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
2521	2026-04-01	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2026-Mar-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09921-3 PMID:41888287	研究论文	本文探讨了使用少量参数和序列数据，通过概率模型和深度学习技术，重新发现RNA碱基配对规则的可能性	提出了一种无需结构或比对信息、仅需少量参数和序列数据即可学习RNA碱基配对规则的方法	模型仅包含21个参数，可能无法捕捉更复杂的RNA结构或相互作用	研究RNA碱基配对规则的最小学习需求	RNA序列及其碱基配对规则	自然语言处理	NA	深度学习, 自动微分, 随机梯度下降	随机上下文无关文法	RNA序列	至少50个RNA序列，测试集包含1094个序列来自22个RNA家族	自动微分框架	随机上下文无关文法	NA	NA
2522	2026-04-01	Artificial intelligence for detection, grading, and prognostication in prostate cancer pathology: A scoping review 2026-Mar-25, Histology and histopathology IF:2.5Q2 DOI:10.14670/HH-25-059 PMID:41808601	综述	本文对人工智能在前列腺癌病理学中用于检测、分级和预后预测的应用进行了范围综述	综述了AI在病理学中的最新进展，包括基于深度学习的Gleason分级、预后标志物量化、分子改变预测以及多模态模型整合，并指出了新兴的自监督预训练、基于Transformer的图像模型和语言-视觉系统等未来方向	大多数研究为回顾性，终点异质性大；模型在新站点测试时性能常因患者群体和切片制备差异而下降；缺乏大型、高质量标注数据集，技术变异影响可重复性	综述人工智能在前列腺癌病理学领域的应用现状、进展与挑战	前列腺癌的病理学图像、临床数据及相关AI研究	数字病理学	前列腺癌	机器学习，深度学习	CNN, 大语言模型	组织学图像，临床文本	NA	NA	卷积神经网络，Transformer	准确率	NA
2523	2026-04-01	Imaging-Based Prediction of Key Breast Cancer Biomarkers Using Deep Learning on Digital Breast Tomosynthesis 2026-Mar-24, European journal of breast health IF:1.3Q4 DOI:10.4274/ejbh.galenos.2026.2025-9-14 PMID:41874202	研究论文	本研究评估了使用深度学习模型在数字乳腺断层合成（DBT）图像上非侵入性预测乳腺癌关键生物标志物的可行性	首次将深度学习模型应用于DBT图像，用于非侵入性预测多种乳腺癌生物标志物，包括ER、PR、HER2、Ki-67和TNBC	样本量较小（43例），为回顾性单中心研究，需要更大规模、多中心的前瞻性研究进行验证	评估深度学习模型在DBT图像上预测乳腺癌生物标志物的可行性，以作为虚拟活检辅助病理诊断和治疗规划	经组织病理学确诊的浸润性乳腺癌患者	数字病理学	乳腺癌	数字乳腺断层合成（DBT）成像，免疫组织化学评估	CNN	图像	43名匿名女性患者	NA	VGG19, ResNet50	准确率, AUC, F1分数, 马修斯相关系数	NA
2524	2026-04-01	Deep learning using electroencephalogram (EEG) data for diagnosing and predicting SSRI response in major depressive disorder 2026-Mar-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01394-z PMID:41872325	研究论文	本研究利用深度学习算法分析脑电图数据，用于诊断重度抑郁症并预测患者对SSRI药物的治疗反应	首次将深度学习应用于多个独立脑电图数据集，结合Grad-CAM技术解释分类特征，并模拟临床决策场景评估模型对治疗选择的改善效果	样本量相对有限（健康对照146例，患者203例），模型准确率仍有提升空间，且结果需在更广泛人群中验证	开发基于脑电图和深度学习的客观诊断工具，实现重度抑郁症的精准诊断和个性化治疗预测	重度抑郁症患者和健康对照者的脑电图数据	机器学习	重度抑郁症	脑电图	深度学习模型	脑电图信号	健康对照146例，患者203例，总计349例	NA	NA	准确率	NA
2525	2026-04-01	Integration of alternative fragmentation techniques into standard LC-MS workflows using a single deep learning model enhances proteome coverage 2026-Mar-23, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03042-9 PMID:41872372	研究论文	本文开发了一个集成质谱平台，通过深度学习模型整合多种碎片化技术，以增强蛋白质组覆盖范围	开发了一个统一的Prosit深度学习模型，能够预测所有解离方法的谱图，并集成到FragPipe的MSBooster模块中，平均提高蛋白质鉴定率超过10%	未明确说明模型在处理特定复杂样本或极端条件下的局限性	增强蛋白质组学中碎片化技术的整合与应用，提高蛋白质鉴定效率和覆盖范围	蛋白质组学中的肽段序列和蛋白质鉴定	质谱分析, 深度学习	NA	碰撞诱导解离(CID), 电子诱导解离, 紫外光解离, 质谱技术	深度学习模型	质谱数据	NA	NA	Prosit	蛋白质鉴定率, 序列覆盖范围	NA
2526	2026-04-01	Quantification via gaussian latent space representations 2026-Mar-22, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	本文提出了一种基于高斯潜在空间表示的端到端神经网络方法，用于直接优化量化（即类别流行度估计）任务	通过高斯分布在潜在空间中获取样本袋的不变表示，避免了依赖中间分类器的传统方法，将量化问题转化为直接优化问题	未在摘要中明确说明	开发一种端到端的深度学习量化方法，以直接估计样本袋中各类别的流行度	样本袋（bags of examples）及其类别分布	机器学习	NA	NA	神经网络	NA	NA	NA	GMNet（基于高斯潜在空间表示的端到端神经网络）	NA	NA
2527	2026-04-01	Deep learning-guided dual-fitness evolution of T7 RNA polymerase for enhanced stability and activity 2026-Mar-19, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag259 PMID:41873756	研究论文	本研究提出了一种结合深度学习与湿实验多目标筛选的数据驱动进化策略，用于同时提升T7 RNA聚合酶的稳定性和高温活性	开发了耦合深度学习与多目标筛选的进化策略，通过独立模型微调处理不同性状，有效探索适应度景观以识别有益突变组合	未明确说明深度学习模型的可解释性、实验验证的样本规模限制以及策略在其他蛋白质体系中的普适性	实现蛋白质工程中多个适应度属性的同步优化	T7 RNA聚合酶（T7 RNAP）	机器学习	NA	深度学习引导的进化策略、湿实验多目标筛选	深度学习模型	序列数据、实验测量数据（热稳定性、活性等）	经过五轮迭代进化获得的T7 RNAP突变体	NA	NA	熔解温度（Tm）提升值、高温活性增强倍数、副产物含量降低百分比	NA
2528	2026-04-01	Reinforcing smart grid resilience through blockchain-supported deep learning models for theft detection 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38824-w PMID:41844675	研究论文	本文提出了一种结合LSTM-Autoencoder深度学习模型和区块链技术的框架，用于智能电网中的电力盗窃检测	创新点在于将LSTM-Autoencoder模型与区块链技术集成，以增强对长期时间依赖性的捕捉、异常检测的准确性，并通过去中心化日志机制确保数据安全与透明度	未明确提及具体的数据集规模限制、模型在极端异常情况下的泛化能力，或区块链部署的实际成本与性能开销	研究目标是提高智能电网中电力盗窃检测的准确性、安全性和透明度	研究对象是智能电网中的电力消费数据及其异常模式	机器学习	NA	深度学习，区块链技术	LSTM, Autoencoder	序列数据（时间序列电力消费数据）	NA	TensorFlow, Keras, PyTorch	LSTM-Autoencoder	准确率	NA
2529	2026-04-01	A deep-learning-based early warning system for abnormal eye conditions in chickens 2026-Mar-03, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106735 PMID:41846079	研究论文	本研究开发了一种基于深度学习的预警系统，用于检测鸡群中的异常眼部状况，以评估鸡群健康	首次将YOLOv7深度学习模型应用于鸡群异常眼部状况的自动检测与量化，并建立了异常眼部比例与死亡率之间的时间滞后关联，为鸡群健康提供早期预警指标	研究仅在台湾的红羽土鸡养殖场中进行，样本类型和地理范围有限，可能影响模型的泛化能力	开发一种自动化系统以减少人工巡检负担并提前预警鸡群健康问题	鸡群中的异常眼部状况	计算机视觉	禽类疾病	图像采集与数据增强	CNN	图像	三个生产周期的红羽土鸡（每个周期约15,000-20,000只）	YOLOv7	YOLOv7	精确度, 召回率, F1分数	NA
2530	2026-04-01	Detecting Extrachromosomal DNA from Routine Histopathology 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708546 PMID:41847039	研究论文	本研究开发了一种基于常规H&E染色全切片病理图像的深度学习框架，用于推断肿瘤中的染色体外DNA状态	首次利用常规病理图像而非专门基因组检测来推断ecDNA状态，通过弱监督深度学习框架实现端到端检测，并揭示了ecDNA在组织形态上的可重复足迹	依赖于现有病理图像数据，可能受图像质量和染色差异影响，且需进一步验证以确认其作为分子检测前筛选工具的可靠性	开发一种从常规病理图像中检测染色体外DNA的方法，以促进肿瘤的分子检测筛选	来自癌症基因组图谱的十二种癌症类型的肿瘤样本	数字病理学	癌症	H&E染色全切片病理成像	深度学习	图像	来自十二种癌症类型的肿瘤样本，具体数量未在摘要中明确	NA	NA	NA	NA
2531	2026-04-01	Use of Electrocardiograms to Identify Coronary Artery Disease: Cross-Validation of an Artificial Intelligence Model 2026-Mar, JACC. Advances DOI:10.1016/j.jacadv.2025.102573 PMID:41616590	研究论文	本研究开发并验证了一种基于深度学习的人工智能模型，利用静息12导联数字心电图预测冠状动脉疾病	首次开发了一种深度学习AI模型，能够通过非侵入性的心电图数据预测冠状动脉疾病，为CAD诊断提供了一种新的无创筛查工具	研究为回顾性设计，可能存在选择偏倚；模型在外部验证集中的阳性预测值有所下降	开发并验证一种基于心电图的人工智能模型，用于预测冠状动脉疾病	接受冠状动脉造影的患者	机器学习	心血管疾病	心电图	深度学习	数字信号	16,476名患者	NA	NA	阳性预测值, 阴性预测值, 曲线下面积	NA
2532	2026-04-01	Dual-channel ultrasonic images empowered deep learning: significantly improving prediction of occult central lymph node metastases in solitary papillary thyroid microcarcinoma 2026-03-01, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2026-0006 PMID:41686681	研究论文	本研究开发了一种结合纵向和横向超声图像的双通道深度学习模型，用于预测孤立性甲状腺微小乳头状癌中的隐匿性中央淋巴结转移	首次提出使用双通道超声图像（纵向和横向）的深度学习模型来预测PTMC中的隐匿性CLNM，并通过结合深度学习特征与临床指标实现了更高的预测性能	研究为回顾性设计，样本量相对有限（461例患者），且仅来自两家医院，可能存在选择偏倚	提高术前对甲状腺微小乳头状癌中隐匿性中央淋巴结转移的预测准确性，以指导个体化治疗决策	461例接受术前超声检查的甲状腺微小乳头状癌患者	数字病理学	甲状腺癌	超声成像	深度学习模型	超声图像	461例患者	NA	双通道深度学习模型	AUC, 校准曲线	NA
2533	2026-04-01	Automated neural network femur segmentation performance in computed tomography images of older adults with obesity 2026-Mar, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziag015 PMID:41704480	研究论文	本研究评估了一种用于老年人股骨CT图像自动分割的卷积神经网络模型在肥胖老年人群中的性能表现	将已在冰岛老年人群中验证的CNN模型应用于美国肥胖老年人群的股骨分割，验证了模型在不同人群中的适用性	模型在股骨头边界划分和骨赘检测方面存在轻微误差，需要在预处理和后处理阶段进行人工干预	评估深度学习模型在肥胖老年人股骨CT图像分割中的可行性和性能	166例美国肥胖老年人的CT扫描图像	数字病理学	老年疾病	CT扫描	CNN	医学影像	166例CT扫描	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
2534	2026-04-01	Development of a Deep Learning Algorithm for Posterior Fossa Abnormality Recognition on First-Trimester US Screening Scans: AIRFRAME Study Part 1 2026-03, Radiology. Artificial intelligence DOI:10.1148/ryai.250394 PMID:41563074	研究论文	开发一种深度学习算法，用于在孕早期超声筛查扫描中自动评估后颅窝，以识别开放性脊柱裂和囊性后颅窝异常	首次利用深度学习算法在孕早期（11-14周）超声图像中自动评估后颅窝，并区分正常图像与开放性脊柱裂或囊性后颅窝异常图像	研究为回顾性设计，样本量相对较小（251例胎儿），且模型性能在内部测试集上评估，需要进一步外部验证	开发并验证一种深度学习算法，用于孕早期超声筛查中后颅窝异常的自动识别	孕早期（11-14周）胎儿大脑超声图像，包括正常、开放性脊柱裂和囊性后颅窝异常病例	计算机视觉	胎儿脑部异常	超声成像	CNN	图像	251例胎儿（150例正常，101例异常，其中43例开放性脊柱裂，58例囊性后颅窝异常）	NA	MobileNetV3 Large	AUC, 准确率, 召回率, 特异性, 精确率, 阴性预测值, F1分数	NA
2535	2026-04-01	Imaging-based prognostic factors in patients undergoing thermal ablation for colorectal liver metastases. A retrospective study on the role of sarcopenia parameters and tumor burden score 2026-03-01, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2026-0011 PMID:41777029	研究论文	本研究探讨了在接受结直肠肝转移热消融治疗的患者中，基于影像学的预后因素，重点关注肌肉减少症相关身体成分参数和L1骨密度与肿瘤负荷评分的比较	首次在结直肠肝转移热消融治疗患者中，使用开源深度学习工具TotalSegmentator自动提取腰大肌体积指数，并发现其与1年生存率显著相关，而传统肿瘤负荷评分和其他肌肉减少症参数未显示显著关联	研究为单中心回顾性分析，样本量较小（88例患者），可能存在选择偏倚，且未考虑其他潜在混杂因素	评估影像学预后因素在结直肠肝转移热消融治疗患者中的作用	接受热消融治疗的结直肠肝转移患者	数字病理学	结直肠癌	CT成像	深度学习	医学影像	88例患者	TotalSegmentator	NA	p值	NA
2536	2026-04-01	EEG-based biomarkers for psychosis: Comparative performance of support vector machines and deep neural networks 2026-Mar, Biological psychology IF:2.7Q2 DOI:10.1016/j.biopsycho.2026.109232 PMID:41786272	研究论文	本研究比较了支持向量机（SVM）和深度神经网络（DNN）在基于任务相关脑电图（EEG）数据对精神病进行分类时的性能	在有限样本条件下，系统地比较了经典机器学习（SVM）与深度学习（DNN）在精神病EEG分类任务中的表现，并强调了非线性特征和低频指标作为潜在生物标志物的价值	样本量较小（43名参与者），需要在更大的多中心数据集中验证结果的普适性和临床实用性	评估和比较不同机器学习方法在基于EEG数据识别精神病谱系障碍方面的性能	精神病患者（19名）与健康对照者（24名）	机器学习	精神病谱系障碍	脑电图（EEG）	SVM, DNN	EEG信号	43名参与者（19名患者，24名对照）	NA	NA	准确率, AUC	NA
2537	2026-04-01	Drug screening for α-synuclein aggregation inhibitors via multimodal graph neural network 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag118 PMID:41870129	研究论文	本研究提出了一种用于预测α-突触核蛋白相关分子性质的多模态图神经网络深度学习框架，以筛选其聚集抑制剂	首次设计了一种整合图上下文注意力机制、结构特征聚合协议、双通道特征集成及复合正则化策略的先进深度学习框架，用于α-突触核蛋白分子性质预测	未明确说明模型在更大规模或更广泛化合物库上的泛化能力，以及实验验证的局限性	筛选α-突触核蛋白聚集抑制剂，为神经退行性疾病药物发现提供初步筛选框架	α-突触核蛋白（α-syn）及其与小分子配体的相互作用	机器学习	帕金森病	分子对接研究	图神经网络（GNN）	分子图数据	NA	NA	多模态图神经网络（整合图上下文注意力机制、双通道特征集成）	均方误差（MSE）	NA
2538	2026-04-01	Deconvolving cell-type-specific gene expression profiles from bulk RNA-seq samples 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014101 PMID:41886524	研究论文	本文开发了一种基于U-Net的深度学习算法BLUE，用于从批量RNA-seq样本中解卷积出细胞类型比例和细胞类型特异性基因表达谱	利用U-Net的强大特征提取和表示学习能力，首次将深度学习应用于批量RNA-seq数据的细胞类型特异性基因表达谱解卷积，显著优于现有算法	未明确说明算法对实验成本的依赖性或数据规模的限制	整合批量RNA-seq和单细胞RNA-seq的优势，利用现有批量RNA-seq数据集进行细胞类型特异性分析	批量RNA-seq样本和单细胞RNA-seq数据	机器学习	癌症	RNA-seq, scRNA-seq	CNN	基因表达数据	NA	NA	U-Net	NA	NA
2539	2026-04-01	Advancing modified barium swallow pre-sorting with deep learning: a new paradigm for the first step analysis in X-ray swallowing study 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03505-y PMID:41046271	研究论文	本研究提出了一种深度学习方法来自动化改良钡餐吞咽检查中视频片段的分类，以区分不同类型的诊断视频并识别非诊断性定位视频，从而优化分析流程	首次将深度学习应用于改良钡餐吞咽检查视频的自动预分类，并引入多任务学习方法来提升模型性能	模型在区分定位视频与吞咽视频时的帧级准确率相对较低（90.26%），且样本量有限（285次检查），可能影响泛化能力	自动化改良钡餐吞咽检查中视频片段的分类，以提高临床工作效率	改良钡餐吞咽检查中的视频片段，包括前后位、侧位诊断视频和非诊断性定位视频	计算机视觉	吞咽功能障碍	X射线吞咽研究	深度学习模型	视频	285次改良钡餐吞咽检查，涉及216名患者（平均年龄60±9岁），包含3,740个视频片段，总计986,808帧	NA	NA	准确率	NA
2540	2026-04-01	STGNET: extending panel coverage in imaging-based spatial transcriptomics using deep generative adversarial networks 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag122 PMID:41875024	研究论文	本文提出了一种名为STGNET的深度学习框架，通过结合生成对抗网络和图神经网络来扩展成像空间转录组学中的基因面板覆盖范围	STGNET创新性地将多阶段GAN与空间感知图卷积网络结合，从单细胞RNA测序数据学习全局转录组分布，并通过建模物理细胞邻近性和转录相似性来优化基因填补	未在摘要中明确提及	克服成像空间转录组学技术中基因面板覆盖范围有限的限制，实现更全面的空间生物学分析	成像空间转录组学数据，涉及小鼠胚胎发生、乳腺癌进展和大脑组织	数字病理学	乳腺癌	成像空间转录组学，单细胞RNA测序	GAN, GCN	空间转录组学数据，单细胞RNA测序数据	九个不同的空间转录组学数据集	未在摘要中明确提及	生成对抗网络，图卷积网络	基因填补准确性，细胞拓扑结构保持性	未在摘要中明确提及