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
1201	2026-03-23	PIBAdb: a public cohort of multimodal colonoscopy videos and images including polyps with histological information 2026-Mar-10, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109315 PMID:41863886	研究论文	本文介绍了PIBAdb，一个包含结肠镜视频和图像的多模态公共数据集，用于结直肠息肉研究	PIBAdb是最大且最完整的结直肠息肉多模态公共数据集之一，具有丰富的每个息肉元数据（组织学和PARIS/NICE分类）、包含NBI和WL图像，以及多个清洁度级别的非息肉图像	数据集仅基于单一医院（Hospital Universitario de Ourense）的数据，可能限制其泛化性	为结直肠息肉研究提供高质量的多模态公共数据集，支持深度学习模型的开发	结直肠息肉	数字病理学	结直肠癌	结肠镜检查	深度学习模型	视频, 图像	1176个息肉，31,946张手动标注的息肉图像，14,124张非息肉图像，近7小时带息肉的标注视频段，超过4小时无息肉的标注视频段	NA	NA	NA	NA
1202	2026-03-23	An Efficient Contrastive Deep Learning Model for Identifying Schizophrenia-Specific Neuroanatomical Variations 2026-Mar-07, Schizophrenia bulletin IF:5.3Q1 DOI:10.1093/schbul/sbaf261 PMID:41863375	研究论文	本研究开发了一种名为DECODE-SZ的深度学习模型，用于识别精神分裂症特异性的神经解剖学变异	结合对比学习、3D卷积神经网络和变分自编码器，首次提出了一种能有效分离精神分裂症特异性神经解剖特征的模型	研究样本仅来自中国8个独立站点，可能限制了结果的普适性，且未考虑其他潜在混杂因素	探究精神分裂症特异性神经解剖学变异与临床症状之间的关系，以开发更可靠的生物标志物	精神分裂症患者和健康对照者的结构MRI数据	医学影像分析	精神分裂症	结构MRI	3D CNN, VAE	3D图像	641名精神分裂症患者和609名健康对照者，来自8个独立站点	NA	DECODE-SZ（双编码器对比解码模型）	与PANSS评分的关联性分析	NA
1203	2026-03-23	Corrigendum to "Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study" [World Neurosurgery, Volume 195, March 2025, 123728] 2026-Mar, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2026.124831 PMID:41713361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1204	2026-03-23	Multi-scale structural similarity embedding search across entire proteomes 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag058 PMID:41632625	研究论文	本文提出了一种可扩展的蛋白质结构相似性搜索策略，利用蛋白质语言模型和深度神经网络将三维结构转换为固定长度向量，以实现高效的大规模比较	结合蛋白质语言模型和深度神经网络，将三维结构嵌入为向量，支持跨域、全长多肽链和多聚体组装的大规模相似性搜索，解决了传统对齐方法计算成本高的问题	模型主要针对单域结构训练，虽能泛化到更复杂结构，但可能在某些多域或非常规组装上存在局限性	开发一种可扩展且高效的三维生物分子结构相似性搜索方法，以应对AI/深度学习预测结构数量激增的挑战	实验确定的结构和AI/深度学习预测的计算结构模型，包括单域结构、全长多肽链和多聚体组装	计算生物学	NA	蛋白质语言模型，深度神经网络	深度神经网络	三维生物分子结构数据	NA	NA	NA	TM-score	NA
1205	2026-03-23	IgPose: a generative data-augmented pipeline for robust immunoglobulin-antigen binding prediction 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag076 PMID:41692975	研究论文	介绍IgPose，一个用于免疫球蛋白-抗原结合预测的生成式数据增强框架	通过构建合成诱饵数据库SIDD缓解数据稀缺，并集成等变图神经网络、ESM-2嵌入和门控循环单元来协同捕获几何和进化特征	未在摘要中明确说明	预测免疫球蛋白-抗原结合，以支持高通量抗体发现	免疫球蛋白-抗原复合物	机器学习	NA	生成式数据增强	图神经网络, 门控循环单元	结构数据, 序列嵌入	NA	NA	等变图神经网络, ESM-2, 门控循环单元	DockQ分数	NA
1206	2026-03-23	stDyer-image improves clustering analysis of spatially resolved transcriptomics and proteomics with morphological images 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag071 PMID:41692960	研究论文	本文介绍了一种名为stDyer-image的端到端深度学习框架，旨在利用形态学图像增强空间转录组学和蛋白质组学数据的聚类分析	stDyer-image直接关联图像特征与聚类标签，而非仅用图像补充基因表达数据，灵感来源于病理学家仅凭形态学图像即可识别细胞类型或肿瘤区域的能力	NA	开发一种利用形态学图像提升空间转录组学和蛋白质组学数据聚类性能的方法	空间转录组学和蛋白质组学数据集及其对应的形态学图像	数字病理学	NA	空间转录组学, 空间蛋白质组学	深度学习	图像, 基因表达数据, 蛋白质丰度数据	NA	NA	NA	聚类性能	NA
1207	2026-03-23	Mamba6mA: a Mamba-based DNA N6-methyladenine site prediction model 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag060 PMID:41645436	研究论文	本文提出了一种基于Mamba状态空间模型的DNA N6-甲基腺嘌呤位点预测模型Mamba6mA	设计了位置特异性线性层以替代传统卷积层，并构建了多尺度特征提取模块，有效提升了6mA位点预测的泛化能力	模型在11个物种数据集中的2个未取得最佳MCC，泛化能力仍需进一步验证	开发一种高效准确的DNA N6-甲基腺嘌呤位点预测方法	DNA序列中的N6-甲基腺嘌呤修饰位点	机器学习	癌症	SMRT测序, 甲基化DNA免疫沉淀	状态空间模型	DNA序列数据	11个物种数据集	NA	Mamba	MCC	NA
1208	2026-03-23	Predicting homologous recombination deficiency and treatment responses using a computed tomography-based foundation model: a preclinical study 2026-Feb-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01322-3 PMID:41667716	研究论文	本研究利用基于CT的基础模型预测小鼠同源重组缺陷状态及对新型DNA交联剂的治疗反应	首次将基础模型应用于临床前CT图像，以克服动物研究中数据稀缺的挑战，并在HRD分类上显著优于传统放射组学和监督深度学习	研究主要基于小鼠模型，结果向人类临床应用的转化仍需进一步验证	预测同源重组缺陷状态及评估新型DNA靶向疗法的治疗反应	小鼠异种移植模型	数字病理学	癌症	微CT扫描	基础模型, 监督深度学习	CT图像	307只小鼠	NA	基础模型	AUC	NA
1209	2026-03-23	Research on epilepsy detection and recognition based on the combination of time frequency transform and deep learning model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336764 PMID:41860927	研究论文	本文研究了结合时频变换与深度学习模型来检测和识别癫痫脑电图信号的方法	比较了连续小波变换和短时傅里叶变换与三种神经网络模型的组合效果，并针对EEGNet和Shallow ConvNet模型引入了焦点损失、动态数据增强、早期停止机制以及SE注意力模块等优化设计	NA	提高癫痫脑电图信号的检测性能并解决其非平稳特性	癫痫脑电图信号	机器学习	癫痫	连续小波变换，短时傅里叶变换	CNN	脑电图信号	NA	NA	EEGNet, AlexNet, Shallow ConvNet	精度	NA
1210	2026-03-23	Associations Between Deep Learning-Derived Fat, Muscle, and Bone Measures From Abdominal Computed Tomography Scans and Fall Risk in Persons Aged 20 Years or Older 2025-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100299 PMID:41323361	研究论文	本研究探讨了通过深度学习从腹部CT扫描中提取的脂肪、肌肉和骨骼测量指标与20岁及以上人群跌倒风险之间的关联	首次使用深度学习算法从腹部CT扫描中自动提取身体成分生物标志物，并评估其与跌倒风险的关联，特别是在中年人群中识别低肌肉密度作为风险因素	研究为回顾性设计，可能受选择偏倚影响；仅使用腹部CT扫描，未考虑其他身体部位；跌倒事件通过医疗记录识别，可能存在漏报	确定腹部CT扫描中的身体成分测量是否与成年人跌倒风险相关	20至89岁的成年人，他们接受了腹部CT扫描	数字病理学	老年疾病	腹部CT扫描	深度学习算法	医学影像	3972人	NA	NA	调整后的风险比, 95%置信区间	NA
1211	2026-03-23	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	本研究利用深度学习模型分析短暂的发作间期颅内记录数据，以准确识别癫痫发作起始区	首次证明基于短暂发作间期颅内记录的深度学习模型能够有效分类全脑范围内的癫痫发作起始区，并揭示了发作间期癫痫样放电的特征重要性	研究样本量相对有限（78名患者），且模型性能可能受数据预处理方法（如直方图均衡化）的影响	通过自动化方法定位癫痫发作起始区，以改善术前评估并减少患者住院时间	78名癫痫患者的发作间期立体定向脑电图记录	机器学习	癫痫	立体定向脑电图	CNN	脑电图信号	超过1,000,000个发作间期立体定向脑电图片段，来自78名患者	NA	多通道、多尺度一维卷积神经网络	灵敏度, 特异性, 准确率	NA
1212	2026-03-23	TRANSFORMER-BASED T1-TRACTOGRAPHY 2025, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10981144 PMID:40814567	研究论文	本文提出了一种基于Transformer的T1加权MRI纤维束追踪方法，通过改进现有CoRNN架构，提升白质通路估计的准确性	将Transformer模块引入T1加权纤维束追踪，替代传统的循环单元和序列表示，改进纤维方向分布的表示和预测网络	研究仅针对健康成年人的数据，未涉及病理状态或更广泛人群的验证	提高T1加权MRI纤维束追踪的准确性，使其更接近扩散MRI金标准	人类大脑白质通路	医学影像分析	NA	T1加权MRI, 扩散MRI	Transformer	MRI图像	健康正常成年人数据	NA	Transformer	角度一致性	NA
1213	2026-03-22	Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress 2026-Apr, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.07.042 PMID:40721023	研究论文	本研究提出了一种结合被动与主动靶向机制的AI驱动双靶向策略，用于设计靶向内质网应激的诊疗一体化分子	开发了基于机器学习的分子指纹转移方法用于被动靶向，并设计了基于深度学习的3D分子生成模型PM-1用于主动靶向，通过整合两者实现了新型荧光分子探针的智能设计	NA	设计能够精确靶向并调控内质网应激的多功能诊疗一体化分子	内质网应激关键生物标志物Grp78	机器学习	肿瘤	分子指纹转移、3D分子生成	机器学习、深度学习	分子结构数据	NA	NA	PM-1	Pearson相关系数、IC50	NA
1214	2026-03-22	Prostate MR image segmentation using a multi-stage network approach 2026-Apr, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04763-0 PMID:40911178	研究论文	本研究利用深度学习图像分割技术，通过多阶段网络方法对前列腺T2加权MR图像进行分割，以提升前列腺癌的检测和表征能力	提出并比较了三种多阶段分割策略（单阶段、顺序两阶段和端到端两阶段），其中端到端方法通过共享特征表示显著提升了前列腺边界划分的准确性	模型仍需进一步优化，并需评估其在多样化医学影像场景中的泛化能力	提升前列腺癌的诊断准确性和治疗规划效率	前列腺T2加权磁共振图像	数字病理学	前列腺癌	T2加权磁共振成像	深度学习	图像	1151名患者的61,119张T2加权MR图像	NA	MultiResUNet	NA	NA
1215	2026-03-22	The Nuclear Nephrology Artificial Intelligence Ecosystem 2026-Mar, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.002 PMID:41350144	综述	本文综述了人工智能在核肾脏病学领域的历史发展、当前应用及未来机遇	系统性地描绘了核肾脏病学中的人工智能生态系统，并展望了生成式AI、大语言模型和分割基础模型等新兴技术在该领域的应用潜力	人工智能工具在临床广泛应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题	探讨人工智能在核肾脏病学领域的应用现状、工具类型及未来发展方向	核肾脏病学中的各类技术和人工智能方法	数字病理学	肾脏疾病	动态肾闪烁显像、平面或单光子发射计算机断层扫描、正电子发射断层扫描	专家系统, 统计机器学习, 前馈神经网络, 卷积神经网络, 大语言模型, 扩散模型, 生成对抗网络, 视觉语言模型	图像	NA	NA	NA	NA	NA
1216	2026-03-22	Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer 2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100966 PMID:41616975	研究论文	本研究开发了一种基于深度学习的虚拟弹性蛋白染色方法，用于提高非小细胞肺癌中脏层胸膜侵犯的评估准确性	利用同一H&E切片中的固有伊红荧光创建完美配准的高保真地面真值，训练条件生成对抗网络，避免了多切片方法中常见的空间不匹配问题	未明确提及	提高非小细胞肺癌中脏层胸膜侵犯的诊断准确性	非小细胞肺癌的H&E切片	数字病理学	肺癌	H&E染色，虚拟弹性蛋白染色	条件生成对抗网络	图像	多机构验证，具体样本量未明确	NA	条件生成对抗网络	诊断准确性	NA
1217	2026-03-22	Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00706 PMID:41468557	研究论文	本文介绍了对Casanovo深度学习从头肽段测序器的一系列改进，旨在提升其可解释性、通用性、运行速度及用户体验	改进了预测肽段评分的可解释性，扩展了软件在数据库搜索中的通用性，并提供了工作流程和可视化工具以促进采用	NA	提高Casanovo在质谱和蛋白质组学数据中肽段测序的准确性和易用性	质谱和蛋白质组学数据中的肽段序列	机器学习	NA	质谱, 蛋白质组学	深度学习模型	质谱数据	NA	NA	Casanovo	NA	NA
1218	2026-03-22	Bioinspired spiking architecture enables energy constrained touch encoding 2026-01-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68858-7 PMID:41605933	研究论文	本文提出了一种结合光纤布拉格光栅电子皮肤与脉冲神经网络的模块化人工触觉系统，模拟人体体感系统的早期阶段	实现了高达10倍的定位超分辨率，相比现有深度学习方法提升32%的定位精度，并在神经形态芯片上展示了低功耗（亚毫瓦级）和高并行计算能力	未明确说明具体样本量或实验规模，可能受限于硬件实现或实际应用场景的验证范围	为自主系统（如机器人）开发可扩展且能量可持续的触觉感知解决方案，以促进安全人机交互和动态环境操作	人工触觉系统，包括光纤布拉格光栅电子皮肤和脉冲神经网络	机器感知	NA	光纤布拉格光栅传感，脉冲神经网络	SNN	触觉数据	NA	NA	NA	定位精度，超分辨率倍数	神经形态芯片，亚毫瓦级硬连线计算
1219	2026-03-22	Lipid Nanoparticle Database towards structure-function modeling and data-driven design for nucleic acid delivery 2026-01-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68818-1 PMID:41605942	研究论文	本文介绍了脂质纳米颗粒数据库（LNPDB）的开发，旨在整合和标准化脂质纳米颗粒的结构与功能数据，以支持数据驱动的核酸递送设计	创建了首个统一的脂质纳米颗粒数据库，标准化了脂质纳米颗粒的特征化，并支持分子动力学模拟和深度学习模型预测	NA	解决脂质纳米颗粒领域数据分散和非标准化的问题，促进脂质纳米颗粒的建模和理性设计	脂质纳米颗粒（LNPs）	机器学习	NA	分子动力学模拟	深度学习模型	结构化数据	19,528个脂质纳米颗粒	NA	NA	NA	NA
1220	2026-03-22	Peptide-based drug design using generative AI 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04998a PMID:41376388	综述	本文综述了利用生成式人工智能进行肽基药物设计的最新进展，重点关注生成架构、相互作用建模、AI驱动的筛选和递送优化	整合了生成式AI（如图神经网络、Transformer和扩散模型）与肽化学创新（如环化、订书肽、非经典氨基酸和纳米颗粒制剂），以加速药物发现	预测生成肽序列的溶解度、免疫原性和毒性仍存在挑战，数据质量和自主药物发现是当前面临的实际困难	加速肽基治疗药物的设计与发现	肽基治疗药物	机器学习	代谢性疾病、肿瘤学	NA	图神经网络、Transformer、扩散模型	序列数据、化学结构数据	NA	NA	NA	NA	NA