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
761	2026-09-28	Comparative Evaluation of Deep Learning and Foundation Model Embeddings for Osteoarthritis Feature Classification in Knee Radiographs 2026-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01636-x PMID:40897834	研究论文	本研究比较了监督式深度学习模型和预训练基础模型嵌入在膝骨关节炎放射学特征分类中的性能	首次系统比较了传统监督深度学习模型与医疗领域基础模型（BiomedCLIP和RAD-DINO）在膝骨关节炎放射学特征分类中的表现，并揭示了基础模型在预训练表示有限的领域中的局限性	研究仅基于单一数据集（Osteoarthritis Initiative），可能影响结果的泛化性；基础模型在肌肉骨骼影像领域的预训练不足，限制了其性能	评估监督式深度学习和基础模型嵌入在膝骨关节炎放射学特征分类中的效果	44,985张膝部X光片，来自Osteoarthritis Initiative数据集	计算机视觉	骨关节炎	深度学习，基础模型嵌入提取，零样本分类	CNN, Transformer	图像	44,985张膝部X光片	PyTorch, XGBoost	ResNet18, ConvNeXt-Small, BiomedCLIP, RAD-DINO	加权Cohen's kappa, AUC, 准确性	NA
762	2026-09-28	Graph designs for deep learning-based multi-omics integration 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag410 PMID:42537003	综述	本文综述了基于图的多组学深度学习模型中图的构建与使用方式，涵盖节点模式、边语义、交互类型、整合策略、图上下文和模型架构，并提出了一个通用的图构建与评估流程	系统性地按节点模式、边语义、交互类型、整合策略、图上下文和模型架构对多组学深度学习方法进行分类，并综合考虑可解释性、数据需求、噪声与缺失模态鲁棒性以及任务适用性，提出了一个通用的图构建与评估流程	作为综述，未提供新的实验验证，对不同设计选择的优劣分析主要基于现有文献的总结，可能受限于已发表研究的覆盖范围和偏倚	综述多组学深度学习模型中图的构建与使用方法，总结不同设计选择的优缺点，并为新的多组学研究提供一个实用的图构建、整理和评估流程	多组学数据（包括 bulk、单细胞和空间组学数据）以及基于图的深度学习整合模型	机器学习	NA	多组学测序、单细胞测序、空间组学	图神经网络、深度学习	多组学数据、图数据	NA	NA	图神经网络	NA	NA
763	2026-09-28	Artificial Intelligence in genomics: a comprehensive survey of methods, resources, challenges, and prospects 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag229 PMID:42132948	综述	本文全面综述了人工智能在基因组学中的方法、资源、挑战与前景，涵盖机器学习、深度学习、自然语言处理、大语言模型、生成框架和可解释AI等技术及其在基因测序、变异检测、基因表达分析、个性化医疗和CRISPR基因组编辑中的应用	系统性整合了多种前沿AI方法论（包括大语言模型、生成框架和可解释AI）在基因组学各关键领域的应用，并提出了图神经网络和多模态深度学习整合多组学数据的前景，以及合成基因组学和数字孪生等新兴范式	数据质量、可解释性、伦理治理和计算可扩展性方面仍存在挑战尚未解决	全面调查AI在基因组学中的前沿方法论、核心计算工具、基准数据集和开源框架，并探讨未来发展方向	AI在基因组学中的应用，包括基因测序、变异检测、基因表达分析、个性化医疗和CRISPR基因组编辑	机器学习	NA	基因测序, CRISPR基因组编辑, 多组学数据整合	CNN, LSTM, GAN, Transformer, 大语言模型, 图神经网络, 多模态深度学习	文本, 基因组序列, 多组学数据	NA	NA	Transformer, 图神经网络, 多模态深度学习	NA	NA
764	2026-09-28	Progress and new challenges in image-based profiling 2026-May, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-026-00197-7 PMID:41896452	综述	本文综述了基于图像的分析技术从特征提取到批次校正的计算流程演变，并探讨了深度学习对该领域的重塑及新兴模态带来的挑战	系统性地聚焦于基于图像分析的技术演进而非广泛的生物学应用，并重点讨论了单细胞分析、相似性度量、光学混合筛选、时序成像和3D类器官分析等前沿方法	在开发新兴时序和3D数据模态的处理方法、建立稳健的质量控制标准和工作流程以及解释处理后的特征方面仍面临重大挑战	为研究人员提供一份路线图，以了解基于图像的分析领域快速发展的进展和新挑战	基于图像的分析技术、计算方法、深度学习模型及相关软件生态系统	计算机视觉	NA	高内涵显微成像	深度学习	图像	NA	NA	NA	NA	NA
765	2026-09-28	Deep-learning based quantitative evaluation of postoperative atelectasis following right upper lobectomy 2026-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02683-6 PMID:42062447	研究论文	开发基于深度学习的自动化框架，用于量化和分级右上肺叶切除术后肺不张	首次使用深度学习自动量化肺叶体积来评估术后肺不张的严重程度，并关联临床结局	回顾性研究，样本量有限（236例），需外部验证	开发和验证基于深度学习的自动化框架，以量化和分级右上肺叶切除术后的肺不张	2008年至2023年间接受右上肺叶切除术的患者	医学图像分析	肺癌	CT成像	nnU-Net	医学图像	236例患者	PyTorch	nnU-Net v2	体积测量、p值、OR、95%CI	NA
766	2026-09-28	Inference of germinal center evolutionary dynamics via simulation-based deep learning 2026-Apr-28, eLife IF:6.4Q1 DOI:10.7554/eLife.108880 PMID:42047489	研究论文	通过基于模拟的深度学习从重复小鼠实验数据中推断生发中心进化动态，学习亲和力-适应度响应函数	首次使用深度学习和基于模拟的推断方法，从重复生发中心条件的实验中学习未知的亲和力-适应度响应函数	推断依赖于模拟模型的准确性，实验仅涉及小鼠模型，可能无法完全反映人类生发中心动态	推断生发中心中B细胞亲和力与繁殖力之间的关系，即亲和力-适应度响应函数	小鼠生发中心B细胞及其进化动态	机器学习	NA	基于模拟的推断	深度学习	模拟数据，实验数据	NA	NA	NA	NA	NA
767	2026-09-28	spRefine denoises and imputes spatial transcriptomic data with a reference-free framework powered by genomic language model 2026-04-07, Genome research IF:6.2Q1 DOI:10.1101/gr.281001.125 PMID:41633767	研究论文	本文提出了一种基于基因组语言模型的无参考框架spRefine，用于对空间转录组数据进行联合去噪和填补	利用基因组语言模型实现无参考的空间转录组数据联合去噪和填补，并提升数据整合、模型预训练及新生物学信号发现的能力，尤其是提高了空间衰老时钟估计的准确性并揭示了与衰老相关的新关系	NA	解决空间转录组数据中高噪声水平和基因测量缺失的问题，并提升下游分析的准确性	空间转录组数据	空间转录组学, 机器学习	NA	空间转录组学	深度学习框架, 基因组语言模型	空间转录组数据	多个不同规模的数据集	NA	基因组语言模型	NA	NA
768	2026-09-28	Application of a virtual imaging framework for investigating a deep learning-based reconstruction method for 3D quantitative photoacoustic computed tomography 2026-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100792 PMID:41626289	研究论文	本文应用虚拟成像框架评估一种基于深度学习的3D定量光声计算机断层扫描重建方法，用于乳腺成像	首次使用逼真的虚拟成像测试平台评估3D基于学习的qPACT重建方法，并考虑了受试者变异性和物理因素	研究基于虚拟成像，尚未在体模或体内研究中验证	开发稳健的qPACT重建方法，解决计算需求、建模困难和实验不确定性	乳腺成像	计算机视觉	乳腺癌	光声计算机断层扫描	CNN	图像	NA	NA	NA	NA	NA
769	2026-09-28	Robust registration under large image misalignment using an iterative step-aware transformer with application to corneal confocal microscopy 2026-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.581331 PMID:42110991	研究论文	提出了一种基于混合交叉注意力和自注意力Transformer的迭代步长感知配准网络（ISATR-Net），用于角膜共聚焦显微镜图像中大幅错位下的鲁棒仿射配准，并构建了一个包含多种角膜疾病的新数据集进行评估	1. 提出混合交叉注意力和自注意力的Transformer配准网络，显式建模长距离空间对应关系，实现大幅错位下的鲁棒仿射对齐；2. 引入迭代步长感知条件机制，通过逐步细化减少残余错位；3. 构建了涵盖多种角膜疾病的新CCM数据集，用于临床多样性条件下的配准评估	摘要中未明确提及研究的局限性	解决角膜共聚焦显微镜图像拼接中因手动光栅扫描导致的大幅帧错位问题，实现鲁棒的仿射配准以构建高质量镶嵌图	角膜共聚焦显微镜图像中的角膜基底神经丛，涵盖干眼症、神经性角膜疼痛、穿透性角膜移植、葡萄膜炎、Fuchs角膜营养不良及对照病例	医学图像分析	角膜疾病	角膜共聚焦显微镜	Transformer	图像	156只眼（来自91名患者），共1,349对图像帧配准对	NA	ISATR-Net	NA	NA
770	2026-09-28	Quantifying the Efficacy of Deep Learning-Driven Deformable Registration in Multiplexed-Immunofluorescence Imaging for Nucleus Subtype Classification 2026-Apr, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2026-912a PMID:42781412	研究论文	本文提出了一种基于深度学习的可变形配准技术（VoxelMorph），用于多重免疫荧光成像中细胞核亚型的分类，通过减少空间错位来提高分类成功率	将VoxelMorph应用于MxIF图像的DAPI图像进行可变形配准，采用基于块的训练和推理策略处理大尺寸图像，并利用双向配准的残差位移掩膜高残差区域	未明确说明计算资源需求，可能依赖于特定硬件；配准方法可能对某些组织类型效果有限	减少由于连续染色轮次间的空间错位而被排除的细胞核数量，提高细胞核亚型分类的准确性	多重免疫荧光（MxIF）图像中的细胞核	数字病理学	NA	多重免疫荧光（MxIF）成像	CNN	图像	NA	PyTorch	VoxelMorph	成功分类的细胞核数量增加百分比	NA
771	2026-09-28	Deep Learning Decoding of Steady-State Visual Evoked Potential (SSVEP) for Real-Time Mobile Brain-Computer Interfaces: A Narrative Review from Laboratory Settings to Lightweight Engineering Applications 2026-Mar-31, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16040387 PMID:42041797	综述	本文综述了自2023年以来基于清华基准数据集的SSVEP深度学习解码研究，重点关注面向实时移动应用的实时性、低计算复杂度和高鲁棒性技术发展。	系统总结了面向实时移动SSVEP解码的深度学习关键技术，并分析了这些技术如何应对移动脑机接口工程实现中的核心挑战，包括实时处理需求、资源约束和环境鲁棒性。	作为叙述性综述，未进行定量元分析或系统性偏倚评估，可能受文献选择偏倚影响，且未提供实验验证。	综述面向实时移动应用的SSVEP深度学习解码技术，为移动脑机接口从实验室走向实际部署建立技术基础。	自2023年以来发表的、使用清华基准数据集的SSVEP深度学习解码研究。	脑机接口	NA	稳态视觉诱发电位（SSVEP）	深度学习	脑电信号	NA	NA	NA	NA	NA
772	2026-09-28	Small-molecule binding and sensing with a designed protein family 2026-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70953-8 PMID:41904144	研究论文	结合深度学习与基于物理的方法设计多样小分子结合蛋白，为六种小分子靶标计算设计结合剂，并基于皮质醇结合剂构建化学诱导二聚化生物传感器	结合深度学习与物理方法生成具有多样且可设计口袋几何结构的NTF2折叠蛋白家族，实现对小分子的从头结合与传感设计	未明确说明设计蛋白在复杂生理环境中的稳定性与特异性，且仅验证了六种小分子靶标，通用性有待进一步验证	开发可按需设计的小分子结合蛋白与传感器，用于分析、环境及生物医学应用	六种小分子靶标及其设计的结合蛋白，以及基于皮质醇结合剂的化学诱导二聚化系统	蛋白质设计	NA	深度学习与基于物理的蛋白质设计方法	深度学习模型	蛋白质结构数据与结合亲和力数据	六个小分子靶标及其结合蛋白	NA	NA	结合亲和力（纳摩尔至低微摩尔）与原子级设计精度	NA
773	2026-09-28	Deep Learning Assisted Proton Pure Shift NMR Spectroscopy 2026-Mar-11, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c22860 PMID:41770844	研究论文	该文章提出了一种深度学习方法，将自旋回波调制的1H NMR谱转换为高灵敏度高分辨率的单峰NMR谱（即虚拟同核去耦纯位移谱）	利用深度学习将自旋回波调制的1H NMR谱转化为纯位移谱，超越了现有方法，并能预测变换的不确定性以支持定量分析	未明确提及	开发一种深度学习方法，实现高灵敏度、高分辨率的纯位移NMR谱，以克服传统谱中多重峰重叠的问题	复杂有机化合物的实验NMR谱	机器学习	NA	NMR波谱学	NA	谱图数据	未明确提及具体样本量	NA	NA	NA	NA
774	2026-09-28	Percutaneous nephrostomy guidance by a convolutional-neural-network-based optical coherence tomography endoscope 2026-Mar-06, Communications engineering DOI:10.1038/s44172-026-00613-8 PMID:41792429	研究论文	本研究开发了一种基于卷积神经网络的光学相干断层扫描内窥镜探头，用于经皮肾造瘘术中的针导航，通过组织识别和血管检测实验验证其有效性	首次将光学相干断层扫描内窥镜探头与深度学习相结合用于经皮肾造瘘术导航，实现了高精度的组织分类和血管检测	摘要中未提及样本多样性或临床环境验证的局限性	提高经皮肾造瘘术中针放置的精确性并避免血管破裂导致的出血	三十一个人肾脏样本	计算机视觉	肾脏疾病	光学相干断层扫描	CNN	图像	31个人肾脏	NA	Inception, nnU-net	准确率, IoU	NA
775	2026-09-28	Identification of a type 1 diabetes-associated T cell receptor repertoire signature from the human peripheral blood 2026-Feb-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adx7448 PMID:41686902	研究论文	通过对2250名HLA分型参与者的外周血TCRβ链进行测序，利用深度学习识别与1型糖尿病相关的TCR基序，并验证其在胰腺引流淋巴结中的存在	首次在大规模HLA分型人群中结合深度学习识别T1D相关的TCR亚序列基序，并证明这些基序在独立队列的胰腺引流淋巴结中可重现	摘要未明确说明局限性，可能包括样本横断面设计的因果推断限制、未充分讨论TCR基序的功能验证、以及深度学习模型的可解释性等	解析HLA等位基因对TCR repertoire的影响，并识别T1D相关的TCR特征	2250名HLA分型参与者的外周血TCRβ链 repertoire，包括T1D患者、健康相关对照和无关对照	机器学习	1型糖尿病	TCR测序	深度学习	序列	2250名参与者的外周血样本	NA	NA	NA	NA
776	2026-09-28	Integrative profiling of condensation-prone RNAs during early development 2026-Feb-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.101065 PMID:41265448	研究论文	该研究整合转录组学方法和可解释深度学习框架，鉴定了早期发育过程中一类易凝聚的RNA（称为smOOPs），并揭示了其序列组成、折叠和RBP结合特征以及编码蛋白的内在无序区域	首次鉴定了一类发育相关的易凝聚RNA（smOOPs），结合可解释深度学习揭示了其序列和结构特征，并发现其编码蛋白富含内在无序区域，提示RNA和蛋白特征在相分离中的相互作用	未明确说明	探究RNA特征如何促进生物分子凝聚体的形成，并鉴定发育过程中易凝聚的RNA	早期发育过程中的RNA转录本	机器学习	NA	定制转录组学测定	可解释深度学习框架	RNA序列和转录组数据	NA	NA	NA	NA	NA
777	2026-09-28	BrainView: A cloud-based deep learning system for brain image segmentation, tumor detection and visualization 2026-02, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100871 PMID:40409506	研究论文	本文提出了一个基于云的深度学习系统BrainView，用于脑部MRI图像的分割、肿瘤检测和可视化	结合了EfficientNetB7预训练模型和EffB7-UNet分割模型，并开发了基于Flask和Flutter的云应用，便于研究人员和临床医生在线使用	未明确说明	利用深度学习技术从脑部MRI图像中检测、分割和分类脑肿瘤，并提供云平台以便于使用	脑部MRI图像	计算机视觉	脑肿瘤	深度学习	CNN	图像	NA	Flask, Flutter	EfficientNetB7, U-Net	准确率	云平台
778	2026-09-28	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究利用BioBERT分析非结构化临床文本，通过透明和黑盒方法检测自闭症，并比较迁移学习在多个数据集上的表现。	提出透明且可解释的机器学习方法，结合BioBERT将行为描述映射到诊断标准，并评估迁移学习在多个真实数据集上的泛化能力。	未明确提及具体局限性，但可能受限于数据集规模和多样性。	开发透明可解释的机器学习方法，利用临床文本自动化检测自闭症，并评估迁移学习的泛化性能。	自闭症谱系障碍（ASD）临床文本数据。	自然语言处理	自闭症谱系障碍	临床文本分析	BioBERT	文本	NA	TensorFlow, PyTorch	BioBERT	敏感度, 特异度	NA
779	2026-09-28	Integrative spatial omics and artificial intelligence: transforming cancer research with omics data and AI 2026-02, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2026.01.002 PMID:41520911	综述	本文综述了空间组学（包括空间转录组学和空间蛋白质组学）与人工智能相结合在癌症研究中的应用，涵盖关键方法、主要平台以及AI驱动的计算模型	系统性地整合了空间组学技术与人工智能计算方法，提出了利用空间图论、拓扑数据分析和基于智能体的建模等先进数学框架来优化数据整合和提升生物学洞察力的新视角	空间转录组学和AI驱动方法面临高维数据复杂性、计算资源限制以及分析流程标准化不足等挑战	探讨空间组学与人工智能融合在肿瘤学中的应用，推动精准肿瘤学发展，改善治疗结果并深入理解癌症进展和免疫系统相互作用	多组学数据（基因组学、转录组学、蛋白质组学、表观基因组学、代谢组学）及组织学空间数据，肿瘤微环境及其空间动态	数字病理学	癌症	空间条形码，原位测序，数字空间分析，空间转录组学，空间蛋白质组学	深度学习模型，空间图分析模型，基于智能体的建模	图像，文本，多组学数据	NA	NA	NA	NA	NA
780	2026-09-28	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	本研究提出了一种深度学习方法来校正Centiloid量化，通过惩罚不合理的纵向轨迹来训练模型	新颖的人工智能方法，通过惩罚生物学上不合理的纵向轨迹，使模型无需在推理时使用纵向数据即可学习标准化摄取值比校正因子	未明确提及	提高淀粉样蛋白PET量化的准确性和一致性，特别是在不同示踪剂和扫描仪之间	淀粉样蛋白PET图像	数字病理学	阿尔茨海默病	淀粉样蛋白PET成像	深度学习	图像	训练集：2129名参与者（7149次Aβ PET扫描）；验证集：10543名参与者（15807次Aβ PET扫描）	NA	NA	相关性、变异性、效应量	NA