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
461	2026-06-17	IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases 2025-Apr-10, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.26.645544 PMID:40291692	研究论文	综合分子、组织病理学和临床数据构建IBD资源库，揭示炎症性肠病的多组学机制并开发诊断工具	首次整合全外显子组测序、RNA测序、血清蛋白质组学和组织病理学图像的多队列多模态分析，并利用基础模型深度学习从H&E染色图像预测组织学疾病活动评分	NA	通过多组学和多模态数据整合，深入理解炎症性肠病（IBD）的病理机制并优化诊断与治疗	1,002名临床注释的IBD患者和非IBD对照	数字病理学, 机器学习, 自然语言处理	炎症性肠病（克罗恩病、溃疡性结肠炎）	全外显子组测序, RNA测序, 血清蛋白质组学, H&E染色组织学	基础模型深度学习	基因组数据, 转录组数据, 蛋白质组数据, 组织病理学图像	1,002名患者（包含IBD患者和非IBD对照）	NA	基础模型	预测准确性	NA
462	2026-06-17	Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation 2025-03-31, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003185 PMID:40164487	研究论文	通过整合深度学习与心电图、心率变异性和人口统计数据来提高房颤检测能力	首次系统性地探索将心率变异性和人口统计数据（年龄和性别）与心电图数据结合，使用多种卷积神经网络模型（包括AlexNet、VGG-16、ResNet和Transformer）进行房颤检测，并通过显著性图验证模型行为	研究基于公共数据库，缺乏临床验证，且模型性能提升幅度有限	研究如何通过整合心率变异性和人口统计数据来改进心电图数据对房颤的自动检测	房颤患者的心电图记录及对应的心率变异性和人口统计数据	计算机视觉, 机器学习	房颤	心电图分析	CNN, Transformer	医学图像, 数值数据	35634条12导联心电图记录	PyTorch, TensorFlow	AlexNet, VGG-16, ResNet, Transformer	AUROC, 灵敏度, 特异性, 精确度, 召回率, F1分数	NA
463	2026-06-17	Quantifying Facial Gestures Using Deep Learning in a New World Monkey 2025-03, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70013 PMID:40019116	研究论文	利用深度学习量化棉顶狨猴的面部姿态	首次采用无标记姿态估计算法自动区分棉顶狨猴的发声与非发声面部形态，并验证不同行为背景下面部姿态的独特性	仅基于圈养个体的视频数据，可能未反映自然条件下的面部行为多样性	自动量化灵长类动物面部姿态的独特性，以推进多模态沟通研究	棉顶狨猴的面部姿态	计算机视觉	NA	无标记姿态估计	机器学习分类器	视频	未明确说明样本量	NA	NA	正确分类率	NA
464	2026-06-17	Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees 2025-Feb-05, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.00316 PMID:39719004	研究论文	本研究通过放射学分析17365例膝关节，探讨了随着骨关节炎严重程度增加，膝关节冠状面力线类型（CPAK）的分布变化及相关参数	首次大规模分析不同骨关节炎严重程度下CPAK类型的分布变化，发现KL分级增加时CPAK类型从II型向I型转变，并揭示骨关节炎严重程度是CPAK分布的主导因素	回顾性横断面研究设计，可能影响因果推断的准确性	探索不同骨关节炎严重程度下膝关节冠状面力线类型的分布变化	17365例人类膝关节	数字病理学	骨关节炎	放射学分析	深度学习软件	放射学图像	17365例膝关节	NA	NA	NA	NA
465	2026-06-17	Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology 2025, CNS & neurological disorders drug targets DOI:10.2174/0118715273374284250519053646 PMID:40444626	综述	综述了从生物标志物到深度学习技术的阿尔茨海默病诊断方法的最新进展	系统总结了生物标志物（如β-淀粉样蛋白）和神经退行性测量在阿尔茨海默病早期诊断中的应用，并强调了深度学习技术（尤其是卷积神经网络）在脑部变化检测中的高准确性	当前尚无针对此致命疾病的特异性治疗或诊断方法；深度学习技术旨在辅助而非替代临床评估	评估和总结阿尔茨海默病的诊断方法，涵盖生物标志物和深度学习技术	阿尔茨海默病患者的生物标志物（如β-淀粉样蛋白）和脑成像数据（如MRI）	机器学习	阿尔茨海默病	脑成像（MRI, CT, PET等）、脑脊液样本分析、机器学习、深度学习	卷积神经网络	图像（脑影像）、文本（行为认知变化报告）	NA	NA	卷积神经网络	准确性	NA
466	2026-06-17	Deep learning insights into distinct patterns of polygenic adaptation across human populations 2024-12-11, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1027 PMID:39558170	研究论文	提出RAISING，一种两阶段深度学习框架，用于检测人类群体多基因适应的特征	RAISING通过超参数调优优化神经网络架构，并在特征选择和预测任务中优于现有方法，计算时间缩短60倍，真阳性率提高最多28%	未明确提及	开发深度学习框架以识别人类基因组中多基因适应的特征模式	人类基因组中的多基因适应信号	机器学习	NA	基因组学	深度学习	基因组数据（模拟和实测）	非洲、欧洲、南亚和东亚人群	NA	神经网络	真阳性率	NA
467	2026-06-17	A novel interpretable deep learning-based computational framework designed synthetic enhancers with broad cross-species activity 2024-11-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae912 PMID:39420601	研究论文	提出DREAM框架，一种基于深度学习的可解释计算方法，用于设计具有跨物种活性的合成增强子	首次实现基于深度学习的增强子设计框架，不仅能预测活性，还能设计出比果蝇基因组最强增强子活性高3.6倍的合成增强子，且这些增强子具有跨数十亿年进化物种的保守功能	NA	开发可解释的深度学习框架用于可控活性的合成增强子设计	增强子序列及其活性设计	机器学习	NA	合成生物学、高通量筛选	深度神经网络	DNA序列数据	NA	PyTorch	NA	预测性能指标未明确指定	NA
468	2026-06-17	Deep learning models for the prediction of acute postoperative pain in PACU for video-assisted thoracoscopic surgery 2024-10-07, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02357-5 PMID:39375589	研究论文	利用深度学习模型预测电视辅助胸腔镜手术后急性疼痛	首次将图注意力网络和图Transformer网络结合注意力机制构建DoseFormer模型，用于预测术后急性疼痛，且模型性能显著优于传统机器学习算法和临床医生评估	NA	开发深度学习算法，利用患者基本信息和术中实时生命体征数据预测术后急性疼痛	接受电视辅助胸腔镜手术的患者	机器学习	术后急性疼痛	NA	图注意力网络、图Transformer网络	结构化数据（患者信息、术中生命体征）	1552例患者（训练集931例，测试集621例）	NA	DoseFormer（基于GAT和GTN）	AUROC、F1值	NA
469	2026-06-17	Dissection of core promoter syntax through single nucleotide resolution modeling of transcription initiation 2024-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.13.583868 PMID:38559255	研究论文	通过单核苷酸分辨率模型解析核心启动子语法对转录起始的编码机制	提出了CLIPNET深度学习模型，能够以单核苷酸分辨率准确预测转录起始的位置和数量，揭示了核心启动子序列与转录因子相互作用的复杂语法	模型主要基于PRO-cap数据，可能无法完全覆盖所有细胞类型或条件下的转录起始机制	探究DNA序列如何编码转录起始模式，揭示核心启动子语法的分子机制	转录起始位点附近的核心启动子序列及转录激活因子基序	机器学习	NA	PRO-cap测序、深度学习	深度学习模型（CLIPNET）	序列数据	群体规模的PRO-cap数据集	TensorFlow或PyTorch（未明确指定，推测可能使用）	NA	预测准确率（优于现有方法）	NA
470	2026-06-17	Clisp: A Robust Interactive Segmentation Framework for Pathological Images 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782318 PMID:40039941	研究论文	提出一种名为Clisp的鲁棒交互式分割框架，用于病理图像的低成本交互式标注	构建包含约79,000张图像的多源病理图像标注数据集，并采用重参数视觉Transformer作为图像编码器以提升大规模数据的特征表示能力和泛化性能	未明确提及局限性	开发一种基于点击的交互式分割方法，以减少病理图像标注成本并提高对不同任务或分割对象的泛化能力	病理图像	数字病理学	NA	NA	视觉Transformer	图像	约79,000张病理图像用于训练，7个开源数据集用于评估	NA	重参数视觉Transformer	分割性能（具体指标未说明）	NA
471	2026-06-17	Measurement and Application of Incidentally Detected Coronary Calcium: JACC Review Topic of the Week 2024-04-23, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2024.01.039 PMID:38631775	综述	总结无门控非对比胸部CT检测偶然发现冠状动脉钙化的测量方法及其在心血管疾病风险分层中的应用	探讨深度学习自动化评分流程的潜力，并展望NCCT衍生的CAC评分在特定患者群体和更广泛健康系统中的未来临床应用	未提及具体限制	总结NCCT衍生的冠状动脉钙化在预防性心血管健康中的当前作用，并探索未来临床应用的途径	无门控非对比胸部CT扫描（NCCT）	医学影像分析	动脉粥样硬化性心血管疾病	冠状动脉钙化评分	深度学习	影像数据（CT）	不适用	不适用	不适用	不适用	不适用
472	2026-06-17	Deep Learning Models Compared to Experimental Variability for the Prediction of CYP3A4 Time-Dependent Inhibition 2024-04-15, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.3c00305 PMID:38501689	研究论文	利用深度学习模型预测CYP3A4时间依赖性抑制，并与实验变异进行比较	通过多任务学习和联邦学习整合多种数据源，首次将深度学习预测与实验检测的可重复性进行比较	主要依赖高度不平衡和小型数据集，模型泛化能力可能受限	开发并评估机器学习模型用于CYP3A4时间依赖性抑制的早期预测，以提升药物研发效率	CYP3A4酶抑制活性及药物-药物相互作用	machine learning	NA	NA	图神经网络	分子结构及抑制活性数据	约16000个公开化合物结构，若干内部和外部数据集	NA	多任务图神经网络	错误分类率	NA
473	2026-06-17	Deciphering the Lexicon of Protein Targets: A Review on Multifaceted Drug Discovery in the Era of Artificial Intelligence 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01161 PMID:38466810	综述	综述了人工智能时代以蛋白质及其相互作用热点为靶点的合理药物设计方法、挑战及应用	系统整合了机器学习和深度学习技术在蛋白质结合热点识别与表征中的应用，并通过热休克蛋白27和基质金属蛋白酶（MMP2/MMP9）的案例展示了药物发现范式	未明确说明，但从综述性质推测可能缺乏对实际临床应用效果的深入讨论	探讨人工智能辅助的合理药物设计技术在靶向蛋白质及蛋白质-蛋白质相互作用热点中的策略、方法与挑战，并提供对药物设计的见解	蛋白质结合热点、蛋白质-蛋白质相互作用（PPIs）、热休克蛋白27（HSP27）及基质金属蛋白酶（MMP2和MMP9）	机器学习	癌症	合理药物设计、人工智能方法（机器学习和深度学习）、量子化学	NA	NA	NA	NA	NA	NA	NA
474	2026-06-17	An extended bore length solid-state digital-BGO PET/CT system: design, preliminary experience, and performance characteristics 2024-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06514-8 PMID:38012446	研究论文	评估一款扩展轴向视野（32 cm）、基于BGO闪烁晶体与硅光电倍增管固态数字PET/CT系统的性能，包括符合NEMA和EARL标准的空间分辨率、灵敏度等参数	首次报告了32 cm轴向视野固态数字BGO-PET/CT系统（使用BGO晶体与硅光电倍增管）的全面性能特征，并验证其在高灵敏度和低剂量快速临床采集中的可行性	未明确提及局限性，但样本量小（仅3例患者）、未长期随访或对比其他PET系统、深度学习算法细节未详述	评估基于BGO晶体与硅光电倍增管的固态数字PET/CT系统（轴向视野32 cm）的性能特征	两台首次临床安装的PET/CT系统及3例患者（使用低剂量[18F]FDG、[68Ga]Ga-DOTA-TATE和[82Rb]RbCl）	计算机视觉	NA	PET/CT	深度学习对比增强算法	图像	2个临床安装站点、3例患者（低剂量示踪剂活性分别为2 MBq/kg、2.3 MBq/kg和14.5 MBq/kg）	NA	贝叶斯罚似然重建（BPL）、顺序子集期望最大化（OSEM）、滤波反投影（FBP）、对比增强深度学习算法	空间分辨率、散射分数、噪声等效计数率、灵敏度、计数率准确性、图像质量、能量分辨率	NA
475	2026-06-17	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	research paper	提出一种新型深度学习模型MoFNet，通过整合多组学数据和先验功能相互作用，研究阿尔茨海默病的分子机制及其遗传贡献因素	首次建模从DNA到RNA和蛋白质的动态信息流，整合SNP、基因和蛋白质间的先验功能相互作用，提升模型可解释性	NA	通过新型多组学数据整合方法，发现功能连接的多组学特征以阐明阿尔茨海默病的分子机制	阿尔茨海默病的分子机制及其上游遗传贡献因素	machine learning	阿尔茨海默病	NA	深度学习	多组学数据	NA	NA	MoFNet	预测性能	NA
476	2026-06-17	ProSE-Pero: Peroxisomal Protein Localization Identification Model Based on Self-Supervised Multi-Task Language Pre-Training Model 2023-12-01, Frontiers in bioscience (Landmark edition) DOI:10.31083/j.fbl2812322 PMID:38179735	研究论文	基于自监督多任务语言预训练模型ProSE开发了ProSE-Pero模型，用于过氧化物酶体蛋白定位识别	首次将预训练多任务语言模型ProSE应用于过氧化物酶体蛋白特征提取，结合SVMSMOTE平衡数据集和SHAP解释模型进行特征选择，在植物液泡蛋白识别任务上性能超越最新模型iPVP-DRLF约5%	NA	开发更精确的过氧化物酶体蛋白定位识别模型	过氧化物酶体蛋白的定位识别	机器学习	NA	蛋白质序列特征提取	ProSE（预训练多任务语言模型）、LightGBM、传统机器学习方法、深度学习模型	蛋白质序列数据	160个过氧化物酶体蛋白	NA	ProSE	特异性（Sp）、灵敏度（Sn）、准确率（Acc）、马修斯相关系数（MCC）、F1分数、曲线下面积（AUC）	NA
477	2026-06-17	Deep Learning Approach for Robust Prediction of Reservoir Bubble Point Pressure 2021-Aug-24, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.1c02376 PMID:34471753	研究论文	提出一种基于长短期记忆网络的鲁棒模型，用于预测储层气泡点压力	利用全球不同油田的760个数据点构建模型，并通过趋势分析和统计验证确保输入输出关系的正确性	未提及具体局限性，但模型依赖数据质量和数量，可能对极端条件或新油田的泛化能力有限	开发高精度、鲁棒的气泡点压力预测模型，替代传统经验关联式	储层油藏流体性质中的气泡点压力（一种关键PVT参数）	机器学习	NA	NA	LSTM（长短期记忆网络）	数值数据	760个数据点，来自全球不同油田	NA	LSTM	平均绝对相对误差百分比（AAPRE），相关系数	NA
478	2026-06-17	In-Pero: Exploiting Deep Learning Embeddings of Protein Sequences to Predict the Localisation of Peroxisomal Proteins 2021-Jun-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms22126409 PMID:34203866	研究论文	提出In-Pero方法，结合深度学习嵌入与机器学习预测过氧化物酶体蛋白质亚定位	首个专门针对过氧化物酶体蛋白亚定位（基质vs膜）的预测工具，利用深度学习的蛋白质序列多维度嵌入表示	未指明	开发预测过氧化物酶体蛋白亚细胞定位的新方法	过氧化物酶体蛋白（基质和膜蛋白）	机器学习	相关疾病（多种疾病发病机制涉及过氧化物酶体蛋白定位异常）	深度学习嵌入	机器学习与深度学习组合模型	蛋白质氨基酸序列	160个过氧化物酶体蛋白（实验验证定位证据）	NA	NA	准确率	NA
479	2026-06-17	Deep-LUMEN assay - human lung epithelial spheroid classification from brightfield images using deep learning 2020-12-15, Lab on a chip IF:6.1Q2 DOI:10.1039/d0lc01010c PMID:33151236	研究论文	提出了一种名为Deep-LUMEN的深度学习算法，用于从明场图像中自动分类人类肺上皮球体，并检测其形态变化	首次利用深度学习算法从非侵入性明场图像中自动识别肺上皮球体的微小形态差异，并能区分极化和非极化球体，追踪管腔结构变化	未明确提及限制，可能包括算法对特定细胞类型或培养条件的依赖性，以及验证仅针对特定药物和细胞外基质	开发并验证一种非侵入性方法，利用深度学习从明场图像中评估三维上皮球体形态，用于药物筛选和毒性测试	人类肺上皮球体（三维组织模型）	计算机视觉, 机器学习	肺脏疾病	明场显微镜	目标检测算法（基于深度学习，如CNN）	明场图像	未明确说明样本数量，但涉及不同细胞外基质和药物处理条件下的肺上皮球体图像	NA	目标检测网络（具体架构未指定，可能基于YOLO或Faster R-CNN）	NA	NA
480	2026-06-16	A noval 4D graph temporal brain network model for EEG-based depression detection 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00463-w PMID:42294079	研究论文	提出一种新型4D图时空脑网络模型用于基于脑电图的抑郁症检测	创新点包括：构建包含线性与非线性特征的4D特征立方体、使用基于最近邻的方法识别功能相关的脑电通道空间关系、集成图卷积与门控循环单元以捕获时空特征、引入通道级最大池化模块（GTMP）保留关键通道信息	未在更大规模或临床多样化数据集上验证，准确率为83.67%可能仍有提升空间	提高基于脑电图的抑郁症检测准确率	重度抑郁症（MDD）患者和健康对照（HC）受试者的脑电图数据	机器学习	抑郁症	脑电图（EEG）	4D图时空网络（4D-GTNet）	脑电图信号数据	490个切片（232个MDD样本，248个健康对照样本）	PyTorch, TensorFlow	图卷积网络（GCN）、门控循环单元（GRU）	准确率（Accuracy）	NA