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
6181	2026-01-18	SegJointGene: joint cell segmentation and spatial gene prioritization by information entropy guided convolutional neural networks 2026-Jan-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.08.698474 PMID:41542426	研究论文	提出了一种名为SegJointGene的深度学习框架，通过整合细胞核图像与空间基因/蛋白表达数据，联合执行细胞分割和空间基因优先级排序	开发了信息熵引导的卷积神经网络和计算信息丢弃评分机制，能够识别对细胞类型特异性分割重要的基因，并迭代优化基因优先级和细胞边界	未明确说明模型在极低分辨率或噪声极高数据上的性能，也未讨论计算复杂度对大规模数据集的应用限制	提高复杂组织中细胞分割的准确性，并识别与空间组织相关的关键基因	小鼠海马体、全脑不同区域的空间转录组数据，以及人类扁桃体的空间蛋白质组数据	数字病理学	NA	空间转录组学, 空间蛋白质组学	CNN	图像, 基因表达数据, 蛋白质表达数据	多个真实空间数据集（具体数量未明确说明）	NA	信息熵引导的卷积神经网络	分子信号分配到细胞边界的准确率	NA
6182	2026-01-18	A Comparative Study of Deep Learning and Classical Modeling Approaches for Protein-Ligand Binding Pose and Affinity Prediction in Coronavirus Main Proteases 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02481 PMID:41429653	研究论文	本研究比较了深度学习和经典建模方法在冠状病毒主要蛋白酶中蛋白质-配体结合构象和亲和力预测方面的性能	首次系统评估了多种结合构象生成策略（包括分子对接、配体叠加和深度学习建模）在冠状病毒主要蛋白酶上的表现，并开发了一种结合分子力学能量分解与机器学习算法的结合亲和力评分方法LRIP-SF	研究主要针对SARS-CoV-2和MERS-CoV的主要蛋白酶，可能无法直接推广到其他病毒靶点；深度学习模型的计算成本较高	比较不同方法在蛋白质-配体结合构象和亲和力预测中的准确性，并开发更精确的亲和力预测模型	SARS-CoV-2和MERS-CoV的主要蛋白酶（Mpro）及其配体	机器学习	冠状病毒感染	分子对接、配体叠加、深度学习建模、分子力学广义玻恩表面积能量分解	深度学习模型、机器学习算法	蛋白质-配体复合物结构数据	来自ASAP Antiviral Challenge 2025的数据集，具体样本数量未明确说明	NA	AlphaFold3, Boltz-2, DiffDock, Gnina	成功率、配体均方根偏差、平均绝对误差、均方根误差	NA
6183	2026-01-18	An online forecasting-based fine-tuning pipeline for time-series anomaly prediction 2026-Jan-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108568 PMID:41544494	研究论文	本文提出了一种基于在线预测的微调管道，用于时间序列异常预测，旨在同时预测异常的发生和演变	引入了时间序列异常预测（TSAP）概念，提出了一种新颖的基于示例的预训练和微调管道，无需依赖真实标签数据	未明确说明在极端或罕见异常模式下的泛化能力，以及计算复杂度可能较高	解决现有方法无法预测未来异常的问题，专注于时间序列异常预测任务	时间序列数据	机器学习	NA	在线时间序列预测技术	深度学习模型	时间序列数据	NA	NA	NA	F1分数，均方误差（MSE）	NA
6184	2026-01-18	Drug-target Affinity Prediction Based on Graph Transformer and Selfattention Mechanism Kinase-specific Drug-target Affinity Prediction with Graph Transformer and Self-Attention Fusion 2026-Jan-08, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099414256251122113126 PMID:41540516	研究论文	本研究提出了一种基于图Transformer和自注意力机制的新型深度学习框架GTDDTA，用于预测激酶特异性药物-靶标结合亲和力	首次将图Transformer与自注意力解码器结合，用于捕获药物和靶标图的全局拓扑依赖关系并动态加权关键相互作用特征，在激酶特异性DTA预测中实现了最先进的性能	2D图描述符无法编码立体化学信息（影响Davis数据集中32%的手性配体），显著增加了新支架的预测误差，且模型在化学空间泛化方面存在限制	解决激酶靶向药物-靶标结合亲和力预测中的特征整合不足和立体化学表示限制问题	激酶抑制剂药物分子及其靶标蛋白质	机器学习	NA	图结构转换（RDKit）、蛋白质接触图构建（Biopython、Pconsc4预测）	图Transformer、自注意力机制	图结构数据（药物分子图、蛋白质接触图）	激酶特异性数据集（Davis和KIBA），采用五折交叉验证	NA	图Transformer层、自注意力解码器	MSE, CI, Pearson相关系数, r²m	NA
6185	2026-01-18	Fold-switching proteins push the boundaries of conformational ensemble prediction 2026-Jan-08, ArXiv PMID:41542156	研究论文	本文探讨了深度学习模型在预测蛋白质构象集合，特别是折叠转换蛋白方面的应用与局限性	聚焦于折叠转换蛋白作为测试案例，揭示了深度学习模型通过关联训练集结构来预测构象集合的局限性，并提出了方法成功或失败的使用场景	深度学习模型在预测构象集合时往往依赖于训练集结构，限制了其泛化能力，特别是在处理折叠转换蛋白时	开发计算方法来建模蛋白质构象集合，并识别新的折叠转换蛋白	折叠转换蛋白，这些蛋白质在细胞刺激下重塑其二级和/或三级结构并改变功能	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	NA	NA	NA	NA	NA
6186	2026-01-18	Simulation-based inference with deep learning suggests speed climbers combine innovation and copying to improve performance 2026-Jan-07, Proceedings. Biological sciences DOI:10.1098/rspb.2025.1433 PMID:41537974	研究论文	本研究使用基于模拟的推断和深度学习，分析了速度攀岩运动中运动员如何结合创新与模仿来提升表现	首次将基于模拟的推断和基于智能体的模型应用于速度攀岩领域，量化了创新与模仿在运动表现演化中的相对贡献	模型可能未完全捕捉影响攀岩表现的所有因素，如运动员的心理状态和训练方法	探究速度攀岩运动中文化累积演化过程，特别是创新与模仿策略对表现提升的作用	速度攀岩运动员在标准化路线上的表现数据	机器学习	NA	基于模拟的推断，基于智能体的建模	深度学习模型	时间序列数据（比赛成绩），路线序列数据	2007年至2019年共12年的比赛时间数据，以及2012年至2019年世界锦标赛的真实路线序列	NA	NA	NA	NA
6187	2026-01-18	MegaPlantTF: a machine learning framework for comprehensive identification and classification of plant transcription factors 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf678 PMID:41450215	研究论文	本文提出了一个名为MegaPlantTF的机器学习框架，用于植物转录因子的全面识别和家族级分类	首个结合k-mer蛋白质表示、深度前馈神经网络和堆叠集成分类器的两阶段架构，为大规模植物转录因子识别与分类提供了统一且可复现的框架	未明确说明框架在跨物种泛化能力或处理极罕见转录因子家族时的具体限制	开发一个高性能的机器学习框架，以解决植物转录因子检测和分类的挑战	植物转录因子	机器学习	NA	k-mer蛋白质表示	深度前馈神经网络, 集成分类器	蛋白质序列数据	NA	NA	深度前馈神经网络, 堆叠集成	准确率, 精确率, 微平均, 宏平均, 加权平均	NA
6188	2026-01-18	Predicting Immunotherapy Outcomes in NSCLC Using RNA and Pathology from Multicenter Clinical Trials 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502037 PMID:41159493	研究论文	本研究开发了一个名为LIRA的基于RNA的模型，用于预测非小细胞肺癌患者的免疫治疗结果，并整合了病理图像分析	开发了新的多组学预测模型LIRA，其预测性能优于PD-L1表达和肿瘤突变负荷，并能识别与免疫治疗结果相关的关键基因（如LRP8和HDAC4）及病理图像中的关键区域	研究基于回顾性多中心临床试验数据，未来需要在前瞻性研究中进一步验证	预测非小细胞肺癌患者对免疫治疗的响应，识别可能无法获益的患者并探索联合治疗策略	晚期非小细胞肺癌患者	数字病理学	肺癌	bulk RNA-seq, scRNA-seq	随机森林, 深度学习模型	转录组数据, 全切片病理图像	1127名晚期NSCLC患者（来自OAK、POPLAR、ORIENT-11多中心随机临床试验及内部队列）	NA	NA	风险比, 95%置信区间	NA
6189	2026-01-18	Super Time-Resolved Tomography 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511933 PMID:41164925	研究论文	本文介绍了一种名为超时间分辨断层扫描（STRT）的新方法，旨在通过深度学习算法提升X射线断层扫描的时间分辨率	STRT利用4D深度学习重建算法，从显著减少的角范围（几度）中重建高保真3D图像，相比传统断层扫描的0-180°，时间分辨率提升至少一个数量级	未在摘要中明确提及具体限制	提升X射线时间分辨断层扫描（断层摄影术）的时间分辨率，以支持原位和操作中的4D表征	液滴碰撞模拟和增材制造过程	计算机视觉	NA	X射线时间分辨断层扫描（断层摄影术）	深度学习	X射线断层扫描图像	NA	NA	NA	NA	NA
6190	2026-01-18	BoneVisionNet: A deep learning approach for the classification of bone tumours from radiographs using a triple fusion attention network of transformer and CNNs with XAI visualizations 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102668 PMID:41325667	研究论文	本文提出了一种名为BoneVisionNet的深度学习架构，用于从X射线图像中自动分类骨肿瘤	首次应用三重融合注意力网络（结合Transformer和CNN）进行骨肿瘤分类，并集成了XAI可视化技术以增强模型决策的透明度	NA	开发一个准确且自动化的深度学习模型，以辅助医疗专业人员诊断骨肿瘤	骨肿瘤的X射线图像	计算机视觉	骨肿瘤	X射线成像	CNN, Transformer	图像	BTXRD数据集	NA	Convolution-Enhanced Image Transformer, Global Context Block, Attention Boosted Mid-Level Feature Extraction Network, DenseNet-169, Efficient Channel Attention	准确率	NA
6191	2026-01-18	Machine learning and deep learning in clinical practice: Advancing neurodegenerative disease diagnosis with multimodal markers 2026-Jan, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111667 PMID:41338440	综述	本文综述了机器学习和深度学习在利用多模态生物标志物诊断和管理神经退行性疾病方面的当前应用、优势、局限性及未来方向	系统性地探讨了将ML应用于神经影像学、电生理学、行为功能、言语与笔迹分析及分子生物标志物等多模态数据以提升诊断准确性的新机遇，并展望了多模态融合、联邦学习、可解释AI和大语言模型等新兴方向	面临数据异质性、模型可解释性不足、人群多样性有限以及患者隐私相关的伦理问题等挑战	旨在审查ML在神经退行性疾病诊断与管理中的当前应用，并讨论其在临床实践中的未来方向	神经退行性疾病，包括阿尔茨海默病、帕金森病、亨廷顿病和多发性硬化症	机器学习	神经退行性疾病	NA	NA	多模态数据（神经影像、电生理、行为功能、言语与笔迹分析、分子生物标志物）	NA	NA	NA	NA	NA
6192	2026-01-18	Simultaneous attenuation and scatter correction of PET data in the image: quantitative and clinical assessment of image-to-image deep learning models 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105683 PMID:41353875	研究论文	本研究使用深度学习模型（UNET和CGAN）将脑部PET/CT图像中的非衰减散射校正图像转换为测量衰减散射校正图像，以定量和临床评估其性能	首次在脑部PET图像中应用图像到图像的深度学习模型（UNET和CGAN）直接进行同时的衰减和散射校正，无需CT数据，并进行了全面的定量（包括放射组学特征）和临床评估	研究仅针对癫痫患者的脑部18F-FDG PET/CT图像，样本量为125例，可能限制了模型的泛化能力；未明确提及计算资源的具体配置	开发并评估深度学习模型，用于脑部PET图像的衰减和散射校正，以在CT不可用时提高图像质量	125名被诊断为癫痫障碍患者的脑部PET/CT（18F-FDG）图像	医学影像分析	癫痫	PET/CT成像，18F-FDG示踪剂	CNN, GAN	图像	125例患者	NA	UNET, CGAN	峰值信噪比, 结构相似性指数, 均方根误差	NA
6193	2026-01-18	Cerebellar subregional atrophy in relapsing-remitting multiple sclerosis: Stage-dependent dynamics and pharmacological modulation 2026-Jan, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111679 PMID:41365399	研究论文	本研究探讨了复发缓解型多发性硬化症（RRMS）中不同疾病阶段小脑亚区体积变化的模式，并评估了不同疾病修饰疗法（DMTs）对小脑萎缩和临床结局的影响	揭示了RRMS中小脑萎缩的阶段依赖性动态变化，并首次系统评估了不同DMT类别对小脑亚区体积的异质性影响，识别出关键区域（如小叶IX和VIIIb）作为连接药物治疗与认知结局的潜在生物标志物	样本量相对有限（181名患者和99名健康对照），且研究设计为横断面分析，无法确定因果关系；DMT分组基于药理机制，但具体药物剂量和治疗持续时间未详细控制	研究RRMS中小脑亚区体积的阶段依赖性变化，并评估不同DMT类别对小脑萎缩和临床结局的影响	复发缓解型多发性硬化症（RRMS）患者和健康对照个体	数字病理学	多发性硬化症	基于深度学习的工具CerebNet用于小脑亚区体积量化	深度学习模型	医学影像数据（如MRI）	181名RRMS患者和99名健康对照	NA	CerebNet	p值（统计显著性），相关性分析	NA
6194	2026-01-18	The potential of a coronary artery-specific deep learning CT reconstruction algorithm for improvement in image quality of abdominal CT angiography with special reference to small arterial visibility 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105706 PMID:41411850	研究论文	本研究探讨了Precise IQ Engine (PIQE)在腹部CT血管造影中提升小动脉可视性的潜力	首次评估了冠状动脉专用的深度学习CT重建算法PIQE在腹部CTA中的应用，并比较了其与多种重建方法在图像质量和小动脉可视性方面的表现	临床研究样本量较小（仅5名肾捐献候选者），且仅评估了特定腹部小动脉的可视性，可能限制了结果的普遍性	评估PIQE算法在改善腹部CT血管造影图像质量，特别是小动脉可视性方面的效果	腹部CT血管造影图像，包括体模数据和临床患者数据	数字病理学	心血管疾病	CT血管造影，深度学习CT重建算法	深度学习模型	CT图像	体模数据和5名肾捐献候选者的临床数据	NA	Precise IQ Engine (PIQE)	调制传递函数(MTF)，噪声功率谱(NPS)，CT值标准差，可视性评分	NA
6195	2026-01-18	Statistical uncertainty-aware dual-path dilated convolution fusion framework for Monte Carlo dose denoising: Enhancing accuracy and efficiency in radiotherapy planning 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105700 PMID:41421253	研究论文	本研究提出了一种统计不确定性感知的深度学习框架，用于提高蒙特卡罗剂量去噪的准确性和效率	提出了一种结合统计不确定性图的双路径扩张卷积融合架构，首次在深度学习模型中显式整合统计不确定性信息以提升去噪性能	研究仅基于69个临床IMRT计划，且仅针对头颈、脑和肺三个肿瘤部位，未涵盖更广泛的肿瘤类型或治疗技术	提高放疗计划中蒙特卡罗剂量计算的准确性和计算效率	临床IMRT计划中的蒙特卡罗剂量分布	医学影像分析	头颈癌, 脑癌, 肺癌	蒙特卡罗模拟, 深度学习	CNN	图像	69个临床IMRT计划，涵盖头颈、脑和肺三个肿瘤部位，每个计划生成六个噪声水平	NA	双路径扩张卷积融合架构	平均剂量误差, Gamma通过率, 剂量体积直方图分析	基于GPU的蒙特卡罗引擎
6196	2026-01-18	Intrafractional rectum anatomy shape prediction based on 3D point cloud representation in online adaptive radiation therapy 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105705 PMID:41447749	研究论文	本研究开发了一种基于3D点云表示的生成模型SA-UNet，用于预测前列腺癌在线自适应放疗中的分次内直肠形状	开发了SA-UNet模型，这是最早用于分次内解剖形状预测的生成式AI模型之一，并基于3D点云表示进行直肠形状预测	研究为回顾性分析，样本量相对较小（42名患者），且仅针对前列腺癌患者，模型在其他癌症类型或更大样本中的泛化能力未验证	开发解剖结构生成模型以预测前列腺癌在线自适应放疗中的分次内直肠形状	42名接受在线自适应放疗的前列腺癌患者的临床数据，包括预处理和位置验证阶段的MRI扫描中提取的直肠形状	数字病理	前列腺癌	MRI扫描	生成式AI模型, 深度学习基线模型	3D点云	42名前列腺癌患者	NA	SA-UNet, MLP, PointCNN	CD（倒角距离）, EMD（地球移动距离）, JAC（杰卡德系数）	NA
6197	2026-01-18	Entropy-guided partial annotation for cross-domain rib segmentation 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102689 PMID:41447887	研究论文	本文提出了一种基于熵引导的部分标注方法（EGPA），用于半监督肋骨分割，旨在减少标注工作量并解决跨域适应问题	提出了一种结合对比学习、主动学习和自训练策略的半监督方法，通过熵指标主动识别图像中最具信息量的区域进行标注，显著降低了专家在模型训练和跨域适应中的工作量	NA	开发一种半监督肋骨分割方法，以减少对大规模标注数据的依赖并应对跨域适应挑战	肋骨分割任务，涉及公共RibSegV2数据集（源域）和私有胸部CT肋骨分割数据集（目标域）	医学影像	NA	CT扫描	深度学习	图像	公共RibSegV2数据集和私有胸部CT肋骨分割数据集	NA	NA	Dice分数	NA
6198	2026-01-18	KWC-YOLO: An efficient YOLO architecture for lumbar spinal stenosis grading through dynamic convolution and spatially-aware gating 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102685 PMID:41455412	研究论文	本文提出了一种名为KWC-YOLO的高效目标检测框架，用于根据Schizas分级标准自动检测和分类腰椎中央管狭窄的严重程度	模型在YOLOv11n架构基础上引入了三项核心创新：集成了参数高效的动态卷积机制KernelWarehouse以提升检测头的特征适应性；在骨干网络中引入了FasterGATE激活单元以增强非线性表示并加速收敛；以及采用了轻量级的Slim-Neck结构来优化特征融合质量与计算成本之间的权衡	未明确提及	开发一个高效的目标检测框架，用于自动检测和分类腰椎中央管狭窄的严重程度，以减轻放射科医生的解释负担并提高诊断准确性	腰椎中央管狭窄	计算机视觉	腰椎管狭窄症	磁共振成像	YOLO	图像	未明确提及	未明确提及	YOLOv11n, KWC-YOLO	平均精度, AP	未明确提及
6199	2026-01-18	Perturbations of whole-brain model reveal critical areas related to relapse of early psychosis 2026, Network neuroscience (Cambridge, Mass.) DOI:10.1162/NETN.a.502 PMID:41536425	研究论文	本文通过全脑建模结合解剖结构和功能MRI数据，研究了早期精神病复发相关的关键脑区	利用深度学习变分自编码器进行低维流形降维，结合模型扰动分析揭示与复发相关的脑区	样本量有限（196名参与者），且分类基于临床阶段，可能受主观因素影响	识别与早期精神病复发相关的关键脑区，以辅助治疗预测	196名参与者，包括不同精神病阶段的患者（首次发作、不完全缓解、缓解后复发等）	机器学习	精神病	MRI	VAE	图像	196名参与者	NA	变分自编码器	准确率	NA
6200	2026-01-18	Application and performance of deep learning models for the automated diagnosis of cervical central spinal stenosis on MRI: a systematic review 2026, Brain & spine DOI:10.1016/j.bas.2025.105902 PMID:41536514	系统综述	本文系统综述了深度学习模型在MRI上自动诊断颈椎中央椎管狭窄的应用与性能	首次系统性地评估了深度学习模型在自动诊断颈椎中央椎管狭窄方面的性能指标，并总结了当前研究的局限性和未来方向	纳入研究多为单中心回顾性研究，样本量小，外部验证稀缺，报告标准不一致，泛化能力不确定	评估人工智能模型在诊断颈椎中央椎管狭窄方面的性能指标	使用MRI诊断或分级颈椎中央椎管狭窄的人工智能模型研究	医学影像分析	颈椎中央椎管狭窄	MRI	CNN, Transformer	图像	NA	NA	ResNet-50, EfficientNet, Transformer	灵敏度, 特异度, AUC, 准确度	NA