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	2026-06-13	TFMPHGNN: Two-Fold multi-perspective heterogeneous graph neural network for sentiment analysis 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108885 PMID:41904902	研究论文	提出一种双阶段多视角异构图神经网络（TFMPHGNN）用于情感分析，联合建模情感、情绪和上下文依赖关系	首次将双阶段异构图框架与胶囊网络、多通道图卷积网络和变分自编码器结合，从拓扑、语义和协作三个视角联合建模情感-情绪对，在VaKSent-2025语料上显著优于当前最优方法	未明确说明局限性	解决传统深度学习模型难以捕捉情感表达、上下文线索和情感特征之间复杂交织关系的问题，实现细粒度情感理解	异构数据源中的情感表达、情绪特征和上下文依赖关系	自然语言处理	NA	NA	图神经网络	文本	VaKSent-2025语料库（具体样本数量未说明）	PyTorch	异构图神经网络、胶囊网络、多通道图卷积网络、变分自编码器	准确率、F1-micro、F1-weighted	NA
2	2026-06-13	Quantification via gaussian latent space representations 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	提出了一种基于高斯分布潜在空间表示的新颖定量方法，用于解决类别比例估计问题	首次将高斯分布在潜在空间中的应用与深度学习端到端框架结合，无需中间分类器，直接优化定量目标，实现类别比例估计	未提及应用的局限性或潜在限制	开发一种深度学习方法来直接估计未知样本包中每个类别的流行度，避免传统方法所需的中间分类器依赖	类别流行度估计（定量问题）中的样本包	机器学习	NA	NA	神经网络	NA	NA	NA	高斯分布潜在空间表示	NA	NA
3	2026-06-13	VGM-UNet: A hybrid visual graph deformable mamba with fourier neural operator U-Net for medical image segmentation 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108890 PMID:41916237	研究论文	提出一种名为VGM-UNet的混合视觉图变形Mamba与傅里叶神经算子U-Net架构，用于医学图像分割	首次将结构化状态空间对偶算法与图神经网络、稀疏注意力及Mamba-2结合到U-Net中，构建了2D状态空间模型和八向多扫描模块，并引入基于快速傅里叶变换的前馈网络模块，提升了小物体捕捉精度和模型表达能力	仅对Synapse和ACDC基准数据集进行了验证，未在其他数据集或实际临床场景中测试；未详细讨论计算资源需求和训练时间	提高U形分割模型在医学图像分割中的准确性和表现力，突破传统U-Net架构的性能瓶颈	医学图像分割任务，特别是Synapse和ACDC数据集中的腹部多器官和心脏图像	计算机视觉, 数字病理学	NA	NA	Mamba-2, Graph Neural Network, U-Net	图像	Synapse数据集和ACDC数据集（具体样本数未提及）	PyTorch（推断）	VGM-UNet（包含Vision Mamba-2、图神经网络模块、傅里叶前馈网络）	分割准确率	NA
4	2026-06-13	Signature-aware deep learning reveals distinct driver gene programs and mutational processes in glioblastoma and colon adenocarcinoma 2026-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108984 PMID:41764951	研究论文	提出一种名为ResMLP-GL的签名感知残差多层感知机，用于癌症驱动基因的预测，并整合了COSMIC SBS背景概率向量与超过100个功能和序列特征	显式整合突变过程背景概率向量，通过残差门控模块增强梯度流并促进过程感知表示学习，在跨癌症驱动预测中超越了CHASMplus等现有方法	NA	精确识别癌症驱动突变，揭示突变过程与驱动基因选择之间的可解释联系	胶质母细胞瘤和结肠腺癌的驱动基因程序及突变过程	机器学习	胶质母细胞瘤, 结肠腺癌	全外显子组测序	残差多层感知机（ResMLP）	基因变异数据	TCGA GBM/COAD外显子组及ICGC独立验证队列	PyTorch, Optuna	ResMLP-GL	AUC, SHAP分析	NA
5	2026-06-13	scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning 2026-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108998 PMID:41791270	研究论文	提出一种基于双对比学习的多视图单细胞RNA测序聚类方法，整合ZINB掩码自编码器、图神经网络和双对比学习，同时捕捉细胞内在特征和全局结构特征	首次将ZINB掩码自编码器、图神经网络与双对比学习结合，通过双对比损失函数同时优化簇内紧致性、簇间分离性和结构一致性，解决了现有方法在捕捉细胞内在特征与全局结构特征间的权衡问题	未明确说明论文局限	解决单细胞RNA测序数据高稀疏性、强非线性和极高维度带来的聚类挑战，提出综合性的深度学习聚类框架	单细胞RNA测序数据中的细胞聚类	机器学习	NA	scRNA-seq	ZINB掩码自编码器、图神经网络	scRNA-seq基因表达矩阵	公开数据集（未明确数量）	PyTorch	ZINB-MAE、GNN	聚类准确率、标准化互信息、调整兰德指数	NA
6	2026-06-13	Online detection of apple moldy core using near-infrared spectroscopy with flexible transmission tray and deep learning 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127682 PMID:41797157	研究论文	提出了一种结合柔性传输托盘、近红外光谱和深度学习的方法，用于在线检测苹果霉心病	设计柔性传输托盘以稳定苹果位置、减少环境光干扰并引导近红外光穿透果芯，从而获取可重复的透射光谱；结合SCARS-SPA波长选择与CNN-LSTM混合架构实现高精度的二分类和三分类	未提及在更大规模或不同品种苹果上的验证，也未讨论实时分拣系统的实际部署挑战	实现苹果霉心病早期感染的精确、高通量在线检测	苹果霉心病（健康/患病，包括轻度/重度）	机器学习, 计算机视觉	苹果霉心病	近红外光谱（NIR），透射光谱	CNN, LSTM, 混合CNN-LSTM	光谱数据	未提供具体样本数量	NA	CNN-LSTM	分类准确率（98.82%二分类，97.65%三分类）	NA
7	2026-06-13	A hybrid adaptive preconditioned gradient method with momentum for deep learning 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108758 PMID:41764807	研究论文	提出了一种用于深度学习的新型二阶自适应优化器，结合动量与混合策略	首次将自适应预条件梯度方法与动量结合，提出混合自适应预条件梯度法以在AdapGradm与随机梯度下降之间平滑过渡，保持计算效率的同时捕捉二阶曲率信息	文中未明确提及局限性，但可能面临大规模模型或复杂任务的泛化挑战	设计一种高效的二阶自适应优化器以提升深度学习训练性能	深度神经网络训练中的优化算法	机器学习	NA	NA	自适应预条件梯度法	图像与文本数据	NA	NA	三种常见神经网络架构（未具体命名）	训练误差	NA
8	2026-06-13	Benchmarking Hybrid CNN-Transformer Versus Pure Transformer Architectures for Accelerated Hyperpolarized 129Xe MRI Reconstruction 2026-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70314 PMID:41891379	研究论文	系统性评估混合CNN-Transformer与纯Transformer架构在超极化129Xe MRI重建中的性能	首次综合评估集成k空间和图像双域处理的混合CNN-Transformer及纯Transformer架构在HP 129Xe MRI重建中的应用	基于回顾性数据，未在不同加速因子下全面评估所有架构的临床适用性	比较不同深度学习架构在加速HP 129Xe MRI重建中的效果	超极化129Xe MRI图像重建	机器学习, 数字病理学	COPD, 哮喘, 长新冠	超极化129Xe MRI	CNN, Transformer	MRI图像	205名参与者（22名健康、26名COPD、90名哮喘、67名长新冠），共1640个2D切片	PyTorch	KTMR, KIKI-net, ReconFormer, SwinMR, MR-IPT	PSNR, SSIM, NMSE, VDP	NA
9	2026-06-13	A transformer and 3D CNN-based feature fusion network with interpretable ability for Raman spectra analysis: improving the diagnosis of thyroid cancer 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127623 PMID:41762798	研究论文	提出了一种结合Transformer和3D CNN的深度学习框架，用于拉曼光谱分析以改善甲状腺癌诊断	首次将1D光谱和2D时空特征的多模态融合应用于基于拉曼光谱的甲状腺癌检测，通过多头交叉注意力机制实现动态特征整合，并增强了模型可解释性	2D光谱转换可能引起信息丢失，其程度取决于编码策略	提高甲状腺良恶性病变的鉴别准确性和模型可解释性	甲状腺病变的拉曼光谱数据	机器学习	甲状腺癌	拉曼光谱	Transformer, 3D CNN	光谱数据	未明确说明	PyTorch	Transformer, 3D-CNN	准确率	未明确说明
10	2026-06-13	Deep learning assisted cell electrical signal analysis in impedance cytometry 2026-Jun, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116093 PMID:41763285	研究论文	开发了基于一维CNN的算法BioFluxNet，用于自动分析阻抗细胞术中的原始电信号，实现细胞分类和计数	BioFluxNet消除了传统信号处理中耗时的步骤，减少人工干预和操作者主观性，提供快速自动化的解决方案	NA	实现阻抗细胞术中原始电信号的自动分析，以直接分类细胞类型并量化细胞数量	阻抗细胞术中的细胞（包括血液细胞和肿瘤细胞）及颗粒	机器学习	NA	阻抗细胞术	一维CNN	原始电信号流	NA	NA	卷积层、归一化层、激活层、池化层、线性层	NA	NA
11	2026-06-13	Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI 2026-Jun, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110656 PMID:41794343	研究论文	评估深度学习重建技术在0.55T低场强脑部MRI中提高图像质量和缩短采集时间的效果	首次在0.55T低场强MRI中系统评估基于变分网络架构的深度学习重建算法，证明其能显著提升定量与主观图像质量，同时缩短采集时间至标准MPRAGE的一半	标准重建在伪影抑制和灰白质对比方面略优于DL重建；样本量较小（30例），可能影响结果泛化性	量化评估深度学习图像重建在低场强脑部MRI中的应用价值，特别是与标准MPRAGE的图像质量和采集时间比较	30例接受0.55T MRI扫描的患者脑部3D T1加权MPRAGE图像	计算机视觉	NA	MRI	变分网络 (Variational Network)	图像	30例患者MRI扫描数据	NA	变分网络 (Variational Network)	信噪比 (SNR), 对比度噪声比 (CNR), Likert评分（解剖细节、血管可见度、整体诊断质量等）	0.55T MRI系统 (MAGNETOM Free.Max, Siemens Healthineers)
12	2026-06-13	Graph neural network-based prediction and interpretation of Daphnia toxicity using distinct scale molecular representations 2026-Jun-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125676 PMID:41795367	研究论文	基于图神经网络的多尺度分子表征预测和解释水蚤毒性	首次整合分子和宏观层面特征，比较三种图分子表示方法，并证实基于SMARTS子图表示具有最佳鲁棒性和可解释性	未提及具体局限性	开发基于深度学习的框架以预测水蚤致死浓度并解释毒性机制	化学物质对水蚤的毒性（LC值）	机器学习	NA	SMILES, SMARTS, 图分子表示	图神经网络	分子结构数据	涵盖五种作用机制类别（麻醉、极性麻醉、非特异性反应、特定机制、未分类）的化学物质	PyTorch	图神经网络变体（标准GNN优于复杂变体）	决定系数R²	NA
13	2026-06-13	Frontiers and challenges in the design of binders for intrinsically disordered proteins 2026-Jun, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103256 PMID:41887012	综述	探讨针对固有无序蛋白的配体设计领域的最新进展与挑战	系统比较了从物理原理到深度学习驱动的设计策略，并指出该快速进展领域的关键挑战与未来方向	未提供具体的计算验证或实验数据支持，侧重于方法学讨论与展望	综述固有无序蛋白配体设计策略的原理、优势、局限及其应用	固有无序蛋白及其特异性配体	机器学习	普通疾病类别（未明确指出具体疾病）	计算机辅助蛋白设计	NA	NA	NA	NA	NA	NA	NA
14	2026-06-13	Harnessing artificial intelligence in healthcare: Advancing diagnosis, treatment, and patient-centered care 2026-Jun, Journal of the National Medical Association IF:2.5Q1 DOI:10.1016/j.jnma.2026.02.007 PMID:41833484	综述	探讨人工智能在医疗保健中的整合应用及其对诊断、治疗和患者护理的影响	系统评估AI在临床实践中的整合效果，涵盖诊断工具、药物发现、管理系统和远程医疗，并强调可解释性和伦理对齐的未来方向	AI融入常规临床实践面临系统整合复杂性、数据依赖性及伦理挑战，如数据隐私风险、算法偏见和决策透明度不足	评估AI技术对医疗保健可及性、质量和效率的提升作用，并分析其实际应用中的障碍	同行评审文献、报告和案例研究	机器学习	NA	NA	深度学习、人工神经网络	文本、图像	NA	NA	NA	诊断准确性	NVIDIA Clara
15	2026-06-13	Leveraging deep learning semantic segmentation for imaging coral skeletons 2026-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108313 PMID:41819390	研究论文	利用基于U-Net的深度学习模型对石珊瑚骨骼的显微CT图像进行语义分割，以分析骨骼结构特性	首次系统比较了多种U-Net变体（Attention U-Net、U-Net++和标准U-Net）在珊瑚骨骼显微CT图像分割中的性能，并展示了该方法在分析骨骼健康与疾病状态差异方面的应用	基于U-Net的深度学习分割存在准确率限制，可能导致假阳性或假阴性分类	建立一种用于钙化组织语义分割的深度学习模型训练和部署框架，以增进对跨物种和病理背景下骨骼生成和生长模式的理解	石珊瑚（Montastraea cavernosa和Porites astreoides）的骨骼显微CT图像	计算机视觉	石珊瑚组织损失病	显微CT	卷积神经网络	图像	来自两种石珊瑚（Montastraea cavernosa和Porites astreoides）的显微CT数据集	NA	Attention U-Net, U-Net++, 标准U-Net	计算效率, 准确率, 泛化能力	NA
16	2026-06-13	Integration of traditional Chinese medicine and machine learning: Opportunities, obstacles, and implications for future of healthcare 2026-May, Journal of integrative medicine DOI:10.1016/j.joim.2026.02.004 PMID:41765716	综述	本文综述了机器学习在传统中医中的应用现状，探讨了其机遇、障碍及对未来医疗的影响	将传统中医的哲学理念与机器学习技术相结合，提出通过知识图谱和深度学习优化诊断、治疗和预后评估，并讨论凸机器学习在增强测试算法中的潜力	未具体说明实验结果或定量评估，主要基于文献综述和理论分析	探讨机器学习与传统中医整合的机遇与挑战，并为未来医疗提供建议	传统中医实践中的诊断、治疗和预后评估流程	机器学习	非特定疾病	NA	深度学习	文本、知识图谱	NA	NA	知识图谱、深度学习	NA	NA
17	2026-06-13	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	提出XNet，一种基于注意力多域融合和视觉分析的双域深度学习模型，用于增强身体活动强度评估	提出层级多头架构和两阶段注意力特征融合模块，首次将频率域特征用于提高跨数据集的泛化能力，并集成视觉分析框架实现可解释的健康监测	未提及在极端真实环境（如传感器噪声或缺失严重）下的性能表现，以及模型对不同人群的公平性验证尚不充分	开发一种准确且泛化的身体活动强度分类和能量消耗估计方法	身体活动强度监测中的加速度计数据和生理信号（心率、心电图）	机器学习	久坐行为相关健康问题	加速度计传感、生理信号采集	深度学习模型（层级多头架构）	时间序列信号（加速度计、心率、心电图）	多个公开数据集和一个包含105名参与者的新数据集	PyTorch	卷积神经网络（1D-CNN）、Transformer、图注意力网络（GAT）	F1分数、真阳性率、推理延迟、准确率、效率、鲁棒性	NA
18	2026-06-13	A scoping review of radiation dose and image quality in paediatric CT: Towards safe imaging protocols and diagnostic reference levels in Jordan 2026-May, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102207 PMID:41780085	综述	系统综述国际儿科CT辐射剂量与图像质量证据，评估约旦当前实践，并提出建立国家诊断参考水平和优化成像方案的建议	首次系统梳理约旦儿科CT辐射剂量现状，对比国际标准，明确缺乏标准化方案和先进降剂量技术是导致剂量偏高的关键因素	NA	为约旦建立儿科CT国家诊断参考水平和优化成像方案提供循证建议	儿科CT辐射剂量与图像质量的相关研究	机器学习	NA	CT成像，深度学习重建	NA	文本	28项研究	NA	NA	NA	NA
19	2026-06-13	Preoperative identification of deep myometrial invasion in endometrial cancer: a multicenter MRI study with a vision foundation model-enhanced multimodal deep learning framework 2026-May, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2026.115018 PMID:41780136	研究论文	开发并验证一种视觉基础模型增强的多模态深度学习放射组学框架，用于无创预测子宫内膜癌患者深肌层浸润	首次将视觉基础模型与多模态深度学习相结合，通过跨序列引导注意力模块实现MRI序列间的语义对齐与协同特征表示，并整合关键临床病理变量构建预测模型	未明确提及局限性	评估视觉基础模型增强的多模态深度学习放射组学框架在预测子宫内膜癌深肌层浸润中的性能	1376例子宫内膜癌患者的多中心MRI影像及临床病理数据	计算机视觉, 数字病理学	子宫内膜癌	MRI	深度学习模型	图像, 文本	1376例子宫内膜癌患者的多中心样本	PyTorch	视觉基础模型, 跨序列引导注意力模块	AUC	NA
20	2026-06-13	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-May, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	开发基于卷积神经网络（CNN）的模型，用于预测院外心脏骤停（OHCA）患者的自主循环恢复（ROSC），并识别新的心电图表型	同时预测ROSC概率和分类可电击心律，并通过K-means聚类从CNN特征表示中识别出五种具有不同形态和ROSC概率的新心电图表型	回顾性研究设计，仅使用韩国OHCA登记数据，结果通用性可能受限	开发CNN模型预测OHCA患者的ROSC并识别新的心电图表型	院外心脏骤停（OHCA）患者	机器学习	心脏骤停	NA	卷积神经网络（CNN）	心电图信号	3452名患者（中位年龄73岁，34.4%女性）	NA	一维卷积神经网络	受试者工作特征曲线下面积（AUC）	NA