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
1601	2026-03-18	Deep Brain Stimulation Induces Antidepressant Effects by Restoring High-Fidelity Communication in the BNST-NAc Circuit 2026-Mar-09, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521943 PMID:41801046	研究论文	本研究通过跨物种、多层次的电生理研究，揭示了深部脑刺激（DBS）治疗难治性抑郁症（TRD）的神经环路机制，即通过恢复BNST-NAc环路的高保真信号通信能力来发挥抗抑郁作用	首次在BNST-NAc环路中识别了抑制期隔离尖峰（IPIS）这一关键通信模式，并开发了创新的跨物种算法从宏观LFP信号解码功能性兴奋/抑制周期，为DBS恢复人脑E/I平衡提供了直接定量证据	样本量相对较小（小鼠模型和18名人类参与者），且研究主要聚焦于BNST-NAc环路，可能未涵盖其他相关神经环路	阐明DBS治疗TRD的神经环路机制，并推动精准和个性化的闭环DBS疗法发展	小鼠模型和难治性抑郁症（TRD）患者	神经科学	抑郁症	电生理记录、局部场电位（LFP）记录、深部脑刺激（DBS）、闭环刺激范式	深度学习模型	电生理信号、局部场电位（LFP）数据	小鼠模型（数量未明确）和18名人类TRD患者	深度学习框架（具体未指定）	NA	抑郁症状减轻评分（平均降低9.4分）、E/I周期特征的信息价值	NA
1602	2026-03-18	PRAD-Hybrid CNN (PRADHC): A Deep Learning Model for Assisted Diagnosis of Prostate Cancer on MRI 2026-Mar-09, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056413897251202130301 PMID:41837512	研究论文	本研究提出了一种名为PRAD-Hybrid CNN（PRADHC）的深度学习模型，用于辅助诊断前列腺癌的MRI图像	PRADHC模型创新性地结合了EfficientNet和残差块，通过增加CNN层数并集成ResNet来解决梯度消失问题，从而提升了诊断准确率	AI辅助诊断工具仍存在假阳性病灶检测的局限性	开发一种高效的深度学习模型，以提升前列腺癌的自动诊断准确性，特别是在早期阶段	前列腺癌的MRI图像	计算机视觉	前列腺癌	MRI成像	CNN	图像	来自64名患者的1,528张MRI图像	NA	EfficientNet, ResNet	准确率, AUC	NA
1603	2026-03-18	DiNovo enables high-coverage and high-confidence de novo peptide sequencing via mirror proteases and deep learning 2026-03-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70224-6 PMID:41786727	研究论文	本文介绍了DiNovo软件系统，通过利用镜像蛋白酶的互补性和深度学习技术，实现高覆盖度和高置信度的从头肽段测序	提出了基于镜像蛋白酶的互补性、不依赖预测序的镜像光谱识别算法、结合深度学习和图论的测序算法，以及无需先验肽段鉴定的目标-诱饵映射评估方法	未明确提及具体局限性，但可能涉及对镜像蛋白酶实验条件的依赖或算法在复杂样本中的泛化能力	提高从头肽段测序的覆盖度和置信度，克服单蛋白酶实验中肽段断裂不完全和蛋白消化不足的限制	肽段测序和蛋白质组学数据	机器学习	NA	镜像蛋白酶互补性、质谱分析	深度学习	质谱光谱数据	NA	NA	NA	高置信度氨基酸测序数量、序列覆盖度	NA
1604	2026-03-18	Sex-Based Differences in Imaging-Derived Body Composition and Their Association with Clinical Malnutrition in Abdominal Surgery Patients 2026-Mar-05, Nutrients IF:4.8Q1 DOI:10.3390/nu18050839 PMID:41830009	研究论文	本研究评估了腹部手术患者术前影像学衍生的身体成分特征与临床营养不良之间的性别特异性关联	首次在腹部手术患者中，分别对男性和女性进行全面的身体成分评估与临床营养不良关联的性别特异性分析，揭示了肌肉减少和肌脂肪变性等特征与营养不良的关联存在性别差异	研究为单中心横断面研究，可能限制了结果的普适性，且未详细说明深度学习算法的具体架构和验证过程	探究术前影像学身体成分特征与临床营养不良之间的关联，并分析其性别差异	接受择期腹部手术并进行了术前腹部CT扫描的患者	数字病理学	NA	腹部计算机断层扫描（CT）	深度学习算法	医学影像（CT扫描）	1143名患者	NA	NA	比值比（OR），95%置信区间（CI）	NA
1605	2026-03-18	CTP-Free Method for Automated Lesion Water Uptake in Acute Ischemic Stroke 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9054 PMID:41781175	研究论文	本研究开发并评估了一种仅使用NCCT和CTA的自动化方法，用于测量急性缺血性卒中患者的病灶净水摄取量，以替代传统的需要CTP的方法	提出了一种无需CTP、仅基于NCCT和CTA的自动化病灶净水摄取量测量方法，提高了临床适用性	需要进行外部验证以确认研究结果	开发并评估一种自动化的病灶净水摄取量测量方法，以辅助急性缺血性卒中的治疗选择和损伤进展评估	急性缺血性卒中患者的影像数据	数字病理学	心血管疾病	深度学习	NA	图像	90名来自MR CLEAN注册研究和MR CLEAN-LATE试验的、已知发病时间且拥有NCCT、CTA和CTP影像的缺血性卒中患者	NA	NA	组内相关系数, Bland-Altman分析, 受试者工作特征分析, 曲线下面积	NA
1606	2026-03-18	Cross-species gene redesign leveraging ortholog information and generative modeling 2026-03-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69966-0 PMID:41775687	研究论文	本文提出了一种基于Transformer的深度学习模型OrthologTransformer，用于跨物种基因重设计，通过学习大规模直系同源基因数据集来预测目标物种的优化编码序列	首次将Transformer模型应用于跨物种基因重设计，能够同时考虑同义密码子替换、非同义突变和插入缺失等进化差异，超越了传统密码子优化的局限性	研究主要针对细菌物种对进行测试，在真核生物和其他复杂系统中的适用性尚未验证	开发一种人工智能引导的基因设计方法，实现跨物种的基因功能适应性优化	直系同源基因	机器学习	NA	深度学习，基因序列分析	Transformer	基因序列数据	大规模直系同源基因数据集（具体数量未说明）	NA	Transformer	表达产量，蛋白质功能保持度，与天然宿主直系同源基因的相似度	NA
1607	2025-11-08	Correction to "Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning" 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70172 PMID:41198582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1608	2026-03-18	Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500362 PMID:41220170	研究论文	本研究提出了一种结合可见光-近红外高光谱成像与深度学习融合框架的非破坏性基因分型方法，用于快速评估肺腺癌驱动突变	首次将可见光-近红外高光谱成像与双分支深度学习融合框架结合，实现无需染色的肺腺癌驱动突变快速评估	研究样本量较小（90例临床标本），且未提及外部验证或跨中心验证结果	开发一种非侵入性、非破坏性的肺腺癌驱动突变（如ALK、EGFR、KRAS）识别方法，以指导个性化治疗	肺腺癌临床标本的未染色病理切片	生物医学光子学	肺腺癌	可见光-近红外高光谱成像（400-1000 nm）	深度学习融合框架，XGBoost	高光谱图像	90例临床标本	NA	双分支融合网络，XGBoost	准确率，ROC曲线下面积（AUC）	NA
1609	2026-03-18	MALDI-TOF mass spectrometry coupled with machine learning: an accurate tool to detect toxigenic Clostridioides difficile strains 2026-Mar, Anaerobe IF:2.5Q3 DOI:10.1016/j.anaerobe.2025.103017 PMID:41325791	研究论文	本研究评估了MALDI-TOF质谱结合机器学习在检测产毒艰难梭菌菌株中的有效性	首次将MALDI-TOF质谱与机器学习算法结合，用于区分产毒与非产毒艰难梭菌菌株，提供了一种低成本、易用的替代方法	样本量相对有限（389个菌株），且仅基于单一机构的临床样本，可能影响模型的泛化能力	评估MALDI-TOF质谱在识别产毒艰难梭菌菌株中的有效性，并开发基于机器学习的检测工具	从315名患者粪便中分离的389个艰难梭菌菌株（包括产毒和非产毒菌株）	机器学习	艰难梭菌感染	MALDI-TOF质谱, 全基因组测序, PCR, 厌氧培养	支持向量机, 随机森林, 深度学习算法	质谱数据, 基因组数据	389个艰难梭菌菌株（来自315名患者）	NA	NA	准确率, κ值, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
1610	2026-03-18	Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100880 PMID:41411852	研究论文	本文提出了一种名为NowcastPNN的新型概率神经网络架构，用于估计传染病（以巴西圣保罗的登革热为例）中已发生但尚未报告的病例数	结合负二项分布统计建模与注意力机制等深度学习技术，通过蒙特卡洛Dropout获取不确定性区间，在预测区间评分规则上相比现有最佳方法减少近30%的损失	模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准方法	开发快速可靠的传染病实时预测方法，以支持公共卫生决策	登革热发病率数据	机器学习	登革热	NA	概率神经网络, 注意力机制	发病率计数数据	相当于2-4年的发病率计数	NA	NowcastPNN	预测区间评分规则	计算成本低廉
1611	2026-03-18	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合数学和深度学习模型的集成方法，用于改进韩国特定年龄流感样疾病的短期预测	提出了一种新颖的集成建模方法，结合了机制性n-次流行模型和蒙特卡洛Dropout LSTM神经网络，以捕获疾病传播的结构化动态和非线性时间依赖关系，适应疫情改变的传播模式并提供稳健的不确定性量化	NA	改进流感样疾病的短期预测性能，以指导疫情应对、优化医疗资源分配和公共卫生干预	韩国特定年龄的流感样疾病数据	机器学习	流感样疾病	NA	LSTM	时间序列数据	NA	NA	LSTM	加权区间评分, 平均绝对误差	NA
1612	2026-03-18	VarCoNet: A Variability-Aware Self-Supervised Framework for Functional Connectome Extraction From Resting-State fMRI 2026-Mar, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70469 PMID:41810518	研究论文	本文提出了一种名为VarCoNet的变异性感知自监督框架，用于从静息态功能磁共振成像数据中提取稳健的功能连接组	将功能个体间变异性视为有意义的数据而非噪声，通过自监督对比学习利用这种变异性，并引入基于信号分割的新颖增强策略	NA	开发一个用于从静息态功能磁共振成像数据中提取功能连接组的稳健框架，以支持精准医学	静息态功能磁共振成像数据，包括来自人类连接组计划的2117条记录和自闭症脑成像数据交换I（995条记录）及II（730条记录）数据集的数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	CNN, Transformer	时间序列数据	人类连接组计划：2117条记录；自闭症脑成像数据交换I：995条记录；自闭症脑成像数据交换II：730条记录	NA	1D卷积神经网络与Transformer编码器集成	准确率, AUC	NA
1613	2026-03-18	Time-resolved functional genomics using deep learning reveals global hierarchical control of autophagy 2026-Mar, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01837-0 PMID:41826700	研究论文	本研究结合时间分辨高内涵成像、深度学习和潜在特征分析，绘制了氮变化期间控制自噬激活和失活的遗传网络	首次通过时间分辨功能基因组学方法，结合深度学习揭示自噬的全局层次控制，并识别逆行通路作为关键的时间变化调节因子	NA	研究自噬在营养环境变化中的系统动态调控机制	自噬过程及其遗传网络	机器学习	NA	时间分辨高内涵成像，潜在特征分析	深度学习	图像数据	5,919个突变体	NA	NA	NA	NA
1614	2026-03-18	Cross-Institutional Five-Class Kellgren-Lawrence Grading of Knee Osteoarthritis via Multitask Deep Learning 2026-Mar, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70254 PMID:41830909	研究论文	本研究提出了一种名为KL-FuseNet的多任务深度学习模型，用于膝关节骨关节炎的Kellgren-Lawrence分级，并通过跨机构验证评估其性能	引入KL-FuseNet多任务架构，融合全局（ConvNeXt-Base）和局部（ResNet-50）特征，同时预测序数分级、标签分布和二元严重性（KL≥2），并采用严格的病人分层划分和零样本迁移与选择性微调策略	外部零样本部署时存在领域差距，导致性能下降，需通过选择性微调来弥补	开发一个可重复且能泛化到不同医疗中心的自动膝关节骨关节炎分级模型	膝关节骨关节炎的X光图像	计算机视觉	骨关节炎	深度学习	CNN	图像	内部数据集（n=8260）和独立中国队列（n=2295）	PyTorch	ConvNeXt-Base, ResNet-50	二次Cohen's kappa, 准确率, AUC	NA
1615	2026-03-18	Deep learning-driven immunohistochemical analysis of renal lymphatics for chronic kidney disease: bioinformatic and histopathological study 2026-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2025.12.15 PMID:41820010	研究论文	本研究开发了一种基于弱监督、注意力机制的多实例学习框架，用于自动检测和量化肾淋巴管密度，以支持慢性肾脏病和高血压肾病的诊断与风险分层	采用聚类约束注意力多实例学习（CLAM）模型，联合执行基于注意力的实例选择和实例级聚类，以区分每个切片内的正负证据，从而生成更具区分性的切片级特征和可解释的注意力图	研究仅基于两个独立内部数据集（来自同济医院），样本量相对有限（CKD 198例，HTN 50例），且仅使用D2-40免疫组化染色的全切片图像	评估一种自动化框架，用于肾淋巴管密度的检测和量化，以替代缓慢、主观的视觉评估方法	慢性肾脏病（CKD）和高血压肾病（HTN）患者的肾活检组织	数字病理学	慢性肾脏病	免疫组化染色（D2-40）、全切片图像数字化	CNN, 多实例学习	图像	CKD 198例，HTN 50例，总计248例肾活检样本	NA	CLAM（聚类约束注意力多实例学习模型）	AUC（接收者操作特征曲线下面积）	NA
1616	2026-03-18	Deep learning-based upsampling of 2D detector array measurements for patient plan verification in radiotherapy 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70358 PMID:41840888	研究论文	本文提出了一种基于深度学习的上采样方法，用于提高放疗患者计划验证中探测器阵列的空间分辨率	利用深度卷积神经网络对探测器阵列测量进行上采样，校正体积平均效应，并在陡峭梯度区域实现比标准双线性插值更好的插值效果	训练数据基于蒙特卡洛模拟生成，可能无法完全覆盖所有临床场景；研究主要针对特定型号探测器（OCTAVIUS Detector 1500）	提高强度调制放射治疗中探测器阵列用于患者计划验证的空间分辨率	放疗治疗计划验证中的二维剂量分布测量	医学影像分析	NA	蒙特卡洛模拟	CNN	二维剂量分布图像	基于蒙特卡洛模拟生成的合成训练数据，覆盖不同直线加速器设置和射野形状	PyTorch	深度卷积架构	伽马指数通过率	NA
1617	2026-03-18	Deep learning in geographic atrophy: rethinking age-related macular degeneration progression and treatment 2026-Feb-28, Annals of translational medicine DOI:10.21037/atm-2026-1-0018 PMID:41835799	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1618	2026-03-18	Real-Time Pond Water Assessment via Embedded Deep Learning and Visual Data Acquisition: A Practical Monitoring Approach for Aquaculture 2026-Feb-24, Journal of visualized experiments : JoVE DOI:10.3791/69744 PMID:41838729	研究论文	本文提出了一种基于嵌入式深度学习和视觉数据采集的实时池塘水质评估系统，用于水产养殖监测	开发了一种集成低成本水下摄像头、树莓派控制器网络和轻量级神经网络的自主水面机器人系统，实现实时水下图像分类和水质评估	系统仅针对五种水质条件进行分类，可能需要进一步扩展类别；方法在其他水产养殖或环境监测场景中的适应性需要验证	设计、部署和操作基于嵌入式深度学习的实时水质监测系统，支持可持续水产养殖实践	观赏鱼（如锦鲤）养殖池塘的水质条件	计算机视觉	NA	水下图像采集、嵌入式系统	深度学习、神经网络	图像	自定义数据集（具体数量未说明）	NA	轻量级神经网络	准确率	树莓派控制器网络、嵌入式系统
1619	2026-03-18	FAST - filamentous actin segmentation tool for quantifying cytoskeletal organization 2026-Feb-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264265 PMID:41614214	研究论文	本文开发了一种基于深度学习的工具FAST，用于从phalloidin染色的共聚焦显微镜图像中准确高效地分割和量化不同类别的肌动蛋白结构	FAST工具能够仅从肌动蛋白图像中量化不同类别的肌动蛋白结构，无需针对不同肌动蛋白结构中蛋白质的特异性抗体	NA	开发一种工具以量化光学显微镜数据中不同类别肌动蛋白结构的大小、丰度和组织	不同细胞系中的肌动蛋白结构，以及药物处理期间使用LifeAct-GFP观察到的肌动蛋白组织动态变化	计算机视觉	癌症转移	phalloidin染色共聚焦显微镜，LifeAct-GFP成像	深度学习	图像	NA	NA	NA	NA	NA
1620	2026-03-18	Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34846-y PMID:41688507	研究论文	本文提出了一种基于深度学习的优化模型，用于最小化D2D毫米波通信中的中断概率和能量消耗	结合Flamingo Elk Herd Optimization（FEHO）和Deep Spiking Neural Network（DSNN）模型，优化中断概率和能量消耗，在平均发射功率和中断概率方面达到39.056 dBm和0.0015的优越性能	未明确说明模型在更复杂无线信道环境或大规模网络中的泛化能力，以及计算资源需求	最小化D2D毫米波通信系统的中断概率和能量消耗，以增强网络覆盖的鲁棒性	D2D毫米波通信系统，包括相干、单簇近似和非相干下界三种覆盖概率机制	机器学习	NA	深度学习优化，模拟仿真	Deep Spiking Neural Network（DSNN）	模拟数据	未明确指定样本数量，基于模拟仿真	未明确指定，可能为自定义框架	Deep Spiking Neural Network（DSNN）	平均发射功率（dBm），中断概率	未明确指定