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
661	2026-03-02	ICIsc: A Deep Learning Framework for Predicting Immune Checkpoint Inhibitor Response by Integrating scRNA-Seq and Protein Language Models 2026-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020187 PMID:41749727	研究论文	提出一个名为ICIsc的深度学习框架，通过整合单细胞RNA测序数据和蛋白质语言模型来预测免疫检查点抑制剂的反应	首次将单细胞RNA测序数据与蛋白质语言模型（ESM2）结合，并利用双线性注意力模块和GATv2图注意力网络来融合患者和药物表示，以建模免疫微环境异质性	未明确说明框架在更大或更多样化患者队列中的验证情况，以及计算资源需求可能较高	准确预测免疫检查点抑制剂（ICI）的治疗反应，以改善癌症免疫疗法的疗效	接受PD-1/PD-L1和CTLA-4靶向免疫检查点抑制剂治疗的癌症患者	机器学习	癌症	单细胞RNA测序（scRNA-seq），蛋白质语言模型（ESM2）	深度学习框架，图注意力网络（GATv2）	转录组数据，氨基酸序列数据，单细胞RNA测序数据	NA	PyTorch（推测，基于GATv2和深度学习框架的常见实现）	GATv2，双线性注意力模块	基准评估指标（如准确性、AUC等，具体未列明），SHAP解释性分析	NA
662	2026-03-02	Leveraging Cross-Subject Transfer Learning and Signal Augmentation for Enhanced RGB Color Decoding from EEG Data 2026-Feb-06, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16020195 PMID:41750196	研究论文	本研究通过结合跨被试迁移学习和信号增强技术，旨在提升从脑电图数据中解码RGB颜色的性能	创新点在于整合跨被试迁移学习与信号增强（如频率切片重组和高斯噪声添加），以应对被试间变异性和数据稀缺问题，从而提高EEG信号中RGB颜色分类的准确性和泛化能力	研究基于31名被试的EEG数据集，样本规模相对有限，可能影响模型在更广泛人群中的泛化性能；且未详细探讨不同增强技术对特定颜色类别解码的差异化影响	研究目标是克服脑电图信号解码中的被试间变异性和数据不足挑战，通过迁移学习和数据增强提升RGB颜色分类性能，以推动基于视觉特征的脑机接口应用	研究对象为31名先前研究中的被试的脑电图信号数据，用于解码RGB颜色分类	机器学习	NA	脑电图信号处理	CNN, 注意力机制	脑电图信号	31名被试的EEG数据集	NA	DeepConvNet, Adaptive Temporal Convolutional Network	分类准确率	NA
663	2026-03-02	Artificial Intelligence as a Catalyst for Antimicrobial Discovery: From Predictive Models to De Novo Design 2026-Feb-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14020394 PMID:41753681	综述	本文全面回顾了人工智能在加速抗菌药物发现和设计中的应用进展	整合了机器学习、深度学习和生成模型，特别是图神经网络、注意力机制和基于大语言模型的生成器，用于虚拟筛选、活性预测和从头设计，以识别结构新颖的化合物并促进窄谱抗菌策略	面临数据稀缺与不平衡、实验验证有限以及临床转化障碍等挑战	加速抗菌药物发现，应对抗菌素耐药性这一全球健康挑战	小分子抗生素和抗菌肽	机器学习	NA	NA	机器学习, 深度学习, 生成模型	化学和生物数据	NA	NA	图神经网络, 注意力机制, Transformer, 变分自编码器, 大语言模型	NA	NA
664	2026-03-02	MMHC-OCPR: Prediction of Platinum Response and Recurrence Risk in Ovarian Cancer with Multimodal Deep Learning 2026-Feb-02, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020348 PMID:41751247	研究论文	本研究开发了一个多模态深度学习模型MMHC-OCPR，用于预测卵巢癌患者的铂类化疗反应和复发风险	采用弱监督多实例学习框架整合组织病理学图像与临床病理变量，并引入基于Transformer的预训练编码器UNI2-h以提升模型预测性能	研究为回顾性多中心设计，样本量相对有限（431例患者），且外部验证仅依赖TCGA公开数据	预测卵巢癌患者的铂类化疗反应和复发风险，以实现早期个性化治疗并改善预后	卵巢癌患者	数字病理学	卵巢癌	全切片图像分析	多模态深度学习	图像, 临床数据	431例患者（来自两个独立数据集），包含1182张全切片图像	NA	UNI2-h	AUC, C-index	NA
665	2026-03-02	One Method for Improving Overlay Accuracy Through Focus Control 2026-Feb-02, Micromachines IF:3.0Q2 DOI:10.3390/mi17020207 PMID:41753863	研究论文	本文提出了一种结合光学硬件设计与软件算法的集成优化策略，以提高图像套刻对准（IBO）设备的测量精度与效率	提出了一种集成优化策略，结合了采用双波长双探测器架构的硬件方案与基于深度学习实时预测调整标记位置和离焦量的软件方案，以协同方式提升套刻测量性能	NA	解决先进工艺节点中套刻测量精度与效率之间的权衡问题	图像套刻对准（IBO）设备中的套刻标记测量	机器视觉	NA	光学反射成像	深度学习	图像	NA	NA	NA	NA	NA
666	2026-03-02	Unpaired Learning-Enabled Nanotube Identification from AFM Images 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512504 PMID:41449757	研究论文	提出一种基于深度学习的无配对学习方法，用于从原子力显微镜图像中提取纳米管形态	利用基于cycleGAN的图像到图像翻译框架，结合专门设计的损失函数，将包含纳米管的AFM图像转换为纯基底图像，从而有效分离纳米管形态	模型泛化能力有待扩展，未来工作旨在与实时AFM成像集成	优化纳米管网络形态的表征，以支持柔性电子应用的开发	单壁碳纳米管（SWCNTs）及其在柔性聚合物基底上的网络形态	计算机视觉	NA	原子力显微镜（AFM）成像	GAN	图像	NA	NA	cycleGAN	灵敏度, 准确度	NA
667	2026-03-02	CA-CAE: A deep learning-based multi-omics model for pan-cancer subtype classification and prognosis prediction 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014015 PMID:41719374	研究论文	本研究提出了一种结合通道注意力机制的卷积自编码器预后模型（CA-CAE），用于基于多组学数据进行泛癌症亚型分类和预后预测	提出了一种结合通道注意力机制的卷积自编码器模型，能够更准确地识别癌症亚型并预测生存结果，相比传统统计方法和其他深度学习方法表现更优	NA	通过整合深度学习技术，更准确地识别癌症亚型，为癌症患者的个性化治疗提供可靠依据	多种癌症类型的多组学数据	机器学习	癌症	高通量测序技术	卷积自编码器	多组学数据	NA	NA	卷积自编码器	生存预测性能	NA
668	2026-03-02	Yin-Dan-Ping-Gan Capsule Mitigates CCL4-Induced Liver Fibrosis via Regulating PPAR γ/GPX4 Signaling and Suppressing Ferroptosis 2026-Feb-01, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19020251 PMID:41754793	研究论文	本研究探讨了银丹平肝胶囊通过调控PPARγ/GPX4信号通路抑制铁死亡，从而减轻四氯化碳诱导的小鼠肝纤维化的作用机制	首次结合蛋白质组学、深度学习和网络药理学方法，系统揭示了银丹平肝胶囊通过调控PPARγ/GPX4信号通路抑制铁死亡来抗肝纤维化的新机制	研究仅基于小鼠模型，尚未在人体中进行验证；机制研究主要集中于PPARγ/GPX4通路，可能存在其他未探索的作用途径	探究银丹平肝胶囊治疗肝纤维化的分子机制	四氯化碳诱导的肝纤维化小鼠模型	数字病理学	肝纤维化	蛋白质组学、Western blot、深度学习、网络药理学	深度学习模型	蛋白质组数据、生化指标数据、图像数据	小鼠模型样本（具体数量未明确说明）	NA	NA	纤维化指数、肝功能指标、MDA含量、铁含量、GSH活性	NA
669	2026-03-01	Flavonol glycosides from Eriocaulon buergerianum Körn. and their α-glucosidase inhibitory effects 2026-Feb-28, Natural product research IF:1.9Q3 DOI:10.1080/14786419.2026.2636162 PMID:41762023	研究论文	从谷精草中分离出一种新的黄酮醇苷及三种已知黄酮醇苷，并通过分子对接和深度学习研究了其α-葡萄糖苷酶抑制活性	首次从谷精草中分离出一种新的黄酮醇苷（patuletin 3-β-D-glucopyranosyl-(1→6)-β-D-glucopyranoside-7-β-D-glucopyranoside），并采用分子对接与深度学习相结合的方法评估其α-葡萄糖苷酶抑制潜力	研究仅涉及体外酶抑制实验和计算模拟，缺乏体内药理活性验证	探究谷精草中黄酮醇苷类成分及其降血糖活性	谷精草（Eriocaulon buergerianum Körn）中的黄酮醇苷类化合物	计算化学与药物发现	糖尿病	光谱分析、化学方法、分子对接、深度学习	深度学习模型	化学结构数据、酶活性数据	4种黄酮醇苷及2种苷元（共6个化合物）	NA	NA	IC50值（半数抑制浓度）	NA
670	2026-03-01	An Interpretable Functional-Dynamic Synaptic Graph Neural Network for Major Depressive Disorder Diagnosis from rs-fMRI 2026-Feb-28, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500243 PMID:41762174	研究论文	提出了一种用于从静息态功能磁共振成像中诊断重度抑郁症的可解释功能动态突触图神经网络	提出了一种新颖的功能动态突触图神经网络，该网络集成了双向门控循环单元时间戳编码模块来建模动态BOLD信号，以及突触图Transformer模块进行连接感知的脑区更新，克服了现有方法忽视BOLD信号动态时间特性和区域间连接强度的问题	未明确说明模型在跨数据集泛化能力、计算复杂度或对特定患者亚组的适用性方面的具体限制	实现重度抑郁症的早期诊断和生物标志物识别，以支持个性化治疗和疾病监测	重度抑郁症患者	机器学习	重度抑郁症	静息态功能磁共振成像	图神经网络, Transformer, 双向门控循环单元	功能磁共振成像数据	两个大规模多中心收集的重度抑郁症数据集	未明确说明	功能动态突触图神经网络, 双向门控循环单元时间戳编码模块, 突触图Transformer模块	未明确说明具体指标，但提及优于12种最先进的基线方法	未明确说明
671	2026-03-01	Object Detection, Recognition, Deep Learning, and the Universal Law of Generalization 2026-Feb-27, Neural computation IF:2.7Q3 DOI:10.1162/NECO.a.1483 PMID:41637719	研究论文	本文通过训练深度神经网络处理自然图像中的清晰和伪装动物，测试了通用泛化定律在物体检测与识别中的生态有效性，并扩展了该定律以分析内部表示	将通用泛化定律扩展到现实学习场景，开发了两种确定类别原型的方法，并揭示了伪装输入在单调递减泛化函数中的系统性位置	未明确说明模型的具体架构细节和计算资源使用情况，且样本大小未在摘要中具体量化	探究物体检测与识别中泛化过程的通用原则，特别是内部表示是否主要受生态环境属性影响	自然图像中的清晰和伪装动物	计算机视觉	NA	深度神经网络训练	深度神经网络	图像	NA	NA	NA	NA	NA
672	2026-03-01	Deep learning-based synthetic brain MRI for the assessment of regional atrophy patterns in neurodegenerative diseases 2026-Feb-27, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12302-9 PMID:41758343	研究论文	本研究评估了基于深度学习的合成3D-T1w MRI序列在神经退行性疾病中保留区域萎缩模式的能力	首次系统评估了从不同临床序列（如3D FLAIR、4 mm轴向FLAIR、4 mm冠状T2）生成的深度学习合成3D-T1w图像在区域脑萎缩分析中的准确性	合成序列在评估全局和区域脑体积时存在系统性误差，导致体积高估，影响了自动化疾病概率预测的准确性	探究深度学习合成的3D-T1w序列是否足以保留区域萎缩模式，以用于自动化脑体积测量	阿尔茨海默病（AD）、额颞叶痴呆（FTD）患者及健康对照（HC）的脑MRI图像	数字病理学	神经退行性疾病	3D-T1w MRI、3D FLAIR、4 mm轴向FLAIR、4 mm冠状T2 MRI	深度学习	3D MRI图像	包括AD、FTD患者和HC的回顾性队列，具体样本数量未在摘要中明确	FreeSurfer, VolBrain	SynthSR, SynthSeg+, AssemblyNet-AD-FTD	体积测量差异的p值（如总白质体积、总灰质体积、海马体积），疾病概率预测的p值	NA
673	2026-03-01	DoC-Informer: Automated Discrimination of Disorders of Consciousness under Adaptive EEG Settings 2026-Feb-27, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3668768 PMID:41758838	研究论文	本研究提出了一种名为DoC-Informer的CNN-Transformer混合框架，用于在自适应EEG设置下自动鉴别意识障碍状态	提出了一种结合通道独立架构、电极位置编码和通道掩码训练策略的CNN-Transformer混合框架，能够有效处理不完整的电极覆盖并减少对人工特征的依赖	未明确说明模型在更广泛临床环境中的泛化能力，以及与其他模态数据（如fMRI）结合的可能性	开发一种自动化EEG分析框架，用于准确鉴别意识障碍的不同状态，以辅助临床诊断和治疗决策	意识障碍患者，包括无反应觉醒综合征和最小意识状态患者	数字病理学	老年疾病	EEG	CNN, Transformer	EEG信号	两个真实世界DoC数据集（包含UWS和MCS患者），具体样本数量未明确说明	PyTorch	CNN-Transformer混合架构，包含浅层时间特征编码模块、空间Transformer和时间Transformer	准确性，鲁棒性评估，消融研究验证	未明确说明
674	2026-03-01	NPSVC++: A Representation Learning Framework for Nonparallel Classifiers 2026-Feb-27, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3661343 PMID:41758861	研究论文	本文提出了一种名为NPSVC++的表示学习框架，用于改进非平行支持向量分类器（NPSVCs）的性能	基于多目标优化开发NPSVC++框架，首次实现NPSVC与特征的联合学习，通过追求帕累托最优性确保跨类特征最优性，有效解决了特征次优性和类依赖性问题	未在摘要中明确说明	通过表示学习提升非平行支持向量分类器的性能	非平行支持向量分类器（NPSVCs）	机器学习	NA	多目标优化	支持向量分类器	NA	NA	NA	K-NPSVC++, D-NPSVC++	NA	NA
675	2026-03-01	MDDTA: A Drug Target Binding Affinity Prediction Method Based on Molecular Dynamics Simulation Data Enhancement 2026-Feb-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668781 PMID:41758859	研究论文	本文提出了一种基于分子动力学模拟数据增强的药物靶点结合亲和力预测方法MDDTA，旨在通过整合动态构象信息提升预测性能	构建了增强采样的分子动力学模拟数据集MD-PDBbind，并提出具有等变与不变特性的FAFormer架构，同时设计了动态感知损失函数	未明确说明模型对计算资源的具体需求及在更大规模数据集上的泛化能力	提升药物靶点结合亲和力预测的准确性，以增强药物筛选效率	药物靶点复合物的动态构象	机器学习	NA	分子动力学模拟	Transformer	分子结构数据，动态构象数据	CASF-2016数据集及70个SARS-CoV-2候选化合物	NA	FAFormer	评分性能，排序性能	NA
676	2026-03-01	Methodological considerations for a deep learning-based prescription framework for traditional Chinese medicine 2026-Feb-27, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70401 PMID:41761602	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
677	2026-03-01	Advances in air quality modeling through artificial intelligence, machine learning, and deep learning: A comprehensive review 2026-Feb-26, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181593 PMID:41759366	综述	本文对人工智能、机器学习和深度学习在空气质量建模中的应用进展进行了全面回顾	系统梳理了112篇文献，将进展分为纯数据驱动模型和机器学习辅助数值模型两大类，并指出了可解释人工智能和物理信息神经网络等新兴解决方案	机器学习在空气质量建模中仍面临模型“黑箱”性质、不确定性量化不足、区域数据稀缺等挑战，且整合控制大气物理的刚性化学常微分方程仍是关键障碍	回顾和评估人工智能、机器学习及深度学习技术在空气质量建模领域的应用进展与挑战	空气质量建模方法，特别是针对细颗粒物和臭氧等关键污染物的预测	机器学习	NA	机器学习，深度学习，可解释人工智能，物理信息神经网络	NA	空气质量数据，化学传输模型输出	基于112篇文献的综述	NA	NA	预测准确性，计算成本	NA
678	2026-03-01	Deep learning the droughts: Spatiotemporal monitoring of protracted dry conditions in Queensland, Australia 2026-Feb-26, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181564 PMID:41759365	研究论文	本研究提出了一种结合标准化降水指数、归一化植被指数和蒸汽压差数据的时空干旱评估方法，并利用混合深度学习框架监测澳大利亚昆士兰地区的持续性干旱事件	通过整合遥感指数与深度学习，首次明确建模植被恢复依赖的时间依赖性，以识别持续性干旱事件，克服了传统方法将干旱事件视为孤立的局限	研究主要基于澳大利亚昆士兰地区，可能未涵盖其他地理或气候条件下的干旱模式，且依赖于特定遥感数据的可用性和质量	开发一种时空干旱评估方法，以更准确地监测和识别持续性干旱事件，并评估植被恢复动态	澳大利亚昆士兰地区的干旱事件及其对植被的影响	机器学习	NA	遥感指数分析（SPI, NDVI, VPD）	CNN, LSTM, BiLSTM	时空遥感数据	NA	NA	CNN-LSTM-MHA, 混合深度学习框架	准确率, F1分数	NA
679	2026-03-01	Beyond Human Variability: Deep Learning for Intravascular Ultrasound Segmentation With Noisy Labels 2026-Feb-26, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.012 PMID:41760433	研究论文	本文研究了噪声标签对深度学习血管内超声分割的影响，并提出了一种临床信息过滤器来改善半监督学习中的模型性能	系统评估了高观察者间变异性导致的噪声标签对IVUS分割的影响，并引入基于连续帧预测的Hausdorff距离过滤器来提升标签质量	未具体说明实验数据集的详细来源或样本多样性，且过滤器方法可能依赖于特定帧序列假设	评估噪声标签对深度学习IVUS分割模型的影响，并提出改进半监督学习性能的方法	血管内超声图像中的冠状动脉管腔和血管结构	医学图像分析	心血管疾病	血管内超声成像	深度学习分割模型	医学图像	NA	NA	NA	Dice相似系数, Hausdorff距离	NA
680	2026-03-01	Deep Learning-Based Prediction of Trabecular Bone Mineral Density From Lumbar CT: A Superior Alternative to DEXA in Hyperostosis 2026-Feb-25, Global spine journal IF:2.6Q1 DOI:10.1177/21925682261429415 PMID:41738591	研究论文	本研究利用深度学习从腰椎CT图像预测骨密度，旨在改善骨质疏松和骨量减少的检测，并促进早期干预	开发了一种基于CT的深度学习模型，用于准确预测骨小梁骨密度，并在骨骼增生患者中显示出优于DEXA的骨折风险预测性能	研究为回顾性队列研究，样本量有限（460名患者），且骨小梁区域分割为半自动，可能存在人为误差	探索利用深度学习从CT图像预测腰椎骨密度，以改进骨质疏松和骨量减少的检测，并验证其在骨折风险预测中的性能	460名患者的1840个腰椎椎体（L1-L4）	计算机视觉	骨质疏松	CT成像	深度学习回归模型, 深度学习分类模型	图像	460名患者的1840个腰椎椎体	NA	NA	相关系数, AUC	NA