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
1281	2026-03-18	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出EPInformer，一种可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	整合启动子-增强子相互作用、序列、表观基因组信号和染色质接触，以捕获远端调控元件（如增强子）的调控效应，提高预测准确性	未明确提及具体局限性	开发一个可扩展的深度学习框架，用于预测基因表达，以解决现有方法在捕获远端调控元件和资源需求方面的不足	基因表达预测，涉及启动子-增强子序列、表观基因组数据和染色质接触	机器学习	NA	深度学习，整合多模态表观基因组数据	深度学习框架	DNA序列，表观基因组信号，染色质接触数据	NA	未指定	EPInformer	在交叉染色体验证中优于现有模型，准确重现CRISPR扰动实验验证的增强子-基因相互作用	未明确指定
1282	2026-03-18	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	研究论文	本研究利用时空深度神经网络模型揭示人类功能性大脑组织中可复制、可泛化且与行为相关的性别差异	首次应用时空深度神经网络模型揭示人类大脑功能动态中的性别差异，并通过可解释AI分析识别出与默认模式网络、纹状体和边缘网络相关的关键脑区特征	研究样本主要集中于20至35岁的年轻成年人，未涵盖更广泛年龄范围或其他人口群体	探究人类功能性大脑组织中的性别差异及其行为相关性	人类大脑功能性组织	机器学习	精神疾病, 神经系统疾病	fMRI	stDNN	脑功能成像数据	约1,500名20至35岁的年轻成年人，来自多个独立队列	NA	时空深度神经网络	交叉验证准确率	NA
1283	2026-03-18	Artificial intelligence study on left ventricular function among normal individuals, hypertrophic cardiomyopathy and dilated cardiomyopathy patients using 1.5T cardiac cine MR images obtained by SSFP sequence 2022-May-01, The British journal of radiology DOI:10.1259/bjr.20201060 PMID:35084208	研究论文	本研究利用深度学习卷积神经网络自动量化不同心肌病患者左心室功能，评估其在肥厚型心肌病和扩张型心肌病中的性能差异	首次客观评估商业化深度学习方法在不同心肌病心功能评估中的表现，并指出其在各类心肌病中的优缺点	未尝试设计新算法，仅将现有方法应用于临床数据测试集，且评估的心肌病类型有限	评估基于深度学习的自动左心室功能量化方法在不同心肌病中的性能	肥厚型心肌病患者、扩张型心肌病患者及健康参与者的心脏磁共振图像	医学影像分析	心肌病	心脏磁共振成像	CNN	图像	388名患者	NA	卷积神经网络	Bland-Altman分析, ROC曲线分析, Pearson相关系数, 敏感性, 特异性	NA
1284	2026-03-17	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出一种基于几何映射的fMRI迁移学习方法，实现从2D自然图像到4D fMRI脑图像的迁移学习	通过将大脑皮层视为3D空间中的折叠黎曼流形，并利用表面几何映射将其映射到2D空间，弥合了fMRI数据与自然图像之间的迁移学习鸿沟	未明确说明方法在更小或不同采集协议的fMRI数据集上的泛化能力	解决fMRI数据集样本量小导致深度学习应用受限的问题，实现从大规模2D自然图像到4D fMRI数据的有效迁移学习	fMRI脑图像数据	医学图像分析	抑郁症	功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号	深度学习，迁移学习	4D fMRI图像，2D自然图像	基于人类连接组计划（HCP）数据集，并在23个抑郁症数据集上验证	NA	多尺度多域特征聚合（MMFA）模块	NA	NA
1285	2026-03-17	Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103936 PMID:41604895	研究论文	本文提出了一种基于知识引导的多几何窗口Transformer网络（KGMgT），用于加速心脏电影MRI图像重建	结合知识引导方法、自适应时空注意力机制和Transformer驱动的动态特征聚合，以推断相邻心脏帧的运动轨迹并建立长程依赖关系	NA	加速心脏电影MRI图像采集，减少患者不适并提高诊断准确性和效率	心脏电影MRI图像	医学影像重建	心血管疾病	磁共振成像（MRI）	Transformer	MRI图像序列	NA	NA	KGMgT（知识引导多几何窗口Transformer）	NA	NA
1286	2026-03-17	ESM-AnatTractNet: Advanced deep learning model of true positive eloquent white matter tractography to improve preoperative evaluation of pediatric epilepsy surgery 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103969 PMID:41638061	研究论文	本研究提出了一种名为ESM-AnatTractNet的新型深度学习模型，用于在儿童癫痫手术前准确分类与关键功能相关的真实阳性白质通路	该模型首次在点云框架中整合了电刺激映射确认的空间坐标和基于标准脑图谱的解剖上下文标签，以增强白质通路分类的几何和解剖一致性	研究样本量相对较小（85名患者），且模型性能验证主要基于特定临床环境下的数据	旨在通过非侵入性方法准确定位与关键功能相关的真实阳性白质通路，以改善儿童癫痫手术的术前评估	85名药物难治性癫痫患儿（年龄10.70±4.41岁）的术前扩散加权成像纤维束追踪数据	数字病理学	癫痫	扩散加权成像纤维束追踪, 电刺激映射	深度学习模型	点云数据, 医学影像	85名药物难治性癫痫患者	NA	ESM-AnatTractNet	准确率, 相关系数	NA
1287	2026-03-17	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	提出一种基于扩散模型的深度生成框架DDTracking，用于扩散MRI纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪，提出条件去噪扩散过程重新定义流线传播，并设计双路径编码方案整合局部空间特征与全局时间上下文	未明确说明模型对超参数敏感度或在小样本场景下的表现	开发高精度、高效率的扩散MRI纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散MRI	扩散模型	扩散MRI信号	合成与临床数据集（具体数量未说明）	PyTorch（根据代码仓库推断）	条件扩散模型	追踪准确性，计算效率	NA
1288	2026-03-17	Fréchet radiomic distance (FRD): A versatile metric for comparing medical imaging datasets 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103943 PMID:41610784	研究论文	本文提出了一种针对医学图像的新型感知度量FRD（Fréchet放射组学距离），用于比较图像数据集的分布差异	首次将标准化、临床可解释的放射组学特征融入感知度量，解决了现有方法（如FID）在医学图像中解剖特征捕捉不足的问题	未明确说明在特定模态或疾病类型中的潜在适用性限制	开发一种适用于医学图像分析的通用图像分布比较度量	医学图像数据集	医学影像分析	NA	放射组学特征提取	NA	医学图像	多种数据集（具体数量未说明）	NA	NA	与下游任务性能相关性、解剖一致性、真实性、稳定性、计算效率、对抗攻击敏感性、放射科医生感知质量相关性	NA
1289	2026-03-17	A navigation-guided 3D breast ultrasound scanning and reconstruction system for automated multi-lesion spatial localization and diagnosis 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103965 PMID:41633129	研究论文	本研究开发了一种智能导航引导的3D乳腺超声扫描与重建系统，用于自动化多病灶空间定位与诊断	提出了一个集成导航引导的3D乳腺超声系统，结合了混合病灶感知时空Transformer（HLST）模型和几何自适应时钟投影方法，实现了无缝3D重建、乳头中心病灶定位以及基于视频的恶性预测，无需患者附着标记或预标记地标	NA	开发一个智能导航引导的乳腺超声扫描系统，以标准化乳腺超声工作流程，提高病灶定位和诊断的准确性与效率	乳腺病灶（在乳腺体模和临床患者中）	计算机视觉	乳腺癌	超声成像	Transformer	视频, 3D图像	3个乳腺体模和43名女性患者（其中30个异常乳腺）	NA	Hybrid Lesion-informed Spatiotemporal Transformer (HLST), BUS-SAM-2	准确性, 相关系数（距离、3D大小、顺时针角度）	NA
1290	2026-03-17	Deep learning predicts and in vitro experiments validates the synergistic anti-liver cancer effect of vincristine and lenvatinib: Mechanism involving apoptosis induction via the TNF-α/Caspase-8 pathway 2026-03-19, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153380 PMID:41637988	研究论文	本研究利用深度学习模型预测并验证了长春新碱与乐伐替尼在抗肝癌中的协同作用及其通过TNF-α/Caspase-8通路诱导凋亡的机制	首次结合深度学习模型（MARSY和MatchMaker）预测药物协同作用，并通过实验验证了长春新碱与乐伐替尼联用能通过ROS介导的TNF-α/Caspase-8通路诱导肝癌细胞凋亡	研究仅进行了体外实验验证，缺乏体内动物模型或临床数据的支持	开发克服乐伐替尼耐药性的协同药物组合，为肝癌治疗提供新策略	肝癌细胞	机器学习	肝癌	CCK-8检测、集落形成实验、伤口愈合实验、Transwell实验、流式细胞术、Western blot分析	深度学习模型	药物相互作用数据、细胞实验数据	NA	NA	MARSY, MatchMaker	ZIP模型协同指数	NA
1291	2026-03-17	Comprehensive Multiomics Characterization of Perineural Invasion in Cervical Cancer Reveals Diagnostic Markers, Molecular Drivers, and Therapeutic Strategies 2026-Mar-16, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0149 PMID:41379570	研究论文	本研究通过多组学分析揭示了宫颈癌神经周围浸润的分子机制，并识别了诊断标志物和潜在治疗策略	首次通过整合全外显子、全基因组和RNA测序数据，结合机器学习和深度学习模型，系统性地识别了PNI的基因表达特征、驱动突变及靶向治疗药物	样本量相对较小（45例患者），且验证队列规模有限（37例），可能影响结果的普适性	阐明宫颈癌神经周围浸润的分子机制，开发诊断标志物和治疗策略	宫颈癌患者的肿瘤和匹配正常组织样本	机器学习, 深度学习	宫颈癌	全外显子测序, 全基因组测序, RNA测序	机器学习, 深度学习	基因组数据, 转录组数据	45例患者（23例PNI, 22例非PNI），独立验证队列37例（18例PNI, 19例非PNI）	NA	NA	准确性	NA
1292	2026-03-17	Predicting Cerebral Aneurysm Recurrence after Coil Embolization: A Novel Deep Learning Approach Using Time-of-flight Magnetic Resonance Angiography 2026-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2025-0288 PMID:41526250	研究论文	本研究提出了一种结合机器学习和深度学习技术的新方法，利用时间飞跃磁共振血管成像来预测脑动脉瘤弹簧圈栓塞术后的复发	首次将临床数据与3D重建的时间飞跃磁共振血管成像数据结合，构建了融合深度学习的预测模型，并比较了仅使用术前图像与同时使用术前术后图像两种版本的性能	研究为回顾性多中心分析，样本量相对有限（154例患者），且模型性能有待在前瞻性研究中进一步验证	预测脑动脉瘤在弹簧圈栓塞术后的复发风险	接受弹簧圈栓塞术的未破裂脑动脉瘤患者	数字病理学	脑血管疾病	时间飞跃磁共振血管成像	逻辑回归, 神经网络, 深度学习	图像, 临床数据	154例患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
1293	2026-03-17	Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104612 PMID:41577169	综述	本文综述了肽类药物发现中计算化学信息学工具的当前方法，旨在促进这些工具在药物发现流程中的整合应用	系统性地概述了肽类计算研究的不同阶段，包括表示、相似性评估、机器学习/深度学习模型和肽设计，并基于关键特征强调了现有工具	NA	促进肽类药物发现中计算工具的应用，加速设计-测试周期并指导候选药物开发	肽类分子及其在药物发现中的应用	计算化学信息学	NA	计算化学信息学工具，机器学习/深度学习	ML/DL模型	肽类分子数据	NA	NA	NA	NA	NA
1294	2026-03-17	Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis 2026-Mar, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.70167 PMID:41588994	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了整合术前前列腺MRI影像和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能	首次对整合多参数MRI影像组学特征与临床变量（如PSA、Gleason评分）的AI模型进行系统综述和荟萃分析，证实其诊断性能显著优于传统评估方法	研究间存在异质性，主要源于MRI协议、分割方法和建模方法的差异，且深度学习与传统机器学习模型的性能差异无统计学显著性	评估人工智能模型整合术前前列腺MRI和临床参数预测前列腺癌包膜外侵犯的诊断性能	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（如T2加权成像、弥散加权成像）	深度学习, 传统机器学习	图像, 临床参数	14项研究，涉及2,131名患者	NA	NA	灵敏度, 特异度, 曲线下面积, 诊断比值比	NA
1295	2026-03-17	Hit identification in ultra large virtual screening: an integrative review and future challenges 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104616 PMID:41611169	综述	本文综述了超大规模虚拟筛选（ULVS）在药物发现中的策略、平台及未来挑战	整合了结构、配体、药效团、片段及混合工作流，并强调了机器学习与深度学习的增强作用	在评分准确性、资源效率和泛化能力方面仍存在挑战	探讨超大规模虚拟筛选在药物发现中的应用、策略及未来发展方向	数百亿至数十亿化合物库，针对G蛋白偶联受体和蛋白质-蛋白质界面等靶点	机器学习	NA	虚拟筛选，机器学习，深度学习	NA	化合物结构数据	数百亿至数十亿化合物	NA	NA	NA	NA
1296	2026-03-17	A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06736-z PMID:41651871	研究论文	本文介绍了一个用于口腔鳞状细胞癌诊断和预后的高倍率组织病理学图像数据集Multi-OSCC	提出了首个同时整合诊断和预后信息、覆盖多倍率（×200、×400、×1000）及肿瘤核心与边缘区域的大规模OSCC公开数据集	未明确提及数据集的种族/地域多样性限制或外部验证结果	构建支持口腔鳞状细胞癌全面临床评估的标准化病理图像数据集	1,325名口腔鳞状细胞癌患者的组织病理学图像	数字病理学	口腔鳞状细胞癌	组织病理学成像	深度学习视觉编码器	高分辨率组织病理学图像	1,325名患者（每名患者6张图像，共7,950张图像）	未明确说明	未明确说明	未明确说明	NA
1297	2026-03-17	Deep tobit model: an integrated framework for high-dimensional censored regression with variable selection 2026-Jan-23, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09690-5 PMID:41571915	研究论文	本文提出了一种名为Deep Tobit模型的集成深度学习框架，用于处理高维左删失回归问题，并开发了具有理论保证的两阶段特征选择算法	首次将Tobit模型与深度学习结合，使用负Tobit对数似然作为损失函数处理删失数据，并开发了具有收敛速率和选择一致性理论保证的特征选择算法	未明确说明模型对右删失或其他类型删失数据的适用性，也未讨论计算复杂度或在大规模数据集上的可扩展性	解决高维左删失回归问题，同时实现变量选择和预测准确性	左删失的航空发动机壳体振动数据和HIV病毒载量数据	机器学习	NA	深度学习框架	深度学习模型	高维左删失响应数据	NA	NA	Deep Tobit模型	变量选择准确性, 预测准确性	NA
1298	2026-03-17	Volatile biomarkers of fungal infection and mycotoxin contamination in fruits and vegetables: emerging targets for monitoring and early warning 2026, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2025.2562369 PMID:40965270	综述	本文综述了水果和蔬菜采后真菌感染及其产生的挥发性有机化合物作为生物标志物，用于早期检测和预警的研究进展	系统性地将挥发性有机化合物作为非侵入性生物标志物，结合人工智能技术，用于采后病害的早期诊断和预警	综述文章，未提出具体的实验验证或模型性能数据	开发基于挥发性有机化合物的智能、快速、经济有效的采后病害监测框架	水果和蔬菜采后真菌病原体及其感染过程	机器学习	NA	气相色谱-质谱联用，电子鼻，生物传感器	机器学习，深度学习	挥发性有机化合物数据	NA	NA	NA	NA	NA
1299	2026-03-17	Computational Approaches to Neurological Disorder Diagnosis: An In-Depth Review of Current Methods and Future Prospects 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056404224251026110800 PMID:41276980	综述	本文对用于阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病诊断的现有计算方法进行了全面分析	系统性地回顾和评估了140项同行评议研究，涵盖了机器学习算法、神经影像技术和电生理信号分析等多种诊断方法，并讨论了多模态数据整合以及深度学习等新兴技术的潜力	本文是一篇综述，未提出新的算法或模型，主要基于现有文献进行分析，未进行原始数据验证	评估当前用于神经系统疾病诊断的计算方法的有效性、准确性及局限性，并探讨未来研究方向以提高诊断精度和患者预后	阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病	机器学习	神经系统疾病	神经影像技术、电生理信号分析	NA	多模态数据（可能包括图像、信号等）	基于140项研究（未提供具体患者样本数）	NA	NA	有效性、准确性	NA
1300	2026-03-17	Investigating causal relations between brain morphology and genetic risk variants in Parkinson's disease 2026, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103928 PMID:41519071	研究论文	本文采用因果深度学习框架，研究了帕金森病中遗传风险变异与大脑形态之间的因果关系	首次将因果深度学习模型应用于帕金森病的基因型-表型分析，以探究遗传变异对大脑结构的因果影响，超越了传统的相关性分析方法	研究样本量相对有限，且模型在更广泛人群中的普适性仍需进一步验证	探究帕金森病中遗传风险变异与大脑形态学特征之间的因果关系	帕金森病患者、前驱期帕金森病患者及健康对照者的大脑影像与遗传数据	医学影像基因组学	帕金森病	影像基因组学分析	因果深度学习模型	影像数据, 遗传数据	PPMI数据集：359名参与者（102名对照，214名PD患者，43名前驱期PD患者）；UK Biobank验证集：16,861名神经健康参与者	NA	掩码因果归一化流模型	p值	NA