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	2026-08-11	Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories 2026-Sep-01, Annals of laboratory medicine IF:4.0Q1 DOI:10.3343/alm.2025.0509 PMID:41797408	研究论文	评估了一种基于人工智能的两步深度学习模型（YOLOv5-ResNet-50）在临床实验室中自动评估血清质量（溶血、黄疸、脂血）的性能	提出了两步式YOLOv5-ResNet-50架构模型，用于血清质量自动评估，并在真实实验室条件下与人工评估和现有自动化方法进行了比较，展现出更高的一致性	未明确提及局限性	开发并评估一种基于人工智能的血清质量自动评估方法，以提高检验前质量控制并减少主观视觉评估带来的误差风险	临床实验室中的血清样本，共42,000份（21,000份用于训练/验证，21,000份用于独立测试）	机器学习、数字病理学	不适用	血清质量评估（溶血、黄疸、脂血检测）	YOLOv5和ResNet-50深度学习模型	血清样本图像数据	42,000份血清样本，其中21,000份用于训练/验证，21,000份用于独立测试	未明确提及	YOLOv5, ResNet-50	准确率、一致性	未明确提及
2	2026-08-11	Predicting early response to ablative radiotherapy in oligometastatic disease: a scoping review of radiomics-based machine learning and deep learning models 2026-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12590-9 PMID:42059963	综述	本综述系统总结了基于影像组学、机器学习和深度学习方法预测寡转移性疾病消融放疗反应的研究，并评估了这些研究的方法学质量和报告透明度。	首次对影像组学预测消融放疗反应的研究进行范围综述，并同时使用RQS、METRICS和CLEAR工具评估方法学质量和报告透明度，填补了该领域的空白。	纳入研究存在方法学异质性，外部验证有限，主要集中在脑转移，缺乏针对颅外转移的前瞻性多中心研究。	系统总结影像组学预测消融放疗反应的研究现状，评估方法学质量和报告透明度，识别研究空白和未来方向。	29项研究中的3946名寡转移性疾病患者，主要包含脑转移和颅外转移病例。	医学影像分析	寡转移性疾病	MRI影像组学（占多数）	机器学习模型和深度学习模型	医学影像数据（MRI为主）	29项研究，3946名患者	NA	NA	AUC	NA
3	2026-08-11	Unraveling spatiotemporal dynamics of pine wilt disease via time-series UAV monitoring and deep learning 2026-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.70873 PMID:42098944	研究论文	本研究利用时间序列无人机监测和深度学习技术，分析了松萎蔫病（PWD）的时空动态，并开发了增强型YOLOX变化检测模型，以量化症状滞后效应和传播机制。	创新点在于利用增强型YOLOX模型结合物候变化，自动识别PWD变色松树，有效过滤混淆物体，并首次量化了冬季调查中发现的症状滞后效应，该效应使年累计死亡率是秋季计数的两倍。	未提及明确的局限性，但可能包括依赖单一乡镇区域、特定时间序列（2022-2024年）以及无人机图像获取条件（如天气、光照）的影响。	旨在通过时间序列UAV监测和深度学习模型，揭示松萎蔫病的时空动态，为数据驱动的管理策略提供科学依据，包括纠正普查偏差和优化资源分配。	研究对象为中国浙江省某乡镇的松萎蔫病感染松树，特别是变色和延迟症状的松树。	计算机视觉, 数字病理	植物病害（松萎蔫病）	UAV遥感, 变化检测	YOLOX（基于CNN的目标检测模型）	图像（无人机正射影像）	300,000个训练样本，7个时间序列的正射影像（2022-2024年）	NA	YOLOX（增强版）	平均精度（AP）, 精确率, 召回率	NA
4	2026-08-11	Repurposing genome skimming data for non-model plant functional phylogenetics: a case study in Rhodiola 2026-Aug-10, Annals of botany IF:3.6Q1 DOI:10.1093/aob/mcag114 PMID:42037526	研究论文	本研究利用基因组浅层测序数据，结合密码子选择和人工智能分析，探讨非模式植物红景天中红景天苷生物合成途径基因的功能进化。	首次将基因组浅层测序数据与基于密码子的选择分析、深度学习方法（Evo2和AlphaFold 3）相结合，用于非模式植物功能基因的进化研究。	结果仍属初步，需进一步功能和生态验证。	探究非模式植物功能基因的进化模式，并验证关于纯化选择、谱系特异性选择和蛋白质结合特性的预测。	红景天属（Rhodiola）18个物种的功能基因，重点为红景天苷生物合成相关基因。	植物基因组学, 进化生物学	NA	基因组浅层测序, 密码子选择分析, 分子对接, 深度学习	Evo2, AlphaFold 3	基因组浅层测序数据, 序列数据, 环境数据	18个红景天物种	NA	Evo2, AlphaFold 3	回收率, 选择压力, 系统发育信号, 结合模式	NA
5	2026-08-11	A Deep Bidirectional LSTM Model Enhanced by Transfer Learning for the Classification of Peripheral Arterial Blood Pressure Waveforms 2026-Aug, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3696494 PMID:42184174	研究论文	本研究开发了一种基于双向长短期记忆网络并借助迁移学习的深度学习框架，用于将动脉血压波形分类为A型和B/C型，以反映不同的心血管状态	将双向LSTM模型与深度迁移学习相结合，将从动物模型训练的模型适应到人类数据，扩展了波形分离分析的应用范围	缺乏大规模、有标签的临床数据集，限制了模型的稳健验证	开发深度学习框架对动脉血压波形进行分类，以支持重症患者的早期心血管监测	动物队列中的中央（主动脉）和外周（股动脉）有创血压波形，以及来自MIMIC-III数据库的人股动脉血压波形	机器学习	心血管疾病	NA	双向LSTM (BiLSTM)	血压波形数据（时间序列）	大型动物队列及MIMIC-III数据库中的血压波形样本（未报告具体数量）	NA	双向LSTM	准确率	NA
6	2026-08-11	Domain-specific simulated data enhances knife-mark noise suppression in microscopy images of materials 2026-Aug-01, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfaf049 PMID:41134156	研究论文	本研究提出并验证了一种基于模拟数据驱动的学习范式，用于抑制材料显微图像中的刀痕噪声，以实现橡胶材料截面图像的准确填料区域分割	提出了仅使用模拟数据训练深度学习模型以解决材料科学中标注数据稀缺问题的创新方法，并通过任务特定模拟替代人工数据标注	未在摘要中明确提及局限性，但可能包括模拟数据与真实数据之间的领域差距以及泛化能力的潜在限制	解决材料科学中因噪声和伪影导致的显微图像定量分析困难，并提出一种无需大量标注真实图像的深度学习训练方法	橡胶材料的截面图像，包含刀痕噪声和材料背景纹理	计算机视觉	不适用	图像模拟（生成模拟数据）	U-Net	图像	未在摘要中提供具体样本量，仅提及模拟图像和真实图像	未在摘要中明确提及，可能使用深度学习框架如PyTorch或TensorFlow，但未指定	U-Net	PSNR，SSIM，MAE	神经网络的训练资源未在摘要中提及，可能是GPU，但未具体说明
7	2026-08-11	Ensemble-based deep learning approach for early detection of poultry diseases using faecal images 2026-Aug, British poultry science IF:1.6Q2 DOI:10.1080/00071668.2025.2588246 PMID:41392904	研究论文	本文提出一种基于集成的深度学习方法来早期检测家禽疾病，通过粪便图像分类健康与非健康状态	采用集成学习和微调策略，结合多种CNN模型，显著提高了疾病检测的准确性	未提及具体限制，但可能受限于粪便图像数据集的多样性和环境因素	开发并评估一种基于集成CNN的深度学习模型，用于家禽疾病的早期识别	家禽粪便图像，涵盖健康与患沙门氏菌病、新城疫和球虫病的家禽	计算机视觉	家禽疾病	图像分类	卷积神经网络（CNN）	图像	未明确提及具体样本数量	TensorFlow	MobileNetV2, EfficientNetB0, Xception, ResNet50V2	准确率, 精确度, 召回率	未明确提及
8	2026-08-11	Enhanced ovarian cancer diagnosis using deep learning on pelvic ultrasound with integrated clinical data: retrospective multicenter study 2026-Jul, Journal of gynecologic oncology IF:3.4Q2 DOI:10.3802/jgo.2026.37.e84 PMID:41906782	研究论文	本研究旨在开发一种深度学习模型，通过整合盆腔超声图像与临床数据（如年龄和癌抗原125水平），提高卵巢肿瘤良恶性鉴别的准确性	将超声图像的囊性和实性成分分割与临床信息（年龄和CA-125）整合到深度学习模型中，显著提升了诊断性能	未在摘要中提及明确的局限性	开发并验证一种基于深度学习的二元分类模型，用于增强卵巢肿瘤的良恶性鉴别诊断	卵巢肿瘤患者，包括446例良性肿瘤和358例恶性肿瘤	深度学习、医学影像分析	卵巢癌	盆腔超声成像、临床数据（年龄、CA-125水平）	卷积神经网络（CNN）	图像（盆腔超声图像）和临床数据（年龄、CA-125水平）	804名卵巢肿瘤患者（训练集565例，验证集76例，测试集163例）	未明确提及，可能使用PyTorch或TensorFlow	ResNet50、DenseNet121	AUC、敏感性、特异性、阳性预测值、阴性预测值	未在摘要中提及
9	2026-08-11	Mamba-ACP: A Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3684898 PMID:41989903	研究论文	提出了一种名为Mamba-ACP的混合状态空间和Transformer框架，用于可解释的抗癌肽预测	首次将Mamba状态空间模型与Transformer预训练嵌入（ESM-2）及手工特征（AAindex、BLOSUM62）结合，实现高性能和可解释的抗癌肽预测	未明确提及局限性，但可能依赖于现有数据集，对新肽序列的泛化需进一步验证	开发准确、可扩展且泛化能力强的抗癌肽预测模型，以支持临床转化	抗癌肽序列数据	机器学习	癌症	序列建模	混合状态空间和Transformer模型	肽序列数据	使用Set 1和Set 2两个基准数据集	未明确提及	Mamba核心，ESM-2嵌入，Mamba模型	准确率、AUC	未明确提及
10	2026-08-11	Beyond the conventional: Artificial intelligence in identifying risk factors in sports injuries. A scoping review 2026-Jul-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106408 PMID:41880916	综述	本文通过范围综述，系统梳理了人工智能在识别运动员运动损伤风险因素中的应用，涵盖传统与非传统风险因素，并指出了当前研究的局限性及未来方向。	首次系统性地绘制了人工智能在运动损伤风险识别中的应用图谱，强调了传统与非传统风险因素的整合，并指出了外部有效性和可重复性方面的关键缺口。	纳入研究在人群、结果和测量/报告实践上存在异质性，多数研究缺乏一致的测量标准和外部验证，限制了普遍性。	绘制人工智能在识别运动员运动损伤风险因素中的当代应用，评估研究现状并识别知识空白。	运动员的运动损伤风险因素，包括睡眠质量、心理状态、外部和内部负荷指标、既往损伤等。	机器学习	运动损伤	NA	经典机器学习、深度学习	多模态传感器数据、临床数据	59项研究	NA	NA	准确性、观察者一致性	NA
11	2026-08-11	Multi-Beholder: Biomarker Prediction for Low-Grade Glioma With Multiple Instance Learning and One-Class Classification 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3686279 PMID:42013277	研究论文	提出一个名为Multi-Beholder的可解释深度学习流水线，利用苏木精-伊红染色全切片图像预测低级别胶质瘤（LGG）的五个生物标志物状态	首次将单类分类集成到多示例学习框架中，以实现准确的实例级伪标签，补充切片级标签并提高预测性能	未明确提及局限性	克服传统生物标志物检测方法成本高、复杂且依赖专业人员解读的挑战，提供一种仅基于H&E染色全切片图像的生物标志物预测新方法	低级别胶质瘤（LGG）患者及其生物标志物	数字病理学	低级别胶质瘤	H&E染色全切片成像	多示例学习与单类分类结合	全切片图像	包括内部验证的TCGA-LGG数据集和外部验证的湘雅队列，具体样本数量未提供	NA	NA	受试者工作特征曲线下面积（AUC）	NA
12	2026-08-11	Predicting Bladder Cancer Prognosis by Integrating Multiple Omics Data Through an Adversarial Autoencoder-Based Cox Proportional Hazards Network 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3687567 PMID:42043996	研究论文	本文提出了一种基于对抗自编码器的Cox比例风险网络AAE-Cox-M，用于整合多组学数据预测膀胱癌预后	提出两阶段跨组学预训练策略和基于差异表达的特征选择模块，结合对抗自编码器与生存损失，增强特征学习鲁棒性并防止过拟合	未在摘要中明确提及局限性	开发一种多组学数据整合方法，以提高膀胱癌生存预测的准确性	膀胱癌患者的多组学数据，包括mRNA、miRNA、DNA甲基化和CNV数据	机器学习	膀胱癌	多组学数据整合	对抗自编码器、Cox比例风险网络	多组学数据（mRNA、miRNA、DNA甲基化、CNV）	TCGA-BLCA数据集和四个独立GEO数据集	NA	对抗自编码器、Cox比例风险网络	NA	NA
13	2026-08-11	Deep Learning-Based Volition Detection and Action Potential Extraction for Fully Automated Diagnosis of Neuromuscular Disease Using Needle Electromyography Signals 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3686921 PMID:42102089	研究论文	本研究开发了一种基于深度学习的自主检测模型，用于自动化诊断过程并利用针肌电图信号改善神经肌肉疾病的分类	提出了一种直接处理原始nEMG信号以自动提取运动单元动作电位的模型，消除了医生依赖性预处理的需求，实现了全自动化诊断流程	外部验证仅在单一三级医疗中心进行，可能限制结果的普适性	开发深度学习模型以自动化神经肌肉疾病的诊断过程并提高分类性能	针肌电图信号中提取的运动单元动作电位	机器学习	神经肌肉疾病	针肌电图	卷积神经网络	信号	57名受试者的376个nEMG信号用于开发，115名受试者的751个nEMG信号用于外部评估	NA	nEMGNet	AUROC	NA
14	2026-08-11	Robust CRISPR-Cas Protein Identification Using Max-Margin Regularized Transformer Models 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3693528 PMID:42133523	研究论文	本文利用深度学习技术构建分类模型，用于区分Cas和非Cas蛋白质，并识别Cas9和Cas12亚家族，提出了一种基于最大间隔正则化的Transformer模型以提高分类性能。	引入了新颖的基于间隔的损失函数，以最大化类间分离性和类内紧凑性，提升了从零训练的Transformer编码器模型的学习效率。	未提及具体局限性，如模型对数据集的依赖性、泛化能力的潜在限制或计算资源的消耗。	通过深度学习建模，增强对CRISPR-Cas蛋白质的理解，以推进新型Cas蛋白的设计与发现。	CRISPR-Cas蛋白质（Cas9、Cas12和非Cas蛋白质）。	机器学习	不适用	深度学习	Transformer编码器、ProtBert（大型蛋白质语言模型）	蛋白质序列数据	未明确说明具体样本数量，但提到从零训练模型使用了显著较小的数据集。	未明确提及，可能包括PyTorch或TensorFlow，但具体框架未指明。	Transformer、ProtBert	准确性（Accuracy）	未提及，但可能涉及GPU，具体类型未指明。
15	2026-08-11	Unveiling Viral Escape Mechanisms With Machine Learning: A Transformative Approach to Mutation Analysis for SARS-CoV-2 and Beyond 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3695225 PMID:42160252	研究论文	本研究利用基于长短期记忆网络的深度学习架构分析超过310万条病毒刺突蛋白序列，以SARS-CoV-2为主要例子，开发了逃逸精英网络模型来预测病毒逃逸突变。	提出了一种基于LSTM的深度学习模型Escape Elite Network，在检测逃逸突变方面优于现有方法，并能在实验验证前识别高风险突变。	摘要中未提及明显的局限性。	利用机器学习预测病毒逃逸突变，指导更有效的疫苗和治疗方法的开发。	SARS-CoV-2及其他持久性病毒如流感、HIV和非洲猪瘟病毒的刺突蛋白序列。	机器学习	病毒性疾病	深度学习	LSTM	序列数据	超过310万条独特的病毒刺突蛋白序列	NA	LSTM	AUC	NA
16	2026-08-11	FGAIM: Identifying Drug-Target Activation and Inhibition Mechanisms via Inductive Graph Neural Networks Based on Fine-Grained Interaction Strategies 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3695928 PMID:42166265	研究论文	提出了一种名为FGAIM的计算方法，通过细粒度交互策略的图神经网络来识别药物与靶标之间的激活和抑制机制	该方法通过多尺度图神经网络学习药物分子嵌入，并结合预训练语言模型嵌入和3D构象结构信息构建蛋白质表示，利用GraphSAGE模块从药物图和细粒度药物-蛋白质相互作用图中提取特征，从而捕捉药物分子与蛋白质残基间的相互作用	摘要中未明确提及局限性	有效识别药物与靶标之间的激活和抑制机制，以揭示靶标功能的潜在调控途径，助力药物发现和开发	药物分子和靶标蛋白质	图神经网络	不适用	不适用	图神经网络（GNN），GraphSAGE，多层感知机（MLP）	药物分子图数据、蛋白质序列和3D构象结构数据	两个公开数据集	不适用	多尺度GNN，GraphSAGE，MLP	不适用	不适用
17	2026-08-11	Minimum Description Length-Driven Fragment Mining for Pretraining Molecule Property Prediction Model 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3697250 PMID:42189691	研究论文	提出了一种基于最小描述长度驱动的片段挖掘方法（MMP-AFM），用于分子性质预测模型的预训练	将片段发现表述为组合优化问题，以描述长度为目标实现自适应提取和动态构建片段库，并设计了多视图自监督预训练框架	未提及具体限制	提高分子片段在分子表示学习中的泛化能力和适用性，从而提升分子性质预测性能	分子片段和分子性质预测模型	机器学习	NA	NA	多视图自监督预训练模型	分子数据	NA	NA	NA	NA	NA
18	2026-08-11	AdPrST:An Adversarial Graph Deep Learning Pre-Clustering Framework for Deciphering Spatiotemporal Structures in Spatially Resolved Transcriptomics 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3697726 PMID:42202195	研究论文	提出了一种基于对抗图深度学习的预聚类框架AdPrST，用于解析空间分辨转录组中的时空结构	结合Wasserstein距离的生成对抗网络和对比学习进行对抗自监督学习，并通过点积注意力机制融合双视图嵌入，实现精确的空间域识别和时空结构推断	摘要中未明确提及局限性	准确解析复杂组织中的时空结构，包括空间域识别、轨迹推断和伪时空图谱构建	空间分辨转录组（SRT）数据中的基因表达和组织微环境	机器学习	不适用	空间分辨转录组（SRT）技术	生成对抗网络（GAN）、对比学习、注意力机制	基因表达数据	多个数据集（具体数量未在摘要中说明）	NA	KNN图结构、r-radius图结构、双视图图神经网络	与最先进方法的比较结果（具体指标未说明）	NA
19	2026-08-11	A comparative study of deep learning-based zebrafish image segmentation methods 2026-06, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络，通过统一数据集和预处理流程，比较了十一个代表性模型的性能	首次系统比较多种深度学习分割模型在斑马鱼图像分析中的应用，涵盖从传统CNN到Transformer架构的广泛模型，并揭示高分辨率保持、上下文聚合和注意力机制对提高小结构检测和边界描绘精度的关键作用	未在摘要中提及具体限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像中的复杂器官结构和表型异常	计算机视觉	毒理学（用于毒理学筛选）	深度学习分割网络	CNN、Transformer、混合架构	图像	NA（未在摘要中提及具体样本数量）	NA（未在摘要中提及具体框架）	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, SAM, PVT-EMCAD, RWKV-UNet	Dice系数，交并比，平均像素精度	NA（未在摘要中提及计算资源）
20	2026-08-11	Experimental investigation of muscle-tendon unit geometry and kinematics in lower-limb muscles during gait: Current applications and future directions - A scoping review 2026-06, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110159 PMID:41875704	综述	本文是一篇范围综述，旨在探讨肌肉骨骼建模和超声成像与三维步态分析结合使用时，如何评估神经运动障碍人群在步态中的肌肉和肌腱单元特征，并评估其潜在的临床意义。	首次系统综述了MSK建模和USI在三维步态分析中的应用，特别是在神经运动障碍人群中，强调了两种技术的互补潜力，并提出了未来将深度学习应用于USI自动数据分析的方向。	MSK建模受到建模假设和缺乏实时数据的限制，而USI面临数据采集复杂和处理挑战，且研究中纳入的人群和肌肉种类有限。	检查MSK建模和USI与三维步态分析结合使用，以评估神经运动障碍人群的肌肉和MTU特征，并评估这些方法对临床评估和决策的潜在影响。	神经运动障碍人群（脑性瘫痪、中风、遗传性痉挛性截瘫和特发性足尖行走）的11块下肢肌肉	数字病理学	神经运动障碍	超声成像（USI）	NA	图像	50项研究	NA	NA	NA	NA