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
3041	2026-08-03	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类流程，采用基础分割模型和深度学习进行多中心验证，实现高效准确的良恶性鉴别	首次将Meta的Segment Anything Model与DenseNet-121深度学习模型结合用于MRI卵巢病变分割与分类，并通过多中心外部验证证明其泛化性，同时显著缩短分割时间	研究为回顾性设计，未提供具体计算资源细节，且外部数据集样本量相对较小	开发一种高效、可泛化的MRI卵巢病变分类流程，并评估其与放射科医生诊断性能的对比	卵巢病变患者的多参数MRI图像及临床数据，以及放射科医生的主观评估	计算机视觉	卵巢癌	MRI	深度学习模型（DenseNet-121）和基础分割模型（SAM）	图像（MRI）和临床数据	主要数据集534个病灶（448名女性），外部数据集58个病灶（55名女性）和29个病灶（29名女性）	NA	DenseNet-121, SAM	Dice系数, AUC	NA
3042	2026-08-03	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	该研究在亚洲健康体检人群中外部验证了深度学习模型Sybil用于低剂量CT肺癌风险预测的性能。	首次在亚洲健康体检人群中外部验证Sybil模型，并评估其在从不吸烟或轻度吸烟史个体中的性能。	研究为单中心回顾性研究，可能限制结果的普适性。	外部测试Sybil模型在亚洲健康体检人群中识别肺癌高风险个体的能力，并评估其在无吸烟或轻度吸烟史亚组中的表现。	年龄50-80岁、接受低剂量CT检查且至少有一次随访扫描的亚洲个体。	深度学习	肺癌	低剂量CT	深度学习模型	图像	共18,057人，其中确诊92例肺癌。	NA	Sybil	时间依赖性曲线下面积（AUC）	NA
3043	2026-08-03	Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17976 PMID:40781836	研究论文	开发并评估一种基于深度学习的无透射衰减补偿方法（DaT-CTLESS），用于多巴胺转运蛋白单光子发射计算机断层扫描（DaT SPECT）成像，并通过计算机模拟影像试验验证其在临床现实环境中的可靠性	结合物理和深度学习概念，提出了一种无透射衰减补偿方法（DaT-CTLESS），该方法利用散射能量窗口投影重建初始衰减图，并通过基于U-net的网络进行区域分割，无需CT扫描即可实现衰减补偿，克服了传统CTAC方法的局限性	摘要中未明确提及局限性	开发一种无需CT扫描的传输无衰减补偿方法，用于DaT SPECT成像，并在临床现实环境中验证其性能，以克服CTAC方法的挑战	虚拟患者群体的DaT SPECT扫描图像，这些图像源自真实患者的CT和MR图像，并使用来自两个供应商的模拟SPECT扫描仪生成	医学影像	帕金森病	单光子发射计算机断层扫描（SPECT），计算机断层扫描（CT），磁共振成像（MR）	U-net	图像	150名虚拟患者用于训练，另外47名用于评估	NA	U-net	组内相关系数（ICC），保真度指标（FoMs）	NA
3044	2026-08-03	Photoplethysmogram based vascular aging assessment using the deep convolutional neural network 2022-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15240-4 PMID:35790836	研究论文	本研究提出了一种基于光电容积脉搏波（PPG）和深度卷积神经网络的无创血管老化评估方法，用于年龄估计。	使用可解释的人工智能模型（Grad-Cam）解释PPG波形特征对血管年龄估计的贡献，并采用端到端学习方式，无需额外特征检测过程。	研究样本量有限（752名成年人），且为单中心研究，可能影响模型的泛化能力。	通过深度学习模型从PPG信号中估计年龄，以非侵入性评估血管老化。	752名年龄在20-89岁之间的成年人。	机器学习	心血管疾病	光电容积脉搏波（PPG）	卷积神经网络（CNN）	图像	752名成年人（年龄20-89岁）	NA	卷积层和全连接层（具体架构未指定，但包含三个卷积层和两个全连接层）	平均绝对误差（MAE）、均方根误差（RMSE）、皮尔逊相关系数（r）、决定系数（R²）	NA
3045	2026-08-02	3-dimensional gradient and spin-echo magnetic resonance cholangiopancreatography with deep learning reconstruction at 3T: Achieving superior image quality with reduced acquisition time 2026-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110726 PMID:42264279	研究论文	本研究评估了3T下使用梯度自旋回波（GRASE）结合深度学习重建（DLR）的三维磁共振胰胆管成像（MRCP）的图像质量和临床可行性，并与无DLR的GRASE及使用涡轮自旋回波序列结合DLR（TSE-DLR）进行比较	首次将深度学习重建技术应用于GRASE序列的3D-MRCP，显著缩短采集时间并提升图像质量，特别是在屏气能力差的患者中表现出明显优势	回顾性研究设计，样本量相对较小（n=65），且未对不同疾病亚型进行详细分层分析	评估GRASE-DLR在3T下MRCP的图像质量、采集时间和诊断性能，并与传统TSE-DLR和GRASE进行比较	65例接受MRCP检查的患者，其中8例屏气能力差	医学影像	胆胰疾病	磁共振胆胰管成像（MRCP），深度学习重建（DLR）	深度学习重建模型	磁共振图像	65例患者	NA	深度学习重建网络	采集时间、图像质量评分、伪影评分、壶腹及胰胆管可视化评分、诊断敏感性、特异性、准确性、AUC	未指定，可能使用标准医学影像工作站
3046	2026-08-02	Compressed sensing magnetization-prepared 2 rapid gradient-echo for accelerated hip cartilage T1 mapping and deep learning-based 3D segmentation of hip cartilage and labrum 2026-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110725 PMID:42264278	研究论文	本研究验证了压缩感知MP2RAGE序列在髋关节软骨T1 mapping和软骨及盂唇3D分割中的加速可行性，并与标准序列进行对比评估	首次将压缩感知技术与MP2RAGE结合用于髋关节软骨成像，在缩短采集时间的同时保持T1值和三维形态学参数的测量准确性，并联合深度学习实现自动分割	需要进一步的前瞻性验证才能进行更广泛的临床应用	验证压缩感知MP2RAGE序列相比标准序列在髋关节软骨T1 mapping和髋关节软骨及盂唇自动3D分割中的一致性与可行性	髋关节软骨和盂唇，共18例患者	医学影像处理	髋关节疾病	压缩感知MP2RAGE	深度学习	磁共振图像	18例患者	未提及	3D U-Net	配对t检验，Bland-Altman分析，Dice相似系数，Spearman相关系数，相对误差	NA
3047	2026-08-02	Deep learning-enhanced zero echo time MRI for femoral cortical bone quantification: A technical validation against CT 2026-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110748 PMID:42472589	研究论文	本研究比较了零回波时间MRI与CT在股骨皮质骨定量测量中的表现，并验证了深度学习重建技术的有效性	首次将深度学习重建技术应用于零回波时间MRI，以增强股骨皮质骨定量分析的CT一致性，并引入化学位移校正和自动背景去除	样本量较小，且仅针对股骨近端单一解剖部位进行验证	评估深度学习增强的零回波时间MRI在股骨皮质骨定量测量中与CT的一致性，并探索其作为无辐射替代方案的可行性	股骨皮质骨，涉及30例髋关节撞击综合征患者	医学影像分析	髋关节撞击综合征	零回波时间MRI，CT成像	深度学习重建模型	医学影像（MRI和CT图像）	30例患者	NA	NA	归一化信号强度分析，组内相关系数	NA
3048	2026-08-02	Gait-Semantic Relational Knowledge Distillation for Ground Reaction Force Estimation 2026-Nov, Advanced engineering informatics IF:8.0Q1 DOI:10.1016/j.aei.2026.105063 PMID:42529416	研究论文	提出一种基于步态语义关系知识蒸馏的框架，用于从可穿戴鞋垫传感器数据中估计地面反作用力	在教师-学生蒸馏过程中引入步态相位感知的语义指导，通过将中间表示分解为相位特定组件并与文本语义表示对齐，利用文本语义作为锚点弥合师生表示差距	需要更多样化的人群、传感器配置和真实环境下的进一步验证以评估泛化性和实际适用性	提高轻量级学生模型从可穿戴鞋垫传感器数据估算地面反作用力的性能，同时降低计算开销并增强对步态序列语义结构的理解	地面反作用力估计的轻量级学生模型及教师-学生架构	机器学习	不适用	可穿戴鞋垫传感器	知识蒸馏模型	时间序列信号	不适用	不适用	教师-学生架构，文本编码器	估计性能指标（如均方误差等，具体未明确）	不适用
3049	2026-08-02	DHG-EPI: A dual-stream hypergraph learning framework with multi-level gating for essential protein identification 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109171 PMID:42288106	research paper	提出了一种名为DHG-EPI的双流超图学习框架，用于识别必需蛋白质，通过并行双流架构和多级门控机制提高识别性能。	采用三角形模体构建超图以捕获高阶拓扑结构，并结合多级门控机制（节点级向量门控和分支级门控注意力）实现自适应融合GO、亚细胞定位和蛋白质复合物等多模态信息。	未明确提及局限性。	提高必需蛋白质识别的准确性和鲁棒性，以支持药物靶标发现和细胞机制理解。	必需蛋白质识别，涉及蛋白质相互作用网络中的蛋白质节点。	机器学习	NA	超图卷积、多模态数据融合（GO、亚细胞定位、蛋白质复合物）	超图学习、门控注意力	蛋白质相互作用网络数据、生物语义数据	使用DIP、Krogan和BioGRID三个数据集	NA	双流架构（拓扑流和语义流），包含节点级向量门控模块和分支级门控注意力模块	准确性、富集分析	NA
3050	2026-08-02	An advanced ensemble deep learning framework for accurate multi-class lung cancer classification using IUNet++ and MResNext 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109189 PMID:42302349	研究论文	提出了一种集成深度学习框架，用于从CT扫描图像中进行多类肺癌分类，结合IUNet++和MResNeXt模型	结合改进的UNet++（IUNet++）与卷积块注意力模块（CBAM）进行肿瘤区域分割，使用增强大象群优化算法（EEHOA）进行特征选择，并改进了ResNeXt架构（MResNeXt）以提高分类性能，同时降低模型复杂度和提升训练效率	未在摘要中明确提及局限性	开发一个自动化的、计算高效的肺癌诊断框架，用于从CT图像中准确分类肺癌为良性、恶性或正常	CT扫描图像中的肺癌区域	计算机视觉	肺癌	CT成像	集成深度学习模型（IUNet++和MResNeXt）	图像	使用公开的IQ-OTH/NCCD肺癌CT数据集（未明确样本数量）	NA	IUNet++, MResNeXt, CBAM, EEHOA	准确率，精确率，召回率，F1分数	NA
3051	2026-08-02	An optimized cascaded transformer with progressive attention for lung and colon cancer diagnosis from histopathological images 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109205 PMID:42372510	研究论文	提出了一种基于优化级联变压器与渐进注意力的框架，用于肺和结肠癌组织病理图像分类，提高诊断准确性。	结合高斯自适应平滑卡尔曼滤波器、卷积初始封闭移动网络和渐进注意力优化级联变压器网络，并使用随机混沌秃鹰优化算法调整超参数。	未在摘要中提及具体局限性，可能需要更广泛的数据集验证或计算资源评估。	提高肺癌和结肠癌组织病理图像分类的准确性和效率，克服传统深度学习模型的过拟合和高计算成本问题。	肺癌和结肠癌的组织病理图像。	数字病理学	肺癌, 结肠癌	组织病理图像分析	变压器, 卷积神经网络	图像	包含肺癌和结肠癌数据集，具体样本量未提及。	NA	卷积初始封闭移动网络, 渐进注意力优化级联变压器网络	准确率, 精确度, 灵敏度, F1分数	NA
3052	2026-08-02	IRESGet: A transformer framework-based model to predict internal ribosome entry sites 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109232 PMID:42419188	研究论文	提出了一种基于Transformer框架的IRESGet模型，用于预测内部核糖体进入位点序列	首次应用Transformer架构于IRES序列预测，并通过RNA-FM特征编码和Optuna超参数优化提升了性能	当前数据集限制可能导致某些假阳性结果	开发高效准确的IRES序列预测模型，以替代劳动密集的实验方法	内部核糖体进入位点(IRES)序列	机器学习	不适用	RNA序列分析	Transformer	序列数据	从已发表文献和公共数据库整理的IRES数据集	Optuna, PyTorch	Transformer	准确性, 计算效率, 特异性, q值	未明确说明，但推断使用CPU或GPU
3053	2026-08-02	Denoising of ASL Data Using Deep Learning Priors Generated From Distribution Remapping 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70471 PMID:42272040	研究论文	提出了一种基于深度学习先验的ASL数据去噪方法，通过分布重映射增强数据并分离处理分布内和分布外特征，提升去噪效果和泛化能力。	采用I2SB分布重映射进行数据增强，并分别去噪分布内和分布外成分，解决了训练数据有限时的过拟合和泛化问题。	未明确提及，但可能依赖于高信噪比输出和稀疏约束的贝叶斯模型，计算复杂度较高。	开发一种有效的基于深度学习的ASL数据去噪方法，以加速采集并提高图像质量。	动脉自旋标记（ASL）磁共振灌注成像数据。	医学影像处理	中风	ASL磁共振成像	U-Net、I2SB、贝叶斯模型	图像	模拟数据、多个in vivo数据集、中风患者数据（使用总平均值六分之一）	PyTorch	U-Net、I2SB	SNR	未明确提及，可能使用GPU（如NVIDIA V100或A100）
3054	2026-08-02	T1-weighting in Steady-State FLASH MRI-Diffusion Is Not Only Supportive but Mandatory for the Contrast 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70443 PMID:42324643	研究论文	本文研究了在稳态FLASH MRI中，扩散效应对于T1加权对比度的必要性，并探讨了其在模拟与测量中的影响	首次指出在稳态FLASH MRI模拟中，扩散效应对于获得真实T1加权对比度是必需的，而非仅起辅助作用	文中未明确提及研究的局限性	研究扩散在稳态FLASH对比度形成中的作用，并评估其在模拟与仿真中的重要性	FLASH序列、合成脑部体模、3D打印脑部体模、硅油	磁共振成像	NA	FLASH MRI	神经网络（分割网络）	图像（合成和实测MRI图像）	一个合成脑部体模和一个3D打印脑部体模	NA	分割网络（具体架构未指明）	NA	NA
3055	2026-08-02	CoviPredX: AI-driven bioactivity prediction for small molecule therapeutics against SARS-CoV-2 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109167 PMID:42263552	研究论文	本研究开发了CoviPredX，一个基于机器学习和深度学习的小分子对SARS-CoV-2多蛋白1ab生物活性预测工具，并提供了网页应用接口	结合特征选择（SHAP、RFE）与集成学习（Stacking）提高预测精度，并开发了用户友好的网页工具CoviPredX	基于单一数据库（ChEMBL）和特定靶标，可能需要更广泛的数据验证	预测小分子化合物对SARS-CoV-2多蛋白1ab的生物活性，以支持抗病毒药物研发	小分子化合物及其对SARS-CoV-2多蛋白1ab的抑制活性（IC50值）	机器学习	COVID-19	分子指纹（PubChem, Morgan）	机器学习与深度学习模型（线性回归、决策树、随机森林、偏最小二乘、LightGBM、XGBoost、MLP、GRU、VAE、FFNN、CNN）	分子描述符和指纹数据	3747个化合物（来自ChEMBL数据库）	NA	Stacking模型（LightGBM、随机森林、XGBoost）和MLP	R²、MSE、MAE	NA
3056	2026-08-02	EI-Loss: Enhancing infectious disease forecasting via HSIC-guided signal-noise separation 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109155 PMID:42269262	研究论文	提出一种基于HSIC正则化的流行病信息损失函数（EI-Loss），以提升传染病预测模型对真实传播信号的提取能力	首次在流行病预测中推导出HSIC的有限样本泛化界，并通过最大化模型残差与代理噪声的依赖性来分离信号与噪声，显著提升预测性能	未在更多样化的疾病或数据集上验证，未探讨对不同类型的系统性监测扭曲的适应性	改进传染病预测模型的准确性，通过损失函数设计增强对真实传播动力学的建模	流感动态预测	机器学习	传染病（流感）	HSIC正则化	深度学习模型（未具体指定）	时间序列数据（流感监测数据）	三个不同的流感数据集	未指定	未具体指定	MSE, MAE	未提及
3057	2026-08-02	A systematic review of algorithmic challenges in noise modelling for multimodal single-cell 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109161 PMID:42275753	系统综述	对多模态单细胞数据中技术噪声建模的算法挑战进行系统性综述，涵盖RNA-ATAC、RNA-蛋白和空间转录组学整合，并依据PRISMA 2020指南分析2018至2026年间发表的24篇最新文章	首次系统性地综合多模态单细胞技术噪声建模策略，特别关注概率生成模型和结合变分推断与注意力或Transformer组件的混合深度学习架构	性能提升可能无法完全反映生物学现实条件下的表现，如稀有细胞群体和成分性批次效应	评估显式建模或减轻多模态单细胞数据集中技术噪声的算法方法	多模态单细胞数据集，包括RNA-ATAC、RNA-蛋白和空间转录组学整合	机器学习	NA	单细胞多组学测序（如RNA-ATAC、RNA-蛋白、空间转录组学）	概率生成模型、变分自编码器、混合深度学习架构（结合变分推断与注意力或Transformer组件）	多模态单细胞分子测量数据（包括RNA、ATAC、蛋白质、空间转录组数据）	24篇最新文章（发表于2018年至2026年）	NA	变分自编码器、注意力机制、Transformer组件	去噪效果、聚类一致性、潜在表示学习性能	NA
3058	2026-08-02	Deep learning-guided ligand generation for the strigolactone receptor ShHTL7 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109181 PMID:42296721	研究论文	该论文介绍了一个集成的深度学习辅助计算工作流，用于发现靶向独脚金内酯受体ShHTL7的配体，并通过多参数筛选策略优先选出了六个候选化合物	创新性地将REINVENT4平台与迁移学习结合用于配体生成，并整合了物理化学性质、ADMET相关描述符、分子对接和分子动力学模拟的多参数筛选策略，以发现针对ShHTL7的选择性化学调控剂	研究仅基于计算预测，未进行实验验证；候选化合物的实际生物活性和选择性尚需进一步的体外和体内实验确认	开发一种深度学习辅助的计算工作流，以生成和筛选靶向ShHTL7的配体，为选择性Striga调控剂的开发提供候选化合物	独脚金内酯受体ShHTL7及其靶向配体，特别是生成的化合物和母体配体KK023	机器学习	植物寄生杂草危害	分子对接、分子动力学模拟、MM/PBSA分析	生成模型	分子结构数据	六个优先候选化合物；一个配体-蛋白质复合物（inh-117）用于MM/PBSA分析	REINVENT4	NA	结合能	NA
3059	2026-08-02	SegMWB: A lightweight deep learning framework for microscopic image classification 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109223 PMID:42385451	研究论文	提出一个名为SegMWB的轻量级深度学习框架，用于白细胞显微镜图像分类，包含预处理、分割和分类阶段	设计了定制化的细胞核分割算法以提取判别性特征，并提出了集成卷积层分块模式的SegMWB-Net，在保持较低计算复杂度的同时提高分类性能	需要进一步在独立临床数据集上进行验证，才能考虑实际临床应用	开发一个自动化的白细胞分类系统，以早期诊断各种血液恶性肿瘤	白细胞显微镜图像	计算机视觉, 数字病理学	血液恶性肿瘤	NA	CNN（卷积神经网络）	图像	三个公开数据集，包括Raabin-WBC、Peripheral Blood Cell和LISC，具体样本数量未在标题和摘要中说明	NA	SegMWB-Net（集成卷积层分块模式）	准确率	NA
3060	2026-08-02	An interpretable framework for cancer drug response prediction using integrated drug and multi-omics data with a hybrid Bi-LSTM-GRU network 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109216 PMID:42385452	研究论文	本文提出了一种基于药物与多组学数据整合的混合Bi-LSTM-GRU网络框架HyDRP-LG，用于提高癌症药物反应预测性能，并通过SHAP解释关键基因及相关通路	提出了一种集成药物分子结构与细胞系多组学特征的混合深度学习架构HyDRP-LG，结合Bi-LSTM和GRU网络，并利用SHAP进行特征解释，以提供可解释性	未明确提及	提高癌症药物反应预测的准确性，并增强模型的解释性，以支持个性化癌症治疗	药物分子结构（SMILES格式）和细胞系的多组学数据（转录组、基因组和表观基因组）	机器学习	癌症	多组学数据整合（转录组、突变、甲基化）	混合深度学习网络（Bi-LSTM-GRU）	药物分子结构数据（SMILES字符串）和多组学数据（转录组、突变、甲基化）	未明确提及，但使用了CCLE数据集中的细胞系数据	NA	Bi-LSTM, GRU	预测性能（具体指标未明确提及）	NA