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
2041	2026-03-30	Deep Learning-Derived Pathomic Features Predict NCIT Efficacy in Resectable Locally Advanced ESCC: Clinical Utility and Mechanistic Insights 2026-Feb-26, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33030136 PMID:41892164	研究论文	本研究开发了一种基于深度学习的病理组学模型，用于预测可切除局部晚期食管鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	首次利用深度学习从H&E染色全切片图像中提取空间加权的病理组学特征，构建了ECiT评分，并结合临床变量开发了集成预测模型，同时揭示了EIF2S3介导的内质网应激-UPR轴作为潜在的耐药机制和治疗靶点	研究样本量相对有限（198名患者），且为回顾性研究，需要前瞻性多中心验证来确认模型的泛化能力和临床实用性	开发并验证一个AI驱动的病理组学模型，以预测可切除局部晚期食管鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其潜在的生物学机制	198名食管鳞状细胞癌患者的269张H&E染色全切片图像，以及来自TCGA-ESCA和GSE160269数据集的分子数据	数字病理学	食管鳞状细胞癌	H&E染色，全切片图像分析，RNA测序	CNN	图像，临床数据，基因表达数据	198名患者（104名来自同济医院，94名来自TCGA），共计269张全切片图像	PyTorch	ResNet152	AUC	NA
2042	2026-03-30	A Two-Stage Framework for Early Detection and Subtype Identification of Alzheimer's Disease Through Multimodal Biomarker Extraction and Improved GCN 2026-Feb-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16030255 PMID:41892599	研究论文	本研究提出了一种基于多模态生物标志物提取和改进图卷积网络的两阶段框架，用于阿尔茨海默病的早期检测和亚型识别	提出了一种结合多模态关联分析和自注意力自表达图卷积网络的两阶段方法，有效整合结构MRI、PET和转录组数据，识别关键生物标志物并提高分类准确性，同时通过无监督聚类探索MCI亚型异质性	AD样本量有限，存在极端的类别不平衡问题	早期检测阿尔茨海默病并识别不同进展风险的轻度认知障碍亚型	阿尔茨海默病患者和轻度认知障碍患者	数字病理学	阿尔茨海默病	多模态磁共振成像, PET, 转录组学	GCN	图像, 转录组数据	未明确指定具体样本数量，但提及AD样本量有限	未明确指定	MFEAA-GCNSASE	AUC	NA
2043	2026-03-30	A Deep Learning-Based Correction for Scanning Radius Errors in Circular-Scan Photoacoustic Tomography 2026-Feb-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030097 PMID:41892899	研究论文	提出一种基于深度学习的框架（SD-ResNet），用于校正由扫描半径误差引起的圆形扫描光声层析成像重建图像退化	提出了一种名为平滑反卷积ResNet（SD-ResNet）的新型深度学习框架，该框架结合了ImageNet预训练的ResNet-50编码器和一个轻量级的反卷积解码器，并引入了额外的平滑卷积层来抑制棋盘伪影并恢复精细结构细节	研究主要基于模拟数据和体模实验，尚未在大量真实临床数据上进行验证	开发一种对扫描半径误差具有鲁棒性的光声层析成像重建校正方法	圆形扫描光声层析成像的重建图像	医学影像处理	NA	光声层析成像，k-Wave模拟	深度学习	图像	使用人体胸部CT切片驱动的k-Wave模拟生成的配对训练数据集	NA	ResNet-50, SD-ResNet	图像质量恢复效果	NA
2044	2026-03-30	Towards Lightweight and Multi-Scale Scene Classification: A Lie Group-Guided Deep Learning Network with Collaborative Attention 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030094 PMID:41892896	研究论文	本文提出了一种轻量级多尺度网络LGLMNet，用于遥感场景分类，通过整合李群协方差特征和双分支架构提升性能	提出LGLMNet网络，结合李群机器学习提取浅层特征与深度学习分支提取高层语义，并引入并行深度可分离卷积块和多尺度感知及空间通道协同注意力机制，实现高效全局-局部建模	未明确提及具体局限性，但可能涉及计算成本或泛化能力方面的挑战	解决遥感场景分类中现有方法忽略浅层细节和计算成本高的问题，提升分类准确性和效率	遥感图像场景	计算机视觉	NA	深度学习	CNN, 注意力机制	图像	UCM-21、AID和NWPU-45数据集	NA	LGLMNet, PDSCB, SCCA, CLFFB	准确率	NA
2045	2026-03-30	Hybrid MICO-LAC Segmentation with Panoptic Tumor Instance Analysis for Dense Breast Mammograms 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030095 PMID:41892897	研究论文	提出一种用于乳腺X线图像中致密乳腺组织分析的临床驱动混合分割框架，整合了偏置场校正、粗分割、局部细化及全景式肿瘤实例分割	结合了MICO_2D偏置场校正、距离正则化多相Vese-Chan水平集模型、局部活动轮廓与局部图像拟合能量，并引入全景式肿瘤实例分割以分解相连肿瘤区域	未明确说明框架在更大或更多样化数据集上的泛化能力，以及计算效率方面的具体限制	开发一种用于致密乳腺X线图像中肿瘤分割和分析的混合框架，以解决强度不均匀性、低对比度和复杂肿瘤形态的挑战	乳腺X线图像中的致密乳腺组织和肿瘤	数字病理学	乳腺癌	乳腺X线成像	水平集模型, 活动轮廓模型	图像	MIAS和INBreast乳腺X线数据集	NA	U-Net, 多尺度网络, 多视图网络	Dice相似系数, 交并比	NA
2046	2026-03-30	Automated Multi-Modal MRI Segmentation of Stroke Lesions and Corticospinal Tract Integrity for Functional Outcome Prediction 2026-Feb-24, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12030029 PMID:41893824	研究论文	本研究提出了一种基于常规多模态MRI的自动化卒中病灶分割与皮质脊髓束完整性评估流程，用于预测患者出院时的功能结局	利用常规临床MRI序列，结合自动化病灶分割与解剖学信息生物标志物，进行可解释的卒中结局建模，提高了临床可行性	研究为探索性分析，未来需要大规模验证；零样本外部评估的Dice分数较低（0.57），表明模型泛化能力有待提升	预测卒中患者出院时的功能结局（如改良Rankin量表评分），以指导治疗和康复	卒中患者的脑部MRI影像及相关的功能结局数据	数字病理学	卒中	多模态MRI，包括常规MRI序列和单壳扩散加权成像	深度学习模型集成，机器学习模型	MRI图像	ISLES 2022数据集（250个训练案例，150个测试案例），ISLES 2024数据集（149个案例用于零样本外部评估）	NA	SEALS, NVAUTO, FACTORIZER, TractSeg	Dice分数，准确率，F1分数，ROC-AUC	NA
2047	2026-03-30	Mass Balance Implications for Sediment Restoration Initiatives in the Detroit River, USA 2026-Feb-20, Bulletin of environmental contamination and toxicology IF:2.7Q3 DOI:10.1007/s00128-026-04198-y PMID:41718904	研究论文	本研究评估了美国底特律河区域沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的潜在影响	利用深度学习人工神经网络空间插值生成高分辨率沉积物污染地图，以评估化学物质平衡的预期变化和超过可能效应浓度区域的减少	NA	评估沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的影响	底特律河区域的沉积物	环境科学	NA	深度学习人工神经网络空间插值	人工神经网络	空间数据	NA	NA	NA	NA	NA
2048	2026-03-30	Dielectrocapillarity for exquisite control of fluids 2026-Feb-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69482-1 PMID:41680166	研究论文	本文通过整合液体状态理论和深度学习，揭示了电场梯度如何调控流体结构和毛细现象，并提出了“介电毛细作用”作为控制纳米孔中流体行为的新机制	首次建立了严格的电场梯度调控流体行为的微观第一性原理理论，并展示了其在相变、毛细凝结和多孔介质流体吸收中的可调控制	NA	研究电场梯度对极性流体结构和毛细现象的控制机制	极性流体、纳米孔材料、液体-气相变、毛细凝结	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
2049	2026-03-30	Global daily 9 km remotely sensed soil moisture (2015-2025) with microwave radiative transfer-guided learning 2026-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06721-6 PMID:41680217	研究论文	本研究开发了一个过程引导机器学习框架，结合微波辐射传输模型理论和深度学习，以生成2015年至2025年全球每日9公里分辨率的地表土壤水分数据	通过整合辐射传输模型理论和深度学习，设计基于Kling-Gupta效率的损失函数，并利用模型模拟进行预训练和现场测量进行微调，克服了传统SMAP土壤水分产品在密集植被和复杂地表区域的精度限制	未明确说明模型在极端气候条件或特定地理区域（如永久冻土或高纬度地区）的适用性和潜在偏差	提高全球地表土壤水分的估计精度，以支持水资源和生态系统管理	全球陆地生态系统的地表土壤水分	机器学习	NA	微波辐射传输模型，深度学习	深度学习模型	遥感数据，现场测量数据	覆盖全球每日9公里分辨率数据（2015年4月至2025年6月），并使用独立现场测量进行验证	未明确指定，但涉及深度学习框架	过程引导机器学习框架	相关系数R，无偏均方根误差	NA
2050	2026-03-30	EfficientNetB7-Based Deep Learning Framework for Enhanced Classification of Lung and Colon Cancer Histopathological Images 2026-02-06, Journal of visualized experiments : JoVE DOI:10.3791/68812 PMID:41729802	研究论文	本研究提出了一种基于预训练EfficientNetB7的深度学习框架，用于增强肺和结肠癌组织病理学图像的分类，准确率达到96%	结合高级预处理、微调和特定领域数据增强技术优化模型性能，有效解决了类别不平衡和细微组织学变异问题，并通过多种数据增强和早停策略防止过拟合	未明确说明模型在其他癌症类型或更大数据集上的泛化能力，且未详细讨论计算资源需求	开发一个高效的深度学习模型，用于肺和结肠癌组织病理学图像的早期准确分类，以辅助临床诊断	肺和结肠组织病理学图像	数字病理学	肺癌, 结肠癌	组织病理学成像	CNN	图像	NA	NA	EfficientNetB7	准确率	NA
2051	2026-03-30	Solar Power Forecasting Using Hybrid Deep Learning: Performance Enhancement with Random Forest-BiLSTM and Ensemble Modeling 2026-02-03, Journal of visualized experiments : JoVE DOI:10.3791/69743 PMID:41729804	研究论文	本研究提出了一种混合深度学习集成方法，用于通过捕捉辐照度数据中的复杂时间依赖性来预测太阳能发电量	提出了一种集成前三名架构的逆MAE加权平均集成模型，与最佳个体模型相比，预测误差降低了6.2%，有效平衡了模型优势并增强了预测鲁棒性	NA	提高太阳能发电预测的准确性，以支持电网集成和可再生能源系统的运行稳定性	太阳能发电预测	机器学习	NA	NA	RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU, CNN-Transformer	历史时间序列数据	NA	NA	RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU, CNN-Transformer	R², MAE, MSE	NA
2052	2026-03-30	AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond 2026-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00916-4 PMID:41366150	研究论文	本文介绍了一个名为AUTOENCODIX的开源框架，用于标准化和灵活地预处理、训练和评估自编码器架构，以促进生物表示学习	提出了一个标准化、多功能且可推广的自编码器训练与评估框架，克服了现有实现缺乏标准化、可比较性和通用性的问题	未明确提及具体局限性，但可能涉及框架在不同数据模态或应用场景中的泛化能力验证	开发一个通用框架，以标准化和优化自编码器在生物表示学习中的训练与评估过程	自编码器架构，包括基于本体和跨模态的自编码器	机器学习	泛癌研究	单细胞测序，成像技术	自编码器	多模态数据，包括基因组数据和成像数据	NA	NA	基于本体的自编码器，跨模态自编码器	输入数据重建能力，嵌入质量，基于本体的嵌入可解释性可靠性	NA
2053	2026-03-30	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	本文介绍了一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子之间的相互作用	结合数据扰动与增强、基于图的分子特征表示和基于注意力的特征融合模块，无需结构输入即可准确预测RNA-小分子结合	受限于已验证的RNA-小分子相互作用数据有限和已知RNA结构稀缺	开发数据驱动的深度学习模型以预测RNA与小分子的相互作用	RNA与小分子之间的相互作用	机器学习	NA	深度学习	深度学习框架	序列数据	NA	NA	基于注意力的特征融合模块	十倍交叉验证、未见评估、诱饵评估	NA
2054	2026-03-30	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-07, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	本文提出了一种基于记忆核最小化的神经网络框架MEMnets，用于发现生物分子动力学中的慢集体变量	MEMnets基于积分广义主方程理论，通过编码非马尔可夫动力学到记忆核中，并最小化时间积分记忆核的上界来识别最优集体变量，克服了传统方法通常假设马尔可夫动力学的限制	未在摘要中明确提及	识别生物分子动力学中准确捕捉最慢时间尺度的集体变量，以理解蛋白质构象变化等生物过程	FIP35 WW结构域的折叠过程和细菌RNA聚合酶的钳口开放构象变化	机器学习	NA	深度学习	神经网络	生物分子动态数据	NA	NA	并行编码器网络	NA	NA
2055	2026-03-30	Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules 2025-07, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00816-7 PMID:40588546	研究论文	本研究提出了一种名为OrganADR的关联学习增强模型，用于在器官层面预测联合药物治疗的不良反应	提出了一种结合器官层面ADR信息、分子层面药物信息以及基于网络的生物医学知识的集成表示方法，并采用多可解释模块，能够从器官角度阐明与ADR相关的关键蛋白质-蛋白质相互作用	未在摘要中明确说明	开发一种可解释的计算方法，以准确预测联合药物治疗的不良反应，服务于临床用药管理、药物开发和精准医疗	联合药物治疗及其在器官层面引发的不良反应	机器学习	NA	NA	深度学习	生物医学知识、药物分子信息、器官层面ADR信息	涉及15个器官的评估	NA	OrganADR	NA	NA
2056	2026-03-30	Evaluating and mitigating bias in AI-based medical text generation 2025-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00789-7 PMID:40269315	研究论文	本研究评估并缓解了基于AI的医疗文本生成中的偏见问题，提出了一种选择性优化算法以减少性能差异	首次在医疗文本生成领域系统研究公平性问题，并开发了一种针对弱势群体进行选择性优化的算法	未详细说明算法在不同医疗子领域的具体适用性限制	评估和缓解AI医疗文本生成系统中的偏见问题	基于深度学习的医疗文本生成系统	自然语言处理	NA	深度学习	深度学习模型	文本	NA	NA	NA	公平性指标	NA
2057	2026-03-30	DNA data storage for biomedical images using HELIX 2025-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00793-x PMID:40360759	研究论文	本文提出了一种名为HELIX的基于DNA的生物医学图像存储系统，旨在解决生物医学图像大规模长期存储的需求	HELIX系统针对生物医学图像特性设计了专用压缩算法，并引入了无需索引的错误校正编码，同时结合深度学习进行图像修复，提高了存储密度和解码速度	仅通过体外实验存储了两幅时空基因组学图像进行验证，样本规模较小，未涉及更广泛的生物医学图像类型	开发适用于生物医学图像的DNA数据存储系统	生物医学图像，特别是时空基因组学图像	数字病理学	NA	DNA数据存储，深度测序	深度学习	图像	两幅时空基因组学图像	NA	NA	图像质量（97.20%），测序深度（7×覆盖度）	NA
2058	2026-03-30	Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00733-1 PMID:39604646	研究论文	本研究开发了一个基于序列的深度学习模型PIC，通过微调预训练蛋白质语言模型，全面预测和分析人类蛋白质必需性	PIC模型不仅显著优于现有方法预测人类必需蛋白质，还能提供跨人类、细胞系和小鼠三个层次的全面预测结果，并定义了蛋白质必需性评分以量化人类蛋白质必需性	NA	开发计算模型以预测人类必需蛋白质，并量化蛋白质必需性	人类蛋白质，包括617,462个人类微蛋白质	自然语言处理	乳腺癌	深度学习，预训练蛋白质语言模型	深度学习模型	蛋白质序列	617,462个人类微蛋白质	NA	预训练蛋白质语言模型	NA	NA
2059	2026-03-30	Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00748-8 PMID:39715829	研究论文	本研究提出了一种名为DySPred的动态图卷积网络深度学习框架，利用大规模真实世界药物警戒数据来预测免疫检查点抑制剂在人群水平的毒性谱	引入动态图卷积网络来映射和预测免疫检查点抑制剂的毒性谱，能够准确预测不同人口队列和癌症类型的毒性风险，并在小样本场景中表现出韧性，同时揭示毒性随时间变化的趋势	NA	预测免疫检查点抑制剂在人群水平的毒性谱，以支持主动毒性监测和及时调整治疗与干预策略	免疫检查点抑制剂疗法及其诱导的毒性	机器学习	癌症	药物警戒数据分析	动态图卷积网络	药物警戒数据	大规模真实世界数据	NA	动态图卷积网络	NA	NA
2060	2026-03-30	Deep learning large-scale drug discovery and repurposing 2024-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00679-4 PMID:39169261	研究论文	本文提出了一种基于线粒体表型变化进行药物作用机制识别的方法，并开发了名为MitoReID的深度学习模型	利用时间分辨的线粒体成像数据，首次将重识别框架应用于药物作用机制识别，为大规模药物发现和再利用提供了自动化、低成本的新途径	模型仅基于线粒体表型变化进行识别，可能无法覆盖所有药物作用机制；测试集仅包含6种未训练药物的验证	开发一种自动化、高通量的药物作用机制识别方法，以加速大规模药物发现和再利用	美国食品药品监督管理局批准的1,068种药物及其处理的细胞	计算机视觉	NA	时间分辨线粒体成像	CNN	图像	570,096张单细胞图像，覆盖1,068种药物	NA	Inflated 3D ResNet	Rank-1准确率, 平均精度均值	NA