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
1	2026-09-09	Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach 2026-Oct, Plant, cell & environment DOI:10.1111/pce.15393 PMID:39866067	研究论文	利用AVIRIS-NG高光谱数据构建光谱库，结合机器学习方法对印度Shoolpaneshwar野生动物保护区的植物功能类型进行精确分类	通过高光谱数据生成详细光谱库，捕获植物生理、生化和生长阶段的细微变化，结合多种机器学习分类器（如GBM）实现高精度PFT分类	摘要中未提及研究的局限性	利用AVIRIS-NG高光谱成像和机器学习技术，推进印度Shoolpaneshwar野生动物保护区植物功能类型的分类与监测	印度Shoolpaneshwar野生动物保护区的130种植物物种，分为五类植物功能类型	高光谱遥感、机器学习、植物分类	不适用	AVIRIS-NG高光谱成像、ASD手持式光谱辐射仪	Parzen窗法（PW）、梯度提升机（GBM）、随机梯度下降（SGD）	高光谱遥感数据、光谱库数据	130种植物物种	不适用	Parzen窗法（PW）、梯度提升机（GBM）、随机梯度下降（SGD）	总体精度（OAA）为0.94，Kappa系数为0.93	不适用
2	2026-09-09	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情感识别框架，用于在多种动态场景中通过心率信号识别情绪	利用毫米波雷达实现非接触式心率检测，并集成混合一维卷积神经网络（1D-CNN）和双向长短期记忆网络（Bi-LSTM）进行特征提取和时序分析，具有实时性和环境鲁棒性	未明确提及限制	开发一种不依赖环境因素（如光照或衣物）的隐私保护情感识别方法，以应用于医疗、人机交互和教育等领域	心率信号及基于毫米波雷达的动态场景数据	机器学习	NA	毫米波雷达	混合1D-CNN和Bi-LSTM	雷达信号数据	NA	NA	1D-CNN、Bi-LSTM	ROC曲线、F1分数、精确率-召回率	NA
3	2026-09-09	Vox-MMSD: Voxel-Wise Multi-Scale and Multi-Modal Self-Distillation for Self-Supervised Brain Tumor Segmentation 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3592116 PMID:40705573	研究论文	提出了一种名为Vox-MMSD的体素级多尺度多模态自蒸馏自监督学习框架，用于脑肿瘤分割，通过掩蔽和采样策略提升小标注数据下的分割性能	引入了Siamese Block-wise Modality Masking (SiaBloMM)策略和Overlapping Random Modality Sampling (ORMS)，充分利用多模态MRI和体素级多尺度特征进行自蒸馏	未明确提及局限性	开发自监督预训练方法，减少对大量标注数据的依赖，提高脑肿瘤分割性能	多模态脑MRI图像及脑肿瘤区域	计算机视觉、医学图像分析	脑肿瘤	多模态MRI	自监督学习框架	图像	BraTS 2024成人胶质瘤分割数据集及三个小型下游数据集	未明确指定	未明确指定（SiaBloMM和ORMS策略）	Dice系数	未明确指定
4	2026-09-09	Enhancing EEG-Based Schizophrenia Diagnosis With Explainable Multi-Branch Deep Learning 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593647 PMID:40729717	研究论文	提出了一种名为MBSzEEGNet的多分支深度学习模型，用于基于EEG的精神分裂症分类，该模型能够捕捉振荡和空间频谱特征，并在两个静息态EEG数据集上实现了较好性能，同时通过显著性图提供可解释性	设计了一个专门的多分支深度学习架构，分别提取振荡和空间频谱特征，增强了模型在不同数据集上的泛化能力，并利用基于显著性的解释方法识别潜在的生物标志物	未提及具体限制	提高基于EEG的精神分裂症诊断的准确性和可解释性，并探索相关的神经标记	静息态脑电图（EEG）数据，用于精神分裂症患者与健康对照的分类	机器学习	精神分裂症	脑电图（EEG）	多分支深度学习模型（MBSzEEGNet）	EEG信号	两个静息态EEG数据集	NA	多分支架构（具体如卷积层等未明确）	准确率	NA
5	2026-09-09	Integrated Neuromorphic Photonic Computing for AI Acceleration: Emerging Devices, Network Architectures, and Future Paradigms 2026-Sep, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202508029 PMID:41117104	综述	本综述系统总结了光子神经网络（PNN）在硬件加速人工智能方面近十年的进展，涵盖线性突触器件、非线性神经元器件和网络架构，并分析了其在云规模与边缘AI中的部署要求及未来发展方向	整合了光子神经形态计算在器件、架构和应用层面的最新进展，提出了针对材料与系统层面障碍的可行解决路径，强调拓扑优化和先进封装策略	未提供关于PNN在实际应用中长期稳定性和可扩展性的详细定量分析，也未讨论与其他新兴计算范式（如量子计算）的对比	为后摩尔时代AI硬件提供变革性平台，通过光子神经形态计算突破电子硬件在计算密度和能量效率上的瓶颈	光子神经网络的核心组件（线性突触器件、非线性神经元器件和网络架构）及其在云与边缘AI中的应用场景	机器学习	NA	光子神经形态计算	光子神经网络	NA	NA	NA	NA	NA	NA
6	2026-09-09	Precise Identification of Gastric Cancer Pathological Differentiation Based on Hyperspectral Imaging and Lightweight Deep Learning Models 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500242 PMID:40903818	研究论文	本研究提出结合高光谱成像与轻量级深度学习模型的改进深度残差网络，以实现胃癌组织病理分化的精确识别	提出轻量级改进深度残差网络（IDRN），结合光谱预处理、降维和带注意力机制的残差CNN，在保持高效性的同时增强特征提取能力	摘要未提及研究局限性，如样本量、外部验证或潜在临床转化挑战	利用高光谱图像和轻量级深度学习模型实现对胃癌组织分化程度的精确分类，以辅助预后和治疗决策	胃癌组织样本	数字病理学、机器学习、计算机视觉	胃癌	高光谱成像	CNN、SVM、ResNet、ViT、改进深度残差网络（IDRN）	高光谱图像	未提及	未提及	改进深度残差网络（IDRN）、ResNet50、ViT	性能指标（具体如准确率等未提及，但比较实验使用）	未提及
7	2026-09-09	ADMGCN: graph convolutional network for Alzheimer's disease diagnosis with a meta-learning paradigm 2025-12-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf580 PMID:41148043	研究论文	提出一种基于元学习范式的图卷积网络（ADMGCN），用于阿尔茨海默病的早期诊断，通过权重和降维技术提升性能与效率	采用元学习范式来采样受试者以创建多个标签平衡的任务，最大化数据利用并减轻标签不平衡的影响，同时使GCN能够快速适应新任务并支持独立测试	未在摘要中明确提及局限性	解决深度学习在阿尔茨海默病诊断中需要大数据集和对标签分布不平衡敏感的问题，增强图卷积网络的灵活性并实现早期诊断	阿尔茨海默病患者及对照受试者的大脑影像数据	计算机视觉, 机器学习	阿尔茨海默病	NA	图卷积网络（GCN）	影像数据	NA	NA	NA	准确率	NA
8	2026-09-09	Self-supervised representation learning on gene expression data 2025-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf533 PMID:41028963	研究论文	本研究探讨在批量基因表达数据上应用自监督学习方法进行表型预测，验证其有效性和优势	首次将自监督学习方法应用于批量RNA-Seq数据，评估多种自监督方法在基因表达数据上的表现，并提供使用建议	未提及具体硬件配置或大规模实验，可能需更多验证数据	评估自监督学习方法在基因表达数据表型预测中的潜力，减少对标注数据的依赖	批量基因表达数据（bulk RNA-Seq）及对应的表型	机器学习	NA	RNA-Seq	自监督学习模型（具体类型未明确）	基因表达数据	多个公开基因表达数据集（具体数量未提及）	NA	NA	预测准确性（具体指标未明确）	NA
9	2026-09-09	RNAtive to recognize native-like structure in a set of RNA 3D models 2025-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf601 PMID:41183118	研究论文	本文介绍RNAtive，首个利用共识推导的二级结构进行RNA三维模型无参考评估的计算工具	首次将共识原理应用于RNA三维模型评估，引入条件加权共识模式和模糊集处理交互网络，并整合用户定义的二维结构约束	摘要中未提供明确的局限性信息	开发RNAtive工具，用于无参考地评估RNA三维结构模型，识别类天然构象	RNA三维结构模型，特别是来自CASP15竞赛的预测模型	生物信息学	不适用	计算建模，共识分析	不适用	RNA三维结构数据	基于CASP15竞赛数据进行基准测试，具体样本数量未在摘要中提及	不适用	不适用	准确性，基于二分类的评分	网络服务器
10	2026-09-09	Multimodal Multitask Learning for Predicting Depression Severity and Suicide Risk Using Pretrained Audio and Text Embeddings: Methodology Development and Application 2025-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66907 PMID:41166502	研究论文	本研究提出了一种结合多任务学习、多模态学习和迁移学习的框架，利用预训练音频和文本嵌入进行抑郁症严重程度和自杀风险的联合分类	将多任务学习、多模态融合和迁移学习集成到单一框架中，同时预测抑郁症严重程度和自杀风险，并比较不同预训练嵌入组合的效果	建议谨慎实施多任务学习以减少潜在负迁移效应	评估多任务学习、多模态学习和迁移学习结合方法对深度学习模型在抑郁症严重程度和自杀风险联合分类中的效能提升	100名抑郁症患者和100名健康对照者的中文录音和临床问卷评分数据	多模态学习	抑郁症	预训练嵌入（wav2vec 2.0, HuBERT, ERNIE-health）	多任务学习模型	音频和文本数据	200个样本（100名抑郁症患者和100名健康对照者）	NA	NA	AUC	NA
11	2026-09-09	Rapid Liver Fibrosis Evaluation Using the UNet-ResNet50-32 × 4d Model in Magnetic Resonance Elastography: Retrospective Study 2025-10-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/80351 PMID:41115237	研究论文	本研究旨在开发和评估基于深度学习的分割模型，用于使用磁共振弹性成像图像自动评估肝纤维化严重程度，并比较传统U-Net模型和UNet-ResNet50-32×4d架构模型的性能。	提出并评估了UNet-ResNet50-32×4d架构模型在MRE图像分割中的性能，该模型在准确性和与人工标注的一致性方面优于传统U-Net模型。	文章未提及具体的局限性。	旨在开发并评估基于深度学习的自动分割模型，以利用MRE图像无创评估肝纤维化严重程度，提高临床工作流程。	319例患者（2018年1月至2020年12月期间纳入）的MRE图像。	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	UNet-ResNet50-32×4d	MRE图像	319例患者的MRE图像	NA	U-Net, ResNet50-32×4d	相关系数, 交并比, Dice系数	NA
12	2026-09-09	UAMRL: multi-granularity uncertainty-aware multimodal representation learning for drug-target affinity prediction 2025-10-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf512 PMID:41025463	研究论文	提出一种基于不确定性感知的多模态表示学习框架UAMRL，用于药物-靶点亲和力预测，以提高预测精度和决策透明度。	引入基于正态-逆伽马分布的不确定性量化机制，用于建模多模态数据的可靠性并抑制不可靠信息的融合，从而提升预测性能。	摘要中未提及明确的局限性。	开发一种不确定性感知的多模态表示学习框架，以解决药物-靶点亲和力预测中的多模态数据异质性和模型可解释性不足的问题。	药物和靶点（蛋白质）的多模态数据。	机器学习	NA	NA	深度学习（具体模型未在摘要中明确）	多模态数据（包括化合物和蛋白质的数据）	多个公共DTA数据集（数量未具体说明）	NA	双流编码器	预测准确率等（具体指标未在摘要中明确）	NA
13	2026-09-09	MRI-based habitat analysis for Intratumoral heterogeneity quantification combined with deep learning for HER2 status prediction in breast cancer 2025-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110429 PMID:40414575	研究论文	本研究旨在建立基于MRI的肿瘤内异质性（ITH）量化模型，并结合深度学习预测乳腺癌中HER2表达状态	创新性地将MRI影像中的肿瘤内异质性量化与深度学习结合，用于预测乳腺癌HER2状态，特别是区分HER2-low和HER2-zero亚型	未在文摘中明确提及	利用MRI影像建立预测模型，非侵入性预测乳腺癌HER2表达状态，以辅助治疗决策	340例经病理证实的浸润性乳腺癌患者	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	深度学习模型（未指定具体架构，如CNN等）	MRI影像数据	340例患者	NA	NA	AUC（曲线下面积）	NA
14	2026-09-09	Fully automated measurement of aortic pulse wave velocity from routine cardiac MRI studies 2025-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110442 PMID:40451442	研究论文	开发了一种基于深度学习的全自动方法，从常规心脏MRI图像中测量主动脉脉搏波速度，无需特殊序列或人工分析。	首次实现从标准2D横轴SSFP定位图像和单相位对比成像平面全自动测量主动脉PWV，使用两个深度学习模型分别进行3D主动脉分割和相位对比图像分割，整个流程无需特殊扫描序列，并已在大规模生物库数据上验证。	依赖心脏MRI中特定序列图像，对图像质量或患者体位变化敏感可能导致部分受试者分析失败；方法仅针对主动脉PWV，未涵盖其他心血管生物标志物。	实现从常规心脏MRI序列中完全自动测量主动脉PWV，促进其在临床和大型队列研究中的广泛应用。	主动脉路径长度、血流曲线、脉搏传输时间、PWV测量	医学影像分析, 深度学习	心血管疾病	心脏MRI（SSFP定位序列和相位对比成像）	深度学习模型（具体类型未指定，可能为卷积神经网络）	MRI图像	外部临床数据集（具体数量未明确）及UK Biobank的1053名受试者	NA	NA	Dice系数、均值±标准差、P值、成功率、PWV中位数及增长率	NA
15	2026-09-09	TinyHLAnet: A Light-Weight 3D Structure-Aware Architecture for Rapid and Explainable Identification of CD8+ T-Cell Antigens 2025-10, HLA IF:5.9Q1 DOI:10.1111/tan.70410 PMID:41044839	研究论文	开发了一种名为TinyHLAnet的轻量级3D结构感知深度学习架构，用于快速且可解释地预测CD8+ T细胞抗原与HLA I类分子的结合。	基于肽-HLA I类复合物接触形成的领域知识，将结合亲合力预测分解为多个子问题，并进一步分解为三部分，从而大幅减少参数数量，在保持预测精度的同时提高吞吐量。	摘要未明确提及局限性，但可能包括对特定HLA等位基因或肽序列的泛化能力有限。	开发一种快速、可解释且个性化的CD8+ T细胞表位预测方法，解决现有计算方法在速度和可解释性上的不足。	CD8+ T细胞表位，即肽-HLA I类复合物。	深度学习	不适用	深度学习	深度学习架构（TinyHLAnet）	肽序列和HLA I类分子结构数据	未提供具体样本数量	未明确说明	TinyHLAnet（包含TinyHLAnet-SCAN和TinyHLAnet-ESCAPE变体）	预测准确性和吞吐量	未明确说明
16	2026-09-09	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	本研究开发了一种结合多参数乳腺MRI影像组学与深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	首次融合多参数MRI（T1WI、DWI、T2WI和DCE-MRI）的影像组学特征与深度学习，构建多模态模型预测Ki-67表达，显著提高了预测性能	样本量有限（176例），且未在外部数据集验证模型的泛化能力	开发并验证基于多参数MRI的影像组学与深度学习多模态模型，用于无创预测乳腺癌Ki-67表达状态，以支持个体化治疗与精准医学	176例浸润性乳腺癌患者的术前多参数MRI图像及对应的Ki-67表达结果	医学影像分析，深度学习	乳腺癌	多参数MRI，影像组学	深度学习模型（具体未见明确，但结合影像组学和深度学习）	医学影像（MRI）	176例（浸润性乳腺癌患者，训练集占70%，测试集占30%）	NA	NA	AUC、准确度、敏感性、特异性、阳性预测值、阴性预测值、F1分数	NA
17	2026-09-09	Accelerating prostate rs-EPI DWI with deep learning: Halving scan time, enhancing image quality, and validating in vivo 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110418 PMID:40368253	研究论文	本研究评估了基于深度学习超分辨率技术（特别是MSSNet）在减少前列腺rs-EPI DWI扫描时间的同时保持图像质量的可行性和有效性	首次应用多尺度自相似网络（MSSNet）于前列腺rs-EPI DWI成像，实现扫描时间减半并提升图像质量	未明确提及，可能包括样本量有限或需要进一步多中心验证	评估深度学习超分辨率技术在减少高分辨率前列腺扩散加权成像扫描时间同时保持图像质量的可行性	前列腺rs-EPI DWI数据（回顾性和前瞻性）	医学影像	前列腺癌	MRI	深度学习超分辨率模型（MSSNet）	图像	未明确说明样本数量，但涉及回顾性和前瞻性前列腺rs-EPI DWI数据	NA	MSSNet（多尺度自相似网络）	SSIM, PSNR, NRMSE, ADC, SNR	NA
18	2026-09-09	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-09, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	研究论文	本研究通过整合单细胞RNA测序和空间转录组分析，识别出触发肝转移的恶性细胞类型，并基于此开发了一个深度学习模型（结直肠癌肝转移病理组学模型）来预测结直肠癌患者的肝转移风险	首次将单细胞与空间转录组分析结合病理组学，利用弱监督学习在无需人工标注的情况下构建预测结直肠癌肝转移的深度学习模型，并识别出特定的细胞通讯轴（COL1A1-CD44/SDC4 和 LAMA4-CD44）促进肝转移	仅基于标题和摘要，未提及明确局限性，可能包括外部验证队列规模有限、模型泛化性需进一步验证等	开发一种基于病理组学的深度学习模型，以预测结直肠癌患者的肝转移风险，并识别肝转移触发细胞及其通讯机制	结直肠癌患者，包括肝转移和非肝转移患者，以及其病理切片和转录组数据	数字病理学	结直肠癌	单细胞RNA测序、空间转录组分析、批量RNA测序	深度学习模型（ResNet18）	病理全切片图像、单细胞转录组数据、空间转录组数据、批量RNA测序数据	内部测试集为TCGA-CRC组织学图像，外部验证集包括西南医科大学附属医院和西南医科大学附属中医医院的两个队列（具体样本数未在摘要中给出）	PyTorch（推断，未明确）	ResNet18	AUC	未提及（推断使用GPU，但摘要未提供具体型号）
19	2026-09-09	GIN-CRC-Pareto: A graph-based Pareto-optimal multi-task learning framework to identify miRNA-target interactions in colorectal cancer 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.10.669528 PMID:40832303	研究论文	提出了一种基于图的Pareto最优多任务学习框架GIN-CRC-Pareto，用于结直肠癌中miRNA-mRNA相互作用的预测、种子匹配对鉴定及亚型分类	结合图神经网络与Pareto最优梯度平衡策略，动态调整多任务学习中的任务权重，以优化各任务而不相互影响	未在摘要中提及具体局限性，可能需进一步验证模型在更大队列或临床环境中的适用性	开发一个能同时预测miRNA-mRNA结合对、识别种子匹配对并分类种子匹配亚型的多任务学习框架，以阐明CRC的分子机制并促进治疗开发	结直肠癌中的miRNA-mRNA相互作用	机器学习	结直肠癌	NA	图神经网络	NA	NA	NA	图神经网络	准确率, 精确率, AUC	NA
20	2026-09-09	Improving RNA Secondary Structure Prediction Through Expanded Training Data 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.03.652028 PMID:40654677	研究论文	本文介绍了通过扩展训练数据来提高RNA二级结构预测性能的研究，开发了大型多样化数据集RNASSTR并重新训练了深度学习模型SincFold。	创建了一个大规模且多样化的RNA序列与二级结构配对数据集RNASSTR，并通过在该数据上重新训练SincFold模型，展示了其在预测先前未见RNA家族结构方面的改进泛化能力。	未在摘要中明确指出，但可能受限于数据集的覆盖范围和模型对未知家族的泛化能力有限。	探究深度学习在RNA二级结构预测中的局限性，通过扩充训练数据来提高预测准确性和泛化能力。	RNA序列及其对应的二级结构。	深度学习，计算生物学	不适用	深度学习，数据增强	深度学习模型	序列数据和结构数据	大型多样化数据集，具体数量未提及。	不适用	SincFold	泛化能力（改进）	不适用