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	2026-01-08	Multimodal graph, surface, and language-based model for protein protein interaction prediction 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34758-x PMID:41495146	研究论文	本文介绍了一种名为GSMFormer-PPI的新型多模态框架，用于预测蛋白质-蛋白质相互作用，通过整合蛋白质分子表面特征、3D结构图和残基级序列嵌入来提高预测准确性	引入了结合蛋白质表面特征、结构图和序列嵌入的多模态框架，采用几何深度学习和高级融合策略，超越了传统的简单特征拼接方法	未明确说明模型在更大规模或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	提高蛋白质-蛋白质相互作用预测的准确性，以更好地理解生物过程和疾病机制	蛋白质-蛋白质相互作用	机器学习	NA	几何深度学习，图卷积网络，Transformer编码器	图卷积网络，Transformer	蛋白质分子表面特征，3D结构图，序列嵌入	基于PINDER数据集，具体样本数量未明确说明	NA	MaSIF，图卷积网络，Transformer编码器	NA	NA
122	2026-01-08	A multimodal vision-language model for generalizable annotation-free pathology localization 2026-Jan-06, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01574-7 PMID:41495192	研究论文	本文提出了一种无需标注的通用病理定位视觉语言模型AFLoc，通过多级语义结构对比学习实现病理定位与分类	采用基于多级语义结构的对比学习，全面对齐多粒度医学概念与丰富图像特征，无需专家图像标注即可适应病理的多样化表达	NA	开发一种无需标注的通用病理定位模型，以降低标注需求并适应复杂临床环境	胸部X光图像、组织病理学图像和视网膜眼底图像中的病理区域	计算机视觉	胸部疾病	NA	视觉语言模型	图像-报告对	220,000对胸部X光图像-报告，并在8个外部数据集上验证，涵盖34种胸部病理类型	NA	AFLoc	定位精度、分类准确率	NA
123	2026-01-08	The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics 2026-Jan-06, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01838-z PMID:41495202	研究论文	本文提出了一种可解释的多模态降维框架SpaHDmap，通过整合空间转录组学数据与高分辨率组织学图像来提升空间分辨率	将非负矩阵分解融入深度学习框架，实现了高分辨率空间元基因的识别，并能同时分析多个样本及兼容多种组织学图像类型	未明确说明框架对计算资源的具体需求及在处理超大规模数据集时的可扩展性	提升空间转录组学数据的空间分辨率以解析细微空间结构和生物活动	空间转录组学数据与组织学图像	数字病理学	NA	空间转录组学	深度学习	基因表达数据, 图像	合成、公共及新测序的多技术多组织类型数据集	NA	NA	NA	NA
124	2026-01-08	A high resolution urban and rural settlement map of Africa using deep learning and satellite imagery 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34295-7 PMID:41495271	研究论文	本研究开发了一个基于DeepLabV3的深度学习框架，整合多源卫星数据，生成了2016年至2022年非洲大陆10米分辨率的城乡地图	提出了一种结合多源数据（Landsat-8、VIIRS夜间灯光、ESRI LULC、GHS-SMOD）的深度学习框架，首次在非洲大陆实现了10米高分辨率的城乡连续制图，超越了现有全球产品的空间分辨率和适应性	模型在非洲大陆尺度的总体准确率为65%，Kappa系数为0.47，虽然优于现有产品，但仍有提升空间；方法在异质性区域的适应性仍需进一步验证	开发高分辨率城乡地图以支持可持续发展、空间规划和政策设计，特别是针对非洲地区	非洲大陆的城乡聚落	计算机视觉	NA	卫星遥感（Landsat-8、VIIRS夜间灯光）、深度学习	CNN	卫星图像、夜间灯光数据、土地利用覆盖数据	覆盖整个非洲大陆（2016-2022年）	NA	DeepLabV3	总体准确率、Kappa系数	NA
125	2026-01-08	A hybrid CNN-transformer model with adaptive activation function for potato leaf disease classification 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34406-4 PMID:41495315	研究论文	本文提出了一种结合CNN与Transformer的混合深度学习架构PLDNet，并引入自适应激活函数AFpM，用于马铃薯叶片病害的自动分类	提出了一种名为PLDNet的混合架构，融合了DenseNet CNN与Transformer注意力模块；并创新性地设计了自适应参数化激活函数AFpM，通过可学习参数实现自适应非线性，在动态梯度控制方面优于Mish、Swish和PFpM等现有激活函数	未明确说明模型在更复杂田间环境或更多病害类别下的泛化能力；未讨论计算复杂度与实时部署的可行性	开发一种高效、准确的自动化马铃薯叶片病害分类方法，以替代传统人工检测	马铃薯叶片病害图像	计算机视觉	植物病害	深度学习图像分类	CNN, Transformer	图像	PlantVillage和Mendeley两个公开数据集	未明确说明	DenseNet, Transformer	准确率	未明确说明
126	2026-01-08	Dual deep learning approach for non-invasive renal tumour subtyping with VERDICT-MRI 2026-Jan-06, Npj imaging DOI:10.1038/s44303-025-00135-6 PMID:41495369	研究论文	本研究利用VERDICT-MRI框架和深度学习模型，对肾细胞癌亚型进行非侵入性表征，并优化了扫描协议	采用自监督神经网络拟合三室VERDICT模型，并开发了特征选择方法以显著减少扫描时间	样本量较小（14名患者，17个肿瘤），且研究为前瞻性单中心试验，需要更大规模验证	通过扩散MRI和VERDICT框架表征肾肿瘤微结构，实现非侵入性亚型区分	肾细胞癌患者及其肿瘤（包括良性和多种RCC亚型）	数字病理学	肾癌	扩散MRI, VERDICT-MRI	神经网络	MRI图像	14名患者，17个肾肿瘤	NA	自监督神经网络	NA	NA
127	2026-01-08	Development of a comprehensive model combining clinical, radiomics with deep learning for predicting the micropapillary pattern in ≤ 2cm invasive lung adenocarcinoma 2026-Jan-06, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezag002 PMID:41495424	研究论文	本研究开发了一个结合临床特征、影像组学特征和深度学习特征的预测模型，用于术前识别≤2cm浸润性肺腺癌中的微乳头状模式	首次将临床、影像组学和深度学习特征融合到一个综合模型中，用于预测≤2cm浸润性肺腺癌中的微乳头状模式，并展示了其优于单一特征模型的性能	研究为回顾性设计，样本量相对有限（311例患者），且来自单一中心，可能影响模型的泛化能力	开发一个非侵入性预测模型，以术前识别≤2cm浸润性肺腺癌中的微乳头状模式，从而指导手术决策和优化患者管理	311例经病理证实的≤2cm浸润性肺腺癌患者（其中102例微乳头状模式≥5%，209例无微乳头状模式）	数字病理学	肺癌	影像组学特征提取（使用PyRadiomics），深度学习特征提取（使用3D卷积神经网络）	随机森林, SVM	临床数据, 医学影像数据	311例患者	PyRadiomics, 自定义深度学习框架（NASLung）	3D卷积神经网络（NASLung）	AUC, 敏感性, 特异性, 校准曲线, 决策曲线分析	NA
128	2026-01-08	Non-contact lung disease classification via orthogonal frequency division multiplexing-based passive 6G integrated sensing and communication 2026-Jan-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01181-2 PMID:41495455	研究论文	本文提出了一种基于正交频分复用技术的非接触式6G集成感知与通信系统，用于分类五种呼吸系统疾病	利用非电离6G/WiFi多载波射频信号（5.23 GHz）对胸部进行照射，通过不同疾病对射频信号幅度、频率和相位的独特调制特性实现疾病分类，并展示了在仅使用八种频率（12.5%带宽）时仍能保持高准确性的能力	研究样本量相对有限（220名个体），且仅在医院环境中收集数据，可能影响模型的泛化能力	开发一种非接触式、实时的呼吸系统疾病筛查方法，以促进健康公平并推动未来医疗系统中的6G/WiFi集成感知与通信平台	220名个体（包括190名患者和30名健康对照），涉及哮喘、慢性阻塞性肺疾病、间质性肺疾病、肺炎和肺结核五种呼吸系统疾病	机器学习	呼吸系统疾病	正交频分复用（OFDM）技术，基于5.23 GHz的6G/WiFi多载波射频信号	CNN	射频信号记录	220名个体（190名患者，30名健康对照），包含超过26,000秒的射频信号记录，覆盖64种频率	NA	vanilla convolutional neural network	准确率, 精确率, 召回率, F1分数	NA
129	2026-01-08	Hgtsynergy: a transfer learning method for predicting anticancer synergistic drug combinations based on a drug-drug interaction heterogeneous graph 2026-Jan-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06360-5 PMID:41495639	研究论文	本文提出了一种名为HGTSynergy的深度学习方法，用于预测抗癌协同药物组合，该方法基于药物-药物相互作用异构图，并利用迁移学习框架提升预测性能	首次将药物-药物相互作用异构图与迁移学习框架结合，以全面建模多种药物相互作用类型并从中提取先验知识，从而改进协同药物组合的预测	未明确说明方法在更广泛药物类型或不同癌症类型中的泛化能力，以及计算成本或数据需求的具体限制	预测抗癌协同药物组合，以降低手动筛选成本并优化癌症治疗中的药物组合疗法	抗癌药物及其相互作用	机器学习	癌症	深度学习	异构图注意力网络	图数据（药物-药物相互作用异构图）	NA	NA	异构图注意力网络	均方误差, 均方根误差, 皮尔逊相关系数, AUC, AUPRC, 准确率, 精确率, Cohen's Kappa	NA
130	2026-01-08	Prediction of pathological complete response to neoadjuvant therapy in breast cancer using deep learning with multi-modal radiological image and biopsy whole slide images: a two-center study 2026-Jan-06, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00986-7 PMID:41495869	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
131	2026-01-08	Deep Learning-Based Collateral Scoring on Multiphase CTA in Patients with Acute Ischemic Stroke in the MCA Region 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8911 PMID:40623825	研究论文	本研究开发了一种基于深度学习的自动化方法，用于评估和量化急性缺血性卒中患者多期相CTA图像中的侧支循环，以减少观察者间的变异并提高诊断效率	提出了一种结合定制预处理模块的深度学习分类方法，首次实现了在多期相CTA上对侧支循环状态进行自动评估和量化，并证明多期相CTA相比单期或双期CTA在侧支评估中具有更好的性能	研究为回顾性设计，样本量相对有限（420例患者），且仅针对大脑中动脉区域的卒中患者，可能限制了结果的普适性	开发一种自动评估急性缺血性卒中患者多期相CTA侧支循环的方法，以辅助临床决策	420例急性缺血性卒中患者的多期相CTA图像	医学影像分析	急性缺血性卒中	多期相CTA	深度学习分类模型	医学影像（多期相CTA图像）	420例患者	NA	NA	准确率, F1分数, 精确率, 灵敏度, 特异性, AUC, 组内相关系数, κ系数	NA
132	2026-01-08	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2026-Jan-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	本研究开发并验证了一种基于深度学习的可解释模型，用于预测卵巢癌类器官的生长结果	首次应用深度学习模型预测卵巢癌类器官的生长结果，并采用梯度加权类激活映射（Grad-CAM）进行可解释性分析	研究样本量有限，且仅针对卵巢癌类器官，模型泛化能力有待进一步验证	开发可预测卵巢癌类器官培养结果的深度学习模型，以提高类器官培养的成功率和临床实用性	卵巢癌类器官的纵向显微镜图像	计算机视觉	卵巢癌	纵向显微镜成像	CNN, Transformer	图像	517个卵巢癌类器官液滴（训练集325，验证集88，测试集104），外加179个多中心样本用于前瞻性验证	PyTorch	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	AUC, Brier分数, 校准曲线, 决策曲线净收益	NA
133	2026-01-08	Deep Learning-Based Acceleration in MRI: Current Landscape and Clinical Applications in Neuroradiology 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8943 PMID:40721279	综述	本文综述了深度学习在加速磁共振成像（MRI）中的当前应用，特别是在神经放射学领域的临床实践	探讨了深度学习图像重建（DLBIR）技术如何从2D到3D采集的演进，结合自监督学习的进展，以在减少扫描时间的同时保持或提升图像质量	存在跨扫描器和成像条件的泛化性挑战、对伪影的敏感性、病理表征可能被改变，以及供应商特定闭源算法的训练数据、底层算法和临床验证信息有限	回顾深度学习加速MRI的技术现状、临床应用及未来趋势	神经放射学中的MRI图像	医学影像	NA	深度学习图像重建（DLBIR）	深度学习模型	图像	NA	NA	NA	图像质量、病变显著性、噪声抑制、诊断准确性	NA
134	2026-01-08	Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8950 PMID:41381352	研究论文	本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在多发性硬化症脊髓病变检测中的诊断性能，并与传统MRI序列进行比较	首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量	样本量较小（仅38名患者），且研究为单中心前瞻性设计，需要更大规模的多中心验证	评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病变检测中的诊断效能	多发性硬化症或临床孤立综合征患者的脊髓MRI图像	医学影像分析	多发性硬化症	3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列	深度学习去噪模型	3D MRI图像	38名患者	NA	NA	病变计数、检测置信度、图像质量评分、对比噪声比、组间一致性	NA
135	2026-01-08	Enhanced Neurovascular Imaging Using Ultra-High-Resolution CT and Deep Learning-Based Image Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8964 PMID:41436283	研究论文	本研究评估了基于深度学习的图像重建在超高清CT神经血管成像中的诊断优势	首次将深度学习重建算法应用于超高清CT神经血管成像，并与标准混合迭代重建进行对比	单中心回顾性研究，样本量有限，仅使用特定供应商的深度学习算法	评估深度学习重建在神经血管成像中的诊断效益	100名因急性神经症状接受颅脑CT和CTA检查的患者	医学影像分析	脑血管疾病	CTA, 超高清CT, 深度学习图像重建	深度学习算法	CT图像	100名患者	Matlab	供应商特定的深度学习算法	SNR, CNR, 斜率评估, 图像质量评分	NA
136	2026-01-07	Two-Tier heuristic search for ransomware-as-a-service based cyberattack défense analysis using explainable Bayesian deep learning model 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96083-7 PMID:41490912	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
137	2026-01-08	A machine learning study highlighting the challenges of fidgety movement recognition using vision and inertial sensors 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28523-3 PMID:41490995	研究论文	本研究利用深度学习方法，结合RGB-D视频和惯性测量单元数据，探索婴儿烦躁运动的自动识别，并分析其在跨受试者泛化方面的挑战	采用解耦特征表示学习方法，独立于受试者信息来表征运动特征，并首次系统比较了视觉和传感器模态在识别婴儿烦躁运动中的具体挑战	模型在训练期间未见过的受试者上泛化能力有限，视觉和传感器模态均存在特定挑战尚未完全解决	自动化婴儿烦躁运动的识别，以替代耗时耗资源的人工通用运动评估，为早期神经发育障碍筛查提供支持	95名婴儿（平均年龄约数周）的烦躁运动数据	机器学习	脑性瘫痪	RGB-D视频采集，惯性测量单元数据采集	深度学习	视频，传感器数据	95名婴儿	NA	NA	NA	NA
138	2026-01-08	A hierarchical deep learning framework with doubly regularized loss for robust malware detection and family categorization 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31444-w PMID:41491703	研究论文	本文提出了一种基于双重正则化损失的分层深度学习框架，用于PE恶意软件检测和家族分类	引入了新颖的双重正则化二元交叉熵损失函数，结合加权交叉熵和谱正则化，通过数学公式证明其能稳定训练动态并缓解类别不平衡问题	未明确说明框架在实时检测或资源受限环境中的适用性，且仅针对PE格式恶意软件	开发一个准确、数学基础扎实且可解释的恶意软件检测和分类框架	便携式可执行文件恶意软件及其14个家族	机器学习	NA	NA	深度学习	文件数据	大规模数据集，包括BODMAS、SOMLAP和CLaMP	KerasTuner	NA	加权准确率	NA
139	2026-01-08	Deep generative models for vessel segmentation in CT angiography of the brain 2026-Jan-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111432 PMID:41494368	研究论文	本文提出了一种用于脑部CT血管造影中血管分割的无监督生成深度学习半监督方法	提出了一种基于条件生成对抗网络（GAN）的半监督方法，用于CTA到NCCT的转换，并生成对比图以自动提取血管分割；此外，引入了一种基于3D Frangi滤波器的损失函数来增强对比图中的管状结构，以改进血管分割	与监督方法nnUnet相比，半监督方法的Dice相似系数低4%，假阳性率较高	开发一种无需繁琐手动分割的半监督生成深度学习方法来分割颅内血管	脑部CT血管造影（CTA）和非对比增强CT（NCCT）图像中的血管	计算机视觉	脑血管疾病	CT血管造影（CTA），非对比增强CT（NCCT）	GAN	3D医学图像	908个未标记的脑部CTA和NCCT扫描，以及9个带有手动标注参考分割的CTA体积作为测试集	NA	条件生成对抗网络（GAN）	Dice相似系数（DSC），真阳性率（TPR），假阳性率（FPR）	NA
140	2026-01-08	SCALE: unsupervised multiscale domain identification in spatial omics data 2026-Jan-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1456 PMID:41495880	研究论文	提出了一种名为SCALE的无监督算法，用于识别空间转录组数据中的多尺度功能域	首次结合基于深度学习的图表示学习与基于熵的搜索算法，无监督地识别空间转录组数据中不同尺度的功能域层次结构	未明确说明算法对特定组织类型或数据质量的敏感性，也未讨论计算复杂度对大规模数据的适用性	开发一种无监督计算方法，以识别空间转录组数据中多层次的功能域结构	空间转录组数据，包括小鼠大脑（Xenium和MERFISH平台）和患者来源的肾脏组织数据	空间组学	NA	空间转录组学	图表示学习	空间转录组数据	模拟数据、小鼠大脑数据和患者肾脏组织数据（具体样本数量未提供）	NA	NA	与最先进的多域识别方法相比的性能提升（最高191.1个百分点）	NA