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
1541	2026-09-13	A foundation model for multi-task cross-distribution restoration of fluorescence microscopy images 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70307-4 PMID:41807447	研究论文	本文提出了一种用于多任务和跨分布荧光显微镜图像恢复的基础模型FluoResFM，利用文本先验信息适应特定任务和数据分布	FluoResFM是首个统一的多任务和跨分布荧光显微镜图像恢复基础模型，利用文本先验信息适应特定任务和数据分布，并通过单样本微调提升性能	摘要中未明确提及限制	开发一个能够处理多任务和跨分布荧光显微镜图像恢复的统一基础模型，提高恢复性能和泛化能力	荧光显微镜图像，涵盖超过20种生物结构	计算机视觉	NA	深度学习	基础模型	图像	训练数据集涵盖三个任务和超过20种生物结构；微调时仅需单个样本	NA	NA	NA	NA
1542	2026-09-13	SYN-OCT:A synthetic dataset of ocular optical coherence tomography images from healthy and glaucoma eyes 2026-Mar-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06946-5 PMID:41807485	研究论文	本文介绍了一个包含20万张合成眼科OCT图像的公开数据集SYN-OCT，分别来自健康眼和青光眼的生成模型	构建并公开了大规模合成OCT图像数据集，包含健康和青光眼两类，并利用自动分割验证了合成数据的结构特征与真实数据可比	合成数据基于真实数据生成，可能无法完全覆盖真实世界的多样性；未提及对下游任务的直接评估	提供用于青光眼分析和检测的深度学习应用开发或验证的数据集，并研究医学图像合成生成及其可用性	来自健康眼和青光眼的合成环视盘OCT图像	数字病理学	青光眼	光学相干断层扫描（OCT）	生成图像模型	图像	200,000张合成OCT图像（100,000张青光眼，100,000张健康眼）	NA	NA	NA	NA
1543	2026-09-13	Gene driven analytical learning model for accurate breast cancer diagnosis 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39430-6 PMID:41776259	研究论文	该研究开发了一种结合CNN和BiLSTM的集成深度学习方法，基于基因表达数据提高乳腺癌预后预测的准确性	提出了一种全混合CNN-BiLSTM模型，通过Pearson相关分析筛选出236个基因集，并在METABRIC数据集上验证了泛化能力，在噪声扰动下表现出极低的方差	未明确提及	基于基因表达数据增强乳腺癌预后预测，为精准医学提供通用计算工具	乳腺癌样本的基因表达数据	机器学习	乳腺癌	基因表达分析	CNN, BiLSTM	基因表达数据	TCGA-BRCA和METABRIC数据集	NA	CNN, BiLSTM	Recall, ROC AUC, F1 score, 方差	双NVIDIA Tesla T4阵列
1544	2026-09-13	Computational nanobody design using graph neural networks and Metropolis Monte Carlo sampling 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag180 PMID:42015415	研究论文	该文章开发了一种结合图神经网络和Metropolis Monte Carlo采样的计算方法，用于纳米抗体的设计，并以TL1A抗原为例生成了两个高亲和力纳米抗体	提出了一种物理信息深度学习方法来设计纳米抗体，构建了无需复杂结构即可预测蛋白质-蛋白质结合自由能的GNN模型AiPPA，并将其与Metropolis重要性采样结合，从非亲和性模板出发设计低结合自由能的纳米抗体	AiPPA在基准测试上的Pearson相关系数为0.62，预测精度仍有提升空间；仅针对TL1A抗原进行了验证，方法的通用性有待进一步验证	开发一种计算纳米抗体设计方法，以降低实验筛选高亲和力纳米抗体的成本和时间	纳米抗体、抗原TL1A、蛋白质-蛋白质结合自由能	机器学习	NA	图神经网络、Metropolis Monte Carlo采样	GNN	蛋白质序列及结构数据	NA	NA	AiPPA（基于图神经网络架构）	Pearson相关系数	NA
1545	2026-09-13	The Narrative Review: Advancements in Heart Failure Diagnosis and Management using Artificial Intelligence: A New Era of Patient Care 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X369978250818060357 PMID:40947703	综述	本文综述了人工智能在心衰诊断和管理中的最新进展，探讨了机器学习和深度学习等技术如何改善临床决策和患者护理	系统性地总结了AI在心衰诊疗中的应用现状与未来潜力，涵盖影像分析、心电图解读、风险预测和个性化治疗等多个维度	尚未充分解决数据整合、预测准确性、患者参与度、数据隐私与伦理以及临床工作流整合等问题	概述人工智能在心衰诊断和管理中的当前进展及未来潜力，以确保护理质量和医疗实践的提升	心衰患者及心衰相关的临床数据（影像、心电图等）	机器学习	心血管疾病	机器学习，深度学习	NA	图像，文本	NA	NA	NA	NA	NA
1546	2026-09-13	RMETNet: A cross-subject motor imagery EEG signal classification model based on TSLANet and riemannian geometry features 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347671 PMID:42018586	研究论文	该研究提出了一种基于TSLANet和黎曼几何特征的跨被试运动想象脑电信号分类模型RMETNet，通过融合时空卷积模块和多尺度黎曼几何特征模块，并引入最大均值差异损失进行域适应，以解决跨被试分类中的分布偏移问题	提出了RMETNet框架，创新性地将TSLANet、时空卷积模块和多尺度黎曼几何特征模块进行融合，并引入最大均值差异损失进行域适应，有效缓解了跨被试特征分布差异问题，提升了运动想象脑电解码的跨被试泛化能力	摘要中未明确提及研究的局限性	解决运动想象脑电信号分析中深度学习模型因被试间差异导致的跨被试泛化能力不足的问题，提升脑机接口中运动想象脑电解码的跨被试分类性能	运动想象脑电信号	机器学习	NA	运动想象脑电解码	CNN	脑电信号	BCI Competition IV 2a数据集（四分类）和BCI Competition IV 2b数据集（二分类），具体被试数量未在摘要中提及	NA	TSLANet, 时空卷积模块, 多尺度黎曼几何特征模块	准确率	NA
1547	2026-09-13	A hybrid CNN-XLSTM-GRU deep learning model with autoencoder-based feature selection for hypothyroidism diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347203 PMID:42013160	研究论文	提出了一种混合CNN-XLSTM-GRU深度学习模型FusionNet-CXG，并采用自编码器特征选择用于甲状腺功能减退症诊断	结合CNN、扩展LSTM和GRU的混合架构，并引入自编码器特征选择和SHAP可解释性分析	缺乏外部验证，未来需在更多样化的真实世界队列中验证并纳入时间临床数据	开发准确的甲状腺功能减退症预测模型	甲状腺功能减退症患者数据	机器学习	甲状腺功能减退症	NA	CNN, LSTM, GRU	表格数据	3772条记录，30个特征	NA	CNN, XLSTM, GRU	准确率, F1分数, AUC-ROC	NA
1548	2026-09-10	Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach 2026-Oct, Plant, cell & environment DOI:10.1111/pce.15393 PMID:39866067	研究论文	利用AVIRIS-NG高光谱数据生成光谱库，结合深度学习技术对印度Shoolpaneshwar野生动物保护区的植物功能类型进行精确分类	通过整合AVIRIS-NG高光谱成像和ASD手持光谱仪数据，构建包含130种植物物种的全面光谱库，并使用模糊C均值聚类和多种机器学习分类器实现高精度的PFT分类	摘要中未提及明确的局限性	利用机载高光谱数据和机器学习技术，实现印度Shoolpaneshwar野生动物保护区植物功能类型的精确分类与监测	印度Shoolpaneshwar野生动物保护区的130种植物物种，涵盖多种植物功能类型	遥感、机器学习	NA	AVIRIS-NG高光谱成像、ASD手持光谱仪、光谱库构建、模糊C均值聚类、ISODATA聚类、Jeffries-Matusita距离分析	Parzen Window (PW)、梯度提升机 (GBM)、随机梯度下降 (SGD)	高光谱图像和光谱数据	130种植物物种	NA	NA	总体精度 (OAA)和Kappa系数	NA
1549	2026-09-10	INTELCAPE: A Deep Learning-Powered System for Automated, High-Accuracy Crohn's Disease Diagnosis via Capsule Endoscopy 2026-Sep, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2026.02.026 PMID:41861933	研究论文	开发并验证了INTELCAPE系统，利用深度学习自动分析胶囊内镜视频，用于克罗恩病的高准确率诊断。	提出了一个集成了ResNet、Transformer和EfficientNet架构的多任务深度学习框架，能够同时进行小肠区域分割、病变检测和疾病诊断，并且性能优于或接近专家水平。	研究为回顾性设计，数据来自两家中国医院，可能限制了结果的普适性。	开发一种自动化、高精度的克罗恩病诊断系统，通过胶囊内镜视频分析，提高诊断效率和准确性，尤其是对经验较少的临床医生。	克罗恩病患者的小肠胶囊内镜视频。	医学影像分析	克罗恩病	胶囊内镜检查	深度学习模型	视频图像	来自两个队列的872名患者（Cohort 1: 757名，Cohort 2: 115名）的胶囊内镜视频	NA	ResNet, Transformer, EfficientNet	交并比, 曲线下面积, 准确率	NA
1550	2026-09-10	Integrated Neuromorphic Photonic Computing for AI Acceleration: Emerging Devices, Network Architectures, and Future Paradigms 2026-Sep, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202508029 PMID:41117104	综述	本文综合评述了集成神经形态光子计算在AI加速中的进展，涵盖新兴器件、网络架构与未来范式	系统梳理了光子神经网络十年进展，并提出克服材料与系统层面障碍的可行路径	未提及具体局限性	分析光子神经形态计算在AI加速中的核心组件与应用部署要求，并展望未来发展方向	光子神经网络的核心组件，包括线性突触器件、非线性神经元器件及网络架构	机器学习	不适用	光子计算	光子神经网络	不适用	不适用	不适用	不适用	不适用	不适用
1551	2026-09-10	Evaluating deep learning based structure prediction methods on antibody-antigen complexes 2026-04-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag136 PMID:41863324	研究论文	本研究评估了基于深度学习的结构预测方法在抗体-抗原复合物上的表现，发现增加采样可提高模型生成正确结构的概率，但内部质量评估难以识别最佳预测模型，且AlphaFold3优于其他方法。	对未见过抗体-抗原复合物进行了系统基准测试，揭示了采样量与预测性能的对数线性关系，并指出内部质量估计的局限。	内部质量估计无法可靠识别最佳模型，且AlphaFold3对缺乏结构相似性的复合物性能显著下降。	评估不同深度学习结构预测方法在抗体-抗原复合物上的性能，并探讨采样策略和模型内部评估的影响。	抗体-抗原复合物	结构预测	不适用	蛋白质结构预测	AlphaFold2, AlphaFold3, Boltz-1, Chai-1	蛋白质序列和结构数据	未明确说明，但涉及多个未见的抗体-抗原复合物	NA	AlphaFold2, AlphaFold3, Boltz-1, Chai-1	预测准确度（基于模型质量评估）	NA
1552	2026-09-10	Hypergraph representations of single-cell RNA sequencing data for improved cell clustering 2026-04-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag148 PMID:41896196	研究论文	提出将单细胞RNA测序数据表示为超图，并引入两种新的聚类算法以改善细胞类型聚类与注释	首次将超图表示应用于单细胞RNA测序基因表达数据，引入两种新型超图随机游走算法DIPHW和CoMem-DIPHW，利用偏好指数和记忆机制融合局部基因表达与全局共表达信息，显著改善弱模块性数据的细胞聚类性能	未详细阐述计算资源使用情况，实际临床验证尚不充分	通过超图表示保留单细胞RNA测序数据的高阶信息与稀疏性特征，从而提升细胞类型聚类的准确性和生物学可解释性	人类胰腺、小鼠胰腺、人类大脑、小鼠大脑组织细胞以及人肺腺癌细胞系	机器学习	肺腺癌	单细胞RNA测序（scRNA-seq）	超图随机游走模型	单细胞基因表达计数数据	未提供具体样本量，涉及人类和小鼠的胰腺、大脑组织及人肺腺癌细胞系数据集	Python	超图随机游走结构	聚类准确性、模块性	NA
1553	2026-09-10	Predicting antibody-antigen affinity with a dual-level representation model 2026-04-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag109 PMID:41808445	研究论文	提出了一种双层级蛋白质表示模型DLP-Affinity，用于基于序列的抗体-抗原亲和力预测，在通用和单域抗体数据集上达到最先进性能。	创新性地结合残基到残基接触和全局随机投影嵌入两个互补模块，并利用微调的蛋白质语言模型，充分利用序列信息，提高预测准确性。	未明确提及局限性，可能依赖于序列数据，对结构数据稀缺情况下仍有挑战。	开发一种基于序列的高精度抗体-抗原亲和力预测方法，以适用于多种抗体格式（如单域抗体）。	抗体-抗原相互作用，包括单域抗体（sdAbs）和一般抗体。	自然语言处理，生物信息学	不适用	蛋白质语言模型，微调模型	深度学习框架（双层级表示模型）	序列数据	包含AB-Bind数据集和sdAb-DB数据集（具体样本数量未在摘要中给出）	PyTorch（推断）	双层级架构（残基到残基模块和全局随机投影嵌入模块），底层为蛋白质语言模型（如ESM）	平均绝对误差（MAE），准确率（可能）	未提及
1554	2026-09-10	A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study 2026-03-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83743 PMID:41911549	研究论文	提出一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，平衡特征提取精确性与数据隐私保护	首次将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析指导拉普拉斯噪声的自适应添加，实现精确特征提取与敏感数据保护的协同优化	未涉及病理图像和蛋白质组学数据，模型应用范围有待扩展	提出一种在保护医疗数据隐私的同时提高泛癌生存预测准确性的融合框架	泛癌和单一癌症的生存预测数据，包括临床数据、mRNA表达数据和miRNA表达数据	机器学习, 数字病理学	癌症（泛癌）	NA	多头注意力机制	多模态数据（临床数据、mRNA表达数据、miRNA表达数据）	涉及20种癌症类型的数据集，具体样本量未提供	NA	多头注意力（基于Transformer）	一致性指数（C-index）	NA
1555	2026-09-10	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-03-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	该研究回顾性分析了2020年至2025年6月中国批准的基于人工智能的医疗器械的批准趋势和特征	提供了截至2025年6月中国批准的基于AI的医疗器械的最新全面概述，包括风险等级、临床评价途径等多个维度的统计分析	仅使用Drugdataexpy数据库，可能遗漏其他来源的批准信息	评估中国批准的基于AI的医疗器械的趋势和特征	中国批准的基于AI的医疗器械共154种	数字医学	NA	NA	深度学习	文本数据和元数据	154种基于AI的医疗器械	NA	NA	使用Fisher精确检验和Pearson卡方检验评估风险等级与分类变量之间的关联	NA
1556	2026-09-10	Rectal Cancer Radiotherapy Response Prediction: Retrospective Study of Development of a Deep Learning-Based Radiomics Model 2026-03-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77313 PMID:41843889	研究论文	本研究开发并比较了多种基于深度学习的放射组学模型，用于预测直肠癌放疗反应，其中Transformer架构表现最佳	首次在大规模直肠癌放疗前影像队列中系统比较Transformer、卷积神经网络和图卷积网络的预测性能，强调Transformer架构的临床效用	单中心回顾性研究，需多中心外部验证	开发并评估深度学习放射组学模型以预测直肠癌放疗反应，支持个性化治疗决策	直肠癌患者放疗前的计算机断层扫描和动态对比增强磁共振图像及临床变量	医学影像分析	直肠癌	放射组学	卷积神经网络、图卷积网络、Transformer	医学影像（CT和MRI）	2000例病理确诊的直肠癌患者	未明确指定	Transformer, U-Net, CNN, 图卷积网络	AUROC, 准确率, 灵敏度, 特异性, Dice系数, 交并比	未明确指定
1557	2026-09-10	Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study 2026-03-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84261 PMID:41806366	研究论文	提出一个整合群体水平多发病模式识别与个体水平预测建模的新框架，推动多发病研究从描述性分析向预测性发展	首次将潜在转变分析（LTA）扩展到预测领域，并引入双向时间定向交叉注意力机制的CLA-Net模型，以桥接群体模式与个体预测	文中未明确提及研究局限性	提出一个将群体水平多发病模式识别与个体预测建模相结合的新型框架，以实现前瞻性的多发病模式预测	纵向健康随访数据中的个体未来多发病模式归属	机器学习	多发病（多病共存）	纵向健康随访数据分析	CLA-Net（结合GRU和Transformer）	纵向健康随访数据	未在标题和摘要中明确说明样本数量	未在标题和摘要中明确说明	CLA-Net（包括GRU和Transformer，以及双向定向交叉注意力机制）	准确率、精确率、召回率、F1分数、AUC	未在标题和摘要中明确说明
1558	2026-09-10	Leveraging Naturalistic Driving Digital Biomarkers for Early Mild Cognitive Impairment Detection: Deep Learning Strategies 2026-03-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83622 PMID:41791118	研究论文	本研究开发了利用自然驾驶数据的深度学习策略，用于早期轻度认知障碍检测	首次使用自然驾驶条件下收集的传感器数据进行深度学习建模，结合多视角和三层次融合策略，并提出频率相关的风险评分	样本量小，且部分参与者退出，可能限制结果的普适性	利用自然驾驶数据作为数字生物标志物，实现早期轻度认知障碍的稳健检测	轻度认知障碍患者和认知正常老年人	机器学习、数字生物标志物	轻度认知障碍、阿尔茨海默病	GPS、加速度计、陀螺仪传感器	深度学习模型	传感器数据	22名参与者，其中14名认知正常、8名轻度认知障碍；3名参与者退出	NA	NA	准确率、AUC	NA
1559	2026-09-10	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-03-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	本研究开发并验证了一种基于Swin-UNet条件生成对抗网络（cGAN）的深度学习框架，用于膝关节MRI中股骨和胫骨软骨的自动分割，并对比了其与UNet、UNet cGAN和Swin-UNet基线模型的性能	首次将Swin-UNet与条件生成对抗网络结合用于膝关节MRI软骨分割，提高了边界分割精度，并解决了传统CT手术系统无法可视化软骨的问题	未在摘要中明确提及局限性	开发临床适用的深度学习框架，实现膝关节MRI中股骨和胫骨软骨的自动分割，以提高手术规划和全膝关节置换术的精度	膝关节MRI图像中的股骨和胫骨软骨	计算机视觉	膝骨关节炎	MRI	生成对抗网络（GAN）	图像（MRI）	232份膝关节MRI扫描，另设有外部验证数据集	NA	Swin-UNet, UNet	Dice相似系数，平均交并比，95百分位Hausdorff距离，平均对称表面距离	NA
1560	2026-09-10	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	本文提出一种结合Cuckoo Search优化和ResNet的深度学习算法，用于骨癌细胞的自动检测与分类，以提高诊断准确性。	将Cuckoo Search Modified Hill Climbing (CS-MHC)优化与ResNet集成，以改进特征选择和加快收敛，提升骨癌图像分类性能。	研究基于有限数据集，未来需更大规模多中心数据以增强鲁棒性。	开发一种基于深度学习和优化技术的自动化骨癌检测工具，以实现早期诊断。	骨癌图像分类，区分恶性肿瘤和健康骨组织。	计算机视觉	骨癌	NA	CNN	图像	NA	NA	ResNet, VGG-16, Inception, Xception	准确率, 敏感性, 精确率, F-measure	NA