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
721	2026-09-26	Self-adaptive fine-tuning of deep learning super-resolution microscopy for artifact suppression in live-cell imaging 2026-Feb-02, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.101123 PMID:41658490	研究论文	本文开发了一种自适应微调方法，用于抑制深度学习超分辨率显微镜中的伪影，并应用于活细胞成像。	创新点在于自适应微调方法能够动态调整模型参数以最小化损失函数，该损失函数直接量化了活细胞成像中的伪影。	未明确提及局限性，因此输出为NA。	研究目的是抑制深度学习超分辨率显微镜中的伪影，提高活细胞成像的质量。	研究对象是活细胞成像中的纳米级细胞器相互作用。	计算机视觉	NA	深度学习超分辨率显微镜	NA	图像	NA	NA	NA	NA	NA
722	2026-09-26	Unsupervised learning of spatially varying regularization for diffeomorphic image registration 2026-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103887 PMID:41317547	研究论文	提出一种分层概率模型，用于在微分同胚图像配准中从数据端到端学习空间变化的形变正则化	将形变正则化强度的先验分布集成到分层概率模型中，实现空间变化正则化的端到端学习，并通过贝叶斯优化自动调参	未明确提及	解决深度学习图像配准中空间不变正则化忽略局部形变变化的问题	可变形图像配准	计算机视觉	NA	NA	分层概率模型	图像	NA	NA	NA	配准性能（具体指标未指明）	NA
723	2026-09-26	Attention-Based Multimodal Deep Learning for Uveal Melanoma Classification Using Ultra-Widefield Fundus Images and Ocular Ultrasound 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100985 PMID:41439217	研究论文	该研究开发并评估了一种基于注意力机制的多模态深度学习模型，整合超广角眼底照相和B超图像，用于自动分类葡萄膜黑色素瘤和脉络膜痣。	首次将注意力机制的多模态深度学习应用于超广角眼底图像和眼部超声图像的融合，以提高葡萄膜黑色素瘤与脉络膜痣的分类性能。	样本量相对较小，仅包括174名患者，且为回顾性单中心研究，可能影响模型的泛化能力。	开发并评估一种深度学习模型，整合超广角眼底照相和B超图像，用于自动分类葡萄膜黑色素瘤和脉络膜痣。	174名患者（93例葡萄膜黑色素瘤和81例脉络膜痣），来自一家三级眼科中心。	计算机视觉	葡萄膜黑色素瘤	超广角眼底照相和B超超声成像	深度学习模型	图像	174名患者（93例葡萄膜黑色素瘤和81例脉络膜痣）	NA	注意力机制	准确率, F1分数, AUC	NA
724	2026-09-26	Multiscale segmentation using hierarchical phase-contrast tomography and deep learning 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013923 PMID:41628266	研究论文	本文利用分层相位对比断层扫描（HiP-CT）生成的多尺度数据集，开发了一种基于深度学习的多尺度分割流程，并以人肾脏中的肾小球为案例进行了验证	提出了一种结合HiP-CT多尺度成像与深度学习的分割流程，通过高分辨率数据训练模型并利用伪标签和多尺度图像配准将分割能力扩展到低分辨率全器官扫描，实现了在完整人体器官中分割微小功能单元	伪标签的质量依赖于高分辨率预测的准确性和多尺度图像配准的精度，可能引入累积误差；目前仅在肾脏肾小球上进行了验证，对其他器官系统的适用性尚需进一步研究	开发一种能够在多尺度生物医学影像数据中有效分割微小功能单元的深度学习流程	人肾脏中的肾小球，包括来自四名人类肾脏的高分辨率VOI数据以及两名供体的全器官低分辨率数据	数字病理学	肾脏疾病	分层相位对比断层扫描（HiP-CT）	CNN	图像	四个高分辨率VOI数据集（来自四名人类肾脏）用于模型基准测试；两个全器官低分辨率数据集（分别来自一名62岁无肾脏疾病供体和一名94岁高血压供体）用于多尺度分割应用	NA	nnUNet	Dice系数	NA
725	2026-09-26	Strategies in Global Ancestry and Local Ancestry Inference 2026-Feb, Current protocols DOI:10.1002/cpz1.70321 PMID:41649483	综述	本文提供了一份关于全球祖先成分和局部祖先推断的实用协议指南，涵盖概念、方法分类、工具选择以及逐步操作流程	系统性地整合了全球祖先和局部祖先推断的方法学，并提供了基于ADMIXTURE和SHAPEIT5+RFMix的逐步协议，同时讨论了深度学习等最新进展	作为协议指南，未提出新的算法或模型，主要基于现有方法的总结和推荐	帮助研究人员在不同研究设计和数据集中选择和实施合适的祖先推断方法	混合人群的基因型阵列和全基因组测序数据	机器学习	NA	基因型阵列, 全基因组测序	基于模型的聚类, 降维方法, 隐马尔可夫模型, 基于窗口的机器学习, 深度学习	基因型数据, 测序数据	NA	NA	ADMIXTURE, SHAPEIT5, RFMix	NA	NA
726	2026-09-26	Learning genetic perturbation effects with variational causal inference 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013194 PMID:41628222	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测遗传扰动效应	将基于基因调控网络的线性因果模型与变分自编码器结合，利用学习到的调控网络表示扰动变化，实现对外部未见扰动的更好泛化	未明确提及	预测单细胞水平下遗传扰动引起的转录组响应，并识别功能扰动模块	单细胞转录组数据中的遗传扰动响应	机器学习, 计算生物学	NA	Perturb-seq, 单细胞测序	变分自编码器, 因果模型	单细胞转录组数据	NA	NA	SCCVAE (Single Cell Causal Variational Autoencoder)	NA	NA
727	2026-09-26	An Effective Approach for Recognition of Crop Diseases Using Advanced Image Processing and YOLOv8 2026-Feb, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71504 PMID:41676010	研究论文	该文章提出了一种结合先进图像处理技术和YOLOv8模型识别作物病害的有效方法	将局部对比度增强、小波变换、Sigmoid校正、伽马校正和中值滤波等先进图像处理技术与YOLOv8模型相结合，用于作物病害的分割和分类，并采用迁移学习	未明确提及	开发计算机辅助方法，利用作物图像检测和分类病害，以提高早期病害诊断并避免重大作物损失	番茄、咖啡、黄瓜、橄榄和小麦等经济作物的病害	计算机视觉	植物病害	图像处理技术（局部对比度增强、小波变换、Sigmoid校正、伽马校正、中值滤波）、深度学习	YOLOv8	图像	包含32种病害的混合数据集（具体样本数量未提及）	NA	YOLOv8	召回率、精确率、准确率、均方误差、峰值信噪比	NA
728	2026-09-26	EDEN: multiscale expected density of nucleotide encoding for enhanced DNA sequence classification with hybrid deep learning 2026-Jan-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06367-6 PMID:41580658	研究论文	提出了一种基于核密度估计的多尺度核苷酸编码框架，用于DNA序列分类	统一多尺度编码框架，能同时捕捉局部和远程依赖关系，参数数量远少于先进模型	未明确说明	提高DNA序列分类的准确性，用于理解基因调控、疾病机制和转化基因组学	DNA序列	机器学习	NA	核密度估计	混合深度学习	序列数据	16个基准数据集	NA	混合深度学习架构	平均性能	NA
729	2026-09-26	Deep tobit model: an integrated framework for high-dimensional censored regression with variable selection 2026-01-23, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09690-5 PMID:41571915	研究论文	本文提出了一种深度Tobit模型，将Tobit似然损失与深度学习结合，用于高维删失回归的变量选择和预测。	将负Tobit对数似然作为深度学习损失函数，并开发了两阶段特征选择算法，提供了收敛速度和选择一致性的理论保证。	未明确讨论计算复杂度或模型可扩展性。	解决高维左删失数据中非线性关系建模和变量选择的问题。	高维左删失数据，包括航空发动机机匣振动数据和HIV病毒载量数据。	机器学习	艾滋病	NA	深度学习	表格数据	NA	NA	NA	变量选择准确性，预测准确性	NA
730	2026-09-26	Harnessing artificial intelligence for genomic variant prediction: advances, challenges, and future directions 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag004 PMID:41518203	综述	本文综述了人工智能在基因组变异预测中的应用进展、挑战和未来方向，涵盖从传统方法到机器学习和蛋白质语言模型的演变	系统评估了当前变异影响预测器，并提出了增强预测器选择、多组学数据整合和优化计算工作流的策略	数据异质性、可解释性不足以及意义不明变异的持续存在，缺乏包容性基因组数据库	探讨人工智能在基因组变异解释中的演变，解决变异分类的关键挑战，并提出改进策略	基因组变异、变异影响预测器、多组学数据	机器学习	NA	多组学数据整合	机器学习, 深度学习, 蛋白质语言模型	基因组数据, 多模态数据	NA	NA	NA	预测准确性	NA
731	2026-09-26	Active guidance in ultrasound bladder scanning using reinforcement learning 2026-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35285-z PMID:41540132	研究论文	本文提出了一种基于强化学习的智能引导系统，用于改善膀胱超声扫描中图像采集过程	首次将强化学习应用于膀胱评估的超声引导；引入Adam LMCDQN算法并在线性MDP中验证；设计了结合领域知识的奖励函数	实验在模拟环境中进行，尚未在临床环境中验证	提高超声膀胱扫描中图像采集的质量和一致性	超声膀胱扫描过程	医学图像分析	泌尿系统疾病	超声成像	强化学习	图像	NA	NA	深度Q网络	成功率	NA
732	2026-09-26	Assessing the relation between protein phosphorylation, AlphaFold3 models, and conformational variability 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70376 PMID:41432299	研究论文	本文系统评估了AlphaFold模型（AF2、AF3非磷酸化、AF3磷酸化）预测磷酸化诱导的蛋白质构象多样性的能力	首次系统评估AlphaFold3磷酸化感知设计在预测磷酸化诱导构象变化方面的效果，并与AF2和AF3非磷酸化模型进行对比	所有模型主要与主导结构状态对齐，往往无法捕获磷酸化特异性构象，AF3磷酸化预测仅比AF2和AF3非磷酸化略有改善	评估AlphaFold模型预测翻译后修饰（特别是磷酸化）驱动的蛋白质构象变化的能力	蛋白质及其磷酸化修饰诱导的构象变化	机器学习	癌症, 阿尔茨海默病	NA	NA	NA	NA	NA	AlphaFold2, AlphaFold3	NA	NA
733	2026-09-26	Assessing the validity of leucine zipper constructs predicted by AlphaFold 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70438 PMID:41432297	研究论文	本研究利用超过2000个人类亮氨酸拉链实验数据，评估AlphaFold预测亮氨酸拉链二聚体结构的有效性，发现AlphaFold能高置信度预测出在体内因静电作用无法形成的二聚体，揭示了高置信度但低准确度的结构预测问题	首次系统性地使用大规模实验测试的人类亮氨酸拉链数据来评估AlphaFold对亮氨酸拉链结构域的预测能力，并揭示了AlphaFold预测高置信度但低准确度的二聚体界面这一重要局限性	研究仅聚焦于亮氨酸拉链结构域，未评估AlphaFold对其他类型蛋白质相互作用界面的预测能力；未提出改进AlphaFold预测准确度的方法；实验验证数据仅涵盖人类亮氨酸拉链	评估AlphaFold预测亮氨酸拉链结构域及区分可能和不可能二聚体界面的能力，理解AI在结构生物学中的当前能力和局限性	AP-1转录因子（特别是Fos和Jun）的亮氨酸拉链结构域，以及超过2000个实验测试的人类亮氨酸拉链	机器学习	NA	AlphaFold2, AlphaFold3, 氨基酸序列分析, 多序列比对	深度学习	蛋白质氨基酸序列	超过2000个实验测试的人类亮氨酸拉链	NA	AlphaFold2, AlphaFold3	NA	NA
734	2026-09-26	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-01, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	本研究通过深度学习从MRI提取区域脑龄，探讨慢性卒中患者病灶负荷、双侧大脑区域脑龄与运动障碍之间的关联	首次利用图卷积网络算法从结构MRI估计18个功能亚区的区域脑龄，揭示同侧半球加速老化与对侧半球代偿性减速老化并存的现象	回顾性观察性研究设计，无法确定因果关系，样本主要来自特定队列可能存在选择偏倚	探究局灶性病变损伤、双侧半球区域脑龄与慢性卒中运动结局之间的关联，并识别运动障碍的关键预测因子	慢性单侧卒中患者（卒中后超过180天）	数字病理学	心血管疾病	结构T1加权MRI	图卷积网络, 机器学习分类器, 线性混合效应模型, 结构方程模型	图像	501名来自ENIGMA卒中恢复工作组的慢性卒中患者（来自8个国家34个队列）和17791名来自英国生物样本库的个体	NA	图卷积网络	β系数, 95%置信区间, FDR校正p值, 调整后平均差异	NA
735	2026-09-26	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	该研究利用ASAP Discovery Consortium公开的SARS-CoV-2和MERS-CoV主蛋白酶抑制剂数据集，比较了随机森林、XGBoost与贝叶斯神经网络在抑制剂活性预测中的表现	首次在SARS-CoV-2和MERS-CoV Mpro抑制剂活性预测的公开盲测挑战中系统比较传统机器学习与贝叶斯神经网络，并证明BNN在小数据场景下优于RF和XGBoost	研究仅针对SARS-CoV-2和MERS-CoV两个靶点，数据集规模有限，且未与其他深度学习方法进行广泛比较	评估并比较传统机器学习模型（RF、XGBoost）与贝叶斯神经网络（BNN）在预测SARS-CoV-2和MERS-CoV主蛋白酶抑制剂活性方面的性能	SARS-CoV-2和MERS-CoV主蛋白酶（Mpro）抑制剂化合物	机器学习	COVID-19, MERS	分子指纹	随机森林, XGBoost, 贝叶斯神经网络	分子指纹数据	NA	NA	随机森林, XGBoost, 贝叶斯神经网络	NA	NA
736	2026-09-26	Quantitative multi-metabolite imaging of Parkinson's disease using AI boosted molecular MRI 2025-Dec-22, Npj imaging DOI:10.1038/s44303-025-00130-x PMID:41429895	研究论文	结合快速分子MRI采集与深度学习重建，实现帕金森病小鼠模型中多代谢物定量成像	将快速分子MRI采集范式与深度学习重建结合，用于多代谢物定量；发现半固体MT、酰胺和脂肪族rNOE质子体积分数作为帕金森病生物标志物	研究基于急性MPTP小鼠模型，需进一步验证于人类患者及其他帕金森病模型	开发基于AI增强分子MRI的帕金森病多代谢物定量成像方法，以改善诊断	急性MPTP帕金森病小鼠模型	医学影像分析	帕金森病	分子MRI, 磁共振波谱	深度学习	图像	NA	NA	NA	NA	NA
737	2026-09-26	Frog vocal sacs-inspired soft acoustic system with continuously tunable resonance for sound emission and stethoscopic sensing 2025-12-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz5930 PMID:41406220	研究论文	受青蛙声囊启发的共振可调石墨烯声音设备（RAGSD），集成了激光诱导石墨烯（LIG）与可变形腔体，实现了连续可调的共振，用于声音发射和听诊传感，并集成深度学习算法进行心音分类。	受青蛙声囊启发的设计，结合LIG与可变形腔体，实现了连续可调的共振频率（922.12-1762.90 Hz）；动态连续可调的电-机-声模型；在发射模式下共振时获得25.34 dB的声压级增益；在传感模式下利用共振匹配放大微弱高频心音；集成AusNet-H深度学习算法实现高精度心音分类。	摘要中未明确提及研究的局限性。	克服柔性热声器件在低频发射和传感方面的局限性，开发一种共振可调的声学系统，用于声音发射和听诊传感。	石墨烯声音设备（RAGSD）、健康志愿者和患者的心音信号。	机器学习	心血管疾病	激光诱导石墨烯（LIG）、压阻式读出、深度学习	CNN	声音信号（心音）	健康志愿者和患者（具体数量未提供）	NA	AusNet-H（自定义深度学习算法）	准确率	NA
738	2026-09-26	Artificial intelligence in multidisciplinary tumor boards enhancing decision making and clinical outcomes in oncology 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114082 PMID:41438031	综述	本文综述了人工智能（包括机器学习、自然语言处理、深度学习和大型语言模型）如何支持多学科肿瘤委员会的决策准备和讨论，并探讨了其在提高决策质量和临床结果方面的作用。	系统性地总结了AI在MDT中应用的最新进展，涵盖了多种AI技术，并提出了实施优先级和挑战。	数据偏差、泛化性不均、隐私和治理问题以及有限的前瞻性验证。	探讨人工智能在多学科肿瘤委员会中的应用，以提高决策制定和临床结果。	多学科肿瘤委员会的决策过程及癌症患者的诊疗。	临床肿瘤学	癌症（泛指）	机器学习, 自然语言处理, 深度学习, 大型语言模型	NA	多模态数据（影像、病理、基因组、患者因素）	NA	NA	NA	一致性（70%-90%）、诊断性能	NA
739	2026-09-26	Intelligent information management enables quality-by-design in pharmaceutical production 2025-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27879-w PMID:41419511	研究论文	本文提出了一种基于人工智能的信息管理框架，用于提升制药生产中的预测性质量控制、法规合规性和运营效率	将结构化过程与产品数据同非结构化法规文档整合，结合机器学习和深度学习预测关键质量属性，并引入SHAP和LIME等可解释AI技术确保符合ICH Q8–Q11指南	摘要中未明确说明研究的局限性	在Pharma 4.0框架下，将人工智能融入质量源于设计（QbD）原则，以增强制药生产中的预测性质量控制、法规合规性和运营效率	制药生产过程中的结构化过程与产品数据集，以及非结构化法规文档	机器学习	NA	自然语言处理，机器学习，深度学习，可解释AI	机器学习模型，深度学习模型，NLP模型	结构化数据，文本	NA	NA	NA	预测准确率，鲁棒性，可扩展性，统计假设检验（p < 0.01）	NA
740	2026-09-26	Computational pathology in breast cancer: optimizing molecular prediction through task-oriented AI models 2025-Dec-16, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-025-00857-1 PMID:41402342	综述	本文探讨了在乳腺癌计算病理学中，使用小型任务导向AI模型从全切片图像预测分子特征的机会与挑战	提出并倡导使用小型任务导向AI模型而非大型基础模型，以解决临床工作流整合、可解释性和泛化性问题	依赖高质量数据集、多机构验证和跨学科合作，当前模型在临床转化方面仍面临障碍	探索任务导向AI模型在乳腺癌分子特征预测中的应用潜力	乳腺癌全切片图像及相关的分子特征	数字病理学	乳腺癌	全切片图像分析	深度学习模型	图像	NA	NA	NA	NA	NA