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
1241	2026-04-14	Precise leaf damage detection across diverse species and environments via a large-scale vision model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1788926 PMID:41971547	研究论文	本文提出了一种基于基础模型适应的大规模视觉模型，用于实现跨物种和复杂环境下的作物叶片损伤精确检测	提出了一种新的建模范式，从传统的任务特定训练转向基础模型适应，通过集成DinoV3基础模型与Unet框架，并引入空间先验模块和投影模块，有效弥合通用预训练与领域特定需求之间的差距	研究主要针对咖啡和黑豆数据集进行验证，虽然扩展到AMG数据集，但尚未覆盖更广泛的作物种类和极端环境条件	开发一种能够跨物种和复杂田间环境泛化的叶片损伤检测方法，用于实时植物健康监测和产量估算	作物叶片损伤（病斑）	计算机视觉	植物病害	深度学习，图像分割	CNN，Transformer	图像	咖啡叶片数据集和黑豆数据集，以及更大的AMG数据集	PyTorch	DinoV3, Unet	交并比，像素准确率	未明确指定，但提及实现了极高的计算效率（推理时间减少93.6%）
1242	2026-04-14	AI algorithms and IoT platforms for anomaly and failure prediction in industrial machinery-systematic review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1799522 PMID:41971622	综述	本文对用于工业机械异常和故障预测的人工智能算法、软件及物联网平台进行了系统性文献综述	系统性地分类了预测性维护中的人工智能技术，并识别了九种支持维护操作的软件和物联网技术，同时探讨了知识迁移在数据突变时对算法的改进作用	NA	旨在通过系统性文献综述，探讨人工智能算法和物联网平台在工业机械异常和故障预测中的应用	工业机械的预测性维护	机器学习	NA	NA	机器学习, 神经网络	NA	NA	NA	NA	NA	NA
1243	2026-04-14	Tumor lactate metabolism shapes immune suppression and therapeutic resistance revealed by integrative multi-omics and digital pathology 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1797798 PMID:41972178	研究论文	本研究通过整合多组学数据和数字病理学，开发了一种深度学习框架，能够从常规H&E全切片图像推断肿瘤乳酸代谢状态，并揭示了其与免疫抑制和治疗耐药性的关联	首次将多组学分析与数字病理学相结合，利用深度学习从常规H&E切片直接推断肿瘤乳酸代谢状态，开发了一种可扩展且临床实用的数字生物标志物	研究主要基于回顾性数据，需要在更多前瞻性队列中进行验证；模型在部分癌症类型中的性能有待进一步优化	开发一种临床可及且低成本的方法来评估肿瘤内乳酸活性，以指导代谢精准肿瘤学	头颈部鳞状细胞癌（HNSCC）及其他多种癌症类型的肿瘤样本	数字病理学	头颈部鳞状细胞癌	多组学分析（转录组、单细胞RNA-seq）、空间分析、免疫组化、深度学习	深度学习模型	全切片图像（H&E染色）、基因表达数据、单细胞RNA-seq数据、蛋白质表达数据	TCGA、GEO数据库中的多个队列，以及独立的真实世界SAZHU-HNSCC队列	NA	NA	AUC	NA
1244	2025-10-29	Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.252917 PMID:41147921	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1245	2026-04-14	External Test of a Deep Learning Algorithm for Pulmonary Nodule Malignancy Risk Stratification Using European Screening Data 2025-09, Radiology IF:12.1Q1 DOI:10.1148/radiol.250874 PMID:40956165	研究论文	本研究利用欧洲三大肺癌筛查试验的汇总数据，对一种基于深度学习的肺结节恶性风险分层算法进行了外部测试	首次在多个欧洲筛查数据集上对深度学习算法进行外部验证，并证明其在降低假阳性率方面优于传统的PanCan模型	研究为回顾性分析，且主要基于欧洲人群数据，可能限制了其普适性	评估深度学习算法在肺结节恶性风险分层中的性能，以减少低剂量CT筛查中的假阳性发现	来自丹麦、意大利和荷兰-比利时肺癌筛查试验的基线CT扫描图像及对应的肺结节	数字病理	肺癌	低剂量CT扫描	深度学习算法	CT图像	4146名参与者，包含7614个良性结节和180个恶性结节	NA	NA	AUC, 敏感性, 假阳性率	NA
1246	2026-04-14	ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences 2025-Aug-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.20.671365 PMID:40894558	研究论文	本文介绍了一种名为ESMDynamic的深度学习模型，该模型能够直接从蛋白质序列预测动态的残基-残基接触概率图	首次基于ESMFold架构开发了直接从单序列预测蛋白质动态接触图的深度学习模型，无需多重序列比对，且推理速度比现有方法快数个数量级	模型性能依赖于训练数据（实验结构集合和分子动力学模拟）的质量和覆盖范围，对于训练数据中未充分代表的构象动态模式可能预测能力有限	开发一种快速准确的蛋白质动态接触图预测方法，以理解蛋白质构象动力学	蛋白质序列及其动态结构特性	结构生物学	NA	深度学习，分子动力学模拟	深度学习模型	蛋白质序列，接触概率图	在两个大规模MD数据集（mdCATH和ATLAS）上进行基准测试，并应用于ASCT2和SWEET2b转运蛋白、肌钙蛋白C设计以及HIV-1蛋白酶同源二聚体等多个系统	NA	基于ESMFold架构	与最先进的集合预测模型（AlphaFlow、ESMFlow、BioEmu）在瞬时接触预测方面进行比较	NA
1247	2026-04-14	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于多参数MRI和临床数据的深度学习流程，用于卵巢病变的自动分割与良恶性分类	首次将Meta的Segment Anything Model（SAM）基础分割模型与DenseNet-121深度学习分类模型结合，构建了一个高效、可泛化的多中心卵巢病变分析流程	研究为回顾性设计，外部验证数据集样本量相对较小（共87个病灶），可能影响模型在更广泛人群中的泛化能力评估	开发一个高效且可泛化的MRI卵巢病变特征分析流程，以提高诊断准确性	卵巢病变患者的多参数MRI影像及临床数据	数字病理学	卵巢癌	多参数MRI	深度学习模型	图像, 临床数据	主要数据集：448名女性的534个病灶；外部数据集：55名女性的58个病灶（机构B）和29名女性的29个病灶（机构C）	NA	Segment Anything Model (SAM), DenseNet-121	Dice系数, AUC	NA
1248	2026-04-14	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	本研究在亚洲健康检查队列中外部测试了深度学习模型Sybil，评估其基于低剂量CT预测肺癌风险的表现	首次在亚洲人群中对Sybil模型进行外部验证，并特别评估了其在非重度吸烟者（包括从不吸烟或轻度吸烟者）中的预测性能	模型在非重度吸烟者亚组中对未来肺癌的预测性能较差（AUC 0.56），且研究为回顾性设计，可能存在选择偏倚	评估深度学习模型Sybil在亚洲健康检查人群中预测肺癌风险的外部泛化能力	亚洲健康检查个体，年龄50-80岁，接受过低剂量CT检查并有至少一次随访扫描	数字病理学	肺癌	低剂量CT（LDCT）	深度学习模型	CT图像	18057名个体，其中92例在6年内确诊肺癌	NA	Sybil	时间依赖性AUC	NA
1249	2026-04-14	Intratumoral Microbiome-related MRI Model for Predicting Breast Cancer Shrinkage Pattern Following Neoadjuvant Therapy 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243545 PMID:40892452	研究论文	本研究开发了一种基于瘤内微生物组相关MRI特征的模型，用于预测乳腺癌患者在新辅助治疗后肿瘤的缩小模式	首次将瘤内微生物组数据与多时间点MRI的放射组学和深度学习特征融合，构建预测模型，并验证了其在分子亚型和肿瘤分期中的稳健性	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床适用性	开发一个精准预测乳腺癌新辅助治疗后肿瘤缩小模式的模型，以辅助保乳手术规划	接受新辅助治疗并手术的乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习, 机器学习	MRI图像	2249名女性乳腺癌患者（训练集671人，内部验证集335人，外部验证集1243人）	NA	U-Net, ResNet-50	AUC, Dice系数	NA
1250	2026-04-14	Spiner, deep learning-based automated detection of spiral ganglion neurons in intact cochleae 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112929 PMID:40687827	研究论文	本研究开发了一种基于深度学习的自动化工具Spiner，用于在完整耳蜗中检测螺旋神经节神经元	引入了胶原酶处理优化组织透明化协议，并采用深度学习对象检测模型实现大型3D数据集中SGN的自动定位与计数	目前主要针对I型螺旋神经节神经元，在大型动物模型中的应用仍需进一步验证	改进耳蜗中螺旋神经节神经元的检测与定量方法	沙鼠和猪的完整耳蜗组织	数字病理学	听力损失	组织透明化、光片荧光显微镜、胶原酶处理	深度学习对象检测模型	3D图像数据	沙鼠和猪的耳蜗样本（具体数量未明确）	NA	NA	与人工计数的一致性	NA
1251	2026-04-14	A fully open AI foundation model applied to chest radiography 2025-07, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	研究论文	本文介绍了Ark，一个应用于胸部X光片的开放基础模型，通过循环积累和重用多个数据集中异构专家标签的知识进行预训练	Ark模型通过聚合多样化数据集和专家知识，扩展了诊断范围，适应新疾病，支持小样本学习和联邦学习，并开源代码和模型	未在摘要中明确提及具体限制	开发一个开放的基础模型，用于自动化胸部X光片解释，以克服现有深度学习模型的局限性	胸部X光片图像数据	医学影像	肺部疾病	深度学习	基础模型	图像	多个公共数据集，具体数量未在摘要中指定	NA	Ark	NA	NA
1252	2026-04-14	Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships 2025-07, Radiology IF:12.1Q1 DOI:10.1148/radiol.243239 PMID:40662972	研究论文	本研究利用深度学习软件纵向追踪肺气肿空洞的动态变化，并分析其与肺功能下降、疾病进展及死亡率的关系	首次采用深度学习技术对肺气肿空洞进行纵向追踪，并根据直径变化将其动态分组，揭示了空洞动态模式与临床结局的关联	研究为二次分析，样本量较小（108名参与者），且主要为男性，可能限制结果的普适性	追踪肺气肿空洞的纵向变化，探究其动态模式与临床指标（FEV1下降、疾病进展、死亡率）的关系	韩国阻塞性肺疾病队列研究中完成基线和6年随访CT扫描的参与者	数字病理学	肺气肿	CT扫描	深度学习	CT图像	108名参与者（平均年龄63.4岁，其中104名男性）	NA	NA	线性回归系数（β）、P值、对数秩检验（log-rank test）	NA
1253	2026-04-14	Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome 2025-02, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6378 PMID:39788558	研究论文	本研究应用计算病理学方法，在三个临床结直肠癌队列中识别出可预测预后的免疫细胞和内皮细胞空间模式	利用基于深度学习的细胞分类器，在大型临床队列中系统量化肿瘤微环境中细胞类型的空间组织和共定位，并发现内皮细胞与癌细胞的比例等空间模式是独立的预后预测因子	研究队列虽然具有临床异质性，但样本量仍有限，且结果需要在独立队列中进行进一步验证	探究结直肠癌肿瘤微环境的空间组织特征及其对治疗反应和预后的影响	三个临床结直肠癌患者队列（MISSONI、BRAF、VALENTINO），总计375名患者	计算病理学	结直肠癌	深度学习细胞分类，多重免疫荧光验证	深度学习细胞分类器	H&E染色组织切片图像	375名临床注释的结直肠癌患者（MISSONI: n=59, BRAF: n=141, VALENTINO: n=175），验证集n=26	NA	NA	风险比，置信区间，p值	NA
1254	2026-04-14	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	本研究利用深度学习分析心电图，以识别心脏壁运动异常，并参考超声心动图作为金标准进行验证	开发了一种名为ECG-WMA-Net的深度神经网络，通过分析心电图中的QRS和T波区域，显著提高了心脏壁运动异常的检测准确性，超越了传统基于Q波的筛查方法	研究依赖于超声心动图报告的文本解析进行标注，可能存在标注误差；外部验证队列规模相对较小（n=2338），可能影响模型的泛化能力评估	通过深度学习技术，从心电图中提取新特征，以增强心脏壁运动异常的检测能力，并解决传统方法在不同种族和民族群体中准确性差异的问题	来自加利福尼亚州和佐治亚州的多样化患者群体，包括35,210名患者用于训练和验证，以及2,338名患者用于外部验证	机器学习	心血管疾病	深度学习，超声心动图	深度神经网络	心电图，超声心动图报告文本	训练和验证队列：35,210名患者；外部验证队列：2,338名患者	NA	ECG-WMA-Net	AUROC, AUC	NA
1255	2026-04-14	ACTION: Augmentation and computation toolbox for brain network analysis with functional MRI 2025-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120967 PMID:39716522	研究论文	本文介绍了一个名为ACTION的开源工具箱，用于功能磁共振成像（fMRI）的脑网络分析，提供数据增强和深度学习模型支持	开发了一个综合性的开源工具箱，首次集成fMRI数据增强（包括BOLD信号和脑网络增强），并支持深度学习模型预训练及联邦学习策略，以处理有限或不平衡数据	未明确说明工具箱在特定疾病或任务上的性能限制，或对计算资源的具体要求	开发一个用户友好的工具箱，以简化和增强fMRI分析，特别是通过数据增强和深度学习方法来改善脑网络研究	功能磁共振成像（fMRI）数据，用于脑网络分析	机器学习	NA	功能磁共振成像（fMRI）	深度学习模型	fMRI图像数据	超过3,800个静息态fMRI扫描作为辅助未标记数据用于预训练	Python	NA	NA	NA
1256	2026-04-14	DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data 2024-06-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14070766 PMID:39062480	研究论文	本文介绍了一种名为DeepIMAGER的先进计算工具，该工具通过深度学习和数据整合来推断细胞特异性基因调控网络	提出了一种将基因对的共表达模式转化为类图像表示，并利用转录因子结合信息进行模型训练的监督学习方法，显著提高了推断精度和鲁棒性	未明确说明模型在处理极大规模数据集时的计算效率或对特定细胞类型的泛化能力限制	开发一种能够从单细胞RNA测序数据中准确推断细胞特异性基因调控网络的工具	基因调控网络，特别是跨不同细胞类型的动态调控关系	机器学习	多发性骨髓瘤	scRNA-seq, ChIP-seq	深度学习	基因表达数据，转录因子结合数据	六个细胞系的综合数据集	NA	NA	精度，鲁棒性	NA
1257	2026-04-14	A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models 2024-05-13, Biomolecules IF:4.8Q1 DOI:10.3390/biom14050574 PMID:38785981	综述	本文综述了近年来用于评估蛋白质复合物四级结构模型准确性的深度学习方法	首次对蛋白质复合物结构模型准确性评估的深度学习方法进行了全面综述，填补了该领域缺乏系统性概述的空白	作为综述文章，不涉及原始实验或模型开发，主要基于现有文献进行分析	为蛋白质复合物结构模型准确性评估领域提供方法学综述和发展展望	蛋白质复合物的四级结构模型	计算生物学	NA	深度学习	NA	蛋白质结构数据	NA	NA	NA	NA	NA
1258	2026-04-14	GTADC: A Graph-Based Method for Inferring Cell Spatial Distribution in Cancer Tissues 2024-04-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040436 PMID:38672453	研究论文	本文提出了一种基于图深度学习的GTADC方法，用于推断癌症组织中细胞的空间分布	利用Silhouette分数精确捕获每种细胞类型中表达差异显著的基因，并通过图结构有效整合空间转录组学和单细胞测序数据的空间关系与拓扑结构	未明确提及方法在特定癌症类型或大规模数据集上的验证局限性	推断癌症组织中细胞的空间组成，以早期检测潜在癌细胞区域并评估其数量与空间信息	癌症组织中的细胞，特别是癌细胞与正常细胞的差异	机器学习	癌症	空间转录组学(ST), 单细胞测序(scRNA-seq)	图深度学习	基因表达数据, 空间数据	NA	NA	GTADC	NA	NA
1259	2026-04-14	Continuous tracking using deep learning-based decoding for noninvasive brain-computer interface 2024-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae145 PMID:38689706	研究论文	本研究利用基于深度学习的解码器，在线连续追踪任务中提升非侵入性脑机接口的性能	提出了一种新的标签系统以利用连续追踪数据进行监督学习，并首次将PointNet架构的改编版本应用于脑机接口解码任务	预训练模型未能显著提升性能，且研究仅针对28名参与者，样本规模有限	通过深度学习解码器改善非侵入性脑机接口在复杂任务中的性能，扩展其应用潜力	28名人类参与者，包括健康个体和运动障碍个体	机器学习	运动障碍	脑电图	深度学习	脑电图信号	28名人类参与者	NA	PointNet	NA	NA
1260	2026-04-14	A Review for Artificial Intelligence Based Protein Subcellular Localization 2024-03-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040409 PMID:38672426	综述	本文综述了基于人工智能的蛋白质亚细胞定位方法的最新进展，包括序列、知识和图像三种典型方法，并讨论了该领域的现有挑战与未来方向	系统性地总结了人工智能在蛋白质亚细胞定位领域的应用，涵盖序列、知识和图像三种方法，并指出了当前挑战和未来研究方向	作为综述文章，未提出新的实验或模型，主要基于现有文献进行总结和讨论	综述人工智能在蛋白质亚细胞定位领域的方法发展，以应对高通量测序时代蛋白质定位的挑战	蛋白质亚细胞定位方法	机器学习	癌症,阿尔茨海默病	荧光显微镜成像,免疫电子显微镜,荧光生物标记标签	深度学习	序列数据,知识数据,图像数据	NA	NA	NA	NA	NA