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
141	2026-02-15	Artificial intelligence-driven anticancer peptide discovery 2025-Dec, iMetaOmics DOI:10.1002/imo2.70063 PMID:41676444	综述	本文系统总结了用于抗癌肽筛选的人工智能模型，并提出了一个结合多组学技术的综合性AI筛选框架	提出了一个集数据收集、特征提取、模型构建、可解释性分析和实验验证于一体的综合性AI筛选框架，并将其与多组学技术整合以促进临床转化	大多数现有AI模型缺乏可解释性和湿实验室验证，这影响了基于AI的ACP筛选的可信度和实际有效性	通过人工智能技术提高抗癌肽的筛选效率和准确性，并促进其临床转化	抗癌肽	机器学习	癌症	机器学习，深度学习	NA	序列数据	NA	NA	NA	NA	NA
142	2026-02-15	Identification of potent inhibitors of potential VEGFR2: a graph neural network-based virtual screening and in vitro study 2025-Dec, Journal of enzyme inhibition and medicinal chemistry IF:5.6Q1 DOI:10.1080/14756366.2025.2518192 PMID:40539987	研究论文	本研究提出了一种结合AI深度学习和基于结构的药物设计的新策略，用于从中医药单体数据库中筛选针对VEGFR2的潜在候选化合物	首次将图神经网络应用于中医药单体数据库的虚拟筛选，以识别VEGFR2的有效抑制剂	研究仅基于计算筛选和体外实验，缺乏体内实验验证和临床前研究	筛选针对VEGFR2的潜在抑制剂，用于癌症治疗	中医药单体数据库中的化合物	机器学习	癌症	虚拟筛选，激酶抑制实验，分子对接，分子动力学模拟	图神经网络	分子结构数据	中医药单体数据库中的多个化合物，最终筛选出6个候选化合物	NA	图神经网络	激酶抑制活性，分子对接评分，分子动力学稳定性	NA
143	2026-02-15	Big data and AI: Potential and challenges for digital transformation in toxicology 2025-Sep, Environmental analysis, health and toxicology DOI:10.5620/eaht.2025s07 PMID:41265416	综述	本文探讨了大数据和人工智能在毒理学领域数字化转型中的潜力与挑战，重点关注AI在毒性预测和化学风险评估中的应用	系统性地综述了AI（包括机器学习、深度学习和大型语言模型）在毒理学中的最新应用，并强调了可解释性AI与不良结局路径框架结合以提升模型可解释性的必要性	高质量、同质化数据集的可用性有限，以及AI模型的黑箱性质阻碍了监管接受度	推动毒理学从观测科学向预测科学转型，通过AI现代化化学风险评估	毒性数据库、AI毒性预测模型及其在化学优先级排序等领域的应用案例	机器学习	NA	NA	机器学习, 深度学习, 大型语言模型	大数据	NA	NA	NA	NA	NA
144	2026-02-15	Revolutionizing multi-omics analysis with artificial intelligence and data processing 2025-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70002 PMID:41675959	综述	本文探讨了人工智能与数据处理技术在多组学分析中的应用，旨在改变对复杂生物系统的理解	整合人工智能技术（如机器学习、深度学习）以处理和分析多组学数据，加速生物标志物发现和个性化医疗发展	需要高质量数据集，且有效算法和模型的开发仍面临挑战	探索人工智能和数据处理技术在多组学分析中的潜力，以推动生物系统研究和医学应用	多组学数据（包括多种分子数据类型）	机器学习	NA	多组学方法	机器学习, 深度学习, 神经网络	多组学数据	NA	NA	NA	NA	NA
145	2026-02-15	Loc4Lnc: Accurate prediction of long noncoding RNA subcellular localization via enhanced RNA sequence representation 2025-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.100 PMID:41675960	研究论文	本文提出了一种名为Loc4Lnc的深度学习框架，用于准确预测长链非编码RNA的亚细胞定位	通过整合卷积层和Transformer模块，有效捕获RNA序列中的局部基序和长程依赖关系，并利用TextCNN进行分类，显著提升了预测准确性	NA	开发一个深度学习框架以准确预测lncRNA的亚细胞定位，从而帮助理解其在生物通路中的功能	长链非编码RNA及其在五个亚细胞位置（细胞质、细胞核、细胞溶质、染色质和外泌体）的定位	自然语言处理	NA	RNA序列分析	CNN, Transformer	RNA序列	基于RNALocate v2.0数据库构建的基准数据集，具体样本数量未明确说明	NA	卷积层, Transformer块, TextCNN	准确率	NA
146	2026-02-15	Raptor: Scalable Train-Free Embeddings for 3D Medical Volumes Leveraging Pretrained 2D Foundation Models 2025-Jul, Proceedings of machine learning research PMID:41684746	研究论文	提出了一种名为Raptor的无训练方法，利用预训练的2D基础模型为3D医学体积数据生成语义丰富的嵌入表示	无需训练即可生成3D医学体积数据的语义嵌入，通过随机投影进行空间压缩以降低计算复杂度，同时保留语义信息	未明确说明对特定解剖结构或病理类型的适用性限制，也未讨论在超大规模数据集上的扩展性	解决3D医学影像数据基础模型开发中的计算复杂性和数据稀缺问题	磁共振成像（MRI）等医学体积数据	医学影像分析	NA	随机投影、空间压缩	基础模型	3D医学体积数据（MRI）	在十个不同的医学体积任务上进行实验（具体样本数量未说明）	NA	基于预训练的2D基础模型（具体架构未指定）	与SuPreM、MISFM、Merlin、VoCo、SLIViT等方法的性能比较	NA
147	2026-02-15	Transfer learning identifies bacterial signatures for cross-regional diagnosis of type 2 diabetes and enable stage-sensitive dietary fiber intervention 2025-Jun, iMetaOmics DOI:10.1002/imo2.70021 PMID:41675159	研究论文	本文介绍了一个名为DeepMicroFinder的深度学习框架，用于通过迁移学习利用区域特异性微生物组数据集更新现有疾病诊断模型，以实现跨区域疾病检测	开发了DeepMicroFinder框架，有效克服了肠道微生物组区域效应的限制，实现了准确的跨区域疾病检测	NA	通过迁移学习识别2型糖尿病的细菌标志物，并实现跨区域诊断及阶段敏感的膳食纤维干预	2型糖尿病患者及其肠道微生物组	机器学习	2型糖尿病	微生物组测序	深度学习	微生物组数据	NA	NA	NA	NA	NA
148	2026-02-15	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本文通过构建TumorImagingBench基准测试，系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能	首次系统性地比较了不同架构和预训练策略的医学影像基础模型在定量肿瘤成像任务中的表现，并评估了其鲁棒性和可解释性	研究仅基于公开数据集（3,244个扫描），可能无法完全代表临床实践中的多样性	评估医学影像基础模型在提取可靠定量放射组学表型方面的能力	肿瘤影像数据	医学影像分析	癌症	深度学习	基础模型	医学影像扫描	3,244个扫描（来自六个公共数据集）	NA	多种架构（2020-2025年间开发的十种不同模型）	终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性	NA
149	2026-02-15	Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing 2025-Feb, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0285 PMID:40151680	研究论文	本文提出了一种基于多图像融合和深度学习的缺陷检测方法，用于陶瓷增材制造中实时监测涂覆缺陷	结合多图像融合与通道级YOLO（CW-YOLO）方法，通过图像校正技术将侧视涂覆图像转换为俯视图，并引入F1分数作为综合评价指标，显著提升了难以区分缺陷的检测性能	NA	开发一种实时监测陶瓷增材制造中涂覆缺陷的方法，以提高工艺稳定性	陶瓷增材制造中的涂覆缺陷，如材料短缺和划痕	计算机视觉	NA	多图像融合，图像校正技术	YOLO	图像	NA	NA	CW-YOLO	F1分数，检测准确率，召回率	NA
150	2026-02-15	A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100597 PMID:39435136	研究论文	本研究开发并验证了一个用于白内障手术中瞳孔形态变化自动评估的计算框架	提出了一个结合张量小波特征提取、深度学习解剖结构分割和遮挡检测/补偿的三阶段计算框架，显著提升了瞳孔分割的准确性	研究为回顾性视频分析，样本量相对有限（240个手术视频），且未涉及所有类型的手术器械或复杂病例	开发一个可靠的计算框架，用于自动化评估白内障手术期间瞳孔的形态变化	白内障手术视频中的瞳孔、角膜缘和睑裂	计算机视觉	白内障	手术视频分析	CNN	视频	240个完整手术视频（190个未使用瞳孔扩张装置，50个使用瞳孔扩张装置），包含5700帧图像	TensorFlow, PyTorch	Feature Pyramid Network, Visual Geometry Group 16	Dice系数, 准确率, AUC	NA
151	2026-02-15	RETRACTED: N-Beats architecture for explainable forecasting of multi-dimensional poultry data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320979 PMID:40273069	研究论文	本研究提出了一种基于N-BEATS架构的新颖应用，用于多维度家禽数据预测，并通过集成可解释人工智能框架增强了可解释性	首次将N-BEATS架构应用于家禽数据预测，并集成了可解释人工智能框架以提高预测的透明度和可解释性	未提及具体的数据集规模或外部验证，可能限制了结果的泛化能力	优化家禽生产中的预测分析，以提升收入、资源利用效率和生产力	家禽疾病诊断相关的多维度数据，包括关键环境参数	机器学习	家禽疾病	时间序列建模	N-BEATS	多变量时间序列数据	NA	NA	N-BEATS	MAE, RMSE, MSLE, R-squared, RMSLE	NA
152	2026-02-15	High-Resolution Estimation of Daily PM2.5 Levels in the Contiguous US Using Bi-LSTM with Attention 2025-Jan, Remote sensing IF:4.2Q2 DOI:10.3390/rs17010126 PMID:41674857	研究论文	本文开发了一种基于双向LSTM与注意力机制的深度学习模型，用于提高美国本土每日PM2.5浓度的高分辨率估计精度	通过结合双向LSTM网络与注意力机制，并整合现场测量、遥感数据和野火烟雾密度观测等多源数据，显著提升了高浓度PM2.5事件的捕捉能力	模型主要针对美国本土，未明确提及在其他地理区域的泛化能力验证	提高地表PM2.5浓度的估计精度，特别是高浓度日的预测性能，以支持公共卫生监测和队列研究	美国本土（连续美国）的每日PM2.5浓度	机器学习	NA	深度学习	Bi-LSTM, Attention	现场测量数据、遥感数据、野火烟雾密度观测数据	2005年至2021年美国本土的PM2.5估计数据集	NA	Bi-LSTM with Attention	RMSE	NA
153	2026-02-15	Robotic transesophageal echocardiography: system design and deep learning-based kinematic modeling 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1705142 PMID:41675306	研究论文	本文介绍了一种机器人经食管超声心动图系统，通过改进机械设计和基于深度学习的运动学建模，复制了手动TEE程序中的所有基本自由度	采用基于LSTM单元的循环神经网络构建数据驱动的运动学模型，克服了连续体机械臂分析方法的根本限制，有效捕捉了死区、滞后和转向机制间的耦合效应	NA	开发一种能够适应仰卧位和左侧卧位患者位置、覆盖临床TEE全流程的机器人系统	经食管超声心动图探头及其机器人操控系统	机器人学	心血管疾病	经食管超声心动图	LSTM	姿态-命令同步数据对	42,000个在三种胃镜管配置（0°、45°、90°弯曲）下收集的数据对	NA	循环神经网络	RMSE, 平均方向误差	NA
154	2026-02-15	Predicting the growth of asymptomatic small abdominal aortic aneurysms (AAA) based on deep learning 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1704428 PMID:41676330	研究论文	本研究开发了一个端到端的深度学习框架，用于预测无症状小腹主动脉瘤的快速扩张	提出了一个结合ResNet50、YOLOv11和MedMamba的端到端深度学习框架，用于直接从CTA图像预测AAA生长，并通过多模态特征融合和可解释性分析增强了模型的临床适用性	样本量相对较小（仅81名患者），且研究为单中心回顾性设计，可能限制模型的泛化能力	预测无症状小腹主动脉瘤的快速扩张，以进行风险分层和个性化监测	81名无症状小腹主动脉瘤患者的CTA图像和临床数据	数字病理学	心血管疾病	计算机断层扫描血管造影	CNN, 目标检测模型, 基于注意力机制的模型	图像	81名患者（30名快速生长，51名稳定）	NA	ResNet50, YOLOv11, MedMamba	准确率, F1分数, 精确率-召回率	NA
155	2026-02-15	Performance and generalizability impacts of incorporating location encoders into deep learning for dynamic PM2.5 estimation 2025, GIScience & remote sensing IF:6.0Q1 DOI:10.1080/15481603.2025.2594797 PMID:41684775	研究论文	本研究探讨了在动态PM2.5估计中整合位置编码器对深度学习模型性能和地理泛化能力的影响	首次在复杂、时间动态的估计场景中集成并系统评估位置编码器，揭示了其在提升预测性能和地理泛化性方面的作用	某些区域存在由高次基函数和稀疏上游样本引起的伪影模式，且不同位置编码器（如SatCLIP与GeoCLIP）性能存在差异	评估位置信息在深度学习模型中对PM2.5估计性能及地理泛化能力的影响	美国本土的每日地表PM2.5水平	机器学习	NA	遥感数据与地面数据结合	深度学习模型	遥感数据、地面数据、地理坐标	NA	NA	NA	NA	NA
156	2026-02-15	Pep2TCR: Accurate prediction of CD4 T cell receptor binding specificity through transfer learning and ensemble approach 2024-Dec, iMetaOmics DOI:10.1002/imo2.43 PMID:41676119	研究论文	本文介绍了一种名为Pep2TCR的先进深度学习模型，用于预测CD4 T细胞受体的结合特异性	通过迁移学习和集成方法，显著提升了在有限CD4 TCR数据下的预测准确性	NA	预测CD4 T细胞受体的结合特异性，以支持个性化癌症免疫疗法	CD4 T细胞受体	机器学习	癌症	NA	深度学习	NA	NA	NA	NA	NA	NA
157	2026-02-15	A penalized integrative deep neural network for variable selection among multiple omics datasets 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.51 PMID:41674850	研究论文	提出一种惩罚性集成深度神经网络（PIN），用于从多个组学数据集中同时选择重要变量	PIN方法直接聚合多个数据集作为输入，并在集成分析框架中考虑数据集间的同质性和异质性，解决了现有方法在小样本或忽略数据集间变量结构差异时的不准确性问题	未明确提及具体局限性，但可能依赖于数据集的多样性和样本量	促进基于多源研究/数据集识别疾病相关重要变量	老年人的不同认知状态或卵巢癌患者不同阶段的基因表达数据集	机器学习	卵巢癌	基因表达分析	深度神经网络	组学数据	未明确指定具体样本数量，但涉及多个数据集	未指定	深度神经网络	未明确指定具体指标，但提及性能改进	未指定
158	2026-02-15	CShaperApp: Segmenting and analyzing cellular morphologies of the developing Caenorhabditis elegans embryo 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.47 PMID:41674855	研究论文	本文介绍了一款名为CShaperApp的桌面软件，用于分割秀丽隐杆线虫胚胎发育过程中的荧光标记细胞膜图像并交互式分析细胞形态	开发了基于CShaper框架的交互式桌面软件，允许生物学家使用现有或微调的深度学习模型自动高效提取定量细胞形态数据，并验证了其跨实验室数据集的鲁棒性	未明确说明软件在极端图像条件（如低信噪比、高密度细胞）下的性能限制	加速发育生物学中系统级定量数据的高通量生成，支持细胞形态发育研究	秀丽隐杆线虫胚胎发育过程中的细胞	数字病理学	NA	荧光标记成像，三维延时（4D）成像	深度学习模型	荧光标记的细胞膜图像，三维图像堆栈	包含150个图像堆栈的4D数据集，覆盖从4细胞到350细胞阶段的胚胎发育过程	未明确说明	基于CShaper框架（具体架构未说明）	处理时间（约30分钟处理完整4D数据集），鲁棒性验证	可在Windows、macOS和Linux操作系统上执行的桌面软件
159	2026-02-15	A glimpse into the future: Integrating artificial intelligence for precision HER2-positive breast cancer management 2024-Sep, iMetaOmics DOI:10.1002/imo2.19 PMID:41675540	综述	本文全面回顾了利用人工智能（AI）评估和管理HER2阳性乳腺癌的诊断与预测模型，并探讨了AI在抗HER2治疗中面临的挑战与未来方向	系统性地整合了基于组织病理切片、影像组学和HER2结合位点数据的AI模型，并提出了AI辅助抗HER2治疗未来发展的具体方向	文章为综述性研究，未涉及原始数据或新模型的实验验证，主要基于现有文献进行归纳分析	评估AI在HER2阳性乳腺癌精准管理中的应用现状与前景，促进AI辅助抗HER2治疗的临床整合	HER2阳性乳腺癌患者	数字病理学	乳腺癌	组织病理学分析、影像组学、分子结合位点检测	深度学习模型	组织病理切片图像、医学影像数据、分子结合位点数据	NA	NA	NA	NA	NA
160	2026-02-15	GCARDTI: Drug-target interaction prediction based on a hybrid mechanism in drug SELFIES 2024-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.39 PMID:41676368	研究论文	提出一种基于卷积神经网络和图注意力网络的混合机制框架GCARDTI，用于预测药物与靶点之间的相互作用	首次将SELFIES分子表示方法引入药物-靶点相互作用预测，并设计混合神经网络架构以充分挖掘药物分子结构信息	未明确说明模型在跨数据集泛化能力方面的具体表现，也未讨论模型对新型药物分子的预测可靠性	提升药物-靶点相互作用预测的准确性，支持药物研发和重定位	药物分子与靶点蛋白质	机器学习	NA	SELFIES分子表示	CNN, GAT	分子结构数据	两个不同数据集（具体数量未说明）	NA	卷积神经网络与图注意力网络的混合架构	多种不同指标（具体名称未列出）	NA