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	2026-09-10	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高光谱数据生成光谱库，结合深度学习技术对印度Shoolpaneshwar野生动物保护区的植物功能类型进行精确分类	通过整合AVIRIS-NG高光谱成像和ASD手持光谱仪数据，构建包含130种植物物种的全面光谱库，并使用模糊C均值聚类和多种机器学习分类器实现高精度的PFT分类	摘要中未提及明确的局限性	利用机载高光谱数据和机器学习技术，实现印度Shoolpaneshwar野生动物保护区植物功能类型的精确分类与监测	印度Shoolpaneshwar野生动物保护区的130种植物物种，涵盖多种植物功能类型	遥感、机器学习	NA	AVIRIS-NG高光谱成像、ASD手持光谱仪、光谱库构建、模糊C均值聚类、ISODATA聚类、Jeffries-Matusita距离分析	Parzen Window (PW)、梯度提升机 (GBM)、随机梯度下降 (SGD)	高光谱图像和光谱数据	130种植物物种	NA	NA	总体精度 (OAA)和Kappa系数	NA
2	2026-09-10	INTELCAPE: A Deep Learning-Powered System for Automated, High-Accuracy Crohn's Disease Diagnosis via Capsule Endoscopy 2026-Sep, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2026.02.026 PMID:41861933	研究论文	开发并验证了INTELCAPE系统，利用深度学习自动分析胶囊内镜视频，用于克罗恩病的高准确率诊断。	提出了一个集成了ResNet、Transformer和EfficientNet架构的多任务深度学习框架，能够同时进行小肠区域分割、病变检测和疾病诊断，并且性能优于或接近专家水平。	研究为回顾性设计，数据来自两家中国医院，可能限制了结果的普适性。	开发一种自动化、高精度的克罗恩病诊断系统，通过胶囊内镜视频分析，提高诊断效率和准确性，尤其是对经验较少的临床医生。	克罗恩病患者的小肠胶囊内镜视频。	医学影像分析	克罗恩病	胶囊内镜检查	深度学习模型	视频图像	来自两个队列的872名患者（Cohort 1: 757名，Cohort 2: 115名）的胶囊内镜视频	NA	ResNet, Transformer, EfficientNet	交并比, 曲线下面积, 准确率	NA
3	2026-09-10	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	本文综合评述了集成神经形态光子计算在AI加速中的进展，涵盖新兴器件、网络架构与未来范式	系统梳理了光子神经网络十年进展，并提出克服材料与系统层面障碍的可行路径	未提及具体局限性	分析光子神经形态计算在AI加速中的核心组件与应用部署要求，并展望未来发展方向	光子神经网络的核心组件，包括线性突触器件、非线性神经元器件及网络架构	机器学习	不适用	光子计算	光子神经网络	不适用	不适用	不适用	不适用	不适用	不适用
4	2026-09-10	Evaluating deep learning based structure prediction methods on antibody-antigen complexes 2026-04-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag136 PMID:41863324	研究论文	本研究评估了基于深度学习的结构预测方法在抗体-抗原复合物上的表现，发现增加采样可提高模型生成正确结构的概率，但内部质量评估难以识别最佳预测模型，且AlphaFold3优于其他方法。	对未见过抗体-抗原复合物进行了系统基准测试，揭示了采样量与预测性能的对数线性关系，并指出内部质量估计的局限。	内部质量估计无法可靠识别最佳模型，且AlphaFold3对缺乏结构相似性的复合物性能显著下降。	评估不同深度学习结构预测方法在抗体-抗原复合物上的性能，并探讨采样策略和模型内部评估的影响。	抗体-抗原复合物	结构预测	不适用	蛋白质结构预测	AlphaFold2, AlphaFold3, Boltz-1, Chai-1	蛋白质序列和结构数据	未明确说明，但涉及多个未见的抗体-抗原复合物	NA	AlphaFold2, AlphaFold3, Boltz-1, Chai-1	预测准确度（基于模型质量评估）	NA
5	2026-09-10	Hypergraph representations of single-cell RNA sequencing data for improved cell clustering 2026-04-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag148 PMID:41896196	研究论文	提出将单细胞RNA测序数据表示为超图，并引入两种新的聚类算法以改善细胞类型聚类与注释	首次将超图表示应用于单细胞RNA测序基因表达数据，引入两种新型超图随机游走算法DIPHW和CoMem-DIPHW，利用偏好指数和记忆机制融合局部基因表达与全局共表达信息，显著改善弱模块性数据的细胞聚类性能	未详细阐述计算资源使用情况，实际临床验证尚不充分	通过超图表示保留单细胞RNA测序数据的高阶信息与稀疏性特征，从而提升细胞类型聚类的准确性和生物学可解释性	人类胰腺、小鼠胰腺、人类大脑、小鼠大脑组织细胞以及人肺腺癌细胞系	机器学习	肺腺癌	单细胞RNA测序（scRNA-seq）	超图随机游走模型	单细胞基因表达计数数据	未提供具体样本量，涉及人类和小鼠的胰腺、大脑组织及人肺腺癌细胞系数据集	Python	超图随机游走结构	聚类准确性、模块性	NA
6	2026-09-10	Predicting antibody-antigen affinity with a dual-level representation model 2026-04-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag109 PMID:41808445	研究论文	提出了一种双层级蛋白质表示模型DLP-Affinity，用于基于序列的抗体-抗原亲和力预测，在通用和单域抗体数据集上达到最先进性能。	创新性地结合残基到残基接触和全局随机投影嵌入两个互补模块，并利用微调的蛋白质语言模型，充分利用序列信息，提高预测准确性。	未明确提及局限性，可能依赖于序列数据，对结构数据稀缺情况下仍有挑战。	开发一种基于序列的高精度抗体-抗原亲和力预测方法，以适用于多种抗体格式（如单域抗体）。	抗体-抗原相互作用，包括单域抗体（sdAbs）和一般抗体。	自然语言处理，生物信息学	不适用	蛋白质语言模型，微调模型	深度学习框架（双层级表示模型）	序列数据	包含AB-Bind数据集和sdAb-DB数据集（具体样本数量未在摘要中给出）	PyTorch（推断）	双层级架构（残基到残基模块和全局随机投影嵌入模块），底层为蛋白质语言模型（如ESM）	平均绝对误差（MAE），准确率（可能）	未提及
7	2026-09-10	A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study 2026-03-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83743 PMID:41911549	研究论文	提出一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，平衡特征提取精确性与数据隐私保护	首次将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析指导拉普拉斯噪声的自适应添加，实现精确特征提取与敏感数据保护的协同优化	未涉及病理图像和蛋白质组学数据，模型应用范围有待扩展	提出一种在保护医疗数据隐私的同时提高泛癌生存预测准确性的融合框架	泛癌和单一癌症的生存预测数据，包括临床数据、mRNA表达数据和miRNA表达数据	机器学习, 数字病理学	癌症（泛癌）	NA	多头注意力机制	多模态数据（临床数据、mRNA表达数据、miRNA表达数据）	涉及20种癌症类型的数据集，具体样本量未提供	NA	多头注意力（基于Transformer）	一致性指数（C-index）	NA
8	2026-09-10	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-03-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	该研究回顾性分析了2020年至2025年6月中国批准的基于人工智能的医疗器械的批准趋势和特征	提供了截至2025年6月中国批准的基于AI的医疗器械的最新全面概述，包括风险等级、临床评价途径等多个维度的统计分析	仅使用Drugdataexpy数据库，可能遗漏其他来源的批准信息	评估中国批准的基于AI的医疗器械的趋势和特征	中国批准的基于AI的医疗器械共154种	数字医学	NA	NA	深度学习	文本数据和元数据	154种基于AI的医疗器械	NA	NA	使用Fisher精确检验和Pearson卡方检验评估风险等级与分类变量之间的关联	NA
9	2026-09-10	Rectal Cancer Radiotherapy Response Prediction: Retrospective Study of Development of a Deep Learning-Based Radiomics Model 2026-03-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77313 PMID:41843889	研究论文	本研究开发并比较了多种基于深度学习的放射组学模型，用于预测直肠癌放疗反应，其中Transformer架构表现最佳	首次在大规模直肠癌放疗前影像队列中系统比较Transformer、卷积神经网络和图卷积网络的预测性能，强调Transformer架构的临床效用	单中心回顾性研究，需多中心外部验证	开发并评估深度学习放射组学模型以预测直肠癌放疗反应，支持个性化治疗决策	直肠癌患者放疗前的计算机断层扫描和动态对比增强磁共振图像及临床变量	医学影像分析	直肠癌	放射组学	卷积神经网络、图卷积网络、Transformer	医学影像（CT和MRI）	2000例病理确诊的直肠癌患者	未明确指定	Transformer, U-Net, CNN, 图卷积网络	AUROC, 准确率, 灵敏度, 特异性, Dice系数, 交并比	未明确指定
10	2026-09-10	Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study 2026-03-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84261 PMID:41806366	研究论文	提出一个整合群体水平多发病模式识别与个体水平预测建模的新框架，推动多发病研究从描述性分析向预测性发展	首次将潜在转变分析（LTA）扩展到预测领域，并引入双向时间定向交叉注意力机制的CLA-Net模型，以桥接群体模式与个体预测	文中未明确提及研究局限性	提出一个将群体水平多发病模式识别与个体预测建模相结合的新型框架，以实现前瞻性的多发病模式预测	纵向健康随访数据中的个体未来多发病模式归属	机器学习	多发病（多病共存）	纵向健康随访数据分析	CLA-Net（结合GRU和Transformer）	纵向健康随访数据	未在标题和摘要中明确说明样本数量	未在标题和摘要中明确说明	CLA-Net（包括GRU和Transformer，以及双向定向交叉注意力机制）	准确率、精确率、召回率、F1分数、AUC	未在标题和摘要中明确说明
11	2026-09-10	Leveraging Naturalistic Driving Digital Biomarkers for Early Mild Cognitive Impairment Detection: Deep Learning Strategies 2026-03-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83622 PMID:41791118	研究论文	本研究开发了利用自然驾驶数据的深度学习策略，用于早期轻度认知障碍检测	首次使用自然驾驶条件下收集的传感器数据进行深度学习建模，结合多视角和三层次融合策略，并提出频率相关的风险评分	样本量小，且部分参与者退出，可能限制结果的普适性	利用自然驾驶数据作为数字生物标志物，实现早期轻度认知障碍的稳健检测	轻度认知障碍患者和认知正常老年人	机器学习、数字生物标志物	轻度认知障碍、阿尔茨海默病	GPS、加速度计、陀螺仪传感器	深度学习模型	传感器数据	22名参与者，其中14名认知正常、8名轻度认知障碍；3名参与者退出	NA	NA	准确率、AUC	NA
12	2026-09-10	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-03-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	本研究开发并验证了一种基于Swin-UNet条件生成对抗网络（cGAN）的深度学习框架，用于膝关节MRI中股骨和胫骨软骨的自动分割，并对比了其与UNet、UNet cGAN和Swin-UNet基线模型的性能	首次将Swin-UNet与条件生成对抗网络结合用于膝关节MRI软骨分割，提高了边界分割精度，并解决了传统CT手术系统无法可视化软骨的问题	未在摘要中明确提及局限性	开发临床适用的深度学习框架，实现膝关节MRI中股骨和胫骨软骨的自动分割，以提高手术规划和全膝关节置换术的精度	膝关节MRI图像中的股骨和胫骨软骨	计算机视觉	膝骨关节炎	MRI	生成对抗网络（GAN）	图像（MRI）	232份膝关节MRI扫描，另设有外部验证数据集	NA	Swin-UNet, UNet	Dice相似系数，平均交并比，95百分位Hausdorff距离，平均对称表面距离	NA
13	2026-09-10	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	本文提出一种结合Cuckoo Search优化和ResNet的深度学习算法，用于骨癌细胞的自动检测与分类，以提高诊断准确性。	将Cuckoo Search Modified Hill Climbing (CS-MHC)优化与ResNet集成，以改进特征选择和加快收敛，提升骨癌图像分类性能。	研究基于有限数据集，未来需更大规模多中心数据以增强鲁棒性。	开发一种基于深度学习和优化技术的自动化骨癌检测工具，以实现早期诊断。	骨癌图像分类，区分恶性肿瘤和健康骨组织。	计算机视觉	骨癌	NA	CNN	图像	NA	NA	ResNet, VGG-16, Inception, Xception	准确率, 敏感性, 精确率, F-measure	NA
14	2026-09-10	scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data 2026-02-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag095 PMID:41746287	研究论文	提出了一种基于深度学习的新型双聚类算法scDBic，用于分析单细胞RNA测序数据，以发现细胞群并识别其关键基因。	该算法结合深度自编码器和反向策略，能够同时进行细胞聚类和基因聚类，识别关键基因簇，从而提升聚类性能，超于传统聚类和双聚类算法。	摘要中未明确提及局限性。	开发一种能捕获局部一致性、适应高维数据且避免迭代选择问题的双聚类算法，用于改善scRNA-seq数据的细胞聚类和关键基因识别。	单细胞RNA测序数据中的细胞群和关键基因。	机器学习	NA	scRNA-seq	深度自编码器	单细胞RNA测序表达数据	NA	NA	自编码器	聚类性能，如可比性（未具体提及指标，推断可能含ARI等）	NA
15	2026-09-10	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2026-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	提出一种基于多光谱成像和YOLOv5的血液细胞识别方法，通过融合五个波长的图像显著提升细胞识别性能	利用多光谱成像技术替代传统显微镜图像，融合五个波长的信息以改善细胞边界和结构的分辨，提高血细胞识别精度，尤其对稀有白细胞有显著提升	未提及具体限制，如计算成本、数据集规模或对不同血液样本的泛化性	开发一种高精度的血细胞自动识别方法，以提高医疗诊断中血细胞计数的准确性	血液细胞图像，包括红细胞、白细胞和血小板	计算机视觉	NA	多光谱成像	YOLOv5（基于卷积神经网络的目标检测模型）	多光谱图像	未提及具体样本数量，但涉及五个波长的血细胞图像数据集	NA	YOLOv5	精确度	NA
16	2026-09-10	stRGAT: identifying spatial domains in spatial transcriptomics via a relational graph attention network 2026-01-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07676-9 PMID:41535938	研究论文	开发了stRGAT，一种基于关系图注意力网络的深度学习框架，用于整合空间信息和基因表达以识别空间转录组中的空间域	通过自适应建模相邻和跨区域点之间的相似性，实现连贯的空间分割，并能扩展到检测空间可变基因	未在摘要中明确提及局限性	准确识别具有连贯转录组和形态模式的空间域，并提高空间转录组分析的性能	空间转录组数据中的空间域和空间可变基因	机器学习和空间转录组学	NA	空间转录组学	图注意力网络	基因表达数据、空间坐标、组织图像	跨物种数据集、连续组织切片、精细小鼠脑干数据集	NA	图注意力网络	聚类一致性指标和域边界清晰度	NA
17	2026-09-10	inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences 2026-01-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag026 PMID:41557841	研究论文	提出一个轻量级端到端的Python软件inMOTIFin，用于调控序列的模拟与修改，评估基于基序的方法和深度学习模型的可解释性	提供模块化、用户友好的模拟工具，支持对基序位置、共现和间距的精确控制，并能直接修改真实序列，填补了现有模拟器在端到端灵活性和易集成性方面的空白	文中未提及具体限制	开发多功能工具以支持转录调控语法的模拟和评估	DNA调控序列、基序实例	生物信息学	NA	模拟软件	NA	DNA序列数据	NA	Python	NA	NA	Docker
18	2026-09-10	RP3Net: a deep learning model for predicting recombinant protein production in Escherichia coli 2026-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag003 PMID:41520295	研究论文	介绍RP3Net，一种基于深度学习的大肠杆菌重组蛋白生产效率预测模型	利用最新的蛋白质和基因组基础模型，并整合内部实验数据与公共数据，显著提高了预测准确性	未提及具体局限性	预测大肠杆菌中小规模异源可溶性蛋白的表达效率，以优化重组蛋白生产	重组蛋白表达	深度学习	不适用	蛋白质和基因组基础模型	深度学习模型	蛋白质序列和基因组数据	包含来自AstraZeneca和结构基因组学联盟的多种数据，以及独立验证的97个构建体	不明确（依赖基础模型）	未明确指定具体架构（可能涉及Transformer等）	AUROC，以及准确率和成功识别率	未提及（但模型开源可在GitHub获取）
19	2026-09-10	RoBep: a region-oriented deep learning model for B-cell epitope prediction 2026-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag006 PMID:41527265	研究论文	本文提出了一种区域导向的深度学习模型RoBep，用于B细胞表位预测，通过显式建模表位残基的空间聚类来提高预测的生物学合理性	引入新颖的区域约束机制，结合高级蛋白质语言模型ESM-Cambrian和等变图神经网络，确保预测的表位残基空间紧凑，增强生物学合理性	摘要中未提及明确的局限性	提高B细胞表位残基预测的准确性，并为抗体设计和疫苗开发提供生物学合理的预测结果	B细胞表位残基和抗体-抗原结合区域	深度学习、蛋白质预测	NA	蛋白质语言模型和等变图神经网络	深度学习模型（结合蛋白质语言模型和等变图神经网络）	蛋白质序列和结构数据	基准数据集（具体数量未在摘要中提及）	PyTorch	等变图神经网络	F1分数、马修斯相关系数、精确率-召回率曲线下面积、AUROC0.1	未在摘要中提及
20	2026-09-10	Real-time corneal image segmentation for cataract surgery based on detection framework 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03506-x PMID:40911268	研究论文	提出一种基于椭圆建模的无锚框框架EllipseNet，用于白内障手术中角膜的实时分割	引入椭圆建模，仅需简单的矩形边界框标注，即可自动推断角膜椭圆的长短轴，生成更贴合角膜形状的椭圆边界框，同时实现快速分割并显著减少标注工作量	未在摘要中明确提及局限性	实现白内障手术中角膜和手术器械的实时、准确分割，降低对像素级标注的依赖，便于临床应用	白内障手术中的角膜和手术器械图像	计算机视觉	白内障	NA	Hourglass网络	图像	未在摘要中提供具体样本量	NA	Hourglass网络	Dice系数, 分割速度（每帧毫秒数）	NA