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
821	2026-03-18	GeoCTP: Structure-aware Prediction of Multifunctional Cancer Therapy Peptides via Graph Transformer and Contrastive Learning 2026-Mar-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3674608 PMID:41838499	研究论文	本文提出了一种名为GeoCTP的几何深度学习框架，用于准确预测多功能癌症治疗肽	首次专门针对多功能癌症治疗肽设计的预测工具，结合了序列和结构信息，并采用了两级对比学习策略来增强特征对齐和类间区分能力	未在摘要中明确提及	开发一个准确预测多功能癌症治疗肽的计算工具	癌症治疗肽	生物信息学	癌症	ESMfold, ESM-2语言模型	Graph Transformer	序列数据, 3D结构数据	未在摘要中明确提及	未在摘要中明确提及	Graph Transformer	未在摘要中明确提及	未在摘要中明确提及
822	2026-03-18	Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen 2026-Mar-16, Clinical & experimental ophthalmology DOI:10.1111/ceo.70110 PMID:41839531	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
823	2026-03-18	Identifying Venous Insufficiency in Head and Neck Reconstruction Flaps Using Machine Learning and Deep Learning Methods 2026-Mar-16, Head & neck DOI:10.1002/hed.70235 PMID:41839653	研究论文	本研究利用机器学习和深度学习方法，通过分析头颈癌患者重建皮瓣的术后照片，识别静脉功能不全	首次将深度学习和机器学习方法结合应用于头颈重建皮瓣静脉功能不全的早期检测，并利用SHAP和Grad-CAM进行特征可视化和验证	研究为单中心回顾性分析，样本量有限，可能影响模型的泛化能力	开发一种可靠、便捷的AI辅助工具，用于早期检测头颈重建皮瓣中的静脉功能不全，以减少皮瓣失败风险	头颈癌患者术后重建皮瓣的临床数据和照片	计算机视觉	头颈癌	机器学习，深度学习	CNN	图像	576名患者的2575张皮瓣图像（2010张正常，565张静脉功能不全）	NA	ResNet, GoogleNet, Densenet	准确率，AUC，灵敏度，特异性	NA
824	2026-03-18	The first reported case using real-time artificial intelligence with single-port robotics for colorectal surgery 2026-Mar-16, Surgical endoscopy DOI:10.1007/s00464-026-12688-7 PMID:41840080	研究论文	本文报告了首例将实时人工智能与单孔机器人平台结合用于结直肠手术的案例	首次成功将基于计算机视觉和深度学习的人工智能软件与单孔机器人平台集成，用于结直肠手术，提供实时视觉提示	仅基于单例患者报告，样本量小，缺乏大规模验证	探索人工智能与单孔机器人平台在结直肠手术中的集成应用，以提高手术安全性和效率	接受回肠造口逆转手术的患者	计算机视觉	结直肠疾病	深度学习软件	深度学习模型	手术视频图像	1例患者	NA	NA	准确识别，精确识别	NA
825	2026-03-18	Out-of-Distribution Detection in Medical Image Segmentation with β -VAE and Likelihood Regret 2026-Mar-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01907-1 PMID:41840137	研究论文	本文提出了一种结合β-VAE和似然后悔的新方法，用于医学图像分割中的分布外检测，能同时识别图像样本和分割掩码的分布外情况	首次同时检测图像样本和分割掩码的分布外情况，引入似然后悔计算OOD分数以提高分布拟合评估的准确性	未明确说明具体数据集规模或计算资源细节，可能限制方法在更大规模或不同医疗场景下的泛化能力评估	解决医学图像分割中分布外数据的检测问题，提高模型在真实医疗应用中的鲁棒性	3D医学图像及其分割掩码	计算机视觉	NA	深度学习	VAE, U-Net	3D医学图像	NA	NA	β-VAE, U-Net	OOD检测性能（未指定具体指标）	NA
826	2026-03-18	Robust Histopathology Subtyping via Perturbation Fidelity in Deep Classifier 2026-Mar-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01875-6 PMID:41840135	研究论文	本文提出了一种基于扰动保真度的深度分类器框架，用于提高浸润性肺腺癌亚型分型的鲁棒性	提出了边缘一致性框架和扰动保真度评分方法，通过贝叶斯优化参数施加结构化扰动，解决了对比正则化导致的特征过度聚类问题	跨机构验证时存在约15-20%的性能下降，表明存在领域偏移问题，未来需要领域自适应研究	提高深度学习模型对浸润性肺腺癌亚型分型在真实世界成像扰动下的鲁棒性	浸润性肺腺癌的五个亚型	数字病理学	肺癌	全切片图像分析	深度学习分类器	图像	143张全切片图像，共203,226个图像块	NA	Vision Transformer-Large, ResNet101, ResNet50	准确率, 受试者工作特征曲线下面积, Kendall相关系数	NA
827	2026-03-18	Multimodal machine learning for Cr(Ⅵ) removal and floc settling using image-based floc features and operating parameters 2026-Mar-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129024 PMID:41719855	研究论文	本文开发了一种新颖的多模态机器学习框架，通过整合基于图像的絮体特征和操作参数，来预测电絮凝过程中Cr(Ⅵ)的去除效率和絮体沉降性能	首次提出结合基于深度学习的絮体图像特征提取（使用ResNet50）与操作参数的多模态机器学习框架，用于优化电絮凝过程，显著提高了预测准确性	研究可能受限于特定实验条件（如pH变化、电解质浓度、搅拌速率）下的数据集，未明确提及模型在其他废水类型或更广泛操作条件下的泛化能力	优化电絮凝技术，提高Cr(Ⅵ)去除效率和絮体沉降性能，以应对废水处理中多变的操作条件	废水中的Cr(Ⅵ)污染物及电絮凝过程中形成的絮体	机器学习	NA	电絮凝，深度学习图像特征提取	ResNet50, 支持向量分类, 支持向量回归, Bagging分类器, Extra Tree	图像, 操作参数	NA	NA	ResNet50	R值（相关系数）	NA
828	2026-03-18	Advances in transfer learning for smart wastewater treatment plants: Learning frameworks and emerging pathways 2026-Mar-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129078 PMID:41740504	综述	本文综述了迁移学习在智能污水处理厂中的应用框架、挑战及未来研究方向	首次对迁移学习在污水处理厂领域的应用进行全面综述，填补了现有文献的空白	NA	为基于迁移学习的智能污水处理厂策略的开发与实施提供信息	污水处理厂	机器学习	NA	迁移学习	NA	水质参数、传感器数据、过程数据	NA	NA	NA	预测精度	NA
829	2026-03-18	Accelerated discovery of cell migration regulators using label-free deep learning-based automated tracking 2026-Mar-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea1492 PMID:41811952	研究论文	本文介绍了一种名为DeepBIT的无标记深度学习平台，用于高通量自动追踪细胞迁移，以系统研究其调控机制	开发了基于卷积神经网络的无标记亮场成像与细胞追踪平台，无需荧光标记或人工注释，实现了大规模单细胞迁移分析	未明确提及平台在复杂三维微环境或体内模型中的适用性限制	系统解析细胞迁移的调控机制，并探索其在药物发现和基因组扰动中的应用	乳腺癌细胞	计算机视觉	乳腺癌	亮场成像，荧光成像，CRISPR敲除	CNN	视频	约1500个细胞每孔，共840种条件，产生约130万条轨迹	NA	NA	NA	NA
830	2026-03-18	De novo design of Ras isoform selective binders 2026-Mar-11, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2026.02.008 PMID:41819089	研究论文	本文利用深度学习技术从头设计了针对所有主要Ras亚型的特异性结合剂，以靶向Ras的C末端	首次通过深度学习从头设计出能够特异性结合Ras亚型的分子，克服了传统方法因序列差异有限而难以实现亚型选择性的挑战	NA	开发能够特异性结合不同Ras亚型的分子工具，以研究Ras生物学和疾病机制，并探索潜在的治疗应用	Ras原癌基因编码的四种主要亚型	机器学习	癌症	深度学习	NA	NA	NA	NA	NA	NA	NA
831	2026-03-18	DGSite: A Well-Calibrated Deep Learning Framework for Protein-RNA Binding Site Prediction 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c12723 PMID:41835510	研究论文	本文提出了一种名为DGSite的深度学习框架，用于预测蛋白质-RNA结合位点，通过结合变形注意力Transformer和图注意力网络来整合全局与局部特征，并引入自适应偏置损失以解决类别不平衡和模型校准问题	开发了DGSite框架，首次结合简化变形注意力Transformer和图注意力网络来捕获长程依赖和多尺度局部特征，并基于最优传输理论提出自适应偏置损失（ABL）及混合损失函数ABL+FL，以优化精度、召回率和预测校准	NA	解决蛋白质-RNA结合位点预测中全局与局部特征整合不足、类别不平衡影响精度-召回率以及预测校准不佳的挑战	蛋白质-RNA相互作用	机器学习	NA	深度学习	Transformer, GAT	蛋白质-RNA结合位点数据	训练集Train-1086和测试集Test-107	PyTorch	简化变形注意力Transformer, 图注意力网络	精度, 召回率, 校准指标	NA
832	2026-03-18	A Machine Learning Quest to Design Molecular Graph Fingerprints of Organic Chromophores for Adjusting Photoluminescent Quantum Yields 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c08921 PMID:41835603	研究论文	本文提出了一种基于分子指纹的深度学习流程，用于发现具有目标光致发光量子产率的有机发色团	开发了结合分子指纹与机器学习（支持向量机和梯度提升回归器）的流程，用于高效预测和设计有机发色团的光学性能，并利用逆合成分析设计了5200个新发色团	模型预测性能的R²值在0.68至0.88之间，仍有提升空间；研究基于713个已知发色团的数据集，化学空间的覆盖可能有限	设计具有高光致发光量子产率的有机发色团，以加速高性能有机光电材料的发现	有机发色团	机器学习	NA	分子指纹化、逆合成分析、结构-活性景观分析	支持向量机、梯度提升回归器	分子结构数据（转换为2048位指纹）	713个已知有机发色团，并新设计了5200个发色团	Scikit-learn	NA	R²	NA
833	2026-03-18	Deep Brain Stimulation Induces Antidepressant Effects by Restoring High-Fidelity Communication in the BNST-NAc Circuit 2026-Mar-09, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521943 PMID:41801046	研究论文	本研究通过跨物种、多层次的电生理研究，揭示了深部脑刺激（DBS）治疗难治性抑郁症（TRD）的神经环路机制，即通过恢复BNST-NAc环路的高保真信号通信能力来发挥抗抑郁作用	首次在BNST-NAc环路中识别了抑制期隔离尖峰（IPIS）这一关键通信模式，并开发了创新的跨物种算法从宏观LFP信号解码功能性兴奋/抑制周期，为DBS恢复人脑E/I平衡提供了直接定量证据	样本量相对较小（小鼠模型和18名人类参与者），且研究主要聚焦于BNST-NAc环路，可能未涵盖其他相关神经环路	阐明DBS治疗TRD的神经环路机制，并推动精准和个性化的闭环DBS疗法发展	小鼠模型和难治性抑郁症（TRD）患者	神经科学	抑郁症	电生理记录、局部场电位（LFP）记录、深部脑刺激（DBS）、闭环刺激范式	深度学习模型	电生理信号、局部场电位（LFP）数据	小鼠模型（数量未明确）和18名人类TRD患者	深度学习框架（具体未指定）	NA	抑郁症状减轻评分（平均降低9.4分）、E/I周期特征的信息价值	NA
834	2026-03-18	PRAD-Hybrid CNN (PRADHC): A Deep Learning Model for Assisted Diagnosis of Prostate Cancer on MRI 2026-Mar-09, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056413897251202130301 PMID:41837512	研究论文	本研究提出了一种名为PRAD-Hybrid CNN（PRADHC）的深度学习模型，用于辅助诊断前列腺癌的MRI图像	PRADHC模型创新性地结合了EfficientNet和残差块，通过增加CNN层数并集成ResNet来解决梯度消失问题，从而提升了诊断准确率	AI辅助诊断工具仍存在假阳性病灶检测的局限性	开发一种高效的深度学习模型，以提升前列腺癌的自动诊断准确性，特别是在早期阶段	前列腺癌的MRI图像	计算机视觉	前列腺癌	MRI成像	CNN	图像	来自64名患者的1,528张MRI图像	NA	EfficientNet, ResNet	准确率, AUC	NA
835	2026-03-18	DiNovo enables high-coverage and high-confidence de novo peptide sequencing via mirror proteases and deep learning 2026-03-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70224-6 PMID:41786727	研究论文	本文介绍了DiNovo软件系统，通过利用镜像蛋白酶的互补性和深度学习技术，实现高覆盖度和高置信度的从头肽段测序	提出了基于镜像蛋白酶的互补性、不依赖预测序的镜像光谱识别算法、结合深度学习和图论的测序算法，以及无需先验肽段鉴定的目标-诱饵映射评估方法	未明确提及具体局限性，但可能涉及对镜像蛋白酶实验条件的依赖或算法在复杂样本中的泛化能力	提高从头肽段测序的覆盖度和置信度，克服单蛋白酶实验中肽段断裂不完全和蛋白消化不足的限制	肽段测序和蛋白质组学数据	机器学习	NA	镜像蛋白酶互补性、质谱分析	深度学习	质谱光谱数据	NA	NA	NA	高置信度氨基酸测序数量、序列覆盖度	NA
836	2026-03-18	CTP-Free Method for Automated Lesion Water Uptake in Acute Ischemic Stroke 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9054 PMID:41781175	研究论文	本研究开发并评估了一种仅使用NCCT和CTA的自动化方法，用于测量急性缺血性卒中患者的病灶净水摄取量，以替代传统的需要CTP的方法	提出了一种无需CTP、仅基于NCCT和CTA的自动化病灶净水摄取量测量方法，提高了临床适用性	需要进行外部验证以确认研究结果	开发并评估一种自动化的病灶净水摄取量测量方法，以辅助急性缺血性卒中的治疗选择和损伤进展评估	急性缺血性卒中患者的影像数据	数字病理学	心血管疾病	深度学习	NA	图像	90名来自MR CLEAN注册研究和MR CLEAN-LATE试验的、已知发病时间且拥有NCCT、CTA和CTP影像的缺血性卒中患者	NA	NA	组内相关系数, Bland-Altman分析, 受试者工作特征分析, 曲线下面积	NA
837	2026-03-18	Cross-species gene redesign leveraging ortholog information and generative modeling 2026-03-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69966-0 PMID:41775687	研究论文	本文提出了一种基于Transformer的深度学习模型OrthologTransformer，用于跨物种基因重设计，通过学习大规模直系同源基因数据集来预测目标物种的优化编码序列	首次将Transformer模型应用于跨物种基因重设计，能够同时考虑同义密码子替换、非同义突变和插入缺失等进化差异，超越了传统密码子优化的局限性	研究主要针对细菌物种对进行测试，在真核生物和其他复杂系统中的适用性尚未验证	开发一种人工智能引导的基因设计方法，实现跨物种的基因功能适应性优化	直系同源基因	机器学习	NA	深度学习，基因序列分析	Transformer	基因序列数据	大规模直系同源基因数据集（具体数量未说明）	NA	Transformer	表达产量，蛋白质功能保持度，与天然宿主直系同源基因的相似度	NA
838	2026-03-18	Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500362 PMID:41220170	研究论文	本研究提出了一种结合可见光-近红外高光谱成像与深度学习融合框架的非破坏性基因分型方法，用于快速评估肺腺癌驱动突变	首次将可见光-近红外高光谱成像与双分支深度学习融合框架结合，实现无需染色的肺腺癌驱动突变快速评估	研究样本量较小（90例临床标本），且未提及外部验证或跨中心验证结果	开发一种非侵入性、非破坏性的肺腺癌驱动突变（如ALK、EGFR、KRAS）识别方法，以指导个性化治疗	肺腺癌临床标本的未染色病理切片	生物医学光子学	肺腺癌	可见光-近红外高光谱成像（400-1000 nm）	深度学习融合框架，XGBoost	高光谱图像	90例临床标本	NA	双分支融合网络，XGBoost	准确率，ROC曲线下面积（AUC）	NA
839	2026-03-18	MALDI-TOF mass spectrometry coupled with machine learning: an accurate tool to detect toxigenic Clostridioides difficile strains 2026-Mar, Anaerobe IF:2.5Q3 DOI:10.1016/j.anaerobe.2025.103017 PMID:41325791	研究论文	本研究评估了MALDI-TOF质谱结合机器学习在检测产毒艰难梭菌菌株中的有效性	首次将MALDI-TOF质谱与机器学习算法结合，用于区分产毒与非产毒艰难梭菌菌株，提供了一种低成本、易用的替代方法	样本量相对有限（389个菌株），且仅基于单一机构的临床样本，可能影响模型的泛化能力	评估MALDI-TOF质谱在识别产毒艰难梭菌菌株中的有效性，并开发基于机器学习的检测工具	从315名患者粪便中分离的389个艰难梭菌菌株（包括产毒和非产毒菌株）	机器学习	艰难梭菌感染	MALDI-TOF质谱, 全基因组测序, PCR, 厌氧培养	支持向量机, 随机森林, 深度学习算法	质谱数据, 基因组数据	389个艰难梭菌菌株（来自315名患者）	NA	NA	准确率, κ值, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
840	2026-03-18	Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100880 PMID:41411852	研究论文	本文提出了一种名为NowcastPNN的新型概率神经网络架构，用于估计传染病（以巴西圣保罗的登革热为例）中已发生但尚未报告的病例数	结合负二项分布统计建模与注意力机制等深度学习技术，通过蒙特卡洛Dropout获取不确定性区间，在预测区间评分规则上相比现有最佳方法减少近30%的损失	模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准方法	开发快速可靠的传染病实时预测方法，以支持公共卫生决策	登革热发病率数据	机器学习	登革热	NA	概率神经网络, 注意力机制	发病率计数数据	相当于2-4年的发病率计数	NA	NowcastPNN	预测区间评分规则	计算成本低廉