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	2026-09-26	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种名为FocFormer-UNet的深度学习网络，利用光声图像的针头影像作为真实标注来训练模型，从而在超声图像中实现针头追踪，无需人工标注	创新性地使用光声图像作为真实标注来训练深度学习模型，无需人工标注，并提出了FocFormer-UNet网络架构，将焦点调制与Transformer相结合用于超声针头追踪	未明确说明模型的泛化能力是否在更多不同超声系统和更大规模数据集上进行了验证，光声成像的临床可用性可能限制该方法的广泛应用	提高超声引导下针头追踪的准确性和可视化效果，减少对人工标注的依赖，提升超声引导针头插入手术的精度和可靠性	超声图像中的针头，使用光声图像作为真实标注	计算机视觉, 医学图像分析	NA	光声成像, 超声成像	CNN, Transformer	图像	人类临床数据集（具体样本数量未提及）	NA	UNet, Transformer, Focal Modulation	修正Hausdorff距离, 靶向误差	NA
2	2026-09-26	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	该文章提出了一种物理信息神经网络SW-VEI-Net，通过将粘弹性波方程集成到双网络架构中，同时重建剪切弹性模量和粘性模量，用于剪切波粘弹性成像	创新点包括：将粘弹性波方程集成到双网络架构中实现物理信息神经网络；采用双损失函数平衡数据保真度和物理正则化；能够同时评估剪切弹性模量和粘性模量；相比基于线性弹性模型的SWENet，在剪切弹性模量重建上达到更高精度；相比基于粘弹性模型的色散拟合方法，展现出更强的鲁棒性和一致性	摘要中未明确提及研究局限性	解决剪切波弹性成像中定量粘弹性成像面临的复杂波物理和传统重建方法局限性问题，实现剪切弹性模量和粘性模量的同时重建	组织模拟体模、大鼠肝纤维化模型、临床病例以及健康志愿者	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	超声图像	NA	NA	双网络架构	AUC	NA
3	2026-09-26	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究提出Fusion ResNet模型，融合胎心率时间序列与表格临床特征，用于预测胎儿窘迫，并在内部及外部数据集上验证其性能与可解释性	提出融合残差卷积网络与表格特征并行网络的Fusion ResNet架构，同时结合SHAP与Grad-CAM实现临床可解释性	内部验证使用私有数据集，外部验证数据集规模较小（552例），未提及多中心前瞻性验证	开发可解释的深度学习模型，融合胎心率时间序列与表格临床特征，提高胎儿窘迫（脐动脉pH<7.05）的预测准确性	胎心率记录及相关的表格临床特征数据	机器学习	胎儿窘迫	胎心监护（CTG）	CNN	时间序列, 表格数据	内部私有数据集9,887条胎心率记录，外部CTU-UHB数据集552条记录	NA	ResNet	AUC	NA
4	2026-09-26	uPVC-Net: A Universal Premature Ventricular Contraction Detection Deep Learning Algorithm 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3655531 PMID:41557574	研究论文	本文开发了一种通用的深度学习模型uPVC-Net，用于从任意单导联心电图记录中检测室性早搏	提出了自定义架构和多源、多导联训练策略，能够在不同导联配置和人群中实现强泛化，并在可穿戴单导联心电图数据上达到高AUC	摘要中未明确提及研究的局限性	开发一个通用的深度学习模型，用于从任何单导联心电图记录中准确检测室性早搏，并评估其在不同数据集上的泛化能力	心电图记录中的室性早搏	机器学习	心血管疾病	深度学习	CNN	心电图信号	四个独立心电图数据集，共830万次心搏，来自Holter监测器和现代可穿戴心电图贴片	NA	自定义架构	AUC	NA
5	2026-09-26	Transfer learning with pre-trained language models for protein expression level prediction in Escherichia coli 2026-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2025.11.012 PMID:41438772	研究论文	本文提出了TLCP-EPE，一个融合密码子和蛋白质级别预训练语言模型的迁移学习框架，用于预测大肠杆菌中重组蛋白的表达水平。	首次融合密码子级别和蛋白质级别的预训练语言模型（CaLM和ProtT5），通过LoRA微调和BiGRU-MLP预测器整合嵌入，实现了对表达决定因素的双模态联合建模，性能优于现有最先进方法。	仅在两个独立测试数据集上验证，样本来源和多样性有限；未提及模型在其他宿主生物或更广泛蛋白类型上的泛化能力。	提高大肠杆菌中重组蛋白表达水平预测的准确性和泛化能力。	大肠杆菌中重组蛋白的表达水平，涉及密码子序列和蛋白质序列。	机器学习，生物信息学	NA	迁移学习，预训练语言模型微调，LoRA	预训练语言模型（CaLM，ProtT5），BiGRU，MLP	序列数据（密码子序列和蛋白质序列）	两个独立测试数据集（具体样本数未提及）	NA	CaLM，ProtT5，BiGRU，MLP	AUC	NA
6	2026-09-26	Developmental Brain Age Estimation From MRI Data: A Systematic Review of Deep Learning Approaches and Open Datasets 2026-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70180 PMID:41414873	综述	本文系统综述了基于MRI数据的深度学习脑龄估计方法，聚焦于发育中大脑（胎儿至2岁），并比较了开放数据集和模型性能	全面综述了发育脑龄估计的深度学习方法和开放数据集，涵盖了临床和技术层面，并提出了未来研究方向	作为综述文章，未进行原始实验验证，可能受限于已发表研究的质量和范围	综述深度学习在发育脑龄估计中的应用，比较模型性能，讨论临床应用和挑战	发育中大脑（胎儿至2岁）的MRI数据	医学图像分析	神经发育障碍	MRI	深度学习	图像	NA	NA	NA	评估指标（未具体列出）	NA
7	2026-09-26	Deep learning for the change-point Cox model with current status data 2026-02-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	该研究针对当前状态数据下的变点Cox比例风险模型，开发了深度部分线性估计方法，以处理复杂的变点效应	使用深度神经网络对Cox框架中的协变量效应进行建模，提出最大似然估计过程，并建立估计量的渐近性质	未明确说明	为当前状态数据下的深度部分线性变点Cox比例风险模型开发估计方法，以容纳复杂的变点效应	乳腺癌数据集	机器学习	乳腺癌	当前状态数据	深度部分线性Cox比例风险模型	生存数据	未明确说明	未明确说明	深度神经网络	一致性,渐近独立性,半参数效率	未明确说明
8	2026-09-26	Fast learning-free organoid quantification and tracking with OrganoSeg2 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37526-7 PMID:41663503	研究论文	介绍了一种名为OrganoSeg2的软件，用于快速、无需训练地分割和追踪类器官，并在多种类器官类型中验证了其优越的泛化分割精度。	提出了一种改进的多窗口自适应阈值分割方法，加速了约10倍，增加了纵向单类器官追踪和多色荧光定量功能，并在泛化分割精度上超越了深度学习方法。	未明确提及局限性，但可能受限于明场低倍图像的分割挑战，以及特定应用下的参数调整需求。	开发一种通用、无需训练且高效的类器官分割和追踪软件，以支持大规模定量分析。	六种类型的类器官，包括腔面乳腺癌类器官。	数字病理学	乳腺癌	明场显微镜成像	NA	图像	六种类型的类器官	NA	NA	分割精度	NA
9	2026-09-26	Mass spectrometry-based human spatial omics: fundamentals, innovations, and applications 2026-Feb-06, Journal of biomedical science IF:9.0Q1 DOI:10.1186/s12929-026-01219-0 PMID:41645178	综述	系统综述了基于质谱的人体空间组学技术的基本原理、创新进展与应用前景	系统整合了质谱成像、标记方法和邻近标记技术的最新进展，并强调了深度学习、跨模态配准和云优化数据格式在分析流程中的整合	需要标准化、临床验证和可解释的人工智能才能实现更广泛的采用	系统梳理基于质谱的空间组学技术发展，探讨其在多模态空间生物学和个性化医疗中的应用	基于质谱的空间组学技术及其在肿瘤微环境、神经退行性疾病、发育生物学等领域的应用	空间组学	肿瘤, 神经退行性疾病	质谱成像, 邻近标记技术	NA	图像, 分子数据	NA	NA	NA	NA	NA
10	2026-09-26	Self-adaptive fine-tuning of deep learning super-resolution microscopy for artifact suppression in live-cell imaging 2026-Feb-02, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.101123 PMID:41658490	研究论文	本文开发了一种自适应微调方法，用于抑制深度学习超分辨率显微镜中的伪影，并应用于活细胞成像。	创新点在于自适应微调方法能够动态调整模型参数以最小化损失函数，该损失函数直接量化了活细胞成像中的伪影。	未明确提及局限性，因此输出为NA。	研究目的是抑制深度学习超分辨率显微镜中的伪影，提高活细胞成像的质量。	研究对象是活细胞成像中的纳米级细胞器相互作用。	计算机视觉	NA	深度学习超分辨率显微镜	NA	图像	NA	NA	NA	NA	NA
11	2026-09-26	Unsupervised learning of spatially varying regularization for diffeomorphic image registration 2026-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103887 PMID:41317547	研究论文	提出一种分层概率模型，用于在微分同胚图像配准中从数据端到端学习空间变化的形变正则化	将形变正则化强度的先验分布集成到分层概率模型中，实现空间变化正则化的端到端学习，并通过贝叶斯优化自动调参	未明确提及	解决深度学习图像配准中空间不变正则化忽略局部形变变化的问题	可变形图像配准	计算机视觉	NA	NA	分层概率模型	图像	NA	NA	NA	配准性能（具体指标未指明）	NA
12	2026-09-26	Attention-Based Multimodal Deep Learning for Uveal Melanoma Classification Using Ultra-Widefield Fundus Images and Ocular Ultrasound 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100985 PMID:41439217	研究论文	该研究开发并评估了一种基于注意力机制的多模态深度学习模型，整合超广角眼底照相和B超图像，用于自动分类葡萄膜黑色素瘤和脉络膜痣。	首次将注意力机制的多模态深度学习应用于超广角眼底图像和眼部超声图像的融合，以提高葡萄膜黑色素瘤与脉络膜痣的分类性能。	样本量相对较小，仅包括174名患者，且为回顾性单中心研究，可能影响模型的泛化能力。	开发并评估一种深度学习模型，整合超广角眼底照相和B超图像，用于自动分类葡萄膜黑色素瘤和脉络膜痣。	174名患者（93例葡萄膜黑色素瘤和81例脉络膜痣），来自一家三级眼科中心。	计算机视觉	葡萄膜黑色素瘤	超广角眼底照相和B超超声成像	深度学习模型	图像	174名患者（93例葡萄膜黑色素瘤和81例脉络膜痣）	NA	注意力机制	准确率, F1分数, AUC	NA
13	2026-09-26	Multiscale segmentation using hierarchical phase-contrast tomography and deep learning 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013923 PMID:41628266	研究论文	本文利用分层相位对比断层扫描（HiP-CT）生成的多尺度数据集，开发了一种基于深度学习的多尺度分割流程，并以人肾脏中的肾小球为案例进行了验证	提出了一种结合HiP-CT多尺度成像与深度学习的分割流程，通过高分辨率数据训练模型并利用伪标签和多尺度图像配准将分割能力扩展到低分辨率全器官扫描，实现了在完整人体器官中分割微小功能单元	伪标签的质量依赖于高分辨率预测的准确性和多尺度图像配准的精度，可能引入累积误差；目前仅在肾脏肾小球上进行了验证，对其他器官系统的适用性尚需进一步研究	开发一种能够在多尺度生物医学影像数据中有效分割微小功能单元的深度学习流程	人肾脏中的肾小球，包括来自四名人类肾脏的高分辨率VOI数据以及两名供体的全器官低分辨率数据	数字病理学	肾脏疾病	分层相位对比断层扫描（HiP-CT）	CNN	图像	四个高分辨率VOI数据集（来自四名人类肾脏）用于模型基准测试；两个全器官低分辨率数据集（分别来自一名62岁无肾脏疾病供体和一名94岁高血压供体）用于多尺度分割应用	NA	nnUNet	Dice系数	NA
14	2026-09-26	Strategies in Global Ancestry and Local Ancestry Inference 2026-Feb, Current protocols DOI:10.1002/cpz1.70321 PMID:41649483	综述	本文提供了一份关于全球祖先成分和局部祖先推断的实用协议指南，涵盖概念、方法分类、工具选择以及逐步操作流程	系统性地整合了全球祖先和局部祖先推断的方法学，并提供了基于ADMIXTURE和SHAPEIT5+RFMix的逐步协议，同时讨论了深度学习等最新进展	作为协议指南，未提出新的算法或模型，主要基于现有方法的总结和推荐	帮助研究人员在不同研究设计和数据集中选择和实施合适的祖先推断方法	混合人群的基因型阵列和全基因组测序数据	机器学习	NA	基因型阵列, 全基因组测序	基于模型的聚类, 降维方法, 隐马尔可夫模型, 基于窗口的机器学习, 深度学习	基因型数据, 测序数据	NA	NA	ADMIXTURE, SHAPEIT5, RFMix	NA	NA
15	2026-09-26	Learning genetic perturbation effects with variational causal inference 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013194 PMID:41628222	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测遗传扰动效应	将基于基因调控网络的线性因果模型与变分自编码器结合，利用学习到的调控网络表示扰动变化，实现对外部未见扰动的更好泛化	未明确提及	预测单细胞水平下遗传扰动引起的转录组响应，并识别功能扰动模块	单细胞转录组数据中的遗传扰动响应	机器学习, 计算生物学	NA	Perturb-seq, 单细胞测序	变分自编码器, 因果模型	单细胞转录组数据	NA	NA	SCCVAE (Single Cell Causal Variational Autoencoder)	NA	NA
16	2026-09-26	AI-enhanced Centiloid quantification of amyloid PET images 2026-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.71162 PMID:41670187	研究论文	本研究提出DeepSUVR，一种深度学习方法，通过在训练中惩罚不合理的纵向轨迹来校正Centiloid量化，从而提高淀粉样蛋白PET定量的一致性	提出惩罚生物学上不合理的纵向轨迹的新型AI方法，使模型在推理时无需纵向数据即可学习SUVR校正因子；推导出新的参考和目标掩膜，可复现模型的大部分性能，为整合到现有流程提供实用替代方案	未明确提及	解决不同示踪剂和扫描仪之间淀粉样蛋白PET Centiloid量化的变异性问题	淀粉样蛋白PET图像及参与者的Aβ PET扫描数据	计算机视觉, 数字病理学, 机器学习	阿尔茨海默病	Aβ PET成像, Centiloid量化, SUVR	深度学习	图像	训练集：2129名参与者（7149次Aβ PET扫描），来自AIBL/ADNI；验证集：来自10个外部数据集的10543名参与者的15807次Aβ PET扫描	NA	DeepSUVR	相关性, 变异性, 效应量	NA
17	2026-09-26	An Effective Approach for Recognition of Crop Diseases Using Advanced Image Processing and YOLOv8 2026-Feb, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71504 PMID:41676010	研究论文	该文章提出了一种结合先进图像处理技术和YOLOv8模型识别作物病害的有效方法	将局部对比度增强、小波变换、Sigmoid校正、伽马校正和中值滤波等先进图像处理技术与YOLOv8模型相结合，用于作物病害的分割和分类，并采用迁移学习	未明确提及	开发计算机辅助方法，利用作物图像检测和分类病害，以提高早期病害诊断并避免重大作物损失	番茄、咖啡、黄瓜、橄榄和小麦等经济作物的病害	计算机视觉	植物病害	图像处理技术（局部对比度增强、小波变换、Sigmoid校正、伽马校正、中值滤波）、深度学习	YOLOv8	图像	包含32种病害的混合数据集（具体样本数量未提及）	NA	YOLOv8	召回率、精确率、准确率、均方误差、峰值信噪比	NA
18	2026-09-26	EDEN: multiscale expected density of nucleotide encoding for enhanced DNA sequence classification with hybrid deep learning 2026-Jan-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06367-6 PMID:41580658	研究论文	提出了一种基于核密度估计的多尺度核苷酸编码框架，用于DNA序列分类	统一多尺度编码框架，能同时捕捉局部和远程依赖关系，参数数量远少于先进模型	未明确说明	提高DNA序列分类的准确性，用于理解基因调控、疾病机制和转化基因组学	DNA序列	机器学习	NA	核密度估计	混合深度学习	序列数据	16个基准数据集	NA	混合深度学习架构	平均性能	NA
19	2026-09-26	Deep tobit model: an integrated framework for high-dimensional censored regression with variable selection 2026-01-23, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09690-5 PMID:41571915	研究论文	本文提出了一种深度Tobit模型，将Tobit似然损失与深度学习结合，用于高维删失回归的变量选择和预测。	将负Tobit对数似然作为深度学习损失函数，并开发了两阶段特征选择算法，提供了收敛速度和选择一致性的理论保证。	未明确讨论计算复杂度或模型可扩展性。	解决高维左删失数据中非线性关系建模和变量选择的问题。	高维左删失数据，包括航空发动机机匣振动数据和HIV病毒载量数据。	机器学习	艾滋病	NA	深度学习	表格数据	NA	NA	NA	变量选择准确性，预测准确性	NA
20	2026-09-26	Harnessing artificial intelligence for genomic variant prediction: advances, challenges, and future directions 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag004 PMID:41518203	综述	本文综述了人工智能在基因组变异预测中的应用进展、挑战和未来方向，涵盖从传统方法到机器学习和蛋白质语言模型的演变	系统评估了当前变异影响预测器，并提出了增强预测器选择、多组学数据整合和优化计算工作流的策略	数据异质性、可解释性不足以及意义不明变异的持续存在，缺乏包容性基因组数据库	探讨人工智能在基因组变异解释中的演变，解决变异分类的关键挑战，并提出改进策略	基因组变异、变异影响预测器、多组学数据	机器学习	NA	多组学数据整合	机器学习, 深度学习, 蛋白质语言模型	基因组数据, 多模态数据	NA	NA	NA	预测准确性	NA