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
4701	2026-04-21	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	本文提出了一种名为D-I-TASSER的混合方法，通过整合多源深度学习势能与迭代穿线片段组装模拟，构建原子级蛋白质结构模型	提出了一种结合深度学习与传统基于物理的折叠模拟的混合方法，并引入了用于大型多域蛋白质结构自动建模的域拆分与组装协议	未明确提及	开发一种高精度的蛋白质结构预测方法，适用于单域和多域蛋白质	蛋白质结构，特别是单域和多域蛋白质	机器学习	NA	深度学习，迭代穿线片段组装模拟	深度学习模型	蛋白质序列与结构数据	在人类蛋白质组中测试了蛋白质域和全长序列	NA	D-I-TASSER	基准测试结果，与AlphaFold2和AlphaFold3的比较	NA
4702	2026-04-21	Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Apr, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器用于自动化预处理肿瘤细胞和组织的拉曼光谱，以提高光谱质量	使用卷积自编码器实现单步自动化预处理，替代传统多步骤方法，并应用于临床前和临床拉曼光谱数据	未明确提及模型在更广泛数据集或不同癌症类型上的泛化能力	开发深度学习框架以高效自动化预处理用于辐射响应监测的肿瘤细胞和组织拉曼光谱	肿瘤细胞（临床前单细胞系和异种移植组织）和临床前列腺肿瘤活检组织	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11000个光谱（包括临床前和临床数据）	NA	卷积自编码器	均方根误差, 百分比均方根差异, CR去除率	无需GPU，在2.4秒内处理约11000个光谱
4703	2026-04-21	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，通过生成式免疫标记自动检测前列腺癌在3D病理数据集中的区域	开发了基于深度学习的3D图像转换模型，将H&E模拟3D病理数据转换为多路复用3D免疫荧光数据，以促进肿瘤检测，并生成可解释的3D热图	未明确提及具体限制，但依赖于病理学家的地面真实注释进行验证，且样本量相对较小（75名患者）	自动化和改进在3D病理数据集中区分良性和前列腺癌富集区域的过程，以支持基于3D病理数据的前列腺癌风险分层	前列腺组织样本，包括癌症和良性腺体	数字病理学	前列腺癌	3D病理学，免疫荧光，H&E染色	深度学习图像转换模型	3D图像数据	75名患者	NA	NA	F1分数	NA
4704	2026-04-21	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	通过整合全切片图像的深度学习特征与细胞成分（特别是巨核细胞）的详细表型数据，采用双流方法融合多源信息，显著提升了MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析，高级图像处理技术	CNN	图像	411个患者样本，带有详细的临床和组织病理学注释	NA	NA	NA	NA
4705	2026-04-21	Interpretable MRI-Based Machine Learning Model for Noninvasive Prediction of Axillary Lymph Node Metastasis After Neoadjuvant Chemotherapy in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.018 PMID:41633888	研究论文	本研究开发了一种可解释的机器学习模型，整合MRI影像组学、深度学习特征和Node-RADS评分，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	首次将MRI影像组学特征、ResNet50深度学习特征和Node-RADS评分结合，构建可解释的临床-深度学习-影像组学（CDLR）模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移预测	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限；模型性能在外部验证队列中有所下降	开发可解释的机器学习模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	641例经病理确诊的乳腺癌患者，接受新辅助化疗和手术治疗	数字病理学	乳腺癌	动态对比增强MRI	机器学习	MRI影像	641例患者（训练队列397例，内部验证99例，外部验证145例）	Scikit-learn	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
4706	2026-04-21	Novel deep learning CCTA-FFR for detecting functionally significant coronary stenosis: Comparison with iFR 2026 Mar-Apr, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.007 PMID:41519628	研究论文	本研究评估了一种新型的基于深度学习的现场冠状动脉CT血管造影血流储备分数算法与有创瞬时无波比在检测功能性显著冠状动脉狭窄方面的诊断性能	开发并验证了一种现场深度学习CT-FFR算法，可在工作站实现近实时生理评估，相比传统CCTA狭窄评估提供了显著的增量诊断价值	研究为回顾性分析，样本量较小（44例患者，44个病变），需要更大规模的多中心研究来验证结果并明确其临床作用	评估新型现场深度学习CT-FFR算法与有创iFR相比，在检测功能性显著冠状动脉狭窄方面的诊断性能	接受临床指征冠状动脉CT血管造影和有创iFR测量的患者及其冠状动脉病变	数字病理学	心血管疾病	冠状动脉CT血管造影，深度学习血流储备分数计算	深度学习	医学影像（冠状动脉CT血管造影图像）	44例患者，44个冠状动脉病变	NA	cFFR v6	敏感性，特异性，阳性预测值，阴性预测值，准确率，ROC曲线下面积，Pearson相关系数	现场工作站集成系统
4707	2026-04-21	Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest 2025-10, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110693 PMID:40582483	研究论文	本研究利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤，并探索模型是否能识别放射科医生视觉未察觉的损伤	首次应用深度学习模型在儿童院外心脏骤停后早期CT图像中自动检测缺氧缺血性脑损伤，并证明模型能识别放射科医生视觉未发现的损伤	样本量较小（117例），且为回顾性研究，可能存在选择偏倚	开发深度学习模型以早期检测儿童心脏骤停后的缺氧缺血性脑损伤	儿童院外心脏骤停患者及其早期CT扫描图像	计算机视觉	缺氧缺血性脑损伤	CT扫描	深度学习模型	图像	117例儿童院外心脏骤停病例及年龄匹配的对照组	NA	NA	AUC	NA
4708	2026-04-21	Multimodal profiling of Pepcan-CB1 receptor structure-activity relationships: integrating molecular dynamics simulations, biological profiling, and the deep learning model MuMoPepcan 2025-10, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.109027 PMID:41005111	研究论文	本文提出了一种结合分子动力学模拟与湿实验数据的深度学习框架MuMoPepcan，用于预测肽类与大麻素受体CB1的生物活性，并发现了潜在镇痛化合物RD-pepcan-11	将分子动力学模拟数据作为数据增强方法，整合到肽类生物活性预测中，提高了模型在有限实验数据下的泛化能力和准确性	研究主要针对CB1受体和pepcans，可能不直接适用于其他受体或肽类体系；数据规模虽通过模拟扩大，但实验验证样本量有限	开发一种结合干湿实验的框架，以改善药物发现中机器学习在有限数据下的预测性能	大麻素受体CB1及其配体pepcans肽类	机器学习	NA	分子动力学模拟，生物筛选，深度学习	深度学习模型	分子构象数据，生物活性数据	45种合成pepcans肽类，以及数百万分子动力学模拟生成的构象数据	NA	MuMoPepcan	预测误差	NA
4709	2026-04-21	The Efficacy of Artificial Intelligence in the Detection and Management of Atrial Fibrillation 2025-Jan, Cureus DOI:10.7759/cureus.77135 PMID:39925585	系统综述	本文系统评估了人工智能在心房颤动风险预测、监测和管理中的应用	首次全面评估了人工智能与心房颤动领域的交叉应用，并识别了现有研究中的关键差距	由于数据异质性和方法学不一致，人工智能工具的可靠性和一致性在不同研究中存在差异	评估人工智能在心房颤动检测和管理中的效能	心房颤动患者及相关医疗数据	机器学习	心血管疾病	NA	机器学习, 深度学习, 人工神经网络	心电图数据, 可穿戴设备数据	39项符合纳入标准的研究	NA	最优时变机器学习模型, 观察性医疗结果伙伴关系通用数据模型	灵敏度, 特异性	NA
4710	2026-04-21	Multicentric clinical evaluation of a computed tomography-based fully automated deep neural network for aortic maximum diameter and volumetric measurements 2024-06, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.01.214 PMID:38325564	研究论文	本研究评估了一种基于深度学习的全自动方法（ARVA）用于主动脉分割及直径和体积测量	开发了一种全自动深度学习模型，能够同时进行主动脉分割、最大直径测量和体积计算，并在多中心临床数据上验证其性能	研究仅基于350例CTA扫描，样本量相对有限，且未涉及更广泛的主动脉疾病亚型	评估深度学习模型在主动脉影像分析中的准确性和临床适用性	主动脉CTA扫描图像	数字病理学	心血管疾病	计算机断层扫描血管造影（CTA）	深度神经网络	医学影像	350例CTA扫描，来自216名患者	NA	深度神经网络	绝对直径差异中位数，体积相似性误差，临床可接受范围比例	NA
4711	2026-04-21	Deep learning to extract the meteorological by-catch of wildlife cameras 2024-01, Global change biology IF:10.8Q1 DOI:10.1111/gcb.17078 PMID:38273582	研究论文	本研究利用深度学习从野生动物相机图像中提取微气象条件，如阴天、阳光、冰雹和雪	首次将深度学习应用于野生动物相机图像以提取潜在的、生态相关的微气象信息，而非仅关注生物主体	模型在未见过的地点（如挪威斯瓦尔巴）的准确率相对较低（79.3%），且需要丢弃部分无共识的分类结果	从野生动物相机图像中提取微气象数据，以研究微气候对生物多样性的影响	野生动物相机拍摄的图像，涵盖阴天、阳光、冰雹和雪等气象条件	计算机视觉	NA	深度学习	集成深度学习模型	图像	来自49个野生动物相机的标注图像数据集，以及近200万张未标注图像	NA	NA	准确率, 共识准确率	NA
4712	2026-04-21	Human Alzheimer's disease reactive astrocytes exhibit a loss of homeostastic gene expression 2023-08-02, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-023-01624-8 PMID:37533101	研究论文	本研究利用单核RNA测序数据，揭示了阿尔茨海默病患者反应性星形胶质细胞转录组变化，特别是稳态基因表达的显著丧失	首次在单细胞分辨率下系统描述人类阿尔茨海默病反应性星形胶质细胞的转录组特征，发现其反应性表现为稳态基因的显著下调而非传统认为的单纯上调	研究主要基于转录组数据，功能验证相对有限；样本来源为死后脑组织，可能存在死后变化影响	探究阿尔茨海默病中反应性星形胶质细胞的分子特征和功能变化	人类正常、病理性衰老和阿尔茨海默病脑组织中的星形胶质细胞	生物信息学	阿尔茨海默病	单核RNA测序, 共免疫荧光染色	深度学习聚类算法	RNA测序数据, 图像数据	15,529个星形胶质细胞核	NA	NA	NA	NA
4713	2026-04-20	Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12049-3 PMID:41326828	研究论文	本研究开发并外部验证了一种基于CT的多任务深度学习模型，用于预测椎体骨折风险	采用多任务学习框架，整合骨骼和肌肉的CT图像特征，相比仅使用骨骼图像或传统临床模型，显著提升了椎体骨折的预测性能	研究样本主要来自特定年龄范围（50-80岁）的患者，可能限制了模型的泛化能力；外部验证集虽来自两家独立医院，但地域和人群多样性可能不足	开发并验证一种基于CT图像的椎体骨折风险预测模型	50-80岁患者的腹部CT扫描图像	数字病理学	骨质疏松性骨折	CT扫描	深度学习	图像	开发集2553名患者，外部测试集1506名患者	NA	多任务深度学习模型	AUROC, c-index	NA
4714	2026-04-20	A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12208-6 PMID:41405689	研究论文	本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌进行风险分层	首次利用深度学习模型将诺丁汉组织学分级2级肿瘤重新分类为1级样和3级样子群，并证明其与复发风险独立相关	研究依赖于特定的MRI数据集，外部验证样本量较小，需要进一步的多中心验证	开发一种基于影像的深度学习工具，对诺丁汉组织学分级2级乳腺癌进行风险分层，以指导个体化治疗决策	乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤	数字病理学	乳腺癌	动态对比增强MRI	CNN	医学影像	训练集877例，测试集37例，外部验证集456例NHG2肿瘤	NA	卷积神经网络	AUC, C-index, 风险比	NA
4715	2026-04-20	eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12184-x PMID:41420708	研究论文	本研究介绍了一种结合临床和影像数据的增强版CAPRI评分（eCAPRI），用于预测经导管主动脉瓣植入术（TAVI）后一年死亡率	eCAPRI评分通过深度学习模型自动测量胸主动脉钙化体积，并整合了从术前CT扫描中自动提取的额外影像生物标志物，实现了全自动化的风险预测	研究仅在特定患者队列（192例CT扫描）上进行了评估，可能需要进行更大规模、多中心的验证以确认其普适性	开发并验证一种结合自动影像生物标志物和临床因素的评分工具，以改进TAVI术后一年死亡率的预测	接受经导管主动脉瓣植入术（TAVI）的钙化主动脉瓣狭窄（CAS）患者	数字病理学	心血管疾病	CT扫描	深度学习模型	图像	训练集：66名患者用于深度学习模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分比较	NA	NA	AUC, Dice系数, 校准曲线	NA
4716	2026-04-20	A review of machine learning applications in the prediction of selected groundwater quality parameters: Key lessons, knowledge gaps, and future directions 2026-Apr-25, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181693 PMID:41861475	综述	本文系统回顾了过去十年中超过100篇关于机器学习在地下水质量参数预测中应用的同行评议文章	通过两个互补视角（地下水质量视角和机器学习视角）评估机器学习在地下水质量研究中的最新应用，并识别了关键成果、经验教训及未来方向	存在研究区域覆盖不足、跨流域尺度扩展困难以及学术进展向实践转化方面的空白	评估机器学习在地下水质量预测中的应用现状，并为研究者和实践者提供结构化路线图	地下水质量参数、流域背景、机器学习模型及相关研究	机器学习	NA	NA	深度学习模型, 混合建模方法	NA	超过100篇同行评议文章	NA	NA	评估指标	NA
4717	2026-04-20	Fetal sleep: a cross-species review of physiology, measurement, and classification 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag003 PMID:41530894	综述	本文首次整合了超过七十年的研究，提供了一个跨物种的胎儿睡眠生理学、测量和分类的统一综述	首次进行跨物种的胎儿睡眠综述，整合了人类和动物模型的研究，并探讨了从侵入性神经生理学到非侵入性监测及深度学习框架的方法学演变	缺乏统一的、临床验证的胎儿睡眠状态定义框架，限制了其向常规产科实践的转化	整合跨物种证据，为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供科学基础，以支持早期神经系统损害的检测和及时产前干预	人类胎儿及动物模型（如绵羊和狒狒）的胎儿睡眠	NA	NA	非侵入性监测，深度学习框架	NA	信号数据	169项研究	NA	NA	NA	NA
4718	2026-04-20	Optimizing automated sleep stage scoring of 5-s mini-epochs: a transfer learning study 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf393 PMID:41384756	研究论文	本研究通过迁移学习优化了深度学习模型U-Sleep，使其能够对5秒微纪元进行高精度的自动睡眠分期	首次将先进的深度学习模型U-Sleep通过迁移学习优化，应用于5秒微纪元的高分辨率睡眠分期，显著提高了对短暂睡眠阶段转换的捕捉能力	需要外部验证，且未来需应用于整夜记录	优化自动睡眠分期模型，实现对高时间分辨率（5秒）睡眠数据的精确分期	人类睡眠数据	机器学习	NA	多导睡眠图	深度学习模型	多导睡眠图信号数据	来自100份多导睡眠图的48000个人工标注的5秒微纪元	NA	U-Sleep	F1分数, 混淆矩阵, 阶段分布, 转换率	NA
4719	2026-04-20	DeepLMI: deep feature mining with a globally enhanced graph convolutional network for robust lncRNA-miRNA interaction prediction 2026-Apr-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag145 PMID:41886347	研究论文	提出了一种名为DeepLMI的新型深度学习框架，用于预测lncRNA-miRNA相互作用，该框架结合了深度特征挖掘和全局增强的图卷积网络	整合了深度特征挖掘与全局增强图卷积网络，设计了针对lncRNA和miRNA的专用特征提取模块，并联合建模局部邻域信息和全局拓扑信号以解决已知RNA相互作用网络的稀疏性和结构复杂性	未在摘要中明确说明	准确识别lncRNA-miRNA相互作用，以理解疾病机制和发现治疗靶点	长链非编码RNA（lncRNA）和微小RNA（miRNA）	机器学习	NA	NA	图卷积网络，自注意力机制	序列数据，图结构数据	NA	NA	Global-Enhanced Graph Convolutional Network	NA	NA
4720	2026-04-20	A novel deep learning-driven framework for improving lncRNA comprehensive annotation with LncADeep 2.0 2026-Apr-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag162 PMID:41923359	研究论文	本文介绍了一个名为LncADeep 2.0的集成深度学习框架，旨在提高长链非编码RNA的识别和功能注释的准确性	在识别模块中引入了新颖的肽特征，并结合序列和结构信息；在功能注释中，利用以lncRNA为中心的相互作用网络和基因本体术语，通过迁移学习策略在有限功能数据下实现稳健的注释性能	未在摘要中明确提及	提高长链非编码RNA的识别和功能注释的准确性	长链非编码RNA	自然语言处理	NA	RNA-seq	深度学习	序列数据, 结构信息, 肽特征, 相互作用网络数据	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及