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	2026-11-14	Circuit-aligned specialization of human basal ganglia astrocytes 2026-Nov-12, Cell IF:45.5Q1 DOI:10.1016/j.cell.2026.09.041 PMID:43020029	研究论文	该文章通过整合单核转录组、表观基因组和空间转录组技术，对人类基底神经节星形胶质细胞的多样性及其与神经回路的对应关系进行了研究	首次系统地鉴定了人类基底神经节中三种解剖学组织的星形胶质细胞亚群，并发现其分子特征与神经递质转运体和突触相关程序相关，且这些特征在脑内具有普遍性；利用深度学习序列模型识别了亚群特异性增强子代码	摘要中未明确提及研究的局限性	探究人类基底神经节中星形胶质细胞的多样性和特化机制	人类基底神经节星形胶质细胞	神经科学	NA	单核转录组学, 表观基因组学, 空间转录组学	深度学习序列模型	转录组数据, 表观基因组数据, 空间转录组数据	NA	NA	NA	NA	NA
22	2026-11-14	PIANO enables generative modeling of gene expression and scales multi-omics integration to 100 million cells 2026-Nov-12, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101661 PMID:43020064	研究论文	开发了PIANO深度学习框架，用于单细胞基因表达的生成建模及大规模多组学数据整合，可处理超过1亿个细胞	提出概率推断自编码器网络用于多组学，核心特征是基因表达数据的生成模型，能同时实现强批次效应校正、大规模扩展（百万级细胞）和协变量对基因表达影响的建模，训练速度比先前方法快10倍	未明确说明	解决单细胞转录组数据整合中的三个挑战：校正强批次效应、扩展到数百万细胞、建模协变量如何影响基因表达	单细胞RNA测序数据、空间转录组数据、跨物种单细胞数据、癌症细胞、阿尔茨海默病人脑组织	机器学习, 生物信息学	阿尔茨海默病, 癌症	单细胞RNA测序, 空间转录组学	自编码器, 生成模型, 概率模型	基因表达数据, 单细胞转录组数据, 空间转录组数据	超过1亿个癌症细胞及跨物种单细胞数据	NA	概率推断自编码器网络	NA	NA
23	2026-11-14	Attention-Guided Hybrid Deep Learning Framework for Automated Oral Lichen Planus Classification 2026-Nov-12, European journal of dentistry DOI:10.1055/s-0046-1829453 PMID:43020129	研究论文	该研究开发了一个可解释的人工智能框架，利用注意力引导的混合深度学习模型和混合特征优化，实现口腔扁平苔藓的自动分类	结合两个注意力引导的CNN提取互补深度特征，使用混合灰狼优化器与变异局部搜索进行特征优化，并增强模型可解释性	需要在大型多中心队列中进一步验证	开发可解释的自动口腔扁平苔藓分类框架	口腔扁平苔藓临床图像	计算机视觉	口腔扁平苔藓	深度学习	CNN	图像	1345张临床图像（747张OLP和598张非OLP）	NA	LichenNet-CBAM, Inception-LichenNet-CBAM, 朴素贝叶斯, AdaBoost, 随机森林	准确率, ROC-AUC	NA
24	2026-11-14	Cue modality modulates dynamic functional network organization during motor imagery: Evidence from EEG functional connectivity and spatiotemporal decoding 2026-Nov-12, Biological psychology IF:2.7Q2 DOI:10.1016/j.biopsycho.2026.109426 PMID:43020372	研究论文	结合功能连接分析与CNN-TemporalConv-MLP时空解码模型，研究视觉与听觉提示以及动觉与视觉运动想象对脑电功能连接的影响	同时考察提示模态与想象类型对运动想象后功能连接的联合影响，并采用CNN-TemporalConv-MLP时空解码模型对PLV特征进行解码	未明确说明样本量、计算资源及具体性能指标数值，整体想象类型分类判别力较低	探究提示模态和想象类型如何共同影响运动想象期间的功能连接	运动想象任务中的脑电信号	脑机接口	NA	脑电	CNN, TemporalConv, MLP	脑电信号	NA	NA	CNN-TemporalConv-MLP	解码性能（未明确具体指标）	NA
25	2026-11-14	Interpreting and Validating a Deep Learning Model Predictive of Spatial Morphologic-Molecular Patterns in Lung Adenocarcinoma, Using Ground Truth Immunohistochemistry Images 2026-Nov-12, The American journal of pathology DOI:10.1016/j.ajpath.2026.10.009 PMID:43020427	研究论文	开发了一个可解释的深度学习模型XpressO-Lung，从H&E全切片图像中预测肺腺癌肿瘤及其微环境中基因表达的空间异质性，并用免疫组化图像进行了外部验证	提出可解释的深度学习模型XpressO-Lung，能够将H&E全切片图像的组织形态与bulk转录组数据关联，实现对肿瘤及其微环境中基因表达空间模式的可解释预测，并在外部临床样本上用免疫组化验证了模型预测的空间模式与观察到的组织形态特征的一致性	研究使用的TCGA肺腺癌病例数量有限（200例），外部验证样本来自单一机构；模型仅基于bulk转录组数据学习空间表达模式，而非真正的空间转录组数据；预测AUC在部分基因上相对较低（如0.64）	弥合组织病理学与bulk转录组学之间的差距，利用深度学习从常规H&E诊断全切片图像中预测基因表达的空间异质性，推进肺腺癌的生物标志物发现、治疗分层和精准肿瘤学	肺腺癌（LUAD）患者及其肿瘤和微环境组织	数字病理学	肺癌	H&E全切片图像分析、bulk转录组测序、免疫组化（IHC）	深度学习模型（可解释模型）	图像（全切片图像）、转录组数据	200例来自TCGA的肺腺癌病例，外加Dartmouth Health的外部临床样本集	NA	XpressO-Lung	AUC	NA
26	2026-11-14	Benchmark Accuracy Does Not Transfer: Domain Adaptive Deep Learning for Diabetic Retinopathy Detection in a Bangladeshi Clinical Setting 2026-Nov-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02454-5 PMID:43020978	研究论文	本文研究了深度学习糖尿病视网膜病变检测模型从基准数据集到孟加拉国临床环境的域偏移问题，并提出了一种结合视网膜预处理、渐进微调、软投票和测试时增强的域自适应流程	量化了基准准确率到临床准确率之间44.46-46.85个百分点的严重性能下降，并提供了一致的定量证据；提出了一个综合多种技术的域自适应流程，将平均个体模型准确率提升27.1个百分点	仍存在假阴性率；单中心设计限制了临床就绪性的声明；仅使用单一眼科医生的分级作为参考标准	调查深度学习糖尿病视网膜病变筛查模型在基准数据集与真实临床环境之间的性能差距，并探索域自适应方法来恢复目标域性能	来自APTOS 2019数据集的3662张图像用于源域训练，来自孟加拉国诊所的500张平衡眼底图像（250张DR，250张无DR）用于目标域评估	医学图像分析	糖尿病视网膜病变	眼底成像	CNN	图像	源域3662张图像（APTOS 2019）；目标域500张眼底图像（250 DR，250无DR），由一位经验丰富的眼科医生分级	NA	NA	准确率，敏感度，特异性，精确率，F1分数，Fréchet距离，MMD，Wilson置信区间	NA
27	2026-11-14	Corrigendum to: Untangling Breast Cancer: Trailing Towards Nanoformulations-based Drug Development 2026-Nov-12, Recent patents on nanotechnology IF:2.0Q3 DOI:10.2174/1872210521999261112114106 PMID:43023370	更正	本文是对已发表文章《解开乳腺癌：迈向基于纳米制剂的药物开发》的更正，修正了原文中不清晰或不一致的术语表述	不适用	仅修正措辞和术语，不改变数据、结果、科学解释或结论	确保已发表记录的准确性和清晰度，修正不清晰或不一致的术语	已发表文章中的特定段落和术语	数字病理学	乳腺癌	不适用	不适用	文本	不适用	不适用	不适用	不适用	不适用
28	2026-11-14	A Deep Learning Approach for Thickness Determination of AZO Thin Films 2026-Nov-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c10558 PMID:43022942	研究论文	开发了一个数据库和机器学习模型，从光学透射光谱预测铝掺杂氧化锌（AZO）薄膜的厚度	结合自编码器与跳跃连接提取透射光谱中最具信息量的特征，显著提高了厚度预测精度	模型仅适用于AZO薄膜，因为训练数据源自AZO测量，但方法论可推广到其他成分的薄膜	利用深度学习从光学透射光谱中确定AZO薄膜的厚度	铝掺杂氧化锌（AZO）薄膜	机器学习	NA	光学透射光谱测量	全连接神经网络, 自编码器	光谱数据	145个实验薄膜样品，厚度在100-1500 nm之间；生成的合成数据库包含120万个样本（每个区域24万个，共5个区域）	NA	全连接神经网络, 自编码器（带跳跃连接）	平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
29	2026-11-14	Artificial Intelligence in Diabetes Mellitus Management: A Narrative Review of Advances, Architectures, and Translational Challenges 2026-Nov-10, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998507302261019052129 PMID:43023517	综述	本文综述了人工智能在糖尿病管理中的应用进展、模型架构及转化挑战，涵盖风险预测、血糖预测、并发症检测及隐私保护框架	不同于以往仅关注单一应用领域或将1型和2型糖尿病视为单一群体的综述，本文围绕两类糖尿病各自不同的AI设计需求进行组织，并将应用分类为实验性、商业化和监管批准三类	大多数高性能模型仅经过内部验证，泛化能力有限；可解释性和外部验证仍是临床采用的核心障碍	探讨人工智能如何弥补传统糖尿病管理在药物耐药、依从性差和个性化不足方面的缺陷	糖尿病管理相关的AI研究文献（2020年1月至2025年12月）	机器学习	糖尿病	NA	CNN, LSTM, SVM, Transformer	文本	NA	NA	卷积神经网络, 长短期记忆网络, 支持向量机, Transformer	NA	NA
30	2026-11-14	SILC-G: Instance-level contrastive learning on semantic-enhanced graphs for fine-grained DTI prediction 2026-Nov-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109867 PMID:43019889	研究论文	提出了一种语义增强的实例级对比学习框架SILC-G，用于细粒度药物-靶标相互作用预测	将预训练语言模型（ChemBERTa和ESM）的语义知识注入药物和靶标图节点，结合跨模态交叉注意力建模原子-残基依赖，并引入动态记忆辅助的实例级对比学习策略提升泛化能力	摘要中未明确说明	提升细粒度药物-靶标相互作用预测性能，并在分布偏移下保持稳健性	药物化合物和靶标蛋白质	机器学习	NA	预训练语言模型（ChemBERTa、ESM）、图建模、对比学习	跨模态交叉注意力、图神经网络、对比学习	图数据（药物分子图、靶标蛋白质图）及语义嵌入	多个基准数据集（未具体说明样本量）	NA	ChemBERTa, ESM, 跨模态交叉注意力, 动态记忆辅助的实例级对比学习	NA	NA
31	2026-11-14	OSS: Open suturing skills vision-based assessment challenge 2024-2025 2026-Nov-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104359 PMID:43019931	研究论文	本文介绍了MICCAI OSS挑战赛2024-2025，旨在基准测试和推进开放手术中基于视觉的技能评估	首次针对开放手术缝合技能评估组织专门的MICCAI挑战赛，提供包含视频和器械轨迹的多模态数据集，并设置技能分类、OSATS评分预测和手/工具跟踪三项任务	预测细粒度OSATS评分仍然具有挑战性；关键点跟踪因频繁遮挡和出框情况而困难，限制了当前基于运动的技能分析应用	通过自动化、数据驱动的方法评估开放手术技能，以改善外科培训	开放缝合训练任务的视频及器械轨迹数据	计算机视觉	NA	NA	CNN, LSTM, Transformer	视频, 轨迹数据	NA	NA	通用时空视频模型, 跟踪驱动方法, 混合方法	NA	NA
32	2026-11-14	Surrogate-guided self-play Monte Carlo tree search for antimicrobial peptide sequence optimization and in vitro antibacterial assessment 2026-Nov-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag618 PMID:43021603	研究论文	本文提出一个由替代模型引导的自对弈蒙特卡洛树搜索强化学习框架，用于抗菌肽序列的从头设计与多目标优化，并对计算筛选出的候选肽进行了体外抗菌活性评估	将替代模型引导的自对弈蒙特卡洛树搜索强化学习框架用于抗菌肽序列优化，整合抗菌活性预测、HemoDL溶血性预测和ESMFold结构置信度进行多性质优化与候选优先级排序，并将计算预测结果与体外琼脂稀释法抗菌实验进行对照验证	实验评估仅限于细菌琼脂稀释法活性测定，未开展哺乳动物细胞毒性、湿实验溶血性和肽稳定性实验；替代模型、对接和结构评分未能完全反映抗菌效力的全部决定因素，计算富集与实测活性之间仍存在差距	解决抗菌肽从头设计中组合搜索空间巨大以及难以平衡效力与毒性的问题，建立生物活性肽的计算设计框架并弥合深度学习预测与实验结果之间的差距	抗菌肽序列及多重耐药病原体（包括金黄色葡萄球菌及其耐药靶点PBP2a和MurA），以及37株细菌测试panel	机器学习	细菌感染	强化学习、蒙特卡洛树搜索、替代模型预测、ESMFold结构预测、分子对接、固相肽合成、琼脂稀释法抗菌药敏试验	强化学习、蒙特卡洛树搜索、替代模型（surrogate model）、HemoDL、ESMFold	肽序列、结构数据、对接评分、实验抗菌活性数据	合成并评估16条候选肽，针对37株细菌在0.25-64 μg/ml浓度范围内进行测试	NA	自对弈蒙特卡洛树搜索、替代模型、HemoDL、ESMFold	完全抑制菌株数、部分生长降低、预测折叠置信度、对接评分	NA
33	2026-11-14	Association between deep-learning-derived retinal aging speed and rapid decline of renal function in the Japanese general population 2026-Nov, Clinical kidney journal IF:3.9Q1 DOI:10.1093/ckj/sfag391 PMID:43017312	研究论文	研究深度学习估算的视网膜衰老速度与日本普通人群肾功能快速下降之间的关联	首次提出视网膜衰老速度这一指标，并发现其与肾功能快速下降独立相关	回顾性研究设计，仅限日本人群，观察性研究无法确定因果关系	探究深度学习估算的视网膜衰老速度是否与估算肾小球滤过率（eGFR）快速下降相关	7807名接受定期健康检查的日本普通人群个体	数字病理学	肾脏疾病	深度学习、眼底照相	深度学习模型	图像、纵向临床数据	7807名个体，中位随访8.0年，中位就诊9.0次	NA	NA	比值比（OR）、95%置信区间（CI）、P值	NA
34	2026-11-14	Multimodal Deep Learning Prognostic Model for Predicting Treatment Outcomes for Oropharyngeal Carcinoma 2026 Oct-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00226 PMID:43019507	研究论文	开发并评估了一种融合CT影像与临床变量的多模态深度学习模型，用于预测口咽鳞状细胞癌的局部区域复发	采用交叉注意力机制融合CT影像与临床特征，并与特征拼接、仅临床和仅影像模型进行比较	需要前瞻性外部验证后才能用于个体化治疗决策	准确预测口咽鳞状细胞癌的局部区域复发，以指导治疗降级决策	经组织学确诊的口咽鳞状细胞癌患者，接受根治性放疗（伴或不伴同步化疗）且未行原发肿瘤手术切除	医学影像分析	口咽癌	CT影像	交叉注意力多模态深度学习模型	影像和临床数据	1384例患者	NA	交叉注意力模型	C-index, 风险分层（Kaplan-Meier分析及log-rank检验）	NA
35	2026-11-14	Revolutionizing traditional Chinese medicine research: Advancements in traditional machine learning and deep learning for AI-driven applications 2026-Oct, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2026.101572 PMID:43022901	综述	本文综述了传统机器学习和深度学习等人工智能技术在中药毒性预测、药效评估、靶向药物开发、饮片识别分类、真伪与质量验证、质量控制以及处方配伍规律探索等方面的应用，并讨论了相关挑战与未来趋势。	系统总结了基于传统机器学习和深度学习的人工智能在中药研究多个方面的具体应用，明确了所用技术方法，剖析了应用过程中的技术挑战，并展望了跨学科合作与未来应用趋势。	作为综述文章，未开展原始实验验证；文中指出的挑战包括传统方法在中药研究中的诸多局限以及人工智能应用过程中遇到的技术难题。	总结人工智能在中药领域的研究现状，厘清所采用的技术方法，洞察并思考应用过程中的技术挑战，为未来相关研究提供参考和依据，并探索人工智能在中药研究中的未来应用趋势。	中药研究，包括中药毒性预测、药效评估、靶向中药开发、中药饮片识别与分类、真伪与质量验证、质量控制及处方配伍规律等	中医药人工智能	NA	传统机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
36	2026-11-14	Deep learning model for automatic detection of incidental adrenal abnormalities on low-dose computed tomography images 2026-08-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02651-2 PMID:43021114	研究论文	该研究探讨了利用深度学习模型在低剂量CT图像上自动分割和分类肾上腺偶发异常	开发了针对低剂量CT图像的深度学习模型，实现肾上腺的自动分割和异常分类，并证明其性能优于常规放射科报告	回顾性研究设计，外部验证队列样本量相对较小，未详细说明模型泛化能力及临床实施挑战	研究深度学习模型在低剂量CT图像上自动分割和分类肾上腺偶发异常的可行性	接受低剂量CT检查的患者肾上腺	医学图像分析	肾上腺异常	低剂量计算机断层扫描（LDCT）	深度学习模型（分割和分类）	CT图像	总样本量8239例CT扫描（队列A：2574例，队列B：1205例，队列C：3681例，队列D：779例）	NA	NA	Dice相似系数（DSC），精确率-召回率曲线下面积（AUPRC），受试者工作特征曲线下面积（AUROC）	NA
37	2026-11-14	A curated dataset for cryo-EM map post-processing 2026-Jul-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07949-y PMID:43020832	研究论文	本文提出了一个用于冷冻电镜图后处理方法的标准化数据集，包含训练、验证和测试子集，以及多种后处理方法生成的结果和质量指标	提供了第一个标准化、可重复的冷冻电镜后处理评估数据集，包含多种深度学习方法和传统方法的后处理体积，以及预计算的质量指标和统一的工作流	未明确提及具体的局限性，但可能受限于数据集规模和方法覆盖范围	解决冷冻电镜后处理方法缺乏标准化和可重复评估资源的问题，促进方法的独立比较和新方法开发	冷冻电镜图及其后处理体积、原子模型和质量指标	结构生物学	NA	冷冻电镜	NA	图像	未明确说明具体数量，但包含非重叠的训练、验证和测试子集	NA	CryoTEN, EMReady, EMReady2, DeepEMhancer	Phenix工具导出的质量指标、Q-scores	NA
38	2026-11-14	A real-time deep learning method for detection and localization of non-emerged cabbage seedlings 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1984989 PMID:43016999	研究论文	本文提出了一种基于无人机实时检测和定位未出苗甘蓝幼苗的深度学习方法	提出了增强型YOLOv8n检测器，通过更高效的主干网络和双向特征融合颈部，在保持实时推理能力的同时将mAP50-95提高了8%，并集成YOLO跟踪算法和图像处理算法，实现未出苗幼苗的实时检测与定位，识别准确率达96.9%，且能区分连续未出苗幼苗的数量，仅需五分之一的人工投入	未明确提及	解决传统人工检查作物幼苗未出苗情况费时费力的问题，实现精准、快速、实时的未出苗幼苗检测与定位	甘蓝幼苗	计算机视觉	NA	无人机遥感	CNN	图像	NA	NA	YOLOv8n	mAP50-95, 识别准确率	NA
39	2026-11-14	A multisource clinical deep learning model for early identification of mental disorders in first-visit psychiatric patients 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1988768 PMID:43017121	研究论文	该研究开发了一个多源临床深度学习模型TUCH-FT，用于首次就诊精神科患者精神障碍的早期识别和多标签分类	提出三分支临床特征编码方法、不确定性感知嵌入方法、跨组多头注意力融合机制和分层多标签分类方法，以解决异质临床信息、模糊临床病史、多源信息交互和共病关系建模的挑战	完整诊断组合的精确匹配准确率为60.8%，在预测共病障碍方面存在一定局限性	利用人口学信息、临床病史和症状自评量表-90条目级数据，实现首次就诊精神科患者精神障碍的早期识别和多标签分类	5802名首次就诊精神科患者，以及1272名患者的时间分离同中心验证队列	医学人工智能	精神障碍	深度学习	FT-Transformer	表格数据	5802名首次就诊精神科患者用于模型开发，1272名患者用于时间分离同中心验证	NA	FT-Transformer	Macro-F1, Micro-F1, Macro-average precision, Hamming loss, label ranking average precision, Brier score, expected calibration error, 精确匹配准确率	NA
40	2026-11-14	Intraoperative indocyanine green fluorescence imaging and multimodal deep learning for predicting non-salvage outcomes in pediatric testicular torsion 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1936322 PMID:43017133	研究论文	评估多模态吲哚菁绿近红外荧光深度学习模型在预测儿童睾丸扭转非挽救结局中的表现	首次将术中吲哚菁绿近红外荧光成像与多模态深度学习结合用于预测儿童睾丸扭转的非挽救结局	单中心回顾性分析，样本量有限，需要外部验证	评估多模态ICG-NIRF深度学习模型预测儿童睾丸扭转复合非挽救结局的效能	连续收治的经手术确诊的儿童睾丸扭转患者	医学影像分析，数字病理学	睾丸扭转	吲哚菁绿近红外荧光成像	多模态深度学习模型，双流模型	图像（手术照片和标准化30秒荧光图像）	153例患者（开发队列107例，内部评估队列46例）	NA	双流模型	AUC，Brier分数	NA