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	2026-10-16	Reinforcement Q-Learning-Based Adaptive Encryption Model for Cyberthreat Mitigation in Wireless Sensor Networks 2025-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s25072056 PMID:40218569	研究论文	本文提出了一种基于强化学习的自适应加密框架，用于无线传感器网络中的网络威胁缓解，通过动态调整加密级别来平衡能效与安全性	提出混合策略推导算法，结合动态Q学习和双Q学习，根据威胁级别自适应切换学习模型，并引入动态超参数调优机制	实验评估仅在模拟的无线传感器网络环境中进行，未在真实网络环境中验证	解决无线传感器网络中资源约束下的自适应安全机制问题，实现能效与安全性的动态平衡	无线传感器网络中的网络威胁，包括DDoS、黑洞攻击和数据注入攻击	网络安全	NA	强化学习、深度学习异常检测、Q学习、双Q学习、马尔可夫决策过程	Q学习、双Q学习、深度学习异常检测模型	网络状态数据（模拟无线传感器网络环境中的实时网络条件数据）	NA	NA	NA	能耗降低率30.5%、数据包投递率92.5%、缓解效率94%、延迟降低37%	NA
2	2026-10-07	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100780 PMID:40020686	研究论文	应用迁移学习预测剂量敏感转录因子TWIST1和SOX9浓度变化对染色质可及性的影响	将迁移学习应用于扰动情境，结合定量染色质响应测量，揭示顺式调控码的新层次	未明确提及，可能包括模型仅针对特定细胞类型和转录因子	预测转录因子剂量变化对调控元件染色质可及性的定量响应，并识别序列决定因素	面部祖细胞中的染色质可及性	计算生物学	NA	迁移学习、深度学习、报告基因检测	深度学习模型	序列数据、染色质可及性数据	NA	NA	NA	接近实验准确度	NA
3	2026-10-04	Integrated Machine Learning Algorithms-Enhanced Predication for Cervical Cancer from Mass Spectrometry-Based Proteomics Data 2025-Mar-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030269 PMID:40150733	研究论文	该研究利用基于质谱的蛋白质组学数据，通过八种机器学习算法构建AI驱动的流程，用于宫颈癌早期诊断血清生物标志物的识别与验证	整合多种机器学习算法并结合特征重要性、Shapley值和LIME值进行多维学习，诊断AUC接近1，显著优于单一标志物	样本量有限（240例患者），仅针对宫颈癌，需进一步外部验证和临床转化研究	开发AI驱动的流程，从血清蛋白质组学数据中识别和验证宫颈癌早期诊断生物标志物	240例宫颈癌患者的血清多肽差异峰数据	机器学习	宫颈癌	质谱蛋白质组学	机器学习	质谱数据	240例患者	NA	NA	AUC, 准确率, 精确率, 召回率, F1分数	NA
4	2026-10-01	Comparison of Deep Learning and Traditional Machine Learning Models for Predicting Mild Cognitive Impairment Using Plasma Proteomic Biomarkers 2025-Mar-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26062428 PMID:40141072	研究论文	本研究比较了深度学习和传统机器学习模型在利用血浆蛋白质组生物标志物预测轻度认知障碍（MCI）方面的表现	首次系统比较深度学习（DNN）与七种传统机器学习模型在利用血浆蛋白质组生物标志物预测MCI中的效果，并通过LASSO筛选出35个关键蛋白质组生物标志物，结合生物信息学分析揭示了相关分子功能和通路	样本量相对较小（239名成人），仅基于ADNI队列数据，结果的外部验证不足；生物标志物与MCI的因果关系尚未明确	比较深度学习和传统机器学习方法在利用血浆蛋白质组生物标志物预测轻度认知障碍中的表现，并探索相关生物标志物的生物学意义	来自阿尔茨海默病神经影像学倡议（ADNI）队列的239名成年人及其146种血浆蛋白质组生物标志物	机器学习	老年疾病	血浆蛋白质组学分析	DNN, SVM, LR, NB, RF, KNN, GBM, XGBoost	表格数据（蛋白质组生物标志物定量数据）	239名成年人，146种血浆蛋白质组生物标志物	H2O	DNN（2层，Rectifier With Dropout激活函数）, XGBoost, SVM, LR, NB, RF, KNN, GBM	准确率, F1分数	NA
5	2026-09-28	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	综述	本文综述了用于阿尔茨海默病诊断的神经影像数据机器学习模型，并评估了其可重复性和泛化性	对开源机器学习模型进行了可重复性和泛化性评估，发现模型在不同数据队列间泛化性降低	模型在不同数据队列间泛化性降低，多数方法未应用于临床	综述用于阿尔茨海默病诊断的神经影像数据机器学习技术，并评估开源模型的可重复性和泛化性	阿尔茨海默病患者（包括稳定型MCI和进展型MCI）的神经影像数据	数字病理学	阿尔茨海默病	结构磁共振成像、功能磁共振成像、正电子发射断层扫描	传统机器学习, 深度学习	影像	NA	NA	NA	NA	NA
6	2026-09-23	FeatureDock for protein-ligand docking guided by physicochemical feature-based local environment learning using transformer 2025-Mar-04, npj drug discovery DOI:10.1038/s44386-025-00005-6 PMID:42380495	研究论文	提出了一种基于transformer的深度学习框架FeatureDock，利用蛋白质局部环境的化学特征来预测蛋白质-配体结合构象并实现虚拟筛选的强打分能力	利用transformer学习蛋白质局部环境的物理化学特征来引导分子对接，同时解决了深度学习对接方法缺乏明确打分函数的问题	仅在Cyclin-Dependent Kinase 2和Angiotensin-converting enzyme两个数据集上进行了验证，未在更大规模或更多样化的数据集上评估	预测蛋白质与小分子配体之间的结合结构，并提高虚拟筛选中的打分能力	蛋白质-配体复合物，具体为Cyclin-Dependent Kinase 2和Angiotensin-converting enzyme的化合物数据集	机器学习	NA	分子对接	Transformer	分子结构数据	两个数据集：Cyclin-Dependent Kinase 2和Angiotensin-converting enzyme化合物数据集	NA	Transformer	NA	NA
7	2026-09-21	A MEMS seismometer respiratory monitor for work of breathing assessment and adventitious lung sounds detection via deep learning 2025-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93011-7 PMID:40089574	研究论文	开发了一种基于MEMS地震检波器的可穿戴贴片，用于定量评估呼吸做功并通过深度学习检测异常肺音	首次将宽带多轴MEMS地震检波器集成到微型贴片中，同时捕获高频肌动图和肺源性振动，结合数据融合深度学习模型实现呼吸做功定量评估和异常肺音自动检测	未明确提及	开发一种低剖面设备，实现呼吸健康的准确和定量监测，提供呼吸系统健康的预防性见解	124名医院环境中的患者	机器学习	肺癌, 慢性阻塞性肺疾病, 肺炎	MEMS地震检波器, 高频肌动图, 肺源性振动监测	深度学习	信号, 图像	124名患者	NA	数据融合深度学习模型	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC-PR	NA
8	2026-09-21	Exploring the impact of myoelectric prosthesis controllers on visuomotor behavior 2025-03-12, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01604-0 PMID:40075405	研究论文	本研究探讨了肌电假肢控制器对视觉运动行为的影响，比较了标准控制策略与位置感知控制策略	首次探索了新型位置感知控制器对视觉运动行为的影响，并证明了眼动指标对假肢控制干预的敏感性	参与者为无肢体差异者，而非实际假肢使用者，可能影响结果的生态效度	探究使用标准控制策略与位置感知控制策略操作模拟肌电假肢时，视觉运动行为如何变化	无肢体差异的参与者	机器学习	NA	眼动追踪，运动捕捉	NA	眼动数据，运动捕捉数据	NA	NA	NA	视觉注视时间，抓取阶段持续时间，假肢运动平滑度	NA
9	2026-09-19	A Pseudo-Value Approach to Causal Deep Learning of Semi-Competing Risks 2025-Mar-03, Arabian journal of mathematics IF:0.9Q2 DOI:10.1007/s40065-025-00501-7 PMID:41268055	研究论文	提出一种用于半竞争风险下非致命结局因果推断的深度学习三阶段方法，并应用于肺癌手术效果评估	结合阿基米德Copula表示、Jackknife伪值和深度神经网络，无需比例风险等强假设，实现半竞争风险下因果生存效应的直接标准化估计	依赖于阿基米德Copula表示和伪值近似，可能对模型误设敏感；未与其他复杂因果方法进行广泛比较	在半竞争风险和复杂协变量关系下，准确估计治疗对非致命结局的因果效应	早期非小细胞肺癌患者，以及模拟数据	机器学习	肺癌	NA	深度神经网络	数值型生存数据	波士顿肺癌研究队列（具体样本量未提供）及模拟研究	NA	深度神经网络（具体结构未指定）	NA	NA
10	2026-09-18	Rapid left ventricle mesh prediction by adaptive deformable model fitting 2025-03-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc237 PMID:40101357	研究论文	本文提出一种自适应可变形模型拟合框架，用于快速且无需训练的左心室网格预测，并在三个心脏磁共振数据集上验证其性能	提出基于本征正交分解的自适应网格模块和两阶段拟合方案，无需标注训练数据，可适应患者间形态差异，并保持解剖拓扑结构	摘要中未明确提及研究的局限性	克服现有方法在计算复杂度、对大规模配对训练数据的依赖以及跨心脏病理泛化能力有限等方面的关键限制	三维左心室网格、心脏磁共振成像数据、扩张型心肌病临床数据	医学图像分析	心血管疾病	心脏磁共振成像	自适应可变形模型	图像	三个心脏磁共振成像数据集（具体样本量未在摘要中说明）	NA	本征正交分解、可微体素化、多调和样条插值	Dice系数	NA
11	2026-09-18	Deep learning techniques for proton dose prediction across multiple anatomical sites and variable beam configurations 2025-03-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc236 PMID:40101365	研究论文	本研究评估了束流掩膜和数据聚合对基于人工智能的质子治疗剂量预测准确性的影响，重点关注数据有限或高度异质性的场景	首次系统评估了束流掩膜和数据聚合策略对质子治疗剂量预测准确性的联合影响，特别是在数据异质性高的场景下	未提及模型在不同质子治疗设备间的泛化能力，且数据集仅限于前列腺和头颈部两个解剖部位	评估束流掩膜实现和数据聚合对基于人工智能的质子治疗剂量预测准确性的影响	541例前列腺质子治疗计划和632例头颈部质子治疗计划	医学影像分析	前列腺癌，头颈癌	质子治疗	CNN	图像	1173例质子治疗计划（541例前列腺，632例头颈部）	NA	NA	剂量体积直方图评分，平均绝对误差，平均绝对百分比误差，Dice相似系数，伽马通过率	NA
12	2026-09-18	Deep learning-based segmentation of head and neck organs at risk on CBCT images with dosimetric assessment for radiotherapy 2025-03-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adbf63 PMID:40068304	研究论文	该研究开发了一个基于深度学习的框架，用于在CBCT图像上分割头颈部25个危及器官，并通过剂量学分析验证其临床相关性	提出了一个三步骤的综合框架，将在CT上训练的OAR分割模型迁移到合成CT图像上，并整合了CT的高对比度信息与sCT的纹理特征，同时通过外部队列的剂量学分析验证了分割的临床相关性	研究依赖于从CT传播的轮廓作为真实标签，可能引入偏差；未明确报告样本量的具体数值；CBCT图像本身存在软组织对比度差和伪影等问题	开发一个综合框架，在CBCT图像上分割25个头颈部危及器官，以促进放疗中的治疗再计划	头颈部癌症患者的CBCT和CT图像中的25个危及器官	医学图像分割	头颈部癌症	锥形束CT, 合成CT, 深度学习	深度学习模型	图像	NA	NA	NA	Dice相似系数, 平均表面距离, 平均剂量, D2(%)	NA
13	2026-09-18	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种概率深度学习方法，用于快速可靠地重建薄膜和多层膜的结构	结合了基于模拟的推理和自适应先验，实现了概率性反射率反演，能够在几秒内识别所有现实结构	未明确说明	解决反射率数据分析中的可靠性问题，提供所有兼容结构的识别	薄膜和多层膜的结构	机器学习	NA	反射率测量	神经网络	反射率数据	NA	NA	NA	NA	NA
14	2026-09-18	De novo designed proteins neutralize lethal snake venom toxins 2025-03, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08393-x PMID:39814879	研究论文	该研究利用深度学习方法从头设计蛋白质，以中和蛇毒中的三指毒素（3FTx），包括短链和长链α-神经毒素及细胞毒素	首次利用深度学习方法从头设计能够中和3FTx家族所有三个亚家族的蛋白质，设计的蛋白质具有显著的热稳定性、高结合亲和力，且与计算模型达到近原子级一致性，并在小鼠模型中验证了保护效果	实验筛选规模有限，尚未进行临床试验，蛋白质的长期稳定性和大规模生产可行性仍需进一步验证	开发新型蛋白质疗法以替代传统多克隆抗体治疗蛇咬伤中毒，特别是针对3FTx家族的毒素	蛇毒三指毒素（3FTx），包括短链α-神经毒素、长链α-神经毒素和细胞毒素	机器学习	蛇咬伤中毒	深度学习蛋白质设计	深度学习模型	蛋白质结构数据	NA	NA	NA	结合亲和力、热稳定性、体外中和效果、小鼠存活率	NA
15	2026-09-18	Influence of early through late fusion on pancreas segmentation from imperfectly registered multimodal magnetic resonance imaging 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024008 PMID:40291815	研究论文	该研究探讨了在配准不完美的多模态磁共振图像中，不同融合位置（早期到晚期）对胰腺分割性能的影响	系统地评估了从早期到晚期不同融合点对胰腺分割性能的影响，并比较了基础UNet和nnUNet两种架构	融合带来的性能提升较小，最佳融合位置依赖于具体模型，且图像配准不完美的问题仍未完全解决	研究在多模态磁共振图像配准不完美的情况下，深度学习模型中不同融合位置对胰腺分割性能的影响	胰腺	医学图像分割	糖尿病	磁共振成像	CNN	图像	353对T2加权和T1加权腹部MR图像，来自163名受试者	PyTorch	UNet, nnUNet	Dice系数	NA
16	2026-09-18	Deep Unsupervised Clustering for Prostate Auto-segmentation With and Without Hydrogel Spacer 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/ada8f3 PMID:41078605	研究论文	本文提出了一种深度无监督聚类方法，用于识别前列腺癌放疗数据集中的潜在聚类，并利用聚类标签通过文本引导的分割模型CLIP-UNet提高自动分割的准确性	首次将无监督聚类（UMAP和k-means）与文本引导的分割模型CLIP-UNet结合，用于处理因水凝胶间隔物导致的异质性前列腺数据集，通过文本编码器编码聚类信息并融合图像特征进行分割	样本量相对有限（909例），聚类数目的确定可能依赖于具体数据集，模型的泛化能力需在更多外部数据上验证	解决因水凝胶间隔物等导致的临床数据集异质性问题，提高前列腺自动分割的准确性	909例前列腺癌患者的临床CT数据集，包括使用两种水凝胶间隔物和未使用的患者	医学图像分割	前列腺癌	CT成像	CLIP-UNet	图像	909例患者	NA	UNet, CLIP	Dice系数	NA
17	2026-09-18	Medical Image Segmentation Assisted with Clinical Inputs via Language Encoder in A Deep Learning Framework 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/adb371 PMID:41078606	研究论文	提出一种深度学习医学图像分割框架，通过语言编码器融合临床文本信息，模拟临床医生勾画肿瘤靶区和危及器官的过程	将文本格式的临床信息通过基于Transformer的文本编码器转换为向量，并与图像特征融合用于分割，弥合了传统自动分割方法与临床医生指导下丰富上下文勾画之间的差距	仅在局部前列腺癌放疗的前列腺分割案例中进行了验证，未在其他癌症类型或靶区中广泛评估	提高癌症放疗中肿瘤靶区（特别是临床靶区）和危及器官的自动分割精度	前列腺癌放疗中的前列腺临床靶区和危及器官	数字病理学	前列腺癌	NA	Transformer, CNN	图像, 文本	NA	NA	Transformer	NA	NA
18	2026-09-13	Cleavage-stage embryo segmentation using SAM-based dual branch pipeline: development and evaluation with the CleavageEmbryo dataset 2025-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae617 PMID:39423150	研究论文	本文提出了一种基于SAM的双分支分割流程，用于自动分割卵裂期胚胎中的卵裂球和碎片，并构建了首个具有像素级标注的CleavageEmbryo数据集	提出了基于SAM的双分支分割流程，分别进行卵裂球的实例分割和碎片的语义分割；构建了首个包含碎片信息、像素级标注的人类卵裂期胚胎数据集CleavageEmbryo	未明确提及	开发自动化方法分割卵裂期胚胎，以改进体外受精中的胚胎选择过程	人类卵裂期胚胎	医学图像分割	不孕不育	NA	SAM	图像	NA	NA	SAM	mAP, Dice	NA
19	2026-09-13	SP-DTI: subpocket-informed transformer for drug-target interaction prediction 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf011 PMID:39798127	研究论文	提出了一种基于子口袋信息的Transformer模型SP-DTI，用于药物-靶点相互作用预测，通过整合预训练语言模型和图神经网络提升泛化能力。	利用CAVIAR进行子口袋分析，结合全局和局部相互作用建模；将预训练语言模型集成到图神经网络中编码药物和蛋白质，增强对未标记数据的泛化能力。	未明确说明模型的计算复杂度、对大规模数据的可扩展性以及在其他类型靶点上的泛化能力。	提高药物-靶点相互作用预测的准确性和泛化能力，特别是在未见过的蛋白质和跨域设置下。	药物化合物和蛋白质靶点。	机器学习	NA	子口袋分析、预训练语言模型、图神经网络	Transformer、图神经网络	图数据、文本数据	NA	NA	Transformer、图神经网络	AUC	NA
20	2026-09-13	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个基于Python的网页应用，用于模拟真实的1D和2D代谢组学1H NMR谱图	将MetAssimulo 1.0升级为基于Python的网页应用；将模拟功能从人类尿液1D 1H谱图扩展到尿液、血液和脑脊液；通过引入广泛的蛋白质背景增强血液谱图的真实性，与真实血液谱图的Pearson相关性达到约0.82；新增2D J分辨谱和相关谱的模拟能力；支持模拟单个和成组的谱图，涵盖离散和连续结果变量，并包含代谢物间相关性	NA	开发一个能够模拟真实1D和2D代谢组学1H NMR谱图的工具，以解决标记谱图数据有限的问题，支持深度学习算法的开发	人类尿液、血液和脑脊液的代谢组学1H NMR谱图	机器学习	NA	NMR波谱模拟	NA	谱图数据	NA	NA	NA	Pearson相关系数	NA