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
21	2026-09-04	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本文描述了一种基于深度学习的蛋白质设计方法，用于设计能够高特异性结合肽-MHC-I复合物的小型蛋白质，并验证了其在CAR-T细胞激活中的应用。	利用深度学习设计小型蛋白质，使其结合在pMHC复合物的肽结合沟槽上方，并与肽段产生广泛接触，实现了对十个目标pMHC的高特异性结合。	本文未明确提及研究的局限性。	开发并验证能够高特异性靶向肽-MHC-I复合物的结合剂，以应用于疾病治疗。	肽-MHC-I复合物及其特异性结合蛋白，包括十个目标pMHC。	蛋白质设计	NA	深度学习蛋白质设计	深度学习模型	蛋白质结构数据	十个目标pMHC复合物	NA	NA	特异性	NA
22	2026-09-04	Exploring 7β-amino-6-nitrocholestens as COVID-19 antivirals: in silico, synthesis, evaluation, and integration of artificial intelligence (AI) in drug design: assessing the cytotoxicity and antioxidant activity of 3β-acetoxynitrocholestane 2024-Nov-13, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d4md00257a PMID:39430952	研究论文	本研究合成了一系列7β-氨基-6-硝基胆甾烯衍生物，并通过虚拟筛选、AI辅助药物设计和分子动力学模拟评估其作为COVID-19抗病毒药物的潜力	将人工智能（AI）融入药物设计，利用深度学习生成新型候选分子，并对合成化合物进行全面的体外和计算评估	部分化合物（如起始物质和某些产物）未满足Lipinski规则和ADMET性质，显示出致突变性或生殖/发育毒性	探索7β-氨基-6-硝基胆甾烯衍生物作为COVID-19抗病毒药物的潜力，并评估其细胞毒性和抗氧化活性	合成的7β-氨基胆甾烯化合物和3β-乙酰氧基-6-硝基胆甾-4,6-二烯	药物设计、人工智能	COVID-19	虚拟筛选、分子对接、AI辅助深度学习、分子动力学模拟	深度学习模型	分子结构、对接分数、毒性预测数据	研究涉及9种合成的类固醇化合物（1-9），其中AI生成了60个分子	NA	NA	结合自由能（kcal/mol）、细胞毒性、抗氧化活性	计算资源未明确说明，但涉及分子动力学模拟和AI深度学习，可能需要高性能计算
23	2026-08-31	Enhancing Precision in Cardiac Segmentation for Magnetic Resonance-Guided Radiation Therapy Through Deep Learning 2024-11-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.05.013 PMID:38797498	研究论文	本文扩展了公开的深度学习框架“No New”U-Net，引入自蒸馏机制（nnU-Net.wSD），用于MR引导放射治疗中的心脏亚结构分割，以提高心脏保护效果。	创新性地在nnU-Net框架中引入自蒸馏技术（nnU-Net.wSD），利用教师-学生网络改进心脏亚结构分割，并评估了分次数据增强对分割性能的影响。	样本量较小（仅18例来自机构A和22例来自机构B），且冠状动脉分割的Dice系数较低（0.33 ± 0.16），表明该结构分割仍有挑战。	提高MR引导放射治疗中心脏亚结构分割的精确性和可靠性，以实现更好的心脏保护。	心脏亚结构（包括腔室、大血管和冠状动脉）的分割。	深度学习、医学图像分割	放射治疗相关心脏疾病（心脏毒性）	MR成像、深度学习分割	U-Net（3D U-Net和nnU-Net.wSD）	MR图像	训练集10例，验证集3例，测试集5例（机构A），外部测试集22例（机构B）	PyTorch	nnU-Net（带自蒸馏）和3D U-Net	Dice相似系数、平均距离一致性、95% Hausdorff距离、剂量-体积直方图	未提供具体GPU信息
24	2026-08-31	Deep learning assisted quantitative analysis of Aβ and microglia in patients with idiopathic normal pressure hydrocephalus in relation to cognitive outcome 2024-11-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae083 PMID:39101555	研究论文	利用深度学习自动量化特发性正常压力脑积水患者皮层活检中的Aβ负担和小胶质细胞，并评估其与认知结局的关联	创建了一个自动化分析平台，利用Aiforia Create深度学习软件在双免疫染色的全切片图像上同时识别Aβ区域和Iba1阳性小胶质细胞体，实现了高精度（>95%）的组织、Aβ和小胶质细胞体分割	研究为回顾性分析，且认知结局评估时间点差异较大（中位随访4.4年），可能影响因果推断	评估皮层活检中Aβ负荷和反应性小胶质细胞密度与特发性正常压力脑积水患者认知结局的相关性	120例接受分流术的iNPH患者的额叶皮层活检组织切片	数字病理学，深度学习	特发性正常压力脑积水，阿尔茨海默病相关病理改变	双重免疫组化染色（Iba1/4G8），全切片成像	深度学习模型	病理图像	120例iNPH患者的额叶皮层活检切片	Aiforia Create	NA	精确度	NA
25	2026-08-31	A Competition for the Diagnosis of Myopic Maculopathy by Artificial Intelligence Algorithms 2024-11-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.3707 PMID:39325442	研究论文	本文介绍了一项关于人工智能算法诊断近视性黄斑病变的国际竞赛（MMAC），评估了深度学习算法在分类和分割任务中的表现，并与眼科医生的诊断性能进行了比较	通过国际竞赛形式，对多个深度学习算法在近视性黄斑病变分类、病灶分割和等效球镜预测三个任务上进行系统评估，并与眼科医生表现进行直接对比	研究未明确提及具体局限性	评估深度学习算法在近视性黄斑病变分类和分割中的诊断性能，并与眼科医生进行比较	近视性黄斑病变患者眼底图像，包括分类任务中的2306张、分割任务中的294张和等效球镜预测任务中的2003张图像	计算机视觉	近视性黄斑病变	深度学习	深度学习算法	图像	分别为2306、294和2003张眼底图像	未明确提及	未明确提及	二次加权卡帕系数（QWK）、F1分数、灵敏度、特异度、Dice相似系数（DSC）、R²、平均绝对误差（MAE）	未明确提及
26	2026-08-31	Deep Learning to Discriminate Arteritic From Nonarteritic Ischemic Optic Neuropathy on Color Images 2024-11-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.4269 PMID:39418057	研究论文	本研究开发并验证了一个深度学习系统，用于在急性期通过彩色眼底图像区分动脉炎性前部缺血性视神经病变（AAION）与非动脉炎性前部缺血性视神经病变（NAION）	首次开发并国际验证了一个深度学习系统，在无临床或生物标志物信息的情况下，仅基于彩色眼底图像以超过90%的准确率区分AAION和NAION，并提供了疾病特异性的类激活图	研究中未提及具体局限性，但外部测试数据集包含来自美国和欧洲的5个专家神经眼科中心，可能限制了模型的泛化性	开发、训练和测试一个深度学习系统，以在急性期通过彩色眼底图像区分AAION和NAION	来自802例确诊为AAION和NAION患者的961只眼睛的彩色眼底图像	计算机视觉	缺血性视神经病变	彩色眼底摄影	深度学习系统（DLS）	图像（彩色眼底图像）	802例患者的961只眼睛（训练集）和121例患者（外部测试集）	未明确提及	未明确提及	曲线下面积（AUC）、敏感性、特异性、准确性	未明确提及
27	2026-08-28	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024 Nov-Dec, Brain stimulation IF:7.6Q1 DOI:10.1016/j.brs.2024.10.010 PMID:39476952	研究论文	本文介绍了一种名为多肢体光遗传运动映射（MOMM）的新技术，结合光遗传刺激和深度学习姿态估计，在清醒小鼠中同时绘制多个肢体的运动表征，并揭示了皮层对协调运动的组织原则。	开发了MOMM技术，首次实现了在清醒小鼠中对多个肢体进行高保真度的并发光遗传运动映射，并结合3D三角测量和DeepLabCut姿态估计，能够追踪协调的、多肢体的自然运动。	未明确提及局限性，但可能包括光遗传刺激的穿透深度限制和清醒动物运动的变异性。	开发MOMM技术以同时映射多个肢体的运动表征，并探究皮层上协调性和行为相关运动的地形组织。	清醒小鼠的皮层运动映射，涉及多个肢体（如前肢、后肢）的运动表现。	神经科学	NA	光遗传学	深度学习（DeepLabCut）	图像（3D运动捕捉数据）	未指定具体样本数量	NA	DeepLabCut	地图地形图一致性、重叠程度	NA
28	2026-08-26	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-11-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	设计了一种深度学习模型，用于通过纵向黄斑OCTA图像检测青光眼进展，并与逻辑回归模型进行了比较	首次使用定制卷积神经网络（CNN）基于纵向黄斑OCTA图像自动检测青光眼进展，并利用无血管区中心进行图像对齐	样本量有限，且缺乏外部验证，模型性能可能受限于特定数据集	开发并评估一种基于深度学习的方法，用于检测青光眼进展，以提高临床诊断的准确性	开角型青光眼患者的黄斑OCTA图像序列	计算机视觉, 数字病理学	青光眼	光学相干断层扫描血管成像（OCTA）	卷积神经网络（CNN）	图像	134名患者的202只眼，每只眼至少4次OCTA检查，平均随访3.5年	NA	定制卷积神经网络（CNN）	AUC, 敏感性, 特异性, 准确性	NA
29	2026-08-24	Evaluation of Artificial Intelligence-Based Gleason Grading Algorithms "in the Wild" 2024-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100563 PMID:39025402	研究论文	本研究评估并比较了基于人工智能的Gleason分级算法（公共和商业）在真实世界前列腺活检图像上的性能	首次在真实世界多种来源的数据集上，对顶级公共和商业Gleason分级算法进行公平比较，并纳入病理学家的读者研究	商业算法未在公共基准上发布性能，比较可能受限于数据集的多样性和样本量	评估和比较基于AI的Gleason分级算法在真实世界数据上的性能，以促进研究界和商业算法之间的对比	前列腺活检全切片图像	数字病理学	前列腺癌	深度学习	深度学习模型（具体类型未在摘要中明确）	图像（全切片活检图像）	通过众包收集的多样本数据集，包含多种Gleason等级的图像，具体数量未在摘要中说明	未指定	未指定	二次加权卡帕系数	未指定
30	2026-08-23	Multi-modality deep learning-based [68Ga]Ga-DOTA-FAPI-04 PET polar map generation: potential value in detecting reactive fibrosis after myocardial infarction 2024-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06850-3 PMID:39060373	研究论文	提出一种基于深度学习的多模态图像融合方法，用于生成[68Ga]Ga-DOTA-FAPI-04 PET极坐标图，并探索其在心肌梗死后反应性纤维化检测中的潜在价值	利用多模态图像融合补偿PET图像中心脏结构信息缺失，提高了极坐标图生成的准确性，超越了现有商业软件	未明确提及，但样本量有限且为单中心研究	提高[68Ga]Ga-DOTA-FAPI-04 PET图像极坐标图生成的准确性，并评估其在检测心肌梗死后反应性纤维化及与心功能关系中的临床价值	87例ST段抬高型心肌梗死患者，共133对PET/MR图像，其中26例用于纵向分析	深度学习，医学影像	心肌梗死	PET/MR成像	深度学习模型（未具体指定）	医学图像（PET和MR）	133对PET/MR图像，来自87例患者，26例用于纵向分析	NA	NA	准确性、相关性（r值）	NA
31	2026-08-23	Sedation-free pediatric [18F]FDG imaging on totalbody PET/CT with the assistance of artificial intelligence 2024-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06818-3 PMID:38958680	研究论文	本研究探讨了利用全身超快PET扫描仪和基于深度学习的衰减与散射校正技术，实现无需镇静的儿童PET成像的可行性。	将超快全身PET成像与深度学习为基础的衰减和散射校正相结合，实现了无需镇静的儿科PET成像，减少了镇静副作用并保持诊断质量。	研究样本量较小，且为回顾性研究，可能限制了结果的普遍性。	评估无需镇静的儿科PET成像方法，通过超快采集和深度学习ASC技术保证图像质量。	35例四岁以下镇静儿科患者的全身PET成像数据，以及5例非镇静儿科患者的验证数据。	医学影像	不适用	PET/CT成像，深度学习	深度学习模型	医学影像	35例镇静患者和5例非镇静患者	未提及	未提及	定性评分、病灶可检测性、标准化摄取值（SUV）	未提及
32	2026-08-21	Quantification of myocardial oxygen extraction fraction on noncontrast MRI enabled by deep learning 2024-Nov, Radiology advances DOI:10.1093/radadv/umae026 PMID:40641627	研究论文	提出了一种基于深度学习的非对比心血管磁共振方法，用于定量心肌氧摄取分数和心肌血容量	首次利用深度学习结合非对称自旋回波CMR序列，实现无需对比剂的心肌氧摄取分数和血容量定量	样本量较小，且主要验证了健康志愿者和慢性心肌梗死患者，未涵盖其他心脏疾病类型	开发一种非对比的CMR方法，用于体内定量心肌氧摄取分数和心肌血容量，以评估心肌缺氧状态	20名健康志愿者（20-30岁，11名女性）和10名慢性心肌梗死患者	医学影像	慢性心肌梗死	心血管磁共振成像	神经网络	图像	30名受试者（20名健康志愿者和10名慢性心肌梗死患者）	NA	U-Net	变异系数	NA
33	2026-08-20	Exploring protein natural diversity in environmental microbiomes with DeepMetagenome 2024-11-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100896 PMID:39515333	研究论文	DeepMetagenome是一种基于Python的方法，通过深度学习模型从环境微生物组中探索蛋白质自然多样性，并在金属硫蛋白等蛋白质家族中展现出优越性能。	该方法结合了嵌入层、卷积层、LSTM和全连接层，能够从海量元基因组数据中高效识别高置信度蛋白质序列，且无需先验假设。	未提及具体局限性。	利用深度学习从环境微生物组中挖掘蛋白质自然多样性，以辅助蛋白质工程。	环境微生物组中的蛋白质序列，特别是金属硫蛋白等。	机器学习	NA	元基因组测序	混合深度学习模型（包含嵌入、卷积、LSTM和全连接层）	序列数据	超过1.46亿个编码特征的数据库用于筛选，其中23个合成序列用于验证	Python	嵌入层、卷积层、LSTM、全连接层	准确率、稳定性（通过25个epoch表现）	未提及具体GPU或云平台，但工具在GitHub上公开
34	2026-08-20	AI-empowered perturbation proteomics for complex biological systems 2024-11-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100691 PMID:39488205	perspective	本文介绍了扰动蛋白质组学的原理、必要性和实用性，并提出了PMMP（扰动、测量、建模至预测）通用流程，以及基于大规模扰动蛋白质组数据构建基础模型或其他数学模型的建议。	提出将AI与扰动蛋白质组学相结合，形成PMMP流程，并强调构建基础模型以增强对复杂生物系统的预测能力。	文中未具体说明当前数据的局限性和技术挑战，也未提供实证验证。	探讨扰动蛋白质组学在系统生物学中的应用，及其在预测扰动响应、作用机制和蛋白质功能方面的潜力。	生物系统，包括蛋白质表达、周转、翻译后修饰、相互作用、运输和定位等。	机器学习	NA	蛋白质组学	传统机器学习或深度学习	蛋白质组学数据，包括表达、修饰、相互作用等数据	NA	NA	基础模型	NA	NA
35	2026-08-20	Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics 2024-11, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17053 PMID:39383323	研究论文	本文通过几何形态测量学验证深度学习在植物图像中捕获叶片形状的有效性，并评估其在物种识别中的应用。	首次结合几何形态测量学作为可解释人工智能工具，来验证深度学习特征与叶片形状变异之间的关联，并在复杂的物种复合体中实现分类。	未提及具体限制，可能包括对图像质量和多样性的依赖，以及深度学习模型的‘黑箱’问题。	评估深度学习在捕获植物叶片形状变异方面的有效性，并探索其与几何形态测量学的结合，以实现可靠的自动化植物表型分析。	植物叶片，特别是Ranunculus auricomus的叶片。	计算机视觉	不适用	深度学习，几何形态测量学	神经网络（具体类型未指定）	图像	未具体说明样本数量，但包括原位和腊叶化后的叶片图像。	未指定	未指定	聚类效果、协变分析，具体指标未提及。	未提及。
36	2026-08-20	DMFGAN: a multifeature data augmentation method for grape leaf disease identification 2024-11, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17042 PMID:39446313	研究论文	提出一种用于葡萄叶病害识别的多特征数据增强方法DMFGAN，以提高生成图像的质量和多样性，同时减少模型参数和训练中的模式崩溃问题	设计了基于四通道特征融合策略的多特征提取块（MFEB）、深度可分离判别器、采用SeLU激活函数替代DCGAN激活函数，并提出了带有梯度惩罚项的MFLoss函数以减少模式崩溃	摘要中未明确提及局限性	增强葡萄叶病害数据，提高生成图像的质量和多样性，并减少生成对抗网络训练中的模式崩溃	葡萄叶病害图像数据	计算机视觉	植物病害	生成对抗网络	生成对抗网络（GAN）	图像	未在摘要中明确提及	未明确提及	DMFGAN，可能包含深度可分离卷积块和多特征提取块	视觉指标和评估指标（如质量、多样性、参数数量）以及识别网络验证	未明确提及
37	2026-08-16	EEG-based brain-computer interface methods with the aim of rehabilitating advanced stage ALS patients 2024-11, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2024.2316312 PMID:38400897	综述	本文综述了基于EEG的脑机接口方法，旨在帮助晚期肌萎缩侧索硬化症患者进行康复，重点介绍了特征提取和分类方法。	全面比较了多种特征提取方法（如FFT、WPD、CSP等）和分类方法（如LDA、SVM、NN、DL），并指出SVM和DL的适用优势。	未详细说明各方法的实际性能对比数据，且未提及具体实验验证。	探讨EEG-based BCI方法在晚期ALS患者康复中的应用，并综述相关技术。	晚期肌萎缩侧索硬化症（ALS）患者	脑机接口	肌萎缩侧索硬化症	EEG	SVM, LDA, NN, DL	脑电信号	NA	NA	NA	准确率、可靠性	NA
38	2026-08-07	Imaging error reduction in radial cine-MRI with deep learning-based intra-frame motion compensation 2024-11-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8831 PMID:39419112	研究论文	本研究提出了一种基于深度学习的帧内运动补偿技术，旨在减少径向电影MRI中的成像误差，提高运动目标定位精度	提出了一种新颖的TransSin-UNet网络，结合Transformer编码器和UNet子网络，用于在径向k空间重建窗口内建模运动依赖的时空特征，实现帧内运动补偿	研究仅限于数字体模模拟数据，未在真实患者数据上进行验证	通过深度学习实现帧内运动补偿，提高径向电影MRI在实时运动管理中的成像质量与目标定位准确性	25个数字仿真肺癌体模，模拟不同运动模式下的径向采样数据	机器学习	肺癌	MRI	混合模型（Transformer和UNet）	图像（MRI）	25个数字仿真肺癌体模	NA	TransSin-UNet（Transformer编码器结合UNet）	归一化均方根误差、Dice相似系数	NA
39	2026-08-07	Investigation of scatter energy window width and count levels for deep learning-based attenuation map estimation in cardiac SPECT/CT imaging 2024-11-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8b09 PMID:39447603	研究论文	本研究评估了深度学习在心脏SPECT/CT成像中生成衰减图时，不同散射能窗宽度和计数水平对其性能的影响	首次全面分析不同散射能窗宽度对深度学习衰减图估计的影响，并评估了在四分之一计数水平下的性能	未提及具体局限性，但可能包括对特定成像协议或设备依赖性	评估深度学习在心脏SPECT成像中估计衰减图时，散射能窗宽度和计数水平的影响	心脏SPECT/CT成像中的衰减图估计	医学影像，深度学习	心脏病	SPECT/CT成像	深度学习模型	医学影像（SPECT和CT图像）	1517名受试者，其中386名用于测试，1131名用于训练和验证	NA	NA	归一化均方误差（NMSE）	NA
40	2026-08-07	Harnessing the optimization of enzyme catalytic rates in engineering of metabolic phenotypes 2024-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012576 PMID:39495797	研究论文	提出了一种基于约束的建模方法OKO，利用酶约束代谢模型预测代谢工程策略，以增加化学物质产量并保证细胞生长	首次提出计算框架OKO，能够预测基于修饰酶周转数的代谢工程策略，整合实验测量和深度学习预测的周转数数据	未明确指出，但依赖酶周转数数据的准确性和模型的简化假设	开发计算工具以预测增加化合物产量的代谢工程策略，同时保持细胞生长	大肠杆菌和酿酒酵母的酶约束代谢模型	代谢工程	不适用	酶周转数测量和深度学习预测	约束型代谢模型（OKO）	基因组规模代谢模型数据	超过40种化合物	不明确	不适用	产量增加倍数和生长惩罚	未指定