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
8761	2026-01-03	Weed target detection at seedling stage in paddy fields based on YOLOX 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294709 PMID:38091355	研究论文	本研究提出了一种基于YOLOX的稻田杂草目标检测方法，旨在实现水稻苗期小密集杂草的精准识别，为智能农业设备部署提供支持	首次将YOLOX模型应用于水稻苗期杂草检测，通过优化模型架构提升了对遮蔽和密集小目标的检测性能，并验证了其在嵌入式平台部署的可行性	YOLOX-tiny模型仅在本文数据集中表现最佳，其普适性尚未得到全面验证	实现稻田杂草的精准检测，以支持从大面积喷洒向精准喷洒的农业转型	水稻苗期稻田中的杂草	计算机视觉	NA	深度学习驱动的计算机视觉方法	CNN	图像	NA	NA	YOLOX, CSPDarknet, FPN, YOLO Head	mAP, F1, 召回率	智能农业设备（嵌入式计算平台）
8762	2026-01-03	Research on distribution network fault processing technology based on knowledge of graph 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295421 PMID:38096310	研究论文	本文提出了一种基于知识图谱的配电网故障处理技术，用于分析配电网中的风险传播过程并确保电力系统安全可靠运行	结合知识图谱与深度学习方法，构建面向馈线和台区的多维配电网故障处理知识图谱模型，并基于知识图谱邻接矩阵搜索非计划孤岛	NA	分析配电网风险传播过程，确保电力系统安全可靠运行	配电网信息系统、低压配电网模型	机器学习	NA	知识图谱方法、深度学习	NA	多维信息数据、配电网参数	NA	NA	NA	NA	NA
8763	2026-01-02	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP特别兴趣小组的建立及其在促进社区持续对话和跨学科合作方面的作用	通过建立特别兴趣小组和在线研讨会系列，打破了传统CASP活动仅在预测季节和会议期间交流的限制，实现了社区全年持续互动	NA	促进CASP社区内的持续对话和跨学科合作，降低领域新人的入门门槛	CASP社区成员，包括深度学习专家、NMR专家等科学家	计算生物学	NA	NA	NA	NA	NA	NA	NA	NA	NA
8764	2026-01-02	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种先进深度学习模型，采用基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对深度，同时改进了模型排名策略	存在需要进一步改进的领域，特别是在与其它组预测结果显著不同的目标上	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA分子	计算生物学	NA	多序列比对, 深度学习	深度学习模型	序列数据, 结构数据	NA	NA	NuFold	排名（第一和第三）	NA
8765	2026-01-02	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	研究论文	本文总结了CASP16社区实验的结果，评估了计算结构生物学中深度学习方法的最新进展和瓶颈	揭示了在蛋白质单体结构预测方面，深度学习方法已达到接近实验不确定性的极限，而在RNA结构预测中，深度学习方法目前并不优于传统方法	对于RNA结构预测，深度学习方法目前不成功；在缺乏结构同源性的情况下，预测结果较差；对于大分子集合，目标集较小限制了结论的普适性	评估计算结构生物学领域，特别是深度学习方法在蛋白质、RNA、蛋白质复合物等结构预测中的最新进展和挑战	蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构及亲和力	计算结构生物学	NA	深度学习、传统物理启发方法	AlphaFold变体及相关技术	蛋白质结构数据、RNA结构数据、蛋白质复合物数据	CASP16目标集（具体数量未提及）	NA	AlphaFold	结构一致性、界面准确性	NA
8766	2026-01-02	MRI segmentation of head and neck tumors using hybrid attention mechanism and dense dilated spatial pyramid pooling 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70426 PMID:41459735	研究论文	本研究提出了一种改进的SCDU-Net模型，通过结合空间-通道注意力机制和密集扩张空间金字塔池化技术，用于头颈部肿瘤的MRI图像分割	模型集成了空间-通道双重注意力模块和密集连接的扩张空间金字塔池化模块，以增强关键肿瘤特征表达、捕获长距离空间依赖并提升多尺度上下文建模能力	NA	提升头颈部肿瘤MRI图像的分割准确性和鲁棒性，以支持放疗中的精确靶区勾画	头颈部肿瘤的MRI图像	计算机视觉	头颈癌	MRI	CNN	图像	NA	NA	SCDU-Net, U-Net	NA	NA
8767	2026-01-02	A deep-learning framework for the prediction of the type of adaptive strategy of MR-guided prostate radiotherapy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70395 PMID:41459741	研究论文	本研究开发了一种基于深度学习的框架，用于预测MR引导前列腺放疗中的自适应策略类型	提出了一种多阶段网络方法，结合深度学习图像配准和策略预测，实现了快速准确的自适应策略选择，相比现有方法效率提升5倍	研究为回顾性分析，样本量较小（36名患者），且未在外部数据集上进行验证	开发深度学习模型以快速准确预测MR引导自适应放疗中的自适应策略类型	前列腺癌患者	数字病理	前列腺癌	MR-guided adaptive radiotherapy (MRgART)	深度学习模型	医学图像	36名前列腺癌患者的180个治疗分次	NA	多阶段网络方法（包含DLIR网络和DLSP模型）	AUC, 准确率, 敏感性, 特异性	NA
8768	2026-01-02	Establishment of High-Precision Ultrasound Diagnosis Methods Based on the Introduction of Deep Learning 2025-Dec-31, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3645229 PMID:41475002	综述	本文综述了基于深度学习的高精度超声诊断方法的建立，包括技术原理、临床应用及挑战	提出了针对超声诊断局限性的评估框架，并系统性地整理了深度学习在解决这些局限性方面的最新方法及临床应用证据	现有综述缺乏针对临床实施的定制化评估框架，且深度学习仍面临泛化性、安全性和操作负担等挑战	建立高精度超声诊断方法，通过引入深度学习技术改善临床工作流程	超声诊断技术及其在肿瘤学和心脏病学中的应用	计算机视觉	肺癌, 心血管疾病	超声成像	深度学习	图像	NA	NA	NA	NA	NA
8769	2026-01-02	UniSplicer: a deep learning framework for accurate splice-site prediction and splice-altering mutation detection across diverse taxa 2025-Dec-31, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101686 PMID:41476368	研究论文	本文介绍了一个基于深度学习的框架UniSplicer，用于准确预测剪接位点并检测剪接改变突变，适用于多种物种	UniSplicer能够在转录组数据相对有限的情况下，为多种非模式物种开发准确的剪接位点预测模型，超越现有模型，并能可靠指示突变对剪接的影响	模型性能可能受限于可用转录组数据的质量和数量，且在极端非模型物种中的泛化能力未完全验证	开发一个通用深度学习框架，以准确预测剪接位点和检测剪接改变突变，促进非模式物种的基因组分析	多种物种的剪接位点，包括植物、真菌和后生动物，以及剪接位点附近的序列变异	自然语言处理	NA	转录组数据	深度学习	序列数据	相对有限的转录组数据	NA	NA	预测准确性	NA
8770	2026-01-02	Assessing deep learning accuracy in the measurement of radiographic parameters in pediatric hip X-rays 2025-Dec-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02058-5 PMID:41462147	研究论文	本研究开发并验证了一个基于深度学习的系统，用于测量儿童骨盆X光片中的放射学参数，并评估其在不同年龄组中的准确性	该研究首次提供了一个全面的深度学习解决方案，用于同时测量多个关键放射学参数，并进行了年龄特异性的可靠性分析	研究仅使用了韩国正常儿童的X光片数据，可能限制了模型在其他人群或异常情况下的泛化能力	评估深度学习在测量儿童髋关节X光片放射学参数中的准确性，并分析年龄相关骨盆发育对测量性能的影响	儿童骨盆X光片	计算机视觉	儿科髋关节疾病	X光成像	深度学习	图像	训练集1495张，评估集1300张韩国儿童前后位骨盆X光片	NA	NA	组内相关系数, 皮尔逊相关系数, 平均绝对误差, 均方根误差, 豪斯多夫距离, 弗雷歇距离	NA
8771	2026-01-02	Deep learning for Alzheimer's disease: advances in classification, segmentation, subtyping, and explainability 2025-Dec-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01482-6 PMID:41462232	综述	本文综述了深度学习在阿尔茨海默病分类、分割、亚型分析和可解释性方面的最新进展，并探讨了其临床转化的挑战与未来方向	提出了一个将深度学习在阿尔茨海默病研究中的应用分为三大支柱（端到端分类、多模态融合、自动分割）的连贯框架，并系统整合了亚型分析和可解释性方法	作为综述文章，未提出新的模型或方法，主要总结现有研究；临床转化部分仍面临数据异质性、可解释性与准确性权衡等挑战	为阿尔茨海默病的早期检测和个性化预后提供深度学习解决方案，并推动其向临床实践转化	阿尔茨海默病患者的多模态数据，包括结构/功能MRI、PET、遗传谱和认知测试	医学影像分析	阿尔茨海默病	深度学习	CNN, 聚类模型, 决策树模型	图像（MRI, PET）, 遗传数据, 认知测试数据	NA	NA	NA	准确率, 灵敏度/特异度, Dice系数, Jaccard指数	NA
8772	2025-12-31	Deep learning based on ultrasound for differential diagnosis of pancreatic serous cystic neoplasm and mucinous cystic neoplasm 2025-Dec-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15249-8 PMID:41466236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8773	2026-01-02	Advances in AI for predicting pharmacological properties of natural medicines 2025-Dec-29, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2025.124180 PMID:41475482	综述	本文综述了人工智能在预测天然药物药理特性方面的应用，包括模型构建原理、最新进展、特征选择和评估指标等关键方面，并讨论了天然药物开发的挑战与机遇	系统总结了AI在天然药物开发中的高通量筛选、活性化合物预测及ADMET性质早期预测方面的最新进展和应用潜力	NA	介绍人工智能在预测天然药物药理特性方面的应用，并探讨其在药物开发中的挑战与机遇	天然药物及其药理特性	机器学习	NA	NA	NA	现有数据集和实验数据	NA	NA	NA	NA	NA
8774	2026-01-02	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统识别新兴空气污染物早期结合事件方面仍有限制	预测空气有机污染物与人类蛋白质的相互作用，以促进对污染相关毒性的机制理解和风险评估	空气有机污染物和人类蛋白质	自然语言处理	NA	深度学习	Transformer	文本	NA	NA	Transformer	AUC	NA
8775	2025-12-24	Cross-cohort genetic risk prediction for Alzheimer's disease: a transfer learning approach using GWAS and deep learning models 2025-Dec-22, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00506-0 PMID:41430307	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8776	2026-01-02	Deep learning-based non-contrast MRI model for nasopharyngeal carcinoma diagnosis: an end-to-end gadolinium-free solution 2025-Dec-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02247-0 PMID:41430426	研究论文	本研究提出了一种基于深度学习的无对比剂MRI模型，用于鼻咽癌诊断，旨在减少对钆基对比剂的依赖	开发了一种创新的知识蒸馏模态融合模型，仅使用非对比MRI进行鼻咽癌诊断，避免了钆基对比剂的安全风险，并缩短了扫描时间	研究未明确说明模型在更广泛人群或不同MRI设备上的泛化能力，且外部测试集的AUC略低于内部测试集	开发一种无需钆基对比剂的鼻咽癌诊断方法，以提高安全性并降低成本	鼻咽癌患者	数字病理学	鼻咽癌	非对比MRI	深度学习模型	MRI图像	854例病例用于开发模型，内部测试集257例，外部测试集277例	NA	知识蒸馏模态融合模型	AUC	NA
8777	2026-01-02	CaliciBoost: Performance-driven evaluation of molecular representations for caco-2 permeability prediction 2025-Dec-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01137-7 PMID:41430621	研究论文	本研究系统评估了八种分子特征表示类型结合自动化机器学习技术，用于预测Caco-2渗透性，并开发了性能优异的CaliciBoost模型	首次系统比较了包括2D/3D描述符、结构指纹和深度学习嵌入在内的多种分子表示方法，结合AutoML优化，在公开排行榜上取得最佳性能，并强调了3D描述符在提升预测准确性中的关键作用	研究主要基于两个特定数据集（TDC基准和OCHEM数据），可能在不同化学多样性或规模的数据上泛化能力有限，且未深入探讨模型在更广泛ADMET属性预测中的适用性	提高Caco-2渗透性预测的准确性和效率，为早期药物发现中的口服吸收预测提供计算工具	药物候选分子的Caco-2渗透性	机器学习	NA	自动化机器学习（AutoML），分子描述符计算（2D/3D），特征重要性分析（SHAP，置换重要性）	集成学习模型（具体为CaliciBoost，基于AutoML优化）	分子结构数据（包括2D/3D描述符、指纹、嵌入）	两个数据集：TDC基准数据集和OCHEM数据集，具体样本数量未在摘要中明确说明	AutoML框架（具体框架未指定，可能包括如AutoGluon、H2O.ai或自定义流程），结合RDKit、PaDEL、Mordred等化学信息学工具	CaliciBoost（基于AutoML优化的集成模型），具体基础架构未详细说明，可能包括梯度提升树（如XGBoost、LightGBM）等	MAE（平均绝对误差），在TDC Caco-2排行榜上的排名	NA
8778	2026-01-02	Deep learning to predict emergency department revisit using static and dynamic features (Deep Revisit): development and validation study 2025-Dec-20, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00509-x PMID:41422240	研究论文	本研究开发并验证了一种结合静态和动态特征的深度学习模型，用于预测急诊科再就诊风险	提出了一种结合TCN和FT-Transformer的混合深度学习模型，首次有效整合了静态特征和短期动态生命体征数据，并开发了处理时间不规则性的预处理策略	研究仅基于单一医疗中心的数据，未在多中心数据上进行验证，且高风险再就诊的基础率较低（0.01）	开发能够准确预测急诊科再就诊风险的深度学习模型，特别关注高风险再就诊病例的识别	急诊科就诊患者	机器学习	NA	临床数据挖掘	TCN, Transformer	结构化临床数据（静态特征和动态生命体征）	国立台湾大学医院2016-2019年及2020-2022年的急诊科就诊数据	NA	Temporal Convolutional Network, FT-Transformer	AUROC, AUPRC, 精确率	NA
8779	2026-01-02	Semi-inductive dataset construction and framework optimization for practical drug target interaction prediction with ScopeDTI 2025-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66311-9 PMID:41390462	研究论文	本文提出了SCOPE-DTI框架，通过整合大规模半归纳数据集和深度学习模型，优化药物-靶点相互作用预测的实用性和性能	构建了大规模平衡的半归纳人类DTI数据集，并开发了结合三维蛋白质与化合物表示、图神经网络和双线性注意力机制的统一预测框架	未明确说明模型在特定药物类别或靶点家族上的泛化能力限制	提高药物-靶点相互作用预测的实用性和准确性，以加速药物发现研究	药物-靶点相互作用数据，特别是人类相关的药物和蛋白质靶点	机器学习	癌症	深度学习，图神经网络，注意力机制	图神经网络，注意力机制	三维蛋白质和化合物表示，药物-靶点相互作用数据	从13个公共存储库整合的数据集，相比常见基准（如Human数据集）数据量扩展高达100倍	未明确指定，但可能基于深度学习框架如PyTorch或TensorFlow	图神经网络，双线性注意力机制	未明确指定，但可能包括准确率、精确率、召回率、F1分数等	未明确指定
8780	2026-01-02	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文介绍了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，构建了一个紧凑且可解释的潜在空间	结合解耦表示学习与高保真图像重建，创建了一个无需标注即可捕获生物学有意义特征的紧凑、可解释潜在空间，并系统地将潜在表示与层次化形态属性关联，确保语义和生物学可解释性，同时支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性	开发一种通用、无偏的单细胞形态学分析方法，以克服传统手动特征提取的偏见和深度学习在可解释性及标注数据依赖方面的挑战	单细胞	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA