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
981	2026-09-23	Early diagnosis and molecular classification of gastric cancer peritoneal metastasis by deep learning-driven single-cell lipidomics 2026-Sep-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2026.103055 PMID:42767217	研究论文	该研究利用无标记代谢物质谱流式细胞术进行单细胞脂质组学分析，并结合深度学习，实现胃癌腹膜转移的早期诊断和分子分型	首次将单细胞脂质组学与深度学习相结合用于胃癌腹膜转移的早期检测，开发了基于图神经网络的分类器以识别腹膜生态系统中罕见的游离胃癌细胞，并提出了基于HER2亚型特异性脂质组学异质性的临床相关代谢分型	未明确说明	利用单细胞脂质组学结合深度学习实现胃癌腹膜转移的早期诊断和分子分类	胃癌腹膜转移患者样本中的游离胃癌细胞和良性腹膜细胞	数字病理学	胃癌	无标记代谢物质谱流式细胞术、单细胞脂质组学分析	图神经网络（GNN）	单细胞脂质组学数据	来自92个样本的41,627个单细胞脂质组学图谱	未明确说明	图神经网络	未明确说明	未明确说明
982	2026-09-23	Deep learning-based prediction of diffusion MRI responses from microvascular OCT angiograms 2026-Sep-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aeaa9f PMID:42767249	研究论文	该研究利用三维深度学习模型直接从微血管OCT血管造影图像预测扩散MRI响应，作为计算密集型模拟的快速替代方法	首次提出使用三维深度学习模型作为快速代理，直接从微血管OCT血管造影图像预测扩散MRI响应，速度提升四到六个数量级	留一受试者交叉验证性能下降（MSE=0.0173，R²=0.666），仅34.4%的留出样本R²≥0.80，泛化能力有限	探究三维深度学习模型能否作为快速代理，直接从微血管OCT血管造影图像预测扩散MRI响应	五个小鼠皮层OCT血管造影图像分割出的4,792个血管子图	医学影像分析，深度学习	NA	光学相干断层扫描血管造影（OCTA），扩散磁共振成像（dMRI），物理模拟	三维深度学习模型	图像（九通道三维体数据，编码血管几何、磁场梯度、血细胞比容、氧饱和度、氧分压、血流速度大小及三个速度分量）	5个OCT血管造影图像，4,792个血管子图	NA	AutoEncoder, BasicUNet, DenseNet169, EfficientNetB4, ResNet	MSE, MAE, R²	NA
983	2026-09-23	Deep learning prediction of radiation-induced xerostomia and personalized outcome-driven treatment planning in head and neck cancer 2026-Sep-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aeaac0 PMID:42767261	研究论文	本研究开发了一种基于3D ResNet的深度学习模型，用于预测头颈癌放疗后12个月的放射性口干症，并利用模型可解释性技术指导个体化治疗计划优化	结合了图谱归一化、模糊池化和自适应平均池化以提高空间对应性，并首次将类激活映射和体素剂量梯度图应用于个体化放疗计划优化，实现了从预测到干预的转化	回顾性研究设计，样本量有限（839例训练，30例测试），需要进一步的前瞻性验证来确认临床效用	开发稳健的深度学习模型预测放射性口干症，并利用模型可解释性技术指导个体化治疗计划优化	头颈癌患者	数字病理学, 医学影像分析	头颈癌, 放射性口干症	计划CT, 剂量体积, 唾液腺轮廓, 图谱归一化	CNN	图像, 数值	839例头颈癌患者（训练队列），30例独立测试病例	NA	3D ResNet, Grad-CAM++	AUC, 敏感度, 特异度	NA
984	2026-09-23	A Physically Constrained Deep Learning Framework for Total Nitrogen Prediction: A Case Study of a Reservoir in North China 2026-Sep-21, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125714 PMID:42767318	研究论文	本文提出一种物理约束深度学习框架，用于预测中国北方某水库的总氮浓度	将氮循环生物地球化学知识显式融入模型设计，结合双准则特征选择、可逆实例归一化（RevIN）和物理约束联合损失函数	未明确说明，但可能受限于特定水库数据集，泛化能力需进一步验证	提高水质时间序列预测中总氮预测的鲁棒性和泛化性能，应对非平稳性和分布偏移	中国北方某水库的总氮浓度时间序列数据	机器学习	NA	NA	深度学习	时间序列	NA	NA	NA	RMSE, R	NA
985	2026-09-23	Chemist-aligned retrosynthesis by ensembling diverse inductive bias models 2026-Sep-21, Nature IF:50.5Q1 DOI:10.1038/s41586-026-11160-9 PMID:42767646	研究论文	该文分析了当前AI逆合成模型的失败模式，提出了RetroChimera——一种通过基于学习的新型集成策略整合两个具有互补归纳偏置组件的逆合成模型，并在大规模实验中验证了其优越性	提出RetroChimera模型，包含两个新开发的具有互补归纳偏置的组件，并通过基于学习的新型集成策略进行整合；系统分析了当前AI逆合成模型的失败模式；展示了零样本迁移和微调能力	摘要中未明确提及	解决化学合成中AI辅助逆合成规划的失败模式问题，提高对低频但关键反应的预测能力，减少与化学家期望不一致的错误预测	逆合成反应预测模型及化学反应数据	机器学习	NA	深度学习逆合成预测	深度学习集成模型	化学分子结构与反应数据	跨越数个数量级的数据规模；两家大型制药公司的内部数据集	NA	RetroChimera（由两个具有互补归纳偏置的组件通过基于学习的集成策略整合）	化学家偏好评估（成对和逐点设置）	NA
986	2026-09-23	Deep genomic models of allele-specific measurements 2026-Sep-21, Genome research IF:6.2Q1 DOI:10.1101/gr.282189.126 PMID:42767805	研究论文	该文章提出了DeepAllele，一种利用配对等位基因特异性输入的深度序列到功能模型，用于学习预测等位基因间基因调控细微变化的序列特征。	首次提出使用配对等位基因特异性输入的深度序列到功能模型（DeepAllele），直接从等位基因特异性测量中学习预测基因调控差异的序列特征，而非依赖传统的群体遗传关联分析。	方法要求数据集具有明确的定相信息，如F1杂交小鼠或其他受控遗传杂交，或Fiber-seq等长读长测序技术，限制了其在一般人群数据中的直接应用。	利用遗传变异揭示功能相关的调控基序，增强基因组学发现。	F1杂交小鼠免疫细胞中的等位基因特异性测量数据。	基因组学、机器学习	NA	Fiber-seq、长读长测序、等位基因特异性定量	深度学习序列到功能模型	基因组序列、等位基因特异性测量数据	NA	NA	NA	NA	NA
987	2026-09-23	DeepGVS: a bimodal deep learning framework integrating coding-sequence and protein-structural representations for virulence factor prediction 2026-Sep-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag698 PMID:42767986	研究论文	该文提出了一种双模态深度学习框架DeepGVS，整合编码序列特征与蛋白质序列及结构表征，用于毒力因子预测	首次将CDS来源的多尺度序列组成特征与ESMFold预测的蛋白质三维结构相结合，采用并行图注意力网络和双向Mamba架构处理结构与残基表征，并以神经加性模型作为元学习器整合基分类器预测	双模态整合的增量收益依赖于数据集和评价指标，分类学分析发现分类学可能是潜在混杂因素，无法完全复现完整模型的性能	提高毒力因子预测的准确性，以助于理解细菌致病机制和抗菌干预	毒力因子，包括蛋白质序列、编码DNA序列和蛋白质三维结构	机器学习	NA	NA	图注意力网络, 双向Mamba, 神经加性模型	序列, 结构	NA	NA	GAT, Bi-Mamba, NAM, ESMFold	准确率	NA
988	2026-09-23	AIDrugDesigner: a web server for drug-like molecules generation and optimization 2026-Sep-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag693 PMID:42767993	研究论文	该文章介绍了一个名为AIDrugDesigner的集成网络服务器，用于实际深度学习驱动的药物设计，包含生成和优化两个模块	将多种生成策略集成到一个统一界面中，降低了在药物发现中应用深度学习模型的技术门槛	摘要中未明确提及	开发一个实用的深度学习驱动的药物设计网络服务器，以加速发现具有所需性质和活性的新型化合物	药物分子	机器学习	NA	深度学习	生成模型	分子数据	NA	NA	NA	NA	NA
989	2026-09-23	MRI-based fetal gestational age estimation using a structure-aware self-supervised network 2026-Sep-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12845-5 PMID:42768216	研究论文	该研究开发了一种结构感知自监督深度学习模型，利用胎儿脑部MRI估计胎龄	提出了一种结构感知自监督网络，利用全局边缘信息来减少胎龄估计误差，与现有深度学习基线相比，实现了更低的MAE和更高的R²	需要在临床部署前进行前瞻性和多中心验证，且仅在选定病例中可能补充传统 dating 方法	开发一种结构感知自监督深度学习模型，利用全局边缘信息减少胎儿脑部MRI的胎龄估计误差，并提高临床可靠性	胎儿脑部冠状T2加权MRI图像	医学图像分析	NA	MRI	自监督深度学习	图像	207例单胎妊娠的1630张胎儿脑部MRI图像	NA	SSFN-Net	平均绝对误差（MAE）、决定系数（R²）	NA
990	2026-09-23	Morphology-Prior Guided Structural Boundary Refinement Network for Accurate Polyp Segmentation 2026-Sep-21, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02309-z PMID:42768279	研究论文	提出一种形态学先验引导的结构边界细化网络MGBR-Net，用于息肉分割，通过显式注入形态学先验来指导边界感知特征学习，提升低对比度临床场景下的分割精度	摒弃传统依赖脆弱强度梯度的边界感知方法，转向结构化几何建模，通过形态学边界提取模块（MBEM）利用腐蚀和膨胀操作生成鲁棒的边界结构先验，并设计结构先验整合模块（SPIM）在结构先验引导下融合边界、内部及周围上下文信息，同时引入全局与局部交互机制增强上下文表示和结构一致性	摘要中未明确提及	解决息肉分割中因成像伪影、息肉与周围组织低对比度以及跨数据集外观变化大而导致的边界分割难题，实现结直肠癌的早期检测和治疗	结肠息肉图像	计算机视觉, 医学图像分割	结直肠癌	形态学操作（腐蚀和膨胀）	CNN	图像	五个基准数据集（具体样本数量未提及）	NA	MGBR-Net	mDice, mIoU	NA
991	2026-09-23	Ancestral Sequences Cannot be Accurately Reconstructed via Interpolation in a Variational Autoencoder's Latent Space 2026-Sep-19, Bulletin of mathematical biology IF:2.0Q3 DOI:10.1007/s11538-026-01749-6 PMID:42762397	研究论文	本文测试了通过变分自编码器（VAE）潜在空间插值进行祖先序列重建（ASR）的假设，发现其性能显著低于传统方法	首次系统评估VAE潜在空间插值用于ASR，并揭示其失败原因在于自编码过程的信息损失而非潜在空间缺乏系统发育结构	VAE解码器无法生成足够保真的序列以满足ASR的精确需求；未考虑其他深度学习架构或改进的解码策略	探究基于VAE潜在空间插值的ASR方法能否比传统方法更准确地重建祖先序列	蛋白质家族序列（通过模拟蛋白质进化生成）	机器学习	NA	模拟蛋白质进化（包括有/无上位效应场景）	VAE	序列数据	NA	NA	变分自编码器（VAE）	NA	NA
992	2026-09-23	Deep learning-assisted portable fluorescent sensing array based on multiple carbon dots for rapid seafood freshness assessment 2026-Sep-19, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150837 PMID:42767026	研究论文	该文章开发了一种基于聚集诱导发光碳点的荧光传感阵列，结合深度学习模型MobileNetV3-Large和智能手机应用，用于海鲜新鲜度的快速评估	利用聚集诱导发光碳点克服了传统荧光传感阵列的聚集导致猝灭问题，并将轻量级深度卷积神经网络MobileNetV3-Large与便携式荧光传感阵列集成，实现了海鲜新鲜度的智能快速监测，同时开发了用户友好的智能手机应用	未明确提及	开发一种基于深度学习的便携式荧光传感阵列，用于实时监测海鲜新鲜度，确保食品安全并减少浪费	海鲜新鲜度，具体通过监测总挥发性盐基氮标志物	机器学习	NA	荧光传感阵列，聚集诱导发光碳点，深度卷积神经网络	CNN	图像	NA	NA	MobileNetV3-Large	准确率，检测限	NA
993	2026-09-23	CEEMDAN-decomposed time series forecasting of reported hepatitis B cases using KOA-optimised deep learning: a nationwide study in mainland China (2004-2027) 2026-Sep-18, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.16.04200 PMID:42757779	研究论文	该研究利用CEEMDAN分解结合KOA优化的深度学习模型，对中国大陆2004年至2025年报告的乙型肝炎病例进行时间序列预测，并外推至2027年	将CEEMDAN多尺度分解与KOA超参数优化相结合，并系统比较GRU、CNN、SVM和Transformer四种模型在乙型肝炎病例预测中的表现	仅基于报告病例数进行建模，未纳入慢性 reservoir、免疫力变化及监测实践变化等潜在影响因素，预测结果可能受报告偏差影响	对中国大陆报告的乙型肝炎病例进行短期至中期可靠预测，为诊断规划、护理路径、抗病毒药物供应和针对性预防提供依据	中国大陆2004年1月至2025年12月全国月度乙型肝炎报告病例时间序列	机器学习	乙型肝炎	CEEMDAN时间序列分解, KOA超参数优化	GRU, CNN, SVM, Transformer	时间序列	2004年1月至2025年12月的全国月度乙型肝炎报告病例序列，共264个月度观测值，并使用12个月滑动窗口和24个月预测horizon	NA	GRU, CNN, SVM, Transformer encoder	R2, RMSE, MAE, MAPE, 回归诊断	NA
994	2026-09-23	High-speed reservoir computing using photonic integrated circuit optical parametric oscillators 2026-Sep-18, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb3077 PMID:42758843	研究论文	本文报道了一种基于薄膜铌酸锂光学参量振荡器的高速光子集成电路储备池计算机，并在多个基准任务上实现了超过93%的准确率	首次在薄膜铌酸锂上实现基于光学参量振荡器的光子集成电路储备池计算系统，以全光方式同时实现线性和非线性操作，工作时钟速率约10吉赫兹，延迟可低于纳秒	摘要中未明确提及研究限制	开发高速、低延迟、节能的全光神经网络硬件，用于实时数据处理和模拟深度学习计算	光子集成电路光学参量振荡器储备池计算系统	机器学习	NA	光子集成电路，光学参量振荡器，薄膜铌酸锂	储备池计算	时间序列数据	NA	NA	光学参量振荡器网络	准确率	光子集成电路
995	2026-09-23	Deep learning-enabled screening of chronic kidney disease from echocardiography 2026-Sep-18, Med (New York, N.Y.) DOI:10.1016/j.medj.2026.101296 PMID:42759502	研究论文	本研究开发了一种深度学习模型，利用超声心动图视频从患者中筛查慢性肾脏病，并在多个独立队列中进行了外部验证	首次利用超声心动图视频通过深度学习模型检测慢性肾脏病，利用CKD与心血管疾病之间的关系实现无创筛查，并在两个独立外部临床中心验证了模型的稳健性	摘要中未明确提及研究的局限性	开发并验证一种基于深度学习的超声心动图模型，用于无创筛查和检测慢性肾脏病	来自Cedars-Sinai医疗中心、Stanford Healthcare和Kaiser-Permanente北加州三个机构的慢性肾脏病患者及对照人群的超声心动图视频数据	计算机视觉	慢性肾脏病	超声心动图	CNN	视频	训练集：来自62,818名患者的325,377个胸骨旁长轴超声心动图视频（CSMC）；外部验证集1：2,762名患者（SHC）；外部验证集2：41,611名患者（KPNC）	NA	NA	AUC	NA
996	2026-09-23	LGBind: A structure-guided deep learning framework for accurate prediction of protein-ligand binding sites 2026-Sep-18, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119336 PMID:42767002	研究论文	该文章提出了一个结构引导的深度学习框架 LGBind，用于准确预测蛋白质-配体结合位点，通过整合蛋白质语言模型与三维结构信息，并引入动态相互引导机制，实现了对未见分子的泛化预测	1. 将受体拓扑建模为三维几何图以追踪原子级结构依赖；2. 提出动态相互引导的交互机制，根据配体化学性质动态对齐受体几何约束，学习内在物理结合基序；3. 协同使用蛋白质语言模型（ESM2 和 Ankh）与三维结构注释构建特征空间	摘要中未明确提及研究的局限性	解决现有蛋白质-配体结合位点预测模型中结合口袋表征与查询分子性质脱节、静态单向映射导致泛化能力受限的问题，实现通用且配体条件下的结合位点识别	蛋白质-配体结合位点，涉及蛋白质残基与配体分子的相互作用	机器学习	NA	蛋白质语言模型（ESM2、Ankh）、三维结构注释、分子对接	深度学习框架（基于三维几何图与动态交互机制）	蛋白质序列、三维结构数据、分子拓扑数据	NA	NA	蛋白质语言模型（ESM2、Ankh）、三维几何图网络、动态相互引导交互机制	NA	NA
997	2026-09-23	Integrating Artificial Intelligence with Liposomal Nanocarriers for Advanced Drug Delivery 2026-Sep-18, Recent advances in drug delivery and formulation DOI:10.2174/0126673878475998260827065237 PMID:42770442	综述	本文综述了过去十年中人工智能与机器学习在脂质体配方开发、微流控制造、质量属性预测及治疗性能评估中的应用	系统性地将人工智能与微流控平台整合用于脂质体药物递送，实现实时过程监控、提高重现性并支持连续制造，超越了传统试错优化策略	作为综述性文章，未开展原始实验验证；所纳入研究的异质性可能影响结论的普适性	评估人工智能与机器学习在脂质体药物递送系统开发中的应用价值，涵盖配方设计、制造工艺、质量预测及治疗性能评估	脂质体药物递送系统及其相关的配方变量、工艺参数和质量属性	机器学习	NA	脂质体纳米载药技术、微流控制造	神经网络, 深度学习, 集成学习	文本	NA	NA	NA	NA	NA
998	2026-09-23	Integrative Multi-Omics and Humanized Mouse Modelling to Predict Immunotherapy Response in Triple-Negative Breast Cancer 2026-Sep-18, Anti-cancer agents in medicinal chemistry IF:2.6Q3 DOI:10.2174/0118715206488396260901111840 PMID:42770448	综述	本文综述了多组学技术、人源化小鼠模型和计算免疫肿瘤学在预测三阴性乳腺癌免疫治疗反应中的最新进展	提出了整合多组学数据与人源化小鼠模型表型数据及复杂计算模型的综合组学模型AI生态系统策略，用于预测肿瘤学结局	预测的实现依赖于临床验证和监管机构对底层模型的接受	探讨如何预测三阴性乳腺癌患者对免疫治疗的反应，以改善免疫治疗应答者的识别并实现更个性化的治疗	三阴性乳腺癌患者	机器学习	三阴性乳腺癌	基因组学、转录组学、蛋白质组学、代谢组学、表观基因组学、单细胞多组学	机器学习、深度学习、基于网络的建模	多组学数据、图像	NA	NA	NA	NA	NA
999	2026-09-23	AI-Based Sepsis Prediction in Hospitalized Adults: Systematic Review, Subgroup Meta-Analysis, and Contextual Analysis of Clinical Burden 2026-Sep-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95665 PMID:42753195	系统综述与荟萃分析	本文系统综述并荟萃分析了基于机器学习和深度学习的住院成人脓毒症预测模型，并按预测窗口和验证成熟度进行亚组分析，同时利用韩国国家住院索赔数据描述脓毒症相关医疗负担	强调预测窗口和验证成熟度分层解释而非单一合并AUROC，并识别MIMIC和PhysioNet队列重复使用导致的非独立性，同时结合韩国国家索赔数据提供疾病负担的独立背景证据	大多数纳入研究为回顾性模型开发或验证研究，公共数据集重复使用导致非独立性，报告不一致，缺乏前瞻性随机和实施研究，预测区间重叠显示不确定性大，韩国索赔分析未验证AI模型	综合评估ML和DL脓毒症预测模型在住院成人中的性能，重点关注预测窗口和验证成熟度，并单独描述脓毒症相关医疗负担	住院成人脓毒症患者，以及韩国国家住院样本中的脓毒症相关住院 episode	机器学习	脓毒症	NA	机器学习, 深度学习	结构化临床数据, 索赔数据	34项研究纳入系统综述和荟萃分析，韩国国家住院样本数据用于负担分析	NA	NA	AUROC, 95%置信区间, 95%预测区间	NA
1000	2026-09-23	D-TICNN: A dual encoder network with simplified transformer-involution and U-Net-based decoder for enhanced polyp and skin cancer segmentation 2026-Sep-17, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109642 PMID:42766948	研究论文	提出双编码器网络D-TICNN，结合简化Transformer-Involution和U-Net解码器，用于息肉和皮肤癌图像分割	简化Transformer（无注意力，仅层归一化和MLP）降低计算复杂度；引入Involution层增强局部特征学习；设计卷积-Involution细化注意力机制；U-Net解码器中加入统计特征块（最小值、最大值、标准差、均值）与解码器输出融合	未明确提及	提高息肉和皮肤癌图像分割性能	息肉图像和皮肤癌图像	计算机视觉	结直肠癌, 皮肤癌	NA	CNN, Transformer	图像	7个公开数据集；训练：CVC-ClinicDB和Kvasir-SEG（息肉），ISIC 2017（皮肤癌）；测试：CVC-ColonDB、Etis-LaribDB、CVC-300（息肉泛化），ISIC 2016（皮肤癌评估）	NA	U-Net	Dice系数	NA