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
1	2026-06-04	stDyer-image improves clustering analysis of spatially resolved transcriptomics and proteomics with morphological images 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag071 PMID:41692960	研究论文	提出stDyer-image框架，通过形态学图像直接连接图像特征与聚类标签，提升空间转录组学和蛋白质组学的聚类分析性能	首次将形态学图像特征直接与聚类标签关联，模仿病理学家仅凭形态学图像识别细胞类型或肿瘤区域的能力，无需依赖于基因表达或蛋白质丰度数据	未明确说明	开发一种利用形态学图像改善空间转录组学和蛋白质组学数据聚类分析的方法	空间转录组学（SRT）和空间蛋白质组学（SRP）数据及其对应的形态学图像	机器学习	NA	空间转录组学（SRT）、空间蛋白质组学（SRP）	深度学习	图像	NA	NA	NA	聚类性能（具体度量标准未明确说明）	NA
2	2026-06-04	AI-Guided Design and Predictive Modeling of Synthetic Escherichia coli Promoters through Comprehensive -10/-35 Box Engineering 2026-Feb-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00765 PMID:41589500	研究论文	通过全面改造-10/-35盒，利用人工智能设计和大肠杆菌合成启动子的预测建模	整合卷积神经网络进行强度预测和平衡生成对抗网络进行启动子设计，建立了从-10/-35盒到转录活性的双向深度学习框架	NA	建立序列组成与转录输出之间的定量关系，实现理性启动子设计	大肠杆菌合成启动子	机器学习	NA	荧光激活细胞分选及测序	卷积神经网络,生成对抗网络	序列数据	20,799个不同启动子	NA	CNN,GAN	皮尔逊相关系数	NA
3	2026-06-04	Towards sustainable desertification control: A manufacturing method for porosity-controlled upright reed sand fences 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128763 PMID:41616718	研究论文	提出结合深度学习与实时控制的智能系统，实现芦苇沙障孔隙率精确调控	开发了轻量级实例分割模型Reed-YOLOv8n-SSAS，结合掩膜重定位算法和闭环控制实现芦苇沙障孔隙率的实时精准制造	主要针对特定芦苇束形态，未提及对其他植物沙障或不同环境条件的通用性验证	实现荒漠化防治中直立芦苇沙障孔隙率的可持续制造和精确控制	芦苇沙障孔隙率和制造过程	机器学习	NA	实例分割	YOLOv8轻量化分割模型	图像	新疆和若铁路沿线的机械生产沙障样本	PyTorch	YOLOv8n-seg	精确率, mAP@0.5	NA
4	2026-06-04	Deep learning as a refining tool for hydrodynamic model in predicting lake temperature profile: A case study in Ogouchi reservoir 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128759 PMID:41616721	研究论文	本文提出了一种混合模型，将简单水动力模型与长短期记忆网络结合，以改进湖泊水温垂直剖面的预测	首次将深度学习作为水动力模型的精炼工具，通过数据同化技术减少校准工作量且预测精度媲美完全校准模型	仅在小河内水库夏季数据上验证，未探讨其他季节或水库的适用性	提高湖泊水温垂直剖面预测准确度并降低计算成本	小河内水库夏季水温垂直剖面的周、双周与三周预测	机器学习	NA	NA	LSTM	时间序列水温数据	小河内水库夏季温度剖面数据（具体数量未说明）	NA	LSTM	预测误差（具体指标未说明）	NA
5	2026-06-04	FAST - filamentous actin segmentation tool for quantifying cytoskeletal organization 2026-Feb-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264265 PMID:41614214	研究论文	开发一种基于深度学习的丝状肌动蛋白分割工具，用于从光学显微镜图像中准确分割和量化不同类别的肌动蛋白结构	首次提出无需特异性抗体即可从肌动蛋白图像中量化不同类别肌动蛋白结构的深度学习工具，适用于多种细胞系和药物处理下的动态变化分析	未提及该工具在体内成像数据或多通道荧光成像中的适用性，以及在不同显微镜系统间的泛化能力验证	开发并验证一种基于深度学习的肌动蛋白结构分割与量化工具，以促进细胞运动、癌症转移及药物开发中肌动蛋白相关通路的研究	不同细胞系中的肌动蛋白结构，以及药物处理过程中LifeAct-GFP标记的肌动蛋白动态变化	计算机视觉, 数字病理学	癌症转移	共聚焦显微镜成像, phalloidin染色	深度学习模型（具体未明确）	图像（共聚焦显微镜图像）	涉及不同细胞系和药物处理条件（未提供具体数量）	未明确	未明确	未明确	未明确
6	2026-06-04	Generative deep learning synthesizes high signal-to-noise ratio sensitivity maps for PET from low count direct normalization data 2026-Feb-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3ec6 PMID:41604704	研究论文	开发一种生成式深度学习管道，从低计数直接归一化数据中合成高信噪比PET灵敏度图，以加速PET图像重建中的归一化过程	提出条件注意力引导生成对抗网络，能保留灵敏度图的几何和探测器特定特征；集成灵敏度图特征与生成建模以合成高质量地图；大幅减少采集时间同时确保准确高效的归一化	未在摘要中提及	解决从低计数直接归一化数据高效获取高信噪比PET灵敏度图的挑战	PET灵敏度图合成及其在Hoffman脑体模、对比体模和均匀圆柱体模图像重建中的应用	计算机视觉	NA	PET成像	生成对抗网络	图像	Hoffman脑体模、对比体模和均匀圆柱体模的PET归一化数据	PyTorch	条件注意力引导生成对抗网络	PSNR, SSIM, NRMSE	NA
7	2026-06-04	Integrating Medicinal Chemist Expertise with Deep Learning for Automated Molecular Optimization 2026-Feb-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c03746 PMID:41617158	研究论文	结合药物化学家专业知识与深度学习，构建自动化分子优化平台	首次建立基于药物化学家专业知识、由深度学习生成的分子优化策略数据库	未明确说明局限性	开发用于分子优化的自动化平台，加速先导化合物优化和药物发现	分子优化策略、FGFR4和HPK1靶点	机器学习	NA	深度学习	图深度学习	文本（文献策略）	近9000条分子优化策略	PyTorch	图神经网络	IC50	NA
8	2026-06-04	SLPM: a lightweight deep learning model for end-to-end paper ECG digitization 2026-Feb-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3fe5 PMID:41616494	研究论文	提出一种轻量级端到端心电图信号位置预测模型SLPM用于纸质心电图数字化	采用分类-回归联合学习框架直接预测信号点的存在与垂直坐标，并集成层次化SE-BiLSTM特征增强机制以提升波形特征表示与时间依赖性捕捉能力	文中未明确提及局限性	实现纸质心电图的端到端高保真数字化，克服分割误差大、噪声干扰强和泛化能力差的问题	纸质心电图图像中的信号点位置与对应时间序列信号	计算机视觉	NA	NA	SLPM (基于SE-BiLSTM的轻量级深度学习模型)	图像	来自PTB-XL数据集的单导联数据集PaperECG_Clean和PaperECG_Enhanced，以及12导联数据集PaperECG_12l	PyTorch	SE-BiLSTM	皮尔逊相关系数，信噪比	NA
9	2026-06-04	Motion as a Language: Transformer-Based Classification of Antimicrobial Peptide Conformational Dynamics 2026-Feb-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01690 PMID:41609302	研究论文	本文应用Transformer神经网络架构对来自分子动力学模拟的抗菌肽构象时间序列进行时空上下文检测，实现无监督构象分类	首次将Transformer架构应用于抗菌肽构象动力学分类，揭示深度学习在药物设计中恢复构象动态重要性的新途径	仅基于分子动力学模拟数据，未涉及实验验证；分类性能可能受模拟参数设置影响	开发基于Transformer的构象动力学分类方法，以在抗生素筛选数据库中整合构象塑性信息	抗菌肽的构象动态数据（来自分子动力学模拟的时间序列）	机器学习	抗生素耐药性相关疾病	分子动力学模拟	Transformer	时间序列数据	NA	NA	Transformer	无监督分类性能（未明确指定具体指标）	NA
10	2026-06-04	Attention-Guided Multiview Deep Learning Framework Uncovers miRNA-Drug Associations for Therapeutic Discovery 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02839 PMID:41592800	研究论文	提出一个注意力引导的多视图深度学习框架，用于预测miRNA与药物的关联，以促进治疗发现	创新地融合了miRNA和药物的多源信息，而非仅依赖已知的交互图数据，并通过视图级注意力机制自适应学习不同特征的重要性	尚未提及具体局限性，但可能依赖于已知的miRNA-药物关联数据	预测miRNA-药物关联，为基于miRNA的治疗方法提供高效准确的计算工具	miRNA和药物之间的关联	机器学习	NA	NA	深度学习框架	文本和网络数据	基于最新数据库人工构建的实验基准数据集，具体样本量不详	PyTorch	注意力机制、多视图编码器	AUROC, AUPRC	NA
11	2026-06-04	NeuroTDPi: Interpretable Deep Learning Models with Multimodal Fusion for Identifying Neurotoxic Compounds 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02639 PMID:41609193	研究论文	开发了一种名为NeuroTDPi的多层全连接深度神经网络模型，用于识别神经毒性化合物	采用多模态融合策略，整合分子表征与针对三种神经毒性终点的特征表示，并利用SHAP方法增强模型可解释性	未明确说明，但可能受限于数据集规模或外部验证	早期识别神经毒性化合物以降低药物开发和环境风险评估中的实验成本	神经毒性化合物	机器学习	神经毒性疾病	NA	深度神经网络（DNN）	分子表征与理化性质特征	未明确说明	NA	多层全连接神经网络	AUC	NA
12	2026-06-04	Sequential glioblastoma segmentation via topological data analysis and spatial adjacency 2026-Feb-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3e97 PMID:41604711	研究论文	提出一种结合拓扑数据分析与空间邻接关系的胶质母细胞瘤顺序分割框架	利用拓扑数据分析的可解释过滤和持久同调来捕捉胶质瘤的本质拓扑特征，结合空间邻接信息提升分割精度，并提出新的模糊Edge-Dice评分指标	未明确提及	解决胶质母细胞瘤在医学影像中因不规则形状、异质纹理和模糊边界导致传统方法分割不准的问题	胶质母细胞瘤的医学影像分割	数字病理学	胶质母细胞瘤	拓扑数据分析	自动阈值算法、持久同调特征	医学影像	BRATS2021和BRATS2022-Reg数据集	NA	NA	模糊Edge-Dice评分	NA
13	2026-06-04	Comprehensive segmentation of focal cortical dysplasia by combining surface-based and whole-brain MRI deep learning algorithms: a proof-of-concept study 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3d3e PMID:41587495	研究论文	通过结合基于表面和全脑MRI深度学习算法，实现局灶性皮质发育不良的综合分割	提出将两种不同AI算法（MELD Graph和MindGlide）结合的方法，同时评估皮质和深部白质成分，对FCD II进行更全面的分割	样本量有限（49例），MindGlide仅检测到36%的病例中的穿通征，整体Dice系数提升幅度较小	评估结合白质病变分割算法是否能改善局灶性皮质发育不良II型的分割效果	放射学确认有穿通征的49例局灶性皮质发育不良II型病例	计算机视觉	癫痫	MRI	卷积神经网络（基于）	磁共振图像	49例FCD II型患者	MELD Graph, MindGlide	NA	Dice相似系数	NA
14	2026-06-04	Deep learning to predict left ventricular hypertrophy from the electrocardiogram 2026-Feb-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euag015 PMID:41589068	研究论文	基于心电图开发深度学习模型以预测左心室肥厚	采用全卷积网络结构，结合临床变量同时预测左心室质量指数，并通过逻辑回归模型进行重校准，在UK Biobank中达到0.97的AUROC，优于传统机器学习及已有深度学习方法	模型在外部验证集SHIP中的泛化能力仅为中等（AUROC 0.78），受限于临床特征、心电图采集和CMR标注差异；需要更大规模和多样性的数据集提升通用性	利用深度学习改善心电图预测左心室肥厚的准确性并进行外部验证	来自UK Biobank的48835名参与者和SHIP队列的1423名参与者	机器学习	心血管疾病	心电图	全卷积网络	心电图信号和临床变量	48835名UK Biobank参与者（717例LVH阳性），1423名SHIP参与者	NA	全卷积网络	曲线下面积（AUROC）	NA
15	2026-06-04	How negative sampling shapes the performance of transcription factor binding site prediction models 2026-Feb-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag048 PMID:41601205	研究论文	研究不同负采样技术对转录因子结合位点预测模型性能的影响	系统评估了多种负采样技术在TFBS预测中的表现，揭示了训练数据集上计算的指标会夸大性能分数，并发现了基于正样本相似性的基因组采样效果最佳	未提及具体局限性	探究不同负采样技术对转录因子结合位点预测性能的影响	转录因子结合位点预测模型及负采样技术	机器学习	NA	ChIP-seq, ATAC-seq	深度学习模型	序列数据	来自ChIP-seq和ATAC-seq数据的高质量测试数据集	NA	NA	NA	NA
16	2026-06-04	Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions 2026-Feb-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8992 PMID:41617400	研究论文	通过前瞻性研究验证深度学习加速的3D T1-MPRAGE序列在评估颅内强化病变中的诊断质量	首次将深度学习重建方法应用于3D MRI序列加速，并采用变异网络和超分辨率算法两步优化，在相同扫描时间内提供更优的图像质量	样本量有限（115例），且未涉及多中心或不同场强（如1.5T）系统的验证	评估深度学习加速的3D T1-MPRAGE序列与传统波-控制混叠并行成像加速序列在颅内强化病变评估中的图像质量	颅内强化病变患者	数字病理学	颅内肿瘤、血管病变	深度学习重建	卷积神经网络	图像	115例患者	NA	残差网络、超分辨率网络	噪声感知、伪影、锐度、整体诊断质量	3T MRI系统
17	2026-06-04	TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography 2026-Feb-03, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.044333 PMID:41614293	研究论文	开发了一种基于多视角、多模态超声心动图的深度学习模型，用于术前评估经导管边缘对边缘二尖瓣修复术的形态学适宜性	首次提出基于视频视觉变换器的端到端深度学习模型，结合多视角融合模块整合多模态特征，用于二尖瓣修复术前评估	研究样本量有限，外部验证仅涉及两家医院，模型对黄色区分类别可能仍有提升空间	开发用于经导管边缘对边缘二尖瓣修复术术前人工智能评估的深度学习模型	严重症状性二尖瓣反流且手术风险高的患者	计算机视觉	二尖瓣反流	多模态超声心动图（经胸超声心动图视频和多普勒图像）	视频视觉变换器（Video Vision Transformer）	视频和多普勒图像	内部数据集633例患者（7997个超声心动图视频，766个脉冲波多普勒图像）；外部数据集150例患者（1735个视频，169个多普勒图像）	PyTorch	视频视觉变换器（Video Vision Transformer）	准确率、精确率、召回率、F1分数	NA
18	2026-06-04	Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models 2026-Feb, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71544 PMID:41589030	研究论文	本研究对比两种公平感知深度生存模型，以减轻前列腺癌根治术后生存预测中的种族差异	首次将公平感知方法应用于生存分析，提出Fair DCPH和GroupDRO DCPH两种模型来缓解预测模型中的种族偏见	仅基于美国国家癌症数据库，可能不适用于其他人群；未考虑其他人口学特征（如社会经济地位）的交叉影响	开发和评估公平感知的深度学习生存模型，以减少前列腺癌生存预测中的种族差异	418,968名接受前列腺癌根治术的患者（白人78.5%，黑人13.2%，西班牙裔4.5%，亚裔1.9%，其他2.0%）	机器学习	前列腺癌	NA	深度学习Cox比例风险模型（Deep Cox Proportional Hazards Model）	结构化临床数据	418,968名患者	PyTorch	Deep Cox Proportional Hazards Model（深度Cox模型）及其变体（Fair DCPH, GroupDRO DCPH）	一致性指数（C-index）	NA
19	2026-06-04	Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70298 PMID:41589400	研究论文	研究双平板专用前列腺PET扫描仪的图像重建和拉长伪影减少方法	首次为双平板前列腺专用PET扫描仪开发并优化了列表模式MLEM算法结合多射线建模，并评估了Swin-UNETR深度学习模型作为后处理增强的效果	未明确提及，但可能涉及Swin-UNETR模型在小型病灶上的泛化性和计算资源需求	比较不同图像重建策略以提高双平板专用前列腺PET扫描仪的图像质量并减少伪影	双平板前列腺专用PET扫描仪（ProVision）及其采集数据，包括仿真和实验模体	计算机视觉，数字病理学	前列腺癌	PET扫描	MLEM， Swin-UNETR	图像	一个比例NEMA图像质量模体和一个名为Adam-PETer的人体盆腔模体	NA	Swin-UNETR	对比恢复系数（CRC），对比度噪声比（CNR），对比度噪声一致性（CNC）	NA
20	2026-06-04	Multi-dimensional attention-enhanced reconstruction for sparse-view CBCT 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70299 PMID:41589426	研究论文	提出用于稀疏视图CBCT的多维注意力增强重建算法，以消除条纹伪影并恢复图像细节	引入两个即插即用模块以捕捉投影间的长程依赖并减少特征信息冗余，实现双域深度学习网络	未提及在临床环境中的实际应用验证或计算效率评估	通过双域深度学习网络消除稀疏视图CBCT中的条纹伪影并恢复图像细节	稀疏视图CBCT图像重建	数字病理学	NA	NA	深度学习网络	图像	真实胸部数据集和模拟腹部数据集	NA	NA	RMSE, SSIM, PSNR	NA