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
121	2026-08-30	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-11-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成式药物化学工作流程，通过反应预测和多维优化，加速药物发现中的命中到先导化合物优化阶段	结合微型化高通量实验、深度图神经网络反应预测和分子特性优化，实现快速命中到先导化合物的进展	未明确提及	加速药物发现中的命中到先导化合物优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂	机器学习	不适用	高通量实验（HTE）	深度图神经网络	反应数据	13,490个Minisci型C-H烷基化反应；虚拟库包含26,375个分子；14个合成化合物	NA	图神经网络	预测准确性、活性增强倍数	NA
122	2026-08-30	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究介绍了一种结合高光谱成像和三维卷积神经网络的非侵入性框架，用于对治疗性脂质体进行分类，实现了高准确率的无标记检测。	首次将高光谱成像与3D CNN结合用于脂质体药物载体的无标记分类，并引入SMOTE技术处理类别不平衡问题。	摘要中未提及具体局限性。	实现纳米药物递送系统的无标记、非侵入性、可扩展分类，用于实时质量控制和药品开发。	对照脂质体和载阿霉素脂质体。	计算机视觉、数字病理学	不适用	高光谱成像（HSI）、暗场HSI（VNIR 400-1000 nm）、PCA降维、SMOTE	三维卷积神经网络（3D CNN）	高光谱图像	未明确样本数量，但涉及对照和载药脂质体两类样本。	Scikit-learn（用于PCA和SMOTE），深度学习框架未在摘要中明确。	3D CNN	总体准确率、F1分数、Cohen's Kappa系数	未在摘要中提及。
123	2026-08-29	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-11-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本研究提出了一种基于自监督学习训练的病理学基础模型，用于预测胃肠道癌症患者的预后及辅助化疗获益	采用超过1.3亿个图像块和10万多张全切片图像训练病理学基础模型，并首次在多国队列中验证其对胃癌和结直肠癌预后预测及辅助化疗获益预测的能力	尚需前瞻性验证以确认其临床应用价值	开发并验证基于H&E染色病理切片的AI模型，用于预测胃肠道癌症患者预后和辅助化疗获益，以改善风险分层并辅助个体化治疗决策	胃肠道癌症（包括胃癌、食管癌和结直肠癌）患者的病理图像及生存数据	数字病理学、机器学习	胃肠道癌症（含胃癌、食管癌、结直肠癌）	全切片成像（WSI）	基础模型、深度学习模型（自监督学习微调）	病理图像（H&E染色全切片图像）	训练集：104,876张全切片图像（超过1.3亿个图像块）；验证集：1,619例胃/食管癌患者和2,594例结直肠癌患者，共7个队列	NA	自监督学习基础模型（具体架构未在摘要中提及）、微调的深度学习模型（未指定具体架构）	一致性指数（C-index），5年生存率，多变量分析中的独立预后因素，治疗-模型交互作用P值	NA
124	2026-08-28	Temporal structure of natural language processing in the human brain corresponds to layered hierarchy of large language models 2025-Nov-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65518-0 PMID:41298357	研究论文	本研究利用脑皮层电图数据，证明大型语言模型的层级结构与人类大脑语言理解的时间动态相一致	首次展示大型语言模型的层层次与大脑语言理解时间动态的对齐，并发布对齐的神经和语言数据集作为公共基准	未在摘要中明确指出局限性	探究大型语言模型的层级结构与大脑语言理解时间动态的对应关系	人类大脑的语言处理过程，具体包括布罗卡区和语言相关区域	自然语言处理	不适用	脑皮层电图	大型语言模型	脑皮层电图数据和叙事音频	参与者数量未在摘要中明确，数据来自30分钟叙事的聆听过程	不适用	GPT-2 XL, Llama-2	相关性和预测准确度，具体指标未在摘要中明确	未在摘要中提及
125	2026-08-28	A deep learning-based approach for measuring patellar cartilage deformations from knee MR images 2025-Nov, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112930 PMID:40915052	研究论文	开发并评估基于深度学习（2D和3D U-Net）的自动分割方法，用于从膝关节MR图像中测量髌骨软骨变形	首次将自动分割网络应用于运动诱导的髌骨软骨变形测量，避免了手动分割的耗时和变异性	未明确提及，但可能包括数据集规模有限（109张MR扫描）和仅评估了跳跃活动后的短期变形	开发卷积神经网络分割髌骨和髌骨软骨，并评估其测量运动诱导软骨变形的能力	膝关节MR图像中的髌骨和髌骨软骨	计算机视觉、数字病理学	膝骨关节炎	MRI	U-Net（2D和3D）	图像（MR扫描）	109个膝关节MR扫描	NA	U-Net（2D和3D）	平均Dice相似系数（mDSC）、组内相关系数（ICC）、平均差异、应变百分比	NA
126	2026-08-28	Gait data generation using lightweight generative deep learning framework 2025-11, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112951 PMID:40957131	研究论文	提出一种轻量级混合深度学习框架FNN-AE，用于生成人体步态数据，以解决数据稀缺和计算资源限制问题	首次将前馈神经网络与自编码器集成，构建轻量级混合模型，在保持数据保真度的同时大幅降低计算复杂度，并通过牛顿运动方程和OpenSim平台验证生成数据的生物力学可行性	未提及具体局限性，但模型仅验证了步态数据生成，可能对其他类型数据或更复杂场景的适用性有待探索	开发一种计算高效的生成模型，以缓解步态数据稀缺问题，并确保生成数据在临床和生物力学应用中的可行性	人体步态数据	机器学习	NA	生成对抗网络（GAN）	前馈神经网络和自编码器	步态数据（可能为时间序列或数值数据）	NA	NA	FNN-AE	数据保真度	NA
127	2026-08-28	Comparison of kinematics between markerless and marker-based motion capture systems for change of direction maneuvers 2025-11, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112965 PMID:40974779	研究论文	本研究比较了无标记和基于标记的运动捕捉系统在变向动作中的运动学数据，评估无标记系统的适用性。	首次在变向动作中对比无标记和基于标记的运动捕捉系统的运动学数据，利用深度学习进行无标记姿态估计。	关节角度存在显著差异，比较幅度时需谨慎，可能受系统特定差异影响。	评估无标记运动捕捉系统在变向动作运动学分析中的适用性和可靠性。	23名男性参与者的90°变向动作。	运动生物力学	NA	光学运动捕捉（基于标记和无标记）	深度学习模型	运动学数据（三维关节角度）	23名男性参与者，每人5次90°变向动作	NA	深度学习（具体架构未指定）	Bland-Altman分析，组内相关系数（ICC），均方根偏差（RMSD），归一化均方根误差（NRMSE）	NA
128	2026-08-28	PathoRM: Computational inference of pathogenic RNA methylation sites by incorporating multi-view features 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013654 PMID:41212924	研究论文	开发了PathoRM，一种基于生物学信息的深度学习模型，用于推断RNA甲基化位点与疾病之间的关联，并整合多视图特征。	结合大型语言模型、多视图学习、图神经网络、对抗训练和基于‘guilty-by-association’的负采样方法，并引入注意力机制提供生物学可解释性。	未在摘要中提及具体局限性。	通过计算方法准确推断致病性RNA甲基化位点，以辅助疾病治疗和表观转录组研究。	RNA甲基化位点及其与疾病的关联。	生物信息学	多种疾病（未指定）	RNA甲基化测序（推测，摘要未明确）	深度学习模型	序列数据和文本描述	未提供	未指定	大型语言模型、图神经网络	准确率、鲁棒性（具体指标未提及）	未提供
129	2026-08-28	Automated C. elegans behavior analysis via deep learning-based detection and tracking 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013707 PMID:41218058	研究论文	提出了一种基于深度学习的自动化秀丽隐杆线虫行为分析方法，整合YOLOv8和ByteTrack实现多线虫实时精准追踪及运动参数定量分析	创新性地将YOLOv8与ByteTrack集成，开发了增强型线虫检测框架，支持多线虫同时追踪和自动提取多种行为参数，提高了追踪连续性和鲁棒性	未在摘要中明确提及局限性	实现秀丽隐杆线虫行为的高通量、自动化分析，提升实验效率和准确性，为药物筛选和基因功能研究提供工具	秀丽隐杆线虫（Caenorhabditis elegans）	计算机视觉	NA	深度学习	YOLOv8, ByteTrack	图像	NA	NA	YOLOv8, ByteTrack	精确度, 召回率, mAP50, 帧率	NA
130	2026-08-28	SpaMWGDA: Identifying spatial domains of spatial transcriptomes using multi-view weighted fusion graph convolutional network and data augmentation 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013667 PMID:41223185	研究论文	提出一种基于多视图加权融合图卷积网络和数据增强的深度学习模型SpaMWGDA，用于识别空间转录组中的空间域	采用多视图加权融合GCN和对比学习，通过不同相似性度量捕捉全面的邻域信息，利用视图级注意力机制自适应融合关键特征，解决固定相似性度量、融合噪声和非线性特征忽略等局限	未明确提及局限性，可能涉及计算复杂性或泛化性验证不足	提高空间转录组数据中空间域的识别准确性，并支持轨迹推断和组织结构与功能分析	空间转录组数据中的细胞和空间信息	数字病理学	不适用	空间转录组测序	图卷积网络（GCN）	基因表达和空间信息数据	不适用	PyTorch	多视图加权融合GCN	准确率、AUC	不适用
131	2026-08-28	Improving the accuracy of automated labeling of specimen images datasets via a confidence-based process 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013650 PMID:41223204	研究论文	本文提出并验证了一种基于置信度阈值的方法，通过拒绝低置信度标签来显著提高自然历史标本图像数据集自动标注的准确性。	该方法利用神经网络对生成标签的置信度以及用户定义的阈值来拒绝不合格标签，从而在保持灵活性的同时大幅提升标注准确率，并公开了一个包含60万以上标本的标注数据集。	未明确提及局限性，但高置信度阈值会导致部分标签被拒绝，覆盖范围减少。	提高基于卷积神经网络的标本图像自动标注的准确性，使其可用于实际研究，并探讨标注结果中的生物学趋势。	自然历史标本图像，特别是超过60万个植物标本的图像数据集。	计算机视觉	不适用	深度学习、卷积神经网络	卷积神经网络（CNN）	图像	超过60万个植物标本图像	未提及	卷积神经网络（CNN）	准确率	未提及
132	2026-08-28	OneProt: Towards multi-modal protein foundation models via latent space alignment of sequence, structure, binding sites and text encoders 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013679 PMID:41231876	研究论文	介绍了一种名为OneProt的蛋白质多模态深度学习模型，通过将序列、结构、结合位点和文本编码器的潜在空间对齐，整合多种蛋白质数据。	采用ImageBind框架进行轻量级微调，仅需成对序列对齐而非完全匹配，并首次引入结合位点编码器到多模态蛋白质模型中。	文中未明确提及局限性。	开发一种多模态蛋白质基础模型，以提升蛋白质机器学习任务的预测性能，并探索不同模态编码器的作用。	蛋白质序列、结构、结合位点及文本描述数据。	多模态深度学习、蛋白质机器学习	NA	深度学习、多模态对齐	图神经网络与Transformer混合模型	序列、结构、结合位点、文本	未明确说明	ImageBind	图神经网络、Transformer	检索任务性能、下游基线性能	未明确说明
133	2026-08-28	Physics-informed deep learning for infectious disease forecasting 2025-11, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0379 PMID:41290140	研究论文	本文利用物理信息神经网络（PINNs）进行传染病预测，并在加利福尼亚州的COVID-19数据上验证了其性能	将疾病传播的动力学系统表示整合到损失函数中，并结合一个子网络来考虑流动性、疫苗剂量和协变量对传播速率的影响	研究中使用的数据仅限于加利福尼亚州，可能限制了模型的泛化性；PINNs模型与高斯感染状态模型的比较未涉及其他地区或疾病	改进传染病预测方法，提高预测能力，以更好地应对未来疫情	传染病预测模型，具体是COVID-19病例数、死亡数和住院人数	科学机器学习	COVID-19	NA	物理信息神经网络（PINNs）	时序数据（病例数、死亡数、住院数、流动性、疫苗剂量）	加利福尼亚州级别的数据	NA	物理信息神经网络（PINNs），包含主网络和子网络	与基准模型比较的预测准确性	NA
134	2026-08-28	Relation knowledge distillation 3D-ResNet-based deep learning for breast cancer molecular subtypes prediction on ultrasound videos: a multicenter study 2025-Nov, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03146-7 PMID:40858830	research paper	本研究开发并验证了一种基于关系知识蒸馏的三维残差网络（RKD-R3D）模型，利用超声视频预测乳腺癌分子亚型，以辅助临床个体化管理。	首次将关系知识蒸馏与三维残差网络结合，应用于超声视频进行乳腺癌分子亚型四分类预测，并进行了多中心验证。	文章摘要中未提供明确的局限性信息。	开发并测试一种基于超声视频的RKD-R3D模型，用于非侵入性预测乳腺癌分子亚型，以改善临床管理。	882名乳腺癌患者（2375个超声视频和9499张图像）及86名外部测试队列患者，病理确诊为四种St. Gallen分子亚型（Luminal A、Luminal B、HER2阳性、三阴性）。	computer vision, machine learning	breast cancer	NA	3D-ResNet, RKD-R2D, traditional R3D	video, image	882名患者（训练、验证和内部测试队列）以及86名患者（外部测试队列）	NA	3D-ResNet, R2D-ResNet, R3D-ResNet	AUC, sensitivity, specificity, accuracy, balanced accuracy, precision, recall, F1-score	NA
135	2026-08-24	An intelligent diagnostic model for pulmonary nodules utilizing chest radiographic imagery and its application in community-based lung cancer screening 2025-Nov, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03147-6 PMID:40847012	研究论文	本研究开发了一种基于胸部X光影像的智能诊断模型CXR-RANet，用于肺结节和肺癌的早期检测，并在社区肺癌筛查中进行了验证	提出了一种基于CXR-RANet架构的深度学习模型，在特征提取和分类性能上优于主流深度学习算法和传统机器学习模型，适用于资源有限的社区筛查环境	未明确提及局限性	提高胸部X光影像在肺癌早期检测中的诊断准确性，并为社区医生提供不依赖专家经验的筛查工具	肺结节和肺癌患者，以及社区筛查人群	医学影像分析	肺癌	胸部X光影像	深度学习模型（CXR-RANet）	图像	4079张胸部X光影像来自2518名个体，外部验证包括PLCO数据集的24697名个体（88562张图像）和ChestDR数据集的4848名个体	NA	CXR-RANet	AUC	NA
136	2026-08-23	An interpretable geometric graph neural network for enhancing the generalizability of drug-target interaction prediction 2025-11-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02456-9 PMID:41299450	研究论文	提出一种可解释的几何图神经网络GPS-DTI，用于提高药物-靶点相互作用预测的泛化能力	结合GINE图神经网络和多头注意力机制建模药物分子，利用预训练ESM-2模型和CNN提取蛋白质特征，并通过交叉注意力模块增强模型可解释性	信息不足，未在摘要中明确提及局限性	提高药物-靶点相互作用预测的泛化能力，特别是在面对未见过的药物或靶点时	药物分子和蛋白质	机器学习	COVID-19	NGS, ONT, RNA-seq, methylation sequencing	图神经网络、卷积神经网络、多头注意力机制	分子结构数据、蛋白质序列数据	信息不足，未在摘要中明确提及样本数量	PyTorch	GINE, CNN, ESM-2, 交叉注意力模块	准确性、AUC、F1分数等	GPU (NVIDIA V100, A100)
137	2026-08-23	A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways 2025-11-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06074-6 PMID:41253855	研究论文	本文介绍了AirRC数据集，包含254个CT扫描的三维肺静脉、动脉、气道腔和气道壁标注，并验证了基于MONAI的深度学习分割模型的性能	首次提供包含肺静脉、动脉、气道腔和气道壁的多结构三维标注的大规模公共数据集，并采用两阶段细化策略改进小气道分支分割	文中未明确提及局限性	解决肺部结构分割中缺乏大规模多结构标注公共数据集的问题，提供基准资源以支持先进分割算法的开发和评估	肺静脉、动脉、气道腔和气道壁	数字病理学	肺部疾病	CT成像	深度学习模型	图像	254个CT扫描样本	MONAI	NA	Dice相似系数	NA
138	2026-08-23	Sequential Human Assembly and Disassembly Motions in Human-Robot Coexisting Environments 2025-11-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06042-0 PMID:41219251	研究论文	本文介绍了一个用于人机共存环境中顺序性人类装配与拆卸动作研究的新型多视角数据集，包含RGB视频和2D/3D人体骨骼数据。	提出了一个专门针对人机共存环境中顺序性人类装配和拆卸动作的数据集，涵盖了部分遮挡、重复相似动作和多样人类行为等现有数据集常忽略的挑战。	文中未明确提及局限，但可能包括数据集中于装配和拆卸场景，以及参与者数量有限等。基于标题和摘要，未给出具体限制。	推动人类运动预测、面向任务的机器人顺序决策、自主机器人的运动和任务规划，以及人机协作策略的研究。	人类在共享空间中执行顺序装配和拆卸动作的行为，以及多视角相机记录的相关数据。	计算机视觉	NA	NA	深度学习模型（用于基准测试）	图像、视频、坐标数据	超过10,000个样本，来自33名参与者。	NA	NA	NA	NA
139	2026-08-23	A Mandibular Defect Dataset for Autonomous Reconstruction Planning in Oral and Maxillofacial Surgery 2025-11-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06048-8 PMID:41214004	研究论文	本文介绍首个临床来源的下颌骨缺损数据集，包含147个模型，用于口腔颌面外科自主重建规划的人工智能算法开发	首次提供临床来源的下颌骨缺损数据集，准确反映临床缺损边界的复杂性和患者个体解剖结构的多样性，有助于提高AI模型的泛化性和适应性	未在摘要中提及具体局限性	为深度学习的下颌骨缺损重建算法提供高质量数据集，以解决临床挑战	147个下颌骨缺损模型	数字病理学	口腔颌面疾病	NA	NA	图像	147个下颌骨缺损模型	NA	NA	NA	NA
140	2026-08-23	Clinical validation of a deep learning model for low-count PET image enhancement 2025-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07370-4 PMID:40471320	研究论文	临床验证深度学习模型RaDynPET在四倍减少计数全身PET图像增强中的效果	开发了专门用于低计数PET图像增强的深度学习模型RaDynPET，并在内部和外部队列中进行了临床验证，证明了其在恢复图像质量的同时保持标准摄取值一致性的能力	未在摘要中明确提及局限性	评估深度学习模型RaDynPET在四倍减少计数全身PET检查中的效果	120名接受18F-FDG PET/CT检查的患者（84名内部队列和36名外部队列）	医学影像	不特定疾病	PET/CT成像	深度学习模型	PET图像	120名患者	NA	RaDynPET	图像质量评分、标准化摄取值、标准差、信噪比、肿瘤背景比、对比噪声比、灵敏度、特异性、峰值信噪比、结构相似性指数	NA