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
2081	2026-08-24	Generative chromoendoscopy for gastric neoplasms: a multicenter prospective study 2026-Aug, Endoscopy IF:11.5Q1 DOI:10.1055/a-2873-4466 PMID:42103307	研究论文	本研究为多中心前瞻性研究，评估基于深度学习的生成式色素内镜在胃癌前病变和早期胃癌可视化中的临床可行性	首次将深度学习合成图像转换技术应用于实时内镜，生成生成式色素内镜图像以改善胃肿瘤的可视性	样本量较小（60例），可能影响统计功效；研究时间跨度短，未涉及长期随访结果	验证生成式色素内镜在改善胃肿瘤可视性方面的临床可行性，并比较其与传统白光成像和真实色素内镜的效果	早期胃癌或腺瘤患者	医学影像分析	胃肿瘤	深度学习合成图像转换	深度神经网络	内镜图像	60例患者	NA	NA	可视性评分（7点Likert量表）	NA
2082	2026-08-24	STL-DeepBDC: A Robust Few-Shot Learning Framework for Multiclass Ovarian Tumor Classification in Ultrasound Outperforms Conventional Transfer Learning 2026-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72165 PMID:42624791	研究论文	本研究开发并评估了一种基于分层迁移学习和深度双线性判别协方差模块的少样本深度学习框架STL-DeepBDC，用于超声图像中卵巢肿瘤的多分类，其性能优于传统迁移学习方法	将分层迁移学习与深度双线性判别协方差模块相结合，提出STL-DeepBDC框架，在有限样本条件下实现卵巢肿瘤的稳健多分类，并通过Grad-CAM提供可解释性	单中心回顾性研究，需要更大规模的多中心外部验证研究才能支持临床应用	在少样本条件下，开发一种稳健且可解释的深度学习框架，用于超声图像中卵巢肿瘤的术前多分类，以支持手术规划和预后判断	经手术和病理确诊的恶性及交界性卵巢肿瘤患者的超声图像，涵盖六种病理类型	医学影像分析	卵巢肿瘤	超声成像	卷积神经网络	超声图像	2017年8月至2022年10月期间治疗的卵巢肿瘤患者超声图像，按5：3：2比例分为训练、验证和测试集	PyTorch	ConvNeXt, DeepBDC	准确率, 敏感性, 特异性, macro-F1分数, AUC, AUPRC, Grad-CAM	NA
2083	2026-08-24	Artificial Intelligence-Driven Multimodal Prediction of 10-Year Incident Glaucoma Integrating Genetic and Deep Learning-Derived Imaging Features 2026-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101292 PMID:42495699	研究论文	本研究开发了一种多模态机器学习框架，整合遗传和深度学习衍生的成像特征，用于预测10年内原发性开角型青光眼的发病风险	首次将深度学习衍生的眼底图像特征与多基因风险评分、眼部测量等五个特征域整合，实现高准确度和可解释性的青光眼发病预测	未提及	开发并验证一种可解释的多模态机器学习框架，用于准确预测10年内原发性开角型青光眼的发病风险	英国生物银行参与者，包括严格定义的原发性开角型青光眼队列（340例病例和9374例对照）和广义定义队列（1241例病例和34216例对照）	机器学习	青光眼	眼底图像分析、多基因风险评分、电子健康记录分析	XGBoost	图像、遗传数据、临床数据	严格定义队列：340例病例和9374例对照；广义定义队列：1241例病例和34216例对照	NA	XGBoost	AUC, 敏感性, 特异性, Brier分数	NA
2084	2026-08-24	Toward comprehensive cellular characterization of H&E slides 2026-Aug, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100696 PMID:42633338	研究论文	介绍HistoPLUS模型，用于H&E切片中细胞检测、分割和分类，在泛癌数据集上训练，性能优于现有方法	提出HistoPLUS，基于包含108,722个细胞核、13种细胞类型的新型泛癌数据集，在检测质量和F1分数上显著优于现有模型，且参数减少5倍，并实现领域迁移	未明确提及局限性	改善H&E切片中细胞分析的性能，尤其是对罕见细胞类型的检测和跨域泛化	肿瘤微环境中的细胞，包括13种细胞类型，共108,722个细胞核	数字病理学	多种癌症（泛癌）	H&E染色	深度学习模型	病理图像	108,722个细胞核，13种细胞类型，4个外部验证队列	NA	HistoPLUS	检测质量（Detection quality）、F1分数	NA
2085	2026-08-24	Comparing the Performance of Foundation Model Derived Embeddings with Traditional Approaches for Distant Metastasis Prediction in Head and Neck Cancer 2026-Jul-28, ArXiv PMID:42619875	研究论文	本研究比较了基于基础模型提取的特征与传统方法在预测头颈癌远处转移风险中的性能，发现基础模型特征具有优越性并减少了对专业知识的依赖。	首次在头颈癌远处转移预测中评估医学影像基础模型作为特征提取器的效果，无需先验区域知识或分割标注，简化了预处理流程。	未提及具体局限性，但可能包括对基础模型特征可解释性的不足或依赖单一数据集。	评估使用基础模型从最小处理的CT图像中提取特征预测头颈癌远处转移风险的有效性，并与传统方法（如放射组学和深度学习特征）进行比较。	头颈癌患者的术前CT图像及其远处转移风险。	医学影像分析	头颈癌	CT成像	多层感知机（MLP）	医学影像（CT图像）	2327例患者（来自RADCURE数据集）	未提及	基础模型（CT Foundation）、放射组学特征提取、深度学习特征提取器	AUC	未提及
2086	2026-08-24	A deep learning approach for predicting antimicrobial resistance in urinary tract infections 2026-Jul-28, BMC urology IF:1.7Q3 DOI:10.1186/s12894-026-02203-4 PMID:42625161	研究论文	本研究利用深度学习方法预测尿路感染中的抗生素耐药性，通过比较多种特征提取和分类方法，实现了对耐药尿路感染病例的早期预测	提出了基于分数阶离散余弦分解方法（FrdcDM）的新型特征提取技术，并结合双向长短期记忆网络（BILSTM）进行耐药性预测，该方法在多个独立数据库上表现出较高的准确率和AUC值	未明确提及研究的局限性	旨在通过合适的机器学习分类器早期预测尿路感染中的药物耐药性，以辅助医生选择正确的治疗方案并改善患者健康	尿路感染患者的耐药性状态，包括药物耐药（DR）和多药耐药（MDR）情况	机器学习	尿路感染	NA	BILSTM, 逻辑回归, 梯度提升分类器	结构化临床数据（来自三个数据库）	三个数据库：埃及亚历山大大学医院、菲律宾北棉兰老岛普通诊所、也门IBB大学Al-Rafa实验室的UTI患者数据	NA	BILSTM, 逻辑回归, 梯度提升（未指定具体架构）	准确率, AUC	NA
2087	2026-08-24	Dynamic beat-to-beat blood pressure estimation using a multi-modal wearable deep learning approach 2026-Jul-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae85b4 PMID:42392163	研究论文	本研究提出一种结合浅表颞动脉张力测量、心电图和光电容积脉搏波的多模态深度学习框架，用于动态逐搏血压估计	创新性地融合了张力测量法获取的压力波形形态与血流动力学时序特征，克服传统PTT方法依赖血容量替代物导致的校准漂移问题	研究仅在10名健康志愿者中进行，样本量有限，未涉及患者群体或更广泛人群验证	开发一种无需袖带、校准稳健的连续血压估计方法	10名健康志愿者在等长握力运动中的血压及相关信号	可穿戴设备, 深度学习	不适用	张力测量法, 心电图, 光电容积脉搏波	时间卷积网络	生理信号（心电图、光电容积脉搏波、张力测量波形）	10名健康志愿者，29条记录	NA	TCN	平均绝对误差	NA
2088	2026-08-24	A fine-grained defect-sensitive local-global multiscale vision transformer framework for urban visual pollution prediction 2026-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63974-2 PMID:42624864	研究论文	提出一种基于Transformer的细粒度缺陷敏感局部-全局多尺度视觉转换器框架，用于街道图像中的城市视觉污染多类检测和严重程度量化	集成细粒度城市补丁编码、缺陷敏感特征增强、局部-全局双分支学习、层次化特征融合和可学习的视觉污染指数层，以量化退化严重程度	未在摘要中明确说明局限性	解决现有视觉污染评估方法对细节退化模式敏感性有限、上下文理解不足和连续环境严重程度评估能力差的问题，实现大规模城市视觉污染监测和智慧城市环境管理	街道级图像数据中的七类城市视觉污染类别，包括垃圾、涂鸦、坑洼、施工道路损坏和人行道杂乱	计算机视觉	不适用	NA	视觉Transformer	图像	未在摘要中明确说明样本数量	NA	多尺度视觉Transformer	准确率、精确率、召回率、F1分数、视觉污染指数得分	未在摘要中明确说明计算资源
2089	2026-08-24	Single-cell multiomics connects 3D genome and transcriptome alterations in Alzheimer's disease 2026-Jul-23, Science (New York, N.Y.) DOI:10.1126/science.adz1652 PMID:42490473	研究论文	应用GAGE-seq技术联合分析阿尔茨海默病大脑单细胞中的基因表达和三维染色质结构，揭示与细胞类型特异性失调相关的染色质重组，并整合空间转录组和染色质可及性数据，及使用深度学习框架预测疾病相关的基因表达变化	首次将GAGE-seq技术应用于阿尔茨海默病研究，联合分析单细胞3D基因组和转录组，并引入深度学习框架Hicformer预测疾病相关基因表达，提供多尺度视角	未明确阐述，但可能受限于样本数量和组织异质性	探究三维基因组结构变化在阿尔茨海默病分子病理中的作用及其对细胞类型特异性基因表达的影响	阿尔茨海默病患者和年龄匹配的未患病个体的死后脑组织中的单细胞	数字病理学、机器学习	阿尔茨海默病	GAGE-seq、空间转录组测序、染色质可及性测序（如ATAC-seq）	深度学习框架	单细胞基因表达数据、3D染色质结构数据、空间转录组数据、染色质可及性数据	阿尔茨海默病患者和年龄匹配对照的死后脑组织样本（未明确具体数量）	NA	Hicformer	NA（可能包括预测准确性和相关性，但未提供具体指标）	NA（未提及具体资源）
2090	2026-08-24	Human imprints on global riverfronts 2026-Jul-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75777-0 PMID:42471340	研究论文	利用卫星影像和深度学习绘制全球河流前沿高分辨率地图，量化人类改造程度及其驱动因素	首次提供全球7.52百万公里河流前沿的高分辨率地图，区分侧向碎片化与大坝引起的纵向碎片化，并揭示其与水质恶化和生物多样性威胁的关联	未明确提及具体局限，但可能受限于卫星影像分辨率和分类精度	量化全球河流前沿的人类印记分布及其与水质和生物多样性的关系	全球河流前沿（水陆交界带）	计算机视觉, 深度学习	不适用	卫星影像, 深度学习	深度学习模型	卫星图像	7.52百万公里河流前沿	不明确	不明确	不明确	不明确
2091	2026-08-24	Measuring cardiac stroke volume through in-ear audio sensing 2026-Jul-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75642-0 PMID:42469245	研究论文	本文提出一种基于耳塞内耳音频传感的深度学习系统，用于估计心脏每搏输出量，并与临床验证设备进行比较。	首次仅使用商品化耳塞设备通过内耳音频估计每搏输出量，结合生成式自监督/迁移学习和基于Transformer的自动编码器。	样本量小（23名健康参与者），且仅与临床验证设备估计值比较，未与直接测量方法验证。	开发一种非侵入性、可扩展且低成本的每搏输出量测量方法，用于临床外的心血管健康监测。	健康参与者的内耳音频信号和相应的每搏输出量估计值。	机器学习	心血管疾病	音频传感	Transformer-based autoencoder	音频数据	23名健康参与者	NA	Transformer-based autoencoder	平均绝对误差, Pearson相关系数, 百分比误差	NA
2092	2026-08-24	AI-driven neoantigen identification: a comprehensive review from somatic variant calling to T cell recognition 2026-07-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08535-x PMID:42410432	综述	本文综述了人工智能如何重塑新抗原发现流程，从体细胞变异检测到T细胞识别，涵盖计算流程、临床应用及当前挑战	系统性整合了从体细胞变异检测、HLA分型、肽段处理到肽-MHC结合、呈递和T细胞识别的AI驱动新抗原发现全流程，并强调了免疫肽组学在验证和拓展非经典抗原来源中的关键作用	II类HLA预测准确性有限、罕见HLA等位基因覆盖不足、肿瘤异质性以及缺乏标准化基准测试和验证	总结AI在新抗原发现中的应用，并讨论从计算预测到临床转化的现状与挑战，以促进精准癌症免疫治疗的发展	新抗原（肿瘤特异性肽段）、体细胞突变、HLA等位基因、免疫肽组学数据、AI预测模型	人工智能、免疫信息学	癌症	高通量测序、免疫肽组学、人工智能	深度学习模型	测序数据、免疫肽组学数据、文本	NA	NA	NA	预测准确性、免疫原性保留率、基准测试指标	NA
2093	2026-08-24	Unraveling cell-cell communication through spatial transcriptomics: a review of computational methods 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag446 PMID:42617152	综述	综述了空间转录组学中用于解码细胞间通讯的计算方法，将其分为基于空间模式和基于表达调控两大类，并讨论了挑战与未来方向	系统梳理了空间细胞间通讯推断的概念演化与方法格局，提出将现有方法分为空间模式基和表达调控基两大轨迹，并剖析其生物学假设、统计与深度学习框架、优势与局限	未具体指明单个方法的定量比较或统一基准，主要面临验证、基准测试、多模态整合和组织特异性建模方面的挑战	全面回顾空间转录组数据分析中细胞间通讯推断的计算方法，识别概念演化、方法分类、挑战和未来方向，以推动动态、多层重建细胞内外通讯及整合多组学建模	空间转录组学数据及其用于推断细胞间通讯的计算工具和方法	空间转录组学, 计算生物学	NA	空间转录组学（ST）	深度学习模型（如用于空间模式的深层模型）	空间转录组学数据	NA	NA	NA	NA	NA
2094	2026-08-24	A comprehensive survey on graph neural networks for gene regulatory network inference 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag443 PMID:42632029	综述	本文是第一篇关于利用图神经网络进行基因调控网络推断的全面综述，分析了16种最先进方法，并对其架构、推理策略和计算框架进行分类评估	首次系统性地统一了图架构、学习范式和数据模式，在共同的基准框架下进行比较，不同于以往仅关注单细胞RNA测序或深度学习的综述	未提供具体实验，仅基于现有研究进行定性分析，且可能受限于所选方法的使用范围	指导生命科学家选择合适的计算模型，并帮助研究人员开发基于图学习的下一代基因调控网络推断技术	基因调控网络推断方法，具体包括16种基于图神经网络的方法	机器学习	不适用	不适用	图神经网络	不适用	16种方法	不适用	不适用	不适用	不适用
2095	2026-08-24	An open-source pipeline for longitudinal single-cell tracking and cell-cycle/migration coupling analysis for neurotherapeutic screening 2026-Jul-02, Neuroprotection (Chichester, England) DOI:10.1002/nep3.70047 PMID:42499344	研究论文	开发了一个开源流程，用于纵向单细胞追踪和细胞周期/迁移耦合分析，以支持神经治疗筛选。	结合Fiji/ImageJ预处理、Cellpose深度学习分割和TrackMate追踪，并集成FUCCI报告基因，实现细胞周期与迁移行为的同步分析。	未提及具体限制。	建立开放工作流，用于追踪细胞周期和运动性，支持神经保护筛选。	表达FUCCI的HEK293细胞。	数字病理学	神经退行性疾病	FUCCI成像	Cellpose（深度学习分割模型）	图像	未明确样本量，涉及HEK293细胞系。	Fiji/ImageJ, TrackMate	Cellpose	第一类错误率、第二类错误率、轨迹连续性（χ²检验）	未提及
2096	2026-08-24	Adaptive learning rate methodologies and clipping mechanisms based upon gradient entropy 2026-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60537-3 PMID:42393251	研究论文	提出一种基于梯度熵的自适应学习率方法和裁剪机制，以提高深度学习的训练效率和稳定性。	引入熵感知学习率调度机制和多尺度熵感知裁剪机制，结合梯度扰动率和信息熵双重因素，增强优化器对训练动态和结构复杂性的响应能力。	摘要未提及具体局限性，可能包括计算开销增加或需验证不同网络结构的普适性。	改进深度学习优化器的学习率调节和梯度裁剪，以提升模型的鲁棒性和收敛稳定性。	深度学习优化器，包括学习率调度和梯度裁剪机制。	机器学习	NA	NA	优化器（基于熵的机制）	公共数据集（未具体说明）	多个公共数据集（未具体说明）	NA	NA	模型鲁棒性和收敛稳定性（未具体指标）	NA
2097	2026-08-24	Deep Learning-Enhanced Biomarker Interpretation on Cytology Cell Blocks: Foundations and Emerging Opportunities in Spatial Pathobiology 2026-Jul, The American journal of pathology DOI:10.1016/j.ajpath.2026.02.004 PMID:41763533	综述	本文综述了深度学习在细胞学细胞块中生物标志物解释的应用，涵盖了PD-L1、HER2、ER/PR等标志物，并讨论了空间病理生物学的新机会	聚焦于细胞学细胞块这一特殊样本类型，提出深度学习可增强生物标志物解释的重复性和定量评估，并扩展至直接从形态学预测生物标志物状态	由于是迷你综述，未提供具体的实验验证或定量比较，可能缺乏对模型性能的详细评估	探讨深度学习辅助生物标志物解释在细胞学细胞块中的基础、新兴应用及未来方向，以推动精准肿瘤学	细胞学细胞块样本中的生物标志物，包括PD-L1、HER2、ER/PR、Ki-67、ALK/ROS1、BRAF V600E和p16	计算机病理学	肿瘤	免疫组织化学(IHC)和深度学习	深度学习模型	细胞学细胞块图像	不适用（综述）	不适用	不适用	不适用	不适用
2098	2026-08-24	Popformer: Learning general signatures of positive selection with a self-supervised transformer 2026-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014492 PMID:42455870	研究论文	本文提出了一种基于自监督Transformer的模型Popformer，用于学习遗传变异的一般模式，以检测自然选择信号，并在多个场景下展现出优于现有方法的准确性。	Popformer创新性地结合了位点和单倍型注意力机制，学习相对位置嵌入以捕捉SNP间距离，并通过模仿掩码语言建模的预训练策略，实现了对一般选择模式的自监督学习。	本文未明确提及局限性，但可能包括对复杂真实数据泛化能力的潜在限制，以及计算资源需求等未详细说明的方面。	开发一种基于Transformer的通用方法，用于从大规模人类遗传变异数据中学习选择信号，提高检测的准确性和泛化能力。	人类基因组数据，包括来自1000 Genomes Project的样本以及模拟的进化场景数据。	自然语言处理, 机器学习	NA	NGS, 全基因组测序	Transformer	基因型数据, 文本（通过模拟标记语言建模）	未明确，但涉及1000 Genomes Project的人类数据及多种模拟数据。	PyTorch	Transformer	准确性, AUC, 鲁棒性分析	未明确，通常需GPU支持（如NVIDIA A100或V100）
2099	2026-08-24	Automated Eosinophil Quantification Using Deep Learning to Predict Therapy Escalation in Pediatric Ulcerative Colitis 2026-Jul-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001031 PMID:42044208	研究论文	开发了一种基于U-Net的深度学习模型，用于自动量化儿童溃疡性结肠炎中的嗜酸性粒细胞，以预测治疗升级。	首次将深度学习应用于儿童溃疡性结肠炎嗜酸性粒细胞的自动化量化，并验证其作为可重复生物标志物预测治疗升级的潜力。	未提及具体局限性。	开发并验证基于深度学习的嗜酸性粒细胞自动量化方法，以预测儿童溃疡性结肠炎的治疗升级和临床结局。	来自两个儿科中心的病理全切片图像，以及PROTECT队列中221例初治中重度儿童溃疡性结肠炎患者的直肠活检样本。	数字病理学	儿童溃疡性结肠炎	全切片图像分析	U-Net	病理图像	221例患者和病理切片	未明确提及	U-Net, SAU-Net, YOLO-v8, HoVer-Next	AUROC, 精确率, 召回率, F1分数, 斯皮尔曼相关系数	未明确提及
2100	2026-08-24	Real-Time Artificial Intelligence for Early Sepsis Prediction Using Dynamic Clinical Data: A Systematic Review 2026-Jul, Cureus DOI:10.7759/cureus.113193 PMID:42632992	系统综述	本文系统评估了使用动态医院数据进行早期脓毒症预测的实时人工智能模型，共纳入8项研究，并对其性能、偏倚风险和临床应用前景进行了综合分析。	首次系统综述聚焦于利用动态临床数据的实时人工智能脓毒症预测模型，强调解释性方法（如特征归因和SHAP分析）的应用，并纳入外部验证和转移学习等现代策略。	证据主要基于回顾性研究，存在异质性脓毒症定义和分析报告不足的问题，缺乏前瞻性验证和临床整合评估。	评估实时人工智能模型在早期脓毒症预测中的表现、可解释性和临床就绪程度。	成人住院人群（包括重症监护室、急诊科和多重医院系统）中的脓毒症预测。	机器学习	脓毒症	NA	梯度提升方法、神经网络、循环生存模型、深度学习预测平台	动态临床数据	每项研究样本量从数百到超过500,000名患者不等（共8项研究）	NA	梯度提升机、神经网络、循环生存模型、深度学习架构（具体模型未详述）	受试者工作特征曲线下面积（AUC），部分研究报告了预警提前时间	NA