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
1521	2026-09-19	Incremental 2D self-labelling for effective 3D medical volume segmentation with minimal annotations 2025-11-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01991-9 PMID:41204141	研究论文	提出一种增量式2D自标注框架，仅从每个3D医学体积的单个标注切片出发，通过迭代生成和筛选伪标签，训练2D U-Net实现有效的3D医学体积分割	在严重标注约束下（每个3D体积仅一个标注切片），利用增量式2D自标注策略，通过迭代生成和筛选相邻切片的伪标签，逐步扩展训练集，显著提升分割性能并改善3D连续性	未明确提及	探索在严重标注约束下训练2D模型的可行性和有效性，旨在优化分割性能的同时最小化标注成本	脑部MRI数据集和肝脏CECT数据集	计算机视觉	NA	NA	CNN	图像	NA	NA	U-Net	Dice相似系数, 交并比, 95百分位豪斯多夫距离	NA
1522	2026-09-19	Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods 2025-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686644 PMID:41278894	综述	本文是一篇关于RNA二级结构测定中深度学习方法泛化性和扩展传统方法范围的展望文章	使用从蛋白质数据库（PDB）中整理的新基准数据集评估方法泛化性，并讨论深度学习在预测结构探测数据中的出现，以及使用新数据集强调该领域独特的泛化挑战	已知RNA结构的多样性和数量有限可能阻碍深度学习方法准确预测与训练集中显著不同的结构，即泛化差距	评估深度学习方法的泛化性，并探讨如何扩展传统RNA二级结构预测方法的范围	RNA二级结构预测方法，包括传统方法和深度学习方法	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1523	2026-09-19	Generative Design of Cell Type-Specific RNA Splicing Elements for Programmable Gene Regulation 2025-Nov-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.05.686847 PMID:41279721	研究论文	本文提出了SPICE框架，结合大规模平行报告基因实验和深度学习模型，用于预测和生成细胞类型特异性的RNA剪接元件，以实现可编程的基因调控	首次将RNA选择性剪接作为可编程的细胞类型特异性基因调控模态；构建了包含46,372条人类序列的大规模平行报告基因实验，跨43个细胞系（10个谱系）分析外显子跳跃；训练深度学习模型预测未见细胞类型中的剪接并生成具有编程性细胞类型特异性剪接模式的合成序列；进一步设计在携带致癌剪接因子突变的细胞中选择性剪接的序列	摘要中未明确提及研究限制	实现细胞类型特异性的可编程基因表达控制，利用RNA选择性剪接作为调控层，用于基础研究和治疗应用	人类来源的RNA序列、43个细胞系、外显子跳跃事件、致癌剪接因子突变细胞	机器学习	癌症	大规模平行报告基因实验	深度学习模型	序列数据	46,372条人类序列，43个细胞系（涵盖10个谱系）	NA	NA	NA	NA
1524	2026-09-19	StoPred: Accurate Stoichiometry Prediction for Protein Complexes Using Protein Language Models and Graph Attention 2025-Nov-05, Research square DOI:10.21203/rs.3.rs-7909758/v1 PMID:41282093	研究论文	提出StoPred方法，利用蛋白质语言模型和图注意力网络从序列或结构预测蛋白质复合物的化学计量比	首次实现基于深度学习准确预测异源寡聚复合物的化学计量比，整合pLM嵌入和图注意力网络建模亚基间关系，无需模板或预定义组成	未明确说明，可能依赖于pLM嵌入质量且对未知复合物泛化能力有待进一步验证	解决蛋白质复合物化学计量比实验测定困难且现有计算方法受限的问题	同源和异源寡聚蛋白质复合物	机器学习	NA	蛋白质语言模型	图注意力网络	序列和结构特征	整理数据集和盲测数据集，具体数量未提及	NA	图注意力网络	top-1准确率	NA
1525	2026-09-19	Machine Learning Analysis of Cilia-Driven Particle Transport Distinguishes Primary Ciliary Dyskinesia Cilia from Normal Cilia 2025-Nov-04, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.02.686130 PMID:41279745	研究论文	利用基于特征的传统机器学习和基于图像的深度学习，客观量化纤毛驱动的粒子运输，以识别原发性纤毛运动障碍相关的纤毛功能障碍	首次将基于特征的机器学习和基于图像的深度学习相结合，通过分析荧光微球轨迹来客观定量纤毛运输功能，并开发了定制化的Python软件包CiliaTracks实现自动检测、追踪和特征提取	样本量较小（仅26名受试者），需要在更大规模的多中心队列中进一步验证模型的泛化能力和临床实用性	利用机器学习和深度学习客观量化纤毛驱动的定向粒子运输，建立检测原发性纤毛运动障碍相关纤毛功能障碍的自动化诊断框架	培养的多纤毛气道上皮细胞、荧光微球、原发性纤毛运动障碍患者及健康供者的样本	数字病理学	原发性纤毛运动障碍	高速视频显微镜、荧光微球追踪	传统机器学习模型、CNN	视频	26名受试者（14名基因确诊PCD患者、10名健康供者、2名囊性纤维化患者），共602个视频（301个PCD和301个非PCD）	NA	CNN	准确率	NA
1526	2026-09-19	Deep learning-driven characterization of single cell tuning in primate visual area V4 supports topological organization 2025-Nov-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.12.540591 PMID:41279983	研究论文	该研究结合线性探针记录和深度学习方法，系统表征了猕猴V4区超过1200个神经元对自然图像的复杂调谐特性，并发现其功能聚类支持拓扑组织	首次在非参数自然图像空间中，利用深度学习合成最兴奋图像（MEI）和对比学习嵌入空间，系统表征V4神经元复杂非线性调谐，并发现功能聚类与人工视觉系统特征图的平行性	样本仅来自猕猴V4区，未验证其他高级皮层区域；MEI合成和验证可能受限于生成模型的能力；功能聚类的因果意义未进一步验证	探究猕猴高级视觉皮层V4区在自然图像空间中的功能聚类和拓扑组织，验证深度学习驱动表征神经元复杂调谐的可行性和可扩展性	猕猴视觉区V4的神经元	计算机视觉, 机器学习, 神经科学	NA	线性探针记录, 深度学习, 人类心理物理学, 对比学习	CNN, 对比学习模型	图像, 电生理信号	超过1200个V4神经元	NA	NA	MEI相似性, 心理物理学距离, 嵌入空间距离	NA
1527	2026-09-19	Deep Learning Algorithm Prognosticating Retinal Tears and Detachments From Optical Coherence Tomography 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.18 PMID:41247117	研究论文	该研究开发了一种深度学习图像分类器，利用光学相干断层扫描（OCT）图像预测未来视网膜撕裂/脱离（RT/RD）的可能性，并提供像素级解释	首次使用Inception-v4卷积神经网络从OCT图像中预测未来RT/RD，并通过梯度加权类激活映射生成热图，验证模型关注区域与临床知识一致，揭示了黄斑生物标志物	样本量相对有限（共776名患者，2054张图像），需要在更大规模、多中心的数据集中进一步验证模型的泛化能力	开发并评估一种深度学习算法，从OCT图像中预测未来视网膜撕裂或视网膜脱离的发生风险	斯坦福研究存储库中收集的OCT图像，包括433名阴性患者（1027张图像）和343名阳性患者（1027张图像）	医学图像分析	视网膜撕裂/视网膜脱离	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	776名患者（433名阴性，343名阳性），共2054张OCT图像	NA	Inception-v4	AUC（接收者操作特征曲线下面积）、平均精度、准确率	NA
1528	2026-09-19	Automatic detection of simulated artifacts on T1w magnetic resonance images: comparing performance of different QC strategies 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.31.25339144 PMID:41282830	研究论文	本研究系统比较了基于规则、经典机器学习和深度学习三种质量控制算法在T1w磁共振图像上检测模拟伪影的性能	首次系统比较了基于规则、经典机器学习和深度学习三种质量控制策略在检测特定类型伪影上的性能，并使用TorchIO合成四种伪影类型共十个严重程度等级的大规模数据集	伪影为合成引入而非真实采集，可能在某种程度上无法完全代表临床实际伪影的复杂性和多样性	比较不同质量控制策略在T1w磁共振图像上自动检测模拟伪影的性能，为大规模神经影像 pipelines 中选择质量控制策略提供实践指导	1000例高质量T1w磁共振脑扫描图像，合成了40000张退化图像	计算机视觉	NA	T1w磁共振成像，TorchIO合成伪影	经典机器学习，深度学习	图像	1000例高质量T1w扫描，合成40000张退化图像（四种伪影类型×十个严重程度等级），另有一个独立测试数据集	NA	NA	Youden指数，Krippendorff's α，Spearman's ρ	NA
1529	2026-09-19	Analyzing Information Disparities across Modalities in Mortality Prediction 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.30.25339162 PMID:41282941	research paper	比较原始胸部X光片与放射报告在ICU患者30天出院后死亡率预测中的预测效用	首次系统比较原始CXR图像与放射报告对死亡率预测的影响，并发现CXRs提供更丰富的预后信号，放射报告常遗漏临床相关发现	样本量较小（n=1,360），基于过滤后的MIMIC-IV子集，可能影响泛化性	系统比较不同CXR表示（原始图像与放射报告）对ICU患者30天出院后死亡率预测的预测性能，并探究模态选择对临床AI系统的影响	ICU患者（来自MIMIC-IV数据集）	digital pathology	NA	Vision-Language Model	VLM	image, text	1,360名ICU患者（过滤后的MIMIC-IV数据集子集）	NA	Vision-Language Model	AUROC	NA
1530	2026-09-19	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	本研究利用深度学习模型从儿童脑部MRI中提取上气道体积，并分析其与认知功能和脑皮层灰质体积的关系。	首次在大型儿童队列中应用深度学习进行上气道分割，并发现上气道体积是儿童睡眠呼吸障碍认知结果的潜在生物标志物	摘要中未明确提及研究局限性	评估上气道体积与儿童认知及区域皮层灰质体积的关系	11,875名9-10岁儿童，来自青少年脑认知发展研究	数字病理学、机器学习	睡眠呼吸障碍、认知障碍	磁共振成像、深度学习	CNN	图像	11,875名儿童，5,552,640个脑部MRI切片	NA	NA	NA	NA
1531	2026-09-19	AI-identified CD133-targeting natural compounds demonstrate differential anti-tumor effects and mechanisms in pan-cancer models 2025-11, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00308-1 PMID:41039172	研究论文	该研究利用深度学习模型TransformerCPI从中药化合物库中筛选出靶向泛癌标志物CD133的天然化合物Polyphyllin V和H，并通过细胞系、类器官和动物模型验证了其抗肿瘤效果和机制差异	结合AI驱动的筛选与生物学验证，发现两种结构相似的天然产物靶向CD133但通过不同机制（PI3K-AKT和Wnt/β-catenin通路）发挥抗肿瘤作用，揭示了虚拟筛选的局限性并强调活体模型评估的必要性	仅基于分子结构和蛋白序列的虚拟筛选无法完全阐明化合物-蛋白相互作用机制，需要后续生物学实验验证	利用AI技术从天然产物中筛选靶向CD133的化合物，并验证其抗肿瘤效果和机制，推动泛癌治疗药物发现	中药化合物库中的天然产物，CD133靶点，泛癌模型	机器学习	泛癌	深度学习虚拟筛选	Transformer	蛋白质序列、分子结构、文本	NA	NA	TransformerCPI	NA	NA
1532	2026-09-19	A machine learning framework using urinary biomarkers for pancreatic ductal adenocarcinoma prediction with post hoc validation via single-cell transcriptomics 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf583 PMID:41212589	研究论文	该研究提出了一种利用尿液生物标志物结合人口统计学数据的机器学习框架来预测胰腺导管腺癌，并通过单细胞转录组学进行事后验证	结合尿液生物标志物和人口统计学数据，采用多种预处理、归一化和机器学习/深度学习方法的比较研究，并利用单细胞RNA测序验证生物标志物的表达	研究样本量未明确，未来需要在不同数据集上验证框架，整合额外的组学数据，并探索先进的深度学习架构	开发基于尿液生物标志物和人口统计学数据的机器学习模型，用于早期准确诊断胰腺导管腺癌	胰腺导管腺癌患者和对照组的尿液样本及人口统计学数据	机器学习	胰腺癌	单细胞RNA测序	深度学习	表格数据、基因表达数据	NA	NA	NA	准确率	NA
1533	2026-09-19	An Investigation on Cross-Tracer Generalizability of Deep Learning-based PET Attenuation Correction 2025-Nov, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3566630 PMID:41221103	研究论文	本文研究了基于深度学习的PET衰减校正模型在不同示踪剂之间的泛化能力，主要探讨在常用示踪剂如18F-FDG上训练的模型能否有效应用于较少见的示踪剂如68Ga-DOTATATE和18F-Fluciclovine，反之亦然	首次系统性地探索了基于深度学习的PET衰减校正模型在跨示踪剂场景下的泛化能力，挑战了传统认为需要为每种示踪剂单独训练模型的观念；采用MLAA重建生成的μ-MLAA和λ-MLAA作为组合输入来生成μ-DL，而非直接从NAC PET或MLAA重建生成AC PET图像	研究仅涉及三种示踪剂（18F-FDG、68Ga-DOTATATE、18F-Fluciclovine），未涵盖更广泛的示踪剂类型；较少见示踪剂的可用数据量有限，可能影响模型训练和评估的充分性	探究基于深度学习的PET衰减校正模型在不同示踪剂之间的泛化能力，评估在常用示踪剂上训练的模型能否有效应用于较少见的示踪剂，以减少对示踪剂特异性训练数据的需求	PET图像、示踪剂（18F-FDG、68Ga-DOTATATE、18F-Fluciclovine）、衰减校正模型	医学图像处理、深度学习	NA	PET成像、MLAA重建、衰减校正	深度学习模型（具体架构未指定）	PET图像	NA	NA	NA	NA	NA
1534	2026-09-19	Evaluation of a long short-term memory (LSTM)-based algorithm for predicting central frequency and synergy activation ratio using markerless motion analysis data 2025-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00498-0 PMID:41280147	研究论文	本研究提出了一种基于LSTM的深度学习算法，结合表面肌电信号和无标记运动分析数据，预测动态上肢运动中的中心频率和协同激活比，以评估肌肉疲劳和肌间协调性	将LSTM模型与同步的表面肌电信号和无标记运动数据相结合，实现对局部肌肉疲劳和协调性变化的实时检测，并首次使用无标记运动分析数据预测中心频率和协同激活比	样本量较小，仅纳入5名健康男性参与者，年龄范围有限，未涵盖不同性别、年龄和病理人群，且仅针对单臂哑铃弯举这一特定运动模式	准确、无创地预测肌肉疲劳和协调性，以改善运动表现和康复策略	5名健康男性参与者的肱二头肌和外侧三角肌	机器学习	NA	表面肌电信号（EMG）、无标记运动分析、非负矩阵分解（NMF）	LSTM	肌电信号、运动数据（图像/骨骼关节数据）	5名健康男性参与者（年龄26±1.73岁），每人进行单臂哑铃弯举（50% 1RM）	NA	LSTM	MSE, MAE	NA
1535	2026-09-19	Deep learning-assisted tools to understand the structural biology of the synapse 2025-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00512-5 PMID:41280141	综述	本文综述了深度学习辅助的计算工具在理解突触结构生物学中的应用，重点关注突触后密度蛋白网络的建模挑战与前景	从结构生物学角度系统论述了AI辅助计算工具在突触后密度分子机制研究中的应用潜力与局限性，并指出现有方法面临的独特挑战	当前深度学习方法尚无法解决如此复杂的大分子系统所引发的所有问题，使用时需谨慎	探讨如何利用AI辅助的计算工具深入理解突触后密度在分子水平上的工作机制	突触后密度蛋白网络及突触结构生物学	结构生物学	认知障碍	深度学习辅助的结构生物学计算方法	NA	NA	NA	NA	NA	NA	NA
1536	2026-09-19	Structure-based Predictions of Conformational B Cell Epitopes by Protein Language Model and Deep Learning 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.29.685313 PMID:41278910	研究论文	该论文提出了一种基于蛋白质语言模型和深度学习的框架，通过在抗原结构上以残基三元组为单元预测构象B细胞表位	创新点包括：采用以补丁为中心的框架，将表面补丁定义为相邻残基的三元组，捕获编码形状和化学性质的最小局部单元；使用蛋白质语言模型ESM-2的嵌入平均化，并结合多层感知机进行分类；在补丁级别和残基级别均优于基于手工特征的卷积神经网络基线	未明确提及，但可能受限于训练数据仅来自AbDb抗体-抗原复合物，未涵盖所有可能的抗原类型；外部验证仅使用5个复合物	旨在解决构象B细胞表位映射的挑战，开发一种计算工具以辅助抗体发现、抗原优先级排序、抗体工程和疫苗设计	抗原结构上的表面补丁（相邻残基三元组）以及抗体-抗原复合物	计算生物学、免疫信息学	NA	蛋白质语言模型（ESM-2）、深度学习	多层感知机（MLP）、卷积神经网络（CNN）	蛋白质结构数据	训练集包含1151个AbDb抗体-抗原复合物，外部验证集包含5个未见复合物	PyTorch	ESM-2（蛋白质语言模型）、多层感知机（MLP）、卷积神经网络（CNN）	F1分数、ROC-AUC、PR-AUC	NA
1537	2026-09-19	SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.06.627299 PMID:41278937	研究论文	本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，能够捕获细胞形态、蛋白质定位、细胞组织和生物功能，并构建了蛋白质组组织的层次图	提出了一种新颖的蛋白质组感知学习目标，并在人类蛋白质图谱的蛋白质组范围图像集合上训练；构建了首个直接从图像数据学习的蛋白质组组织层次图；与蛋白质序列模型整合实现多模态蛋白质表示	未明确提及	开发能够准确捕获细胞形态、蛋白质定位、细胞组织和生物功能的荧光显微镜深度学习模型，并构建蛋白质组组织图	荧光显微镜图像，人类蛋白质图谱的蛋白质组范围图像集合	计算机视觉	NA	自监督深度学习，荧光显微镜	自监督深度学习模型	图像	人类蛋白质图谱的蛋白质组范围图像集合（具体数量未提及）	NA	NA	NA	NA
1538	2026-09-19	A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.27.25338912 PMID:41282661	研究论文	本文介绍了一个用于儿童超声心动图分析的多任务深度学习模型EchoAI-Peds，能够同时检测28种先天性心脏缺陷、结构和功能异常、修复和干预措施	首个用于儿童超声心动图的多任务深度学习模型，使用迄今为止最全面的儿童标签集，能够整合多个超声心动图视图的信息，并同时在多个任务上进行检测	未明确提及模型的局限性，但可能包括对特定人群的泛化能力、数据标注的依赖以及计算资源需求等方面	开发一个多任务深度学习模型，用于自动化分析儿童超声心动图，以辅助先天性心脏缺陷的诊断和评估	儿童超声心动图视频数据，来自斯坦福医学中心和费城儿童医院的患者	医学图像分析	先天性心脏缺陷	超声心动图	视觉Transformer	视频	超过700,000个视频，来自超过11,000项研究（斯坦福医学中心），外部测试集来自费城儿童医院	NA	Transformer	AUROC	NA
1539	2026-09-19	DRIPS: Domain Randomisation for Image-based Perivascular spaces Segmentation 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.22.25337423 PMID:41282908	研究论文	提出DRIPS框架，利用域随机化与物理启发的图像生成进行血管周围间隙分割，并在多个队列上验证其性能	结合解剖和形状先验与基于物理的图像生成过程，生成合成脑图像和标签用于实时深度学习模型训练，通过重采样、几何和强度变换及模拟伪影引入变异性，从而泛化到真实数据	未明确提及	实现准确、全自动的血管周围间隙分割，减少对人工标签、模态特定模型或队列依赖调参的需求	MRI数据（来自五个队列，涵盖不同健康状况，N=165；T1w和T2w，各向同性和各向异性成像）和从组织学重建的3D离体脑模型	数字病理学, 计算机视觉	脑小血管病, 神经退行性疾病	MRI, 组织学	CNN	图像	165个MRI扫描（来自五个队列）和1个3D离体脑模型	NA	nnU-Net	AUPRC, DSC	NA
1540	2026-09-19	A Self-Explainable Dynamic Risk Monitoring Framework for Predicting Alzheimer's Disease and Related Dementias 2025-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.20.25338232 PMID:41282689	研究论文	本文提出了一种结合GRU-D和RETAIN的可自解释动态风险监测框架GRU-D-RETAIN，用于基于电子健康记录预测阿尔茨海默病及相关痴呆症，并评估了数据可用性和随访时间对预测性能的影响	提出GRU-D-RETAIN架构，将GRU-D的参数化缺失值插补能力与RETAIN的可解释注意力机制相结合，实现任意临床就诊时的实时风险监测，并在时间步和特征两个层面提供可解释的注意力权重	ADRD诊断前10年以上的EHR记录稀缺，限制了更长时间范围的预测模型开发；不同训练折在某些情况下产生不同的解释，尽管风险预测相似	解决电子健康记录数据中不规则临床就诊、严重数据稀疏性和可解释性需求三大挑战，实现阿尔茨海默病及相关痴呆症的早期动态风险预测	年龄≥50岁的ADRD病例和性别、出生日期匹配的对照人群	机器学习	阿尔茨海默病及相关痴呆症	电子健康记录分析	GRU-D, RETAIN	电子健康记录	15,172例ADRD病例和145,443例匹配对照，来自600万患者的电子健康记录系统	NA	GRU-D, RETAIN	AUROC, 平均精度	NA