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
1381	2026-09-18	AI-enabled root-cause diagnosis of water quality anomalies in continuous monitoring networks using a retrieval-augmented generation (RAG) approach 2026-Sep-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130753 PMID:42673824	研究论文	该研究提出WQ-RAG框架，将深度学习异常检测与检索增强生成相结合，实现水质异常的自动化根源诊断，并在USGS四个河流监测站的数据上进行了验证	首次将RAG与深度学习异常检测集成用于水质异常的根源诊断，利用监管文档知识库为LLM生成提供依据，实现监管相关的可解释诊断	仅在四个USGS监测站进行评估，知识库仅包含25份监管和技术文档，未与其他XAI方法进行广泛比较	解决实时水质监测中异常检测难以转化为可操作诊断的问题，实现基于监管依据的水质异常根源自动诊断	USGS运营的四个地理和水文地球化学条件各异的河流监测站2021至2024年的高频水质监测数据	机器学习	NA	高频水质传感器监测、深度学习异常检测、检索增强生成、大语言模型	LSTM自编码器、PatchTST、Llama-3-8B	时间序列	美国地质调查局（USGS）运营的四个河流监测站2021至2024年的高频监测数据，以及25份监管和技术文档构建的知识库	NA	LSTM自编码器、Patch Time Series Transformer、Llama-3-8B	F1分数、AUC-ROC、解释质量评分（完整性、监管准确性、可操作性）	NA
1382	2026-09-18	Deep learning-enabled real-time acoustofluidic sorting for selective microalgae recovery under wastewater-relevant heterogeneous conditions 2026-Sep-01, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135751 PMID:42679963	研究论文	本研究开发了一种集成图像识别与声表面波操控的实时智能声流控分选系统，用于在废水相关的异质条件下选择性回收微藻	将多尺度特征学习与空间注意力机制相结合，提高了动态流动微藻在异质条件下的识别鲁棒性，并实现了实时声流控分选	研究在受控的微藻混合物中进行，未在真实复杂废水环境中验证，且仅针对雨生红球藻进行了纯度评估	开发一种实时智能声流控分选系统，用于在废水异质环境中高效、高纯度地回收微藻	微藻（雨生红球藻）及废水相关的异质颗粒	计算机视觉	NA	声流控分选、声表面波操控、图像识别	深度学习模型（具体架构未明确，包含多尺度特征学习和空间注意力机制）	图像	受控微藻混合物样品，具体数量未提及	NA	多尺度特征学习结合空间注意力机制（具体架构未明确）	纯度、感知到命令延迟、细胞代谢活性	NA
1383	2026-09-18	A human epithelial cell cycle dataset 2026-Sep-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-08216-w PMID:42680767	研究论文	本文介绍了一个大规模的单细胞数据集，用于细胞周期阶段的分类，包括10万张HEp-2细胞图像，并基于CNN模型进行了预分类和专家校正	构建了一个大规模的、算法辅助的细胞周期单细胞图像数据集，包含10万张图像，并提供了专家双盲校正的分类标签	数据集仅基于HEp-2细胞系，可能不适用于其他细胞类型；图像采集和分类过程依赖于特定实验条件	为生物医学和深度学习应用提供资源，促进细胞周期检测算法的训练和评估	HEp-2细胞	数字病理学	NA	DAPI染色，自动显微镜成像，细胞分割	CNN	图像	10万张单细胞图像	NA	VGG16	NA	NA
1384	2026-09-18	Artificial Intelligence and the Evolving Standard of Care in Dentistry: Clinical Evidence, Regulatory Landscape, and Medicolegal Implications 2026-Sep, Compendium of continuing education in dentistry (Jamesburg, N.J. : 1995) PMID:42709026	综述	本文综述了人工智能在牙科临床实践中的证据、监管现状及医疗法律影响，探讨了AI工具何时从可选竞争项转变为诊疗标准	系统整合了2021至2025年间的系统综述和meta分析证据，结合FDA 510(k)审批数据和机器人辅助种植手术的临床数据，首次从医疗法律角度探讨AI工具融入牙科诊疗标准的临界问题	牙科专项法律判例仍然有限，存在自动化偏差、算法公平性问题，以及监管审批与独立科学验证之间存在差距	综述AI在牙科各学科中的临床证据，追溯技术重塑实践期望的历史规律，分析医疗法律框架下的专业责任，并提出负责任整合的指南	AI驱动的牙科诊断工具（包括龋齿检测、根尖周病变检测、牙周骨丧失评估的深度学习算法）及机器人辅助种植手术系统	数字病理学	口腔疾病	深度学习算法、机器人辅助手术系统	深度学习	图像	超过270例机器人辅助种植体植入的临床序列	NA	NA	灵敏度、平均角度偏差	NA
1385	2026-09-18	Development and Crossover Evaluation of an Artificial Intelligence-Assisted System for Solid Pancreatic Lesion Detection and Pancreatic Parenchyma Recognition in Endoscopic Ultrasonography (With Video) 2026-Sep, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society IF:5.0Q1 DOI:10.1111/den.70282 PMID:42720264	研究论文	该研究开发了一种人工智能辅助系统，用于在内镜超声中检测实性胰腺病变和识别胰腺实质，并通过交叉试验评估其对操作者表现的影响	开发了用于内镜超声中实性胰腺病变检测和胰腺实质识别的AI叠加系统，并采用随机两序列两周期交叉阅读者研究设计评估其效果	胰腺实质识别的敏感性提升未达到预设的优效性标准（p=0.095）	开发AI辅助系统以检测实性胰腺病变和识别胰腺实质，并评估其对内镜超声医师阅读表现的影响	118名患者的120组实性胰腺病变阳性和阴性图像集及160组胰腺实质阳性和阴性图像集，以及8名内镜超声医师（5名新手和3名专家）	医学图像分析	胰腺癌	内镜超声	深度学习	图像	118名患者，120组实性胰腺病变图像集，160组胰腺实质图像集，8名阅读者	NA	NA	敏感性, 特异性, 准确率	NA
1386	2026-09-18	Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC 2026-Sep, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04488-2 PMID:42733093	研究论文	本研究开发了基于人工智能的可解释决策支持工具，并评估了多模态模型在非小细胞肺癌（NSCLC）免疫治疗选择中的临床可用性	ILUNG是迄今最大的国际性、真实世界、多模态、基于AI的研究，纳入了2,396名患者，整合了临床、血液、CT图像、数字病理和基因组数据，并进行了临床可用性研究	多模态整合（MLEF）的增量 benefit 在测试集和外部验证集中未体现，外部验证性能下降可能反映人群差异	评估可解释AI决策支持工具的临床可用性，并评估多模态模型在NSCLC免疫治疗选择中的性能	非小细胞肺癌（NSCLC）患者	数字病理学, 计算机视觉, 机器学习	肺癌	CT成像, 数字病理, 基因组学, 血液生物标志物	机器学习, 深度学习	图像, 文本, 基因组数据, 临床数据	2,396名患者	NA	NA	AUC	NA
1387	2026-09-18	Correction to: Deep learning reveals genomic regions introgressed between two recurrently hybridizing lynx species 2026-Sep-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msag234 PMID:42742200	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1388	2026-09-18	A systematic review of prolonged posture monitoring with accelerometer-based wearable sensors 2026-Sep, PLOS digital health DOI:10.1371/journal.pdig.0001538 PMID:42743259	系统综述	系统综述评估了使用加速度计可穿戴传感器进行长时间姿势监测的研究，涵盖了从数据采集到用户反馈的整个流程	首次系统性地综合了长时间姿势监测的传感至反馈全流程研究，识别了从监测到可操作反馈转化过程中的研究空白	研究间异质性较大，无法进行定量合成，证据基础主要集中在西方办公室人群，且无研究使用实时姿势监测结果触发反馈	综合当前长时间姿势监测的实践方法，识别从数据采集、准备、分析到用户反馈全流程中的研究差距	使用身体佩戴加速度计传感器监测清醒状态下至少十分钟不间断坐姿或站姿的研究	机器学习	NA	加速度计可穿戴传感器	NA	加速度计信号	14项研究	NA	NA	NA	NA
1389	2026-09-18	HighFold4: extending AlphaFold3 to accurate cyclic peptide conformation prediction via custom chemical connectivity 2026-Sep-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag505 PMID:42743971	研究论文	该文章提出了HighFold4框架，通过扩展AlphaFold3以利用自定义化学连接性实现准确的环肽构象预测	通过显式地纳入用户定义的残基间的化学连接性，而不重新训练基础模型，实现了拓扑闭合和键特异性环化，克服了现有方法对酰胺或二硫键连接大环的偏倚，能够预测具有定制环几何和连接化学的多种环肽构象	摘要中未明确提及限制	扩展AlphaFold3以实现准确的环肽构象预测，特别是通过自定义化学连接性来生成闭合环拓扑并指定环化键的化学特性	环肽	机器学习	NA	NA	NA	NA	179个环肽结构	NA	AlphaFold3	NA	NA
1390	2026-09-18	PhoSARte: identification of SARS-CoV-2 phosphorylation sites using contrastive learning and protein language models 2026-Sep-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag504 PMID:42743972	研究论文	该研究开发了一个名为PhoSARte的可解释计算框架，结合孪生网络对比学习和预训练蛋白质语言模型，用于准确识别SARS-CoV-2感染细胞中的磷酸化位点	1. 首次将孪生网络对比学习与预训练蛋白质语言模型相结合用于病毒相关磷酸化位点预测；2. 采用独特的双流架构，PLM捕获上下文蛋白质序列表示，SCL模块（包含基于Transformer的编码器和基于注意力的双向门控循环单元）学习蛋白质序列对的判别性和相似性保持表示；3. 整合了计算机模拟突变分析，解码复杂的深度学习嵌入以提取生物学相关的基序特征，超越了传统黑箱预测器	摘要中未明确提及研究的具体局限性	准确识别SARS-CoV-2感染细胞中的特异性磷酸化位点，以理解病毒发病机制、优先筛选抗病毒靶点、指导治疗策略并加强对未来病毒爆发的准备	SARS-CoV-2感染细胞中的磷酸化位点，研究数据来源于感染A549（人类）和Vero E6（非洲绿猴）细胞及其组合数据集的磷酸化蛋白质组学数据，以及腺病毒2型感染的人IMR-90细胞的外部跨病毒验证数据	机器学习	COVID-19	磷酸化蛋白质组学	孪生网络对比学习, 预训练蛋白质语言模型, Transformer, 双向门控循环单元	蛋白质序列, 磷酸化蛋白质组学数据	来自感染A549（人类）和Vero E6（非洲绿猴）细胞及其组合数据集的磷酸化蛋白质组学数据集，以及腺病毒2型感染的人IMR-90细胞的外部验证数据集	NA	Transformer, 双向门控循环单元, 孪生网络	NA	NA
1391	2026-09-18	Design of peptides with noncanonical amino acids using flow matching 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag654 PMID:42675622	研究论文	该论文提出了一种基于流匹配的生成模型 NCFlow，用于将任意非经典氨基酸放置到蛋白质骨架中，并应用于肽设计以改善结合亲和力	NCFlow 仅利用原子的类型和键连接性，能够泛化到训练中未见过的非经典氨基酸，并采用预训练策略（在数百万小分子结构和蛋白质-配体复合物上预训练，然后在天然非经典氨基酸上微调），在非经典氨基酸结构预测上优于基于 AlphaFold3 的方法，同时提出了结合深度学习与分子动力学的肽设计评分策略	未明确提及	设计含有非经典氨基酸的肽，以扩展蛋白质和肽的化学空间，改善治疗性肽（如大环肽）的蛋白水解稳定性、膜通透性和免疫原性	非经典氨基酸、蛋白质骨架、蛋白质-肽复合物	机器学习	NA	流匹配生成模型	流匹配	分子结构数据（原子类型、键连接性、蛋白质骨架坐标）	训练数据包括数百万小分子结构和大量蛋白质-配体复合物，测试案例为四个蛋白质-肽复合物	NA	NA	预测结合亲和力改善（最高 -7.0 kcal/mol）	NA
1392	2026-09-18	Artificial intelligence-enabled machine olfaction for volatile profiling and food quality decision-making 2026-Aug-31, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150964 PMID:42748669	综述	本文综述了人工智能赋能的机器嗅觉在食品挥发性成分分析和质量评估中的应用。	系统整合了人工智能与机器嗅觉技术，用于食品质量评估，重点关注食品基质中挥发性有机化合物的形成与转化。	传感器漂移、环境变异性、数据集稀缺以及模型迁移能力弱。	总结人工智能赋能的机器嗅觉在食品质量评估中的应用，并探讨其未来发展方向。	食品挥发性有机化合物、机器嗅觉传感器及电子鼻系统。	机器学习	NA	机器嗅觉、电子鼻、金属氧化物半导体传感器、电化学传感器、仿生材料	机器学习, 深度学习	挥发性有机化合物信号, 多模态数据	NA	NA	NA	NA	NA
1393	2026-09-18	A Comparison of Machine Learning Approaches to Activity Classification Using IMU Data Collected in a Community-Based Setting 2026-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s26175357 PMID:42739977	研究论文	该研究比较了多种机器学习方法在社区环境中使用IMU数据识别四种日常活动时的性能	在小型、异质、真实世界样本上系统比较了多种机器学习模型、特征集、类别平衡策略、空值和过渡期处理技术及传感器配置	模型准确率相对较低（0.427-0.644），可能受限于样本量小和异质性	系统比较多种机器学习模型、特征集、类别平衡策略等，以识别从年龄多样化人群中提取的IMU时间序列数据中的四种日常活动	儿童和成人的IMU时间序列数据	机器学习	NA	IMU	多层感知机, 随机森林, k近邻, 逻辑回归, CatBoost, 高斯朴素贝叶斯, DeepConvLSTM, ResGCNN	时间序列	NA	NA	多层感知机, 随机森林, k近邻, 逻辑回归, CatBoost, 高斯朴素贝叶斯, DeepConvLSTM, ResGCNN	准确率, 精确率, 召回率, AUC	NA
1394	2026-09-18	Adaptive conditional diffusion-based data augmentation for NIR spectroscopy quantitative analysis under limited labeled samples 2026-Aug-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128647 PMID:42748721	研究论文	本文提出自适应条件扩散模型（ACDM）用于近红外光谱数据增强，以解决有限标记样本下的定量回归问题	提出ACDM，整合无分类器引导与FiLM实现连续回归条件控制，引入条件引导噪声注入网络实现标签引导自适应加噪，使用SE模块进行光谱特征重校准，并设计适用于近红外信号的一维U-Net	仅在三个近红外回归数据集上验证，未在大规模或更多样化的样本体系中进行评估	解决近红外光谱定量分析中标记样本有限导致模型训练、泛化及实际部署受限的问题	西洋参、玉米籽粒和药片样本的近红外光谱数据	机器学习	NA	近红外光谱	扩散模型	光谱数据	三个近红外回归数据集（西洋参、玉米籽粒和药片样本）	NA	ResNet1D, U-Net	R值, 预测误差, 残差行为	NA
1395	2026-09-18	An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Aug-07, The American journal of pathology DOI:10.1016/j.ajpath.2026.07.007 PMID:42567444	研究论文	该研究开发了X-SPATIO，一种可解释的深度学习流程，用于从三阴性乳腺癌的H&E染色图像中预测和可视化空间分辨的生物标志物表达	开发了空间兼容的计算流程X-SPATIO，直接关联H&E形态与区域匹配的mRNA和蛋白质表达；使用多实例学习方法捕获形态-分子关联，生成空间形态学注意力图；在生物学相关的空间生物标志物上实现AUC 0.79-0.97；整合空间分子金标准与常规组织病理学，实现成本效益的空间生物标志物表达推断	未明确提及具体局限性	开发一种计算流程，将常规H&E组织病理学图像与空间转录组/蛋白质组数据关联，实现三阴性乳腺癌中空间生物标志物表达的成本效益预测和可视化	三阴性乳腺癌组织样本，H&E染色的感兴趣区域，以及匹配的GeoMx数字空间分析空间转录组/蛋白质组数据	数字病理学	三阴性乳腺癌	H&E染色，GeoMx数字空间分析，空间转录组学，空间蛋白质组学	多实例学习	图像，文本/组学数据	未明确说明具体样本量	未明确说明	未明确说明	AUC	未明确说明
1396	2026-09-18	Deep learning-supported image quantification of epithelial cell shapes and its application to polycystic kidney disease 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014614 PMID:42546061	研究论文	本文提出了一种全自动、深度学习支持的工作流程，用于量化免疫荧光图像中上皮细胞的形态和连接组织，并应用于常染色体显性多囊肾病（ADPKD）的MDCK细胞模型	开发了一种基于U-Net的分割方法，能够减轻离焦区域的影响，提取标准细胞形状特征以及针对特定表型的读数（如连接弯曲的R指数和基于边界的细胞间力传递代理），并支持混合细胞实验中基因型分辨的共享边界行为分析	未在摘要中明确提及 limitations	开发一种可扩展的框架，用于在特定实验系统中对上皮形态和连接组织进行测定特异性量化，以实现标准化、高通量的表型分析	ZO-1染色的单层上皮细胞，包括基因修饰的MDCK细胞模型（ADPKD模型）	数字病理学	多囊肾病	免疫荧光成像	CNN	图像	大规模图像数据集（具体数量未提及）	NA	U-Net	NA	NA
1397	2026-09-18	Deep Learning-Based Prediction of Heart Failure Readmission Using Longitudinal Cardiac Device Data 2026-08, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70406 PMID:42296299	研究论文	该研究利用心脏植入式电子设备（CIED）出院后30天的纵向诊断数据，训练深度学习模型预测心力衰竭患者60天再入院风险	首次利用CIED设备连续采集的出院后生理诊断参数的时序变化轨迹，通过深度学习模型进行心衰再入院风险分层，而非仅依赖静态临床特征	回顾性研究设计，排除了7天内再入院和大量缺失设备数据的患者，可能引入选择偏倚；模型仅在特定CIED人群（ICD/CRT-D）中验证，泛化性有待确认	利用心衰出院后CIED诊断参数的时序行为，预测60天内心衰再入院风险，以支持出院后早期风险分层和靶向随访	植入ICD或CRT-D设备并参与远程监测的心力衰竭患者	机器学习	心血管疾病	心脏植入式电子设备（CIED）远程监测	CNN	时间序列	5734名患者，共12369次心衰住院事件，其中2489次指数住院后60天内发生心衰再入院	NA	1D CNN	敏感度, 特异度, AUROC	NA
1398	2026-09-18	EvoSNR-Prom: Predicting promoters at single-nucleotide resolution with label-aware transfer learning of the pretrained EVO model 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014626 PMID:42574449	研究论文	该研究提出了EvoSNR-Prom模型，基于预训练的Evo基础模型，通过标签感知的迁移学习，在单核苷酸分辨率上预测启动子。	将启动子预测构建为标记级序列标注问题，引入词典增强的嵌入策略，并采用标签感知的迁移学习框架。	未明确提及。	实现单核苷酸分辨率的启动子预测。	原核生物数据集。	自然语言处理	NA	预训练的Evo模型、迁移学习、词典增强嵌入	Evo基础模型	DNA序列	NA	NA	Evo	NA	NA
1399	2026-09-18	scKanFormer: A Transformer-KAN framework with biologically informed attention for cell type annotation in large-scale scRNA-seq data 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014607 PMID:42599963	研究论文	提出并评估了一个名为 scKanFormer 的 Transformer-KAN 框架，用于大规模 scRNA-seq 数据中的细胞类型注释	结合 Transformer 架构与 Kolmogorov-Arnold Networks，引入生物学信息的局部和全局注意力机制，并融合 CNN 以缓解批次效应，同时避免降维并增强可解释性	未明确说明具体的局限性	准确高效地识别大规模 scRNA-seq 数据中的细胞类型，克服批次效应并提升可解释性和鲁棒性	大规模多类别 scRNA-seq 数据中的细胞	机器学习	NA	scRNA-seq	Transformer	文本	NA	NA	Transformer, KAN, CNN	NA	NA
1400	2026-09-18	Clinical Applications, Opportunities, and Implementation Challenges of AI in Emergency Medicine: A Narrative Review 2026-Aug, Cureus DOI:10.7759/cureus.114581 PMID:42746119	综述	本文综述了人工智能在急诊医学中的当前和新兴应用，重点关注分诊和风险分层、诊断决策支持、急诊影像、患者流程优化、大语言模型及实施治理	系统性地总结了AI在急诊医学多个应用场景中的证据，强调了近期最强应用的特征，并综合讨论了LLM带来的额外风险以及负责任实施的治理要求	证据在不同用例间不均衡，缺乏外部验证、数据集偏移、偏见、误报、警报疲劳、可解释性不足、隐私风险、责任不明确、监管复杂性以及难以证明以患者为中心的结局改善	总结AI在急诊医学中的当前和新兴临床应用、机会以及实施挑战	急诊医学中AI应用的相关文献	机器学习	NA	机器学习，深度学习，自然语言处理，计算机视觉，预测分析，大语言模型	NA	NA	NA	NA	NA	NA	NA