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	2026-09-18	A deep learning method for predicting interactions for intrinsically disordered regions of proteins 2025-Aug-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629373 PMID:39763873	研究论文	本文开发了一种名为Disobind的深度学习方法，通过蛋白质序列预测内在无序区域（IDR）与其结合伙伴之间的蛋白质间接触图和界面残基	Disobind考虑了结合伙伴的上下文信息，不依赖结构和多序列比对，在IDR界面预测上优于现有最先进方法及AlphaFold-multimer和AlphaFold3	未明确提及	预测内在无序蛋白质或区域（IDPs/IDRs）与其伙伴之间的相互作用界面	内在无序蛋白质或区域（IDPs/IDRs）及其结合伙伴	机器学习	NA	蛋白质语言模型	深度学习	蛋白质序列	NA	NA	ProtT5	NA	NA
22	2026-09-18	Structural Connectome Analysis using a Graph-based Deep Model for Prediction of Non-Imaging Variables 2025-Aug-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642165 PMID:40161600	研究论文	本文提出了一种基于图卷积网络（GCN）的深度模型，用于基于扩散磁共振图像衍生的结构脑连接预测非成像变量（如年龄和MMSE评分）	模型架构的创新，特别是连接注意力模块，该模块在学习脑图嵌入表示的同时提供图级注意力，并采用并行多分支GCN机制	未明确提及局限性，可能包括对特定数据集的依赖和泛化能力待验证	基于结构脑连接预测非成像变量，以增进对健康和疾病的理解	结构脑连接图（来自扩散磁共振图像），以及年龄和MMSE评分	医学图像分析	神经退行性疾病	扩散磁共振成像	图卷积网络（GCN）	图数据（脑连接图）	PREVENT-AD和OASIS3数据集，具体样本量未在摘要中说明	NA	并行多分支图卷积网络（GCN）	NA	NA
23	2026-09-18	Assessing the potential of deep learning for protein-ligand docking 2025-Aug-12, ArXiv PMID:38827451	研究论文	本文介绍了PoseBench，首个用于蛋白质-配体对接的综合基准测试，系统评估了深度学习对接和结构预测方法在预测（apo）蛋白结构对接、同时结合多个配体以及无结合口袋先验知识等场景下的表现	提出了首个全面的蛋白质-配体对接基准测试PoseBench，首次引入多配体基准数据集，系统评估了深度学习共折叠方法在apo-to-holo对接和蛋白质-配体结构预测中的行为，并揭示了这些方法在新型结合姿态、多序列比对敏感性和多配体预测中的局限性	流行方法如AlphaFold 3在面对具有新型蛋白质-配体结合姿态的预测目标时仍面临挑战；某些深度学习共折叠方法对其输入多序列比对高度敏感；深度学习方法在预测新型或多配体蛋白质目标时难以在结构准确性和化学特异性之间取得平衡	系统研究最新对接和结构预测方法在（1）使用预测（apo）蛋白结构进行对接（2）同时结合多个（辅因子）配体到给定目标蛋白（3）无结合口袋先验知识等情境下的行为，以深入理解对接方法在现实世界中的实用性	蛋白质-配体对接方法，包括深度学习共折叠方法、传统对接算法和深度学习对接基线算法；涉及的蛋白质包括apo蛋白、holo蛋白、多配体蛋白复合物	计算生物学、药物发现、蛋白质结构预测	NA	深度学习、蛋白质-配体对接、蛋白质结构预测	深度学习共折叠方法（如AlphaFold 3）	蛋白质结构数据、配体数据、多序列比对	NA	NA	AlphaFold 3及其他深度学习共折叠架构	NA	NA
24	2026-09-18	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug-12, ArXiv PMID:40395940	研究论文	提出了一种基于原型的深度学习模型ProtoECGNet，用于可解释的多标签心电图分类，并提供基于案例的解释	结合了1D CNN全局原型、2D CNN时间局部原型和2D CNN全局原型的多分支架构，并引入了一种新的对比损失函数，用于多标签学习中的原型聚类和分离	未明确提及	开发可解释且透明的深度学习模型，用于多标签心电图分类，以促进临床采纳	心电图信号	机器学习, 数字病理学	心血管疾病	心电图分类	CNN	时序信号	PTB-XL数据集的71个标签	NA	1D CNN, 2D CNN	NA	NA
25	2026-09-18	Powerful and accurate case-control analysis of spatial molecular data 2025-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637149 PMID:39975274	研究论文	本文提出了一种名为VIMA的方法，通过结合深度学习和统计方法，从空间分子数据中发现与疾病相关的空间特征。	VIMA结合了变分自编码器集成和元分析，能够灵活且精确地发现数据依赖的微环境，而不依赖于手动定义的细胞类型或空间结构。	未明确说明	开发一种强大的方法，用于空间分子数据的病例-对照分析，以识别与疾病相关的关键空间结构。	空间分子数据，包括类风湿关节炎的免疫荧光数据、溃疡性结肠炎的CODEX数据以及痴呆的空间转录组数据。	数字病理学	类风湿关节炎, 溃疡性结肠炎, 痴呆	免疫荧光显微镜, CODEX, 空间转录组学	变分自编码器	图像, 文本	未明确说明	未明确说明	变分自编码器	未明确说明	未明确说明
26	2026-09-18	An artificial intelligence-based framework for Alzheimer's disease diagnosis from magnetic resonance imaging volumes via video vision transformer 2025-Aug-06, Intelligent medicine IF:4.4Q2 DOI:10.1016/j.imed.2025.07.001 PMID:41122755	研究论文	该研究提出了一种基于视频视觉Transformer的人工智能诊断框架ViTranZheimer，通过将MRI体积视为视频序列来分析，以提高阿尔茨海默病分类的准确性	利用视频视觉Transformer（ViViT）处理MRI体积，通过将MRI切片视为视频帧来捕捉切片间的时序依赖关系，从而捕获复杂的结构关系	仅在公开数据集ADNI上评估，样本量相对较小（351例），未在其他独立数据集上验证泛化能力	开发一种先进的基于人工智能的诊断框架，利用视频视觉Transformer分析MRI，提高阿尔茨海默病分类的准确性	阿尔茨海默病患者、轻度认知障碍患者和正常对照的MRI数据	计算机视觉, 数字病理学	阿尔茨海默病, 神经退行性疾病	MRI, T1加权磁共振成像	Transformer, 视频视觉Transformer	图像（MRI体积）	351例T1加权MRI扫描（正常对照129例，轻度认知障碍145例，阿尔茨海默病77例）	NA	Video Vision Transformer (ViViT), CNN-BiLSTM, ViT-BiLSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
27	2026-09-18	Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics 2025-Aug-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618504 PMID:39463980	研究论文	本文介绍了Carafe工具，它通过在DIA数据上直接训练深度学习模型来生成高质量实验特定的谱库，以提高DIA蛋白质组学分析的性能。	Carafe是首个直接在DIA数据上训练深度学习模型以生成实验特定谱库的工具，而非依赖DDA数据或DDA训练的模型。	未明确说明限制，可能包括模型泛化能力、数据依赖性等。	开发一种工具，能够从DIA数据中生成高质量的谱库，以改善DIA蛋白质组学数据的分析。	DIA质谱数据	机器学习	不适用	数据独立采集质谱	深度学习	质谱数据	未指定	不适用	未指定	碎片离子强度预测、肽段检测	未指定
28	2026-09-18	Cell-APP: A generalizable method for cell annotation and cell-segmentation model training 2025-Aug-04, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.23.634498 PMID:39896521	研究论文	本文提出Cell-APP工具，利用配对透射光和核荧光图像自动注释高质量细胞分割训练数据，并训练基于视觉Transformer的细胞分割模型	Cell-APP通过可提示深度学习模型和核特征分类自动生成细胞分割训练数据，无需繁琐的手工注释，支持创建细胞系特异性和多细胞系分割模型	需要配对透射光和核荧光图像作为输入，可能依赖荧光标记的可用性	开发一种自动化方法用于细胞注释和细胞分割模型训练，以克服手工注释的瓶颈，提高模型的规模和多样性	透射光显微镜图像中的细胞，包括有丝分裂和非有丝分裂细胞	数字病理学	NA	透射光显微镜，核荧光成像，深度学习分割	视觉Transformer	图像	NA	NA	Vision Transformer	NA	NA
29	2026-09-18	Improving RNA Secondary Structure Prediction Through Expanded Training Data 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.03.652028 PMID:40654677	研究论文	该研究通过构建大规模多样化的RNA配对序列和二级结构数据集RNASSTR，并重新训练深度学习模型SincFold，探索扩展训练数据对RNA二级结构预测性能的提升	开发了大规模且多样化的RNASSTR数据集，包含配对的RNA序列及其对应的二级结构，显著扩展了RNA结构预测的训练数据；通过在该数据集上重新训练SincFold模型，证明扩展训练数据能够改善对未见RNA家族的泛化能力	摘要中未明确提及具体局限性，但研究指出RNA结构预测仍未达到当代蛋白质模型的精度水平	探究训练数据不足是否为限制RNA二级结构预测精度的主要因素，并通过扩展训练数据提升预测性能	RNA序列及其二级结构	机器学习	NA	NA	CNN	序列, 结构	NA	NA	SincFold	NA	NA
30	2026-09-16	Fused RGB and IR image based deep learning detection of dried laver bugak for robotic automation systems 2025-Aug-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16563-8 PMID:40877352	研究论文	该研究基于融合的RGB和红外图像，开发YOLO和RT-DETR深度学习检测模型，用于干燥紫菜bugak的检测和分类，以支持机器人自动化系统中的拾取和放置操作	提出了一种结合RGB和红外图像融合的新方法，使用VGG19网络增强检测输入质量，并发现至少需要五个物理类别才能进行有效的机器人处理	未在摘要中明确提及	开发有效的自动化分拣和装载系统，用于Kimbugak生产，通过检测和分类干燥紫菜bugak的物理特性，实现机器人自动化操作	干燥紫菜bugak	计算机视觉	NA	RGB和红外图像融合	YOLO, RT-DETR	图像	NA	NA	YOLOv11l, YOLOv8s, RT-DETR, VGG19	F1分数, mAP@0.5	NA
31	2026-09-16	Comparison of Foundation and Supervised Learning-Based Models for Detection of Referable Glaucoma from Fundus Photographs 2025-Aug-24, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.21.25334170 PMID:40894149	研究论文	该研究比较了基础模型和监督学习模型从眼底照片中检测需转诊青光眼的性能	比较了基础模型（RETFound）和监督学习模型（VGG-19）在青光眼检测中的表现，并研究了训练集大小、裁剪、人口统计学因素和外部数据的影响	未明确提及	比较基础模型和监督学习模型在检测需转诊青光眼方面的性能	来自洛杉矶县卫生服务部远程视网膜筛查项目的6116名参与者	计算机视觉	青光眼	深度学习	视觉Transformer, 卷积神经网络	图像	6116名参与者，训练集8996张图像，验证集3002张图像，内部测试集1000张图像，外部测试集300张图像	NA	RETFound（视觉Transformer）, VGG-19	AUC-ROC, 敏感度, 特异度, F1分数	NA
32	2026-09-16	Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333844 PMID:40894134	研究论文	该研究通过整合影像衍生临床内型、血浆蛋白质组学和外部多基因风险评分，构建机器学习和深度学习模型，以提升冠状动脉微血管疾病的风险预测性能	首次将基于影像的内型分型与遗传和蛋白质组数据整合用于CMVD风险预测，建立了复杂疾病的多模态建模框架	CMVD GWAS数据缺乏，依赖外部CAD GWAS权重和CMVD相关位点作为代理，可能影响遗传风险估计的准确性；样本量和人群代表性可能受限	开发并评估整合影像内型、血浆蛋白质组学和多基因风险评分的模型，以提高CMVD风险预测的准确性和个性化诊断能力	冠状动脉微血管疾病患者，基于灌注PET成像、血浆蛋白质组学和遗传数据	机器学习	心血管疾病	灌注PET成像、血浆蛋白质组学、多基因风险评分、全基因组关联研究	机器学习、深度学习、无监督聚类	影像、文本、组学数据	NA	NA	NA	AUROC	NA
33	2026-09-16	Anatomy-aware, label-informed approach improves image registration for challenging datasets 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.11.669599 PMID:40832189	研究论文	该文章介绍了一种基于解剖学知识和标签信息的图像配准方法，用于改善形态变异较大数据集（如基因敲除小鼠胚胎）的配准效果	开发了一种在ANTsX生态系统中实现的标签引导图像配准功能，利用分割标签提供区域对应关系来指导配准过程，可灵活整合专家定义的基于生物学同源性的区域对应，突破了传统仅基于强度配准方法在处理极端形态表型时的局限	摘要中未明确提及研究的具体局限性	解决传统强度配准方法在存在明显形态表型差异的数据集（如发育生物学和比较研究中的图像）中配准困难的问题，提高配准精度及下游统计分析的效能和灵敏度	E15.5小鼠胚胎图像，包括基因敲除小鼠胚胎（表现为严重脊柱侧弯和内脏拓扑结构重排）与野生型标准模板图像	医学图像分析	NA	图像配准	NA	图像	NA	NA	NA	对应性改善程度, 下游统计分析的效能和灵敏度	NA
34	2026-09-13	Short-range human cortico-cortical white matter fibers have thinner axons and are less myelinated compared to long-range fibers despite a similar g-ratio 2025-08, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3002906 PMID:40834043	研究论文	该文章通过二维透射电子显微镜和深度学习方法，分析了人类大脑短程和长程皮质-皮质白质纤维的轴突直径和髓鞘化程度，发现长程纤维（胼胝体）的轴突直径和髓鞘厚度均约高25%，但g比率相似，均接近理论最优值0.6。	首次综合比较了人类大脑短程和长程白质纤维的轴突直径和髓鞘化程度，揭示了尽管纤维长度和密度不同，但g比率保持相似的最优值，为理解大脑组织的基本原理提供了新见解。	研究基于二维透射电子显微镜分析，可能无法完全捕捉三维结构；样本仅来自特定区域（胼胝体和浅表白质），可能不适用于其他脑区；未考虑年龄、性别等个体差异的影响。	探究人类大脑短程和长程皮质-皮质白质纤维的轴突直径和髓鞘化程度差异，以及这些差异如何影响大脑通信效率。	人类大脑白质纤维，包括长程纤维（来自胼胝体）和短程纤维（来自浅表白质）。	神经科学	NA	二维透射电子显微镜	深度学习	图像	约400,000条纤维	NA	NA	NA	NA
35	2026-09-10	SamRobNODDI:q-space sampling-augmented continuous representation learning for robust and generalized NODDI 2025-08-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b8 PMID:40780245	研究论文	提出一种基于q-space采样增强的连续表示学习框架SamRobNODDI，用于在扩散梯度方向变化下实现稳健且泛化的神经突方向分散与密度成像（NODDI）参数估计	首次引入q-space采样增强的连续表示学习方法，充分挖掘q空间不同梯度方向间的信息，并设计采样一致性损失以约束不同采样方案的输出一致性，增强模型对可变采样方案的鲁棒性和泛化能力	摘要未明确提及局限性	开发能在不同扩散梯度方向下稳健工作的NODDI参数估计方法，克服现有方法对训练和测试时梯度方向数量和坐标需严格一致的限制	扩散磁共振成像（dMRI）中的神经突方向分散与密度成像（NODDI）微观结构估计	机器学习	神经系统疾病	扩散磁共振成像（dMRI）	连续表示学习框架	图像	19种不同的q-space采样方案	NA	NA	NA	NA
36	2026-09-10	Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images 2025-08-28, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002073 PMID:40876931	研究论文	本研究利用眼底基础模型和超广角眼底图像，开发并验证了用于病理性近视中黄斑病变和后巩膜葡萄肿的人工智能辅助诊断模型，表现出良好的性能与跨队列泛化能力	首次将眼科基础模型（如RETFound）应用于超广角眼底图像，用于检测病理性近视相关的黄斑病变和后巩膜葡萄肿	未在摘要中明确说明局限性	利用深度学习技术分析超广角眼底图像，实现病理性近视特征性眼底变化的自动检测，以支持基层医疗中的可及性筛查	高度近视患者的超广角眼底图像，涵盖黄斑病变和后巩膜葡萄肿的检测	计算机视觉	病理性近视（高度近视相关眼底病变）	深度学习	基础模型（如RETFound），可能涉及卷积神经网络或Transformer架构	图像	训练集：1105张超广角眼底图像（来自543名高度近视患者）；外部测试集：293张图像（来自150名高度近视患者）	NA	RETFound（眼科基础模型）	准确率、F1分数、AUROC	NA
37	2026-09-10	Memory-enhanced and multi-domain learning-based deep unrolling network for medical image reconstruction 2025-08-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf939 PMID:40774313	研究论文	提出一种记忆增强和多域学习的深度展开网络，用于医学图像重建	设计了记忆增强模块以自适应整合历史输出，引入跨阶段空间域学习Transformer提取局部与非局部特征，并采用频域一致性学习模块提升重建质量	未在摘要中明确说明	实现可解释、高保真度的医学图像重建，提升深度展开网络的性能	正电子发射断层成像、磁共振成像和计算机断层扫描图像	计算机视觉	NA	NA	深度展开网络（DUN）	图像	涉及三种医学成像模态的多个数据集，具体样本数量未说明	NA	跨阶段空间域学习Transformer（CS-SLFormer）	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
38	2026-09-10	A DCT-UNet-based framework for pulmonary airway segmentation integrating label self-updating and terminal region growing 2025-08-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf486 PMID:40712639	研究论文	提出了一种基于DCT-UNet的肺气道分割框架，集成了标签自我更新和末端区域生长技术	设计了扩张上下文变换器-UNet，提出气道标签自我更新策略和基于深度学习的末端区域生长方法	未明确提及	提高胸内气道分割性能，应对气道形态复杂度、标签不完整和类别不平衡挑战	胸内气道，包括主气道和末端气道	计算机视觉，数字病理学	慢性呼吸系统疾病，慢性阻塞性肺疾病（COPD）	CT成像	CNN，Transformer，UNet	图像（CT扫描）	两个内部数据集和三个公共数据集，以及一个COPD数据集	NA	DCT-UNet，UNet，Transformer	分支检测率，树长检测率，分支比率，树长比率，分支数，树长，端点计数，气道体积，气道表面积	NA
39	2026-09-10	A Deep Learning-Based Multimodal Fusion Model for Recurrence Prediction in Persistent Atrial Fibrillation Patients 2025-08, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16733 PMID:40406972	研究论文	提出一种基于深度学习的多模态融合模型，结合房颤心律12导联心电图信号和临床特征，用于预测持续性房颤患者射频消融术后复发风险	创新性地将房颤心律心电图信号与临床特征相结合，利用残差块网络结构构建多模态融合模型，以提升复发预测性能	样本量较小（仅77例患者），可能限制模型的泛化能力；研究为回顾性分析，可能存在选择偏倚	构建深度学习模型，整合心电信号与临床特征，提高持续性房颤患者消融术后复发预测的准确性，支持个性化临床决策	2016年至2019年间接受射频导管消融治疗的持续性房颤患者	深度学习	心房颤动	心电图信号分析	残差块网络	12导联心电图信号、临床评分、基线特征	77例持续性房颤患者	NA	残差块网络	AUC	NA
40	2026-09-10	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-08-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	研究论文	本研究利用从视盘照片中提取的深度学习预测视网膜神经纤维层厚度，评估其作为眼高压患者原发性开角型青光眼发生风险的预测因子	应用深度学习模型从眼底照片预测RNFL厚度，首次将其作为青光眼风险预测因子，验证基线及纵向变化预测RNFL与青光眼转化的关联	未提供	预测眼高压患者眼底照片中的平均RNFL厚度，并评估预测RNFL厚度作为青光眼发生风险因子的效用	3272只眼（来自1636名眼高压但未患POAG的参与者）	计算机视觉	原发性开角型青光眼	OCT	深度学习模型	图像	3272只眼（来自1636名参与者）	未提供	未提供	Cox比例风险模型中的风险比、95%置信区间、P值	未提供