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
21	2026-10-01	Echocardiography Video Segmentation via Mamba-Based Spatiotemporal Synergistic Network and Adaptive-Dynamic Learning 2026-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3697520 PMID:42202178	研究论文	本文提出了一种基于Mamba的半监督超声心动图视频分割方法MSSNet，结合时空协同引导、区域自适应交叉混合和动态偏移校正模块	首次将Mamba架构应用于超声心动图视频分割，设计了时空协同引导模块利用历史帧注意力权重指导后续分割，并引入区域自适应交叉混合和动态偏移校正两个半监督模块	未明确说明在极端噪声条件下的表现，半监督方法仍依赖于一定量的标注数据，未讨论在更广泛临床场景中的泛化能力	解决超声心动图视频分割中的散斑噪声、心室动态变化、标注有限和实时推理需求等挑战	超声心动图视频	计算机视觉	心血管疾病	超声心动图视频分割	Mamba	视频	CAMUS和EchoNet-Dynamic数据集	NA	Mamba	分割精度，推理速度	NA
22	2026-10-01	A Neural-Analytical Fusion Scatter Correction Method for Multi-Source CT Using Equivalent High-Order Scatter 2026-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3706711 PMID:42340922	研究论文	提出一种神经-分析融合散射校正方法，利用等效高阶散射模型对多源CT进行散射校正	将多步散射过程重新表述为等效单步相互作用，并嵌入物理约束的神经网络EHCP-Net来估计高阶散射	未明确说明	解决多源CT中严重的前向散射和交叉散射伪影问题，实现有效散射校正	多源CT扫描的模拟数据和真实数据	计算机视觉	不适用	GPU加速的物理模型方法、深度学习	CNN	图像	未明确说明	不适用	EHCP-Net	MAPE、MAE	GPU
23	2026-09-28	PatchEpi: patch-aware equivariant learning improves structure-based epitope prediction 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag678 PMID:42745543	研究论文	该论文提出了PatchEpi，一个基于表面斑块的几何深度学习框架，用于基于结构的B细胞表位预测	将基于结构的B细胞表位预测重新表述为表面斑块学习问题，并引入斑块感知注意力编码器、边界对比目标、微调的ESM2表示和等变消息传递网络来建模抗原表面的3D拓扑结构	未在摘要中明确说明	准确预测B细胞表位以促进抗体设计和疫苗开发	B细胞表位、抗原表面	计算生物学、结构生物学	NA	NA	图神经网络、等变网络、ESM2	蛋白质3D结构数据	重新聚类的ANABAG数据集，具体样本量未在摘要中说明	NA	斑块感知注意力编码器、等变消息传递网络、ESM2	NA	NA
24	2026-09-28	Developing SCL2205: a protein sequence-based spatial modelling dataset for the protein language model frontier 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag666 PMID:42758123	研究论文	该文章构建了SCL2205数据集，一个用于蛋白质亚细胞定位预测的基于蛋白质序列的空间建模数据集，旨在支持可信、可扩展和可重复的深度学习建模	首次量化了传统同源增强工作流程中系统性5.2%±0.32的数据泄漏率，并提出了最小化泄漏的基准数据集SCL2205，在独立测试集上相比SoTA基线实现了macro PR-AUC最高10.8个百分点的提升	未明确说明	解决蛋白质亚细胞定位预测中由于输入准备不理想和高质量参考数据有限导致的性能受限问题，以及同源增强过程中训练到测试数据泄漏导致的性能指标虚高问题	蛋白质序列及其亚细胞定位	机器学习	NA	蛋白质语言模型、同源增强	蛋白质语言模型	蛋白质序列	SCL2205数据集，来源于UniProtKB	NA	蛋白质语言模型	macro PR-AUC	NA
25	2026-09-28	Artificial Intelligence-Guided Prioritization and Experimental Evaluation of Synergistic Target Combinations for Breast Cancer Therapy 2026-Aug-28, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19091363 PMID:42797409	研究论文	该研究利用深度学习模型DeepMDS预测并实验验证了针对乳腺癌的协同高阶靶点组合BIRC5-NAMPT-TOP1	首次将DeepMDS用于高阶靶点组合的优先排序，并通过siRNA和小分子抑制剂实验验证了BIRC5-NAMPT-TOP1三靶点组合的协同抗增殖效果	含拓扑替康的治疗组出现血液学改变，且研究主要基于细胞系和一种小鼠模型，尚未进行临床验证	识别并验证针对异质性乳腺癌的有效高阶靶点组合	ER阳性管腔样MCF-7细胞、三阴性MDA-MB-231细胞、4T1细胞及4T1同源小鼠模型	机器学习	乳腺癌	siRNA扰动、小分子抑制剂处理	深度学习	基因表达数据	两种乳腺癌细胞系（MCF-7和MDA-MB-231）、4T1细胞及4T1同源小鼠模型	NA	DeepMDS	抑制率、联合指数	NA
26	2026-09-28	Improving the Performance of Models Trained on Small EHR-Derived Samples by Leveraging External Data with Continual Learning Methods 2026-Aug-10, medRxiv : the preprint server for health sciences DOI:10.64898/2026.08.08.26360010 PMID:42800923	研究论文	该研究利用持续学习方法（EWC和VCL）将外部电子健康记录数据整合到小型目标数据集的模型训练中，以提升模型性能。	创新性地将持续学习中的正则化方法（EWC损失函数和VCL）应用于电子健康记录的小样本学习，允许在不直接合并数据集的情况下利用外部数据，避免了数据使用协议的冲突。	研究仅涉及两个二分类任务，且外部数据来源特定，方法的泛化性需进一步验证；未详细讨论计算资源需求。	研究目标是在目标数据集样本量较小时，通过借用外部数据来提升电子健康记录深度学习模型的性能。	研究对象包括儿童自闭症谱系障碍（ASD）预测和终末期肾病（ESRD）患者30天内再住院预测。	机器学习	自闭症谱系障碍, 终末期肾病	电子健康记录分析	深度学习模型	文本	目标数据集来自杜克大学EHR仓库，外部数据集来自北卡罗来纳州医疗补助索赔（ASD任务）和美国肾脏数据系统（USRDS，再住院任务），具体样本量未在摘要中说明	NA	NA	NA	NA
27	2026-09-28	Pocket restraints guided by B-cell epitope prediction improve Chai-1 antibody-antigen structure modeling 2026-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70730 PMID:42489170	研究论文	本文提出了BepiPocket和DiscoPocket两种方法，通过整合B细胞表位预测工具来指导Chai-1抗体-抗原结构预测中的抗体-表位约束，从而改进抗体-抗原复合物的结构建模	将B细胞表位预测工具（基于序列的BepiPred-3.0和基于结构的DiscoTope-3.0）整合到Chai-1结构预测中，通过表位约束指导抗体-抗原复合物建模，显著提高了预测的准确性和多样性	未明确说明	解决抗体-抗原复合物准确预测的挑战，改善当前深度学习方法中抗体错误放置和重复预测相同冗余结合模式的问题	抗体-抗原复合物	计算免疫学、结构生物学	NA	B细胞表位预测、深度学习结构预测	Chai-1、BepiPred-3.0、DiscoTope-3.0	蛋白质序列和结构数据	1628个抗体-抗原复合物	NA	Chai-1	预测准确性和多样性	NA
28	2026-09-27	Gradient-based optimization for mRNA sequence design 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag667 PMID:42720943	研究论文	提出ID3框架，通过连续概率分布和约束机制，实现mRNA密码子序列的可微分梯度优化，同时优化翻译起始区域的RNA可及性和密码子适应性	将训练好的深度学习预测模型视为固定的可微函数，通过连续概率分布优化离散的密码子选择，并引入三种约束机制保持编码蛋白质序列不变，实现了梯度优化在离散mRNA序列设计中的应用	未明确说明	设计能同时优化RNA可及性和密码子适应性且保持编码蛋白质不变的mRNA编码序列	mRNA编码序列、密码子序列、多种蛋白质靶标	机器学习	NA	mRNA序列设计，密码子优化，可及性预测	深度学习预测模型	序列数据	NA	PyTorch	DeepRaccess	可及性优化性能，联合可及性-CAI优化性能，收敛分析	NA
29	2026-09-27	Current Advances in Spatial Pathology of Nasal Polyps: Challenges, Opportunities for Artificial Intelligence, and Future Directions 2026-Aug-27, World journal of otorhinolaryngology - head and neck surgery DOI:10.1002/wjo2.70145 PMID:42662489	综述	本文综述了鼻息肉空间病理学的传统与新兴方法，重点关注人工智能工具及其临床转化潜力	系统总结了人工智能赋能的空间病理学在桥接形态学与分子特征、细化鼻息肉内型分型以及推动靶向生物治疗方面的创新应用	作为综述文章，未涉及原始实验数据，对现有AI工具在鼻息肉空间病理中的验证程度和临床落地障碍讨论可能有限	总结鼻息肉传统与新兴空间病理学方法的研究进展，聚焦人工智能工具及其临床转化潜力	慢性鼻窦炎伴鼻息肉（CRSwNP）及鼻息肉（NP）组织	数字病理学	鼻息肉	空间转录组学	深度学习	图像, 分子标记数据	NA	NA	NA	NA	NA
30	2026-09-27	Development and internal evaluation of a deep learning model for fine-grained detection of dental trauma on CBCT-dominant image records 2026-Aug-22, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106984 PMID:42632476	研究论文	该研究开发并内部评估了一种基于YOLO的深度学习模型，用于在CBCT主导的影像记录中对牙外伤亚型进行细粒度定位和分类	首次将YOLO26x目标检测模型应用于牙外伤的细粒度亚型定位与分类，并构建了以CBCT图像为主、根尖片为辅的标注数据集	为单中心回顾性研究，未进行患者层面的数据分离，部分亚型（如牙槽骨骨折、无并发症冠根折）性能较低，缺乏多中心外部验证	开发并内部评估一个YOLO-based模型，实现牙外伤亚型的细粒度定位与分类	牙外伤影像记录，包括矢状位CBCT图像和根尖片	计算机视觉	牙外伤	CBCT，根尖片	YOLO	图像	1256个标注的牙外伤实例（1065个来自矢状位CBCT图像，191个来自根尖片）	NA	YOLO26x	平均精度，mAP@0.5，mAP@0.5:0.95，精确率，召回率，推理速度	NA
31	2026-09-27	Deep Learning-Based Detection Model for Leukemia Cells in Peripheral Blood Smears Using YOLOv11-Large 2026-Aug-18, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33080486 PMID:42645391	研究论文	该研究评估了YOLOv11-large检测器在大型开源数据集上同时定位和分类13种与白血病相关的白细胞亚型及伪影类别的性能	使用大规模多域开源数据集LeukemiaAttri和YOLOv11-large模型对14个类别进行检测，性能超过先前报道的基线，并通过广泛的数据增强将训练集扩展至65,785张图像	需要进行外部验证以确定临床实用性和泛化能力	评估基于深度学习的检测模型在外周血涂片中白血病细胞检测和分类的性能，以支持临床决策	外周血涂片中的白细胞亚型（13种与白血病相关的亚型加一种伪影类别）	数字病理学	白血病	深度学习目标检测	YOLOv11-large	图像	18,664张标注图像，包含67,347个目标，训练集经增强后为65,785张图像	PyTorch (YOLO基于PyTorch)	YOLOv11-large	mAP50, mAP50-95, 精确率, 召回率, F1分数	单张NVIDIA H200 SXM GPU
32	2026-09-27	Deep learning enabled prediction of nuclear lamina-associated chromatin 2026-Aug-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2026.101545 PMID:42630757	研究论文	该研究提出了LADDER，一种多模态深度学习模型，基于DNA序列、基因密度以及LINE1和SINE密度预测核纤层相关染色质	首次提出基于DNA序列、基因密度和重复序列密度的多模态深度学习模型LADDER预测核纤层关联，预测结果不依赖细胞类型，并建立了内在基因组核纤层易感性图谱	NA	预测染色质与核纤层的关联，并探索基因组序列对核纤层关联的影响	染色质与核纤层的关联、核纤层相关结构域	机器学习	NA	NA	多模态深度学习	DNA序列、基因密度、LINE1密度、SINE密度	NA	NA	LADDER	NA	NA
33	2026-09-27	Assessment of Ellipsoid Zone Integrity and Other Quantitative OCT Biomarkers for Intermediate Age-Related Macular Degeneration Progression to Atrophy 2026-Aug-10, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2026.08.005 PMID:42575302	研究论文	评估基线OCT生物标志物与中期年龄相关性黄斑变性（iAMD）在2年内进展为晚期萎缩性AMD之间的关联，重点关注椭圆体带（EZ）完整性及其他定量结构特征	结合机器学习增强的多层分割平台与全自动深度学习模型，量化EZ萎缩、高危EZ区域和超透射等新型OCT生物标志物，并利用随机森林分类器构建iAMD进展预测模型	回顾性研究设计，样本仅来自单一队列，随访时间为2年，未涉及外部验证	评估基线OCT定量生物标志物与iAMD向晚期萎缩性AMD进展之间的关联，探索早期疾病风险分层工具	502只基线无萎缩或渗出的iAMD患眼，每只眼均有2年随访OCT影像	数字病理学	年龄相关性黄斑变性	光谱域OCT成像，机器学习增强多层分割，深度学习	随机森林，深度学习模型	图像	502只iAMD患眼，基线及2年随访OCT扫描	NA	随机森林，深度学习模型（未指定具体架构）	ROC曲线下面积（AUC）	NA
34	2026-09-27	Predicting Enantioselectivity of Ruthenium-Catalyzed Ketone Hydrogenation with 3D Structure-Based Deep Learning 2026-Aug-05, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c07313 PMID:42490528	研究论文	该论文报道了基于3D结构表示的深度学习模型，用于预测钌催化酮加氢反应的对映选择性	结合文献数据与超过1000个高通量实验数据以减轻数据偏差，并证明基于对映决定性过渡态3D表示的3D图神经网络优于2D图、分子指纹和半经验量子计算描述符模型	未明确提及	预测钌催化酮加氢反应的对映选择性	Noyori型双膦-二胺催化剂催化的酮加氢反应	机器学习	NA	高通量实验，半经验量子计算	图神经网络	3D分子结构数据	文献数据加上超过1000个高通量实验样本	NA	3D图神经网络，2D图模型	NA	NA
35	2026-09-27	Mabast dataset for Sorani Kurdish dialect semantic text classification 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113121 PMID:42604030	研究论文	本文介绍了一个名为Mabast的索拉尼库尔德方言语义文本分类数据集，并提供了基于TF-IDF和SVM的基线验证实验	构建了首个针对索拉尼库尔德方言的语义文本分类数据集，包含19,922条标注样本，涵盖五个语义类别，特别是用于有害内容检测	仅提供了TF-IDF和SVM的基线实验，未评估深度学习模型；数据集规模有限；仅针对索拉尼方言	支持库尔德语自然语言处理，特别是低资源语言下的文本分类和有害内容检测	索拉尼库尔德方言文本	自然语言处理	NA	NA	SVM	文本	19,922条标注文本样本	NA	线性SVM	NA	NA
36	2026-09-27	Image dataset of manalagi apple fruits for multi-class disease classification using deep learning 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113092 PMID:42571491	研究论文	本文介绍了一个包含1168个Manalagi苹果样本的图像数据集，用于四类疾病分类：健康、炭疽病、黑痘病和白粉病	构建了来自印度尼西亚自然环境下Manalagi苹果的独特多类别疾病图像数据集，包含四种疾病类别，为深度学习模型训练提供数据支持	最终整理后的数据集仅包含482张图像，样本量相对较小，可能限制深度学习模型的泛化能力	提供一个用于多类别疾病分类的Manalagi苹果图像数据集，以支持基于深度学习的疾病识别研究	Manalagi苹果果实（健康和患病）	计算机视觉	NA	NA	NA	图像	1168个Manalagi苹果样本，约5100张原始图像，最终整理为482张图像	NA	NA	NA	NA
37	2026-09-27	DeepHalo: Deep learning-powered exploration of halogenated metabolites uncovering antibacterial depsipeptides 2026-Aug, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2026.02.010 PMID:42592273	研究论文	本文提出DeepHalo，一个基于深度学习的层次化优化工作流，用于从高分辨率质谱代谢组学数据中高通量探索卤化代谢物，并在1296个微生物培养粗提物中发现了六个家族的卤化分子，包括新型环状酯肽aglomycins A-E	将深度学习模型与综合评分相结合提高卤素预测可靠性，整合PyOpenMS快速同位素模式检测与基于卤素的去重复算法及GNPS分子网络，实现复杂生物基质中卤化物的高效注释，并发现了具有稀有3-氯邻氨基苯甲酸和/或环氧缬氨酸结构单元的新型环状酯肽	摘要中未明确提及研究的局限性	开发一个深度学习集成且层次化优化的工作流，用于从基于高分辨率质谱的代谢组学数据中高通量探索卤化代谢物，加速卤化暗物质的发现	1296个微生物培养粗提物中的卤化代谢物，以及新发现的aglomycins A-E环状酯肽	机器学习	NA	高分辨率质谱代谢组学，GNPS分子网络，生物信息学分析，靶向基因敲除	深度学习模型	质谱数据	1296个微生物培养粗提物	PyOpenMS	NA	NA	NA
38	2026-09-25	Automated segmentation of postsurgical resection cavities on magnetic resonance imaging in focal epilepsy: A Multicentre Epilepsy Lesion Detection study 2026-Aug-19, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70450 PMID:42613992	研究论文	该研究开发并验证了一种名为MELD-PostOp的深度学习工具，用于在局灶性癫痫术后MRI上自动分割手术切除腔	开发了MELD-PostOp深度学习工具，在一个大规模、多中心、异质性队列上训练和评估，并在颞叶和颞叶外切除中均显著优于现有工具（Epic-CHOP、ResectVol、RESSEG），且仅需术后MRI扫描	需要手动分割285例受试者的切除腔作为初始训练数据，模型性能评估主要局限于DSC和HD95等分割指标，未涉及下游临床结局的关联分析	自动分割局灶性癫痫术后磁共振成像上的切除腔，以支持术后组织切除范围的定量评估	局灶性癫痫术后患者的3D T1加权MRI图像，来自MELD项目（969例，27个中心）和EPISURG数据集（133例），包括儿童和成人	数字病理学	癫痫	深度学习图像分割	CNN	图像	训练集965例（285例手动分割+680例自动生成后质控编辑），分层测试队列50例，独立测试队列87例，共涉及1102例受试者	NA	nnU-Net	Dice相似系数（DSC）、95th百分位Hausdorff距离（HD95）、预测聚类数、推理运行时间	NA
39	2026-09-25	Vision Mamba Empowered by Dynamic Domain Generalization for Cross-Modality Medical Segmentation 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01687-0 PMID:41100040	研究论文	本文提出了一种结合Vision Mamba模型与动态域泛化的跨模态医学图像分割框架，通过双向状态空间序列建模、贝塞尔曲线式增强和双归一化策略实现跨域特征对齐和多尺度特征融合，并引入VEBlock模块结合非局部注意力机制以捕获跨模态全局依赖	将Vision Mamba模型与动态域泛化相结合用于跨模态医学图像分割，提出VEBlock模块有效结合Mamba的动态序列建模能力与非局部注意力机制，同时利用双向状态空间序列建模、贝塞尔曲线式增强和双归一化策略实现跨域特征对齐与多尺度特征融合	未明确讨论模型在不同模态数量增加时的可扩展性，未详细说明计算复杂度与推理效率，且仅在BraTS 2018和心脏数据集上验证，泛化到其他医学影像模态和任务的能力有待进一步验证	解决跨模态医学图像分割中因域偏移导致的模型泛化能力不足问题，提升模型在未见目标域上的分割性能	跨模态医学图像，包括BraTS 2018脑肿瘤数据集和跨模态心脏数据集	计算机视觉	脑肿瘤, 心血管疾病	深度学习, 状态空间建模, 域泛化	Vision Mamba, 非局部注意力机制	图像	BraTS 2018数据集和跨模态心脏数据集	NA	Vision Mamba, VEBlock, 非局部注意力机制	Dice分数, Hausdorff距离	NA
40	2026-09-25	Identifying the Most Important Influencing Factors Based on Demographic Information, Nutrition, Physical Activity, Leisure Time, and Underlying Diseases in the Severity of Disease in COVID-19 Patients Using Data Mining Techniques 2026-Aug, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72930 PMID:42534395	研究论文	该研究使用数据挖掘和机器学习技术，基于人口统计、营养、体力活动、休闲时间和基础疾病等信息，识别影响COVID-19患者疾病严重程度的最重要因素	揭示了胃溃疡和维生素摄入在COVID-19疾病严重程度中的潜在作用，并强调使用多种高性能模型和稳健验证策略的重要性	未明确说明具体样本量、数据来源和外部验证情况	识别影响COVID-19患者疾病严重程度的关键因素，支持临床和预防决策	COVID-19患者	机器学习	COVID-19	数据挖掘	深度学习, 梯度提升决策树, 支持向量机	表格数据	NA	NA	深度学习, 梯度提升决策树, 支持向量机	ROC曲线, 定量性能指标	NA