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
1061	2026-09-23	Deep learning-based dental age classification from panoramic radiographs: a multi-granularity, multi-model comparative study 2026-Jul-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-09068-x PMID:42387533	研究论文	评估混合深度学习架构MaxViT-T在基于全景放射影像的细粒度牙齿年龄估计和粗粒度年龄组分类中的性能，并通过可解释AI解释模型决策过程	使用混合MaxViT-T架构进行牙齿年龄估计，比较多种CNN和Transformer模型，并利用Grad-CAM和SHAP进行可解释性分析	MaxViT-T相对于领先的CNN和Transformer架构的优势不具有统计学显著性	评估混合深度学习架构在牙齿年龄估计和年龄组分类中的性能，并解释模型决策过程	6-18岁患者	计算机视觉	NA	全景放射影像	混合深度学习模型	图像	n = 2,761 全景放射影像	NA	MaxViT-T, CNN, Transformer	准确率, 平均绝对误差, 容差准确率, AUC	NA
1062	2026-09-23	Non-invasive classification of stable HFpEF using a deep learning model trained on acoustic features of sustained vowels 2026-Jul-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01600-y PMID:42387638	研究论文	该研究基于持续元音 /ɑː/ 的声学特征，开发并验证了一个用于稳定期射血分数保留型心力衰竭（HFpEF）与健康对照二分类的深度学习模型	首次将基于 Interspeech 2009 特征集提取的持续元音声学特征应用于稳定期 HFpEF 的无创分类，并系统比较了五种深度学习模型、开展了独立外部验证及 SHAP/LIME 可解释性分析	交叉验证与外部验证之间存在性能差距，表明模型仍有改进空间；研究为回顾性病例对照设计，样本来自受控条件，尚需在临床异质性人群中开展更广泛的前瞻性验证才能确定其临床筛查、分诊或监测价值	开发并验证一种利用持续元音声学特征对稳定期 HFpEF 与健康对照进行无创分类的模型	稳定期 HFpEF 患者与健康对照者	机器学习	心血管疾病	持续元音声学分析、Interspeech 2009 特征集提取	MLP	音频（语音信号）	主要队列 341 名参与者，独立外部验证队列 172 名参与者	NA	多层感知机（MLP）	准确率, AUC, 自助法置信区间, 校准度	NA
1063	2026-09-23	Identifying the Presence and Characteristics of Mid-Myocardial and Epicardial Fibrosis From Intracardiac Electrograms in Patients Undergoing Ventricular Arrhythmia Ablation Using a Transformer-Based Self-Supervised Classifier 2026-Jul, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014765 PMID:42411286	研究论文	该研究开发了一种基于Transformer的自监督深度学习模型，利用心内电图信号识别接受室性心律失常消融患者的心内膜、心肌中层和心外膜纤维化	首次证明常规心内电图可通过Transformer自监督模型识别超越心内膜表面的瘢痕，包括心肌中层和心外膜纤维化，无需外部影像即可生成类MRI纤维化图谱	回顾性研究设计，样本量相对有限（46例患者），心外膜纤维化识别性能略有下降，需进一步前瞻性验证	探索心内电图是否包含足够信息推断心内膜以外瘢痕，并利用机器学习技术识别心肌纤维化的存在和特征	接受室性心律失常消融的患者及其心内电图信号	机器学习	心血管疾病	心内电图（EGM）信号采集、心脏磁共振成像（MRI）、电解剖标测	Transformer，CNN	信号，图像	131584个心脏接触电图信号，来自46例患者（训练/验证集37例，测试集9例）	NA	Transformer，CNN	AUC，敏感度，特异度	NA
1064	2026-09-23	Advancing proteomic discovery through optimized multi-stage scoring and deep learning-enhanced open search 2026-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag224 PMID:42412791	研究论文	提出了一种名为pFind+的高性能蛋白质组学搜索引擎，通过优化的多阶段打分和深度学习增强的开放搜索，显著提高了蛋白质鉴定的灵敏度	1. 引入了增强的原始打分，显著提高了预过滤能力，并通过定制的加速策略恢复了大部分计算开销；2. 增强了重打分框架，有效整合深度学习特征；3. 独特地支持高灵敏度、深度学习增强的开放搜索，实现全面的PTM发现，并结合硬件感知推理优化，便于实际部署	未明确提及	提高蛋白质组学搜索的灵敏度，特别是针对未知修饰的开放搜索场景	数据依赖采集（DDA）蛋白质组学质谱数据	机器学习	NA	质谱	深度学习	质谱数据	NA	NA	NA	灵敏度	NA
1065	2026-09-23	DiSPA: differential substructure-pathway attention for drug response prediction 2026-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag272 PMID:42412793	研究论文	本文提出了DiSPA框架，通过差分子结构-通路注意力建模化学子结构与通路级基因表达之间的双向交互，用于药物反应预测。	引入差分交叉注意力机制，抑制虚假关联并增强上下文相关交互，实现子结构与通路之间的双向建模，优于传统交叉注意力。	差分注意力更好地优先考虑预定义的靶点相关通路，但这不构成机制验证；在外部数据集和跨数据集设置上的泛化性仍需进一步验证；零样本应用于空间转录组学仅提供探索性见解，无真实标签验证。	提高精准医学中药物反应预测的准确性，捕捉特定化学子结构与细胞通路状态之间的细粒度、上下文依赖的相互作用机制。	化学子结构、通路级基因表达数据、药物反应数据。	机器学习	NA	深度学习	差分交叉注意力	化学结构数据、转录组数据	GDSC基准数据集、CTRP外部数据集、空间转录组学数据（具体样本量未提供）。	NA	DiSPA	NA	NA
1066	2026-09-23	USP-ddG: a unified structural paradigm with data efficacy and mixture-of-experts for predicting mutational effects on protein-protein interactions 2026-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag249 PMID:42412784	研究论文	提出一个统一的结构范式USP-ddG，用于预测突变对蛋白质-蛋白质相互作用结合自由能变化的影响	采用双通道架构，整合逆折叠的对数比值、FoldX经验力场和高斯坐标扰动几何编码器，并引入前馈网络与混合专家框架以及CATH引导折叠排序的数据效能策略	未明确提及	准确估计结合自由能变化（ΔΔG），以理解蛋白质-蛋白质相互作用并指导理性蛋白质设计	蛋白质-蛋白质相互作用中的突变效应，包括单点和多点突变、抗体亲和力优化以及病毒变异影响	计算生物学	NA	深度学习、逆折叠、经验力场FoldX、高斯坐标扰动	深度学习	蛋白质结构数据	SKEMPI v2.0基准数据集及CATH保留测试集	NA	双通道架构、前馈网络、混合专家	准确率	NA
1067	2026-09-23	A novel transformer model of protein domains for viral taxonomy classification 2026-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag291 PMID:42412789	研究论文	该论文提出了一种名为D2T的新型工具，利用蛋白质语言模型和transformer模型，将病毒表示为蛋白质结构域标记序列，用于病毒分类学分类	利用蛋白质比基因组序列更保守的特点，将病毒表示为蛋白质结构域标记序列，并学习基于transformer的模型进行分类；结合Kraken2实现多分类等级准确分类	未明确提及	改进病毒分类学分配，特别是在多个分类等级上对新型病毒进行分类	病毒	生物信息学	NA	蛋白质语言模型，蛋白质结构域标记	Transformer	蛋白质序列	多个闭集和开集数据集	NA	Transformer	分类准确性（family及以上等级）	NA
1068	2026-09-23	OrgNet+: towards robust protein stability prediction with convolutional neural networks 2026-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag258 PMID:42412831	研究论文	本文提出了一种名为OrgNet+的框架，通过训练时显式引入蛋白质构象集合的灵活性，实现稳健的蛋白质稳定性预测	首次将构象集合感知和方向无关性融入3D CNN训练中，使用正常模式分析、分子动力学、蒙特卡洛模拟和生成式深度学习模型生成多种构象集合进行数据增强，显著降低集合内预测方差并提高准确性	未明确说明模型的计算成本、对更大规模数据集的泛化能力以及在其他类型突变（如插入缺失）上的表现	预测单点突变对蛋白质稳定性的影响，并克服蛋白质构象灵活性导致的预测不稳定问题	蛋白质及其单点突变体	计算生物学、分子生物学、蛋白质工程	NA	正常模式分析、分子动力学、蒙特卡洛模拟、生成式深度学习模型	3D卷积神经网络	蛋白质三维结构数据	NA	NA	3D CNN	预测准确率、集合内预测方差	NA
1069	2026-09-23	BiMba: using Vision Mamba to predict protein sites that bind other proteins 2026-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag243 PMID:42412847	研究论文	该论文提出了一种基于Vision Mamba的状态空间深度学习框架BiMba，用于从三维蛋白质表面的二维几何或理化网格表示中预测蛋白质结合位点	首次将Vision Mamba架构应用于蛋白质结合位点预测，利用状态空间模型高效建模蛋白质表面的长程空间依赖关系，并整合几何与理化信息为统一的二维图像表示，同时提供基于扰动和梯度的可解释性分析	摘要中未明确提及研究的局限性	识别蛋白质-蛋白质复合物中的蛋白质结合位点，以理解生物功能并指导有效生物分子和药物分子的设计	蛋白质-蛋白质复合物中的蛋白质结合位点（由残基组成的区域）	结构生物信息学、计算机视觉、机器学习	NA	NA	状态空间模型	图像（三维蛋白质表面表示的二维几何或理化网格）、残基级描述符	多样化和专业化的基准数据集（具体数量未在摘要中提及）	NA	Vision Mamba	NA	NA
1070	2026-09-23	Comparison of chest X-ray radiography AI model to comorbidities for predicting intensive care unit admission for COVID-19 2026-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.4.044501 PMID:42416518	研究论文	该研究比较了基于胸部X光片的深度学习AI模型与两种常见共病指数在预测COVID-19患者入住ICU方面的分类性能	首次将胸部X光片的深度学习AI模型与Charlson共病指数及其年龄调整版本在预测ICU入住方面进行对比，展示了医学影像深度学习模型在改善患者护理和ICU资源规划方面的潜力	回顾性研究设计，仅针对COVID-19患者，可能限制了结果的普遍适用性	比较深度学习AI模型在胸部X光片上预测ICU入住与两种共病指数的分类性能	COVID-19检测呈阳性的患者	计算机视觉	COVID-19	胸部X光摄影	深度学习/人工智能模型	图像和临床数据	5046名患者的8357份胸部X光影像研究	NA	NA	AUC	NA
1071	2026-09-23	Automated behavioral segmentation and markerless pose tracking of mice during spaceflight 2026-Jul-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.30.721950 PMID:42427531	研究论文	本文应用深度学习姿态估计（SLEAP）和行为分割（DeepEthogram）技术，对国际空间站Rodent Research-1任务的小鼠视频进行自动行为分析，实现了在轨微重力环境下小鼠行为的自动化监测	首次将基于深度学习的姿态估计和行为分割应用于太空飞行中的啮齿动物，建立了未来监测系统的基准	姿态追踪精度受渐进性镜头污染、网格遮挡和球面像差影响；研究基于档案视频，样本量有限	测试深度学习工具能否在轨道动物饲养的苛刻成像条件下自动化行为分析，并建立基准	国际空间站上Rodent Research-1任务的小鼠	计算机视觉	NA	深度学习姿态估计与行为分割	CNN	视频	2,063帧姿态标签，66个视频共411,194帧行为标签	NA	SLEAP, DeepEthogram	准确率（0.86-0.90）, 姿态追踪准确度（近似人类标注者间变异）	NA
1072	2026-09-23	Leveraging Self-Supervised Learning for Non-Invasive Intra-Cardiac Magnetic Resonance Oximetry Assessment 2026-Jul-01, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.29.26356860 PMID:42428112	研究论文	本文提出一个自监督学习框架，利用cine和T2心脏磁共振图像预训练编码器，用于非侵入性心内血氧饱和度评估	首次将自监督学习统一框架应用于非侵入性心内血氧饱和度评估，结合对比学习和掩码图像建模预训练ResNet和视觉Transformer编码器，并加入不确定性量化	未提及具体临床验证的局限性和泛化性，可能受限于数据来源和标注稀缺	实现非侵入性心内血氧饱和度的准确评估，解决深度学习自动化中标注数据稀缺的问题	心内血氧饱和度，通过心脏磁共振成像获取	医学图像分析	心血管疾病	心脏磁共振成像（CMRI）	ResNet, 视觉Transformer	图像	超过48,000张心脏图像	NA	ResNet, 视觉Transformer	平均绝对误差	NA
1073	2026-09-23	Integrating Genetic, Environmental, Cognitive, and Temperament Data for ADHD Prediction in Explainable Deep Learning Models 2026-Jul-01, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.29.26356796 PMID:42428138	研究论文	本文开发了一种可解释的深度学习方法来整合遗传、环境、认知、人口学和气质数据，用于分类ADHD诊断并识别对模型决策有贡献的特征	开发了模块化神经网络模型，整合了多种异构数据源（包括SNP级基因型数据、多基因评分、环境因素、认知任务和气质特征），并使用整合梯度方法进行块级、特征级和个体化特征重要性分析，实现了可解释的多模态ADHD预测	摘要中未明确提及研究局限性	测试遗传、环境、认知、人口学和气质数据是否能分类ADHD诊断，并识别对模型决策有贡献的特征	Oregon ADHD-1000队列的参与者	机器学习	注意缺陷多动障碍（ADHD）	NA	模块化神经网络	SNP级基因型数据、多基因评分、人口学数据、环境数据（育儿和家庭冲突、压力和创伤）、地理编码数据、认知任务数据、气质因子分数	Oregon ADHD-1000队列参与者（分为训练、验证和测试集）	NA	模块化神经网络	AUC, 精确率-召回率曲线, 校准分析, 预测确定性分析, 决策曲线分析, 准确率, 灵敏度, 特异度, Brier分数	NA
1074	2026-09-23	Exploring the landscape of artificial intelligence in dental and maxillofacial radiology: a bibliometric analysis of studies and trends 2026-Jul, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000005013 PMID:42433750	文献计量分析	本文通过文献计量分析方法，探讨了人工智能在牙科与颌面放射学领域的研究现状、发展趋势及学术影响力	首次系统性地结合VOSviewer、CiteSpace和Biblioshiny三种工具对牙科与颌面放射学中AI应用进行全面的文献计量分析，揭示了2016年以来的研究激增趋势及全球合作网络	仅基于Web of Science核心合集数据库，可能遗漏其他数据库中的相关研究；文献计量分析无法评估具体研究的方法学质量	调查人工智能在牙科与颌面放射学领域的研究格局、新兴趋势及学术影响	牙科与颌面放射学领域中与人工智能相关的学术文献	医学影像分析	口腔颌面疾病	文献计量分析	NA	文本	2024年达到218篇出版物，未明确总文献量	VOSviewer, CiteSpace, Biblioshiny	NA	出版物数量、引用次数、共被引分析、关键词共现分析	NA
1075	2026-09-23	Synthetic CT generation from cone-beam CT using deep learning for head-and-neck adaptive radiotherapy 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101033 PMID:42491071	研究论文	开发并验证了一种深度学习模型，用于头颈部自适应放疗中从锥形束CT生成合成CT，包括锥形束CT视野外区域	提出了一种带有多种损失分量的UNet3+生成对抗网络，能够从锥形束CT生成合成CT，包括锥形束CT视野外的真实重建区域，并验证了其在自适应放疗工作流程中的准确性	研究为回顾性设计，样本量有限（148例患者），需要在常规直线加速器上进行前瞻性临床评估以验证其临床可行性	开发并验证一种深度学习模型，用于头颈部自适应放疗中从锥形束CT生成合成CT，并评估其在自适应放疗工作流程中的准确性	头颈部癌症患者	医学影像分析	头颈部癌症	锥形束CT成像、深度学习	GAN	医学图像	148例患者（90例训练、38例验证、20例独立测试）	NA	UNet3+	平均绝对误差、平均误差、全局伽马通过率、表面Dice系数、Dice系数、平均表面距离、体积相似度	NA
1076	2026-09-23	Letter to the Editor: Clinical translation considerations regarding deep learning-derived CT body composition as a prognostic biomarker for locally advanced gastric cancer 2026-Jul, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000005122 PMID:42682362	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1077	2026-09-23	Causal Responsibility Based Explainable AI for Vibrational Spectroscopy Applied to Oral FTIR and Oesophageal Raman Diagnostics 2026-Jun-29, Research square DOI:10.21203/rs.3.rs-8338382/v1 PMID:42427831	研究论文	本文提出了一种基于因果责任的振动光谱可解释AI方法Spec-ReX，并与SHAP和Grad-CAM在合成光谱、生化混合物、口腔FTIR组织光谱和食管拉曼组织光谱上进行了比较	提出了Spec-ReX，一种基于因果责任的可解释AI方法，用于振动光谱分析，在已知判别峰实验中实现了最高的真值定位	解释仅关系到训练模型的行为而非生物因果性，临床实用性仍需通过以用户为中心的研究来验证	开发并评估一种基于因果责任的可解释AI方法，用于振动光谱分类模型，以揭示驱动决策的光谱特征	合成光谱、生化混合物、口腔FTIR组织光谱、食管拉曼组织光谱	机器学习	口腔癌、食管癌	FTIR光谱、拉曼光谱	NA	光谱数据	NA	NA	NA	交并比（IoU）、归因集中度、阳性命中率、对低重要性区域移除的鲁棒性	NA
1078	2026-09-23	PIGMENT: A deep learning framework for Porcine Immunohistochemistry seGMENTation 2026-Jun-29, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.18.733245 PMID:42395528	研究论文	本文提出了PIGMENT，一个用于猪免疫组织化学图像中APP阳性病理自动分割和量化的注释高效深度学习框架	提出了一个注释高效的深度学习框架PIGMENT，结合有限的专家标注和针对APP的特定数据增强，用于稀疏、碎片化和形态多样的APP阳性病理的自动分割和量化	训练数据量有限，仅使用了来自三头猪的四个APP染色切片的525个专家标注图块	开发一个自动化工具来分割和量化猪白质组织学中的APP阳性病理，以支持将组织学损伤负担与影像学测量对齐的研究	猪脑白质组织学切片中的APP阳性病理	数字病理学	创伤性脑损伤	免疫组织化学	SegFormer	图像	525个专家标注的512×512像素图块，来自三头猪的四个APP染色切片	NA	SegFormer-B0	实例级检测率	NA
1079	2026-09-23	A Real-World Evaluation of Failure Detection for Liver CT Segmentation 2026-Jun-29, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.26.26356692 PMID:42428060	研究论文	在真实临床环境中评估了部署的肝脏CT分割模型（3D nnU-Net）的六种OOD检测方法，并提出了基于表面的Pairwise Surface DSC方法	提出了Pairwise Surface DSC方法，这是Pairwise DSC的表面扩展；首次在真实世界多中心临床数据上系统评估OOD检测方法对肝脏CT分割失败的检测能力	研究仅针对肝脏CT分割任务，未验证方法在其他器官或模态上的泛化性；阈值依赖独立队列的Youden J统计量，可能影响临床部署的灵活性	评估现有OOD检测方法在真实临床实践中识别肝脏CT分割失败的能力，并验证自动化失败检测的临床可行性	部署的肝脏CT分割模型（3D nnU-Net）的分割失败检测	计算机视觉, 数字病理学	肝癌	CT成像, 深度学习分割	CNN	图像	内部数据400名患者，外部数据100名患者（来自7个国家近70个中心），阈值确定使用独立队列400名患者	NA	3D nnU-Net	灵敏度, AUROC, 平衡准确率	NA
1080	2026-09-23	Incorporating Surfaced-Induced Dissociation Mass Spectrometry Data into an AlphaFold-derived deep learning network improves protein structure prediction 2026-Jun-29, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.26.734850 PMID:42427745	研究论文	开发了SIDFold，一种基于AlphaFold的深度学习网络，整合表面诱导解离天然质谱数据以改进蛋白质复合物结构预测	首个在蛋白质复合物预测中利用实验数据的AlphaFold类网络，也是首个利用天然质谱数据进行结构预测的深度学习网络	未明确提及	通过整合表面诱导解离天然质谱数据到机器学习框架，提高多聚体蛋白质结构预测的准确性	蛋白质复合物	机器学习	NA	表面诱导解离天然质谱	深度学习	质谱数据、蛋白质结构数据	BETA蛋白质集227个案例，20个具有实验SID-nMS数据的蛋白质，以及16个蛋白质用于与Rosetta方法比较	NA	基于AlphaFold的深度学习网络	RMSD	NA