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
41	2026-09-23	Feature-Based Parametric Response Mapping on Thoracic Computed Tomography for Robust Disease Classification in COPD 2026-Apr-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.24.26351675 PMID:42094132	研究论文	开发了一种基于特征的可解释深度参数响应映射方法（PRMD），结合小波散射卷积网络与机器学习，在配对吸气-呼气CT上检测和量化功能性小气道疾病与肺气肿，并提升噪声鲁棒性	首次将小波散射卷积网络与子空间学习分类器结合用于参数响应映射，实现了可解释的、特征驱动的、抗噪声的肺气肿与fSAD体素级分类，显著优于传统密度法PRM	回顾性分析设计，样本以吸烟暴露人群为主，外部多中心验证尚需进一步开展，未报告具体计算资源与推理时间	开发并验证一种可解释的深度参数响应映射方法，用于在配对吸呼气CT上稳健地检测和量化功能性小气道疾病与肺气肿	8972名烟草暴露的COPDGene参与者，包括肺功能正常对照（n=3872）、PRISm（n=1089）和GOLD 1-4期COPD患者（n=4011）	医学图像分析	慢性阻塞性肺疾病	配对吸气-呼气胸部CT，小波散射变换	小波散射卷积网络，子空间学习分类器，机器学习	图像	8972名参与者的配对CT扫描（训练:验证:测试 = 24:6:70）	NA	小波散射卷积网络，子空间学习分类器	体素级一致性，Pearson相关系数，Bland-Altman分析，配对t检验，噪声鲁棒性误差率	NA
42	2026-09-23	CT-Based Deep Foundation Model for Predicting Immune Checkpoint Inhibitor-Induced Pneumonitis Risk in Lung Cancer 2026-Apr-23, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.21.26351428 PMID:42078359	研究论文	该研究开发并验证了一种基于CT的深度学习基础模型CIPHER，用于预测肺癌患者免疫检查点抑制剂相关性肺炎的风险	结合对比学习和基于Transformer的掩码自编码器构建深度学习基础模型，并在大规模CT切片上进行自监督预训练，以预测免疫检查点抑制剂相关性肺炎	需要在更多前瞻性队列中进行验证，以确认其临床实用性	开发和验证一种深度学习基础模型，从基线CT扫描中预测肺癌患者的免疫检查点抑制剂相关性肺炎	肺癌患者，包括非小细胞肺癌（NSCLC）患者	数字病理学（医学影像分析）	肺癌	CT成像，自监督学习，对比学习，掩码自编码器	Transformer	图像（CT扫描）	预训练：来自2,500名NSCLC患者的590,284个CT切片；模型开发：254名患者；内部验证：93名患者；外部验证：116名患者	NA	Transformer，掩码自编码器	AUC，平衡准确率	NA
43	2026-09-23	Temporally-resolved deep learning reveals autism symptom-specific neural signatures during naturalistic social experiences 2026-Apr-22, Research square DOI:10.21203/rs.3.rs-9023571/v1 PMID:42078896	研究论文	开发了一种可解释的双流深度学习网络DualPathNet，在自然观看电影时同时捕捉稳定特质模式和瞬时事件特异性神经反应，以识别自闭症症状特异性神经特征	开发了DualPathNet双流深度学习网络，同时捕捉稳定特质样模式和瞬时事件特异性神经反应；使用仅2-3分钟情感挑战性刺激达到>70%准确率；通过可解释AI揭示了自闭症相关神经特征在特定高需求社会情感时刻选择性表达，而非在所有情境中均匀表达	未明确提及	开发客观的、情境特异性的自闭症神经生物学标志物，以克服传统结构和静息态神经影像的局限性	555名儿童（274名自闭症患者，281名对照组）	机器学习	自闭症	自然观影范式，功能磁共振成像	深度学习	图像（神经影像数据）	555名儿童（274名自闭症患者，281名对照组）	NA	DualPathNet（双流网络）	准确率	NA
44	2026-09-23	Expanding P-NET, a multi-purpose biologically informed deep learning framework 2026-Apr-22, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.19.719454 PMID:42079220	研究论文	本文介绍扩展的P-NET框架，一种基于生物通路的可解释深度学习框架，用于计算生物学中的基因组和转录组预测任务	利用生物通路信息进行可解释预测，并扩展到P-NET 2.0，整合基因和通路信息	摘要中未明确提及局限性	开发一个通用且可解释的深度学习框架，用于计算生物学任务	基因组和转录组数据	计算生物学	NA	NA	深度学习	基因组和转录组数据	NA	NA	P-NET	NA	NA
45	2026-09-23	Transcription factor collaboration enables precise T cell state engineering 2026-Apr-22, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.20.718569 PMID:42079248	研究论文	通过对原发性CD8 T细胞进行3,548个转录因子及异构体的混合过表达筛选，结合perturb-SHARE-seq和深度学习框架seq2PRINT，构建了CD8 T细胞状态的转录因子协作图谱，并揭示了RUNX2:KLF2相互作用在调控耗竭相关程序中的关键作用	首次在多种CD8 T细胞状态下对3,548个转录因子及异构体进行混合过表达筛选，鉴定出82个与耗竭特异性程序协作的调控因子；开发了seq2PRINT深度学习框架预测功能性转录因子相互作用；发现RUNX作为"主协作因子"广泛协作，并鉴定出RUNX2:KLF2相互作用指定耗竭相关程序；证明通过合成拴系转录因子可实现细胞状态的理性工程化	NA	系统筛选和解析CD8 T细胞状态特异性的转录因子及其协作网络，特别是耗竭状态的调控机制，并探索通过转录因子工程化实现T细胞状态精准改造的可行性	原发性CD8 T细胞，包括多种CD8 T细胞状态（如耗竭状态）	机器学习	癌症	混合过表达筛选、perturb-SHARE-seq、单细胞测序	深度学习	单细胞多组学数据（染色质可及性和基因表达）	702,314个单细胞	NA	seq2PRINT	NA	NA
46	2026-09-23	Retracing and rewriting the evolutionary trajectories of mammalian developmental enhancers 2026-Apr-21, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.20.719714 PMID:42079151	研究论文	该研究通过大规模并行报告基因实验测试了480个现存和祖先重建的哺乳动物基因组中五个小鼠发育增强子的直系同源序列，揭示了哺乳动物增强子的功能进化模式	结合大规模并行报告基因实验和深度学习预测染色质可及性的模型驱动重建策略，首次在核苷酸分辨率上追踪和重写哺乳动物发育增强子的进化轨迹，揭示了上下文依赖的上位效应和增强子编辑的不对称可预测性	研究仅针对五个小鼠发育增强子，可能无法代表所有哺乳动物增强子的进化模式；模型驱动的预测可能存在偏差；未在体内验证所有预测的因果突变	探究哺乳动物发育增强子在进化过程中如何获得、丢失、维持或改变功能，并开发重编程内源性顺式调控元件活性的框架	五个小鼠发育增强子及其在480个现存和祖先重建的哺乳动物基因组中的直系同源序列	基因组学	NA	大规模并行报告基因实验（MPRAs）、深度学习预测染色质可及性、祖先序列重建（Zoonomia, Cactus）	深度学习模型	基因组序列、染色质可及性数据	480个现存和祖先重建的哺乳动物基因组	NA	NA	NA	NA
47	2026-09-23	AI-Driven Bone and Marrow Segmentation on FLT-PET/CT: Technical Multi-organ Validation in AML and HCT 2026-Apr-19, Research square DOI:10.21203/rs.3.rs-9077609/v1 PMID:42040934	研究论文	本研究评估了一种AI驱动的多器官分割平台在FLT-PET/CT上对急性髓系白血病（AML）和造血干细胞移植（HCT）患者进行骨髓和骨骼分割的技术验证	首次在FLT-PET/CT上对AML和HCT患者进行AI驱动的全身体骨骼和骨髓分割，并分别量化皮质骨和小梁骨髓 compartments，提供了技术验证	样本量较小（20例患者），仅在有限区域（5个代表性ROI）进行了验证，未全面评估所有134个预定义区域，且未与临床结果直接关联	评估深度学习全身体分割和皮质-小梁骨髓量化在FLT-PET/CT上对AML和HCT患者的可行性和准确性	20例接受全身骨髓和淋巴照射（TMLI）及移植的难治性AML患者	数字病理学, 医学图像分析	白血病, 急性髓系白血病	FLT-PET/CT	深度学习	图像	20例患者，134个预定义区域，5个代表性ROI（脾、肝、T6、L1、L3）	NA	NA	相关系数（r > 0.98），p值（p < 0.0001），处理时间减少约95%	NA
48	2026-09-23	Revised Deep Learning Semiparametric Regression for Testing and Estimating Treatment Effect Heterogeneity in Observational Studies: A Lung Transplant Case Study 2026-Apr-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.13.718254 PMID:42039548	研究论文	该论文提出了一种修订的深度学习半参数回归框架，用于在观察性研究中检验和估计治疗效应异质性，并以肺移植为例，分析双侧肺移植与单侧肺移植对FEV1效果的患者间差异	开发了修订的深度学习半参数回归框架，能够在存在复杂混杂因素的观察性注册数据中控制假阳性并更准确地估计个体化治疗效应	摘要中未明确说明研究的局限性	研究双侧肺移植相对于单侧肺移植的功能获益是否因患者特征而异，并识别临床相关的获益人群	接受肺移植的患者，来自大型国家注册数据库	机器学习	肺癌	NA	NA	注册登记数据	来自大型国家注册数据库的肺移植患者队列	NA	NA	NA	NA
49	2026-09-23	Deep Learning Enables Automated Segmentation and Quantification of Ultrastructure from Transmission Electron Microscopy Images 2026-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.05.686793 PMID:42039458	研究论文	本文提出了一个深度学习框架TEAMKidney，用于自动分割和量化透射电子显微镜图像中的超微结构，并在人类和动物肾脏疾病图像上验证了其有效性	结合基于自训练的语义分割阶段与针对TEM定制的全景分割模型，解决了TEM数据分析中缺乏准确标注训练数据和复杂超微结构分割精度低的挑战，并实现了跨物种、放大倍数和仪器平台的测量	未在摘要中明确说明	开发一个深度学习框架，实现TEM图像中超微结构的准确和可扩展测量，以减轻临床病理和生物医学研究中图像分析的负担	来自多肾脏疾病患者和不同动物模型的TEM图像中的肾小球超微结构，特别是肾小球基底膜和足细胞足突	数字病理学	肾脏疾病	透射电子显微镜	深度学习	图像	12,991张TEM图像	NA	NA	NA	NA
50	2026-09-23	A Hybrid Physics-Deep Learning Framework for Combinatorial De Novo Design of Small-Molecule Binding Proteins 2026-Apr-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.12.717919 PMID:42039485	研究论文	该文章提出了一种混合物理-深度学习框架，用于从头设计小分子结合蛋白，通过组合筛选和优化界面相互作用，实现了高精度的蛋白质-配体结合设计，并在类固醇结合蛋白设计中取得了实验成功。	提出了一种可推广到α-β架构的支架策略，结合组合组装和物理-深度学习优化，实现了原子级精确的小分子结合蛋白设计，消除了高通量筛选的需求。	实验成功率仍有待提高（4/26），且方法可能受限于特定类型的蛋白质架构和配体。	开发一种通用且原子精确的小分子结合蛋白从头设计方法，提高设计成功率和结合精度。	小分子结合蛋白，特别是针对类固醇类小分子的结合蛋白。	机器学习	NA	深度学习、物理模拟、NMR	深度学习模型	蛋白质结构数据、序列数据	26个设计蛋白，其中4个成功结合目标	NA	NA	实验成功率、NMR结构一致性	NA
51	2026-09-23	Resting-state fMRI foundation models enable robust and generalizable latent neural target discovery in cognitive aging interventions 2026-Apr-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.30.697042 PMID:42039513	研究论文	系统评估静息态功能磁共振基础模型在老年人轻度认知障碍干预试验中预测情景记忆变化的能力，并发现潜在神经模式	首次在独立随机对照试验中系统评估rsfMRI基础模型，证明其优于传统机器学习和深度学习方法，并利用外部阿尔茨海默病队列进行临床信息适应，提升预测精度和鲁棒性	研究样本量较小且异质性高，可能影响结果的普遍性；基础模型在局部干预环境中的有效性仍需更大规模验证	探究rsfMRI基础模型能否稳健提取纵向脑表征，预测干预后情景记忆变化，并识别潜在神经模式	患有轻度认知障碍的老年人，来自两个独立随机对照试验	医学影像分析	认知老化	静息态功能磁共振成像	基础模型	时间序列信号	两个独立随机对照试验的老年人轻度认知障碍参与者，具体人数未提供	NA	基础模型	准确率	NA
52	2026-09-23	Serial Spatial Transcriptomics Reveal Divergent Routes to Therapy Resistance in Metastatic Breast Cancer 2026-Apr-15, Research square DOI:10.21203/rs.3.rs-9365657/v1 PMID:42040933	研究论文	该研究通过对四名转移性乳腺癌患者长达3.5年的十次活检样本进行序列空间转录组学分析，揭示了转移性乳腺癌治疗耐药的不同适应路径。	提出了以患者为中心的空间分析框架，结合概率主题建模与空间深度学习，首次系统性地揭示了转移性乳腺癌中通路独立性、微环境重塑和补偿性信号三大生存原则及其在个体患者中的不同机制表现。	样本量较小（仅四名患者），可能限制结论的普适性；缺乏大规模独立队列验证；未涉及其他癌种的转移性耐药机制比较。	揭示转移性乳腺癌在个性化治疗过程中耐药机制的空间异质性和细胞情境，建立空间转录组学作为指导多轴联合治疗和早期治疗决策的工具。	四名转移性乳腺癌患者的十次活检样本，共计345,207个细胞。	数字病理学	乳腺癌	空间转录组学	NA	图像、文本（空间转录组数据）	4名转移性乳腺癌患者，10次活检，345,207个细胞	NA	NA	NA	NA
53	2026-09-23	GAZE2REPORT: RADIOLOGY REPORT GENERATION VIA VISUAL-GAZE PROMPT TUNING OF LLMS 2026-Apr-07, ArXiv PMID:41994171	研究论文	该文章提出GAZE2REPORT框架，通过视觉注视提示调优大语言模型来实现放射学报告生成	利用扫描路径预测模块和图神经网络生成联合视觉注视令牌，结合指令和报告令牌形成多模态提示，微调大语言模型的LoRA层进行自回归报告生成，实现推理时无需注视输入	摘要中未明确提及局限性	解决放射学报告生成中医生先验信息整合不足、多模态数据融合复杂以及注视数据获取成本高且推理时缺失的问题	放射学图像和报告	计算机视觉	NA	眼动追踪, 扫描路径预测, 图神经网络, 大语言模型微调	LLM, GNN	图像, 文本, 眼动数据	NA	NA	LoRA, Graph Neural Network, Large Language Models	NA	NA
54	2026-09-23	Quantifying setup uncertainty between computed tomography guidance and magnetic resonance guidance in intramuscular metastases radiotherapy 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70589 PMID:42003063	研究论文	该研究量化了在肌肉内寡转移放疗中，CT引导与MR引导之间的摆位不确定性，并比较了剂量学差异和所需治疗边界	首次量化了肌肉内寡转移放疗中CT引导与MR引导之间的摆位不确定性，并利用深度学习生成的合成CT模拟CT引导，比较了剂量学差异和所需边界	样本量较小，仅纳入5例患者；合成CT的准确性可能影响结果；未评估临床结局	评估CT引导与MR引导在肌肉内寡转移放疗中的剂量学差异，并量化所需治疗边界	5例接受MR引导放疗的肌肉内寡转移患者	放射治疗	寡转移癌	MR引导放疗, CT引导放疗, 深度学习合成CT	深度学习模型	医学图像	5例患者	NA	NA	摆位误差, V95, D95, 均匀性指数	NA
55	2026-09-23	LEARNABLE HIERARCHICAL VISUAL CONTEXTS FOR TUMOR SEGMENTATION IN COMPUTED TOMOGRAPHY IMAGES 2026-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi61048.2026.11515689 PMID:42367197	研究论文	本文提出了一种可学习的层次化视觉上下文（LeVal）方法，用于改进CT图像中的肿瘤分割	LeVal结合了任务无关的可学习语义上下文和任务特定的查询令牌，通过两阶段预训练（自监督学习和多器官分割监督预训练）来增强肿瘤分割性能	未明确说明，可能包括对特定肿瘤类型的泛化能力、计算资源需求等	改进CT图像中的肿瘤分割，以支持放射治疗应用	胰腺癌、结肠癌、肾上腺癌和头颈癌的CT图像	计算机视觉	肺癌	深度学习	3D Swin Transformer	图像	14,000个未标记CT扫描（预训练），四个公共数据集（评估）	NA	3D Swin Transformer, 解码器	分割性能指标（如Dice系数等）	NA
56	2026-09-21	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Apr-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	该研究开发了一个利用深度学习方法从数字化组织学切片中准确分类儿童肉瘤亚型的计算流程，并通过多中心数据整合和多尺度特征优化，实现了高精度的分类性能	首次将SAMPLER-based WSI表示与先进ViT基础模型（UNI和CONCH）结合，并整合多尺度特征用于儿童肉瘤分类，同时实现了无需GPU的高效训练，训练速度比传统Transformer编码器快三个数量级	数据集仅包含867张全切片图像，且仅来自三个医疗中心和儿童肿瘤学组，样本量和中心多样性有限，可能影响模型的泛化能力	利用深度学习方法从数字化组织学切片中准确分类儿童肉瘤亚型，以克服其罕见性和亚型多样性带来的诊断挑战，减少对专业病理学和昂贵基因检测的依赖	儿童肉瘤（横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤、尤文肉瘤等）的组织学全切片图像	数字病理学	儿童肉瘤	全切片图像数字化、组织学图像分析	CNN、ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	卷积神经网络、Vision Transformer（ViT）、UNI、CONCH	AUC	NA
57	2026-09-21	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	该研究利用单细胞分辨率的空间转录组学技术，揭示了压后皮层在空间记忆巩固过程中的转录组特征，并发现了阿尔茨海默病相关痴呆模型中的异常。	首次在单细胞分辨率下揭示了压后皮层在空间记忆巩固过程中的空间转录组特征，结合深度学习方法识别了细胞类型特异性的分子激活模式，并发现了ADRD模型中学习诱导的神经元激活减少。	研究主要基于小鼠模型，结果是否适用于人类仍需进一步验证；空间转录组学技术的覆盖范围和灵敏度可能存在局限；未详细探讨其他脑区与RSC的相互作用。	揭示压后皮层在空间记忆巩固过程中的转录组特征，并探究其在阿尔茨海默病相关痴呆中的变化。	小鼠的压后皮层，包括野生型小鼠和ADRD模型小鼠。	空间转录组学, 神经科学	阿尔茨海默病及相关痴呆	空间转录组学, Xenium空间转录组学, 化学遗传学	深度学习	空间转录组数据, 图像	NA	NA	NA	NA	NA
58	2026-09-21	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	综述	本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知与知觉过程建模以及自动视频标记	针对胎儿、婴儿和幼儿神经影像领域的特殊挑战（数据集稀缺、解剖变异性大）进行系统综述，并为无AI正式培训的研究者提供简明的深度学习概念概述	综述范围非穷尽性，可能遗漏部分相关研究；未提供具体实验验证或定量比较	综述深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，并为该领域研究者提供入门指导	胎儿、婴儿和幼儿的神经影像数据	医学图像分析	NA	深度学习	NA	图像, 视频	NA	NA	NA	NA	NA
59	2026-09-21	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-04, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	本研究开发了一种基于ResNet50的深度学习模型，用于从非吸烟者肺腺癌（NS-LUAD）的全切片图像中预测16种分子改变	首次针对非吸烟者肺腺癌（NS-LUAD）应用深度学习从组织学全切片图像中推断遗传特征，并定制了简化的ResNet50架构以实现多标签分类	对于肿瘤突变负荷、APOBEC突变特征以及KRAS热点突变等特征的预测性能较低至中等	利用深度学习从非吸烟者肺腺癌的全切片图像中预测多种分子改变，以辅助分子检测分诊和精准治疗	非吸烟者肺腺癌（NS-LUAD）患者的全切片图像	数字病理学	肺癌	H&E染色全切片图像分析	CNN	图像	495张全切片图像（来自Sherlock-Lung研究）	NA	ResNet50	AUROC	NA
60	2026-09-20	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2026-Apr, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	该研究收集了一个大型儿科心音数据集，并评估了卷积神经网络和Transformer模型在识别Still杂音方面的性能	收集了专门用于儿科Still杂音的大型数据集，并设计了SQ-NET架构，同时首次系统比较了ConvNets和Transformers在Still杂音识别中的效果	结果反映的是事后比较，样本量相对有限（StethAid数据集527例），且仅来自四个儿科医疗中心	评估深度学习模型在儿科患者中从心音图识别Still杂音的效果	儿科患者的心音图数据	数字病理学	心血管疾病	数字听诊	CNN, Transformer	音频	StethAid数据集527例心音图，Littmann 4100数据集1450例心音记录，总计超过2小时的心音数据	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确率	NA