巴结、心脏、黑色素瘤、乳腺癌、背外侧前额叶皮层及小鼠胚胎大脑等生物组织	数字病理学	黑色素瘤, 乳腺癌	单细胞RNA测序, 空间转录组学	深度学习模型	基因表达数据	NA	NA	Kolmogorov-Arnold网络（KAN）	PCC, SSIM, COSSIM, RMSE, JSD, ARS, ROC	NA
18	2026-03-22	Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review 2025-04, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70083 PMID:40189779	系统综述	本文系统综述了机器学习和深度学习在新生儿癫痫检测中的应用	首次系统性地总结和评估了ML和DL模型在新生儿癫痫检测中的性能，强调了卷积神经网络（CNN）在早期检测中的高效能	纳入的研究数量有限（仅10项），且研究间存在异质性，可能影响结论的普适性	研究机器学习和深度学习对新生儿癫痫检测的效果	新生儿癫痫的检测	机器学习	新生儿癫痫	脑电图（EEG）信号分析	CNN	时间序列数据（EEG信号）	最少17名，最多258名新生儿，共1389次癫痫发作，平均834小时EEG数据	NA	卷积神经网络	AUC, 灵敏度, 特异性	NA
19	2026-03-22	De novo design of Ras isoform selective binders 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610300 PMID:39975043	研究论文	本研究利用深度学习设计针对Ras蛋白异构体的选择性结合剂，以特异性靶向其C末端	首次应用深度学习方法设计出针对所有主要Ras异构体的特异性结合剂，解决了传统方法难以针对其无序且高电荷C末端产生抗体的难题	未明确说明结合剂在体内环境下的长期稳定性及潜在免疫原性问题	开发能够特异性识别不同Ras蛋白异构体的结合工具，以研究其在癌症中的不同作用	Ras蛋白的四种主要异构体（KRAS4A、KRAS4B、HRAS、NRAS）	机器学习	癌症	深度学习	NA	蛋白质序列数据	针对四种Ras异构体的设计研究	NA	NA	结合特异性、膜定位干扰效果、Ras活性抑制能力	NA
20	2026-03-22	SpaGRA: Graph augmentation facilitates domain identification for spatially resolved transcriptomics 2025-01, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.09.015 PMID:39362628	研究论文	提出一种基于图增强的新方法SpaGRA，用于空间分辨转录组学中的自动多关系构建和空间域识别	引入图增强技术，动态调整边权重，利用多头图注意力网络揭示多样节点关系，并构建多视图关系以解决随机选择带来的采样偏差	未明确说明方法在超大规模数据集上的计算效率或对特定组织类型的泛化能力限制	改进空间分辨转录组学中的空间域识别任务，通过多关系构建提升准确性	空间分辨转录组学数据，包括小鼠下丘脑、小鼠胚胎和Visium HD数据中的细胞或点	计算生物学	NA	空间分辨转录组学	GAT	空间转录组数据	多个数据集，具体样本数量未明确说明	NA	多头图注意力网络	空间域识别性能，具体指标未明确说明	NA