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
1621	2026-07-28	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	基于纵向CT图像的多任务深度学习模型CTSMamba用于预测化疗后胃癌患者的淋巴结转移和生存期	提出了一个名为CTSMamba的多任务深度学习模型，能够同时预测淋巴结转移和总生存期，并在多中心数据中表现优于临床模型	未明确提及具体局限性	开发并验证一个基于纵向CT图像的多任务深度学习模型，以预测局部晚期胃癌患者的淋巴结转移和总生存期	接受新辅助化疗的局部晚期胃癌患者	计算机视觉, 机器学习, 数字病理	胃癌	CT成像	多任务深度学习模型	纵向CT图像	来自两个中心的1021名局部晚期胃癌患者（其中398名用于训练和验证，623名用于外部验证）	PyTorch	CTSMamba（基于共注意力三向空间Mamba架构）	准确率、AUC	NA
1622	2026-07-28	Assessing Substrate Scope of the Cyclodehydratase LynD by mRNA Display-Enabled Machine Learning Models 2025-07-01, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00682 PMID:40492579	研究论文	利用mRNA展示技术结合深度学习模型评估环脱水酶LynD的底物范围	首次使用mRNA展示高通量技术大规模解析LynD底物偏好性，并构建深度学习模型预测底物处理能力，揭示不同YcaO酶家族成员底物选择性的物理基础	未明确说明模型泛化能力是否适用于其他YcaO酶家族成员，且实验数据可能受限于体外展示条件与体内环境的差异	评估LynD环脱水酶的底物混杂性，并开发预测模型以指导新型含唑啉肽抑制剂或探针的设计	LynD环脱水酶及其对肽底物的催化修饰	自然语言处理	NA	mRNA展示技术、深度学习模型	深度学习	肽序列数据	大规模肽文库（具体数量未在摘要中说明）	NA	深度神经网络	NA	NA
1623	2026-07-28	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	利用大型语言模型和图神经网络对蛋白质-蛋白质相互作用模型进行排序	通过结合蛋白质语言模型和图神经网络，提出了一种基于图的深度学习算法DeepRank-GNN-esm，用于从大量生成模型中识别近天然构象	NA	解决蛋白质复合物建模中从大量生成模型中识别高质量近天然构象的挑战	蛋白质-蛋白质相互作用模型	机器学习	癌症、感染性疾病、神经退行性疾病	蛋白质语言模型	图神经网络、蛋白质语言模型	蛋白质结构数据	NA	DeepRank-GNN-esm	图神经网络	NA	NA
1624	2026-07-28	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍InterLabelGO+模型，一种基于ESM2蛋白质语言模型和深度学习进行基因本体术语预测的工具	考虑了不同GO术语之间的复杂关系，并结合序列同源搜索获得共识预测	未提及	开发高性能的蛋白质功能预测方法，特别是基因本体术语预测	蛋白质序列的基因本体术语预测	机器学习，自然语言处理	NA	蛋白质语言模型（ESM2），序列同源搜索	深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
1625	2026-07-28	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	研究论文	描述预测人类蛋白质变异致病性的方法及其在结构功能注释上的扩展	提出在预测致病性后进一步推导蛋白质结构稳定性、溶剂可及性和相互作用网络扰动的在线框架	未明确提及具体局限性	通过序列嵌入和机器学习预测人类变异致病性，并在线提供结构功能解释	人类蛋白质变异	机器学习	NA	蛋白质序列嵌入	机器学习和/或深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
1626	2026-07-28	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究协议	本生活范围综述协议旨在追踪人工智能在实施科学中的应用，包括评估方法和结果	采用生活范围综述方法，动态跟踪人工智能在实施科学中的快速演变作用	未提及具体局限性	绘制人工智能在实施研究和实践中的应用，识别评估方法、报告结果及潜在风险，并综合研究空白和机会	人工智能在实施科学中的应用，包括机器学习、深度学习、自然语言处理、大语言模型等技术	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	机器学习, 深度学习, 自然语言处理, 大语言模型	文本	NA	NA	NA	NA	NA
1627	2026-07-28	CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection 2024-07-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50426-6 PMID:39013885	研究论文	开发了可解释的图神经网络框架CGMega，用于癌症基因模块解析	结合模型无关解释方法和图注意力机制，实现可解释的癌症基因模块解析	未提及局限性	开发可解释的深度学习框架用于癌症基因模块解析	乳腺癌细胞系和急性髓系白血病患者	机器学习	乳腺癌，急性髓系白血病	多组学整合	图神经网络	多组学数据	乳腺细胞系和急性髓系白血病患者样本	PyTorch	图注意力网络	癌症基因预测性能指标	未提及
1628	2026-07-28	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-07-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	将神经适应机制嵌入人工神经网络，以捕捉视网膜的动态计算过程	首次在传统卷积神经网络前端整合光感受器适应的生物物理机制，形成新模型“Deep Retina”，显著提升对灵长类和啮齿类视网膜神经节细胞反应的预测能力	未明确提及	探究嵌入神经适应机制能否提高人工神经网络在动态输入条件下预测神经输出的性能	灵长类和啮齿类的视网膜神经节细胞反应	机器学习	NA	光感受器适应的生物物理建模	卷积神经网络	神经电生理数据	NA	PyTorch	Deep Retina（基于卷积神经网络）	NA	NA
1629	2026-07-28	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	提出一种利用模型可解释性增强跨队列分类模型泛化能力的框架，用于阿尔茨海默病的MRI评估	通过将类级注意力与统一视觉显著性先验对齐，使深度神经网络聚焦于疾病相关脑区，提升跨数据集的泛化性能并改善与死后组织学的相关性	NA	开发一种疾病驱动的域泛化方法，提高基于MRI的阿尔茨海默病分类模型在不同队列间的泛化能力	来自四个独立队列的MRI扫描和临床诊断数据	计算机视觉, 数字病理学	阿尔茨海默病	MRI扫描	深度神经网络	图像	ADNI队列1821例、FHS队列304例、AIBL队列661例、NACC队列4647例，总计7433例	NA	NA	NA	NA
1630	2026-07-28	Assessing brain involvement in Fabry disease with deep learning and the brain-age paradigm 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26599 PMID:38520360	研究论文	利用深度学习与脑年龄范式评估法布里病患者的脑部受累情况，并验证脑预测年龄差异（brain-PAD）作为疾病严重程度生物标志物的可能性	首次将脑年龄范式应用于法布里病，验证brain-PAD与多器官损伤和神经影像学指标的相关性，提出综合性的神经系统疾病严重程度生物标志物	单中心回顾性研究，样本量较小（52例FD患者和58例HC），未涉及外部验证队列	评估法布里病患者大脑是否比正常老化更快，并验证brain-PAD作为疾病严重程度生物标志物的可行性	法布里病患者和健康对照者	计算机视觉, 机器学习	法布里病	NA	深度学习	3D T1加权脑部MRI图像	训练集：来自8个公开数据集的2160名健康受试者（年龄4-86岁）；内部队列：52例FD患者（平均40.6岁）和58例HC（平均38.4岁）	NA	DenseNet	平均绝对误差（MAE）, 相关系数（R）	NA
1631	2026-07-28	Machine learning in small sample neuroimaging studies: Novel measures for schizophrenia analysis 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26555 PMID:38544418	研究论文	本研究利用脑结构图像中的沟回模式，结合统计、机器学习和深度学习技术，构建计算机辅助诊断系统，用于区分精神分裂症患者和健康对照	首次使用全脑皮层的沟回特征构建计算机辅助诊断系统，并在小样本情况下系统评估了工作流各阶段的性能，应用可解释人工智能技术分析特征重要性	样本量较小（58名患者和56名健康对照），可能影响模型的泛化能力	在小样本神经影像研究中，构建并全面评估基于沟回特征的计算机辅助诊断系统，用于精神分裂症分析	精神分裂症患者和健康对照者的脑结构磁共振成像中的沟回模式	机器学习	精神分裂症	磁共振成像	CNN	图像	58名精神分裂症患者和56名健康对照者	Scikit-learn、TensorFlow	CNN	准确率	NA
1632	2026-07-28	Optimising brain age estimation through transfer learning: A suite of pre-trained foundation models for improved performance and generalisability in a clinical setting 2024-03, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26625 PMID:38433665	研究论文	提出一个基于迁移学习的深度学习框架，利用常规临床MRI数据训练多个模型以优化脑龄估计，并提升模型在临床环境中的性能和泛化能力	首次在五种不同MRI序列上训练脑龄预测模型，并作为基础模型通过迁移学习适应其他MRI序列和扫描方向，即使在有限数据条件下（低至N=25）也有效	未明确提及，但可能受限于训练数据为常规临床数据（可能影响极端年龄或罕见疾病的泛化性）	开发准确且泛化能力强的脑龄估计模型，适用于临床环境，并提供公开模型工具包促进相关研究	从常规临床数据获取的脑MRI图像（五种序列：T1加权、T2-FLAIR、T2加权、扩散加权、梯度回波T2*加权）	计算机视觉	神经系统疾病	MRI	深度学习模型	图像（脑MRI）	最多18,890例临床数据，年龄范围18-96岁	未明确指定，推断为PyTorch或TensorFlow	未明确指定具体架构，可能是卷积神经网络	平均绝对误差, R²	未明确提及
1633	2026-07-28	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2023-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.22.23295984 PMID:37808872	研究论文	提出一种疾病驱动的域泛化方法，用于基于神经影像的阿尔茨海默病评估	利用模型可解释性来提升分类模型在多个队列间的泛化能力，通过将类别级注意力与统一的视觉显著性先验对齐来指导模型训练	NA	开发深度学习方法以克服多中心MRI数据中的分布差异，实现跨队列泛化的认知障碍评估	从四个独立队列获取的MRI扫描影像和临床诊断数据	计算机视觉	阿尔茨海默病	MRI	深度神经网络	图像	来自ADNI（1821例）、FHS（304例）、AIBL（661例）和NACC（4647例）四个队列的MRI数据	NA	NA	NA	NA
1634	2026-07-28	DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data 2023-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.537396 PMID:37163042	研究论文	DeepComBat是一种基于条件变分自编码器和ComBat模型的深度学习方法，用于消除神经影像数据中的批次效应	基于统计启发的深度学习框架，放宽了先前深度学习协调方法的强假设，对超参数选择具有经验鲁棒性	NA	设计一种有效去除神经影像数据批次效应的深度学习方法，提高数据的泛化性和可重复性	神经影像数据中的批次效应及其对下游机器学习分析的影响	机器学习	老年病	神经影像	条件变分自编码器	神经影像数据	大型认知衰老队列	NA	条件变分自编码器	机器学习方法评估指标	NA
1635	2026-07-27	Early detection of severe fetal growth restriction using multimodal deep learning based on ultrasound and prenatal biomarkers 2026-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2026.2688297 PMID:42403100	研究论文	开发并评估一种整合早孕期和中孕期超声图像与早孕期母体血清生物标志物的多模态深度学习模型，用于早期预测重度胎儿生长受限	首次将多模态深度学习模型（结合超声图像与血清标志物）用于重度FGR的早期预测，并引入多注意力机制和动态卷积模块提升性能	NA	早期预测重度胎儿生长受限	重度胎儿生长受限（FGR）病例及对照孕妇	计算机视觉	胎儿生长受限	超声成像、血清生物标志物检测	卷积神经网络（CNN）	超声图像、血清标志物数据、母体年龄	598例单胎妊娠（299例重度FGR，299例对照）	PyTorch	多层级注意力与动态卷积CNN	AUC, 准确率, F1分数, 马修斯相关系数	NA
1636	2026-07-27	AutoBiGluNet: transformer-based time series modeling for blood glucose prediction in Type 1 diabetes patients 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00469-4 PMID:42395262	研究论文	利用基于Transformer的时间序列模型AutoBiGluNet预测1型糖尿病患者的血糖水平	提出AutoBiGluNet混合深度学习模型，结合Autoformer和BiLSTM网络捕获全局模式和时序依赖，实现高精度血糖预测	需要前瞻性临床验证后才能考虑集成到闭环胰岛素输送系统	开发鲁棒的时间序列模型，处理噪声和异构医疗数据，辅助1型糖尿病患者临床决策	BrisT1D和OhioT1DM数据集中的1型糖尿病患者，包括CGM数据、胰岛素泵数据、智能手表活动数据和饮食碳水化合物数据	时间序列预测	1型糖尿病	持续血糖监测（CGM）、胰岛素泵数据、智能手表活动数据、碳水化合物数据	Autoformer + BiLSTM混合深度学习模型	多模态时间序列数据（CGM、胰岛素、活动、饮食）	BrisT1D和OhioT1DM两个公开数据集	NA	Autoformer、BiLSTM	RMSE、MAE、R²	NA
1637	2026-07-27	DeepKbhb: Context-Aware Prediction of Human Lysine β-Hydroxybutyrylation Sites 2026-Jul-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02072 PMID:42386167	研究论文	提出了DeepKbhb，一个用于预测人类赖氨酸β-羟基丁酰化位点的深度学习框架	通过将序列嵌入与六种工程化描述符结合的双线性注意力网络，有效捕捉位置依赖关系，无需手工特征	未明确说明局限性	开发精确的赖氨酸β-羟基丁酰化位点预测工具，以支持功能与机制研究及疾病相关分析	人类赖氨酸β-羟基丁酰化位点	机器学习	癌症、代谢紊乱、免疫调节	NGS	双线性注意力网络	序列数据	NA	NA	双线性注意力网络	准确率、F1分数、马修斯相关系数	NA
1638	2026-07-27	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Jul-06, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ模块化套件，包含半自动和全自动管道，用于分析初级纤毛及其亚结构域	开发了Cilia SubQ和基于深度学习的Cilia.AI模型，实现自动化纤毛亚结构域分割，将分析时间缩短约八倍，并提供公开视频教程和脚本	NA	提供高通量、可重现的初级纤毛及亚结构域量化方法，减少人工分析时间和偏差	初级纤毛、中心体周物质、基体、过渡区、纤毛尖端及细胞内运输动态	计算机视觉	纤毛病	深度学习、Kymograph分析	深度神经网络	图像	NA	Zeiss arivis Pro	Cilia.AI（未具体说明架构）	NA	NA
1639	2026-07-27	SqueakPose Studio, an end-to-end platform for pose estimation and real-time edge-AI deployment 2026-07-06, eLife IF:6.4Q1 DOI:10.7554/eLife.111308 PMID:42405827	研究论文	提出了一个名为SqueakPose Studio的端到端平台，用于姿态估计和实时边缘AI部署	首次集成了从数据集创建、模型训练到实时部署的完整软硬件生态，消除了对工作站级GPU和外部中间件的依赖	未在论文中明确说明	开发一个统一平台，支持姿态估计的离线分析和嵌入式实时实验	行为学实验中的动物姿态估计	计算机视觉	NA	深度学习姿态估计	CNN	图像	NA	PyTorch	现代目标检测架构	NA	CPU, GPU, Apple Silicon, 嵌入式GPU计算设备
1640	2026-07-27	Generalizable and explainable deep learning for brain MRI: a multi-cohort evaluation of 3D architectures for age and sex prediction 2026-Jul-06, Brain informatics DOI:10.1186/s40708-026-00316-y PMID:42406258	研究论文	系统比较三种三维深度学习架构在脑MRI年龄和性别预测中的泛化能力	首次在多独立队列中系统比较SFCN、DenseNet121和Swin Transformer三种三维架构在年龄和性别预测上的泛化性和可解释性	外部队列样本量差异较大，且仅评估了T1加权MRI数据	评估不同深度学习架构在脑MRI年龄和性别预测中的泛化能力	T1加权脑MRI数据	计算机视觉	NA	MRI	SFCN, DenseNet121, Swin Transformer	图像	四个队列：UKB (47390)、DLBS (132)、PPMI (108)、IXI (319)	NA	SFCN, DenseNet121, Swin Transformer	AUC, 平均绝对误差(MAE), 相关系数r, DeLong检验, Wilcoxon检验	NA