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
5661	2026-01-03	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了MULTICOM_ligand，一种基于深度学习的蛋白质-配体结构与结合亲和力预测集成方法，在CASP16中表现优异	提出了结合结构共识排序的无监督姿态排序方法，以及用于联合结构与结合亲和力预测的新型深度生成流匹配模型	未在摘要中明确说明	解决蛋白质-配体结构预测与结合亲和力准确估计的基础性问题	蛋白质-配体复合物	机器学习	NA	几何深度学习，流匹配	深度学习集成模型，生成模型	蛋白质-配体结构数据	NA	NA	流匹配模型	CASP16排名（前5名）	NA
5662	2026-01-03	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升了蛋白质复合物结构预测的准确性，并在CASP16中进行了盲测评估	整合了基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合了蛋白质复合物化学计量比预测、多样化的多序列比对生成、建模异常处理以及基于深度学习的蛋白质模型质量评估等内部技术	未明确提及具体局限性	提高蛋白质复合物结构预测的准确性	多链蛋白质复合物（多聚体）	机器学习	NA	多序列比对（MSA）、蛋白质模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	NA	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
5663	2026-01-03	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在量化中风后肌筋膜剪切应变中的可靠性，以验证临床假设	提出了一种新的临床假设，即中风后肌筋膜疼痛患者的患侧肩部肌肉间剪切应变低于健侧，并系统比较了四种位移估计算法（包括基于L1和L2范数正则化的优化方法）的可靠性	L1-SOUL-Search方法运行时间较慢，可能影响实时应用	评估超声位移跟踪技术在中风后肌筋膜剪切应变量化中的可靠性，以支持肌筋膜功能障碍的诊断和治疗	十名患有中风后肩部肌筋膜疼痛的研究参与者	医学影像分析	中风后肌筋膜疼痛	超声位移跟踪、T1ρ磁共振成像	NA	超声图像、磁共振图像	10名研究参与者	NA	NA	位移导数均值和方差、视觉检查、定量T1ρ磁共振成像验证	NA
5664	2026-01-03	Contrastive virtual staining enhances deep learning-based PDAC subtyping from H&E-stained tissue cores 2026-Jan, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6491 PMID:41188199	研究论文	本研究提出了一种基于对比学习启发的CycleGAN框架，用于从H&E染色组织切片生成虚拟IHC图像，以增强胰腺导管腺癌（PDAC）亚型分型的准确性	引入了一种新颖的、利用对比学习启发的cycleGAN框架，并在源自连续组织切片的半配对数据集上进行训练，显著提升了基于合成IHC图像的PDAC亚型分型性能	未明确提及具体的研究局限性	开发一种虚拟染色方法，以替代传统劳动密集型的IHC染色，用于PDAC亚型分型，旨在简化诊断流程并提高其稳健性	胰腺导管腺癌（PDAC）组织	数字病理学	胰腺癌	虚拟染色，免疫组织化学（IHC）染色，苏木精和伊红（H&E）染色	GAN	图像	NA	CycleGAN	CycleGAN	F1分数	NA
5665	2026-01-03	Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.111550 PMID:41355970	研究论文	本研究开发了一种名为DeepMGO的深度学习模型，用于预测化合物的甲基乙二醛清除活性，并成功鉴定出候选化合物TP-41，在小鼠模型中验证了其对阿尔茨海默病相关症状的改善作用	首次利用深度学习技术针对甲基乙二醛清除剂进行阿尔茨海默病治疗药物的开发	研究仅在小鼠模型中进行验证，尚未进行人体临床试验	开发深度学习模型以识别具有甲基乙二醛清除活性的化合物，用于阿尔茨海默病治疗	甲基乙二醛清除活性化合物	机器学习	阿尔茨海默病	深度学习	深度学习模型	化学活性数据	660个化合物的2,262个甲基乙二醛清除活性测定数据	NA	DeepMGO	预测性能	NA
5666	2026-01-03	DeepLuAd: Semantic-guided virtual histopathology of lung adenocarcinoma via stimulated Raman scattering 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125443 PMID:41424851	研究论文	本文开发了一个名为DeepLuAd的AI平台，结合无标记刺激拉曼散射显微镜和语义引导深度学习，用于肺腺癌的自动分级、分割、细胞水平形态化学量化及无监督虚拟H&E染色	通过整合无标记刺激拉曼散射显微镜与语义引导深度学习，实现了肺腺癌组织亚型的形态与生化信息统一分析，无需染色即可进行虚拟H&E染色和定量生化映射	与病理学家诊断的一致性率为76.2%（16/21例），样本量较小，可能限制统计普适性	开发一个AI平台以改进肺腺癌的组织学分级和分析，统一形态和生化信息	肺腺癌组织样本	数字病理学	肺腺癌	刺激拉曼散射显微镜	深度学习	显微镜图像	21例肺腺癌病例	NA	NA	平均交并比, 分级一致性率	NA
5667	2026-01-03	Modeling Protein-Protein and Protein-Ligand Interactions by the ClusPro Team in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70066 PMID:41115690	研究论文	本文介绍了在CASP16实验中，团队采用混合计算策略预测蛋白质-蛋白质和蛋白质-配体复合物结构的方法	结合基于物理的采样（如ClusPro FFT对接和分子动力学）与基于AlphaFold的采样和精修，以及将模板方法与机器学习置信度模型集成用于蛋白质-配体对接	NA	提高蛋白质-蛋白质和蛋白质-配体复合物结构预测的准确性	蛋白质-蛋白质和蛋白质-配体复合物	计算生物学	NA	蛋白质对接、分子动力学、深度学习	AlphaFold, 机器学习置信度模型, 扩散模型	蛋白质结构数据	233个目标蛋白质-配体复合物	NA	AlphaFold, ClusPro FFT	lDDT-PLI	NA
5668	2026-01-03	DL-QC-fNIRS: a deep learning tool for automated quality control in functional near-infrared spectroscopy signals 2026-Jan, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.13.1.015001 PMID:41472700	研究论文	本文提出了一种基于深度学习的自动化工具DL-QC-fNIRS，用于功能近红外光谱信号的通道级质量控制	利用连续小波变换时频谱图和受试者特异性心搏频率提取来提高生理特异性，并首次在fNIRS领域应用CNN进行自动化信号质量评估	研究依赖于特定数据集，且工具基于MATLAB平台，可能限制其在其他编程环境中的集成	开发一个自动化、标准化的工具来提升功能近红外光谱信号的质量控制流程	功能近红外光谱信号	机器学习	NA	功能近红外光谱	CNN	图像	两个独立数据集和一个组合异质数据集	NA	GoogLeNet, ResNet-50, SqueezeNet, EfficientNet-B0	准确率, F1分数, 灵敏度, 特异性	NA
5669	2026-01-03	ToothSeg: Robust Tooth Instance Segmentation and Numbering in CBCT using Deep Learning and Self-Correction 2026-Jan-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3650444 PMID:41477803	研究论文	本文提出了一种名为ToothSeg的、结合深度学习和自校正技术的全自动方法，用于CBCT图像中的牙齿实例分割与编号	将语义分割与实例分割结合为统一方法，并引入自校正机制以解决牙齿合并或分裂问题，优化牙弓编号序列	未明确说明方法在极端成像伪影或罕见解剖变异上的泛化能力限制	开发一种鲁棒的、全自动的CBCT牙齿实例分割与编号方法，以提升口腔诊断与治疗规划的自动化水平	锥束计算机断层扫描（CBCT）图像中的牙齿	计算机视觉	口腔疾病	锥束计算机断层扫描（CBCT）	深度学习模型	医学影像（CBCT图像）	内部数据集（n=1282，来自25+台设备）和公开数据集ToothFairy2（n=480，来自1台设备）	未明确指定	未明确指定具体架构，但涉及语义分割与实例分割的集成	真阳性Dice系数, 多类实例F1分数	未明确指定
5670	2026-01-03	Deep Learning in Modeling Tools for Structural Insights into Protein-RNA Complexes, Bridging Computational and Spectroscopic Approaches 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5084-4_17 PMID:41478913	综述	本章探讨了深度学习模型（特别是AlphaFold3）在蛋白质-RNA复合物结构建模中的应用，及其与光谱学方法的协同整合	阐述了AlphaFold3在建模蛋白质、核酸及其复合物方面达到的突破性精度，并重点介绍了其如何变革结构生物学中光谱技术的应用方式，通过计算模型与实验数据的相互验证与改进，形成强大的协同效应	对于长链或柔性RNA的建模精度较低，训练数据集中对多样化RNA家族的覆盖不足，且预测结果呈静态特性，未能充分考虑构象异质性	旨在弥合已知序列数量与实验解析结构数量之间的巨大差距，加速对蛋白质-RNA复合物的结构解析	蛋白质-RNA复合物	计算生物学	NA	深度学习建模，光谱学方法	深度学习模型	蛋白质与RNA序列数据，结构数据，光谱数据	NA	NA	AlphaFold3	建模精度	NA
5671	2026-01-02	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP特别兴趣小组的建立及其在促进社区持续对话和跨学科合作方面的作用	通过建立特别兴趣小组和在线研讨会系列，打破了传统CASP活动仅在预测季节和会议期间交流的限制，实现了社区全年持续互动	NA	促进CASP社区内的持续对话和跨学科合作，降低领域新人的入门门槛	CASP社区成员，包括深度学习专家、NMR专家等科学家	计算生物学	NA	NA	NA	NA	NA	NA	NA	NA	NA
5672	2026-01-02	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种先进深度学习模型，采用基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对深度，同时改进了模型排名策略	存在需要进一步改进的领域，特别是在与其它组预测结果显著不同的目标上	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA分子	计算生物学	NA	多序列比对, 深度学习	深度学习模型	序列数据, 结构数据	NA	NA	NuFold	排名（第一和第三）	NA
5673	2026-01-02	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	研究论文	本文总结了CASP16社区实验的结果，评估了计算结构生物学中深度学习方法的最新进展和瓶颈	揭示了在蛋白质单体结构预测方面，深度学习方法已达到接近实验不确定性的极限，而在RNA结构预测中，深度学习方法目前并不优于传统方法	对于RNA结构预测，深度学习方法目前不成功；在缺乏结构同源性的情况下，预测结果较差；对于大分子集合，目标集较小限制了结论的普适性	评估计算结构生物学领域，特别是深度学习方法在蛋白质、RNA、蛋白质复合物等结构预测中的最新进展和挑战	蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构及亲和力	计算结构生物学	NA	深度学习、传统物理启发方法	AlphaFold变体及相关技术	蛋白质结构数据、RNA结构数据、蛋白质复合物数据	CASP16目标集（具体数量未提及）	NA	AlphaFold	结构一致性、界面准确性	NA
5674	2026-01-02	MRI segmentation of head and neck tumors using hybrid attention mechanism and dense dilated spatial pyramid pooling 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70426 PMID:41459735	研究论文	本研究提出了一种改进的SCDU-Net模型，通过结合空间-通道注意力机制和密集扩张空间金字塔池化技术，用于头颈部肿瘤的MRI图像分割	模型集成了空间-通道双重注意力模块和密集连接的扩张空间金字塔池化模块，以增强关键肿瘤特征表达、捕获长距离空间依赖并提升多尺度上下文建模能力	NA	提升头颈部肿瘤MRI图像的分割准确性和鲁棒性，以支持放疗中的精确靶区勾画	头颈部肿瘤的MRI图像	计算机视觉	头颈癌	MRI	CNN	图像	NA	NA	SCDU-Net, U-Net	NA	NA
5675	2026-01-02	A deep-learning framework for the prediction of the type of adaptive strategy of MR-guided prostate radiotherapy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70395 PMID:41459741	研究论文	本研究开发了一种基于深度学习的框架，用于预测MR引导前列腺放疗中的自适应策略类型	提出了一种多阶段网络方法，结合深度学习图像配准和策略预测，实现了快速准确的自适应策略选择，相比现有方法效率提升5倍	研究为回顾性分析，样本量较小（36名患者），且未在外部数据集上进行验证	开发深度学习模型以快速准确预测MR引导自适应放疗中的自适应策略类型	前列腺癌患者	数字病理	前列腺癌	MR-guided adaptive radiotherapy (MRgART)	深度学习模型	医学图像	36名前列腺癌患者的180个治疗分次	NA	多阶段网络方法（包含DLIR网络和DLSP模型）	AUC, 准确率, 敏感性, 特异性	NA
5676	2026-01-01	Conformal uncertainty quantification to evaluate predictive fairness of foundation AI model for skin lesion classes across patient demographics 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00412-z PMID:41458068	研究论文	本研究使用保形分析量化基于视觉Transformer（ViT）的基础模型在皮肤病变分类任务中，针对不同患者人口统计学特征（性别、年龄、种族）的预测不确定性，以评估模型公平性	首次将保形分析应用于基础AI模型（Google DermFoundation）的公平性评估，提供群体覆盖保证和个体不确定性评分，并提出基于动态F1分数的采样方法缓解类别不平衡	研究依赖于公开基准数据集，这些数据集存在严重的类别不平衡问题；保形分析虽然提供不确定性量化，但未完全解决基础模型嵌入不可解释的根本问题	评估基础AI模型在皮肤病变分类中的预测公平性和可信度	皮肤病变图像数据及对应的患者人口统计学信息（性别、年龄、种族）	计算机视觉	皮肤病变	保形分析（conformal analysis），自监督学习	Vision Transformer (ViT)	医学图像（皮肤病变图像）	多个公开基准数据集，包含数百万数据点	NA	Vision Transformer (ViT), Google DermFoundation	F1-score, 不确定性评分, 覆盖率保证	NA
5677	2026-01-01	Denoising Low-Power CEST Imaging Using a Deep Learning Approach With a Dual-Power Feature Preparation Strategy 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70124 PMID:41082398	研究论文	本研究提出了一种基于深度学习的双功率特征准备策略，用于去噪低功率化学交换饱和转移成像的Z谱	利用高饱和功率的高对比度噪声比和低饱和功率的增强峰分辨率，通过双功率特征准备策略结合自编码器进行去噪	方法在模拟和BSA体模数据上验证，但实际生物组织中的复杂环境可能影响性能	开发一种深度学习方法来去噪低功率CEST Z谱，以提高图像质量和CEST效应的量化	模拟CEST数据、BSA体模、大鼠大脑和腿部肌肉的测量数据	医学影像处理	NA	化学交换饱和转移成像	自编码器	Z谱图像	模拟数据、BSA体模数据、大鼠大脑和腿部肌肉数据	NA	自编码器	峰值信噪比	NA
5678	2026-01-01	Multi-Frame Image Registration for Automated Ventricular Function Assessment in Single Breath-Hold Cine MRI Using Limited Labels 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70137 PMID:41108653	研究论文	本研究开发了一种基于深度学习的自动化框架，用于从高度加速的磁共振图像中评估心脏心室功能	提出了一种将图像配准、运动补偿重建和分割集成在协同循环中的多任务深度学习框架，可在有限标注下实现稳健的心室功能分析	评估仅在内部数据集上进行，未在公开数据集或更大规模队列中验证	开发操作者独立的自动化心脏心室功能评估框架	健康受试者和心血管疾病患者的心脏磁共振图像	医学图像分析	心血管疾病	单次屏气电影磁共振成像	深度学习	磁共振图像	内部数据集（健康与心血管疾病受试者）	NA	NA	Dice相似系数, 射血分数相关性, 径向和圆周应变	NA
5679	2026-01-01	GeoAI-based 3D spatial distribution modeling of PAHs in industrial contaminated soils 2026-Feb-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127440 PMID:41308730	研究论文	本文提出了一种基于GeoAI的三维深度克里金神经网络模型，用于工业污染土壤中多环芳烃的空间分布建模	结合深度学习与地统计学原理，开发了3D-DKNN模型，以提升异质环境中污染物插值的准确性	未明确说明模型在其他污染物或不同工业场地的泛化能力	提高工业污染土壤中污染物三维分布建模的准确性，以指导针对性修复	工业遗留场地土壤中的多环芳烃污染物	机器学习	NA	地统计学插值，深度学习建模	神经网络	空间污染数据	未明确说明样本数量，但基于典型工业场地数据	未明确指定	三维深度克里金神经网络	RMSE, MAE, 相关系数	未明确说明
5680	2026-01-01	Graph neural networks for fMRI functional brain networks: A survey 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108137 PMID:41066997	综述	本文综述了基于图神经网络的功能性大脑网络分析方法，涵盖不同维度的方法、挑战和数据集	从计算机科学角度全面总结了功能性大脑网络分析的最新研究进展，填补了该领域缺乏系统性综述的空白	NA	总结和评估基于图神经网络的功能性大脑网络分析方法	功能性大脑网络	机器学习	精神障碍	神经影像技术	图神经网络	图数据	NA	NA	NA	NA	NA