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
141	2026-09-28	Detection of Solanum betaceum Cav fruit maturity using YOLO11-based deep learning 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1880899 PMID:42799401	研究论文	本研究评估了基于YOLO11的目标检测模型在真实农业环境中自动检测树番茄果实成熟度的性能	首次将YOLO11系列模型应用于树番茄果实成熟度的自动检测，并比较了不同规模模型的性能	数据集规模较小（200张图像），仅使用智能手机拍摄，可能影响模型的泛化能力	评估YOLO11模型在真实农业环境中自动检测树番茄果实成熟度的性能	树番茄（Solanum betaceum Cav）果实	计算机视觉	NA	深度学习目标检测	CNN	图像	200张图像，1,361个果实标注	PyTorch	YOLO11n, YOLO11s, YOLO11m	精确率, 召回率, mAP50, mAP50-95	NA
142	2026-09-28	Spatially varying gene regulation network inference from spatial transcriptomics 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag230 PMID:42801027	研究论文	提出SVGRN，一种基于条件变分自编码器和结构方程模型的深度学习框架，从空间转录组数据推断空间变化的高分辨率基因调控网络	将基因表达、调控相互作用和空间坐标整合到结构方程建模框架中，通过条件变分自编码器以无监督方式学习非线性、空间变化的调控程序，将组织水平调控细化为spot或细胞特异性GRN	未明确提及	从空间转录组数据中推断空间变化的高分辨率基因调控网络	空间转录组数据，包括模拟数据集、seqFISH小鼠胚胎数据、Visium人类皮肤鳞状细胞癌和输卵管数据集	机器学习	皮肤鳞状细胞癌	空间转录组学	条件变分自编码器	图像，文本	NA	NA	条件变分自编码器	NA	NA
143	2026-09-27	Money and mental health: a scoping review of financial variables, data sources, and analytical methods 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1812845 PMID:42459470	综述	本文是一篇范围综述，系统梳理了金钱与心理健康关系的研究，重点关注财务变量、数据来源和分析方法	首次系统性地综述了金钱与心理健康关系研究中的财务变量、数据来源和分析方法，并指出了利用客观财务数据和机器学习方法的研究空白	大多数研究依赖自我报告问卷，仅四项研究使用了客观财务数据，且大多数研究仅探讨财务困难对心理健康的影响，而非双向关系	系统梳理金钱与心理健康关系的研究，包括使用的财务变量和数据来源、建模方法以及新客观数据可能解决的方法学空白	与金钱和心理健康相关的已发表研究论文	心理健康	抑郁症、焦虑症、心理困扰、双相情感障碍	NA	机器学习、深度学习	文本	43项研究	NA	NA	NA	NA
144	2026-09-27	Multimodal Deep Learning for Diabetic Retinopathy: A Survey 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/4612172 PMID:42626299	综述	系统综述过去3年基于多模态深度学习的糖尿病视网膜病变诊断研究进展，涵盖关键模型、方法、数据集和评估指标	系统梳理了多模态深度学习在糖尿病视网膜病变领域的最新进展，明确指出多模态方法持续优于单模态模型，并识别出数据稀缺、域适应和可解释性三大核心挑战	作为综述文章，未提供原始实验数据；所综述领域面临数据稀缺、域适应和可解释性三大障碍	综述多模态深度学习在糖尿病视网膜病变自动诊断中的研究进展，总结关键模型、方法、数据集与评估指标	糖尿病视网膜病变的多模态深度学习诊断研究，包括视网膜图像、电子健康记录和临床文本数据	数字病理学	糖尿病视网膜病变	多模态深度学习	NA	图像, 文本, 电子健康记录	NA	NA	NA	NA	NA
145	2026-09-27	Automated Semisupervised Measurement of Optic Nerve Sheath Diameter From CT Following Traumatic Brain Injury 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/9929121 PMID:42564439	研究论文	本文提出了一种结合深度学习和半监督学习的全自动模块化流程，用于从头部CT扫描中测量视神经鞘直径（ONSD）	提出了一种结合深度学习与半监督学习的全自动模块化流程，利用有标签和无标签的公开数据训练视神经分割模型，克服了高质量专家标注数据稀缺的问题	切片测量精度随测量距离与眼球的距离变化而波动，且训练用的真实标注数据质量较低	实现创伤性脑损伤后CT图像中视神经鞘直径的全自动测量	创伤性脑损伤患者的头部CT扫描图像	计算机视觉	创伤性脑损伤	CT	CNN	图像	NA	NA	NA	IoU, Dice系数, 平均绝对误差	NA
146	2026-09-27	Boundary-aware and uncertainty-guided deep learning for multimodal magnetic resonance imaging segmentation of stroke lesions 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1872532 PMID:42614553	研究论文	该文提出了一种边界感知和不确定性引导的多分支深度学习模型MBGS-UNet，用于多模态磁共振成像中急性缺血性卒中病灶的分割	引入边界感知图注意力模块在深层特征上调控跨模态交互，采用不确定性门控融合模块在体素级别平衡图增强特征与编码器特征，并结合不确定性加权边界监督和一致性学习	病例配对统计分析未能提供充分证据支持其明显优于强基线模型，数值提升不应被解释为优越性或临床验证的结论性证据，需要在更大、更多样化和外部队列中进一步评估	开发一种多分支深度学习模型，用于急性缺血性卒中病灶的准确分割，以支持定量图像分析和后续临床评估	急性缺血性卒中病灶，多模态磁共振成像数据，包括扩散加权成像、表观扩散系数图和液体衰减反转恢复序列	计算机视觉, 医学图像分割	卒中, 脑血管疾病	多模态磁共振成像	CNN, 图注意力网络	图像	ISLES-2022数据集（具体样本量未在摘要中说明）	NA	MBGS-UNet（多分支U-Net，包含边界感知图注意力模块和不确定性门控融合模块）	Dice分数	NA
147	2026-09-27	A structure and function-based complete mutational map of human hemoglobin using AI 2026, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2026.1862613 PMID:42661945	研究论文	本文利用人工智能对成人血红蛋白（HbA）的所有已知和潜在变异进行了全面分析，构建了基于结构和功能的完整突变图谱，并开发了致病性预测模型	构建了HbA所有可能单氨基酸替换的完整突变景观；开发了整合结构信息的可解释性致病性预测模型，与AlphaMissense相比表现出强互补性能；提供了评估变异效应预测器在结构动态系统中可移植性和可解释性的框架	摘要中未明确提及研究的具体局限性	通过深入理解血红蛋白的序列-结构-功能关系，实现对单氨基酸替换的功能和临床后果的可解释和预测性洞察，并生成HbA的完整突变景观	人类成人血红蛋白（HbA）的所有已知和潜在变异，包括良性、致病性和意义不确定的变异	机器学习	血液疾病	机器学习	机器学习模型	序列数据、结构数据	所有已知和潜在的HbA变异数据集	NA	NA	NA	NA
148	2026-09-27	Application of Deep Learning Algorithm-Based Image Reconstruction in Improving Abdominal CT Image Quality in Adrenal and Renal Lesions Detection 2026, Radiology research and practice IF:2.2Q2 DOI:10.1155/rrp/2214739 PMID:42676850	研究论文	评估深度学习重建算法Precise Image（PI）在改善腹部CT图像质量及对肾上腺和肾脏病变诊断效能方面的表现	将深度学习重建算法PI应用于腹部CT图像重建，并系统比较其与FBP和iDose在肾上腺和肾脏病变检测中的图像质量及诊断信心	回顾性研究设计，样本量有限（191例），未提及外部验证或多中心数据	评估深度学习重建算法PI对腹部CT图像质量的改善效果及其对肾上腺和肾脏病变的诊断效能	191例接受腹部CT扫描的患者，关注肾上腺结节和肾囊肿	医学图像分析	肾上腺病变，肾脏病变	腹部CT扫描，深度学习图像重建	CNN	图像	191例患者的腹部CT图像	NA	NA	CNR, SNR, 图像质量评分, 诊断信心评分, Kappa一致性检验	NA
149	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
150	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
151	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
152	2026-09-26	Active guidance in ultrasound bladder scanning using reinforcement learning 2026-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35285-z PMID:41540132	研究论文	本文提出了一种基于强化学习的智能引导系统，用于改善膀胱超声扫描中图像采集过程	首次将强化学习应用于膀胱评估的超声引导；引入Adam LMCDQN算法并在线性MDP中验证；设计了结合领域知识的奖励函数	实验在模拟环境中进行，尚未在临床环境中验证	提高超声膀胱扫描中图像采集的质量和一致性	超声膀胱扫描过程	医学图像分析	泌尿系统疾病	超声成像	强化学习	图像	NA	NA	深度Q网络	成功率	NA
153	2026-09-26	Assessing the relation between protein phosphorylation, AlphaFold3 models, and conformational variability 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70376 PMID:41432299	研究论文	本文系统评估了AlphaFold模型（AF2、AF3非磷酸化、AF3磷酸化）预测磷酸化诱导的蛋白质构象多样性的能力	首次系统评估AlphaFold3磷酸化感知设计在预测磷酸化诱导构象变化方面的效果，并与AF2和AF3非磷酸化模型进行对比	所有模型主要与主导结构状态对齐，往往无法捕获磷酸化特异性构象，AF3磷酸化预测仅比AF2和AF3非磷酸化略有改善	评估AlphaFold模型预测翻译后修饰（特别是磷酸化）驱动的蛋白质构象变化的能力	蛋白质及其磷酸化修饰诱导的构象变化	机器学习	癌症, 阿尔茨海默病	NA	NA	NA	NA	NA	AlphaFold2, AlphaFold3	NA	NA
154	2026-09-26	Assessing the validity of leucine zipper constructs predicted by AlphaFold 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70438 PMID:41432297	研究论文	本研究利用超过2000个人类亮氨酸拉链实验数据，评估AlphaFold预测亮氨酸拉链二聚体结构的有效性，发现AlphaFold能高置信度预测出在体内因静电作用无法形成的二聚体，揭示了高置信度但低准确度的结构预测问题	首次系统性地使用大规模实验测试的人类亮氨酸拉链数据来评估AlphaFold对亮氨酸拉链结构域的预测能力，并揭示了AlphaFold预测高置信度但低准确度的二聚体界面这一重要局限性	研究仅聚焦于亮氨酸拉链结构域，未评估AlphaFold对其他类型蛋白质相互作用界面的预测能力；未提出改进AlphaFold预测准确度的方法；实验验证数据仅涵盖人类亮氨酸拉链	评估AlphaFold预测亮氨酸拉链结构域及区分可能和不可能二聚体界面的能力，理解AI在结构生物学中的当前能力和局限性	AP-1转录因子（特别是Fos和Jun）的亮氨酸拉链结构域，以及超过2000个实验测试的人类亮氨酸拉链	机器学习	NA	AlphaFold2, AlphaFold3, 氨基酸序列分析, 多序列比对	深度学习	蛋白质氨基酸序列	超过2000个实验测试的人类亮氨酸拉链	NA	AlphaFold2, AlphaFold3	NA	NA
155	2026-09-26	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-01, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	本研究通过深度学习从MRI提取区域脑龄，探讨慢性卒中患者病灶负荷、双侧大脑区域脑龄与运动障碍之间的关联	首次利用图卷积网络算法从结构MRI估计18个功能亚区的区域脑龄，揭示同侧半球加速老化与对侧半球代偿性减速老化并存的现象	回顾性观察性研究设计，无法确定因果关系，样本主要来自特定队列可能存在选择偏倚	探究局灶性病变损伤、双侧半球区域脑龄与慢性卒中运动结局之间的关联，并识别运动障碍的关键预测因子	慢性单侧卒中患者（卒中后超过180天）	数字病理学	心血管疾病	结构T1加权MRI	图卷积网络, 机器学习分类器, 线性混合效应模型, 结构方程模型	图像	501名来自ENIGMA卒中恢复工作组的慢性卒中患者（来自8个国家34个队列）和17791名来自英国生物样本库的个体	NA	图卷积网络	β系数, 95%置信区间, FDR校正p值, 调整后平均差异	NA
156	2026-09-25	BEACON: predicting side effects and therapeutics outcomes to drugs by Bridging knowlEdge grAph with CONtextual language model 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.29.702277 PMID:41659468	研究论文	BEACON 通过将知识图谱转换为上下文句子表示，结合语言模型预测药物副作用和治疗效果	提出 BEACON 框架，将知识图谱转换为可由语言模型处理的上下文句子树，并引入可见性矩阵确保注意力模式遵循图拓扑，同时使用基于扰动的评估模块识别预测驱动因素	未明确提及	解决现有深度学习方法在生物医学知识图谱中固定实体表示、缺乏可解释性以及难以泛化到新药的问题	生物医学知识图谱中的药物、蛋白质、通路和疾病	机器学习	癌症	知识图谱、自然语言处理	语言模型	图数据、文本	NA	NA	Transformer	AUROC, Spearman ρ, 优势比, P值	NA
157	2026-09-25	The role of AI in pre-analytical phase - use cases 2026-01-27, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2025-1220 PMID:41091119	综述	本文综述了人工智能在实验室检验前阶段的应用，涵盖 clot detection、WBIT 检测、样本稀释管理、尿液化学操作检测、血清质量评估、检验利用优化和自动化试管处理七个领域，并讨论了研究与商业部署之间的差距	系统性地梳理了 AI 在检验前阶段多个应用场景的研究进展与商业实现，并首次提出了从研究原型到临床转化所面临的关键障碍，包括多中心前瞻性验证、LIS 集成、监管合规及以运营结果为导向的评估指标	作为叙述性综述，未进行系统性文献检索与定量合并分析；所引研究多存在单中心验证、回顾性设计等局限；商业解决方案中 AI 应用不明确，难以全面评估实际效果	探讨 AI 在检验前阶段的应用现状、性能表现及临床转化挑战，为后续研究和部署提供方向	检验前阶段的各类错误与流程，包括 clot、WBIT、样本稀释、尿液化学操作、HIL、检验利用、试管处理	机器学习	NA	NA	神经网络, XGBoost, 深度学习	NA	NA	NA	神经网络, XGBoost, 深度学习	准确率, AUC	NA
158	2026-09-25	PAIRWISE: Deep Learning-based Prediction of Effective Personalized Drug Combinations in Cancer 2026-Jan-19, Research square DOI:10.21203/rs.3.rs-8518203/v1 PMID:41646323	研究论文	该文将深度学习与迁移学习结合，基于肿瘤特异性转录组、药物化学结构和药物靶点预测癌症中个性化药物组合的协同效应	PAIRWISE显式建模药物组合在癌细胞系或个体肿瘤样本中的协同效应，整合药物化学结构、药物靶点与推断样本转录组，并结合迁移学习引入先验科学知识	摘要未明确提及该研究的局限性	识别针对特定癌症亚型和个体患者的最佳药物组合，以提升癌症治疗效果并预防复发	癌症细胞系、个体肿瘤样本、弥漫性大B细胞淋巴瘤细胞系、非霍奇金淋巴瘤细胞系，以及30种已批准或研究中的DLBCL治疗药物	机器学习	癌症	深度学习、迁移学习、转录组分析	深度学习模型	转录组数据、药物化学结构数据、药物靶点数据	训练和测试使用了保留的癌细胞系；独立验证使用了DLBCL细胞系中的BTK抑制剂组合数据集；进一步验证使用了30种药物在8种非霍奇金淋巴瘤细胞系中的协同作用	NA	PAIRWISE	AUROC	NA
159	2026-09-25	Integrating psychological profiling with deep learning for enhanced boxing action recognition 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34771-0 PMID:41513933	研究论文	本文提出一种多模态深度学习框架，将心理画像与基于视频的拳击动作识别相结合，以提高识别准确率	首次将心理画像（焦虑、自信、专注等）与视频动作识别融合，构建了PsyBox-20数据集，并在特征级融合3D-ResNet和BERT表示，能够区分视觉上相似的动作（如刺拳与勾拳）	当前框架不支持实时部署，未来需要进一步开发	克服现有视觉分析模型无法区分机械相似但背景不同的动作的缺陷，验证心理画像能提升动作识别准确率，并为AI驱动的体育分析和教练行为提供有用信息	拳击视频中的动作以及运动员的心理状态	计算机视觉	NA	NA	多模态深度学习	视频、文本	HMDB51-Boxing子集和新构建的PsyBox-20数据集（包含20类心理状态与动作实例的关联）	NA	3D-ResNet, BERT	准确率, F1分数	NA
160	2026-09-25	An Efficient Neuro-framework for Brain Tumor Classification Using a CNN-based Self-supervised Learning Approach with Genetic Optimizations 2026, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X378103250806214613 PMID:40976894	研究论文	该文章提出了一种基于CNN自监督学习与遗传优化的高效神经框架，用于MRI图像的胶质瘤脑肿瘤分类。	结合了基于SimCLR的自监督学习、深度嵌入聚类、加权集成模型（EfficientNet-B7、ResNet-50、DenseNet-121）以及差分进化优化的遗传算法进行超参数调优，以克服数据稀缺和特征提取限制。	需要大量计算资源，并且需要进一步的临床验证。	开发一个稳健且高效的深度学习框架，用于改进基于MRI图像的胶质瘤分类。	胶质瘤脑肿瘤MRI图像。	计算机视觉, 医学图像分析	脑肿瘤, 胶质瘤	MRI	CNN	图像	NA	NA	EfficientNet-B7, ResNet-50, DenseNet-121	准确率	NA