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
1341	2026-08-22	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	本文提出了一个名为DynMoCo的新型深度学习框架，用于从分子动力学模拟中揭示蛋白质的模块化子结构	借鉴社交网络科学方法，将分子建模为时间演化图，并结合图卷积网络与循环模型进行端到端的动态社区检测	未提及具体局限性	通过动态社区检测，将高维分子动力学数据简化为可解释的社区结构，以理解复杂生物分子系统的动态功能	三整合素系统的力-拉动和力-钳制分子动力学模拟	数字病理学	不适用	分子动力学模拟	图卷积网络、循环模型	分子动力学轨迹	三个整合素系统	PyTorch	图卷积网络-循环模型	不适用	不适用
1342	2026-08-22	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2026-08, Abdominal radiology (New York) DOI:10.1007/s00261-025-05371-3 PMID:41524987	研究论文	该研究评估了放射组学和深度学习在多中心队列中对胰腺导管内乳头状黏液性肿瘤（IPMN）进行囊性级别恶性风险分层的能力。	首次在多中心队列中利用囊性级别的图像特征，结合放射组学和深度学习对IPMN的异型增生等级进行预测，并比较了2D和3D放射组学、深度学习及融合模型。	模型性能仍需改进以供独立临床使用，且仅使用T2加权和T1加权MRI序列，专家评分准确性差异大。	评估人工智能在IPMN的恶性风险分层中的应用可行性，以改善诊断准确性并减少不必要的手术干预。	来自7个中心的359张T2加权MRI图像中的IPMN囊性病变。	医学影像分析	胰腺导管内乳头状黏液性肿瘤（IPMN）	MRI（T2加权）成像	放射组学、深度学习、融合模型（2D和3D）	MRI图像	359张T2加权MRI图像，来自7个中心	未明确指定，可能涉及多种框架（如PyTorch或TensorFlow）	放射组学模型、深度学习模型（可能是CNN架构）、融合模型	AUC、准确率、加权Cohen's kappa系数	未明确提及，可能使用GPU进行计算
1343	2026-08-22	Interpretable machine learning and deep learning model for discriminating pheochromocytoma from adrenocortical adenoma based on CT: A multicenter study 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112902 PMID:42107147	研究论文	本研究通过比较多种机器学习和深度学习方法，基于CT影像组学特征和临床数据，构建并验证了用于鉴别嗜铬细胞瘤与肾上腺皮质腺瘤的可解释性模型	首次系统比较了八种机器学习分类器与深度学习模型在鉴别PHEO和ACA中的性能，并利用SHAP方法对最佳模型进行解释，构建了临床列线图以提供个性化、透明的风险评估	未在摘要中明确提及局限性，可能包括回顾性设计、样本量有限或外部验证仅来自单一中心	确定术前区分嗜铬细胞瘤与肾上腺皮质腺瘤的最佳诊断策略	嗜铬细胞瘤和肾上腺皮质腺瘤患者	医学影像分析	嗜铬细胞瘤、肾上腺皮质腺瘤	CT影像组学	机器学习分类器及深度学习模型（包括逻辑回归和基于SqueezeNet的深度学习模型）	双期CT图像	401例患者（中心1: 331例，中心2: 70例）	NA	逻辑回归、SqueezeNet	AUC、准确率、决策曲线分析	NA
1344	2026-08-22	Topology-Aware Deep Learning on Higher-Order Structures for Drug Response Prediction 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75816 PMID:42199168	研究论文	提出一种拓扑感知的深度学习框架TopDr，编码药物和细胞系的多尺度单纯复形结构，以提高抗癌药物反应预测的准确性和可解释性	首次将药物和细胞系建模为多尺度单纯复形，同时利用0、1和2阶单纯形级别的局部高阶邻域和全局拓扑结构进行药物反应预测	摘要中未明确说明局限性	通过建模高阶拓扑结构提高抗癌药物反应预测的准确性、鲁棒性和生物学可解释性	抗癌药物和细胞系	机器学习	癌症	NA	深度学习模型（具体类型未指定）	药物和细胞系的表征数据	六个基准数据集	NA	NA	回归和分类任务中的性能指标（具体未指定，如准确率、AUC等）	NA
1345	2026-08-22	Artificial Intelligence in Minimally Invasive Gynecological Surgery: A Systematic Review of Task-Specific Performance and Clinical Translational Readiness 2026-Aug, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.04.015 PMID:42035795	系统综述	系统评估人工智能在微创妇科手术围手术期各阶段的任务特定性能和临床转化就绪度	首次系统评估AI在微创妇科手术中的任务特定性能并利用PROBAST-AI框架评估偏倚风险	证据主要为观察性研究，偏倚风险高，外部验证有限	系统评估AI在微创妇科手术术前、术中和术后阶段的任务特定性能和临床转化就绪度	微创妇科手术中的AI应用，包括腹腔镜、宫腔镜和机器人手术	机器学习	妇科疾病（包括子宫内膜异位症、附件扭转、宫腔肌瘤、宫腔粘连）	NA	深度学习模型	临床数据	8项研究涉及6577名患者	NA	深度学习	敏感性、特异性、曲线下面积、手术时间、术中出血量	NA
1346	2026-08-22	CellFuse Enables Multimodal Integration of Single-Cell and Spatial Proteomics Data for Systems-Level Analysis in Cancer 2026-07-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-3699 PMID:42084223	研究论文	开发了CellFuse，一种基于深度学习的多模态整合框架，用于统一基于抗体的蛋白质组学数据，包括单细胞和空间蛋白质组学，以实现癌症的系统级分析	提出了一种利用监督对比学习的整合框架，能够处理低维蛋白质组数据，支持跨模态细胞类型预测和标签转移，并在多种癌症数据集中验证了其优于现有方法	摘要中未明确提及局限性，可能包括对高通量数据的计算需求或对特定抗体panel的依赖	开发一种可扩展、模态无关的整合工具，以联合单细胞和空间蛋白质组学数据，揭示肿瘤免疫生态系统的结构及相关细胞状态	肿瘤样本中的多种细胞类型，包括恶性细胞、基质细胞和免疫细胞，以及来自外周血、骨髓和淋巴瘤的数据	机器学习	癌症	抗体为基础的蛋白质组学，包括高维细胞计数法、CITE-seq和空间蛋白质组学	深度学习模型（利用监督对比学习）	蛋白质组数据（单细胞和空间）	多个数据集，涵盖外周血、骨髓和淋巴瘤样本，具体样本数量未在摘要中说明	NA	NA	细胞类型预测准确性、标签转移稳健性以及临床相关群体的恢复能力	NA
1347	2026-08-22	De novo design of RNA pseudoknots with deep learning 2026-Jul-03, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.21.726960 PMID:42239184	研究论文	本文展示了利用深度学习工具准确从头设计RNA假结二级结构，并在Eterna竞赛中通过生成式AI方法成功解决多数盲测挑战，生成具有精确二级结构和良好三维折叠的RNA分子	首次证明无需精确预测RNA三维结构，仅基于二级结构设计即可生成复杂假结RNA，且AI生成分子具有非经典三级相互作用稳定性，RNet基础模型利用化学图谱数据指导设计	未明确提及，但依赖化学图谱数据训练，可能受限于数据覆盖范围和设计任务的通用性，且三维折叠验证仅针对少数生成分子	探索通过深度学习工具进行RNA假结的从头设计，评估生成式AI在RNA设计任务中的有效性，并研究是否可绕过三维结构预测	RNA假结二级结构，包括57个假结设计挑战中的生成分子	深度学习、计算生物学、RNA设计	不适用	化学图谱（chemical mapping）、补偿突变分析、冷冻电子显微镜、深度学习生成模型	生成式AI、RNet基础模型	RNA序列、化学图谱数据、突变数据、冷冻电镜结构数据	57个假结设计挑战，具体分子数量未提及	未明确提及	RNet基础模型	单核苷酸分辨率化学图谱匹配、补偿突变成功率、冷冻电镜结构验证	未明确提及
1348	2026-08-22	Hematopoietic Stem Cell Transplant and Brain Volume Changes in Adults With Sickle Cell Disease 2026-Jun-09, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000218050 PMID:42133908	研究论文	本研究评估了成人镰状细胞病（SCD）患者接受造血干细胞移植（HSCT）后脑体积和脑白质高信号（WMH）的变化，发现成功移植与脑体积保存相关，但WMH增长未受影响。	首次在成人SCD患者中纵向评估HSCT对脑萎缩和WMH增长的影响，并结合深度学习和FreeSurfer分割方法，为评估HSCT的神经保护作用提供了新证据。	研究为单中心队列，样本量有限（77名参与者），移植失败组人数较少，可能影响统计效力；未评估认知功能变化，且随访时间不等。	探讨成功HSCT是否与成人SCD患者较低的脑萎缩或WMH增长速率相关。	成人严重镰状细胞病患者，接受自体基因治疗、HLA匹配供者或半相合供者的HSCT。	医学影像分析, 数字病理学	镰状细胞病	MRI（T1加权和FLAIR序列）	深度学习算法（用于WMH分割），FreeSurfer分割（非深度学习）	MRI图像	77名参与者（平均年龄32岁，43%女性），随访中位5.3年	NA	NA	脑实质分数（BPF）和WMH体积的变化率（%/年）	NA
1349	2026-08-22	Cross-modal attentive fusion network for tri-modal lesion growth prediction 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53402-w PMID:42259863	研究论文	提出了一种名为跨模态注意力融合网络（CMAFN）的深度学习模型，用于多模态医学图像中的病变生长预测	结合了深度典型相关分析（DCCA）用于非线性特征融合、跨模态注意力机制（CMAM）用于自适应模态组合和特征对齐，以及径向基函数与常规长短期记忆（RBF-ConvLSTM）用于学习线性和非线性时空生长模式	未在摘要中明确提及局限性	增强多模态医学图像的有效特征融合，实现病变进展的预测	多模态医学图像，包括乳腺X线摄影、磁共振成像和超声影像中的病变生长模式	医学图像分析	NA	多模态医学成像（乳腺X线摄影、MRI、超声）	深度典型相关分析、跨模态注意力机制、径向基函数-卷积长短期记忆网络	医学图像	NA	NA	CMAFN（包含DCCA、CMAM和RBF-ConvLSTM）	NA	NA
1350	2026-08-22	A distribution-level statistical framework for reliable pipeline leak detection using multi-domain signal analysis 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56335-6 PMID:42259898	研究论文	提出了一种基于多域信号分析和分布级统计比较的管道泄漏检测框架，无需机器/深度学习模型，通过融合多种双样本统计量构建健康指标并对比统计阈值实现可靠且可解释的泄漏检测	提出分布级比较而非点级特征偏差监测，融合能量距离、最大均值差异和Hotelling T²统计量构建统一健康指标，以及基于正常数据统计推导的阈值实现有控制的误报率	依赖于正常状态下的参考分布，可能对操作条件的大幅变化敏感；未在更多样化的管道类型和压力范围下验证	开发一种无需标签故障数据、统计严谨且数据高效的管道泄漏检测方法，以实现早期可靠检测	输送气体和水、压力为13 bar和18 bar的管道，以及从管道收集的声发射信号	信号处理	不适用	声发射信号处理、小波包分解、时域和频域特征提取	不适用（非基于机器学习模型）	声发射信号	来自气体和水管道在两种压力水平下的实验声发射数据，具体样本数量未在摘要中提供	不适用	不适用	误报率（低于1%）、检测延迟（泄漏发生后1-2个样本）、检测准确率（超过99%）、p值（1e-5到1e-10）	未在摘要中提供
1351	2026-08-22	Hybrid CNN BiLSTM architecture for smart grid cyberattack detection using smart meter data 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55727-y PMID:42251076	research paper	提出一种结合CNN和BiLSTM的混合深度学习架构，用于智能电网中的实时网络攻击检测，并基于智能电表数据进行评估。	结合CNN、BiLSTM、注意力机制和Extra Trees集成分类器，实现高精度、低延迟的网络攻击检测，并通过双向处理和集成学习提高性能。	基于单一数据集（密西西比州立大学电力网格测试平台），未进行跨数据集验证；未考虑多同时攻击检测和图神经网络等先进方法。	开发实时、可解释且鲁棒的智能电网网络攻击检测框架，以应对高级入侵策略。	智能电网通信基础设施中的网络攻击（如虚假数据注入、拒绝服务、重放和中间人攻击）以及正常操作数据。	机器学习	NA	NA	CNN, BiLSTM	智能电表时间序列数据（电压、电流、频率谐波等）	72,073条标注的电力网格日志数据	NA	CNN, BiLSTM, Extra Trees	准确率、精确率、召回率、F1-score、ROC-AUC、推理延迟	NA
1352	2026-08-22	A fractal-enhanced deep learning framework for forecasting agricultural production in India 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55859-1 PMID:42252319	研究论文	本研究提出了一种结合分形插值函数与LSTM和Bi-LSTM的深度学习框架，用于预测印度四种主要农作物的年产量，并显著提高了预测精度。	创新性地将具有可变缩放因子的分形插值函数作为数据增强技术，以捕捉农业时间序列的非平滑特征和局部波动性，并证明其优于常数缩放因子和原始数据训练。	摘要中未提及明确的局限性。	旨在通过分形增强的深度学习框架提高印度农业生产的预测准确性，特别是针对气候敏感和依赖降雨的作物。	印度四种主要农作物（小米、玉米、小麦和水稻）的年度产量数据（1961-2023年）。	机器学习	NA	分形插值函数（FIF）数据增强	长短期记忆网络（LSTM）和双向长短期记忆网络（Bi-LSTM）	时间序列数据	四种农作物，每种60多年的年度产量数据（1961-2023年）	NA	LSTM、Bi-LSTM	MAPE、Hurst指数、分形维数、Wilcoxon检验、Diebold-Mariano检验	NA
1353	2026-08-22	Dynamic breast MRI with Flexible Temporal Resolution Aided by Deep Learning 2026-May-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72776-z PMID:42156376	研究论文	介绍了一种结合深度学习与局部低秩子空间建模的径向MRI重建框架ELITE，用于动态对比增强（DCE）成像，以提高时间分辨率并减少噪声，评估于乳腺MRI及颈部、脑部成像	ELITE框架首次将局部低秩子空间建模与深度学习结合，实现灵活的时间分辨率（低至1秒），并显著提升对比度噪声比和降噪性能，适用于多种DCE-MRI应用	未提及具体局限性	解决动态MRI中空间分辨率、时间分辨率和扫描时间之间的平衡挑战，提升DCE成像质量	高风险乳腺癌患者的动态增强MRI图像，以及颈部、脑部DCE成像	医学影像	乳腺癌	MRI	深度学习模型（具体类型未指定）	图像	NA	NA	NA	对比度噪声比（CNR）、噪声降低	NA
1354	2026-08-22	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2026-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73094-0 PMID:42144397	研究论文	本文提出了一种端到端自动化流水线，用于分析血吸虫病的即时检测循环阴极抗原测试，结合深度学习与信号处理，并与人工读数进行比较。	首次将深度学习与信号处理相结合，实现即时检测试纸的全自动读取和质量控制，解决了视觉痕量不确定性，并能在短时间内提供定量评估。	该流水线仅在乌干达农村队列中进行评估，可能缺乏不同地理和人群的泛化性验证，且对高抗原浓度的快速检测可能不适用于低浓度情况。	开发自动化的诊断分类流水线，以提高血吸虫病即时检测的准确性和效率，满足世界卫生组织目标产品特性，并支持大规模监测和质量控制。	血吸虫病患者的即时检测循环阴极抗原测试，包括来自3188名个体的样本。	机器学习, 数字病理学	血吸虫病	信号处理, 深度学习	深度学习模型	图像	3188名个体（来自乌干达农村SchistoTrack队列）	NA	NA	敏感性, 特异性	NA
1355	2026-08-22	Deep learning strategies for estimating retinal thickness from fundus images: a comparative study with multi-device data 2026-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51728-z PMID:42143135	研究论文	本研究提出一种基于基础模型的深度学习框架，直接从眼底彩照估计OCT来源的总视网膜厚度图，无需预处理步骤如区域配准。	使用基础模型RETFound作为骨干，无需预处理即可从眼底彩照估计视网膜厚度，并比较三种解码器训练策略以适应多设备数据差异。	在AI-READI数据集中设备间存在显著厚度差异，不同模型对设备变化有不同响应。	开发并评估一种基于基础模型的深度学习框架，从眼底彩照直接估计OCT-derived视网膜厚度，以减少对OCT设备的依赖。	彩色眼底照片 (CFPs)与OCT扫描配对数据，来自AI-READI数据集（Topcon Maestro2和Triton设备），以及OCTA-500和EyePACS数据集。	深度学习	糖尿病视网膜病变	OCT	基础模型	图像	AI-READI数据集中的配对CFP和OCT扫描，以及OCTA-500和EyePACS数据集	PyTorch	RETFound	偏差，相对差异	NA
1356	2026-08-22	Association of MRI-Visible Perivascular Spaces With Longitudinal Cognitive Decline Over a Decade 2026-May-12, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214803 PMID:42030516	研究论文	本研究探讨MRI可见的血管周围间隙（PVS）与十年期间纵向认知衰退的关联。	利用深度学习算法自动分割PVS体积，并在较长的随访期内（平均4.9年）评估其独立于其他脑小血管病（SVD）标志物对认知下降的贡献。	无法确立因果关系；研究人群主要来自单一中心，可能影响普适性。	探究基底节区PVS负担是否作为独特的SVD标志物，独立预测纵向认知衰退。	无卒中或痴呆的社区老年人（共750名参与者）。	神经影像学	脑小血管病、痴呆	3T MRI，深度学习分割算法	深度学习分割算法（具体模型未指定）	MRI图像及神经心理学测试数据	750名参与者	NA	NA	β系数、95%置信区间	NA
1357	2026-08-22	Deep learning-based automatic field of view planning for prostate MRI in oblique coronal and oblique axial planes 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52248-6 PMID:42115680	研究论文	开发并评估了一种基于ResNet的深度学习框架，用于自动化规划前列腺MRI的斜冠状位和斜轴位视野，并在多个外部队列中验证其性能。	首次提出用于斜冠状和斜轴位前列腺MRI的自动化FoV规划深度学习框架，并通过多中心非劣效性设计验证其泛化性和临床实用性。	本研究为回顾性研究，且外部验证中部分位点数据量可能有限。	实现前列腺MRI斜冠状和斜轴位视野的自动化规划，以减少操作者依赖性并提高一致性。	前列腺MRI图像及视野规划。	深度学习	前列腺癌	NA	残差网络（ResNet）	图像	训练集1,474例，外部验证530例。	NA	ResNet	非劣效性差异，FoV重叠率，角度差异，可接受率	NA
1358	2026-08-22	FocusedON-BC: A Robust Deep Learning Framework for Automated Body Composition Assessment 2026-May-06, Nutrients IF:4.8Q1 DOI:10.3390/nu18091477 PMID:42124078	研究论文	开发了FocusedON-BC，一种基于深度学习的自动化工具，用于在CT图像中评估身体组成成分，如骨骼肌、内脏脂肪组织和皮下脂肪组织，并进行了多中心验证。	提出了一种跨T12-L5范围、不受CT扫描仪制造商和患者BMI影响的自动化身体组成评估框架，并首次在此类任务中展示了临床级别的精确度和鲁棒性。	未在摘要中明确提及，可能包括对极端体质或罕见解剖变异的适用性以及前瞻性临床应用验证的缺乏。	开发并验证一种自动的、机会性筛查工具，用于量化身体组成指标，以支持常规营养评估和临床决策。	518名患者的CT图像（共3280个切片），覆盖不同BMI范围（12.7-47.7 kg/m²），来自多个中心的多种CT制造商。	计算机视觉	肌肉减少症、肌脂肪变性、内脏脂肪堆积	计算机断层扫描（CT）	深度学习网络	CT图像	518名患者，3280个切片	未提及	未指定	Dice系数（DSC）、平均绝对误差（MAE）	未提及
1359	2026-08-22	Liquid Biopsy in Colorectal Cancer: Future Perspectives Through the Lens of Artificial Intelligence-A Comprehensive Review of Novel Literature 2026-Apr-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27093951 PMID:42123533	综述	这篇叙述性综述探讨了液体活检在结直肠癌中的应用现状和未来前景，重点关注人工智能、机器学习和深度学习在数据分析和临床转化中的作用	首次系统整合了液体活检与人工智能技术（包括随机森林、卷积神经网络、长短期记忆网络和大语言模型）在结直肠癌全程管理中的应用，提出了多模态数据整合和精准肿瘤学的新范式	叙述性综述可能存在选择性偏倚，且未进行定量荟萃分析；人工智能模型的可解释性、分析标准化和监管协调等挑战尚未解决	总结液体活检在结直肠癌中的最新证据，并评估人工智能在提高其诊断、监测和预后预测能力方面的作用	结直肠癌患者，涉及循环肿瘤DNA、循环肿瘤细胞、外泌体等液体活检生物标志物	数字病理学	结直肠癌	循环肿瘤DNA测序、甲基化谱分析	随机森林、卷积神经网络、长短期记忆网络、大语言模型	文本、图像、基因表达数据	不适用（综述文章，基于文献）	不适用	随机森林、卷积神经网络、长短期记忆网络、大语言模型	灵敏度、特异性	不适用
1360	2026-08-22	Deep learning for psychiatric genomics: from tools to applications 2026-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2026.102442 PMID:41690236	综述	本文综述了深度学习在精神科基因组学中的演进，从任务特定模型到基础模型，并探讨其在精神疾病遗传学关键问题中的应用。	系统性地梳理了深度学习在基因组学中的发展脉络，特别是基础模型（如基因组语言模型和单细胞基础模型）的变革性影响，为精神科基因组学研究者提供了前沿方法的桥梁。	未明确指出局限性，但综述性质可能缺乏原始实验性评估。	提供深度学习在基因组学中最新进展的全面概述，帮助精神科基因组学研究者理解和应用先进方法。	精神疾病基因组学中的风险位点和非编码变异。	基因组学、深度学习	精神疾病	基因组语言建模、单细胞测序、预训练模型	深度学习模型	基因组数据、单细胞数据	NA	NA	基础模型、基因组语言模型、单细胞基础模型、大型语言模型	NA	NA