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
1561	2026-09-10	scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data 2026-02-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag095 PMID:41746287	研究论文	提出了一种基于深度学习的新型双聚类算法scDBic，用于分析单细胞RNA测序数据，以发现细胞群并识别其关键基因。	该算法结合深度自编码器和反向策略，能够同时进行细胞聚类和基因聚类，识别关键基因簇，从而提升聚类性能，超于传统聚类和双聚类算法。	摘要中未明确提及局限性。	开发一种能捕获局部一致性、适应高维数据且避免迭代选择问题的双聚类算法，用于改善scRNA-seq数据的细胞聚类和关键基因识别。	单细胞RNA测序数据中的细胞群和关键基因。	机器学习	NA	scRNA-seq	深度自编码器	单细胞RNA测序表达数据	NA	NA	自编码器	聚类性能，如可比性（未具体提及指标，推断可能含ARI等）	NA
1562	2026-09-10	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2026-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	提出一种基于多光谱成像和YOLOv5的血液细胞识别方法，通过融合五个波长的图像显著提升细胞识别性能	利用多光谱成像技术替代传统显微镜图像，融合五个波长的信息以改善细胞边界和结构的分辨，提高血细胞识别精度，尤其对稀有白细胞有显著提升	未提及具体限制，如计算成本、数据集规模或对不同血液样本的泛化性	开发一种高精度的血细胞自动识别方法，以提高医疗诊断中血细胞计数的准确性	血液细胞图像，包括红细胞、白细胞和血小板	计算机视觉	NA	多光谱成像	YOLOv5（基于卷积神经网络的目标检测模型）	多光谱图像	未提及具体样本数量，但涉及五个波长的血细胞图像数据集	NA	YOLOv5	精确度	NA
1563	2026-09-10	stRGAT: identifying spatial domains in spatial transcriptomics via a relational graph attention network 2026-01-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07676-9 PMID:41535938	研究论文	开发了stRGAT，一种基于关系图注意力网络的深度学习框架，用于整合空间信息和基因表达以识别空间转录组中的空间域	通过自适应建模相邻和跨区域点之间的相似性，实现连贯的空间分割，并能扩展到检测空间可变基因	未在摘要中明确提及局限性	准确识别具有连贯转录组和形态模式的空间域，并提高空间转录组分析的性能	空间转录组数据中的空间域和空间可变基因	机器学习和空间转录组学	NA	空间转录组学	图注意力网络	基因表达数据、空间坐标、组织图像	跨物种数据集、连续组织切片、精细小鼠脑干数据集	NA	图注意力网络	聚类一致性指标和域边界清晰度	NA
1564	2026-09-10	inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences 2026-01-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag026 PMID:41557841	研究论文	提出一个轻量级端到端的Python软件inMOTIFin，用于调控序列的模拟与修改，评估基于基序的方法和深度学习模型的可解释性	提供模块化、用户友好的模拟工具，支持对基序位置、共现和间距的精确控制，并能直接修改真实序列，填补了现有模拟器在端到端灵活性和易集成性方面的空白	文中未提及具体限制	开发多功能工具以支持转录调控语法的模拟和评估	DNA调控序列、基序实例	生物信息学	NA	模拟软件	NA	DNA序列数据	NA	Python	NA	NA	Docker
1565	2026-09-10	RP3Net: a deep learning model for predicting recombinant protein production in Escherichia coli 2026-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag003 PMID:41520295	研究论文	介绍RP3Net，一种基于深度学习的大肠杆菌重组蛋白生产效率预测模型	利用最新的蛋白质和基因组基础模型，并整合内部实验数据与公共数据，显著提高了预测准确性	未提及具体局限性	预测大肠杆菌中小规模异源可溶性蛋白的表达效率，以优化重组蛋白生产	重组蛋白表达	深度学习	不适用	蛋白质和基因组基础模型	深度学习模型	蛋白质序列和基因组数据	包含来自AstraZeneca和结构基因组学联盟的多种数据，以及独立验证的97个构建体	不明确（依赖基础模型）	未明确指定具体架构（可能涉及Transformer等）	AUROC，以及准确率和成功识别率	未提及（但模型开源可在GitHub获取）
1566	2026-09-10	RoBep: a region-oriented deep learning model for B-cell epitope prediction 2026-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag006 PMID:41527265	研究论文	本文提出了一种区域导向的深度学习模型RoBep，用于B细胞表位预测，通过显式建模表位残基的空间聚类来提高预测的生物学合理性	引入新颖的区域约束机制，结合高级蛋白质语言模型ESM-Cambrian和等变图神经网络，确保预测的表位残基空间紧凑，增强生物学合理性	摘要中未提及明确的局限性	提高B细胞表位残基预测的准确性，并为抗体设计和疫苗开发提供生物学合理的预测结果	B细胞表位残基和抗体-抗原结合区域	深度学习、蛋白质预测	NA	蛋白质语言模型和等变图神经网络	深度学习模型（结合蛋白质语言模型和等变图神经网络）	蛋白质序列和结构数据	基准数据集（具体数量未在摘要中提及）	PyTorch	等变图神经网络	F1分数、马修斯相关系数、精确率-召回率曲线下面积、AUROC0.1	未在摘要中提及
1567	2026-09-10	Real-time corneal image segmentation for cataract surgery based on detection framework 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03506-x PMID:40911268	研究论文	提出一种基于椭圆建模的无锚框框架EllipseNet，用于白内障手术中角膜的实时分割	引入椭圆建模，仅需简单的矩形边界框标注，即可自动推断角膜椭圆的长短轴，生成更贴合角膜形状的椭圆边界框，同时实现快速分割并显著减少标注工作量	未在摘要中明确提及局限性	实现白内障手术中角膜和手术器械的实时、准确分割，降低对像素级标注的依赖，便于临床应用	白内障手术中的角膜和手术器械图像	计算机视觉	白内障	NA	Hourglass网络	图像	未在摘要中提供具体样本量	NA	Hourglass网络	Dice系数, 分割速度（每帧毫秒数）	NA
1568	2026-09-10	Deep learning for suppressing EMG and motion artifacts in armband ECG R-peak detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00507-2 PMID:41584807	研究论文	本文提出一种基于卷积神经网络增强编码器-解码器架构的深度学习框架，用于抑制臂带心电图信号中的肌电伪影和运动伪影，实现鲁棒的R波检测。	引入CNNAED架构，通过幅度增强选择性突出R波并抑制干扰信号成分，应用于臂带心电图信号处理。	未明确提及局限性。	提高可穿戴心电图设备在日常生活活动中受肌电和运动伪影影响下的R波检测准确性。	10名健康参与者的臂带心电图和临床级Holter监测数据。	信号处理	不适用	心电图信号处理，时频分析	卷积神经网络	心电图信号	10名健康参与者的24小时监测，包含11,598个验证段	未指定	CNNAED（卷积神经网络增强编码器-解码器）	平均绝对误差，均方根逐次差异	未提及
1569	2026-09-10	Toward zero-calibration MEG brain-computer interfaces based on event-related fields 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00503-6 PMID:41584816	研究论文	本文提出了一种基于事件相关场的零校准脑磁图脑机接口系统，结合空间滤波与深度学习技术，实现跨受试者泛化	首次实现无需用户特定校准的MEG-BCI系统，通过xDAWN空间滤波和DeepConvNet深度学习实现跨受试者零校准分类	零校准下的准确率（80.32%）和ITR（12.75 bits/min）相比在线校准（94.29%准确率，20.47 bits/min）有所降低，可能影响实际应用效率	开发一种零校准的MEG-BCI系统，避免用户特定校准需求，提高实用性和跨受试者泛化能力	MEG信号中的事件相关场响应，用于视觉oddball范式下的目标与非目标分类	脑机接口、深度学习、脑电图/脑磁图	不适用	MEG（脑磁图）	卷积神经网络（CNN）	MEG信号数据	多受试者数据集（具体未提供）	未提及	DeepConvNet	准确率，信息传输率（ITR）	未提及
1570	2026-09-09	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情感识别框架，用于在多种动态场景中通过心率信号识别情绪	利用毫米波雷达实现非接触式心率检测，并集成混合一维卷积神经网络（1D-CNN）和双向长短期记忆网络（Bi-LSTM）进行特征提取和时序分析，具有实时性和环境鲁棒性	未明确提及限制	开发一种不依赖环境因素（如光照或衣物）的隐私保护情感识别方法，以应用于医疗、人机交互和教育等领域	心率信号及基于毫米波雷达的动态场景数据	机器学习	NA	毫米波雷达	混合1D-CNN和Bi-LSTM	雷达信号数据	NA	NA	1D-CNN、Bi-LSTM	ROC曲线、F1分数、精确率-召回率	NA
1571	2026-09-09	Vox-MMSD: Voxel-Wise Multi-Scale and Multi-Modal Self-Distillation for Self-Supervised Brain Tumor Segmentation 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3592116 PMID:40705573	研究论文	提出了一种名为Vox-MMSD的体素级多尺度多模态自蒸馏自监督学习框架，用于脑肿瘤分割，通过掩蔽和采样策略提升小标注数据下的分割性能	引入了Siamese Block-wise Modality Masking (SiaBloMM)策略和Overlapping Random Modality Sampling (ORMS)，充分利用多模态MRI和体素级多尺度特征进行自蒸馏	未明确提及局限性	开发自监督预训练方法，减少对大量标注数据的依赖，提高脑肿瘤分割性能	多模态脑MRI图像及脑肿瘤区域	计算机视觉、医学图像分析	脑肿瘤	多模态MRI	自监督学习框架	图像	BraTS 2024成人胶质瘤分割数据集及三个小型下游数据集	未明确指定	未明确指定（SiaBloMM和ORMS策略）	Dice系数	未明确指定
1572	2026-09-09	Enhancing EEG-Based Schizophrenia Diagnosis With Explainable Multi-Branch Deep Learning 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593647 PMID:40729717	研究论文	提出了一种名为MBSzEEGNet的多分支深度学习模型，用于基于EEG的精神分裂症分类，该模型能够捕捉振荡和空间频谱特征，并在两个静息态EEG数据集上实现了较好性能，同时通过显著性图提供可解释性	设计了一个专门的多分支深度学习架构，分别提取振荡和空间频谱特征，增强了模型在不同数据集上的泛化能力，并利用基于显著性的解释方法识别潜在的生物标志物	未提及具体限制	提高基于EEG的精神分裂症诊断的准确性和可解释性，并探索相关的神经标记	静息态脑电图（EEG）数据，用于精神分裂症患者与健康对照的分类	机器学习	精神分裂症	脑电图（EEG）	多分支深度学习模型（MBSzEEGNet）	EEG信号	两个静息态EEG数据集	NA	多分支架构（具体如卷积层等未明确）	准确率	NA
1573	2026-09-09	Precise Identification of Gastric Cancer Pathological Differentiation Based on Hyperspectral Imaging and Lightweight Deep Learning Models 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500242 PMID:40903818	研究论文	本研究提出结合高光谱成像与轻量级深度学习模型的改进深度残差网络，以实现胃癌组织病理分化的精确识别	提出轻量级改进深度残差网络（IDRN），结合光谱预处理、降维和带注意力机制的残差CNN，在保持高效性的同时增强特征提取能力	摘要未提及研究局限性，如样本量、外部验证或潜在临床转化挑战	利用高光谱图像和轻量级深度学习模型实现对胃癌组织分化程度的精确分类，以辅助预后和治疗决策	胃癌组织样本	数字病理学、机器学习、计算机视觉	胃癌	高光谱成像	CNN、SVM、ResNet、ViT、改进深度残差网络（IDRN）	高光谱图像	未提及	未提及	改进深度残差网络（IDRN）、ResNet50、ViT	性能指标（具体如准确率等未提及，但比较实验使用）	未提及
1574	2026-09-08	Evaluation method for driver comfort under multi axis coherent vibration of seats 2026-Oct, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2553136 PMID:40901779	研究论文	该研究利用深度学习方法评估座椅多轴相干振动对驾驶员舒适度的影响，并通过道路试验验证了主观与客观数据的一致性	提出了一种融合多模态相干特征的深度学习模型，用于量化评估座椅多轴振动下的驾驶员舒适度，其性能与人体工程学专家评估相当	未明确提及局限性	开发一种基于深度学习的驾驶员舒适度评估方法，以提升座椅设计与驾驶员健康和舒适性	座椅多轴相干振动对驾驶员舒适度的影响	机器学习	不适用	不适用	深度学习模型	振动信号和主观评价数据	未明确说明样本数量	未明确说明	未明确说明	R²（超过70%），以及指标（0.931、0.096、0.071）	未明确说明
1575	2026-09-08	Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress 2026-04, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.07.042 PMID:40721023	研究论文	本研究提出了一种结合分子生成和指纹转移的AI驱动策略，用于设计靶向内质网应激的单分子诊疗试剂，实现精准成像和调控	提出了一种新的AI驱动的双靶向策略，结合“被动+主动”机制，通过指纹转移和三维分子生成模型PM-1设计靶向Grp78的多功能诊疗分子，实现了原子级精准靶向	信息不足	设计能精准靶向并调控内质网应激的多功能诊疗分子，解决被动富集与精准调控之间的平衡，用于肿瘤等疾病的成像和治疗	内质网应激和Grp78蛋白作为关键生物标志物，目标分子为荧光探针ABT-CN2	分子生成、机器学习、深度学习	肿瘤	分子指纹转移、三维分子生成	机器学习模型和深度学习模型PM-1	分子结构数据、生物医学数据	信息不足	信息不足	深度学习模型PM-1	皮尔逊相关系数、IC50	信息不足
1576	2026-09-07	Data diversity vs. model complexity in the prediction of pediatric bipolar disorder: Evidence from academic and community clinical samples 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122378 PMID:42600789	研究论文	本研究评估了多种统计与机器学习方法在预测儿童双相障碍中的性能，并比较了三种建模策略，发现训练数据多样性比增加模型复杂度更能提升模型鲁棒性	对比跨数据集验证、带交互项跨数据集验证和合并数据集三种建模策略，系统评估数据多样性与模型复杂度对预测性能的影响	研究主要局限于学术和社区两个数据集，可能限制结论的普遍性；增加模型复杂度未能提升外部性能，但可能受限于数据规模	通过比较不同建模策略和模型复杂度，探索提高儿童双相障碍预测模型泛化能力的方法，强调训练数据多样性对于开发稳健精神科预测模型的重要性	儿童双相障碍患者及其预测模型，涉及学术（N=550）和社区（N=511）临床样本	机器学习	儿童双相障碍	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	表格数据	学术数据集550例，社区数据集511例，共1061例样本	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	区分度、校准度、预测因子重要性排序	NA
1577	2026-09-07	Multimodal deep learning for detecting current depressive symptom status using wearable time-series data and structural brain MRI in high-risk occupational groups 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122270 PMID:42501836	研究论文	本研究评估了结合可穿戴时间序列数据和结构脑MRI的多模态深度学习方法，用于识别高风险职业群体（消防员和检察调查员）中当前抑郁症状状态	首次将可穿戴动态行为信号与结构脑MRI的神经解剖信息相结合，通过多模态深度学习识别当前抑郁症状，并应用于高风险职业群体	未明确提及局限性	评估多模态深度学习方法（结合可穿戴数据和结构脑MRI）是否能更客观地识别高风险职业群体的当前抑郁症状状态	消防员和检察调查员等高危职业群体中的抑郁症状检测	深度学习，多模态学习	抑郁症	可穿戴传感器、结构脑MRI	LSTM	时间序列数据（来自可穿戴设备）和图像（结构脑MRI）	291名参与者（184名消防员和107名检察调查员），平均监测时长4.8周	NA	LSTM	AUROC	NA
1578	2026-09-07	Performance of MRI-based deep learning models in differentiation of triple negative breast cancer from other breast cancer subtypes: A systematic review and meta-analysis 2026-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100808 PMID:42699276	系统综述与荟萃分析	该系统综述与荟萃分析综合评估了基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	首次对MRI深度学习模型鉴别三阴性乳腺癌的诊断性能进行系统综述和荟萃分析，并采用METRICS工具评估研究质量	纳入研究存在异质性、外部验证有限、方法学质量参差不齐、证据确定性评级为低	综合评估基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	组织学确诊的乳腺癌患者，共2985例	医学影像分析, 深度学习	三阴性乳腺癌, 乳腺癌	磁共振成像（MRI）	深度学习模型	MRI图像	9项研究共包含2985例患者	不明确	不明确	曲线下面积（AUC）、敏感性、特异性、阳性似然比、阴性似然比、诊断比值比，异质性I²	不明确
1579	2026-09-07	LocaliType: Development of locality-based social determinants of health archetypes using census tract data from the UCSF Health Atlas 2026-Dec, Wellbeing, space and society DOI:10.1016/j.wss.2026.100440 PMID:42699821	研究论文	利用UCSF健康图谱的普查区数据开发基于地区的健康社会决定因素原型（LocaliTypes），并验证其能反映地区健康不平等。	提出了基于地区的健康社会决定因素原型概念，并结合大语言模型文本嵌入、主成分分析和无监督深度学习识别原型，以保护数据机密性。	未在摘要中明确说明局限性，但可能包括依赖普查区数据的空间结构、原型标签随机分配、验证基于历史数据等。	开发并验证一种全新的地方原型（LocaliTypes）框架，用于捕捉多维健康社会决定因素及其空间结构，从而研究地区健康不平等并支持政策相关研究。	美国普查区及其居民，涵盖健康社会决定因素指标和健康结果。	机器学习	非特定（多种慢性疾病负担）	NA（基于公开普查数据和文本嵌入技术，非实验技术）	无监督深度学习模型（例如自编码器或聚类网络，具体未指定）	表格数据（社会人口、社会经济、环境暴露、灾害风险）及文本数据（用于变量描述的嵌入）	77,054个普查区，代表美国92.6%的人口	NA（未指定具体框架）	大语言模型（用于文本嵌入）、无监督深度学习模型（具体架构未指定）	全局检验p值、成对比较（涉及差异显著性）、历史红线和健康结局的比例差异	NA（未提及具体资源）
1580	2026-09-07	An autonomous YOLOv9-edge-to-cloud intelligence system for proactive honeybee mortality mitigation 2026-Nov, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108691 PMID:42442461	研究论文	本研究提出一种集成YOLOv9深度学习与实时物联网框架的自动化预警系统，用于区分自然死亡蜜蜂和神经毒性中毒蜜蜂，及时减轻蜜蜂死亡率	创新性地将YOLOv9与物联网框架结合，实现边缘到云端的自动早期预警，并对神经毒性中毒特征形态进行自动识别	面对密集尸体堆积和遮挡的挑战，可能影响检测精度	开发一种自动早期预警系统以区分自然死亡与神经毒性中毒导致的蜜蜂死亡，支持及时调查和样本采集	蜂蜜蜜蜂（意大利蜜蜂），重点鉴别神经毒性农药暴露相关的形态特征	计算机视觉, 物联网	农药中毒	深度学习, 物联网通信	YOLOv9（目标检测模型）	图像数据	来自台湾屏东县枋山乡养蜂场的现场数据集（具体数量未在标题和摘要中提供）	未指明（可能使用PyTorch，但在摘要未提及）	YOLOv9	平均精度（mAP@0.5）	边缘端图像采集终端和远程服务器（具体GPU类型等未在摘要中提及）