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
1121	2026-04-22	Discovery and characterization of novel FAK inhibitors for breast cancer therapy via hybrid virtual screening, biological evaluation and molecular dynamics simulations 2025-06-01, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108400 PMID:40163988	研究论文	本文通过混合虚拟筛选、生物活性评价和分子动力学模拟，发现并表征了用于乳腺癌治疗的新型FAK抑制剂	利用基于结构的高透明度渗透性虚拟筛选和基于几何深度学习的DeepDock算法，从内部数据库中发现了具有新型骨架的FAK抑制剂	未明确说明筛选数据库的具体规模或多样性限制，且仅对10种化合物进行了生物活性评估，样本量有限	开发针对乳腺癌的新型FAK抑制剂	FAK（黏着斑激酶）抑制剂	机器学习	乳腺癌	虚拟筛选、分子对接、分子动力学模拟	深度学习	化学结构数据	从内部数据库筛选出10种化合物进行生物活性评估	NA	DeepDock	抑制活性	NA
1122	2026-04-22	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2025-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652089 PMID:41030996	研究论文	本研究开发了一种名为SLIDE的深度学习工具，能够直接从乳腺癌组织病理学全切片图像中预测细胞类型特异性基因表达和丰度	首次利用深度学习直接从组织病理学图像推断细胞类型特异性基因表达，无需进行昂贵的单细胞或批量RNA测序	研究主要基于TCGA乳腺癌队列，可能在其他癌症类型或更大样本中需要进一步验证	开发一种快速、经济高效的方法来推断乳腺癌肿瘤微环境中的细胞类型特异性基因表达	乳腺癌组织病理学全切片图像和相关的基因表达数据	数字病理学	乳腺癌	单细胞RNA测序, 批量RNA测序	深度学习	图像	TCGA乳腺癌队列及160例独立病例	NA	NA	NA	NA
1123	2026-04-22	Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16 2025-Mar, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.1177/18758592241311184 PMID:40183298	研究论文	本研究利用卷积神经网络和VGG16模型，开发了一种用于MRI图像中脑肿瘤自动分割和检测的系统	提出了一种能够预测分割性能（mIoU）并检测失败事件的深度学习模型，无需在测试时访问真实数据，同时通过预期mIoU值处理数据不平衡问题	未明确说明模型在多样化或大规模临床数据集上的泛化能力，也未详细讨论计算资源需求或实时处理性能	开发一个自动化系统，用于从MRI图像中准确检测和分类脑肿瘤，以辅助医疗专业人员快速、准确诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	深度学习，图像处理技术	CNN, VGG16	图像	NA	Python	VGG16	mIoU, 训练准确率, 验证准确率, 验证损失	NA
1124	2026-04-22	Multiscale footprints reveal the organization of cis-regulatory elements 2025-02, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08443-4 PMID:39843737	研究论文	本文介绍了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的多尺度足迹，并开发了seq2PRINT深度学习框架以推断转录因子和核小体结合	开发了PRINT方法，首次从多尺度蛋白质大小角度分析染色质可及性数据中的DNA-蛋白质相互作用足迹，并结合深度学习框架seq2PRINT实现精确的调控逻辑解读	方法主要依赖于染色质可及性数据，可能无法完全捕捉所有DNA-蛋白质相互作用的复杂性，且应用范围目前限于特定细胞类型	研究顺式调控元件的组织结构和动态变化，以连接其结构与细胞命运和疾病中的功能	人类骨髓和小鼠造血干细胞中的顺式调控元件	机器学习	NA	染色质可及性测序	深度学习	染色质可及性数据	NA	NA	NA	NA	NA
1125	2026-04-22	TimeFlies: an snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging 2025-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.25.625273 PMID:39896546	研究论文	本文介绍了TimeFlies，一种基于单细胞RNA测序的果蝇头部衰老时钟，利用深度学习预测供体年龄并揭示性别差异	开发了首个基于全基因组基因表达谱的泛细胞类型单细胞转录组衰老时钟，并应用于探究衰老中的性别差异	研究局限于果蝇头部，未涉及其他组织或物种，且单细胞测序数据可能存在技术偏差	构建单细胞转录组衰老时钟以识别年龄相关基因并探究衰老的性别差异	果蝇头部细胞	机器学习	NA	单细胞RNA测序	深度学习	基因表达谱	NA	NA	NA	NA	NA
1126	2026-04-22	Artificial intelligence in Brazilian Primary Health Care: scoping review 2025, Revista brasileira de enfermagem IF:1.2Q3 DOI:10.1590/0034-7167-2024-0363 PMID:41370529	综述	本文通过范围综述探讨了人工智能在巴西初级卫生保健中的应用情况	首次系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战	研究仅基于截至2025年2月的文献，可能未涵盖最新进展；且为叙述性综述，缺乏定量分析	提供人工智能在巴西初级卫生保健中应用的证据	巴西初级卫生保健系统及相关人工智能应用研究	医疗人工智能	NA	机器学习,深度学习	NA	NA	从981篇文献中筛选出27项研究	NA	NA	NA	NA
1127	2026-04-22	Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy 2024-11, The Journal of physiology DOI:10.1113/JP287001 PMID:39425751	研究论文	本研究旨在测试区域脑氧饱和度(rcSO)在检测足月婴儿脑损伤中的潜在效用，并探讨rcSO特征是否与缺氧缺血性脑病(HIE)分级相关	首次将机器学习与深度学习模型应用于rcSO信号分析，以自动化方式预测新生儿脑损伤不良结局，并探索rcSO特征与HIE分级的关联	样本量较小（58例），模型预测准确度中等（AUC=0.73），需要更大规模研究验证	开发基于rcSO信号的机器学习模型，用于早期检测缺氧缺血性脑病新生儿的脑损伤	58名足月缺氧缺血性脑病新生儿（胎龄>36周）	机器学习	缺氧缺血性脑病	近红外光谱(NIRS)监测，磁共振成像(MRI)	机器学习模型，深度学习模型	rcSO时间序列信号，MRI图像	58名足月HIE新生儿	未明确说明	未明确说明	AUC，置信区间，马修斯相关系数	未明确说明
1128	2024-09-11	The emergence of deep learning as the current state of art for classification and risk assessment of ventricular arrhythmias 2024-09, The Journal of physiology DOI:10.1113/JP287420 PMID:39252427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1129	2026-04-22	Integrated machine learning and deep learning for predicting diabetic nephropathy model construction, validation, and interpretability 2024-08, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03735-1 PMID:38393509	研究论文	本文构建并验证了一个用于辅助诊断糖尿病肾病的风险预测模型，结合机器学习和深度学习技术	通过集成多种特征选择算法筛选关键变量，并构建十个机器学习模型进行比较，最终基于最佳模型开发了在线平台	未明确提及模型在更广泛人群或不同医疗环境中的泛化能力验证	构建糖尿病肾病的风险预测模型以辅助早期诊断和筛查	糖尿病肾病患者数据	机器学习	糖尿病肾病	机器学习算法	随机森林	临床数据	未明确指定具体样本数量	未明确指定	随机森林	ROC曲线下面积, 精确率-召回率, 准确率, 马修斯相关系数, Kappa系数	NA
1130	2026-04-22	Applications of artificial intelligence (AI) in ovarian cancer, pancreatic cancer, and image biomarker discovery 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210301 PMID:35213360	综述	本文综述了人工智能在卵巢癌、胰腺癌及影像生物标志物发现中的应用、进展与挑战	系统总结了AI在卵巢癌和胰腺癌生物标志物发现中的具体应用，并强调了可解释性和可信赖AI在罕见癌症研究中的重要性	大多数AI模型尚未应用于临床，许多研究的影像数据未公开，疾病低流行率和无症状特性限制了数据可用性	探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的应用进展、挑战及监管伦理考量	卵巢癌和胰腺癌的影像生物标志物	机器学习	卵巢癌,胰腺癌	NA	NA	影像数据	NA	NA	NA	NA	NA
1131	2026-04-22	True ultra-low-dose amyloid PET/MRI enhanced with deep learning for clinical interpretation 2021-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05151-9 PMID:33416955	研究论文	本研究评估了深度学习增强技术在超低剂量淀粉样蛋白PET/MRI中的应用，以提升图像质量并验证其临床诊断效能	首次在真实注射超低剂量（标准剂量的2.2±1.3%）淀粉样蛋白PET/MRI数据上验证深度学习增强技术的有效性，并证明了采样模拟数据的通用性	样本量较小（仅18名参与者），且研究仅针对淀粉样蛋白成像，未涵盖其他PET示踪剂或疾病类型	评估深度学习技术能否从超低剂量PET/MRI数据中合成具有诊断质量的图像，以显著降低辐射剂量	18名参与者的超低剂量与标准剂量18F-florbetaben PET/MRI图像数据	数字病理学	阿尔茨海默病（淀粉样蛋白相关）	PET/MRI成像，18F-florbetaben示踪剂注射	CNN	医学图像（PET和MRI）	18名参与者，每名接受两次PET/MRI扫描（超低剂量和标准剂量）	NA	预训练的卷积神经网络（具体架构未指定）	峰值信噪比, 结构相似性, 均方根误差, 区域标准摄取值比值的变异系数, 图像质量五分制评分, 淀粉样蛋白状态分类准确率	NA
1132	2026-04-22	Deep learning-based model for predicting progression in patients with head and neck squamous cell carcinoma 2020, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-190380 PMID:31658045	研究论文	本研究构建了一个基于深度学习的模型，通过整合多组学数据来预测头颈部鳞状细胞癌患者的疾病进展	利用自编码器整合RNA测序、miRNA测序和甲基化数据，构建了预测无进展生存期的深度学习模型，相比传统方法（如主成分分析或单独Cox比例风险模型）更准确高效	未明确提及样本量是否充足或模型在其他独立数据集上的泛化能力	预测头颈部鳞状细胞癌患者的疾病进展	头颈部鳞状细胞癌患者	机器学习	头颈部鳞状细胞癌	RNA测序, miRNA测序, 甲基化测序	自编码器, SVM	多组学数据	来自TCGA的数据，具体样本数未明确	NA	自编码器	C-index	NA
1133	2026-04-21	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	本文提出了一种名为TARS的即插即用方法，用于在时间偏移下实现稳健的表格学习，通过多时间尺度表示和自适应路由机制提升深度模型的性能	首次将时间偏移视为多尺度异质动态过程，并设计了显式时间编码器、隐式漂移编码器、漂移感知路由机制和特征-时间融合层四个互补模块，以自适应地加权相关时间尺度	未明确讨论计算开销或模型在极端时间偏移场景下的泛化能力，实验仅限于TabReD基准中的八个数据集	提升深度表格学习模型在时间偏移下的稳健性和长期性能	随时间演变的表格数据集	机器学习	NA	NA	MLP, DCNv2	表格数据	NA	NA	NA	平均相对改进	NA
1134	2026-04-21	A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108671 PMID:41666488	研究论文	本文提出了一种基于事件触发量化机制的两级神经动力学方法，用于解决异构网络化博弈问题	在通信信道中引入基于梯度的触发器和对数量化器以降低通信负担，采用基于无源性的策略补偿信息不完全问题，并引入分段时变函数保证规定时间收敛	未明确说明实际应用场景中的具体约束条件和量化误差对性能的详细影响	研究在通信受限和异构动态条件下网络化博弈的纳什均衡跟踪问题	具有异构动态的博弈参与者（如自主移动机器人）	机器学习	NA	事件触发机制、量化通信、Lyapunov稳定性分析	神经动力学模型	动态系统状态数据	NA	NA	两级神经动力学架构	收敛时间、通信频率	NA
1135	2026-04-21	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于解决最优控制问题中的欧拉-拉格朗日系统	通过创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立了多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数组件	NA	解决最优控制问题中的欧拉-拉格朗日系统	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	NA	物理信息神经网络（PINNs）	数值模拟数据	基于五个数值示例	NA	物理信息神经网络（PINNs）	解决方案准确性、稳定性	NA
1136	2026-04-21	MS-STFNN: A multi-scale spatio-temporal fusion neural network for fMRI-based depression diagnosis 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108685 PMID:41689977	研究论文	本研究提出了一种用于fMRI抑郁症诊断的多尺度时空融合神经网络，通过融合多粒度空间特征和多分辨率时间表征，实现了对不同抑郁症亚型的有效分类	提出了一种新颖的多尺度时空融合神经网络，首次同时整合了从局部到全局的多粒度空间特征、动态功能连接和原始fMRI序列的多分辨率时间表征，并通过多尺度特征融合实现分类	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算复杂度可能较高	开发一种基于fMRI的客观神经影像诊断方法，用于抑郁症的亚型分类	重度抑郁症患者的功能磁共振成像数据	数字病理学	抑郁症	功能磁共振成像	神经网络	功能磁共振成像序列	NA	NA	多尺度时空融合神经网络	分类准确率	NA
1137	2026-04-21	L2G-Net: Local-to-global feature enhancement via cluster tokens for 3D place recognition 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108700 PMID:41691827	研究论文	提出了一种名为L2G-Net的新型网络，通过聚类令牌实现从局部到全局的特征增强，用于3D点云地点识别	设计了三个新模块：点特征增强模块补偿体素特征丢失的细粒度信息；聚类令牌Mamba模块通过状态空间模型高效捕获点云上下文信息；聚类令牌交叉注意力模块通过聚类令牌将局部特征一致性信息传递至全局描述符	NA	提升GPS拒止环境下基于3D点云的地点识别性能，以支持长期SLAM和自主定位	3D点云数据	计算机视觉	NA	深度学习	神经网络	3D点云	多个公开3D点云地点识别数据集	NA	L2G-Net（包含PFE、CTM、CTCA模块）	地点识别性能	NA
1138	2026-04-21	Transforming tabular data into images for deep learning models 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108715 PMID:41691829	研究论文	本研究提出了一种将数值表格数据转换为灰度图像表示的新方法，以利用卷积神经网络等深度学习架构处理传统数值数据集	提出了一种创新的表格数据图像化转换方法，使缺乏空间结构的数值数据能够适用于基于图像处理的深度学习模型	未明确讨论转换方法对高维稀疏表格数据的适用性，且实验数据集规模相对有限	探索将数值表格数据有效整合到深度学习工作流中的方法	公开可用的数值表格数据集（RMSCD、Optdigits、TUNADROMD、Spambase）	机器学习	NA	数据转换技术	CNN, DAG-Net	表格数据、图像数据	四个公开数据集	NA	ResNet-18, DAG-Net	准确率	NA
1139	2026-04-21	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	提出了一种新的信息加权类激活映射框架，通过构建双流信息瓶颈模块，将中间特征激活显式分解为判别性特征流和任务无关噪声流，从而生成可靠的视觉解释	NA	增强视觉神经网络决策过程的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
1140	2026-04-21	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，用于提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架提出归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在超大规模模型或不同领域数据集上的泛化能力	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	使用ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA