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
1901	2026-04-11	QTFPred: robust high-performance quantum machine learning modeling that predicts main and cooperative transcription factor bindings with base resolution 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf604 PMID:41294241	研究论文	本文介绍了一种名为QTFPred的量子-经典混合框架，用于在碱基分辨率下预测转录因子结合位点	通过将量子卷积层集成到神经网络中，利用量子电路的指数特征空间，在数据稀疏场景下实现鲁棒性能，并揭示转录因子基序表示以洞察协同结合机制	NA	预测转录因子的主要和协同结合位点	转录因子结合位点	机器学习	NA	ChIP-seq	量子-经典混合神经网络	DNA序列数据	49个ENCODE ChIP-seq数据集	NA	量子卷积层	准确率, 精确度, 稳定性	GPU模拟
1902	2026-04-11	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，旨在捕获细胞形态、蛋白质定位、细胞组织和生物功能	提出了基于蛋白质组感知学习目标的自监督模型，首次从图像数据直接学习构建了蛋白质组层次图，并整合蛋白质序列模型实现多模态蛋白质表示	NA	开发用于荧光显微镜的深度学习模型，以捕获单细胞生物学特征	人类蛋白质图谱中的蛋白质组范围图像集合	计算机视觉	NA	荧光显微镜	深度学习模型	图像	NA	NA	NA	NA	NA
1903	2026-04-11	Deep infant brain segmentation from multi-contrast MRI 2025-Oct, Conference record. Asilomar Conference on Signals, Systems & Computers DOI:10.1109/ieeeconf67917.2025.11443909 PMID:41953470	研究论文	本文提出BabySeg，一个用于婴幼儿脑部MRI分割的深度学习框架，支持多样化的MRI协议和输入配置	结合领域随机化技术合成超出现实范围的训练图像以增强数据集偏移不变性，并引入灵活池化和交互多输入扫描特征的机制	未明确说明模型在极端成像条件或罕见病理情况下的鲁棒性	开发一个适用于婴幼儿脑部MRI的通用分割框架，以克服现有方法在图像类型和年龄组上的局限性	婴幼儿脑部多对比度MRI图像	数字病理学	NA	多对比度MRI	深度学习模型	图像	NA	NA	NA	准确性	NA
1904	2026-04-11	Deep learning approach for automated hMPV classification 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14467-1 PMID:40781468	研究论文	本研究提出了一种名为hMPV-Net的深度学习框架，利用卷积神经网络（CNN）实现人偏肺病毒（hMPV）感染的自动检测与分类	开发了hMPV-Net这一新型深度学习框架，通过结合数据增强、加权损失函数和dropout正则化等先进技术，有效解决了数据集不平衡问题，并在计算效率上显著优于ResNet-50和VGG-16等现有模型	研究使用了模拟图像数据集而非真实患者数据进行训练和评估，这可能会影响模型在真实临床场景中的泛化能力	开发一种能够快速、准确检测和分类人偏肺病毒（hMPV）感染的自动化诊断方法	人偏肺病毒（hMPV）感染病例，特别是儿童、老年人和免疫功能低下患者中的呼吸道疾病	计算机视觉	呼吸道疾病	深度学习，卷积神经网络（CNN）	CNN	图像	10,000个样本，包含等量的hMPV阳性和阴性病例	NA	hMPV-Net	准确率, 精确率, 召回率, F1分数	NA
1905	2026-04-11	Segmentation of the Left Atrium in Cardiovascular Magnetic Resonance Images of Patients with Myocarditis 2025-07-18, Journal of visualized experiments : JoVE DOI:10.3791/68664 PMID:40758568	研究论文	本文提出了一种基于三维全卷积网络的深度学习模型，用于心肌炎患者心血管磁共振电影序列中左心房的分割，以评估左心房功能	提出了三项策略性增强：时空特征融合、动态跳跃连接和轻量化设计，以解决动态伪影和薄壁结构时空连续性建模的挑战	未明确提及模型在更广泛患者群体或不同磁共振扫描仪上的泛化能力	开发一种准确、高效的方法，用于从心肌炎患者的心血管磁共振电影序列中分割左心房，以支持临床诊断	心肌炎患者的心血管磁共振电影序列图像	计算机视觉	心血管疾病	心血管磁共振电影序列成像	CNN	图像	NA	NA	3D-FCN	Dice系数	NA
1906	2026-04-11	Convolutional Neural Network-Transformer Model to Predict and Classify Early Arrhythmia Using Electrocardiogram Signal 2025-07-03, Journal of visualized experiments : JoVE DOI:10.3791/68227 PMID:40690419	研究论文	本文提出了一种基于深度学习的混合模型，用于从心电图信号中预测和分类早期心律失常	结合1D CNN和Transformer层，以同时提取空间特征并建模时间依赖性，从而在心律失常分类中实现高精度	NA	开发精确且自动化的技术，用于心血管疾病（特别是心律失常）的早期诊断和检测	心电图信号，重点关注五种主要心跳类型：正常、左束支传导阻滞、右束支传导阻滞、房性早搏和室性早搏	机器学习	心血管疾病	心电图信号分析	CNN, Transformer	信号	超过390万个训练段和112,575个测试段	NA	1D CNN, Transformer	准确率, 精确率, F1分数	NA
1907	2026-04-11	Unsupervised learning reveals landscape of local structural motifs across protein classes 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf377 PMID:40569048	研究论文	本文利用自监督深度学习表征，对蛋白质数据库中的局部结构微环境进行聚类，构建了一个局部3D基序词典，并展示了其在蛋白质结构搜索、模型质量评估和药物脱靶相互作用预测中的应用	通过无监督学习聚类超过1500万个蛋白质局部结构环境，创建了一个全面的局部3D基序词典，并基于此开发了新的蛋白质表征方法，在多个任务中达到最先进性能	NA	旨在通过无监督学习揭示蛋白质局部结构基序的景观，并应用于蛋白质结构功能分析	蛋白质数据库中的局部三维结构微环境	机器学习	NA	自监督深度学习	NA	三维结构数据	超过1500万个局部环境	NA	NA	NA	NA
1908	2026-04-11	Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality 2025-Jun-30, Research square DOI:10.21203/rs.3.rs-6296752/v1 PMID:40630516	研究论文	本研究开发了一种基于对比学习的深度学习模型Spiro-CLF，利用次优肺活量测定数据预测呼吸系统结局和死亡率	首次利用次优肺活量测定数据（包括未通过质量控制的测试）通过对比学习框架进行呼吸系统结局预测，突破了传统方法仅使用最优测试结果的限制	在COPDGene队列中，添加通过质量控制的次优测试数据并未改善肺功能或死亡率的预测效果，需要进一步研究在特定临床场景中的性能和实用性	探索机器学习模型是否能够基于次优肺活量测定数据预测呼吸系统结局和死亡率	英国生物银行（UK Biobank）和COPDGene队列的参与者，年龄40-80岁，包括吸烟者和无呼吸系统疾病（除COPD或哮喘外）的个体	机器学习	呼吸系统疾病	肺活量测定（spirometry）	深度学习模型	原始肺活量图（体积-时间曲线）	352,684名UK Biobank参与者（940,705条曲线）和10,110名COPDGene参与者	对比学习框架	Spiro-CLF（基于肺活量图的对比学习框架）	AUROC（受试者工作特征曲线下面积）, 一致性指数（concordance index）, 预测改善百分比	NA
1909	2026-04-11	Investigating the Domain Adaptability of General-Purpose Foundation Models for Left Atrium Segmentation from MR Images 2025-Jun, Functional imaging and modeling of the heart : ... International Workshop, FIMH ..., proceedings. FIMH (Conference) DOI:10.1007/978-3-031-94562-5_25 PMID:41883586	研究论文	本研究探讨了通用基础模型（如DINOv2、SAM、MedSAM）在磁共振图像左心房分割任务中的领域适应性和鲁棒性	提出了一种结合预训练基础模型与改进UNet解码器的架构，利用基础模型的全局上下文特征，在数据稀缺的医学图像分割任务中展现出优越性能	研究主要针对左心房分割任务，在其他医学图像分割任务中的普适性有待进一步验证；且依赖于特定基础模型的预训练特征	探索预训练基础模型在医学图像分割领域的适应能力，为数据稀缺的医学应用提供更通用的解决方案	磁共振图像中的左心房结构	医学图像分析	心房颤动	磁共振成像	CNN, Transformer	医学图像	2022 LAScarQS和2018 LASC分割挑战数据集	PyTorch	UNet, DINOv2, SAM, MedSAM	Dice系数, IoU	NA
1910	2026-04-11	Deep Learning Applications in Imaging of Acute Ischemic Stroke: A Systematic Review and Narrative Summary 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.240775 PMID:40197098	系统综述	本文对深度学习在急性缺血性卒中影像学中的应用进行了系统性回顾和叙述性总结	首次对2016年至2024年间深度学习在急性缺血性卒中影像学中的应用进行全面、系统的回顾，并特别关注了卷积神经网络和Transformer模型，同时强调了公共数据集的重要性	研究存在挑战，包括需要标准化协议和测试集、更大的公共数据集以及在真实世界环境中进行性能验证	评估深度学习在成人急性缺血性卒中患者影像学中的应用，全面概述当前技术状态并识别发展机遇	急性缺血性卒中影像学	计算机视觉	急性缺血性卒中	NA	CNN, Transformer	影像	共纳入380项研究，并对其中68项进行了详细数据提取	NA	NA	NA	NA
1911	2026-04-11	Foundation model of neural activity predicts response to new stimulus types 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08829-y PMID:40205215	研究论文	本文通过收集大量小鼠视觉皮层神经活动数据，训练了一个基础模型来预测神经元对任意自然视频的响应，并展示了该模型在新小鼠和新刺激类型上的泛化能力	利用基础模型范式预测神经活动，实现了跨小鼠和跨刺激类型的泛化，并能预测解剖细胞类型和神经元连接性	模型可能受限于训练数据的多样性和规模，泛化能力在更广泛的神经环路或物种中尚未验证	构建大脑的基础模型，以理解神经计算目标并预测神经活动	小鼠视觉皮层的神经活动	机器学习	NA	神经活动记录	基础模型	神经活动数据，自然视频	多只小鼠的大量神经活动数据	NA	NA	预测准确性	NA
1912	2026-04-11	Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.233529 PMID:40261176	研究论文	本研究开发了一种名为LowGAN的生成对抗网络架构，用于从64-mT低场强MRI生成高质量的3-T多序列脑部图像，并在多发性硬化症患者中进行了评估	提出了一种专门用于低场强到高场强MRI图像翻译的生成对抗网络架构LowGAN，能够从便携式低场强扫描仪生成接近常规高场强质量的图像	研究样本量相对较小（主要组50人，验证组13人），且仅针对多发性硬化症患者，可能限制了模型的泛化能力	开发并评估一种深度学习架构，以从低场强MRI输入生成高场强质量的脑部图像，提高便携式低场强扫描仪的图像质量	多发性硬化症患者的脑部MRI图像	计算机视觉	多发性硬化症	MRI（T1加权、T2加权、FLAIR序列）	GAN	图像	主要组50名参与者，验证组13名参与者	NA	LowGAN	结构相似性指数, Dice分数	NA
1913	2026-04-11	Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology 2025-Feb, The Laryngoscope DOI:10.1002/lary.31756 PMID:39258420	研究论文	本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量	首次在头颈肿瘤学领域系统应用TRIPOD-AI标准评估机器学习研究的报告质量	研究基于已发表文献的回顾性分析，无法评估未发表研究的报告质量	评估头颈肿瘤学中机器学习算法的报告质量并识别改进需求	头颈肿瘤学领域的机器学习研究文献	机器学习	头颈肿瘤	NA	NA	文献数据	通过PubMed、Scopus、Embase和Cochrane数据库检索的相关研究文献	NA	NA	TRIPOD-AI标准符合率	NA
1914	2026-04-11	Ligand identification in CryoEM and X-ray maps using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的配体识别方法，用于在CryoEM和X射线密度图中识别小分子配体	首次将深度学习应用于CryoEM密度图的配体识别，采用3D点云处理方法，实现了端到端的深度学习模型	电子显微镜图的标准化和CryoEM配体质量评估存在挑战	开发一种自动化的配体识别方法，以支持结构引导的药物设计	X射线衍射和CryoEM密度图中的小分子配体	计算机视觉	NA	X射线衍射, 冷冻电镜	深度学习	3D点云	NA	NA	NA	NA	NA
1915	2026-04-11	Integrating Drug Target Information in Deep Learning Models to Predict the Risk of Adverse Events in Patients with Comorbid Post-Traumatic Stress Disorder and Alcohol Use Disorder 2024-Dec-05, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12122772 PMID:39767679	研究论文	本研究开发了一种名为T-DeepBiomarker的新型深度学习模型，通过整合药物靶点信息等多模态数据，预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物	首次将药物靶点信息整合到深度学习模型中用于预测共患PTSD和AUD患者的不良结局，并基于模型识别出的重要蛋白靶点筛选潜在治疗药物	研究基于单一医疗中心（UPMC）的电子病历数据，外部验证和泛化能力有待进一步评估	预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物	共患创伤后应激障碍和酒精使用障碍的患者	机器学习	精神疾病	电子病历数据分析	深度学习模型	多模态数据（实验室结果、药物靶点信息、共病、社会健康决定因素等）	5565名PTSD+AUD患者	NA	T-DeepBiomarker	AUROC	NA
1916	2026-04-11	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究利用卫星遥感和街景图像数据，探究了美国儿童居住区绿地暴露与多种肥胖指标之间的关联	首次同时结合卫星遥感（NDVI）和街景图像深度学习算法提取的绿地指标，并关联了多种全面的肥胖测量指标（BMI、腰围、总脂肪质量指数、躯干脂肪质量指数），而非仅使用BMI	研究为观察性研究，不能确定因果关系；绿地暴露测量基于家庭住址，可能未完全捕捉个体的日常活动范围；样本来自特定队列，可能限制结果的普遍性	探究居住区绿地暴露与儿童肥胖指标之间的前瞻性关联	美国儿童（来自Project Viva队列）	环境健康与流行病学	儿童肥胖	卫星遥感（NDVI）、街景图像分析、深度学习算法、双能X射线吸收测定法	深度学习算法（未指定具体类型）	卫星遥感数据、街景图像、人体测量数据	843名儿童（基线时平均年龄7.9岁，50.2%为女孩）	NA	NA	回归系数、95%置信区间	NA
1917	2026-04-11	Enhancing Amyloid PET Quantification: MRI-Guided Super-Resolution Using Latent Diffusion Models 2024-Dec-01, Life (Basel, Switzerland) DOI:10.3390/life14121580 PMID:39768288	研究论文	本研究提出了一种基于潜在扩散模型的MRI引导超分辨率方法，用于增强淀粉样蛋白PET图像的量化精度	采用潜在扩散模型进行分辨率恢复，并结合加权L1、L2和MS-SSIM损失在噪声和图像尺度上增强MRI引导重建	未明确提及具体局限性	解决PET扫描中部分容积效应导致的淀粉样蛋白沉积量化不准确问题	阿尔茨海默病患者的淀粉样蛋白PET图像	医学影像分析	阿尔茨海默病	PET成像，MRI引导	潜在扩散模型	PET图像，MRI图像	NA	NA	潜在扩散模型	量化准确性，示踪剂间变异性，纵向变化检测统计功效	NA
1918	2026-04-11	Deep-Learning Model for Mortality Prediction of ICU Patients with Paralytic Ileus 2024-Nov-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121214 PMID:39768031	研究论文	本文提出了一种基于深度学习的预测框架DLMP，用于预测ICU中麻痹性肠梗阻患者的死亡率	通过SHAP分析筛选出六个关键临床实验室指标，结合一个人口统计学变量，构建了一个仅包含两层神经网络的简化深度学习模型，显著提高了预测性能	模型基于单一数据集MIMIC-IV开发，可能缺乏外部验证，且样本量相对有限	开发一个简化且可靠的深度学习模型，以预测ICU中麻痹性肠梗阻患者的死亡率	ICU中的麻痹性肠梗阻患者	机器学习	麻痹性肠梗阻	深度学习，SHAP分析	神经网络	临床实验室数据，人口统计学数据	1017名ICU麻痹性肠梗阻患者	NA	两层神经网络	AUC	NA
1919	2026-04-11	Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions 2024-07-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080911 PMID:39199298	综述	本文综述了人工智能（特别是机器学习和深度学习）在病毒-宿主细胞相互作用分子水平研究中的应用及其对药物发现和预防策略的推动作用	整合了机器学习和深度学习在预测病毒-宿主细胞蛋白质-蛋白质及蛋白质-糖相互作用、转录翻译分析以及快速药物发现模型开发方面的最新进展，强调了AI在处理大规模遗传和分子数据中的高效性和准确性	NA	探讨人工智能在病毒-宿主细胞相互作用研究中的应用，以促进新治疗和预防策略的开发	病毒-宿主细胞在分子水平的相互作用，包括蛋白质-蛋白质和蛋白质-糖的相互作用	机器学习	NA	机器学习，深度学习	NA	遗传数据，分子数据，基因组序列，图像	NA	NA	NA	NA	NA
1920	2026-04-11	Accurate Identification of Spatial Domain by Incorporating Global Spatial Proximity and Local Expression Proximity 2024-06-09, Biomolecules IF:4.8Q1 DOI:10.3390/biom14060674 PMID:38927077	研究论文	本文提出了一种名为SECE的深度学习方法，用于准确识别空间转录组学数据中的空间域，通过整合全局空间邻近性和局部表达邻近性来提升识别精度	SECE方法首次同时捕获了spots之间的局部和全局关系，并利用表达相似性和空间相似性聚合信息，克服了现有方法仅基于局部或全局空间关系进行域分割的局限性	NA	提高空间转录组学数据中空间域识别的准确性，以阐明组织微环境和生物功能	空间转录组学数据中的spots	机器学习	NA	空间转录组学	深度学习	空间转录组学数据	六个真实空间转录组学数据集，涵盖四个不同平台	NA	NA	空间域识别准确率，低维可视化清晰度，轨迹推断准确性	NA