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
1381	2026-08-22	Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656907 PMID:40501585	研究论文	提出一种扩展蛋白质语言模型至病毒基因组规模的方法，利用基于蛋白质相互作用的稀疏注意力机制，训练长上下文模型以捕获跨蛋白质相互作用，提升嵌入表示质量。	首次将蛋白质语言模型的上下文扩展至整个病毒基因组，采用基于蛋白质-蛋白质相互作用的稀疏注意力机制，支持长达61,000个氨基酸的序列，并优于单蛋白质模型和其他大上下文架构。	未提及明确局限性，可能包括计算资源需求、病毒基因组注释挑战等，但摘要中未详细说明。	通过利用病毒基因组的密集结构和蛋白质相互作用，开发一种长上下文蛋白质语言模型，以捕获跨蛋白质的相互作用并改进蛋白质嵌入表示。	病毒基因组序列及其中编码的蛋白质序列。	机器学习	NA	蛋白质语言模型、稀疏注意力机制	Transformer	基因组序列（氨基酸序列）	未明确指定，但涉及病毒基因组，长度可达61,000个氨基酸。	NA	Transformer	嵌入质量比较（优于其他模型）	NA
1382	2026-08-22	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一种全自动三阶段神经影像处理与机器学习管道，用于快速、自动病灶检测及个性化卒中后结果预测	提出了一种无需手动处理的端到端自动化管道，结合深度学习分割、统计模型预测和大型语言模型报告生成，且将病灶位置信息整合到结果预测中	局限性未在摘要中明确提及，可能包括样本仅限于特定卒中队列、算法对特定扫描条件依赖等	开发一种临床可部署的自动化工具，利用临床影像预测缺血性卒中患者的长期功能结果	成年缺血性卒中患者，其中训练队列为604名局灶性脑损伤患者，独立验证队列为153名缺血性卒中患者	机器学习, 数字病理学	脑血管疾病	MRI	深度学习模型	DICOM影像数据	604名患者用于训练，153名患者用于验证	NA	NA	一致性率	NA
1383	2026-08-22	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70041 PMID:39822590	研究论文	本文提出Deep-Block，一个基于连锁不平衡信息的多阶段深度学习框架，用于从全基因组测序数据中识别与阿尔茨海默病相关的基因位点。	将生物学知识（连锁不平衡模式）整合到深度学习架构中，通过稀疏注意力机制选择相关LD块，并应用TabNet和随机森林算法量化SNP重要性，从而在降维时保留SNP相互作用，减少偏差和信息损失。	摘要未明确提及局限性，但可能包括对特定数据集（NHW人群）的依赖、计算资源需求高以及需要进一步验证新发现位点的功能意义。	开发一个能有效处理大规模高通量测序数据并识别与阿尔茨海默病相关遗传位点的深度学习框架。	阿尔茨海默病相关的遗传位点，包括单核苷酸多态性（SNP）和连锁不平衡（LD）块。	数字病理学	阿尔茨海默病	全基因组测序（WGS）	深度学习模型（包括TabNet和随机森林）	基因组序列数据	7416名非西班牙裔白人参与者（3150名认知正常老年人，4266名AD患者）	NA	TabNet, 随机森林	NA	NA
1384	2026-08-22	The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research 2025, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X351048250329170744 PMID:40248921	综述	本文综述了人工智能在心血管疾病风险预测中的变革性作用，包括提高准确性、效率和可及性，并讨论了面临的挑战和未来研究方向	整合了AI在CVD风险预测中的最新进展，包括ML预测心肌梗死后2年生存率、DL预测高血压风险以及AI驱动的ECG分析	AI在CVD风险评估中的广泛采用仍面临挑战，主要由于医疗专业人员缺乏教育和接受度	探讨AI在心血管疾病风险预测中的作用，并促进其临床整合以减轻全球CVD负担	心血管疾病风险预测模型及AI工具	机器学习	心血管疾病	NA	机器学习、深度学习	电子健康记录、心电图数据	NA	NA	NA	准确性	NA
1385	2026-08-22	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	本研究利用光子计数CT和深度学习分割技术，探讨运动对高脂饮食诱导的心脏功能障碍的缓解作用，并分析APOE基因型和免疫状态对运动效果的调控。	采用光子计数CT成像与深度学习分割技术进行心脏表型分析，并首次在人类化APOE靶向替换小鼠中研究运动、饮食、基因型及免疫反应的交互作用。	研究在小鼠模型中进行，结果需在人类中验证；未详细报告计算资源的使用情况。	探究运动对高脂饮食诱导的心脏功能障碍的缓解作用，以及APOE基因型和免疫状态如何调节这些作用，为高风险人群的精准生活方式干预提供依据。	251只中老年APOE2、APOE3和APOE4基因型小鼠，并考虑性别、人类化NOS2（HN）介导的先天免疫反应状态、运动状态和饮食因素。	医学影像，深度学习	心血管疾病	光子计数CT成像	3D U-Net	CT图像	251只小鼠	NA	3D U-Net	心脏功能指标（每搏输出量、射血分数、心肌质量）	NA
1386	2026-08-22	Deep learning can predict subgenome dominance in ancient but not in neo/synthetic polyploidized genomes 2024-10, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16979 PMID:39133828	研究论文	利用深度学习构建两种卷积神经网络模型，预测多倍体基因组中的亚基因组优势，并探究其机制	首次将深度学习方法应用于预测亚基因组优势，并区分了古代与新生/合成多倍化过程中的不同预测能力，揭示了启动子序列分化在亚基因组优势中的关键作用	模型无法预测新生/合成多倍化中同源基因对的表达优势，可能受限于新多倍化事件的序列差异不足	探究亚基因组优势的潜在机制，并验证DNA序列与甲基化位点在预测亚基因组优势中的有效性	三个代表性多倍化系统（芸苔属、棉属和葫芦科）中的古代与新生/合成多倍化基因组	深度学习	NA	DNA序列分析、甲基化位点分析	卷积神经网络（CNN）	DNA序列数据、甲基化数据	三个多倍化系统，每个系统包含古代与新生/合成多倍化基因组，具体样本数量未提及	NA	二元表达模型（BEM）和同源对比模型（HCM）	预测准确性	NA
1387	2024-08-07	Cannulation selection in relation to deep learning-based algorithm for the detection of thoracic aortic calcifications 2024-07-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezae260 PMID:38960724	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1388	2026-08-22	Deep learning-based facial analysis for predicting difficult videolaryngoscopy: a feasibility study 2024-04, Anaesthesia IF:7.5Q1 DOI:10.1111/anae.16194 PMID:38093485	研究论文	本研究旨在开发一种基于深度学习的面部分析模型，用于预测视频喉镜检查的困难程度	首次将深度学习技术应用于面部图像分析以预测视频喉镜检查困难，相比传统床旁检查和多元评分方法具有更高的预测性能	这是一项可行性研究，样本来源可能有限，且未在外部数据集上进行验证	开发一个人工智能模型，利用神经网络识别面部图像特征，以预测视频喉镜检查的困难程度	5849名接受视频喉镜检查的患者，其中包括5335名非困难和514名困难病例	计算机视觉	非特定疾病（气道管理领域）	深度学习	ResNet-18，LightGBM	图像（面部图像）和临床数据	5849名患者	NA	ResNet-18	AUC，敏感性，特异性	NA
1389	2026-08-22	Data-driven modelling for assessing trophic status in marine ecosystems using machine learning approaches 2024-02-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.117755 PMID:38008200	研究论文	本文开发了一种基于机器学习和人工智能的新型营养状态指数评估工具，以提高沿海和过渡水域富营养化评估的可靠性和准确性	引入了改进的数据驱动方法，包括选择相关水质指标、计算ATSI分数和新的分类方案，并利用XGBoost等机器学习算法优化输入数据，减少冗余	未在摘要中明确提及局限性	提高海洋生态系统中营养状态评估的准确性，特别是在过渡和沿海水域	爱尔兰科克港及其他四个爱尔兰水体的营养状态	机器学习	NA	机器学习算法（包括XGBoost等十种算法）	XGBoost等机器学习模型	水质指标数据	四个不同的爱尔兰水体作为案例研究	NA	XGBoost	RMSE, MSE, MAE, R, Nash-Sutcliffe效率（NSE）, 模型效率因子（MEF）	NA
1390	2026-08-22	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究结合街景数据和深度学习技术，识别拉萨市内藏传佛教精神场所的空间分布，并分析其与城市建筑和文化遗址的关系	首次将街景数据和深度学习技术相结合，用于识别和绘制城市空间中藏传佛教精神场所的分布	未明确提及具体局限性	探索藏传佛教精神感知与城市空间的整合，评估城市化对这些精神场所的影响	拉萨市内的藏传佛教精神场所及其与城市景观的关系	计算机视觉, 数字人文	NA	街景数据采集, 深度学习	深度学习模型	图像	未明确提及样本数量	NA	NA	NA	NA
1391	2026-08-22	FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300924 PMID:38768105	研究论文	提出了一种基于深度学习的加氢催化剂图像识别算法FPNC Net，以提高催化剂图像识别的准确性	结合ResNet50骨干网络、空间可分离卷积核、特征金字塔网络（FPN）和注意力模块，以解决催化剂条纹粘附堆叠导致的识别精度低的问题	未提及具体限制	实现加氢催化剂图像的高效智能识别，辅助筛选高性能催化剂载体	加氢催化剂图像	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量	NA	ResNet50, FPN	准确率（Accuracy），平均精度（AP）	NA
1392	2026-08-22	A machine learning approach to detect potentially harmful and protective suicide-related content in broadcast media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300917 PMID:38743759	研究论文	本研究应用机器学习方法自动标记广播媒体中与自杀相关的内容，以评估其潜在危害或保护作用。	首次将机器学习应用于广播媒体（电视和广播）自杀相关内容的检测，并评估了从简单到复杂的多种分类任务的性能。	模型性能依赖于训练样本数量，对于多分类任务（如确定主要焦点）的F1分数较低（0.58）。	开发机器学习模型以大规模筛查广播媒体中自杀相关报道，促进自杀预防。	美国俄勒冈州和华盛顿州44个广播来源的2519份英文转录文本。	自然语言处理	自杀预防（精神健康）	文本分类	线性SVM, BERT	文本	2519份广播转录文本	Scikit-learn, PyTorch（推理）	TF-IDF + 线性SVM, BERT	F1分数	未提及（推断在标准GPU上进行训练）
1393	2026-08-22	Multimodal deep learning-based drought monitoring research for winter wheat during critical growth stages 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300746 PMID:38722916	研究论文	本文提出了一种基于多模态深度学习S-DNet模型的冬小麦关键生育期干旱胁迫监测方法，结合图像和气象数据，平均识别准确率达96.4%	首次将WSN传感器获取的气象干旱指数SPEI与深层图像学习数据相结合，构建多模态深度学习模型，实现对冬小麦干旱胁迫的非破坏性、准确和快速监测	未提及具体限制	解决传统干旱监测方法的滞后性和局限性，实现冬小麦关键生育期干旱胁迫的精准监测	冬小麦在起身-拔节期、抽穗-开花期和开花-成熟期的干旱胁迫图像及对应的土壤水分监测数据	计算机视觉, 机器学习	干旱胁迫（非疾病，但属于农业灾害）	图像采集、WSN传感器、气象干旱指数SPEI	深度学习模型（DenseNet-121为基础）	图像、气象数据	未提及具体样本量，但包含各生育期的干旱胁迫图像和对应的土壤水分数据	未提及	DenseNet-121, S-DNet	准确率	未提及
1394	2026-08-22	PandoGen: Generating complete instances of future SARS-CoV-2 sequences using Deep Learning 2024-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011790 PMID:38241392	研究论文	本文提出一种名为PandoGen的深度学习方法，用于生成未来SARS-CoV-2病毒蛋白序列的完整实例，以预测疫情中可能出现的变异株	提出PandoGen方法，结合合成数据生成、条件序列生成和基于奖励的学习，使蛋白质语言模型适应疫情预测任务，显著优于较大模型	未在摘要中提及具体局限性	开发一种能在病毒大流行背景下预测未来病毒蛋白序列的深度学习模型，以提前进行预防和治疗准备	SARS-CoV-2刺突蛋白序列	机器学习	新型冠状病毒肺炎（COVID-19）	蛋白质语言模型	蛋白质语言模型	蛋白质序列数据	未在摘要中明确提及样本数量	未在摘要中明确提及	蛋白质语言模型架构，具体未明确	新颖序列数量、病例数、预测谱系数量、序列预算	未在摘要中明确提及
1395	2026-08-22	Deep neural networks allow expert-level brain meningioma segmentation and present potential for improvement of clinical practice 2022-09-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19356-5 PMID:36104424	研究论文	本文展示了一个三维卷积神经网络（3D-CNN）在MRI扫描中实现专家级脑膜瘤分割和体积估计，并通过模拟临床场景评估其可行性和对临床实践的潜在改善。	首次在脑膜瘤分割中评估深度学习解决方案的临床影响和可用性，而不局限于分割任务本身，并利用迁移学习从健康脑MRI预训练模型进行微调。	未明确提及局限性，但可能包括依赖标注数据质量、模拟场景与真实临床的差异等。	开发并验证一个自动化的脑膜瘤分割和体积评估深度学习模型，以提高临床工作流程的准确性和效率。	脑膜瘤患者的MRI扫描图像。	计算机视觉	脑膜瘤	MRI	3D-CNN	图像（MRI）	10,099个健康脑MRI用于预训练，806个专家标注的MRI用于微调。	NA	3D-CNN（未指定具体架构）	中位数性能（88.2%），与专家间变异性（82.6-91.6%）比较	NA
1396	2026-08-21	U-Swing: An Adaptive U-Net and Swin Fusion for WB-MRI Whole Spine Bone Marrow Segmentation 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01701-5 PMID:41055833	研究论文	提出U-Swing混合深度学习模型，结合Swin Transformer和U-Net模块，用于全身MRI全脊柱骨髓分割，并展示了其在分割性能上的优越性	引入U-Swing Patch Fusion动态融合Swin Transformer和U-Net模块特征，并通过Stage-Wise U-Swing Adaptation实现层次优化，提升了骨髓分割精度	标题和摘要中未提供明确的局限性信息	开发自动化方法对全身MRI中的骨髓进行精确分割，以支持多发性骨髓瘤等疾病的评估和治疗监测	全身MRI全脊柱骨髓图像	计算机视觉	多发性骨髓瘤	NA	混合深度学习模型（Swin Transformer与U-Net融合）	医学图像（T1加权涡轮自旋回波序列的全身MRI）	未在标题和摘要中提及	NA	U-Swing（Swin Transformer模块与U-Net模块）	Dice相似度（DS）、豪斯多夫距离（HD95）、平均对称表面距离（ASSD）	NA
1397	2026-08-21	Super-Resolution MR Spectroscopic Imaging via Diffusion Models for Tumor Metabolism Mapping 2026-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01652-x PMID:40897835	研究论文	提出一种基于条件去噪扩散概率模型的深度学习方法，用于磁共振波谱成像的超分辨率重建，以改善胶质瘤代谢图谱的精度和分辨率。	首次将条件扩散模型应用于MRSI超分辨率重建，结合Self-Attention UNet骨干网络，能够更好地保留全局上下文特征和细节，优于传统基线方法。	研究样本量有限，且模拟数据和真实数据之间的性能差异仍需进一步验证；LPIPS改进在部分情况下统计显著性未充分说明。	开发一种基于扩散模型的超分辨率重建框架，提高MRSI的空间分辨率，以改善胶质瘤代谢异质性和边界可视化。	胶质瘤患者和健康志愿者的MRSI数据，包括突变型异柠檬酸脱氢酶胶质瘤。	磁共振成像、计算机视觉、机器学习	胶质瘤	磁共振波谱成像（MRSI）、扩散概率模型	条件去噪扩散概率模型（DDPM）、Self-Attention UNet	磁共振波谱成像数据（低分辨率图像）	模拟患者数据和少量体内数据（健康志愿者和胶质瘤患者），具体数量未详述	NA	Self-Attention UNet	结构相似性指数（SSIM）、峰值信噪比（PSNR）、学习感知图像块相似性（LPIPS）	NA
1398	2026-08-21	DisConST: Distribution-aware Contrastive Learning for Spatial Domain Identification 2026-03-27, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf085 PMID:40990806	研究论文	介绍了一种名为DisConST的分布感知对比学习深度学习方法，用于提高空间转录组学数据中空间域识别的准确性	创新性地结合了零膨胀负二项分布和图像对比学习，以生成更具信息量的潜在表示，有效整合空间位置、转录组谱和细胞类型比例	未在摘要中明确提及局限	改进空间转录组学中的空间域识别，以探索组织结构、生物发育和疾病机制	来自不同测序平台的组织、器官和胚胎的正常和疾病状态空间转录组数据集	机器学习	不适用	空间转录组学	对比学习模型	基因表达数据和空间位置数据	多个空间转录组数据集，涵盖不同组织、器官和胚胎，未给出具体数量	未指定	图对比学习网络	空间域识别准确率	未提及
1399	2026-08-21	Artificial intelligence and first-principle methods in protein redesign: A marriage of convenience? 2025-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70210 PMID:40671352	研究论文	本文评估并比较多种深度学习蛋白质设计工具与第一性原理方法在蛋白质重设计中的效果，并引入新工具TriCombine用于突变候选筛选，展示了结合AI建模和力场评分可获得最可靠结果	首次系统比较深度学习工具与传统力场方法，并推出新工具TriCombine识别残基三角并基于替换频率评分突变体，同时结合FoldX进行建模验证	所有方法在处理未解析的从头设计模型时性能均下降，且对非自然蛋白质的准确性受限	评估和组合人工智能与第一性原理方法，以提高蛋白质重设计的效果和潜在治疗再利用的可靠性	16个SH3突变体（最多9个并发替换）、36个突变体、11个晶体结构（7个新解析）、以及来自179个天然和从头设计域的160,000个四点位GB1突变体和163,555个单/双变体	蛋白质设计、机器学习	不适用	深度学习、力场计算、X射线晶体学	深度学习模型（如AlphaFold2）、逆折叠工具、力场	蛋白质结构、突变数据	共涉及约323,000个蛋白质变体和11个晶体结构，包括16个SH3突变体、36个突变体和179个蛋白质域	不适用	AlphaFold2、逆折叠工具、FoldX	序列恢复率、突变效应预测准确性	未指定
1400	2026-08-21	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2025-Jun, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究训练了一个基于儿科心电图的卷积神经网络模型，用于预测继发孔型房间隔缺损，并在内部测试和急诊科队列中评估了其性能。	首次将AI增强的ECG分析应用于儿科人群检测ASD2，并展示了在无症状或轻微症状患者中的筛查潜力。	研究为单中心回顾性研究，未来需要多中心验证和前瞻性试验来指导临床决策。	开发并验证一个基于深度学习的模型，利用儿科心电图来检测继发孔型房间隔缺损，以便早期筛查和诊断。	年龄不超过18岁、无重大先天性心脏病的患者，他们的心电图和超声心动图配对数据。	机器学习	心血管疾病	心电图	卷积神经网络	心电图和超声心动图配对数据	训练集包括92,377对ECG-超声心动图数据（46,261名患者），内部测试集12,631名患者，急诊科队列2,830名患者。	PyTorch	卷积神经网络	AUROC, AUPRC	NA