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
1181	2026-09-23	Deep Learning Enables Automated Segmentation and Quantification of Ultrastructure from Transmission Electron Microscopy Images 2026-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.05.686793 PMID:42039458	研究论文	本文提出了一个深度学习框架TEAMKidney，用于自动分割和量化透射电子显微镜图像中的超微结构，并在人类和动物肾脏疾病图像上验证了其有效性	结合基于自训练的语义分割阶段与针对TEM定制的全景分割模型，解决了TEM数据分析中缺乏准确标注训练数据和复杂超微结构分割精度低的挑战，并实现了跨物种、放大倍数和仪器平台的测量	未在摘要中明确说明	开发一个深度学习框架，实现TEM图像中超微结构的准确和可扩展测量，以减轻临床病理和生物医学研究中图像分析的负担	来自多肾脏疾病患者和不同动物模型的TEM图像中的肾小球超微结构，特别是肾小球基底膜和足细胞足突	数字病理学	肾脏疾病	透射电子显微镜	深度学习	图像	12,991张TEM图像	NA	NA	NA	NA
1182	2026-09-23	A Hybrid Physics-Deep Learning Framework for Combinatorial De Novo Design of Small-Molecule Binding Proteins 2026-Apr-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.12.717919 PMID:42039485	研究论文	该文章提出了一种混合物理-深度学习框架，用于从头设计小分子结合蛋白，通过组合筛选和优化界面相互作用，实现了高精度的蛋白质-配体结合设计，并在类固醇结合蛋白设计中取得了实验成功。	提出了一种可推广到α-β架构的支架策略，结合组合组装和物理-深度学习优化，实现了原子级精确的小分子结合蛋白设计，消除了高通量筛选的需求。	实验成功率仍有待提高（4/26），且方法可能受限于特定类型的蛋白质架构和配体。	开发一种通用且原子精确的小分子结合蛋白从头设计方法，提高设计成功率和结合精度。	小分子结合蛋白，特别是针对类固醇类小分子的结合蛋白。	机器学习	NA	深度学习、物理模拟、NMR	深度学习模型	蛋白质结构数据、序列数据	26个设计蛋白，其中4个成功结合目标	NA	NA	实验成功率、NMR结构一致性	NA
1183	2026-09-23	Resting-state fMRI foundation models enable robust and generalizable latent neural target discovery in cognitive aging interventions 2026-Apr-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.30.697042 PMID:42039513	研究论文	系统评估静息态功能磁共振基础模型在老年人轻度认知障碍干预试验中预测情景记忆变化的能力，并发现潜在神经模式	首次在独立随机对照试验中系统评估rsfMRI基础模型，证明其优于传统机器学习和深度学习方法，并利用外部阿尔茨海默病队列进行临床信息适应，提升预测精度和鲁棒性	研究样本量较小且异质性高，可能影响结果的普遍性；基础模型在局部干预环境中的有效性仍需更大规模验证	探究rsfMRI基础模型能否稳健提取纵向脑表征，预测干预后情景记忆变化，并识别潜在神经模式	患有轻度认知障碍的老年人，来自两个独立随机对照试验	医学影像分析	认知老化	静息态功能磁共振成像	基础模型	时间序列信号	两个独立随机对照试验的老年人轻度认知障碍参与者，具体人数未提供	NA	基础模型	准确率	NA
1184	2026-09-23	Serial Spatial Transcriptomics Reveal Divergent Routes to Therapy Resistance in Metastatic Breast Cancer 2026-Apr-15, Research square DOI:10.21203/rs.3.rs-9365657/v1 PMID:42040933	研究论文	该研究通过对四名转移性乳腺癌患者长达3.5年的十次活检样本进行序列空间转录组学分析，揭示了转移性乳腺癌治疗耐药的不同适应路径。	提出了以患者为中心的空间分析框架，结合概率主题建模与空间深度学习，首次系统性地揭示了转移性乳腺癌中通路独立性、微环境重塑和补偿性信号三大生存原则及其在个体患者中的不同机制表现。	样本量较小（仅四名患者），可能限制结论的普适性；缺乏大规模独立队列验证；未涉及其他癌种的转移性耐药机制比较。	揭示转移性乳腺癌在个性化治疗过程中耐药机制的空间异质性和细胞情境，建立空间转录组学作为指导多轴联合治疗和早期治疗决策的工具。	四名转移性乳腺癌患者的十次活检样本，共计345,207个细胞。	数字病理学	乳腺癌	空间转录组学	NA	图像、文本（空间转录组数据）	4名转移性乳腺癌患者，10次活检，345,207个细胞	NA	NA	NA	NA
1185	2026-09-23	GAZE2REPORT: RADIOLOGY REPORT GENERATION VIA VISUAL-GAZE PROMPT TUNING OF LLMS 2026-Apr-07, ArXiv PMID:41994171	研究论文	该文章提出GAZE2REPORT框架，通过视觉注视提示调优大语言模型来实现放射学报告生成	利用扫描路径预测模块和图神经网络生成联合视觉注视令牌，结合指令和报告令牌形成多模态提示，微调大语言模型的LoRA层进行自回归报告生成，实现推理时无需注视输入	摘要中未明确提及局限性	解决放射学报告生成中医生先验信息整合不足、多模态数据融合复杂以及注视数据获取成本高且推理时缺失的问题	放射学图像和报告	计算机视觉	NA	眼动追踪, 扫描路径预测, 图神经网络, 大语言模型微调	LLM, GNN	图像, 文本, 眼动数据	NA	NA	LoRA, Graph Neural Network, Large Language Models	NA	NA
1186	2026-09-23	Quantifying setup uncertainty between computed tomography guidance and magnetic resonance guidance in intramuscular metastases radiotherapy 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70589 PMID:42003063	研究论文	该研究量化了在肌肉内寡转移放疗中，CT引导与MR引导之间的摆位不确定性，并比较了剂量学差异和所需治疗边界	首次量化了肌肉内寡转移放疗中CT引导与MR引导之间的摆位不确定性，并利用深度学习生成的合成CT模拟CT引导，比较了剂量学差异和所需边界	样本量较小，仅纳入5例患者；合成CT的准确性可能影响结果；未评估临床结局	评估CT引导与MR引导在肌肉内寡转移放疗中的剂量学差异，并量化所需治疗边界	5例接受MR引导放疗的肌肉内寡转移患者	放射治疗	寡转移癌	MR引导放疗, CT引导放疗, 深度学习合成CT	深度学习模型	医学图像	5例患者	NA	NA	摆位误差, V95, D95, 均匀性指数	NA
1187	2026-09-23	LEARNABLE HIERARCHICAL VISUAL CONTEXTS FOR TUMOR SEGMENTATION IN COMPUTED TOMOGRAPHY IMAGES 2026-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi61048.2026.11515689 PMID:42367197	研究论文	本文提出了一种可学习的层次化视觉上下文（LeVal）方法，用于改进CT图像中的肿瘤分割	LeVal结合了任务无关的可学习语义上下文和任务特定的查询令牌，通过两阶段预训练（自监督学习和多器官分割监督预训练）来增强肿瘤分割性能	未明确说明，可能包括对特定肿瘤类型的泛化能力、计算资源需求等	改进CT图像中的肿瘤分割，以支持放射治疗应用	胰腺癌、结肠癌、肾上腺癌和头颈癌的CT图像	计算机视觉	肺癌	深度学习	3D Swin Transformer	图像	14,000个未标记CT扫描（预训练），四个公共数据集（评估）	NA	3D Swin Transformer, 解码器	分割性能指标（如Dice系数等）	NA
1188	2026-09-23	Combined explainable deep learning model to predict pediatric sleep apnea from ECG and SpO2 2026-Mar-10, Measurement : journal of the International Measurement Confederation IF:5.2Q1 DOI:10.1016/j.measurement.2025.120259 PMID:42421779	研究论文	本文提出了一种可解释的深度学习模型，结合卷积神经网络与夜间血氧饱和度和心电图信号，用于识别儿童阻塞性睡眠呼吸暂停。	首次同时分析心电图和血氧饱和度数据，并应用SHAP可解释性技术解释模型决策，揭示呼吸与心脏模式之间的关联。	需要在更多样化的数据集上验证模型的泛化能力。	利用可解释的深度学习模型，通过心电图和血氧饱和度信号诊断儿童阻塞性睡眠呼吸暂停。	患有或疑似患有阻塞性睡眠呼吸暂停的儿童。	机器学习	儿童阻塞性睡眠呼吸暂停	深度学习、可解释人工智能	CNN	信号数据（心电图和血氧饱和度）	3320名患者	NA	CNN	Cohen's 4-class kappa	NA
1189	2026-09-23	Benchmarking foundation models for splice site and exon annotation 2026-Feb-23, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.22.707219 PMID:42124697	研究论文	该研究对多个基础模型和深度学习模型在基因和剪接位点注释任务中的性能进行了基准测试，特别关注不同类别外显子的注释效果。	首次系统评估了基础模型（如SegmentNT、Enformer、Borzoi）和CNN模型（如SpliceAI、AlphaGenome及新开发的STEP2h）在不同类别基因元件（如编码/非编码、末端/内部、组成型/可变剪接、TE衍生外显子）上的注释性能，揭示了模型在训练数据中代表性不足的类别上性能大幅下降的问题。	研究仅评估了有限数量的模型和特定类别，可能未涵盖所有基因元件类型；此外，未详细探讨模型性能下降的生物学原因或提出具体的改进方案。	评估现有基础模型和深度学习模型在基因和剪接位点注释中的性能，特别是针对不同类别外显子的注释能力。	基因和剪接位点注释，包括不同类别的外显子（如编码/非编码、末端/内部、组成型/可变剪接、TE衍生外显子）。	基因组注释	NA	深度学习模型评估	Transformer, CNN	基因组序列	NA	NA	SegmentNT, Enformer, Borzoi, SpliceAI, AlphaGenome, STEP2h	NA	NA
1190	2026-09-23	Pixel2Gene enables histology-guided reconstruction and prediction of spatial gene expression 2026-Feb-23, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.21.707168 PMID:42124685	研究论文	介绍了一种名为Pixel2Gene的深度学习框架，该框架整合了共配准的组织学图像和空间转录组数据，实现组织学引导的空间基因表达重建与预测	提出Pixel2Gene框架，利用常规组织学图像引导空间基因表达的重建和预测，能够对低置信度数据进行去噪、重建连贯的表达模式，并预测未测量组织区域和缺乏转录组分析的新样本中的基因表达，从而在降低成本的同时实现全组织规模的空间转录组分析	摘要中未明确提及研究的局限性	解决当前高分辨率空间转录组平台因高成本、组织覆盖有限和技术伪影导致的噪声、稀疏和不完整数据问题，提高分析准确性、生物学解释和临床实用性	多种高分辨率空间转录组平台（包括Visium HD、Xenium和CosMx）生成的空间转录组数据及对应的组织学图像，涵盖多种组织类型和疾病背景的临床样本	数字病理学	NA	空间转录组学、组织学成像	深度学习	图像、文本（基因表达数据）	NA	NA	NA	数据一致性、 dropout效应缓解、生物学意义空间结构恢复、下游分析准确性	NA
1191	2026-09-23	Deep learning for the joint analysis of item-level longitudinal and survival data 2026-Feb-09, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2026.2625122 PMID:42064375	研究论文	本文提出了一种卷积神经网络（CNN），用于输入纵向序数项目数据，预测患者的未来生存轨迹，并证明使用项目级数据比使用总分能提高预测性能	使用CNN直接处理纵向序数项目数据，而不是总分，从而保留了数据的序数性质并减少了信息损失	未明确提及	改进神经退行性疾病中纵向序数项目数据与生存数据的联合分析	帕金森病患者	机器学习	帕金森病	深度学习	CNN	纵向序数项目数据	模拟研究和帕金森病研究数据（具体样本量未提及）	NA	CNN	预测性能（具体指标未提及）	NA
1192	2026-09-23	Personalized White Matter Bundle Segmentation for Early Childhood 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3086478 PMID:42266436	研究论文	该文章提出了一种针对儿童早期白质束分割的个性化深度学习方法，优化了TractSeg架构，并在手动标记的数据集上验证了其性能	首次提出针对儿童的白质束分割方法，修改了TractSeg的输入、评估方式和损失函数，并证明了其优于原始TractSeg	样本量较小（56个手动标记的白质束），且仅在特定队列上验证，泛化能力需进一步验证	优化儿童白质束分割的深度学习模型，提高与专家标记的相似度，并生成可靠的个体化图谱	儿童早期白质束	数字病理学	NA	扩散磁共振成像	CNN	图像	56个手动标记的白质束	NA	UNet	Dice分数, 体积重叠, 体积超出, Wilcoxon符号秩检验, FDR校正	NA
1193	2026-09-23	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in motor imagery and execution 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	本研究发布了首个公开的EEG数据集，专门针对坐-站和站-坐转换过程，涵盖运动执行和运动想象任务，并包含60通道EEG、EOG和EMG同步记录，同时使用三种深度学习基线方法进行基准分类验证	首次发布专门针对坐-站和站-坐转换过程的公开EEG数据集，同时涵盖运动执行和运动想象两种任务范式，并同步记录了EEG、EOG和EMG三种信号	样本量相对有限（22名健康参与者），未包含患者群体，且仅针对下肢坐站转换任务，泛化性有待进一步验证	构建并验证一个针对坐-站和站-坐转换任务的EEG数据集，探索下肢运动相关的神经激活模式，并推动基于EEG的脑机接口算法在移动辅助和康复领域的发展	22名健康参与者的EEG、EOG和EMG信号数据，以及坐-站和站-坐转换过程中的运动执行和运动想象任务	脑机接口	NA	EEG、EOG、EMG	深度学习	信号（EEG、EOG、EMG）	22名健康参与者，60通道EEG、EOG和EMG同步记录	NA	CTNet、EEGNet、TCANet	准确率	NA
1194	2026-09-23	Autoencoder/RandomForest-TabPFN for cross-cancer metabolomics: prostate and breast cancer diagnosis using paper spray and ion mobility-mass spectrometry techniques 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag053 PMID:42096511	研究论文	本研究提出了一种结合自编码器、基于随机森林的特征选择和TabPFN的预测方法，利用纸喷雾电离质谱和离子迁移-质谱技术获取的代谢组学数据，实现前列腺癌和乳腺癌的高精度诊断	首次将自编码器、随机森林特征选择与表格先验数据拟合网络（TabPFN）相结合，应用于跨癌种代谢组学诊断，能够有效将高维数据降维为潜在特征表示，同时捕获肿瘤进展相关变化和特征交互	未明确说明模型在更大规模和多中心数据集上的泛化能力，以及在不同质谱平台间的可迁移性验证尚不充分	开发一种基于深度学习的代谢组学诊断方法，提高前列腺癌和乳腺癌的诊断准确性，并探索AI在代谢组学诊断中的转化潜力	前列腺癌和乳腺癌患者的代谢组学数据，包括尿液、血清样本以及核心针活检样本	机器学习	前列腺癌, 乳腺癌	纸喷雾电离质谱, 流动注射-行波离子迁移-质谱	自编码器, 随机森林, TabPFN	代谢组学数据, 脂质组学数据	NA	NA	Autoencoder, Random Forest, TabPFN	准确率	NA
1195	2026-09-23	RETRACTED: Research on anomaly detection and operational status evaluation methods for smart electricity meters based on hybrid deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350561 PMID:42234697	研究论文	本文提出了一种基于特征图像组合和改进ResNet-18的电能质量扰动识别方法，通过特征融合提高识别准确率	提出特征图像组合与改进ResNet-18相结合的方法，利用六通道输入和特征融合概念增强识别能力	未提及具体限制	解决单图像特征信息有限和传统电能质量扰动识别系统识别能力不足的问题	电能质量扰动信号	机器学习	NA	变分模态分解、连续小波变换、信号到图像转换	CNN	图像	NA	NA	ResNet-18	识别准确率	NA
1196	2026-09-23	Optimizing Sensor and Data Selection on Lower Limbs via Deep Learning for Real-Time Human Activity Recognition 2026, IEEE transactions on human-machine systems IF:3.5Q1 DOI:10.1109/THMS.2026.3651525 PMID:42238992	研究论文	本研究通过深度学习评估下肢传感器选择和数据模态，使用超短50毫秒滑动窗口实现实时人体活动识别，并权衡准确率、延迟和模型复杂度	系统评估了多种传感器组合（包括关节角度、角速度和惯性测量单元）在超短50毫秒窗口下的实时人体活动识别性能，并量化了准确率、延迟和模型复杂度的权衡	摘要中未明确提及研究的局限性	优化下肢传感器和数据选择，以实现实时人体活动识别，并为辅助机器人和移动健康应用提供设计原则	21名受试者执行六种运动活动	机器学习	NA	深度学习	MLP, LSTM, CNN-LSTM	传感器数据（关节角度、角速度、惯性测量）	21名受试者，六种运动活动	NA	MLP, LSTM, CNN-LSTM	准确率	NA
1197	2026-09-23	Objective assessment of rosacea erythema severity: a multimodal artificial intelligence framework integrating VISIA® imaging and image-derived tabular features 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1829629 PMID:42239947	研究论文	该研究基于VISIA®影像与图像衍生表格特征构建多模态人工智能框架，实现玫瑰痤疮红斑严重程度的客观分级	提出融合手工图像表格特征与深度学习表征的多模态框架，用于客观CEA分级，并引入多步专家集体审计建立稳健参考标准，同时针对疾病严重程度的有序性评估QWK和ICC	作为概念验证研究，样本为回顾性单中心队列，需进一步前瞻性多中心验证	开发客观、可重复的玫瑰痤疮红斑CEA分级方法，以减少主观评估的观察者间差异	1,001例玫瑰痤疮患者的标准化VISIA®面部影像及临床数据	数字病理学	皮肤疾病	VISIA®标准化成像、图像衍生表格特征提取、深度学习、多模态融合	CNN	图像、表格数据	1,001例玫瑰痤疮患者	NA	NA	Macro-AUC、Quadratic Weighted Kappa、Intraclass Correlation Coefficient、McNemar检验、DeLong检验	NA
1198	2026-09-23	High-throughput phenotyping for climate-resilient forests: integrating multi-sensor fusion and root-shoot dynamics 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1842337 PMID:42245104	综述	本文综述了高通量表型分析在气候适应性森林中的应用，提出整合多传感器融合与根-冠动态的约束性框架，以弥合地上信号与地下根系性状之间的鸿沟	提出了一种基于约束的框架，将航空传感器数据与生态水文方法和过程模型相结合，以缩小可能的根系功能策略范围而非直接识别根系表型，并强调从冠层扩展到地下根系和土壤-植物-大气连续体的重要性	大多数高通量表型分析仍集中于冠层，忽略了根系和土壤-植物-大气连续体；深度学习模型受限于过拟合、可迁移性有限以及不同森林类型间的域偏移；该方法存在假设和验证方面的挑战	探讨如何通过整合多传感器融合与根-冠动态的高通量表型分析技术，推动气候适应性森林的研究与发展	森林树木（气候适应性森林），包括冠层和根系系统	遥感，机器学习，生态学	NA	热成像，日光诱导叶绿素荧光，高光谱遥感， LiDAR，无人机平台，地面机器人系统	深度学习	图像，光谱数据，点云数据	NA	NA	NA	NA	NA
1199	2026-09-23	FHP-ClsNet: a model for fetal head position classification based on intrapartum ultrasound 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1830543 PMID:42245941	研究论文	该研究提出FHP-ClsNet模型，用于产时超声图像中胎头位置（枕前位、枕后位、枕横位）的分类	提出FHP-ClsNet模型，基于YOLOv8架构，整合了CBAM、ECA和PSA注意力机制以及AIFI特征交互模块	视频序列处理方面仍需进一步改进	开发先进的深度学习模型，准确分类产时超声图像中的胎头位置，以辅助产程管理和分娩结果预测	产时超声图像中的胎头位置	医学图像分析	NA	深度学习	YOLOv8	超声图像	69个标注的产时超声视频（109个视频用于分类测试）	NA	YOLOv8, CBAM, ECA, PSA, AIFI	准确率, PR-AUC, ROC-AUC, kappa系数	NA
1200	2026-09-23	Generative machine learning for multivariate angular simulation 2026, Extremes IF:1.1Q3 DOI:10.1007/s10687-025-00522-7 PMID:42293257	研究论文	本文提出了多种深度生成学习方法（生成对抗网络、归一化流和流匹配）用于多元角度变量模拟，并与经典有限混合vMF分布方法进行比较	首次将生成对抗网络、归一化流和流匹配等深度生成学习方法应用于多元角度变量模拟任务，并进行了系统的性能评估和比较	未明确讨论深度学习方法在高维情形下的可扩展性问题以及计算成本，且混合模型需要增加混合分量数量才能捕捉复杂特征	探索深度生成学习方法在多元角度变量模拟中的应用潜力，并与经典参数方法进行性能对比	多元角度变量、极端值角度-径向框架中的角度分量	机器学习	NA	生成对抗网络、归一化流、流匹配、von Mises-Fisher混合模型	GAN、归一化流、流匹配	数值数据、海洋气象数据	NA	NA	NA	多种评估指标（未具体说明）	NA