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	2026-10-08	Deep learning-guided high-throughput screening and molecular dynamics simulations facilitate the discovery of potential FXIIa inhibitors 2026-Oct-06, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06981-4 PMID:42836876	研究论文	本文开发了一个整合深度学习引导的高通量筛选与分子动力学模拟的计算工作流，从约2100万化合物中发现了四个结构不同的潜在FXIIa抑制剂	针对FXIIa活性位点高度柔性导致小分子抑制剂发现困难的问题，采用多构象系综虚拟筛选策略，结合深度学习对接模型KarmaDock、CarsiDock和RTMScore，从约2100万化合物库中筛选并验证了四个结构新颖的FXIIa抑制剂	仅进行了计算模拟和预测，未进行实验验证（如体外酶抑制实验或体内抗血栓实验）；筛选结果依赖于计算模型的准确性；未评估化合物的选择性和毒性	发现具有抗血栓活性且出血风险低的FXIIa小分子抑制剂，以解决现有抗凝药物出血风险高的问题	FXIIa蛋白及其小分子抑制剂，约2100万化合物的化合物库	机器学习	心血管疾病	分子动力学模拟、虚拟筛选、结合自由能计算、ADME预测	深度学习	分子结构数据、蛋白质晶体结构数据	约2100万化合物，1个蛋白质晶体结构（PDB ID: 6B74），4个最终命中化合物	DrugFlow, Amber18, PyMOL, MODELLER, SwissADME, Discovery Studio Visualizer	KarmaDock, CarsiDock, RTMScore	结合自由能（MM/GBSA）、预测的药代动力学性质	NA
122	2026-10-08	AntiLipo: A Comprehensive Database, Deep Learning-Based Prediction Model, and Computational Study of Anti-Hyperlipidemic Peptides 2026-Oct-06, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00876-x PMID:42837063	研究论文	该研究构建了抗高血脂肽的综合数据库，开发了基于深度学习的预测模型，并进行了分子动力学模拟研究	构建了首个抗高血脂肽专用数据库AntiLipo，整合了肽结构、来源、活性、机制和预测模型部署模块；开发了五种分类模型和五种回归模型进行肽-蛋白质生物活性预测；进行了500ns分子动力学模拟，获得161个活性肽-靶点轨迹	数据集规模相对较小，仅包含201个实验验证的抗高血脂肽；最佳分类模型准确率仅为0.70，MCC为0.40；回归模型最佳R值为0.61，预测性能仍有提升空间	构建抗高血脂肽综合数据库，开发深度学习预测模型，并通过计算研究阐明抗高血脂肽的作用机制	抗高血脂肽、血脂代谢相关蛋白质靶点、动脉粥样硬化	机器学习	心血管疾病	网络药理学分析、分子动力学模拟、深度学习	CNN、ESM-transformer、MLP、PhyChem-transformer、Transformer、自注意力模型	序列数据、活性数据、代谢通路数据、分子动力学模拟数据	201个实验验证的抗高血脂肽用于模型训练，141个肽用于分子动力学模拟	NA	CNN、ESM-transformer、MLP、PhyChem-transformer、Transformer、自注意力模型	准确率、MCC、AUROC、R值、皮尔逊相关系数	NA
123	2026-10-08	Deep Learning-based Synthesis of Amyloid PET Images from Structural MRI in Alzheimer's Disease 2026-Oct-06, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-026-02145-1 PMID:42837090	研究论文	该研究开发了一种基于深度学习的VQGAN模型，能够从结构性MRI图像合成淀粉样蛋白PET图像，用于阿尔茨海默病的诊断和分期	首次使用VQGAN框架从MRI合成淀粉样蛋白PET图像，成功捕捉阿尔茨海默病不同阶段的淀粉样蛋白沉积特征，为AD诊断提供了一种经济有效的非侵入性替代方法	研究仅使用了ADNI数据库的数据，样本量相对有限（431例），且仅在三个关键皮层区域验证了疾病相关趋势，需要更大规模和多中心的数据验证	开发一种深度学习模型，能够从广泛可用的MRI扫描中合成淀粉样蛋白PET图像，以克服PET检查的成本和可及性限制	431名受试者，包括213名认知正常者、180名轻度认知障碍患者和38名阿尔茨海默病痴呆患者	计算机视觉	阿尔茨海默病	结构性MRI、淀粉样蛋白PET成像	VQGAN	图像	431名受试者（213名认知正常，180名轻度认知障碍，38名阿尔茨海默病痴呆）	NA	VQGAN	MAE、PSNR、SSIM、配对t检验、ANOVA	NA
124	2026-10-08	Comparison and Combination of Radiomics, Deep Learning, and Subjective Assessment for Differentiating Immature and Mature Ovarian Teratomas on Abdominal CT 2026-Oct-06, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001927 PMID:42837146	研究论文	该研究比较并组合了放射组学、深度学习和主观评估在腹部CT上区分未成熟与成熟卵巢畸胎瘤的诊断准确性	首次系统比较并组合了放射组学机器学习、深度学习和主观放射学评估三种方法用于区分未成熟与成熟卵巢畸胎瘤，并证明组合模型优于任何单一方法	样本量较小（共92例），为回顾性单中心研究，需要更大规模的前瞻性多中心验证	比较放射组学机器学习、深度学习和主观放射学评估在腹部CT上区分未成熟与成熟卵巢畸胎瘤的诊断准确性，并评估组合方法是否能提高鉴别能力	经病理确诊的未成熟卵巢畸胎瘤和成熟卵巢畸胎瘤患者	数字病理学, 医学影像分析	卵巢癌	腹部CT, 放射组学	3D-ResNet18	图像	92例（31例未成熟畸胎瘤，61例年龄和大小匹配的成熟畸胎瘤）	NA	3D-ResNet18, 逻辑回归, 随机森林, 支持向量机, 神经网络	AUC	NA
125	2026-10-08	Contrastive Learning-Based Multi-Atlas Feature Fusion for Brain Disorder Diagnosis 2026-Oct-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3740889 PMID:42837235	研究论文	该文提出了一种基于对比学习的多图谱特征融合框架MAFCF，用于通过静息态功能磁共振成像进行脑部疾病诊断	构建多图谱功能脑网络，设计自适应图增强策略同时扰动边和节点特征，采用混合GIN-Transformer编码器捕获局部子图模式和全局依赖，并引入对比损失、语义保持和跨图谱对齐机制	摘要中未明确提及	解决深度模型需要大量标注数据而rs-fMRI数据稀缺且异质，以及现有研究依赖单一脑图谱忽略多尺度互补信息的问题	静息态功能磁共振成像数据、功能脑网络、脑部疾病患者	医学图像分析	脑部疾病	静息态功能磁共振成像	图神经网络, Transformer	图像	两个公共数据集	NA	GIN, Transformer	NA	NA
126	2026-10-08	Uncertainty-Aware Multimodal Gait Representation Learning for Scoliosis Screening 2026-Oct-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3740843 PMID:42837228	研究论文	本文提出了一种不确定性感知的多模态步态表示学习框架（UMGRL），用于从步态视频中进行脊柱侧弯筛查，解决了标签数据有限、模态缺失和细微异常等挑战	提出了教师-学生范式进行跨模态步态表示学习，利用解缠模块分离模态不变和模态特定特征，使用动态时间规整和Perceiver IO进行时序对齐和融合，并引入边界聚焦分支和证据深度学习实现不确定性感知预测	摘要中未明确说明研究的局限性	开发一个可扩展、无辐射的脊柱侧弯筛查方法，通过步态分析实现早期筛查	脊柱侧弯患者和正常人的步态视频数据	计算机视觉	脊柱侧弯	步态分析、多模态学习、动态时间规整、证据深度学习	教师-学生范式、Perceiver IO	视频	Scoliosis1K数据集（具体样本数未提供）	NA	Perceiver IO	NA	NA
127	2026-10-08	Anomaly Detection and Generation with Diffusion Models: A Survey 2026-Oct-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3739960 PMID:42837241	综述	本文综述了基于扩散模型的异常检测与生成方法，涵盖图像、视频、时间序列、表格和多模态数据，并强调检测与生成之间的协同关系	不同于现有综述通常将异常检测与生成视为独立问题，本文突出了二者之间的内在协同关系，揭示了扩散模型能够形成增强循环：生成技术直接解决异常数据稀缺的核心挑战，而检测方法提供关键反馈以提升生成保真度和相关性	讨论了可扩展性和计算效率等关键挑战，但未提出具体的解决方案	全面综述基于扩散模型的异常检测与生成，提供理论基础的教程式分析和实际实现，并涵盖多种数据类型	图像、视频、时间序列、表格和多模态数据中的异常检测与生成方法	机器学习	NA	扩散模型	扩散模型	图像, 视频, 时间序列, 表格, 多模态	NA	NA	NA	NA	NA
128	2026-10-08	Spatial-Frequency Learning for Scanning Transmission Electron Microscopy Image Enhancement 2026-Oct-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3740932 PMID:42837243	研究论文	提出了一种空间-频率学习框架，用于扫描透射电子显微镜图像增强，通过融合空间域和频率域特征，结合噪声校准方法，提高了图像质量和原子定位精度	1. 设计了空间-频率融合网络，利用频率域中的周期性原子排列和空间域中的局部原子细节；2. 提出了STEM噪声校准方法，通过统计分析和拟合真实图像估计扫描噪声、点噪声和背景噪声参数；3. 构建了包含多种原子排列、成像模式和退化类型的多样化数据集，并使用随机掩码模拟材料界面	未明确提及	提高扫描透射电子显微镜图像的质量，特别是在严重退化条件下的增强性能，并改善原子定位精度	扫描透射电子显微镜图像，包括合成数据集和先进材料的真实图像	计算机视觉	NA	扫描透射电子显微镜	NA	图像	未明确提及具体数量，但包括合成数据集和真实图像	NA	空间-频率融合网络	增强性能，原子定位精度	NA
129	2026-10-08	Spatial Transcriptomics As Rasterized Image Tensors (STARIT) characterizes cell states with subcellular molecular heterogeneity 2026-Oct-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014845 PMID:42837397	研究论文	本文提出 STARIT 方法，将基于成像的空间转录组数据中的转录本转换为图像张量，并结合深度学习视觉模型来识别细胞类型和状态。	将分段细胞内的转录本转化为栅格化图像张量表示，以保留亚细胞分子定位信息，从而捕捉传统基因计数矩阵忽略的亚细胞异质性。	摘要未提及具体局限性，可能包括对分割质量的依赖、图像化表示带来的计算开销、以及在不同 imSRT 平台上的泛化性仍需验证。	利用 imSRT 数据的分子分辨率信息，基于亚细胞转录本定位识别细胞状态，并提升细胞类型与状态表征能力。	基于成像的空间转录组数据中的分段细胞及其转录本定位信息，包括模拟数据和真实 imSRT 数据。	数字病理学	NA	基于成像的空间转录组学（imSRT）	CNN	图像	NA	NA	NA	NA	NA
130	2026-10-08	A Contactless Approach for Accurate Sleep Stage Detection Using the Sleepal AI Lamp 2026-Oct-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aeb104 PMID:42838096	研究论文	该研究验证了Sleepal AI Lamp非接触式雷达系统在睡眠分期检测中的准确性和临床可行性，通过1022名成人的同步PSG对比，证明该系统能有效评估睡眠架构。	首次在大规模、病理多样的队列中验证60 GHz FMCW雷达系统结合频率增强深度学习架构进行睡眠分期，实现了非接触式睡眠宏观结构评估。	未明确提及局限性	验证非接触雷达系统（Sleepal AI Lamp）评估睡眠架构和分期的准确性与临床可行性。	1022名成人，包括正常睡眠者和不同严重程度的阻塞性睡眠呼吸暂停患者。	数字病理学	睡眠障碍	FMCW雷达、多导睡眠图（PSG）	深度学习	雷达信号	1022名成人	NA	频率增强深度学习架构	准确率, Cohen's kappa, 灵敏度, 特异性, 宏平均F1分数, 平衡准确率/宏召回率	NA
131	2026-10-08	Pulmonary arterial volume and mortality in smokers without chronic obstructive pulmonary disease 2026-Oct-06, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.109134 PMID:42838239	研究论文	本研究基于COPDGene队列和SUMMIT肺癌筛查试验，利用深度学习自动分割胸部CT测量肺外肺动脉体积，发现无COPD吸烟者中ePA体积增加与全因死亡率独立相关	首次在大规模队列中证明并验证了无COPD的当前和既往吸烟者中肺外肺动脉体积与全因死亡率的独立关联，并开发了简约的岭正则化多变量预测模型	研究为回顾性分析，ePA体积作为影像标志物需要前瞻性验证	探究无COPD的吸烟者中肺外肺动脉体积与全因死亡率之间的关联	无COPD的当前和既往吸烟者	数字病理学	肺癌	胸部CT	CNN	图像	COPDGene发现队列4719名无COPD参与者，SUMMIT验证队列3391名参与者	NA	NA	C-index, 综合校准指数	NA
132	2026-10-08	Label-Free Microscopic Hyperspectral Imaging for Papillary Thyroid Carcinoma Photodiagnosis Using Patient-Level Spectral-Spatial Deep Learning 2026-Oct-06, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105674 PMID:42838368	研究论文	该研究利用无标记显微高光谱成像技术，结合患者级光谱-空间深度学习框架ThyroHSI-MIL，对甲状腺乳头状癌与良性甲状腺病变进行鉴别诊断	开发了患者级双分支框架ThyroHSI-MIL，结合多尺度光谱编码、波长注意力、空间特征提取、门控光谱-空间融合和基于注意力的多实例聚合，实现了无标记高光谱成像在甲状腺病变中的首次应用	研究为回顾性设计，样本量有限，需外部和前瞻性验证才能临床部署	探索无标记显微高光谱成像结合深度学习在甲状腺乳头状癌光诊断中的价值	180例患者（72例甲状腺乳头状癌，54例桥本甲状腺炎，54例结节性甲状腺肿）	数字病理学	甲状腺癌	显微高光谱成像	多实例学习	高光谱图像	180例患者（72例甲状腺乳头状癌，54例桥本甲状腺炎，54例结节性甲状腺肿）	NA	ThyroHSI-MIL（双分支框架）	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
133	2026-10-08	Therapeutic peptide informatics in the artificial intelligence era: From curated resources to generative design 2026-Oct-06, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104826 PMID:42838384	综述	该综述系统调查了39个治疗性肽数据库和62个计算工具，涵盖活性预测、理化性质分析、结构建模和理性设计，并讨论了机器学习和深度学习加速数据驱动的肽药物发现以及标准化数据框架和集成评估平台的迫切需求	扩大了治疗性肽数据库和计算工具的范围，明确界定了范围，系统梳理了人工智能在治疗性肽发现中的应用，并强调了标准化数据框架和集成评估平台的需求	缺乏标准化数据框架和集成评估平台，计算预测与实验验证之间存在差距，未涉及具体的实验验证结果	综述人工智能时代治疗性肽信息学的发展，包括整理资源、计算工具和生成式设计，以加速肽药物发现	治疗性肽数据库和计算工具（39个数据库和62个工具），以及治疗性肽药物	机器学习	NA	NA	NA	文本	39个治疗性肽数据库和62个计算工具	NA	NA	NA	NA
134	2026-10-08	Decoding systemic vascular health and hypertensive disorders in pregnancy through retinal imaging and Visionary AI 2026-Oct-06, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-026-03303-0 PMID:42839051	研究论文	本文提出Visionary AI平台，整合视网膜成像与基于图的血管建模，在临床症状出现前预测妊娠期高血压疾病	开发了可解释的Visionary AI平台，将视网膜图像转换为微血管结构的拓扑和几何表示，基于生物学血管特征而非通用图像嵌入或临床变量进行风险预测	未明确提及	在临床症状出现前预测妊娠期高血压疾病，并实现生物学可解释的妊娠风险分层	妊娠期高血压疾病，包括子痫前期	数字病理学	妊娠期高血压疾病	视网膜成像，基于图的血管建模	基于图的模型	图像	1,267例妊娠的前瞻性开发队列，以及一个独立外部验证队列	NA	基于图的血管模型	AUC, AP	NA
135	2026-10-08	Comment on: "Multimodal deep learning prediction of treatment response to anti-vascular endothelial growth factor in diabetic macular oedema" 2026-Oct-06, Eye (London, England) DOI:10.1038/s41433-026-04852-z PMID:42839087	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
136	2026-10-08	Accurate and well-powered case-control analysis of spatial molecular data 2026-Oct-06, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03236-1 PMID:42839109	研究论文	本文提出VIMA方法，结合变分自编码器与统计学元分析，从空间分子数据中灵活精确地识别疾病相关的空间微生态位。	VIMA利用变分自编码器为每个组织斑块生成数值指纹，定义大量数据依赖的重叠微生态位，并进行元分析发现与疾病状态显著相关的微生态位，克服了传统方法将组织区域简化为离散细胞类型或生态位丰度的限制。	摘要中未明确提及局限性。	开发一种高精度、高功效的空间分子数据分析方法，以发现疾病相关的空间结构。	空间分子数据，涵盖三种疾病和三种空间模态。	数字病理学	NA	空间分子数据分析	变分自编码器	空间分子数据	NA	NA	变分自编码器	校准度、功效、空间准确性	NA
137	2026-10-08	Automated sperm tracking using deep learning for high-resolution analysis of motility 2026-Oct-05, Reproduction (Cambridge, England) DOI:10.1093/reprod/xaag114 PMID:42704692	研究论文	本文提出了一种基于深度学习的开源模块化框架，用于跨物种精子细胞的自动检测与追踪，并实现单细胞水平的高分辨率运动分析	开发了开源、模块化的自动化精子检测与追踪框架，结合物种特异性Cellpose模型进行精子头部分割和Trackpy自动追踪，可从延时显微图像中重建单个精子轨迹，并在人类、小鼠、大鼠和牛四个物种中验证，检测F1分数达0.96至0.98	摘要中未明确提及研究局限性	开发一种透明、灵活的开源精子追踪流程，实现跨物种、单细胞水平的高分辨率精子运动分析，作为传统CASA的替代方案	人类、小鼠、大鼠和牛的精子细胞，人类精子在基础条件和促超活化条件下均进行了测试	计算机视觉	NA	延时显微成像、相差显微镜、深度学习图像分割	CNN	图像	四个物种（人类、小鼠、大鼠、牛）的精子样本，在独立验证数据集上进行评估	NA	Cellpose	F1分数、曲线速度、直线速度、头部侧向位移振幅	NA
138	2026-10-08	Retraction notice to "A real-time system using deep learning to detect and track ureteral orifices during urinary endoscopy" [Computers in Biology and Medicine 128 (2021) 104104] 2026-10-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111968 PMID:42830244	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
139	2026-10-08	Retraction notice to "ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm" [Computers in Biology and Medicine 194 (2025) 110393] 2026-10-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111960 PMID:42833943	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
140	2026-10-08	Deep lensless imaging with non-iterative output-constraint satisfaction 2026-Oct-05, Optics express IF:3.2Q2 DOI:10.1364/OE.608276 PMID:42839418	研究论文	本文提出了一种输出约束模块（OCM），作为轻量级附加组件，可将任何深度学习重建模型的输出投影到测量一致子空间，无需迭代计算。	OCM是一种轻量级附加组件，通过拉格朗日乘子解析推导出闭合形式表达式，仅需矩阵-向量乘积，无需迭代计算即可将输出投影到测量一致子空间。	数据驱动方法与测量一致方法在与配对透镜相机图像的相似性方面仍存在差距，这主要反映了数据驱动模型隐式学习的两个相机域之间的映射，而非场景信息的丢失。	解决深度学习在无透镜成像中输出不满足物理观测模型的问题，同时避免迭代计算，提高推理速度。	无透镜成像重建模型的输出。	计算机视觉	NA	无透镜成像	深度学习重建模型	图像	NA	NA	NA	数据一致性损失、重建质量、推理速度	NA