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
101	2026-02-15	Artificial Intelligence in Cerebrovascular Imaging: A Targeted Review of Aneurysm Detection and Rupture Risk Prediction 2026-Jan-15, JMA journal IF:1.5Q2 DOI:10.31662/jmaj.2025-0327 PMID:41676817	综述	本文是一篇关于人工智能在脑血管成像中应用的综述，重点关注动脉瘤检测和破裂风险预测	本综述的独特之处在于其整合性方法：它将影像组学、机器学习和深度学习统一在一个框架下，评估它们在检测和风险预测两方面的临床应用，并强调了混合建模、可解释AI和多模态数据融合等新兴解决方案	当前基于AI的方法仍处于研究阶段，尚未在临床、实验或与现有诊断标准对比中得到验证，需要进行严格的前瞻性验证	评估人工智能在脑血管成像中的应用潜力，特别是在动脉瘤检测和破裂风险预测方面，旨在通过AI驱动的精准医学降低破裂率并改善患者预后	脑动脉瘤	数字病理学	脑血管疾病	NA	机器学习, 深度学习	影像数据, 临床数据, 血流动力学数据	NA	NA	卷积神经网络	NA	NA
102	2026-02-15	Segmentation of the upper airway using deep learning - nnUNet 2026-Jan-14, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106507 PMID:41544837	研究论文	本研究评估了基于深度学习的框架在CBCT和CT数据集上自动分割整个上呼吸道的性能	采用多源训练方法结合nnUNet框架，实现了高效、鲁棒且可泛化的上呼吸道自动3D分割，克服了手动分割的劳动密集性和观察者间变异性	研究未详细讨论模型在特定病理条件下的性能，且验证数据主要来自单一外部中心	开发并评估一个自动化工具，用于精确且一致地分析上呼吸道，以支持临床决策和研究	上呼吸道	计算机视觉	NA	CBCT, CT	深度学习	3D图像	220个多源3D图像，包括来自加拿大、智利和法国机构的CBCT和CT扫描，涵盖成人和儿科、术前和术后扫描，并使用印度机构的CBCT扫描进行外部验证	nnUNet	nnUNet-155	Dice分数, 绝对体积差异	NA
103	2026-02-15	A deep learning model for the diagnosis of gastric neuroendocrine carcinoma 2026-Jan-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01382-3 PMID:41530277	研究论文	本文开发了一种名为G-NECNet的深度卷积神经网络模型，用于从组织病理学全切片图像中诊断胃神经内分泌癌	针对胃神经内分泌癌与胃腺癌鉴别诊断的临床难题，首次开发了专门化的深度学习模型G-NECNet，并在多中心外部验证中表现出卓越的泛化能力	未提及模型在更广泛人群或罕见亚型中的验证情况，也未讨论计算资源需求或临床整合的具体挑战	提高胃神经内分泌癌的准确诊断率，以指导更合适的治疗干预	胃神经内分泌癌的组织病理学全切片图像	数字病理学	胃神经内分泌癌	组织病理学成像	CNN	图像	内部验证队列、外部单机构数据集和多机构会诊数据集（具体数量未提及）	NA	G-NECNet（定制化的深度卷积神经网络）	AUROC	NA
104	2026-02-15	AI-powered segmentation and prognosis with missing MRI in pediatric brain tumors 2026-Jan-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01269-x PMID:41530498	研究论文	本研究开发了处理儿童脑肿瘤MRI序列缺失的策略，包括随机丢弃训练的分割模型、生成模型、复制替换启发式方法和零输入方法，以提高AI工具在真实世界儿科神经肿瘤学中的实用性	提出了针对MRI序列缺失的鲁棒分割模型和生成合成方法，在缺失数据下保持分割性能（Dice系数下降≤0.04）并提升图像质量（SSIM > 0.90）	研究为回顾性设计，可能受限于数据集的样本量和多样性	开发处理缺失MRI序列的AI方法，以改善儿童脑肿瘤的分割和预后预测	儿童脑肿瘤患者	数字病理学	脑肿瘤	MRI	深度学习模型	图像	715名患者来自儿童脑肿瘤网络和BraTS-PEDs，43名患者（157次纵向MRI）来自PNOC003/007临床试验	NA	NA	Dice系数, SSIM	NA
105	2026-02-15	Non-destructive detection of micro-impurities in tea using the YOLOv11-PFT model 2026-Jan-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00702-6 PMID:41519826	研究论文	本文提出了一种基于YOLOv11改进的深度学习模型YOLOv11-PFT，用于茶叶中微观杂质的无损检测	在YOLOv11基础上集成了Powerful-IoU损失函数、FasterNet模块和Triple Attention模块，以提高检测精度、减小模型尺寸并增强特征提取能力	NA	开发一种高效、轻量化的深度学习模型，用于茶叶生产过程中微观污染物的自动检测	茶叶中的微观杂质（如生产、加工和包装过程中引入的污染物）	计算机视觉	NA	深度学习	CNN	图像	NA	NA	YOLOv11-PFT	准确率, 精确率, 召回率, F分数, mAP, GFLOPs, 推理速度(FPS)	NA
106	2026-02-15	A deep learning framework (CreoPep) for target-specific design and optimization of conotoxin peptides 2026-Jan-09, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01885-5 PMID:41513959	研究论文	本文介绍了一种名为CreoPep的深度学习生成框架，专门用于设计和优化针对特定受体的芋螺毒素肽	CreoPep结合了掩码语言建模与渐进掩码方案，并采用基于物理的能量筛选与温度控制多项式采样的增强流程，能够生成结构功能多样且保留关键药理特征的肽变体	NA	开发一种计算框架，以克服天然芋螺毒素变体多样性有限及传统工程策略劳动密集的挑战，实现芋螺毒素肽的靶向设计与优化	芋螺毒素肽	机器学习	NA	深度学习生成模型	掩码语言模型	肽序列数据	NA	NA	掩码语言模型	NA	NA
107	2026-02-15	VISTA uncovers missing gene expression and spatial-induced information for spatial transcriptomic data analysis 2026-Jan-08, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09479-6 PMID:41507434	研究论文	本文提出了一种名为VISTA的模型，通过整合单细胞RNA测序和亚细胞空间转录组学数据，预测空间转录组数据中未测量的基因表达	VISTA模型结合了变分推断和几何深度学习，并引入不确定性量化，以提升空间转录组数据的基因表达预测精度和下游分析能力	NA	克服空间转录组数据基因覆盖有限的挑战，提升空间转录组数据的分析能力	空间转录组数据中的基因表达预测	机器学习	NA	单细胞RNA测序, 亚细胞空间转录组学	变分推断, 几何深度学习	基因表达数据, 空间数据	四个数据集	NA	NA	插补准确性, 可扩展性, 效率	NA
108	2026-02-15	PlaTiF: A pioneering dataset for orthopedic insights in AI-powered diagnosis of tibial plateau fractures 2026-Jan-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06560-5 PMID:41501058	研究论文	本研究介绍了一个用于AI辅助诊断胫骨平台骨折的首个开源数据集PlaTiF	提供了首个专门用于胫骨平台骨折AI分析的开源数据集，包含专家标注的骨折分型及胫骨骨掩码分割	数据集规模相对较小（421张X光片，186名患者），且仅包含前后位X光片，缺乏其他视角或三维影像	开发AI驱动的胫骨平台骨折自动诊断与分类方法，以提高诊断准确性和效率	胫骨平台骨折患者的膝关节前后位X光片	计算机视觉	骨科疾病	X光成像	深度学习	图像	421张来自186名患者的膝关节前后位X光片（平均年龄45.88±17.54岁，37名女性，149名男性）	NA	NA	NA	NA
109	2026-02-15	Learning physical interactions to compose biological large language models 2026-Jan-07, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01883-7 PMID:41501135	综述	本文探讨了结合不同生物模态表示以改进药物设计中分子相互作用预测的方法，并提出了构建生化基础模型的未来研究方向	提出通过组合特定领域的生物语言模型内部层表示来预测分子相互作用，该方法在特征较少的情况下性能优于标准方法	NA	改进药物设计中的分子相互作用预测，以更好地捕捉结合亲和力与特异性	生化序列、分子复合物	自然语言处理	NA	NA	大语言模型	序列数据	NA	NA	NA	NA	NA
110	2026-02-15	ANIA: an inception-attention network for predicting minimum inhibitory concentration of antimicrobial peptides 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag023 PMID:41664908	研究论文	本研究提出了一种名为ANIA的深度学习框架，用于预测抗菌肽对三种临床重要细菌的最小抑菌浓度	ANIA结合了混沌游戏表示法将序列转换为图像特征，并采用Inception模块、Transformer编码器和回归头的混合架构，以同时捕获局部基序特征和全局上下文模式	NA	开发一种预测抗菌肽最小抑菌浓度的深度学习工具，以对抗抗菌素耐药性	抗菌肽序列及其对金黄色葡萄球菌、大肠杆菌和铜绿假单胞菌的最小抑菌浓度	自然语言处理	NA	混沌游戏表示法	CNN, Transformer	序列数据（转换为图像特征）	NA	NA	Inception, Transformer	皮尔逊相关系数, 均方误差	NA
111	2026-02-15	Data-driven discovery of digital twins in biomedical research 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf722 PMID:41668337	综述	本文综述了从生物时间序列数据中自动推断数字孪生的方法，并评估了不同算法在应对生物医学挑战方面的表现	首次系统回顾了177种从生物时间序列中自动推断数字孪生的方法，并开发了一个Shiny应用进行总结，同时提出了结合机制建模、贝叶斯不确定性量化和深度学习能力的混合框架作为未来发展方向	目前没有单一方法能应对所有挑战，深度学习和大语言模型的可靠性和一致性仍需改进	探索从生物时间序列数据中自动发现数字孪生的方法，以指导药物发现和个性化治疗	生物医学系统或患者的数字孪生模型	机器学习	NA	生物时间序列分析	符号回归, 稀疏回归, 深度学习, 大语言模型	生物时间序列数据	NA	Shiny	NA	NA	NA
112	2026-02-15	A survey of contrastive learning methods in molecular representation 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf731 PMID:41671347	综述	本文首次全面综述了分子表示学习中的对比学习方法	首次专门针对分子表示学习中的对比学习方法进行系统性综述	NA	综述分子表示学习领域，特别是对比学习方法的应用、挑战与未来方向	分子表示学习方法	机器学习	NA	对比学习	深度学习模型	分子数据	NA	NA	NA	NA	NA
113	2026-02-15	GATCL: graph attention network meets contrastive learning for spatial domain identification 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag043 PMID:41678736	研究论文	本文提出了一种名为GATCL的新型深度学习框架，结合图注意力网络与对比学习，用于稳健的空间域识别	通过图注意力机制动态分配邻近点权重以建模复杂细胞结构，并采用跨模态对比学习策略实现模态间的鲁棒对齐	未明确提及具体局限性	开发一种深度学习框架以改进空间多组学数据中的空间域识别	空间多组学数据中的细胞或点	机器学习	NA	空间多组学	图注意力网络, 对比学习	转录组、蛋白质组、染色质数据	六个不同的数据集	NA	图注意力网络	六个关键评估指标	NA
114	2026-02-15	Dynamic-GLEP: a dynamics-informed deep learning framework for ligand efficacy prediction in representative Class A GPCRs 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag049 PMID:41678734	研究论文	提出了一种结合分子动力学模拟和等变图神经网络的深度学习框架Dynamic-GLEP，用于预测A类GPCRs配体功效	首次将MD衍生的构象集合与等变图神经网络的迁移学习相结合，构建多构象受体-配体复合物以捕捉驱动功效的构象动力学	目前主要应用于5-HT1A和腺苷A2A受体，在其他GPCR亚型中的普适性有待进一步验证	开发一个可靠且可解释的配体功效预测平台，以支持虚拟筛选、候选化合物优先排序和机制驱动的药物设计	A类G蛋白偶联受体（GPCRs）及其配体	计算生物学, 药物发现	NA	分子动力学模拟, 等变图神经网络, 迁移学习	等变图神经网络	分子结构数据, 构象集合	5-HT1A受体数据集（含交叉验证和外部FDA相关数据集）及腺苷A2A受体数据集	NA	EquiScore	AUC	NA
115	2026-02-15	ChemEmbed: a deep learning framework for metabolite identification using enhanced MS/MS data and multidimensional molecular embeddings 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag054 PMID:41686648	研究论文	本文提出了一种名为ChemEmbed的深度学习框架，通过整合多维化学结构向量表示与增强的MS/MS谱图，用于代谢物鉴定	ChemEmbed通过整合多维连续向量表示的化学结构与增强的MS/MS谱图，解决了MS/MS谱图和代谢物结构的高维稀疏性问题，并在外部基准测试中超越了当前最先进的计算代谢组学工具SIRIUS 6	NA	开发一个深度学习框架以加速代谢物鉴定，解决当前参考谱库覆盖范围有限的问题	MS/MS谱图和代谢物结构	机器学习	NA	MS/MS	CNN	MS/MS谱图数据	38,472个不同化合物	NA	卷积神经网络	排名第一的准确率, 前五名的准确率	NA
116	2026-02-15	iDLDDG: predicting protein stability changes from missense mutations in DNA-binding proteins using integrated deep learning features 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag050 PMID:41686649	研究论文	本文提出了一种名为iDLDDG的深度学习框架，用于预测DNA结合蛋白中错义突变引起的蛋白质稳定性变化	首次构建了严格区分双链和单链DNA结合蛋白突变机制的计算框架，并引入基于熵的算法优化残基建模，整合了多尺度结构和进化信息	未在摘要中明确说明	准确预测错义突变如何改变蛋白质-DNA结合亲和力，以理解疾病机制并推进治疗	DNA结合蛋白中的错义突变，包括双链DNA结合蛋白和单链DNA结合蛋白	机器学习	NA	深度学习	深度学习框架	蛋白质序列数据	MPD276数据集及独立测试集	NA	多通道架构	皮尔逊相关系数	NA
117	2026-02-15	3D reconstruction of spatial transcriptomics with spatial pattern enhanced graph convolutional neural network 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag060 PMID:41686651	研究论文	本文提出了一种名为Spa3D的方法，利用抗泄漏傅里叶变换和图卷积神经网络从多个二维空间转录组切片重建三维空间结构	首次将三维空间结构重建引入空间转录组数据分析，通过结合抗泄漏傅里叶变换和图卷积神经网络，突破了传统方法仅依赖二维坐标的限制	未明确说明方法对数据质量和切片数量的具体要求，也未讨论计算复杂度对大规模数据集的可扩展性	解决现有空间转录组数据分析方法因仅使用二维坐标而无法准确识别三维空间特征的问题	空间转录组数据	计算生物学	NA	空间转录组技术	图卷积神经网络	空间转录组数据	NA	NA	图卷积神经网络	NA	NA
118	2026-02-15	Predicting human gait kinematics and kinetics from a single inertial measurement unit using deep learning and synthetic datasets: A blinded assessment study 2026-Jan-06, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113149 PMID:41687508	研究论文	本研究提出了一种使用单个惯性测量单元（IMU）通过深度学习预测人体步态运动学和动力学的方法，并进行了盲法评估	采用条件生成对抗网络（cGAN）增强合成数据集变异性，并首次在真实IMU数据上进行盲法评估与微调验证	模型在真实IMU数据上的性能较虚拟数据有所下降，且样本量较小（共59名健康成人）	开发从单个骶骨佩戴IMU预测下肢关节角度和力矩的神经网络模型	健康成人的步态运动学与动力学数据	机器学习	NA	惯性测量单元（IMU）数据采集、标记式运动捕捉系统	神经网络（NN）、条件生成对抗网络（cGAN）	IMU传感器数据、运动捕捉标记数据	49名健康成人（训练集）、7名健康成人（盲法测试集）、3名健康成人（微调后测试集）	NA	条件生成对抗网络（cGAN）	均方根误差（RMSE）	NA
119	2026-02-15	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Jan-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	本研究开发了一个基于深度学习的计算流程，利用多中心整合的组织学图像，对儿童肉瘤亚型进行准确分类	通过多中心图像整合与标准化，并系统评估了多种CNN和ViT架构作为特征提取器，结合多尺度特征提升了分类准确性，且基于SAMPLER的分类器训练速度比传统方法快三个数量级	未提及	开发一个计算流程，以克服儿童肉瘤诊断中因罕见性和亚型多样性带来的挑战，减少对专业病理学知识和昂贵基因检测的依赖	儿童肉瘤的组织学切片图像	数字病理学	儿童肉瘤	组织学成像	CNN, ViT	图像	来自三个医疗中心和儿童肿瘤学组的867张全切片图像	未提及	UNI, CONCH	AUC	未使用GPU
120	2026-02-15	Differential effects of vesicular urokinase receptor uPAR on vascular cell migration and proliferation 2026-Jan, Molecular and cellular biochemistry IF:3.5Q3 DOI:10.1007/s11010-025-05420-x PMID:41152550	研究论文	本研究探讨了间充质干细胞来源的细胞外囊泡中uPAR通过调控Akt信号通路影响血管内皮细胞和平滑肌细胞迁移与增殖的新机制	首次发现uPAR缺失的MSC囊泡能选择性刺激平滑肌细胞迁移但丧失促进内皮细胞迁移和毛细血管样结构形成的能力，揭示了uPA/uPAR系统在细胞外囊泡介导的血管生成中具有细胞类型特异性调控功能	研究主要使用小鼠脂肪组织来源的MSC和主动脉环模型，尚未在人体组织或体内疾病模型中验证，且机制研究多依赖体外实验	探究细胞外囊泡中uPAR在血管生成过程中的调控作用	间充质干细胞来源的细胞外囊泡、血管内皮细胞、血管平滑肌细胞、小鼠主动脉环	数字病理学	心血管疾病	超速离心分离、流式细胞术、蛋白质印迹、纳米颗粒追踪分析、免疫荧光染色、共聚焦显微镜、ELISA	深度学习目标检测模型	显微图像	未明确样本数量，使用小鼠脂肪组织来源的MSC及其分泌的囊泡	NA	NA	NA	NA