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
1961	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA
1962	2026-03-28	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜	引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力	旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计	人类迷走神经束和神经外膜	数字病理学	NA	微计算机断层扫描	U-Net	图像	100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
1963	2026-03-28	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家	首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家	研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用	接受腹部平片检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部平片放射成像	CNN, 机器学习模型	图像	共680名新生儿（训练队列380例，外部验证队列300例）	PyTorch（推断自DenseNet121的常见实现）, Scikit-learn	DenseNet121	AUC, 准确率	NA
1964	2026-03-28	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一种名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次提出一个深度学习模型DROID-MVP，能够从超声心动图视频中自动诊断二尖瓣脱垂，并与临床终点（如二尖瓣反流严重程度和未来手术需求）相关联	模型主要基于单一医疗中心（MGH）的数据进行训练，外部验证虽包含BWH数据，但样本量相对较小，可能存在泛化性限制	开发一个深度学习模型，以自动化二尖瓣脱垂的诊断过程，减少对专业知识和时间的依赖	心脏科患者和初级保健患者的超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏科患者、8,888名MGH初级保健患者和257名BWH初级保健患者	未明确提及	DROID-MVP（未指定具体架构如ResNet、CNN等）	AUROC, 平均精度	未明确提及
1965	2026-03-28	DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344526 PMID:41880308	研究论文	本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题	DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法	算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务	开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像	农业产品图像（如水果）和遥感图像（如农作物数据）	计算机视觉	NA	特征降维与聚类算法	NA	图像	两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析）	NA	NA	准确率, F1分数, mAP, 资源效率指标	云原生环境，分布式节点
1966	2026-03-28	Prostate cancer tissue mapping and stratification using DRAQ5 and Eosin fluorescent labels integrated with AI classification and segmentation algorithms 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345014 PMID:41886726	研究论文	本研究开发了基于DRAQ5和Eosin荧光标记的深度学习模型，用于前列腺癌组织的分类和分割，以评估其在临床诊断中的应用潜力	结合DRAQ5和Eosin荧光标记与AI分类分割算法，系统探究了图像采集和配置变异性对AI预测准确性的影响，并建立了自动Gleason分级（1-5）组织样本的实验和分析稳健性界限	未明确说明样本的具体数量或来源多样性，且未来研究需进一步扩展以将荧光生物标志物与AI方法结合应用于临床	开发用于前列腺组织分类和分割的深度学习模型，评估荧光成像与AI工具在临床诊断中的潜在应用	前列腺组织样本，使用DRAQ5和Eosin荧光标记	数字病理学	前列腺癌	荧光显微镜，DRAQ5和Eosin探针标记	深度学习网络	荧光图像	NA	NA	NA	AUC, DICE分数	NA
1967	2026-03-28	Transformer and graph variational autoencoder to identify microenvironments: A deep learning protocol for spatial transcriptomics 2025-Dec-19, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104206 PMID:41313684	研究论文	本文提出了一个结合Transformer和图变分自编码器的计算框架TG-ME，用于通过空间转录组学和形态学图像解析空间微环境	创新性地整合了Transformer和图变分自编码器，以深度学习方式识别健康、肿瘤和感染组织中的空间微环境	NA	开发一个深度学习协议，用于识别和分析空间转录组学数据中的微环境	空间转录组学和形态学图像数据	数字病理学	肿瘤	空间转录组学	Transformer, 图变分自编码器	空间转录组数据, 形态学图像	NA	NA	Transformer, 图变分自编码器	NA	NA
1968	2026-03-28	Protocol to annotate and automate single-cell instance segmentation on stimulated Raman histology using deep learning 2025-Dec-19, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104221 PMID:41317327	研究论文	本文提出了一种基于深度学习的协议，用于在刺激拉曼组织学图像上实现单细胞实例分割的标注和自动化	开发了ELUCIDATE网络标注工具和DetectSRH Python库，结合深度学习实现无标记SRH图像的单细胞空间分析	NA	实现神经外科术中获取的SRH图像的自动化细胞分割	刺激拉曼组织学图像中的细胞	数字病理学	NA	刺激拉曼组织学	深度学习模型	图像	NA	Python	NA	NA	NA
1969	2026-03-28	A Scorpion Peptide Exerts Selective Anti-Leukemia Effects Through Disrupting Cell Membranes and Triggering Bax/Bcl-2-Related Apoptosis Pathway 2025-12-18, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121751 PMID:41463404	研究论文	本研究利用深度学习模型预测并验证了一种蝎子肽Lpep3对白血病细胞的选择性抗白血病作用，通过破坏细胞膜并触发Bax/Bcl-2相关凋亡通路	结合AI计算模型快速筛选活性肽，并首次揭示Lpep3通过破坏细胞膜和诱导凋亡通路发挥选择性抗白血病效应	研究主要基于体外和动物模型，尚未进行人体临床试验，且具体作用机制细节需进一步探索	开发天然抗肿瘤药物，特别是针对白血病的治疗	白血病细胞（如MV-4-11）和小鼠模型	机器学习	白血病	深度学习模型预测，电子显微镜观察，台盼蓝染色，Calcein-AM/PI双染色，LDH和ATP释放检测，Western blotting，RT-qPCR	深度学习模型	肽序列数据，细胞实验数据	七种肽的预测验证，涉及白血病细胞系和小鼠模型	NA	NA	NA	NA
1970	2026-03-28	Applications of artificial intelligence in abdominal imaging 2025-Dec, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	综述	本文综述了人工智能在腹部影像学中的应用，包括疾病检测、分类和个性化护理，并讨论了当前挑战与未来方向	强调了AI在腹部影像中通过深度学习和影像组学实现疾病检测与自动化的突破性应用，并提出了解决数据异质性和可解释性等挑战的未来策略	广泛采用受限于数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的“黑箱”性质，阻碍了可解释性和临床医生信任	探讨人工智能在腹部影像学中的潜在应用，以改善疾病检测、分类和个性化护理	腹部影像学中的疾病，如弥漫性肝实质疾病、局灶性肝病变、胰腺导管腺癌、肾肿瘤和肠道病变	计算机视觉	腹部疾病	深度学习，影像组学	NA	图像	NA	NA	NA	准确性	NA
1971	2026-03-28	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术，揭示了雌激素调控的转录组复杂性，并发现了一种产生截短蛋白的TLE1内含子多聚腺苷酸化亚型及其在乳腺癌中的临床意义	首次结合纳米孔长读长直接RNA测序、3'端测序和深度学习蛋白建模，系统揭示了雌激素响应转录组的复杂性，并发现了一种具有功能的新型内含子多聚腺苷酸化mRNA亚型及其产生的截短蛋白	未明确说明样本的具体数量或实验重复次数，且功能验证主要基于体外实验	探索雌激素受体α阳性乳腺癌中雌激素调控的转录组复杂性和蛋白质水平影响	雌激素受体α阳性乳腺癌细胞及相关的转录组和蛋白质	生物信息学，计算生物学	乳腺癌	纳米孔长读长直接RNA测序，3'端测序，深度学习蛋白建模	深度学习模型	RNA测序数据，蛋白质结构数据	NA	NA	NA	NA	NA
1972	2026-03-28	Serum-MiR-CanPred: deep learning framework for pan-cancer classification and miRNA-targeted drug discovery 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2577433 PMID:41168129	研究论文	本研究开发了一个名为Serum-MiR-CanPred的深度学习框架，用于基于血清miRNA表达数据的泛癌分类和miRNA靶向药物发现	首次整合可解释AI与分子建模，利用88个miRNA共识集实现高精度泛癌分类，并识别出hsa-miR-5100作为关键生物标志物，进而通过分子对接发现潜在治疗配体	研究依赖于GEO数据库的现有数据，外部验证数据集可能有限，且分子对接结果需进一步实验验证	开发非侵入性癌症早期诊断工具并探索miRNA靶向药物发现	12种癌症类型及健康对照的血清miRNA表达数据	机器学习	泛癌	血清miRNA表达分析	MLP	miRNA表达数据	20,271个样本	NA	多层感知机	AUC, 准确率	NA
1973	2026-03-28	G2PDeep-v2: A Web-Based Deep-Learning Framework for Phenotype Prediction and Biomarker Discovery for All Organisms Using Multi-Omics Data 2025-12-01, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121673 PMID:41463329	研究论文	本文介绍了G2PDeep-v2，一个基于深度学习的网络平台，用于多组学数据的表型预测和生物标志物发现	开发了一个集深度学习、超参数优化、可视化和下游分析于一体的统一网络平台，支持跨多种生物（包括人类和植物）的多组学数据分析	未在摘要中明确说明具体限制	为研究人员提供一个易于使用的工具，以整合和分析多组学数据，实现表型预测和生物标志物发现	跨多种生物（包括人类和植物）的多组学数据	机器学习	NA	多组学数据整合分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
1974	2026-03-28	DeepRNA-Reg: a deep-learning based approach for comparative analysis of CLIP experiments 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2564941 PMID:41055236	研究论文	本文提出了一种基于深度学习的DeepRNA-Reg方法，用于对配对的高通量测序RNA交联免疫沉淀实验数据进行高保真比较分析	DeepRNA-Reg利用深度学习技术，在Ago2靶向被选择性扰动的实验范式中，提供了优于现有最佳差异HITS-CLIP分析方法的预测结果，并更好地符合RNA一级和二级结构基序的真实情况	NA	开发一种深度学习方法来改进配对HITS-CLIP实验数据的比较分析	高通量测序RNA交联免疫沉淀实验数据，特别是涉及Ago2靶向和microRNA簇基因敲除的实验	自然语言处理	NA	HITS-CLIP	深度学习	RNA测序数据	NA	NA	NA	NA	NA
1975	2026-03-28	IMAGO: An Improved Model Based on Attention Mechanism for Enhanced Protein Function Prediction 2025-11-29, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121667 PMID:41463323	研究论文	本文提出了一种基于注意力机制的新型蛋白质功能预测模型IMAGO，通过整合多头注意力机制和正则化技术来减少过拟合和噪声问题，从而提高预测准确性	采用Transformer预训练过程，结合多头注意力机制和正则化技术，并优化损失函数，有效减少训练中的过拟合和噪声问题，生成更鲁棒的嵌入表示	未明确说明具体数据集名称和样本规模，可能影响结果的可复现性和泛化能力评估	开发高效、稳定且准确的深度学习模型以改进蛋白质功能预测	蛋白质功能预测，基于蛋白质-蛋白质相互作用网络和其他生物属性	自然语言处理	NA	自然语言处理技术，Transformer预训练	Transformer	文本数据（生物属性信息）	NA	NA	Transformer	NA	NA
1976	2026-03-28	MKNet-family architectures for auto-segmentation of the residual pancreas after pancreatic resection: a deep learning comparative study 2025-Nov-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05211-4 PMID:41307673	研究论文	本研究开发并比较了新型MKNet系列深度学习架构在胰腺切除术后CT图像中自动分割残余胰腺的可行性与临床效用	提出了MKNet、MSKNet和MAKNet三种新型深度学习架构，专门针对术后胰腺分割任务进行优化，相比现有方法在术后场景中表现出色	研究样本量相对有限（共163例CT扫描），且术后数据集仅包含术后4周内的扫描，可能无法完全代表更长期的术后变化	评估新型深度学习架构在胰腺切除术后CT图像中自动分割残余胰腺的准确性和临床实用性	胰腺切除术后患者的残余胰腺组织	数字病理学	胰腺癌	CT扫描成像	CNN	医学图像（CT扫描）	163例CT扫描（82例术前正常扫描，81例术后4周内扫描）	NA	MKNet, MSKNet, MAKNet, Attention-U-Net	Hausdorff距离, 95百分位Hausdorff距离, 归一化表面距离, Dice相似系数	NA
1977	2026-03-28	Leveraging Artificial Intelligence and Modulation of Oxidative Stressors to Enhance Healthspan and Radical Longevity 2025-10-24, Biomolecules IF:4.8Q1 DOI:10.3390/biom15111501 PMID:41301419	综述	本文探讨了人工智能在促进健康寿命和延长寿命方面的变革潜力	综述了AI在分析复杂生物数据、加速生物标志物发现、优化治疗干预和个性化医疗方面的应用，特别是在识别生物年龄准确生物标志物、开发精准医学方法、加速药物发现和增强CRISPR等基因组编辑技术方面的突破	AI在长寿研究中的整合带来了伦理和社会挑战，包括隐私问题、公平获取以及延长人类寿命的更广泛影响	探索人工智能在促进健康寿命和延长寿命方面的应用潜力	健康寿命和长寿的生物机制，以及AI在相关领域的应用	机器学习	溶血性疾病	机器学习、深度学习、自然语言处理、机器人技术、数据分析	NA	复杂生物数据	NA	NA	NA	NA	NA
1978	2026-03-28	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-10, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	本文介绍了一种基于深度学习的饱和转移磁共振指纹成像（MRF）协议，用于蛋白质、代谢物和pH值的无创体内定量分子成像	提出了一个完整的深度MRF协议，通过人工智能模型解决传统分子MRI技术复杂、半定量和扫描时间长的问题，实现快速定量分子信息提取	协议完成时间从48分钟到57小时不等，对于复杂多质子池体内成像耗时较长，且技术复杂性可能限制其广泛临床采用	开发一种定量分子MRI方法，用于提取具有生物学和临床意义的分子信息	体外样本、动物和人类扫描	医学影像	癌症、神经退行性疾病、中风、心脏病	化学交换饱和转移（CEST）、半固体磁化转移（MT）定量成像	深度学习模型	磁共振图像	NA	NA	NA	NA	NA
1979	2026-03-28	Optic Nerve Atrophy Conditions Associated With 3D Unsegmented Optical Coherence Tomography Volumes Using Deep Learning 2025-Oct-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.2766 PMID:40839281	研究论文	本研究利用深度学习模型分析未分割的3D光学相干断层扫描（OCT）体积数据，以区分青光眼、非动脉炎性前部缺血性视神经病变（NAION）、视神经炎和健康眼睛的视神经萎缩	首次使用未分割的3D OCT体积数据训练深度学习模型，直接区分多种视神经萎缩疾病，无需手动分割，并比较了全体积、视盘周围区域（PPR）和视神经头（ONH）三种不同区域模型的性能	视神经炎的分类最具挑战性，当轴突损失严重或极小时，易被误分类为NAION或健康眼睛；研究为横断面设计，未评估纵向变化或治疗反应	确定基于未分割ONH OCT扫描的3D深度学习模型是否能可靠地区分青光眼、NAION、视神经炎和健康眼睛的视神经萎缩	患者（包括青光眼、NAION、视神经炎患者）和健康对照者的眼睛	数字病理学	视神经萎缩相关疾病（包括青光眼、非动脉炎性前部缺血性视神经病变、视神经炎）	光学相干断层扫描（OCT）	CNN	3D图像（OCT体积数据）	7014次Cirrus ONH OCT扫描，来自1382只眼睛（青光眼113只，NAION 311只，视神经炎163只，健康对照715只）	未明确指定，但基于ResNet-3D-18架构推断可能为PyTorch或TensorFlow	ResNet-3D-18	准确率，宏AUC-ROC，精确率，召回率，F1分数	未明确指定
1980	2026-03-28	3D Deep Learning Analysis of OCT to Classify Optic Atrophy 2025-Oct-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.2829 PMID:40839376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA