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
1301	2026-03-17	Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method 2025-Nov-03, eLife IF:6.4Q1 DOI:10.7554/eLife.98798 PMID:41181929	研究论文	本研究通过分子动力学模拟、数据驱动统计方法和深度学习，揭示了新型精神活性物质（NPS）靶向大麻素受体CB1时增强下游β-arrestin信号的结构基础	结合过渡态重加权方法、变分自编码器（神经关系推断，NRI）分析配体结合动力学对下游信号的影响，首次系统阐明了NPS与经典大麻素在跨膜区TM7相互作用差异及对NPxxY基序变构调控的机制	研究主要基于计算模拟，缺乏实验验证；样本仅涉及两种配体（MDMB-Fubinaca和HU-210），可能无法完全代表所有NPS的多样性	揭示新型精神活性物质（NPS）靶向大麻素受体CB1时导致更强β-arrestin信号的结构机制与动力学差异	人类大麻素受体1（CB1）及其配体（NPS MDMB-Fubinaca和经典大麻素HU-210）	计算生物学	药物滥用	分子动力学模拟，多系综模拟，过渡态重加权方法，变分自编码器（神经关系推断）	变分自编码器	分子动力学模拟轨迹数据	两种配体（MDMB-Fubinaca和HU-210）与CB1受体的结合过程模拟	NA	神经关系推断	NA	NA
1302	2026-03-17	Deep learning-powered high-efficient atomic force microscopy single-cell nanomechanical analysis on diverse biointerfaces 2025-10-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152761 PMID:41066979	研究论文	本文提出了一种结合原子力显微镜单细胞压痕实验与视觉基础模型图像识别的方法，用于在不同生物界面上进行高效、可靠的细胞力学测量	利用预训练的深度学习模型实时识别光学明场图像中的细胞，实现了自主高效的AFM单细胞压痕实验，提升了AFM的吞吐量和自动化水平	NA	揭示细胞与细胞外基质相互作用的物理机制，以全面理解生理和病理过程	单细胞在多种生物界面上的力学响应	计算机视觉	NA	原子力显微镜，单细胞压痕实验	深度学习模型	图像	NA	NA	视觉基础模型	NA	NA
1303	2026-03-17	DeepInMiniscope: Deep learning-powered physics-informed integrated miniscope 2025-Sep-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr6687 PMID:40938981	研究论文	本文介绍了一种名为DeepInMiniscope的微型集成显微镜，结合定制光学掩模和物理信息深度学习模型，用于高效的大规模三维成像	开发了结合定制光学掩模和物理信息深度学习模型的微型集成显微镜，显著降低了计算需求，并实现了毫米级物体体积的高质量重建	NA	开发一种紧凑、高效的大视场三维成像技术，用于生物医学研究	小鼠大脑皮层中的神经元活动	计算机视觉	NA	掩模集成荧光显微镜	深度学习模型	图像	NA	NA	NA	重建质量、速度	NA
1304	2026-03-17	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究提出了一种基于深度学习的全自动化方法，用于肝脏磁共振弹性成像的质量控制和肝脏硬度测量	首次采用深度学习模型（SqueezeNet和U-Net）实现肝脏MRE质量控制和硬度测量的全自动化，显著提高效率	研究为单中心回顾性研究，样本量相对较小（69名患者），需进一步多中心验证	开发自动化深度学习方法以解决肝脏磁共振弹性成像质量控制和测量变异性问题	肝脏磁共振弹性成像扫描图像	数字病理学	肝纤维化	磁共振弹性成像	CNN	图像	69名患者的146次2D MRE扫描，共897张MRE幅度切片	NA	SqueezeNet, U-Net	准确率, 精确率, 召回率, 平均LSM误差, 组内相关系数	NA
1305	2026-03-17	Training deep learning models on personalized genomic sequences improves variant effect prediction 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618510 PMID:39463940	研究论文	本文通过训练深度学习模型于个性化基因组序列，提升了变异效应预测的性能	在匹配个人基因组的功能基因组数据上训练模型，提高了变异效应预测的准确性，且变异效应表征在微调至未见细胞环境和实验读数时仍能保留	NA	改进序列到功能模型在变异效应预测中的性能	个性化基因组序列和功能基因组数据	机器学习	NA	功能基因组数据	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
1306	2026-03-17	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2025-Feb, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	本研究利用深度学习分析OCT图像，量化了在pegcetacoplan治疗下，地理萎缩患者光感受器和视网膜色素上皮层的形态变化	首次应用深度学习技术对OCT图像进行分割，以客观量化地理萎缩中光感受器和视网膜色素上皮层的退化，并揭示了椭圆体带-视网膜色素上皮差异对疾病进展和治疗反应的显著影响	研究为事后纵向图像分析，可能受限于原始临床试验的设计和数据收集；未详细说明深度学习模型的泛化能力到其他数据集或临床环境	评估pegcetacoplan治疗对年龄相关性黄斑变性引起的地理萎缩中视网膜结构变化的疗效	来自OAKS和DERBY两项前瞻性随机III期临床试验的897名地理萎缩患者	数字病理学	年龄相关性黄斑变性	OCT成像	深度学习	图像	897只眼睛（来自897名患者）	NA	NA	视网膜色素上皮损失和椭圆体带损失的面积变化百分比	NA
1307	2026-03-17	AI: the Apollo guidance computer of the Exposome moonshot 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1632520 PMID:41000410	评论	本文提出将人工智能与微生理系统和多组学平台结合，以推动暴露组学研究，实现疾病预防和个性化健康管理	提出“暴露组登月计划”统一愿景，将微生理系统、多组学平台和人工智能整合，创建器官、个体和人群的数字孪生模型	需要扩展模型的适用领域、实施稳健的数据安全措施，并优先采用透明可解释的算法	推动暴露组学研究，通过人工智能整合环境暴露数据以理解和预防人类疾病	人类环境暴露数据、微生理系统生成的数据、多组学平台数据	机器学习	NA	多组学平台	深度学习	异质数据流	NA	NA	NA	NA	NA
1308	2026-03-17	AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687056 PMID:41312237	综述	本文综述了人工智能在质谱化学鉴定中的应用，特别是在代谢组学和人类暴露组项目中预测保留时间的方法	整合机器学习（包括深度学习和图神经网络）进行保留时间预测，并结合概率校准和跨平台协调，以提高代谢物注释的置信度	NA	通过人工智能增强保留时间预测，以改善人类暴露组项目中环境与内源性化学物质的鉴定	人类生物样本中的环境与内源性化学物质	机器学习	NA	液相色谱-高分辨率质谱, 气相色谱	深度学习, 图神经网络, 迁移学习	质谱数据	NA	NA	NA	NA	NA
1309	2026-03-17	Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism 2024-03-11, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2354082 PMID:39049767	研究论文	本研究探讨了训练数据特征对深度学习模型在心电图异常检测中泛化性能的影响，并引入注意力机制以提升泛化能力	通过使用仅占大型数据集1%的平衡数据集实现与完整数据集相当的泛化性能，并验证注意力机制对模型泛化能力的进一步优化	未明确说明具体心电图异常类型及模型在外部验证集上的表现细节	探究训练数据特征对深度学习模型泛化性能的影响，并提升心电图异常检测的泛化能力	心电图数据集及基于深度学习的异常检测模型	机器学习	心血管疾病	NA	深度学习模型（未指定具体类型）	心电图数据	多个心电图数据集，平衡子集仅占大型数据集的1%	NA	NA	泛化性能（未指定具体指标）	NA
1310	2026-03-17	Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida 2024, Genetics in medicine open DOI:10.1016/j.gimo.2024.101894 PMID:39669613	研究论文	本研究通过整合计算分析，揭示了与脊柱裂相关的调控基因组元件及其在疾病遗传易感性中的作用	采用无靶向的全基因组方法结合深度学习优先排序框架，识别了脊柱裂中罕见的单核苷酸变异和拷贝数变异，特别是CCCTC结合因子结合位点的富集，并关联了功能通路	NA	描绘脊柱裂病理生理学背后的全基因组调控特征，以理解其遗传易感性	脊柱裂患者与健康对照的基因组数据	计算生物学	脊柱裂	全基因组测序，深度学习优先排序	深度学习框架	基因组序列数据	NA	NA	NA	NA	NA
1311	2026-03-17	RETRACTED ARTICLE: A novel deep learning-based approach for detecting attacks in social IoT 2023-05-10, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08389-1 PMID:37362260	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1312	2026-03-16	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	本研究提出了一种基于颅骨CT扫描的深度学习方法来预测经颅超声插入损失	提出了一种改进的双路径Inception神经网络（mDPI-Net），用于从颅骨CT图像中直接预测超声插入损失，相比传统数值方法显著提升了计算效率	研究仅使用了20个人类颅骨样本，样本量相对较小；实验设置固定，未考虑临床操作中的变异性	优化经颅超声的能量传输，实现更精确的剂量控制	人类颅骨标本	医学影像分析	脑部疾病	CT扫描，超声传输实验	CNN	图像（CT扫描）	20个人类颅骨标本	NA	改进的双路径Inception神经网络（mDPI-Net）	峰值压力误差，插入损失偏差	NA
1313	2026-03-16	Multivariate feature analysis of early-stage laryngeal cancer serum components using surface-enhanced Raman spectroscopy 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127625 PMID:41740394	研究论文	本研究系统探讨了表面增强拉曼光谱结合深度学习模型在早期喉癌血清筛查中的临床应用价值	首次将融合注意力机制的一维卷积神经网络应用于早期喉癌血清SERS光谱分析，并证实其优于传统机器学习模型	样本量相对有限，仅包含早期喉癌、声带息肉和健康对照三组，且为单中心研究	开发一种高效、准确的早期喉癌筛查方法	早期喉癌患者、声带息肉患者和健康对照者的血清样本	机器学习	喉癌	表面增强拉曼光谱	CNN	光谱数据	三组血清样本（早期喉癌、声带息肉、健康对照），具体数量未明确说明	NA	1D-CNN, CNN-attention, CNN-baseline	准确率	NA
1314	2026-03-16	Three-dimensional fluorescence spectroscopy recognition and component analysis based on machine learning 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127633 PMID:41759433	研究论文	本研究提出了一种结合机器学习与三维荧光光谱的有效方法，用于实现样品污染检测与成分分析	提出了一种名为SE-UNet的改进U型网络架构，利用PARAFAC导出的光谱轮廓作为参考目标来训练模型，在复杂混合物场景下表现出比传统方法更稳定的性能和更强的泛化能力	研究在模拟污染环境中进行数据采集，实际环境复杂性可能影响模型性能；未明确说明模型在极端污染浓度下的表现	开发基于机器学习的三维荧光光谱识别与成分分析方法，提高污染检测的准确性和可靠性	荧光物质及其在污染环境中的识别与成分分析	机器学习	NA	三维激发-发射矩阵荧光光谱技术	KNN, RF, CNN, U-Net	光谱数据	NA	NA	CNN, VGG, U-Net, SE-UNet	RMSE, NRMSE, 余弦相似度, WMAE	NA
1315	2026-03-16	A transformer and 3D CNN-based feature fusion network with interpretable ability for Raman spectra analysis: improving the diagnosis of thyroid cancer 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127623 PMID:41762798	研究论文	本文提出了一种结合Transformer和3D CNN的多模态深度学习框架，用于拉曼光谱分析，以提升甲状腺癌的诊断准确性	首次在基于拉曼光谱的甲状腺癌检测中，提出了一种协同整合一维光谱和二维时空特征的多模态深度学习框架，通过多头交叉注意力机制自适应融合特征，并增强了模型的可解释性	二维表示转换可能存在信息损失，其程度取决于所采用的编码策略	提高甲状腺良恶性病变的准确鉴别诊断	甲状腺病变组织	机器学习	甲状腺癌	拉曼光谱	Transformer, 3D-CNN	光谱数据	NA	NA	Transformer, 3D-CNN	准确率	NA
1316	2026-03-16	Deep learning assisted cell electrical signal analysis in impedance cytometry 2026-Jun, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116093 PMID:41763285	研究论文	本研究开发了基于一维CNN的BioFluxNet算法，用于阻抗细胞术中的原始电信号分析，以直接分类细胞类型并量化细胞计数	BioFluxNet算法通过深度学习自动化分析原始电信号，消除了传统信号处理中耗时的步骤，减少了人工干预和操作者主观性	NA	开发一种快速、自动化的深度学习框架，用于阻抗细胞术中的电信号分析，以分类细胞类型并计数	颗粒和细胞（包括血液细胞和肿瘤细胞）的原始信号流	机器学习	肿瘤	阻抗细胞术	CNN	电信号	NA	NA	一维CNN	NA	NA
1317	2026-03-16	Flow rate determination in a two-phase system using radioactive particle tracking and deep learning 2026-May, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112520 PMID:41723967	研究论文	本研究提出了一种结合放射性粒子追踪技术和深度学习的方法，用于预测两相系统中的流体体积分数并计算表观速度，以实现非侵入式的流量测定	提出了一种基于放射性粒子追踪和深度学习的非侵入式流量测定方法，避免了传统流量计需要直接接触流体和定期维护的问题	研究基于模拟数据（MCNP6蒙特卡洛模拟），未在真实工业环境中进行验证；仅针对分层盐水-油流态进行了测试	开发一种非侵入式方法，用于准确测定石油工业中两相管道系统的流量	两相系统（盐水-油）中的流体流动	机器学习	NA	放射性粒子追踪技术，蒙特卡洛模拟（MCNP6）	深度神经网络	模拟辐射信号数据	NA	NA	NA	平均绝对百分比误差（MAPE）	NA
1318	2026-03-16	CXCL9 as a key feature for deep learning-based immune subtyping and prediction of immune checkpoint blockade response in triple-negative breast cancer 2026-Apr-15, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2026.116439 PMID:41759266	研究论文	本研究通过整合多组学数据，利用深度学习驱动的无监督聚类方法识别三阴性乳腺癌的免疫亚型，并发现CXCL9作为关键生物标志物与免疫检查点阻断反应正相关，受IDO1调控	开发了一种基于深度学习的无监督聚类方法（AE-K-means）对三阴性乳腺癌进行免疫亚型分类，并首次将CXCL9识别为与免疫检查点阻断反应相关的关键特征，揭示了IDO1可能通过调控CXCL9影响肿瘤微环境	研究主要基于公共数据集（GEO、TCGA、GTEx），样本可能缺乏多样性；体外实验初步验证了调控机制，但需进一步体内实验确认；深度学习模型的泛化能力有待更多独立队列验证	开发一种新的免疫分类系统，以更准确地预测三阴性乳腺癌患者对免疫检查点阻断疗法的反应，并探索相关的生物标志物和调控机制	三阴性乳腺癌患者的多组学数据（包括基因表达、单细胞测序数据）以及体外培养的巨噬细胞	机器学习	乳腺癌	多组学数据整合、单细胞RNA测序（scRNA-seq）、qRT-PCR、Western blotting、免疫荧光、ELISA	深度学习无监督聚类（AE-K-means）、随机森林（RF）、其他机器学习算法	基因表达数据、单细胞测序数据、实验数据	来自GEO、TCGA和GTEx数据集的多个三阴性乳腺癌样本，具体数量未明确说明，但涉及训练、测试和验证集	未明确指定，但可能涉及TensorFlow或PyTorch（用于深度学习聚类）及Scikit-learn（用于机器学习算法）	自编码器（AE）与K-means结合的聚类架构，其他模型包括NMF、ConsensusClusterPlus、VAE-GMM	轮廓系数（Silhouette Coefficient）、戴维斯-布尔丁指数（Davies-Bouldin Index）、AUC（曲线下面积）	未明确说明，但可能使用GPU进行深度学习模型训练
1319	2026-03-16	Automated differentiation of caries requiring filling and caries necessitating root canal treatment using machine learning 2026-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00874-7 PMID:41175174	研究论文	本研究提出了一种基于深度学习的创新推荐系统，用于自动区分需要填充和需要根管治疗的龋齿类型，并推荐相应治疗方案	引入了一种新颖的推荐系统，结合多种分割方法（YOLOv8、U-Net、Detectron-2）自动检测龋齿类型并推荐治疗方案，是该领域的重大贡献	研究仅基于1253张咬翼片图像，样本量相对有限，且未提及模型在更广泛临床环境中的泛化能力	开发一个辅助牙医诊断龋齿类型（需填充或需根管治疗）并推荐治疗方案的深度学习系统	第一磨牙的龋齿类型（无龋、单一类型龋齿、多种类型龋齿）	计算机视觉	龋齿	深度学习图像分割	CNN	图像	1253张咬翼片图像（经过数据增强）	PyTorch	YOLOv8, U-Net, Detectron-2	像素标签准确率, 治疗推荐成功率	NA
1320	2026-03-16	Applications and clinical translation of artificial intelligence in CBCT-based detection of endodontic lesions: a scoping review 2026-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00876-5 PMID:41188594	综述	本文是关于人工智能在CBCT影像中检测根尖周病变应用与临床转化的范围综述	系统梳理了AI（特别是深度学习）在CBCT影像中自动检测、分类和分割根尖周病变的最新应用进展，并评估了其临床转化潜力	大多数研究为回顾性，使用小型或同质数据集，缺乏外部验证或标准金标准比较（如组织学相关性）	评估人工智能在基于CBCT的根尖周病变检测中的应用现状、诊断性能及临床转化前景	根尖周病变	数字病理	牙科疾病	CBCT成像	CNN	图像	NA	NA	U-Net, DenseNet, PALNet	灵敏度, AUC	NA