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
261	2026-06-04	Contrast-Enhanced Mammography and Deep Learning-Derived Malignancy Scoring in Breast Cancer Molecular Subtype Assessment 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010115 PMID:41597401	研究论文	探究对比增强钼靶（CEM）和深度学习恶性评分在乳腺癌分子亚型评估中的应用	首次将CEM影像特征与深度学习AI评分相结合，用于评估乳腺癌分子亚型，并发现CEM特征可反映MRI中已描述的亚型特异性表型	样本量较小（仅76个恶性病变），且AI评分在不同分子亚型间的差异未达到统计学显著性	评估CEM影像特征和深度学习恶性评分在区分乳腺癌分子亚型（管腔型 vs HER2阳性/三阴性）中的潜力	399名接受CEM检查的女性中的76个恶性乳腺病变（68个浸润性癌和8个导管原位癌）	计算机视觉, 机器学习	乳腺癌	对比增强钼靶（CEM）	深度学习模型（iCAD ProFound AI）	图像	399名女性，其中76个恶性病变（68个浸润性癌、8个DCIS）	iCAD ProFound AI	NA	AUC, 95%置信区间	NA
262	2026-06-04	Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data 2026-Jan-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.53543 PMID:41587032	研究论文	基于眼底图像和屈光度数据，利用深度学习模型预测儿童近视进展和高度近视风险	仅使用基线眼底图像和屈光数据，结合卷积神经网络和循环神经网络预测近视进展轨迹及高度近视风险，并在跨种族队列中保持良好性能	NA	开发和验证基于深度学习的方法，预测学龄儿童近视进展轨迹和高度近视风险	学龄儿童（6-9岁）的近视进展	计算机视觉, 机器学习	儿童近视	眼底成像, 屈光度检测	卷积神经网络, 循环神经网络	图像, 数值型数据	3048名儿童（安康队列）用于训练，外部验证包括北京队列（130名）和拉萨队列（1039名）	NA	ResNet-34, LSTM	AUC, MAE	NA
263	2026-06-04	Technology-Enhanced Dual-Task Testing for Alzheimer's Disease and Related Dementias: A Review of Trends, Tools, and Emerging Directions 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3658013 PMID:41587242	综述	系统综述了2010至2025年期间基于技术增强型双任务测试在阿尔茨海默病及相关痴呆症早期检测中的趋势、工具和新兴方向	整合了工程学与临床神经科学的视角，全面覆盖了多种双任务范式、传感技术及分析方法，并强调现代传感器与人工智能技术在提升早期检测公平性、可扩展性和临床可行性方面的作用	未明确提及具体局限性，但暗示了现有方法的临床转化不足和需要更公平、可扩展的系统	综述双任务测试在阿尔茨海默病及相关痴呆症早期检测中的技术进展、趋势和未来方向	阿尔茨海默病及相关痴呆症患者的双任务测试（包括步态、平衡、上肢功能等）	数字病理学, 自然语言处理, 机器学习	阿尔茨海默病, 痴呆症	可穿戴传感器, 电子步道, 红外/深度摄像头, 视频, 平板电脑, fMRI, fNIRS, 眼球追踪, 人工智能视频姿态估计	深度学习, 传统统计方法	运动数据, 脑成像数据, 视频数据	未涉及具体样本量	NA	NA	NA	NA
264	2026-06-04	Temporal Memory Mechanisms and Biome-Specific Drivers of Ecosystem Carbon Flux: Insights From Explainable Deep Learning Modeling 2026-Jan, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70722 PMID:41589685	研究论文	通过可解释深度学习框架，分析了北美八个生物群落的生态系统碳通量时间记忆机制及其环境驱动因素	首次利用LSTM-Attention可解释框架识别出三种不同的时间记忆模式（短期主导、长期主导、U形双记忆），并揭示生物群落特异的环境驱动因素及非线性交互作用	未说明模型在缺失数据或极端气候条件下的鲁棒性，且仅基于北美站点，可能限制结论的全球适用性	揭示生态系统碳通量响应的时间依赖性及生物群落特异的驱动机制，提升对碳-气候反馈的理解	北美八个生物群落（草地、落叶阔叶林、湿地、农田、常绿针叶林、封闭灌丛等）的生态系统碳通量	机器学习	NA	NA	LSTM, 注意力机制	涡度协方差通量测量数据	71个站点，覆盖8个北美生物群落	PyTorch, TensorFlow	LSTM-Attention	Kendall's Tau, Pearson相关系数	NA
265	2026-06-04	A Structure-Based Deep Learning Framework for Correcting Marine Natural Products' Misannotations Attributed to Host-Microbe Symbiosis 2026-Jan-01, Marine drugs IF:4.9Q1 DOI:10.3390/md24010020 PMID:41590718	研究论文	开发基于结构的深度学习框架，纠正因宿主-微生物共生导致的海洋天然产物错误注释	首次利用图神经网络从结构角度检测海洋天然产物数据集中标签不一致和异常值，结合微生物预训练模型实现起源校正	依赖数据库标签质量，仅针对动物标签样本验证，未涵盖所有海洋天然产物类别	纠正海洋天然产物因宿主-微生物共生导致的生物起源错误注释，提升数据库准确性	海洋天然产物及其宿主-微生物共生关系	机器学习	NA	NA	图神经网络	分子结构数据	CMNPD和NPAtlas数据库中的化合物（具体数量未明确）	PyTorch	图神经网络	平衡准确率	NA
266	2026-06-04	FM-DLM: A new method for image classification based on the fusion of multi-level deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338137 PMID:41592008	研究论文	提出了一种基于多级深度学习模型融合的图像分类新方法FM-DLM，旨在平衡分类广度与模型部署限制	通过融合零级（百度AI平台）、一级（数据集预测）和二级（标签分类）模型，利用标签分布优化分类准确率，解决了大模型无法部署至小设备而小模型标签有限的问题	未详细提及，可能包括对计算资源需求的具体分析或模型在边缘设备上的实际部署测试	解决深度学习模型在分类应用中因模型规模导致的部署限制与标签范围矛盾，实现高准确率与广泛分类	图像分类任务，特别是需兼顾宽范围样本分类与小设备部署的场景	计算机视觉	NA	NA	多级深度学习模型融合	图像	NA	百度AI平台	多级模型架构：Level 0（百度AI平台）、Level 1（差值预测）、Level 2（标签分类）	准确率	百度AI平台
267	2026-06-04	Deep learning models to map osteocyte networks from confocal microscopy can successfully distinguish between young and aged bone 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013914 PMID:41592113	研究论文	利用深度学习和计算机视觉技术自动分割和测量骨细胞网络，成功区分年轻和衰老小鼠的骨骼	首次应用注意力U-Net模型自动分割骨细胞网络，实现快速分析（10秒对比人工130小时），并能区分年轻和衰老骨骼	模型在树突过程分割精度较低（42.1%），需要进一步训练才能达到人类水平准确度	探索深度学习和计算机视觉技术自动化骨细胞连接组学的分割与测量，提高分析效率和准确性	小鼠骨组织中的骨细胞网络	计算机视觉	NA	共聚焦显微镜成像	CNN、Transformer	图像	年轻（2个月龄）和衰老（36个月龄）小鼠的骨骼样本	NA	U-Net, Attention U-Net, Vision Transformer	准确率	NA
268	2026-06-04	A deep learning-based computational pipeline predicts developmental outcome in retinal organoids 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003597 PMID:41592127	研究论文	利用深度学习预测视网膜类器官的发育结果	在类器官形态变化尚不可见时，通过深度学习预测其分化路径和组织形成，有效绕过类器官异质性挑战	未明确提及局限性	利用深度学习预测视网膜类器官的早期发育轨迹，减少异质性影响，提高研究标准化	视网膜类器官	计算机视觉	NA	高分辨率延时成像	深度学习	图像	约1000个类器官，超过100000张图像	NA	NA	预测准确性	NA
269	2026-06-04	Impact of experimentally elevated CO₂ concentrations and temperature on cognitive function: An EEG-based study under constant ventilation 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119578 PMID:41601028	研究论文	通过脑电图研究实验性升高二氧化碳浓度和温度对认知功能的影响	在恒定通风条件下分离了升高的CO₂和温度对认知的独立影响，并构建了基于深度学习的认知舒适模型	行为任务表现变化有限，样本量较小（24名参与者）	探究全球变暖引起的室内CO₂浓度和温度升高对学习与认知的影响	24名参与者在不同CO₂浓度（500和5000 ppm）和温度（22°C和28°C）下的认知功能	机器学习	NA	NA	深度学习	脑电图数据	24名参与者	NA	NA	NA	NA
270	2026-06-04	Construction and Interpretability of a Multimodal Deep Learning Model of Electronystagmography-Optical Coherence Tomography Angiography for Early Screening of Alzheimer's Disease 2026 Jan-Dec, American journal of Alzheimer's disease and other dementias DOI:10.1177/15333175261422037 PMID:41601185	研究论文	构建并解释整合眼电图和光学相干断层扫描血管成像的多模态深度学习模型，用于阿尔茨海默病早期筛查	首次将眼电图与光学相干断层扫描血管成像数据多模态融合，结合深度学习模型进行阿尔茨海默病和轻度认知障碍的早期非侵入性筛查，并使用Grad-CAM和SHAP方法进行模型可解释性分析	样本量有限（250名受试者），为回顾性研究，未提及外部验证及多中心数据	评估多模态深度学习模型整合OCTA与ENG在阿尔茨海默病和轻度认知障碍早期筛查中的价值及可解释性	阿尔茨海默病和轻度认知障碍患者	机器学习	阿尔茨海默病	光学相干断层扫描血管成像, 眼电图	深度学习	图像, 信号	250名受试者	NA	NA	AUC, 敏感性, 特异性	NA
271	2026-06-04	LHAT-YOLO: Study on intelligent monitoring algorithm for helmets at construction sites 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339993 PMID:41604405	研究论文	基于改进YOLOv11的轻量化头盔检测模型，实现施工现场智能监控	提出LHAT-YOLO轻量化模型，采用GSConv改进卷积模块并引入FCD轻量检测头，在降低计算量和参数量的同时保持高精度	仅在特定数据集上验证，未提及不同光照、遮挡等复杂工地场景下的鲁棒性	实现施工现场头盔佩戴的实时智能监测，提升安全监管效率	施工人员头部安全帽佩戴状态	计算机视觉	NA	NA	YOLO (LHAT-YOLO)	图像	训练集19,780张图像，验证集2,473张，测试集2,473张	PyTorch	GSConv, FCD (Fast Convolutional Detection)	Precision, Recall, mAP50, mAP50-95, GFLOPs, Params	NA
272	2026-06-04	Mutagenesis-Centered Integrative Approaches for Identifying Binding Sites in Ion Channels and Uncovering Modulatory Mechanisms 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07523-9_3 PMID:41606273	研究论文	本文展示了如何结合诱变研究、序列、结构和计算信息，识别离子通道中的结合位点并揭示其调控机制	整合诱变、序列、结构和计算信息识别离子通道结合区域并揭示调控机制；利用双突变周期分析和深度学习进展更精细地映射相互作用表面并量化相互作用强度	NA	展示诱变研究如何帮助识别离子通道结合区域并提供调控机制见解	各种钾通道，包括钠离子、PI(4,5)P和胆固醇等配体的结合位点，以及G蛋白βγ亚基的通道-蛋白质相互作用	机器学习	NA	诱变、序列分析、结构分析、计算分析、双突变周期分析、深度学习	NA	文本、序列数据、结构数据	NA	NA	NA	NA	NA
273	2026-06-04	Pathogenomic analysis reveals clinically relevant epithelial-mesenchymal plasticity in esophageal squamous cell carcinoma 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125381 PMID:41608573	研究论文	通过整合病理图像和RNA测序分析揭示食管鳞状细胞癌中与临床相关的上皮-间质可塑性	首次描绘食管鳞癌EMT的三种宏观状态（早期、稳定期、晚期），发现ZEB1和TWIST1在早期恶性表型中的拮抗作用，并开发基于病理图像的深度学习模型预测EMT空间表达	未明确提及具体局限性，但可能受限于样本多样性及验证规模	阐明食管鳞癌中EMT进展的机制并探索临床诊断和干预策略	食管鳞状细胞癌患者样本	数字病理学、机器学习	食管鳞状细胞癌	RNA-seq、单细胞转录组学、空间转录组学、病理图像分析	深度学习模型	病理图像、RNA测序数据、单细胞转录组数据、空间转录组数据	未明确提及具体样本量	NA	NA	NA	NA
274	2026-06-04	Enhancing Brain Tumor Classification and Generalization Using DDPM-Generated MRI, Mutual Information and Ensemble Learning 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251405180 PMID:41615841	研究论文	利用去噪扩散概率模型生成MRI、互信息和集成学习增强脑肿瘤分类和泛化能力	首次将互信息正则化引入DDPM生成合成MRI，结合集成学习提升跨数据集的脑肿瘤分类泛化性能	未明确提及，可能受限于样本量较小（559例）和仅使用2D ResNet-152单一架构	评估有无互信息正则化的DDPM生成合成MRI是否增强脑肿瘤分类在异质性数据集上的表现	低级别和高级别脑肿瘤患者的MRI图像（LGG和HGG）	计算机视觉	脑肿瘤	MRI	DDPM、ResNet-152	图像	559例患者（来自BraTS数据集335例和TASMC临床数据集224例）	NA	ResNet-152	准确率、F1分数、Pearson相关系数、FID、IS	NA
275	2026-06-04	Graph former-CL: A novel graph transformer with contrastive learning framework for enhanced drug-drug interaction prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339971 PMID:41615927	研究论文	提出一种融合图Transformer与对比学习的框架，用于药物-药物相互作用预测，显著提升预测准确率与泛化能力	创新性地将层次化图Transformer与领域特化对比学习结合，采用位置感知多头自注意力机制与跨模态融合策略，实现多尺度分子表征	未提及模型在超大规模分子库或罕见药物组合上的泛化性验证，且缺乏对模型可解释性的深入分析	提升药物-药物相互作用预测的准确率与模型泛化能力，解决传统GNN过平滑和序列方法三维结构缺失问题	药物-药物相互作用对（DDI pairs），涵盖已知与新药组合	机器学习	NA	SMILES序列与分子图表示	图Transformer	分子图与文本序列	基于DrugBank和TWOSIDES等四个基准数据集，具体数量未提及	PyTorch	图Transformer	准确率	NA
276	2026-06-04	Uralenol, Glycyrol, and Abyssinone II as potent inhibitors of fibroblast growth factor receptor 2 from anti-cancer plants: A deep learning and molecular dynamics approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341498 PMID:41615925	研究论文	通过分子对接、深度学习和分子动力学模拟，从传统抗癌植物中筛选出三种潜在的FGFR2抑制剂	整合深度学习预测pIC₅₀值与分子动力学模拟验证，快速筛选出天然植物源FGFR2抑制剂	仅为计算预测，缺乏湿实验验证	识别来自抗癌植物的新型FGFR2抑制剂	三种化合物：uralenol、glycyrol和abyssinone II	机器学习	癌症	分子对接、深度学习、ADME/T分析、分子动力学模拟	深度学习模型	分子结构数据、蛋白质-配体复合物数据	1,350种植物化学物质，来自51种药用植物	AutoDock Vina	NA	pIC₅₀、结合亲和力、ADME/T性质、均方根偏差、主成分分析、自由能景观	NA
277	2026-06-04	A deep state-space analysis framework for cancer patient latent state estimation and classification from EHR time-series data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341003 PMID:41616002	research paper	提出一个基于深度状态空间的分析框架，用于从EHR时间序列数据中估计和分类癌症患者的潜在状态	提出可解释的深度状态空间分析框架，用于从EHR数据中估计和可视化疾病进展相关的潜在状态，并识别导致不良预后的关键因素	NA	从EHR时间序列数据中估计和分类癌症患者的潜在状态，以理解疾病进展并支持治疗调整	癌症患者	machine learning	cancer	NA	state-space model	EHR time-series data	12,695名癌症患者	NA	deep state-space analysis framework	NA	NA
278	2026-06-04	Deep learning-based head and neck deformable image registration using spatio-temporal analysis and self attention 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100928 PMID:41756517	研究论文	提出一种基于深度学习的头颈部可变形图像配准算法，利用时空分析和自注意力机制实现快速精确的配准	整合3D卷积神经网络、自注意力和卷积长短期记忆网络，建模时间变形，实现双向可变形场预测，配准速度显著快于传统方法且无需手动调参	仅使用单中心60例患者数据，未在多中心或更大规模数据集上验证；未比较其他深度学习方法	开发适用于头颈部癌症自适应放疗的快速可变形图像配准算法	头颈部癌症患者的计划CT和每周锥形束CT图像	机器学习	头颈部癌症	NA	卷积神经网络（CNN）、卷积长短期记忆网络（ConvLSTM）	图像	60例头颈癌患者数据集，每例含1个计划CT和6个每周锥形束CT	NA	3D卷积神经网络、自注意力机制、卷积长短期记忆网络	Dice相似系数、Hausdorff距离、雅可比分析	NA
279	2026-06-04	Application of bioinformatics and data science in studies of cancer epigenetics 2026, International review of cell and molecular biology DOI:10.1016/bs.ircmb.2025.10.003 PMID:41905787	综述	综述了生物信息学和数据科学在癌症表观遗传学研究中的应用	概述了表观遗传学在癌症中的作用，并重点介绍了生物信息学和数据科学在癌症表观遗传学领域的最新应用进展，特别是机器学习与深度学习在整合遗传、表观遗传及临床数据以提升癌症诊疗准确性方面的作用	作为综述，未提供新的实验数据或方法验证，具体技术细节和比较可能不够深入	提供表观遗传学在癌症中作用的概述，并更新生物信息学和数据科学在癌症表观遗传学领域应用的研究进展	癌症表观遗传学数据及生物信息学与数据科学方法	机器学习	癌症	ChIP-seq, WGBS, MS	NA	表观遗传数据、组学数据、临床数据	NA	NA	NA	NA	NA
280	2026-06-04	Artificial intelligence for cell-free systems 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.08.009 PMID:41581993	综述	探讨人工智能与无细胞系统融合的进展、工业应用及未来方向	系统总结了人工智能（机器学习、深度学习、生成模型）在无细胞系统优化中的关键应用，如通过深度学习发现抗菌肽和利用主动学习提升蛋白质产量34倍，并展望了数字孪生和自驱动生物制造单元的潜在创新	数据需求、模型可迁移性和可扩展性是其面临的主要挑战	探索人工智能在无细胞系统中的应用，推动合成生物学发展	无细胞系统（如蛋白质合成和代谢途径）及其优化变量	机器学习	NA	无细胞系统	深度学习、生成模型、贝叶斯优化	NA	NA	NA	神经网络	NA	NA