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
361	2026-10-04	Comparative evaluation of automated MRI-based brain volumetry software for estimating cognitive domains in early Alzheimer's disease 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02535-5 PMID:42410536	研究论文	该研究比较了四种自动化MRI脑体积测量软件在早期阿尔茨海默病中预测认知域评分的能力	首次在一致的深度学习模型下直接比较了不同脑体积测量软件在预测认知域特异性评分方面的表现	样本量相对有限（255例），认知域预测相关性普遍较低，软件间差异可能受多种因素影响而非软件本身优劣	评估四种脑体积测量软件在早期阿尔茨海默病患者中预测认知域特异性评分的能力	255例经淀粉样蛋白PET确诊的阿尔茨海默病患者	数字病理学, 神经影像学	阿尔茨海默病	3D T1加权MRI, 脑体积测量	多层感知机	医学影像, 临床变量, 认知评分	255例患者	NA	多层感知机	均方误差, 皮尔逊相关系数	NA
362	2026-10-04	Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet) 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3637089 PMID:41296941	研究论文	本文提出了一种基于深度学习的可扩展且可解释的视频运动模仿评估方法CAMI-2DNet，用于区分自闭症谱系障碍儿童与神经典型儿童	首次提出无需临时归一化、清洗和人工标注的深度学习视频运动模仿评估方法，通过合成数据和重定向技术学习解耦表征，自动计算运动相似度评分，在区分自闭症与神经典型儿童方面优于CAMI-2D，且与CAMI-3D性能相当	未明确提及	解决传统运动模仿评估主观性强、劳动密集、依赖人工标注等问题，实现自动化、可扩展的视频运动模仿评估，以辅助自闭症异质性研究	自闭症谱系障碍儿童与神经典型儿童	计算机视觉	自闭症	深度学习、运动重定向、合成数据生成	编码器-解码器架构、CNN	视频	未明确提及具体样本量，涉及真实参与者数据和合成虚拟角色数据	NA	编码器-解码器架构	相关性、区分性能（未明确具体指标如AUC、准确率等）	NA
363	2026-10-04	TrajSurv-mPC: Learning From Prostate-Specific Antigen Trajectories for Interpretable and Generalizable Survival Prediction in Metastatic Prostate Cancer 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00328 PMID:42809793	研究论文	开发并评估了一种名为TrajSurv-mPC的深度学习框架，利用转移前前列腺特异性抗原（PSA）轨迹和治疗数据来预测转移性前列腺癌（mPC）患者转移后的总生存期	该研究创新性地使用完整的转移前PSA纵向轨迹和治疗数据，而非传统的PSA倍增时间等汇总特征，来预测转移后总生存期；框架架构灵活，可兼容LSTM和Transformer两种序列建模骨干，并在两个独立大型队列中验证了泛化性；通过事后隐藏状态聚类、模拟研究和案例研究增强了模型的可解释性	未明确提及	开发TrajSurv-mPC框架，通过分析完整的转移前PSA轨迹和治疗信息来改善转移性前列腺癌转移后总生存期的预测，并验证其泛化性和可解释性	转移性前列腺癌（mPC）患者	机器学习	前列腺癌	NA	LSTM, Transformer	纵向PSA轨迹和治疗数据（数值时间序列）及基线特征	MSK队列403例，VA队列9984例；外部验证使用协调后的VA子队列训练并在MSK队列测试	NA	LSTM, Transformer	C-index（一致性指数）, P值	NA
364	2026-10-04	Detecting and measuring respiratory events in horses during exercise with a microphone: deep learning vs. standard signal processing 2026-Jun-23, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-026-05614-5 PMID:42332659	研究论文	本文比较了深度学习方法与标准信号处理方法，用于从麦克风录音中自动检测马匹运动时的呼吸事件并提取动态呼吸频率	首次自动检测马匹呼吸音并自动计算运动中马匹的动态呼吸频率	模型需要在较低运动强度的声音上进一步验证，且不同麦克风放置位置的效果尚未评估	比较深度学习方法与信号处理方法在自动检测马匹呼吸事件和提取动态呼吸频率方面的效果，以监测训练对马匹健康和表现的影响	标准赛马（Standardbred trotters）在高强度运动中的呼吸音	机器学习	NA	麦克风录音	时序卷积网络, 长短期记忆网络	音频	NA	NA	时序卷积网络, 长短期记忆网络	F1分数, 平均绝对误差, 置信区间, 一致性界限	NA
365	2026-10-04	Improving splice site usage prediction with SPLAIRE 2026-Jun-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.08.731019 PMID:42327213	研究论文	本文开发了一种名为SPLAIRE的新型剪接模型，通过在有丝分裂原刺激的气道上皮细胞数据上训练扩张卷积神经网络，提高了剪接位点使用预测的准确性	利用迄今最大的配对RNA和基因分型数据集之一，针对特定细胞类型（人气道上皮细胞）训练新型剪接模型，并在多个组织上展示了优于现有最先进模型的性能	模型仅在人气道上皮细胞数据上训练，可能在其他细胞类型或组织中的泛化能力有限；剪接位点预测仍存在显著差距，特别是在低使用率剪接位点和组织特异性剪接位点的识别方面	改进剪接位点使用预测，并评估现有最先进剪接模型的性能	人气道上皮细胞中的剪接位点及剪接位点使用	机器学习	NA	RNA-seq, 基因分型	CNN	序列, 基因分型数据	100个供体的人气道上皮细胞培养数据	NA	扩张卷积神经网络	NA	NA
366	2026-10-04	MHC Attention: Identifying HLA-E presented cancer antigens through deep learning and high-throughput screening 2026-Jun-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.08.730987 PMID:42327037	研究论文	本文开发了一个整合深度学习预测模型、混合哺乳动物细胞筛选、肽-HLA-E稳定性验证和质谱技术的HLA-E抗原发现平台，用于识别HLA-E呈递的癌症抗原	提出了MHC Attention神经网络，能够在多等位基因免疫肽组数据中学习候选MHC等位基因的等位基因级注意力，从而直接利用患者来源的MHC肽数据进行训练；结合约6000肽的HLA-E文库筛选，生成了HLA-E特异性训练数据并提升了预测性能	训练数据稀疏，HLA-E免疫肽组学存在技术难度	系统性地发现癌症相关的HLA-E呈递肽，为广泛适用的肽-HLA导向的癌症免疫治疗提供候选靶点	HLA-E呈递的癌症肽，包括来自ETV4、WT1、RNF43和BMP8A的候选肽	机器学习	癌症	深度学习预测、混合哺乳动物细胞筛选、肽-HLA-E稳定性验证、质谱	神经网络	肽序列、免疫肽组数据、质谱数据	约6000肽的HLA-E文库	NA	MHC Attention	预测性能	NA
367	2026-10-04	FEABAS: A Stitching and Alignment Tool for Serial EM Data 2026-Jun-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.07.730510 PMID:42327124	研究论文	该文章介绍了FEABAS，一个用于序列电子显微镜数据拼接与对齐的开源软件工具，旨在高效精确地重建三维体积	采用自适应网格建模和有限元方法，能够鲁棒地处理包含皱纹、折叠、撕裂和断裂切片等常见伪影的数据集，同时保持轻量级、跨平台、可扩展的实现	摘要中未明确提及局限性	开发一种可扩展、跨平台、开源的软件包，用于弹性拼接和对齐电子显微镜图像数据集，以高效精确地重建数字化体积	序列电子显微镜图像数据集	计算机视觉	NA	体积电子显微镜	NA	图像	NA	NA	NA	NA	NA
368	2026-10-04	BenchRep-T: A Systematic Evaluation of T-Cell Repertoire-Based Disease Diagnostics 2026-Jun-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.09.727013 PMID:42327158	研究论文	该论文提出了BenchRep-T，一个统一基准，标准化多个公开的TCR库数据集并评估九种计算方法的疾病诊断性能	提出了首个统一的TCR库疾病诊断基准，标准化数据集和评估流程，系统比较了从统计富集到深度学习的九种方法，并揭示了简单基线模型的竞争力	未提及具体限制，但基准依赖于公开数据集，可能无法涵盖所有疾病类型和人群多样性	系统评估基于T细胞受体库的疾病诊断计算方法，提供可重复的评估框架以加速免疫库诊断发展	T细胞受体（TCR）序列数据来自个体血液样本	机器学习	NA	自适应免疫受体库测序（TCR测序）	基于树的模型、深度学习模型、序列聚类、特征工程集成	序列数据	NA	NA	NA	分类性能（未具体说明）	NA
369	2026-10-04	YeastSAM: A deep learning model for accurate segmentation of yeast cells 2026-Jun, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E25-09-0454 PMID:42024490	研究论文	该研究通过适配Segment Anything Model (SAM)构建了YeastSAM，一个针对出芽酵母优化的深度学习分割框架，在分割分裂细胞方面准确率比现有方法高出三倍以上	将SAM适配于出芽酵母分割，解决了因不对称细胞分裂和母芽形态导致分裂细胞被误识别为两个独立细胞的难题，并可与单分子RNA成像和细胞器成像结合构建细胞图谱	未明确提及	实现出芽酵母细胞的精确分割，以支持定量图像分析和基因表达空间调控研究	出芽酵母细胞	计算机视觉	NA	显微镜成像、单分子RNA成像、细胞器成像	SAM	图像	NA	NA	Segment Anything Model (SAM)	分割准确率	NA
370	2026-10-04	Development and Validation of a Diffusion-weighted Imaging-only Deep Learning Model for the Detection of Supratentorial Acute Ischemic Infarcts: A Retrospective Diagnostic Accuracy Study 2026-May-14, Annals of African medicine IF:0.6Q3 DOI:10.4103/aam.aam_224_26 PMID:42138578	研究论文	开发和验证一种仅基于弥散加权成像的深度学习模型，用于自动检测幕上急性缺血性梗死，并与放射科专家解读进行对比	提出了一种仅使用DWI图像的深度学习模型来检测幕上急性缺血性梗死，无需其他MRI序列，并在独立测试集上达到了高诊断准确率，处理时间小于1秒	回顾性研究设计，仅分析了幕上DWI图像，样本来自单一三级教学医院，可能存在选择偏倚	训练和测试基于DWI的深度学习模型以自动检测幕上急性缺血性梗死，并评估其相对于放射科专家解读的诊断性能	疑似急性缺血性卒中并接受脑部MRI检查的成年患者	计算机视觉	急性缺血性卒中	弥散加权成像	CNN	图像	1024例MRI检查	NA	NA	准确率, 灵敏度, 特异度, F1分数, AUC	NA
371	2026-10-04	SensX: Model-Agnostic Local Feature Attribution via Calibrated Global Sensitivity Analysis 2026-May, Transactions on machine learning research PMID:42824863	研究论文	提出了一种名为SensX的模型无关局部特征归因方法，通过校准的全局敏感性分析实现黑盒模型解释	将全局敏感性分析中的Morris坐标游走方法适配到局部归因任务，无需访问模型内部结构、训练数据或任意参考输入，用可解释的应用相关参数替代任意设计选择	仅在四个案例研究中进行了验证，未在大规模多样化数据集上广泛评估，方法的计算效率在大规模特征场景下可能受到限制	解决现有局部归因方法在组合式流水线中不可用的问题，为预训练、冻结或仅API可访问的模块提供模型无关的局部特征归因	深度学习模型的局部特征归因方法，包括合成基准测试、ViT图像分类器、单细胞分类器和空间转录组学系统	机器学习	NA	Morris坐标游走，全局敏感性分析	NA	图像，基因表达数据，空间转录组数据	四个案例研究，包括合成基准、ViT（超过150000个像素-通道特征）、单细胞分类器数据集、空间转录组学系统	NA	ViT	top-2归因准确率，top-k扰动AUC	NA
372	2026-10-04	Toward Multimodal Conversational AI for Age-Related Macular Degeneration 2026-Apr-28, ArXiv PMID:42389246	研究论文	本研究开发了OcularChat，一个基于Qwen2.5-VL微调的多模态大语言模型，通过模拟医患对话对彩色眼底照片进行视觉问答，实现年龄相关性黄斑变性的诊断和分类	利用705850组模拟医患对话和46167张彩色眼底照片微调多模态大语言模型，首次实现AMD诊断的交互式对话和可解释推理，不仅提供分类预测还能给出临床推理和解释	训练数据主要基于模拟对话而非真实临床对话，可能存在分布偏差；仅在AREDS和AREDS2数据集上验证，需要更多外部数据集验证泛化能力	开发能够进行交互式对话并提供临床可解释推理的AMD诊断多模态AI系统	年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	多模态大语言模型微调	MLLM	图像, 文本	705850组模拟对话和46167张彩色眼底照片	NA	Qwen2.5-VL	准确率	NA
373	2026-10-04	Accurate prediction of ecDNA in interphase cancer cells using deep neural networks 2026-Apr-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09982-4 PMID:41965931	研究论文	本文提出了一种基于深度学习的工具interSeg，用于从间期FISH图像中准确预测癌症细胞中ecDNA的存在状态	开发了interSeg工具，能够从间期FISH图像中准确分类致癌基因扩增状态（EC-amp、HSR-amp或未扩增），克服了传统方法只能在中期细胞中准确检测ecDNA的限制	未明确提及	解决在间期细胞中准确预测致癌基因扩增状态的需求	间期FISH图像中的癌细胞核	数字病理学	癌症（包括神经母细胞瘤）	荧光原位杂交（FISH）	深度神经网络	图像	训练和验证：652张图像（40,446个细胞核）；测试：215张图像（9,733个细胞核）；患者组织保留集：67个样本（1,937个细胞核）	NA	NA	准确率	NA
374	2026-10-04	ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.23.689996 PMID:41394697	研究论文	本文提出了一种两阶段微调的SAM2方法ETSAM，用于在冷冻电子断层扫描图像中有效分割细胞膜	提出了一种基于SAM2的两阶段微调方法，结合实验数据和模拟数据训练，在冷冻电子断层扫描图像中实现了细胞膜的高灵敏度和高精度分割	未明确提及	在冷冻电子断层扫描图像中准确分割细胞膜	冷冻电子断层扫描图像中的细胞膜	计算机视觉	NA	冷冻电子断层扫描	SAM2	图像	83个实验断层扫描图像和28个模拟断层扫描图像	NA	SAM2	灵敏度和精确度	NA
375	2026-10-04	PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist 2026-Feb, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.004 PMID:40892627	指南	本文介绍了PRIME 2.0清单，一个用于标准化心血管影像人工智能应用开发、评估和报告的领域特定框架	针对从传统机器学习到深度学习、大语言模型和多模态生成式AI的快速进展进行了更新，并通过改进的德尔菲过程纳入心血管影像特定复杂性如心脏运动、成像伪影和观察者间变异性	未提及	标准化心血管影像中人工智能应用的开发、评估和报告	心血管影像AI研究	医学影像分析	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
376	2026-10-04	SpatialDINO: A Self-Supervised 3D Vision Transformer that enables Segmentation and Tracking in Crowded Cellular Environments 2026-Jan-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.31.697247 PMID:41509489	研究论文	本文提出了一种基于DINOv2修改版的自监督3D视觉Transformer方法SpatialDINO，能够直接从原始3D显微镜图像中实现拥挤细胞环境下的目标检测、分割和追踪，无需重新训练或体素标注	提出了完全自动化的自监督方法SpatialDINO，训练原生3D视觉Transformer，从多通道显微镜的单通道中生成鲁棒的语义特征图，无需体素标注即可支持跨z间距、不同平面数量和不同成像模态的目标检测与分割，并能够检测以前未见过的目标类别，结合特征相似性和空间邻近性改进遮挡情况下的追踪	训练数据集规模较小，仅基于共聚焦体积数据训练；方法的泛化能力虽然在多种成像模态上得到验证，但可能仍受限于训练数据的多样性	解决拥挤细胞内环境中不同大小和形状目标在低对比度、各向异性、单色图像体积中的识别、分割和追踪难题，降低定量分析的门槛	网格蛋白包被小窝、网格蛋白包被囊泡、内体、溶酶体、细胞质膜、细胞核以及MRI扫描中的肿瘤	计算机视觉	NA	3D晶格光片荧光显微镜、MRI	Transformer	图像	一小批由活细胞荧光3D晶格光片显微镜获取的共聚焦体积数据	NA	DINOv2, Vision Transformer	NA	NA
377	2026-10-04	ecPICK: A deep learning-enabled spatial diagnostic platform for direct ecDNA identification and clinical prognosis across pan-cancer histopathology 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.134316 PMID:42244994	研究论文	开发了深度学习框架ecPICK，用于在H&E染色全切片图像中识别和定位染色体外DNA，并评估其诊断和预后价值	首个基于深度学习的ecDNA空间诊断平台，无需高成本测序即可实现ecDNA的量化与定位，并结合空间转录组学揭示ecDNA相关肿瘤微环境特征	未明确提及	开发一个成本效益高、临床可转化的平台，利用常规病理样本进行ecDNA的定量和定位	20种不同癌症的H&E染色全切片图像	数字病理学	泛癌	H&E染色、荧光原位杂交、空间转录组学	CNN	图像	4,280张图像，涵盖20种癌症	NA	NA	AUC、R²	NA
378	2026-10-04	A Framework for Automated Tracking of Morphologically Distinct Cell Populations in Time-Lapse Microscopy 2026, ...IEEE...International Conference on Connected Health: Applications, Systems and Engineering Technologies. IEEE International Conference on Connected Health: Applications, Systems and Engineering Technologies DOI:10.1109/chase69719.2026.00015 PMID:42820222	研究论文	本文提出了一个自动化计算框架，用于在延时荧光显微镜图像中检测和追踪具有特征性形态学特征的细胞群体，并以胚胎腹中线细胞为例进行了演示	整合了深度学习分割与基于旋转边界框分析的形态学特征提取，结合多标准过滤、空间聚类和基于圆形统计的时间插值，实现了对形态学独特细胞群体的自动化检测和追踪，并且模块化架构便于适应不同实验条件	在分层测试集上评估五种聚类方法时发现检测灵敏度与几何精度之间存在性能权衡，可能影响实际应用中的准确性	开发一个可泛化的计算框架，用于自动检测和追踪具有特征性形态学特征的细胞群体，以理解复杂组织的发育和重塑过程	胚胎发育过程中的腹中线细胞	计算机视觉	NA	延时荧光显微镜成像	CNN	图像	未提及具体样本量	NA	NA	检测灵敏度, 几何精度	NA
379	2026-10-04	DETECTX: a novel deep learning approach for detecting pneumonia, tuberculosis, and aspergillosis from chest X-rays 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1915083 PMID:42824030	研究论文	该研究开发了一种基于深度学习的方法，用于从胸部X光片中检测曲霉病、肺炎和结核病	提出了一种新颖的孪生卷积神经网络模型，在区分四种肺部状况方面优于现有模型	未明确提及研究局限性	开发一种深度学习系统，以区分曲霉病、肺炎、结核病和健康肺部	胸部X光图像	计算机视觉	肺癌	胸部X光成像	CNN, ResNet-50, 孪生卷积神经网络	图像	7200张图像	NA	CNN, ResNet-50, 孪生CNN	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
380	2026-10-04	A deep learning approach to county-level soybean yield forecasting using large-scale environmental data 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1914697 PMID:42824220	研究论文	本研究利用大规模环境数据开发了一个可解释的深度学习大豆产量预测框架，能够提前五个月进行县级产量预测	开发了可解释的深度学习框架，结合SHAP值分析环境因素对大豆产量的贡献，实现提前五个月的高精度县级产量预测	未明确说明模型在极端气候年份的泛化能力，可能受限于美国大陆地区的特定环境条件	开发可解释的大豆产量预测框架，利用县级气候和土壤属性实现提前数月的准确产量预测	美国大陆县级大豆产量	机器学习	NA	深度学习	深度神经网络	气候、土壤和海拔属性数据	388个气候、土壤和海拔属性，覆盖美国大陆约100年时间跨度	NA	深度神经网络	NA	NA