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
381	2026-08-26	Leveraging Pretrained Vision Transformers for classifying Alcohol Use Disorder using Raw Resting-State EEG 2026-Jan-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.14.699473 PMID:41648298	研究论文	利用预训练视觉Transformer对原始静息态脑电图进行分类，以识别酒精使用障碍。	首次将预训练于ImageNet的视觉Transformer（EEGViT）应用于原始静息态EEG数据，用于AUD分类，无需大量预处理。	分类准确率相对较低（约56%），模型性能随时间变化，可能受样本不平衡和混杂因素影响。	评估深度学习模型在基于原始静息态EEG数据分类酒精使用障碍（AUD）方面的潜力。	酒精使用障碍患者及健康对照的原始静息态EEG数据。	机器学习	酒精使用障碍、大麻使用障碍、阿片类使用障碍	脑电图（EEG）	视觉Transformer（ViT）	原始静息态脑电信号	5402条EEG记录，来自2710名参与者（年龄12-83岁，平均24岁；1338名男性，1372名女性）	NA	EEGViT（卷积嵌入+视觉Transformer）	分类准确率	NA
382	2026-08-26	Unifying phylogenetic traversal and deep learning to guide tree exploration 2026-Jan-14, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.14.699358 PMID:41648436	研究论文	本研究提出一种结合系统发育动态规划输出与深度学习的算法，通过递归神经网络在树遍历中预测最大简约树中的边，旨在提高系统发育推断效率	首次将系统发育动态规划结果而非原始序列比对作为深度学习输入，并利用递归神经网络在树遍历中学习特征进行分类	仅专注于边是否在最大简约树中的预测，尚未实现完整的系统发育推断流程，且未提及对大规模数据集的扩展性分析	探索深度学习在系统发育推断中的应用，通过预测树边分类为高效推断奠定基础	系统发育树中的边及其分类（是否属于最大简约树）	机器学习	NA	动态规划、深度学习	递归神经网络	序列比对数据	模拟和实证数据集，树规模多样，具体样本数未详述	NA	递归神经网络	预测质量，具体指标如准确率、F1分数未明确	NA
383	2026-08-26	Mukara: A deep learning alternative to the four-step travel demand model with a case study on interurban highway traffic prediction in the UK 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345576 PMID:41990075	研究论文	提出一种名为Mukara的深度学习框架，用于直接从社会经济和网络特征预测英国城际高速公路路段的交通流量，作为传统四步旅行需求模型的替代方案	提出一种直接逼近从外部社会经济特征和网络特征到观测交通流量的映射，无需传统模型中的静态调查数据和大量校准，适用于长期路段级流量预测	未提及具体限制，但可能受限于区域特定数据，且模型性能（R2为0.583）表明仍有改进空间	开发一种数据驱动的深度学习模型，实现长期、路段级的交通流量预测，用于战略规划	英国（英格兰和威尔士）的高速公路干线公路路段	机器学习	不适用	不适用	深度学习（具体未在摘要中指定，如CNN或LSTM等）	数值型数据（包括人口、就业、土地利用、道路网络特征和兴趣点）	八年数据，涵盖英格兰和威尔士的路段	未提及	未提及	平均GEH、平均绝对误差、R²	未提及
384	2026-08-26	LungNet: Leveraging state-space models with SE-enhanced skip connections for precise CT-based lung lesion segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346561 PMID:41990081	研究论文	提出了一个结合Mamba状态空间模型和改进UNet架构的深度学习框架LungNet，用于CT图像中肺部病变的精确分割	在UNet的跳跃连接中嵌入Squeeze-and-Excitation网络以减少特征冗余，并通过辅助损失解决浅层特征退化问题，同时结合卷积层的局部特征提取和状态空间模型的长距离依赖建模能力	未在摘要中说明具体局限性	提升肺部病变CT图像分割的准确性，以支持肺癌的早期检测、疾病监测和治疗规划	肺部病变（lung lesions）在CT图像中的分割	计算机视觉	肺癌	CT成像	Mamba状态空间模型与UNet结合	图像（CT图像）	多个数据集（具体样本量未说明）	NA	UNet, Mamba, Squeeze-and-Excitation	分割准确性（具体指标未在摘要中列出）	NA
385	2026-08-24	Extending protein language models to a viral genomic scale using biologically induced sparse attention 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag081 PMID:42480065	研究论文	提出一种扩展蛋白质语言模型至病毒基因组规模的方法，利用生物信息引导的稀疏注意力机制，训练于整个病毒基因组以捕获蛋白质间长程依赖关系	首次将蛋白质语言模型的上下文扩展至整个病毒基因组，并采用生物信息引导的稀疏注意力机制推断蛋白质间连接作为稀疏先验	未明确提及	克服单蛋白质模型忽视基因组内蛋白质间相互依赖的局限性，提升下游任务性能	病毒基因组及蛋白质序列	机器学习	NA	NA	Transformer	蛋白质序列	未明确提及	NA	稀疏注意力Transformer	掩码氨基酸预测准确率、下游任务区分性能	NA
386	2026-08-24	Thermodynamic principles link in vitro transcription factor affinities to single-molecule chromatin states in cells 2026-Jan-08, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.11.008 PMID:41308636	研究论文	通过定量比较体外转录因子结合率与亲和力及体内单分子染色质状态，揭示转录因子结合和染色质可及性的分子机制	将体外高通量测量与体内单分子测量及深度学习模型相结合，揭示侧翼序列对亲和力的40倍效应，并证明体外生物物理参数可预测体内未知基序语法的序列偏好	未提及具体限制	定量理解转录因子结合和可及染色质形成的分子细节，包括序列上下文如何调节亲和力、DNA搜索、占据动力学及基序语法协调	人类转录因子红系Krüppel样因子（eKLF/KLF1）	分子生物学	NA	高通量体外结合测量、单分子成像、深度学习建模	深度学习模型	体外结合数据、体内单分子占用数据	NA	NA	NA	NA	NA
387	2026-08-24	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于机器学习和外周血蛋白质组学，建立了流感病毒感染的诊断预测模型，并验证了SAA2作为流感特异性分子标志物的潜力。	整合外周血蛋白质组学与机器学习，发现SERPINA3、SAA1和SAA2等新标志物，并利用ELISA验证了SAA2作为流感辅助诊断指标的特异性。	摘要未提及研究的限制，如样本来源单一、模型泛化性验证不足等问题。	预测流感病毒感染的关键分子标志物，并评估模型在流感、COVID-19及混合感染中的鉴别诊断价值。	流感病毒、COVID-19及混合感染患者和健康个体的外周血蛋白质组及临床特征。	机器学习	流感、COVID-19	蛋白质组测序、ELISA	随机森林、LASSO回归	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体	NA	随机森林、LASSO回归	ROC曲线、AUC、相关性分析	NA
388	2026-08-24	Voxel-accurate MRI-microscopy Correlation Enables AI-powered Prediction of Brain Disease States 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125235 PMID:41993630	研究论文	本文介绍了BRIDGE平台，该平台结合体内MRI与双光子和超分辨显微成像技术，实现MRI信号的体素级精确映射到生物学真实状态，并利用卷积神经网络提升MRI的有效分辨率，从而支持脑疾病状态的AI预测。	首次实现体内纵向、体素级精确的MRI信号到生物学真实状态的映射，并利用多步迭代共配准流程整合体内和体外显微成像。	摘要中未明确提及局限性，可能包括样本量有限、技术复杂性或对特定显微成像条件的依赖。	建立MRI信号的微观真实标准，并利用深度学习预测脑疾病状态，提供肿瘤微环境的细胞级见解。	脑疾病状态，包括乳腺癌脑转移和胶质瘤的肿瘤微环境。	医学影像分析，深度学习	乳腺癌脑转移，胶质瘤	MRI，双光子显微镜，超分辨显微镜	卷积神经网络	MRI图像，显微图像	患者来源的异种移植模型	NA	卷积神经网络	NA	NA
389	2026-08-24	Protein design, generative AI and biological security 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1817535 PMID:41994287	综述	本文综述了人工智能驱动的蛋白质设计领域，探讨其双重用途影响，并提出平衡开放科学进步与生物安全的缓解策略。	系统评估了生成式蛋白质设计的生物安全风险，特别是AI生成的蛋白质可能逃避基于同源性的筛选，并提出了分层缓解策略。	未提供具体的实验验证或量化风险评估，主要基于现有文献和推理。	评估生成式蛋白质设计的双重用途影响，并提出相应的生物安全缓解策略。	AI生成的蛋白质序列和结构，及其在生物技术和生物安全中的应用。	机器学习	NA	深度学习	生成模型	文本	NA	NA	NA	NA	NA
390	2026-08-24	Artificial intelligence in the diagnosis of thyroid diseases: applications and challenges 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1740915 PMID:41994322	综述	本文综述了人工智能在甲状腺疾病诊断中的最新应用，重点讨论机器学习和深度学习算法在多种影像模态中的图像分类、分割和目标检测，并分析其面临的挑战	通过跨模态研究整合，揭示了AI在不同影像模态中的应用，突出了其在特征提取和风险分层中的潜在价值，并对数据异质性和可解释性不足等关键挑战进行了深入分析	AI应用面临数据异质性和可解释性不足等挑战，限制了临床信任和采用	探讨人工智能在甲状腺疾病诊断中的应用及其挑战，为个性化医疗和改善患者预后提供新途径	甲状腺疾病患者相关的超声、计算机断层扫描、磁共振成像和单光子发射计算机断层扫描影像数据	数字病理学	甲状腺疾病	NA	机器学习、深度学习	医学影像（超声、CT、MRI、SPECT）	NA	NA	NA	NA	NA
391	2026-08-24	RN-D3: detection, differentiation, and delineation of radiation necrosis on post-contrast MRI 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1891883 PMID:42625867	研究论文	本研究评估了多种深度学习分割模型在机构内放射坏死队列上的再训练效果，并整合最佳组件构建RN-D3端到端流水线，用于放射坏死的检测、区分和勾画	首次提出RN-D3端到端流水线，整合CNN分割骨干与RN-versus-non-RN分类器，同时解决检测、区分和勾画问题，并评估了多种预训练策略和架构在外部数据上的泛化能力	外部测试队列仅包含脑转移瘤患者，小病灶检测率较低，所有架构在外部数据上性能均有下降	评估深度分割模型在放射坏死检测和勾画中的表现，并构建端到端流水线用于放射坏死与脑转移瘤的区分	放射坏死病灶及脑转移瘤病灶	医学影像分析	放射坏死	MRI（对比增强MRI）	卷积神经网络（CNN）和Transformer	图像（MRI）	训练集：52名放射坏死患者（质子束放疗后）；外部测试集：29名患者39个放射坏死病灶，以及115个脑转移瘤病灶	PyTorch, MONAI	nnU-Net, STU-Net, TRIAD PlainConv, Spark3D, SwinUNETR, TRIAD SwinB	Dice相似系数（DSC），表面Dice（2 mm），病灶检出率，敏感性，特异性	NA
392	2026-08-24	A Multimodal Graph Neural Network Based on MRI Radi-omics for Prognostic Prediction in Locally Advanced Cervical Squamous Cell Carcinoma 2026 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748261480328 PMID:42627373	研究论文	开发并验证一种结合多序列MRI和临床变量的多模态图神经网络框架，用于预测局部晚期宫颈鳞状细胞癌的总生存期	创新性地构建了基于MRI影像组学的多模态图神经网络，利用图结构建模MRI切片间的空间关系，并整合成像特征与临床变量生成深度学习预后评分	该研究为回顾性队列研究，样本量有限，且未在外部独立队列中验证模型的泛化能力	开发和验证一个临床可解释的多模态深度学习框架，用于预测局部晚期宫颈鳞状细胞癌的总生存期，以支持个性化风险评估和治疗决策	247例经病理确诊的局部晚期宫颈鳞状细胞癌患者	数字病理学	宫颈癌	MRI成像	图神经网络	影像和临床数据	247例患者	NA	ResNet-50	ROC曲线下面积、Kaplan-Meier生存分析、Cox回归分析	NA
393	2026-08-24	Research on LSTM-based spatial target trajectory forecasting enhanced by attention mechanisms 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0356376 PMID:42627817	研究论文	提出了一种结合注意力机制与长短期记忆网络的卫星轨道预测修正方法，以提高空间目标轨道预测精度	将注意力机制与LSTM结合，利用历史轨道数据中的位置误差、速度和加速度特征预测轨道误差并修正SGP4预测结果，突破了传统物理模型的局限性	预测难度随预测时长增加而加大，模型更适合短期轨道误差预测；对网络神经元数量的设置较为敏感，可能影响模型性能	提高空间目标轨道预测的精度，为轨道误差预测、空间态势感知和碰撞预警提供有效方法	LAGEOS卫星及不同轨道高度的卫星	机器学习	NA	NA	LSTM、BiLSTM、SVM、BP神经网络	轨道数据（位置误差、速度、加速度等特征）	LAGEOS卫星的轨道数据及不同轨道高度的卫星验证数据	NA	注意力增强的LSTM（ATLSTM）	残差比例（X、Y、Z轴）	NA
394	2026-08-24	Improved motor imagery BCI performance via task-unaware compression in the BELT Bayesian Edge-Cloud architecture 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354976 PMID:42627854	研究论文	提出了一种模块化的贝叶斯边缘-云架构BELT，并实现了轻量级版本BELT-lite，用于改进运动想象脑机接口的性能	基于贝叶斯先验和后验的三个设计原则，任务无关压缩与分类目标的自动编码器结合，以及轻量级分类器适用于嵌入式设备	准确性相对EEGNet有约2.7个百分点的降低，且需要用户特定的微调	设计可扩展、可移植、隐私保护的脑机接口系统，提高运动想象BCI的性能和实用性	运动想象脑机接口数据，具体为BCI Competition IV-2a和IV-2b数据集	机器学习，脑机接口	不适用	脑电图	轻量级线性时不变模型	脑电图信号	18名受试者的脑电图数据，十折交叉验证	不适用	贝叶斯边缘-云架构，任务无关自动编码器，网络调优块	准确率，延迟，p值	ARM Cortex-A7硬件
395	2026-08-24	Automated classification of osteoporotic vertebral compression fractures in DR images based on improved YOLO26n-seg 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1844808 PMID:42630171	研究论文	提出了一种改进的YOLO26n-seg-SAConv模型，用于DR图像中骨质疏松性椎体压缩性骨折的自动化Genant分类，提高了分类性能并降低了计算复杂度	首次将Switchable Atrous Convolution（SAConv）模块替代YOLO26n-seg中的传统卷积下采样模块，在提高分类精度的同时减少计算量，实现对OVCFs的自动化Genant分类	方法学研究，数据来自单一机构及其附属机构，样本量相对有限；未报告外部验证结果；对小型骨折类型的改进可能受样本不平衡影响	验证自动化Genant分类OVCFs在DR图像上的可行性，为后续临床分诊辅助工具的开发提供技术基础	骨质疏松性椎体压缩性骨折（OVCFs）的DR图像	计算机视觉	骨质疏松性椎体压缩性骨折	NA	YOLO26n-seg	图像	483张DR图像	NA	YOLO26n-seg, SAConv	mAP50, FLOPs	NA
396	2026-08-24	Multiparametric MRI and artificial intelligence for non-invasive HER2 assessment in breast cancer: a comprehensive review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1893638 PMID:42630186	综述	系统评估多参数MRI结合放射组学和人工智能在乳腺癌HER2状态无创评估中的应用价值。	全面综述了多参数MRI序列和人工智能在HER2评估中的互补作用，并特别关注了HER2低表达与零表达的区分。	研究设计多为回顾性，参考标准存在异质性，外部验证有限。	评估多参数MRI结合放射组学和人工智能在无创评估乳腺癌HER2状态中的效用。	乳腺癌患者的HER2状态评估。	医学影像分析	乳腺癌	多参数MRI	放射组学、机器学习、深度学习	影像数据	34项研究	NA	NA	AUC, p值	NA
397	2026-08-24	Two-stage posture enhancement and stability modelling for pre-fall risk detection in athletic movements 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1867362 PMID:42630246	研究论文	提出一种两阶段深度学习框架，用于运动中的跌倒前风险检测，包括姿态增强和稳定性建模	采用两阶段框架，RePoseNet细化不完整的3D姿态序列，StaFallNet集成稳定性指标进行风险预测	未提及具体限制，但可能受限于UCF101子集和手动标注的帧级标签	提高运动训练中跌倒前风险的早期检测能力	运动中的跌倒相关动作，特别是UCF101数据集中的跌倒子集	计算机视觉	肌肉骨骼损伤	单目3D姿态估计	GRU, 动态图网络	视频图像	UCF101数据集中跌倒相关子集，具体样本数未提供	NA	RePoseNet (GRU, 跨关节注意力) 和 StaFallNet (动态图网络)	平均每关节位置误差, PCK	NA
398	2026-08-24	Deep learning in ventral hernia imaging: automated multi-structure CT segmentation for surgical planning 2026, Journal of abdominal wall surgery : JAWS DOI:10.3389/jaws.2026.15545 PMID:42630268	研究论文	本文利用TransUNet启发的深度学习模型对215例腹壁疝患者的CT影像进行自动化多结构分割，以辅助外科手术规划	首次将TransUNet架构应用于腹壁疝CT影像的多结构自动分割，实现疝缺损及关键解剖结构的快速、标准化评估	作为概念验证，需进一步的前瞻性临床验证才能用于手术决策	开发并验证用于腹壁疝手术规划的自动化CT分割深度学习系统	腹壁疝患者的CT影像及疝缺损、腹直肌、侧腹壁肌肉、腰肌等解剖结构	计算机视觉	腹壁疝	CT成像	TransUNet	影像（CT）	215例成人腹壁疝患者的CT扫描	NA	TransUNet	IoU	NA
399	2026-08-24	Developing artificial intelligence-based techniques for brain MRI image segmentation 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1894751 PMID:42630294	研究论文	本研究利用公开的Kaggle脑MRI数据集，开发了一种基于卷积神经网络（CNN）的自动脑MRI图像分割框架，以提高分割精度和效率	提出了一种结合预处理技术和CNN的AI分割框架，相较于传统图像处理方法在分割精度和减少人工干预方面表现更优	未提及具体局限性	开发基于AI的脑MRI图像分割技术，以支持神经系统疾病的准确诊断和治疗	脑MRI图像中的正常脑组织和异常区域	计算机视觉	脑肿瘤、阿尔茨海默病、多发性硬化症	MRI	CNN	图像	未提及具体样本数量	NA	CNN	准确率、Dice分数、IoU	NA
400	2026-08-24	Decoding serum C-reactive protein-associated molecular patterns in aging and secondhand smoke exposure chronic obstructive pulmonary disease male patients: evidence from cross-sectional, multi-omic and clinical studies 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1922619 PMID:42630335	研究论文	本研究通过横断面、多组学和临床研究，解码衰老和二手烟暴露相关的慢性阻塞性肺疾病男性患者血清C反应蛋白相关分子模式。	首次系统整合多组学数据，结合132种机器学习模型、NMF分析、单细胞分析和深度学习框架，全面揭示SCRP在衰老和SHS暴露COPD中的分子特征和致病通路。	主要基于公开数据库和横断面数据，需进一步前瞻性验证；功能验证仅限于q-RT-PCR，缺乏体内外功能实验。	探索SCRP在衰老和二手烟暴露COPD发病中的分子机制，并建立诊断和分子分型模型，识别潜在治疗靶点。	慢性阻塞性肺疾病患者，特别是衰老和二手烟暴露的男性患者。	生物信息学、多组学、数字病理学	慢性阻塞性肺疾病	转录组测序、单细胞测序、q-RT-PCR	机器学习模型、深度学习模型	RNA-seq数据、单细胞数据、临床数据	NHANES中7864名COPD患者，以及多个公开转录组和单细胞数据集（GSE248493, GSE55962, GSE77344, GSE42057, GSE1455871, GSE126923, GSE167295）	NA	NMF、scTenifoldKnk、AUCell、DrugReflector	诊断模型评估指标（未明确，如AUC、准确率等）	NA