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	2026-08-19	Evaluation of Computer-aided Detection for Identifying Missed Gastric Cancer After Endoscopic Submucosal Dissection 2027-Apr, DEN open IF:1.4Q4 DOI:10.1002/deo2.70357 PMID:42609944	研究论文	评估基于深度学习的计算机辅助检测系统在识别内镜黏膜下剥离术后遗漏胃癌方面的效能，并与内镜医师的检测性能进行比较	首次专门评估CADe系统在ESD术后监测中对遗漏胃癌的检测效能，并系统比较其与多名内镜医师的诊断表现	样本量较小（仅60例遗漏胃癌），且为单中心回顾性研究，亚组分析结果需谨慎解读	评估深度学习CADe系统在ESD术后监测中识别遗漏胃癌的效能，并探究其作为内镜医师双重检查辅助工具的可行性	在内镜黏膜下剥离术后监测中被遗漏的胃癌病例	计算机视觉、数字病理	胃癌	深度学习	深度学习模型	内镜图像	2324张内镜图像，其中包含60例遗漏胃癌（另在检测研究中使用了600张图像）	未提及	未提及	敏感性、特异性、阳性预测值、阴性预测值、诊断时间	未提及
2	2026-08-19	Discrete Wavelet Convolution for Learnable Time-Frequency Representation with Application to Seizure Prediction 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500498 PMID:42333671	研究论文	提出一种自适应的离散小波卷积（ADWConv）作为可训练的多级小波分解前端，用于端到端的癫痫发作预测，通过联合优化策略确保滤波器的判别性和可解释性，并在CHB-MIT和SH-SDU数据库上验证了其有效性。	提出可参数化的小波滤波器，解耦核形状与尺度因子，并引入正则化损失以保持小波先验，提高特征级可解释性。	摘要未提及明显的局限性，可能包括对特定数据集的依赖或计算开销，但具体未说明。	开发一种可学习的时频表示方法，以提升癫痫发作预测的准确性和模型可解释性。	脑电图（EEG）信号，用于癫痫发作预测。	机器学习	癫痫	离散小波变换	卷积神经网络	EEG信号	CHB-MIT数据库和SH-SDU数据库，具体样本数量未在摘要中提及。	NA	ADWConv前端，结合端到端预测框架（具体架构未详述）。	事件敏感性、误报率（FPR）	NA
3	2026-08-19	Latent Space Projections and Atlases, a Cautionary Tale in Deep Neuroimaging using Autoencoders 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S012906572650053X PMID:42376832	研究论文	本研究提出一个深度学习框架，利用简单卷积自编码器对3D脑MRI的潜在表示进行推断性探索，并在ADNI数据集上训练以保留神经解剖结构并反映临床变异性。	提出了Latent-Regional Correlation Profiling (LRCP)框架，结合统计关联和监督判别性来识别编码临床相关潜在信息的脑区。	未明确提及研究的局限性。	探索自编码器在临床神经科学中作为生物标志物发现和假设生成的工具，通过潜在表示分析阿尔茨海默病进展。	3D脑MRI图像，来自ADNI数据集的灰质分割图像。	深度学习、神经影像学	阿尔茨海默病	NA	卷积自编码器	3D脑MRI图像	NA	NA	卷积自编码器（具有层级编码器）	NA	NA
4	2026-08-19	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	开发并多中心验证了一种针对危重创伤性颈胸脊髓损伤患者早期预测KDIGO 3期急性肾损伤的机器学习融合模型MedFusion-gP-AKI	采用多模态深度学习框架，结合GAN进行缺失数据填补和SMOTified-GAN平衡数据集，以及利用NOTEARS、变分瓶颈和对抗分析进行特征选择，并集成了多个最优基线模型构建集成模型，以提高预测性能	未在摘要中明确说明局限性	早期预测危重创伤性颈胸脊髓损伤患者的KDIGO 3期急性肾损伤，以改善临床管理	危重创伤性颈胸脊髓损伤患者	机器学习	急性肾损伤	NA	深度学习集成模型	临床数据	开发和验证队列包括MIMIC-IV/eICU联合队列，以及来自四个中国三级中心的188名患者的外部验证	NA	集成模型	AUC, AP, 校准性, 临床净收益, 总体分类性能	NA
5	2026-08-19	Transformer-based nonlinear modeling in dynamic spectrum for noninvasive human blood component analysis 2026-Dec-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130058 PMID:42247740	研究论文	本研究利用基于Transformer的神经网络对动态光谱数据进行非线性建模，以提高人体血液成分（红细胞、尿素和葡萄糖）的无创检测精度。	首次将Transformer神经网络应用于动态光谱的非线性建模，以捕捉光谱数据中的非线性映射关系，从而提升血液成分预测的准确性。	需要进一步的临床验证以确认其在实际应用中的可靠性。	利用Transformer神经网络拟合动态光谱与血液成分浓度之间的非线性关系，提高无创血液成分分析的预测精度。	动态光谱数据，来源于1400名参与者的光电容积脉搏波（PPG）信号。	机器学习	血液成分分析（无特定疾病）	动态光谱（DS）	Transformer	光谱数据	1400名参与者的动态光谱数据	NA	Transformer	R²系数、平均绝对误差（MAE）、均方误差（MSE）	NA
6	2026-08-19	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ，一个基于Zeiss arivis Pro的模块化半自动和全自动流水线套件，用于分析初级纤毛及其亚结构域，并集成了深度学习模型Cilia.AI	开发了深度学习模型Cilia.AI，能够以最少的人工修正识别初级纤毛，并提供了模块化流水线用于分割纤毛亚结构域，显著减少分析时间约8倍	未在摘要中明确提及局限性，但可能依赖于Zeiss arivis Pro平台，对用户技术有一定要求	开发自动化、无偏且精确的工具，用于分割和量化初级纤毛及其亚结构域，适用于健康和病理条件，并提供高吞吐量的可重复分析	初级纤毛、中心粒周围物质、基体、过渡区、纤毛尖端，以及哺乳动物初级纤毛中的鞭毛内运输动力学	数字病理学、计算机视觉、深度学习	纤毛病（一组发育障碍）	荧光显微镜成像（推测）、深度学习分割、运动轨迹分析（kymograph生成）	深度学习模型（具体类型未指明）	图像（显微镜图像）	未提供具体样本数量，涉及哺乳动物初级纤毛	Zeiss arivis Pro（集成框架）	未具体说明，但为深度学习模型，可能基于卷积神经网络结构	未明确列出，但提到分析时间减少约8倍	未在摘要中指定，但依赖Zeiss arivis Pro软件
7	2026-08-19	A Structure-Aware Multimodal Framework for Drug-Target Interaction Prediction via Heterogeneous Graph Learning 2026-Oct, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261469586 PMID:42478599	研究论文	提出一种名为PHGDTI的多模态框架，通过异构图学习整合药物和蛋白质的序列及结构信息，用于药物-靶点相互作用预测	PHGDTI框架创新性地结合原子-残基级关系，利用异构图建模药物原子图、蛋白质残基图和原子-残基异质图，并通过图注意力层和SAGPooling获得紧凑的结构表征，从而提升结合亲和力预测性能	未明确提及	开发一种多模态深度学习框架，通过整合序列和结构线索提高药物-靶点相互作用预测的准确性	药物和蛋白质分子，具体包括药物原子图、蛋白质残基图以及原子-残基异质图	机器学习	NA	NA	图神经网络（GNN）、自注意力机制	序列数据（药物和蛋白质序列）及结构图数据（原子图、残基图、异质图）	使用Davis激酶数据集和GalaxyDB数据集进行实验	NA	Mol2Vec、TAPE、自注意力模块、图注意力层、SAGPooling	准确率、AUC等（具体未在摘要中列出）	NA
8	2026-08-19	Artificial Intelligence-Based Approach for Determining the Risk of Temporomandibular Disorders 2026-Sep, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70220 PMID:42184378	研究论文	本研究旨在使用机器学习方法基于临床和社会人口统计学变量预测颞下颌关节紊乱病（TMD）的风险，以辅助早期检测和风险评估。	首次应用DANets模型于TMD诊断，并结合SHAP进行模型可解释性分析，揭示了年龄、性别和特定临床症状对决策的关键贡献。	样本量相对较小（340例），且为单一中心研究，可能限制模型的泛化能力。	利用机器学习模型基于临床和人口统计学变量预测TMD，以提高早期诊断准确性和风险评估效率。	340名患有和未患有TMD的患者，收集其临床和人口统计学数据。	机器学习	颞下颌关节紊乱病	NA	机器学习模型	临床和人口统计学数据（数值）	340名患者	NA	DANets, KAN, KNN, MLP, SVM	准确率、加权精确率、召回率、F1分数	NA
9	2026-08-19	A Deep Learning Model for Automatic Thresholding of Auditory Brainstem Responses: Multicenter and Multispecies Validation 2026 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001811 PMID:41952099	研究论文	本研究开发了一种基于深度学习的模型，直接从多个刺激强度的叠加波形序列中估计听觉脑干反应阈值，并在多中心、大规模的人类和小鼠数据集上进行了验证	首次提出用于多级波形堆栈自动阈值估计的深度学习模型，整合了相邻级别交叉注意力、序列编码器和监督对比学习分支，超越了传统逐波形检测方法	未来需要更广泛的外部验证，并将模型集成到实时ABR采集工作流程中	开发并验证一种直接从叠加波形序列估计听觉脑干反应阈值的深度学习模型	人类和小鼠的听觉脑干反应数据	深度学习	听觉疾病	NA	Transformer	波形序列数据	人类数据集I包含8350名受试者，人类数据集II包含136名受试者；小鼠数据集I包含8259只小鼠，小鼠数据集II包含351只小鼠	PyTorch	Transformer	精确匹配准确率、±5 dB容差准确率、±10 dB容差准确率	NA
10	2026-08-19	DAFNet: A multi-modal deep learning model based on whole-lung CT for the automated prediction of the air space spread of lung adenocarcinoma 2026-Sep, Lung cancer (Amsterdam, Netherlands) DOI:10.1016/j.lungcan.2026.109557 PMID:42566922	研究论文	本研究介绍了一种基于全肺CT的多模态深度学习模型DAFNet，用于自动预测肺腺癌的空气播散状态	首次提出无需手动勾画肿瘤的全自动端到端多模态深度学习网络DAFNet，通过自适应门控融合机制和基于DINOv3的预训练架构，结合多模态数据融合与多尺度特征提取，显著提高了STAS预测准确性	基于标题和摘要，未指明具体局限性	开发一种基于术前全肺CT的自动、非侵入性深度学习工具，用于预测肺腺癌的空气播散状态，以推进个性化手术规划和AI驱动的肿瘤应用	1164例肺腺癌患者（511例STAS阳性，653例阴性），来自两个中心	医学影像分析，深度学习	肺腺癌	CT成像	多模态深度学习网络（DAFNet）	全肺CT图像	1164例肺腺癌患者，训练集814例，测试集350例	未明确指定，可能使用PyTorch或TensorFlow（基于DINOv3的预训练架构），但摘要中未提及具体框架，此处输出为NA	DINOv3	AUROC（曲线下面积）	未在标题和摘要中指明，输出为NA
11	2026-08-19	STELT: A spatiotemporal deep learning framework for diffusion-ordered NMR spectroscopy reconstruction with artifact suppression 2026-Aug-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0346251 PMID:42607168	研究论文	提出一个名为STELT的轻量级深度学习框架，用于扩散有序核磁共振波谱（DOSY）重建，并抑制重建伪影	提出双分支架构，结合时间卷积模块和自注意力模块，分别提取衰减信号的动态模式与化学位移维度的空间特征	未明确提及	提高DOSY重建精度并抑制伪影，降低计算开销	DOSY谱图重建算法	深度学习	不适用	扩散有序核磁共振波谱（DOSY）	神经网络（具体为双分支深度学习框架）	谱图数据	未明确提及	未明确提及	双分支架构（时间卷积模块与自注意力模块）	重建精度、噪声抑制效果、计算开销	未明确提及
12	2026-08-19	Machine learning prediction of organic compound melting points informed by condensed-phase and electronic descriptors 2026-Aug-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0342619 PMID:42607175	研究论文	提出一种混合机器学习框架，整合化学信息学描述符、量子化学特征和分子动力学模拟得到的动态凝聚相描述符，以提高有机化合物熔点的预测准确性	首次将凝聚相动态描述符与量子化学特征相结合，用于机器学习熔点预测，并通过可解释性分析揭示熔化行为的主要决定因素	研究依赖于DIPPR 801数据库的子集，可能无法涵盖所有类型的有机化合物；分子动力学模拟的计算成本较高，可能限制其在大规模数据集上的应用	开发并评估一种整合多尺度描述符的机器学习模型，以更准确地预测有机化合物的熔点，并提高模型的可解释性	有机化合物	机器学习	NA	分子动力学模拟、量子化学计算、化学信息学描述符计算	LightGBM、图卷积网络	数值数据（描述符）	DIPPR 801数据库的子集，具体样本数未在摘要中给出	NA	LightGBM、图卷积网络	平均绝对误差、可解释性分析	NA
13	2026-08-19	ViralMap: predicting features in viral proteins from primary sequence 2026-Aug-18, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.00757-26 PMID:42517630	研究论文	开发了ViralMap，一种基于ESM-2语言模型的多标签注释模型，可直接从真核病毒蛋白的一级序列预测多种功能注释	提出了针对真核病毒蛋白的统一多标签注释模型，能同时预测10种注释类别，且适用于训练中未见过的病毒家族	部分注释类别的性能可能有限，文中未提及对细菌或古菌病毒蛋白的适用性	提供从病毒蛋白原始序列到抗原工程所需注释谱的统一、基于序列的框架，以支持疫苗设计和流行病应对	真核病毒蛋白，包括SARS-CoV-2、HIV-1、尼帕病毒和拉沙病毒的复杂糖蛋白	机器学习	传染病	蛋白质语言模型表示	多标签注释模型	蛋白质序列	未具体说明，涉及多种病毒蛋白序列数据集	PyTorch	ESM-2	精确率-召回率曲线下面积（PR-AUC）	未具体说明，可能使用GPU（如NVIDIA V100或A100）
14	2026-08-19	Diagnostic features predicted by deep learning improve human object recognition in simulated prosthetic vision 2026-Aug-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9227 PMID:42526479	研究论文	本研究结合深度学习和生物 plausible 光幻视模拟，优化用于物体识别的光幻视位置，并通过模拟假体视觉实验验证其效果。	提出了一种基于深度学习的诊断特征识别方法用于优化假体视觉中的光幻视放置，显著减少了所需光幻视数量，且在低电极密度下优势尤为明显。	摘要中未提及明确的局限性。	优化皮质视觉假体中的光幻视放置，以在有限的光幻视数量下实现有效的物体识别。	63名参与者在模拟假体视觉下进行物体识别任务。	计算机视觉	视觉障碍	深度神经网络	深度神经网络 (DNN)	图像（模拟光幻视渲染图像）	63名参与者	NA	深度神经网络（具体架构未说明）	识别准确率（根据任务性质推断）	NA
15	2026-08-19	Efficient ECG representation learning via intervention-based attribution alignment 2026-Aug-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae9450 PMID:42546764	研究论文	本文提出一种基于干预归因对齐的自监督学习方法，用于在标签稀缺的可穿戴心电数据场景中提升模型分析性能	将干预启发式操作集成到对比学习框架中，通过特征干预学习视角不变机制，以降低对标注数据的依赖	未提及具体限制	解决可穿戴心电测量场景中标签稀缺问题，提高模型对稀疏标注心电信号的分析性能	可穿戴设备采集的长期、多导联心电信号	机器学习	心律失常	NA	自监督学习模型	心电信号（数值序列）	四个公共心电数据集	NA	NA	NA	NA
16	2026-08-19	Sex estimation from hand-wrist radiographic images: an artificial intelligence approach 2026-Aug-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03964-1 PMID:42608590	研究论文	本研究评估了三种深度学习架构（YOLOv5、YOLOv8和YOLOv11）在手部腕部X光图像中自动进行性别分类的性能	首次将YOLOv8和YOLOv11应用于手部腕部X光图像的性别估计，并证明无需手动标注或感兴趣区域选择即可实现高精度	样本仅限于8-18岁个体，可能不适用于其他年龄组或不同人群	评估YOLOv5、YOLOv8和YOLOv11在手部腕部X光图像中进行自动化性别分类的性能	8-18岁个体的手部腕部X光图像，共1800张	计算机视觉	NA	NA	YOLO系列深度学习模型（YOLOv5、YOLOv8、YOLOv11）	图像（手部腕部X光片）	1800张手部腕部X光图像	NA	YOLOv5, YOLOv8, YOLOv11	准确率、精确率、召回率、F1分数、混淆矩阵、AUC	NA
17	2026-08-19	Integrative transcriptomic and machine learning approaches reveal candidate genes for silk and venom production in Bibionomorpha (Diptera) 2026-Aug-18, Insect molecular biology IF:2.3Q1 DOI:10.1111/imb.70061 PMID:42610280	research paper	整合多物种转录组学和机器学习方法，揭示双翅目 Bibionomorpha 中丝和毒液产生的候选基因及其进化机制	首次将可解释的深度学习与共表达网络分析结合，实现了对丝和毒液表型的高精度判别，并通过 AlphaFold3 结构预测验证了基因的分泌功能，揭示了两种分泌系统的独立进化起源	NA	研究双翅目昆虫中丝和毒液分泌系统的生理和进化架构，揭示其分子基础	11种 Bibionomorpha 昆虫物种的转录组数据	transcriptomics, machine learning	NA	de novo transcriptome assembly, RNA-seq, AlphaFold3	WGCNA, categorical neural classifiers	转录组测序数据	11个 Bibionomorpha 物种	NA	NA	AUC	NA
18	2026-08-19	Deep Learning-Driven Discovery and Engineering of an Efficient PETase for Depolymerization and Detoxification of PET Microplastics Under Physiological Conditions 2026-Aug-18, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77163 PMID:42610517	研究论文	利用深度学习从2.46亿蛋白质中挖掘并工程化改造了一种高效的PET水解酶AhPETase，实现生理条件下微塑料的降解和解毒	首次利用深度学习挖掘未探索的序列空间，发现与已知PET降解酶同源性极低的新型水解酶，并在生理条件下实现高效降解及首次证实酶促微塑料解毒的概念	未提及具体局限性	发现和工程化可在生理条件下高效降解PET微塑料的酶，并验证其解毒效果	PET微塑料及人类肺和结肠细胞	深度学习	环境健康风险相关疾病	深度学习序列挖掘、酶工程	深度学习模型	蛋白质序列、实验数据	2.46亿个蛋白质序列，以及具体实验样本未提及	未提及	未提及	降解效率、酶活性保持时间、降解速率倍数	未提及
19	2026-08-19	Impedance-based particle tracking at micrometer scale with limited training data: a deep learning architecture analysis and optimization framework 2026-Aug-18, Lab on a chip IF:6.1Q2 DOI:10.1039/d6lc00506c PMID:42610759	研究论文	本文提出并分析了一个用于从连续电阻抗测量中实现微米级粒子实时定位的深度学习框架，该框架在训练数据有限的情况下结合了时间卷积网络、双向长短期记忆网络、全连接网络和自动参数调优引擎	提出一个统一特征提取与数据驱动架构调优引擎的框架，在数据稀缺条件下保持预测能力，并提供了各网络元素的详细分析及代码和数据公开	研究仅使用均匀的聚苯乙烯珠验证方法，未涵盖生物样本的异质性，且未在更复杂异质生物样品上验证	实现基于电阻抗测量的微米级粒子实时定位，并提供一个深度学习的架构分析与优化框架，以支持该算法在芯片实验室社区中的应用	微米级颗粒，具体为8微米和5微米的聚苯乙烯珠	机器学习	NA	电阻抗测量	TCN, BiLSTM, FCN	电阻抗测量序列数据	53个聚苯乙烯珠（8微米和5微米）	NA	TCN, BiLSTM, FCN	定位精度、预测时间	NA
20	2026-08-19	Deep Learning-Assisted RTP Sensor Array Based on a Melt-Injection Reaction for Visual Discrimination of Fluoroquinolone Antibiotics 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c02762 PMID:42610886	研究论文	本文报道了一种基于熔融注入反应构建的深度学习辅助室温磷光传感器阵列，用于氟喹诺酮类抗生素的可视化区分	通过简单的熔融注入反应将非发射性的氟喹诺酮类抗生素转化为具有可调超长室温磷光发射的复合材料，并结合深度学习模型直接从余辉图像中实现抗生素的可视化区分	未明确提及	开发一种能够灵敏检测并准确区分氟喹诺酮类抗生素亚型的分析方法	四种氟喹诺酮类抗生素及其混合物	机器学习	不适用	室温磷光传感	深度学习模型	图像	四种氟喹诺酮类抗生素及其混合物，以及肉类样品	未明确提及	未明确提及	选择性、回收率	未明确提及