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
401	2026-04-24	Deep learning reveals genomic regions introgressed between two recurrently hybridizing lynx species 2026-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msag086 PMID:41964531	研究论文	利用深度卷积神经网络检测伊比利亚猞猁和欧亚猞猁之间基因渗入的基因组区域	首次应用深度卷积神经网络方法检测两种杂交频繁的猞猁物种间特定基因组区域的基因渗入信号	未明确说明	表征基因渗入在历史种群规模小且近期急剧下降导致遗传侵蚀的物种中的模式和后果	伊比利亚猞猁和欧亚猞猁的三个种群	机器学习	NA	全基因组测序	深度卷积神经网络	基因组序列	三个猞猁种群	NA	卷积神经网络	NA	NA
402	2026-04-24	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	通过对比CT引导与MR引导在肌内转移瘤放疗中的定位不确定性，量化剂量差异并缩小治疗边界	首次使用深度学习生成的合成CT图像模拟CT引导对齐，量化MR引导相比CT引导在肌内寡转移瘤放疗中的剂量优势和边界缩减效果	样本量较小（仅5名患者），且为单机构研究，未评估患者间异质性对结果的影响	评估CT引导与MR引导在肌内寡转移瘤放疗中的剂量差异，并量化所需治疗边界	5例肌内寡转移瘤患者的每日MR引导放疗数据	计算机视觉	转移瘤	深度学习模型（合成CT生成）	深度学习模型	医学图像（MR与CT）	5例患者，每例多次分次治疗	NA	NA	V95, D95, 均匀性指数	NA
403	2026-04-24	Mitral regurgitation detection and central/eccentric classification using transformer-based deep learning in multi-view echocardiography 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70584 PMID:42003287	研究论文	提出一种基于Transformer的深度学习框架，用于多视角超声心动图中自动检测二尖瓣反流并分类中心性或偏心性反流	首次将Transformer模型应用于多视角超声心动图视频的二尖瓣反流自动检测和中心/偏心分类，并验证了多视角诊断优于单视角	NA	开发全自动诊断超声心动图系统，实现二尖瓣反流的自动检测和反流类型分类	二尖瓣反流患者的超声心动图视频	计算机视觉	二尖瓣反流	多普勒超声心动图	Transformer	视频	回顾性数据集和217名患者的前瞻性独立测试数据集	NA	Transformer	准确率, AUC	NA
404	2026-04-24	ChloroScan: Recovering Plastid Genome Bins From Metagenomic Data 2026-Apr, Molecular ecology resources IF:5.5Q1 DOI:10.1111/1755-0998.70143 PMID:42003340	研究论文	ChloroScan是一个从宏基因组数据中提取真核质体基因组的生物信息学流程	首次将深度学习分类器与自动化分箱模块结合，从宏基因组中高效提取真核质体基因组，并整合标记基因数据库辅助分箱	可能依赖模拟宏基因组的验证结果，且实际应用中的样本类型有限	开发从宏基因组数据中识别和恢复真核质体基因组的自动化方法	真核质体基因组（特别是未分类的原生生物谱系）	生物信息学	不适用	宏基因组测序	深度学习分类器	宏基因组测序数据	4个原生生物大小分级宏基因组样本，以及模拟宏基因组数据	PyTorch	卷积神经网络（CNN）	分箱质量、完整性、污染率	未明确提及
405	2026-04-24	Harnessing Deep Learning in Searching Wild Relatives of Domestic Animals 2026-Apr, Molecular ecology resources IF:5.5Q1 DOI:10.1111/1755-0998.70133 PMID:42007577	研究论文	开发了一种基于深度学习的流程，利用基因组SNP数据区分家养动物的野生近缘种及其杂交个体	首次将多层感知机与深度交叉网络结合，用于选择SNP面板并构建野生近缘种识别模型，在历史样本中实现了97.8%的准确率	未明确讨论模型在不同物种或更大规模数据上的泛化能力，且对历史样本的缺失基因型处理可能影响实际应用	利用深度学习技术，基于基因组SNP数据开发识别家养动物野生近缘种的工具，以支持遗传多样性监测和保护	红原鸡（Gallus gallus）和家鸡，以及野猪（Sus scrofa）和家猪及其杂交个体	机器学习	NA	SNP基因分型	多层感知机（MLP）和深度交叉网络（Deep & Cross Network）	基因组SNP数据	1960个基因组（164个红原鸡和1796个家鸡样本），以及野猪和家猪及其杂交个体的基因组数据	NA	MLP, Deep & Cross Network	准确率（Accuracy）	NA
406	2026-04-24	Clinician-deployable deep hypergraph model integrating clinical and CT radiomics predicts immunotherapy outcomes in NSCLC 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001361 PMID:42008547	研究论文	开发并验证一种临床医生可操作的深度超图模型，整合临床数据和CT影像组学，预测非小细胞肺癌免疫治疗疗效	首次提出临床医生可在标准CPU硬件上运行的深度超图模型，通过成对关联编码器和影像组学特征融合，实现比现有深度学习模型更高的预测性能，并显著降低临床部署复杂度	未提及模型在不同种族、不同治疗方案的泛化性，且超图结构可能对缺失数据敏感，需进一步验证	开发一种临床医生可操作的预后模型，整合临床和影像数据，在标准CPU硬件上预测NSCLC免疫治疗疗效	接受免疫治疗的非小细胞肺癌患者	机器学习, 数字病理	肺癌	影像组学	超图神经网络	图像, 临床数据	1379名非小细胞肺癌患者（来自五家中国医院和纪念斯隆凯特琳癌症中心）	PyTorch	Deep Hypergraph for NSCLC (DHGN)	C指数, 风险比	标准CPU硬件（无需GPU）
407	2026-04-24	Enhancing liver fibrosis measurement: Deep learning and uncertainty analysis across multi-center cohorts 2026-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100653 PMID:42023068	研究论文	通过深度学习和不确定性分析增强肝纤维化测量，解决多中心队列中染色差异对量化结果影响的问题	提出基于U-Net集成的预测不确定性量化方法，直接通过模型输出评估预测置信度，增强多中心数据集纤维化测量的可靠性和可解释性	未提及具体限制	评估染色变异性对自动纤维化量化和模型不确定性的影响，提高多中心数字病理工作流程的可信度和可重复性	来自4个独立队列（超过20个临床中心）的686个PicroSirius Red染色的肝脏活检样本	数字病理	肝纤维化	数字病理, PicroSirius Red染色	U-Net集成	图像	686个肝脏活检样本（来自4个独立队列）	NA	U-Net	Dice系数，表型不确定性值	NA
408	2026-04-24	Leveraging Co-Occurrence to Improve Deep Learning Photo-Identification in Social Animals 2026-Apr, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.73552 PMID:42023405	研究论文	提出一种利用社会共现信息改进深度学习照片识别的方法，可应用于社会性动物的个体识别	模型无关的相遇级别识别程序，通过将社会背景作为可部署概率组件进行log线性融合，无需重新训练或修改图像模型	依赖历史共现结构，在相遇环境被破坏时效果下降，且需要一定训练历史积累	提高社会性动物照片识别中深度学习匹配的准确性，利用群体共现信息	西海岸虎鲸（Bigg's killer whales）的长期照片识别数据集	计算机视觉	NA	NA	NA（模型无关方法）	图像	西海岸虎鲸长期照片识别数据集（含相遇结构信息）	NA	NA	Top-1误差、Macro-F1	轻量级后处理，计算开销极小
409	2026-04-24	Spectrogram-derived graphs and inductive learning for multi-label avian vocalization detection in field recordings 2026-Apr-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043592 PMID:42023944	研究论文	提出一种利用归纳式空间几何深度学习网络从野外录音中检测多种鸟类发声的方法	首次将归纳式图神经网络（GraphSAGE和GAT）与梅尔谱图结合用于多标签鸟类声学检测，并引入SpecAugment数据增强提升鲁棒性	NA	从野外录音中高效检测多种鸟类发声的多标签分类任务	鸟类发声的野外录音	机器学习	NA	NA	图神经网络	音频	Xeno-canto鸟类声音数据库	PyTorch	GraphSAGE, GAT, Deep CNN, AudioProtoPNet-20	宏F1分数	NA
410	2026-04-22	YOLO-Drop: A Deep Learning Model Enabling Accurate, High-Throughput Image Analysis for Droplet Digital Immunoassay at Attomolar Concentrations 2026-Apr-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00939 PMID:41937323	研究论文	本文开发了一种名为YOLO-Drop的深度学习模型，用于对液滴数字免疫分析中的图像进行准确、高通量分析，并部署在嵌入式平台上以实现实时操作	基于YOLOv8架构，定制了可变形卷积、BiFormer模块、高分辨率特征金字塔网络、小物体先验和类别感知非极大值抑制，以增强复杂液滴图像中的小物体识别能力	未明确提及	开发一种深度学习模型，以实现对液滴数字免疫分析图像的高精度、高通量分析，并推动下一代生物传感平台的发展	液滴数字酶联免疫吸附分析中的液滴图像	计算机视觉	NA	液滴数字酶联免疫吸附分析	CNN	图像	5,574张包含约750,000个液滴的标注图像	PyTorch	YOLOv8	检测准确率	NVIDIA Jetson Orin Nano嵌入式平台
411	2026-04-22	Antioxidative and Robust Fluorescent Hydrogel for Deep Learning-Assisted Non-Destructive Detection of Hg2 2026-Apr-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00277 PMID:41954231	研究论文	本文介绍了一种集成了高机械柔韧性、强水下粘附性、稳定红色荧光和内在抗氧化保护的藻蓝蛋白-聚丙烯酰胺水凝胶，用于非破坏性检测汞离子污染	通过藻蓝蛋白同时作为荧光交联剂和活性氧清除组分，解决了传统柔性荧光水凝胶在强荧光响应与氧化环境稳定性之间的权衡问题	NA	开发一种用于环境和食品安全监测的柔性、粘附性和智能传感平台	汞离子污染	计算机视觉	NA	荧光成像	深度学习模型	图像	NA	NA	NA	检测限	智能手机成像
412	2026-04-22	Mamba-based deep learning approach for sleep staging on a wireless multimodal wearable system without electroencephalography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag022 PMID:41649157	研究论文	本研究提出了一种基于Mamba的深度学习方法，用于在无需脑电图的情况下，通过无线多模态可穿戴系统进行睡眠分期	首次将Mamba架构应用于基于非脑电图可穿戴传感器的睡眠分期任务，通过集成模型变体提升了性能	研究样本仅来自三级护理睡眠实验室的成人，可能限制了模型的泛化能力	开发一种无需脑电图即可进行睡眠分期的深度学习方法	使用ANNE One可穿戴系统采集的成人多模态生理信号	机器学习	睡眠障碍	多模态传感器数据采集（心电图、三轴加速度计、胸温、指端光电容积脉搏波、指温）	Mamba-based RNN	时间序列生理信号	357名成人	NA	Mamba-based RNN	平衡准确率, F1分数, Cohen's κ, Matthews相关系数	NA
413	2026-04-22	Quantum-inspired deep learning model for organic municipal solid waste classification toward a circular bioeconomy 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129331 PMID:41818969	研究论文	本文提出了一种量子启发的深度学习模型Quantum BioNet 2.0，用于有机城市固体废物的分类，以支持循环生物经济	提出了一种混合量子-经典框架，结合了ResNet50特征提取、并行经典密集层和八量子比特变分量子电路，通过特征融合进行决策，在细粒度有机废物分类中超越了现有卷积模型	未来工作需要在更大规模和多区域数据集上验证模型，并考察其在实时废物管理操作中部署的可行性	提高有机废物在源头的分类效率，以改善废物处理效率和资源回收	有机城市固体废物图像	计算机视觉	NA	深度学习	CNN, 量子启发的混合模型	图像	9000张从多个公共来源收集的废物图像	NA	ResNet50, InceptionResNetV2, InceptionV3, MobileNetV2, DenseNet121	准确率, AUC	NA
414	2026-04-22	Characterizing spatiotemporal trends in PM2.5 component exposures across the western United States using daily 1-km estimates from multi-source data and deep learning 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129322 PMID:41831362	研究论文	本研究开发了一个基于深度森林算法的时空建模框架，用于估计美国西部2002年至2019年每日1公里分辨率的PM2.5组分浓度	通过整合地面化学组分网络、卫星数据、CMAQ模拟和辅助预测因子，首次实现了高时空分辨率的PM2.5组分长期估计	模型在部分组分（如元素碳）的估计精度相对较低，且依赖于多源数据的可用性和质量	开发高时空分辨率的PM2.5组分估计模型，以支持空气质量管理和健康风险评估	美国西部地区的硫酸盐、硝酸盐、有机碳、元素碳和矿物尘等PM2.5组分	机器学习	NA	深度森林算法	深度森林	多源数据（地面监测、卫星遥感、模拟数据）	2002-2019年美国西部每日1公里分辨率数据	NA	深度森林	R值, RMSE	NA
415	2026-04-22	Analyzing the deep learning approach-based modeling framework to understand the critical environmental factors of predicting daily nitrate concentrations 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129539 PMID:41950591	研究论文	本研究利用深度学习框架分析环境因素对预测河流日硝酸盐浓度模型性能的影响	首次系统识别了影响深度学习模型预测河流硝酸盐浓度的关键环境因素，并验证了浓度-流量关系相似性及环境因子时间变异性对模型性能的重要性	研究仅基于爱荷华州的监测数据，未在其他地理区域验证框架的普适性	探究影响深度学习模型预测河流日硝酸盐浓度性能的环境因素，以优化监测网络设计和模型应用	爱荷华州低频硝酸盐监测点的河流日硝酸盐浓度数据	机器学习	NA	高频硝酸盐传感器数据采集	深度学习模型	时间序列数据	爱荷华州多个低频与高频硝酸盐监测站点的数据	NA	NA	预测准确性	NA
416	2026-04-22	Optimized hybrid deep learning model for accurate prediction of effluent quality in wastewater treatment plants 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129440 PMID:41894967	研究论文	本研究提出了一种优化的混合深度学习模型，用于准确预测污水处理厂的出水水质	从数据、模型和场景三个维度提出解决方案，并创新性地提出了BO-DMS-TPA-GRU混合深度学习模型，实现了跨厂验证和迁移应用	未明确说明模型在其他不同工艺污水处理厂的泛化能力，以及实时预测的可行性	实现污水处理厂出水COD、TN、TP和NH-N的高精度预测，以提升出水达标率和降低能耗	污水处理厂的出水水质参数	机器学习	NA	NA	CNN, GRU, 混合深度学习模型	污水处理过程数据	涉及两个污水处理厂（WWTP A和WWTP B）的数据，具体样本量未明确	NA	CNN-GRU, BO-DMS-TPA-GRU	R（相关系数）	NA
417	2026-04-22	The athlete microbiome project: integrating deep learning to reveal microbial associations of physical fitness 2026-Apr-01, Physiological genomics IF:2.5Q2 DOI:10.1152/physiolgenomics.00278.2025 PMID:41902691	研究论文	本研究通过整合深度学习技术，分析了运动员与非运动员的肠道微生物组差异，并揭示了微生物组成与身体适应度指标（如最大摄氧量和无脂体重百分比）之间的关联	首次大规模整合多大陆的微生物组数据，结合随机森林和多层感知机神经网络，识别出与运动员状态和身体适应度相关的微生物模式，并实现了高精度的运动员状态预测	研究为二次分析，依赖于已发表数据，可能受原始研究设计和样本收集方法的限制；未进行机制验证	探究运动员是否具有独特的肠道微生物组，以及微生物组成是否与身体适应度指标相关	运动员和非运动员的肠道微生物组样本	机器学习	NA	扩增子测序	随机森林, 多层感知机	微生物组测序数据, 元数据	855个肠道微生物组样本（运动员656人，非运动员199人），覆盖三大洲	Scikit-learn, TensorFlow或PyTorch（未明确指定，但基于模型类型推断）	多层感知机	平衡准确度, 受试者工作特征曲线下面积	NA
418	2026-04-22	Deep learning and statistical methods identify novel asthma risk variants in Europeans 2026-Apr-01, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2026.03.016 PMID:41932550	研究论文	本研究通过统计方法和深度学习技术，在欧洲人群中识别新的哮喘风险变异，并改进多基因风险预测	结合多性状分析、条件错误发现率和基于Transformer的深度学习框架，首次大规模识别了69个新的哮喘风险位点，并提升了多基因风险评分模型的预测性能	研究仅针对欧洲血统人群，结果可能不适用于其他种族或族群	精炼欧洲血统个体中哮喘的遗传图谱，并通过统计和深度学习方法改进多基因风险预测	欧洲血统的哮喘病例和对照个体	机器学习	哮喘	全基因组关联研究（GWAS）	Transformer	基因组数据	总计约1,810,172个样本，包括158,763例哮喘病例和1,652,409例对照	NA	Transformer	多基因风险评分模型的预测性能比较	NA
419	2026-04-22	Real-Time Named Entity Recognition from Textual Electronic Clinical Records in Cancer Therapy Using Low-Latency Neural Networks 2026-Apr, Big data IF:2.6Q2 DOI:10.1177/2167647X251409135 PMID:41649195	研究论文	本研究开发了一种用于癌症治疗相关临床记录和中医文本的实时低延迟命名实体识别系统	提出了一种结合中医特定语料库和生物医学资源的半监督方法，并探索了针对低延迟神经处理优化的深度学习架构在多语言医疗环境中的应用	未明确说明系统在具体临床场景中的部署验证细节和跨语言性能的量化评估结果	开发适用于癌症治疗和中医临床记录的实时低延迟命名实体识别系统，以支持医疗决策和信息管理	电子临床记录中的文本数据，特别是癌症治疗相关记录和传统中医文本	自然语言处理	癌症	命名实体识别	深度学习神经网络	文本	NA	NA	NA	识别准确率	低延迟神经处理架构
420	2026-04-22	Improving the efficiency of high-fidelity Cas9 by enhancing PAM-distal interactions 2026-Apr, Nature structural & molecular biology IF:12.5Q1 DOI:10.1038/s41594-026-01753-3 PMID:41851507	研究论文	本研究通过延长sgRNA的间隔区长度，恢复了高保真Cas9变体SuperFi-Cas9受损的切割活性，并揭示了其分子机制，同时开发了深度学习模型AIdit-SuperFi来预测最佳sgRNA长度	发现延长间隔区长度可恢复高保真Cas9的切割活性，并通过结构生物学揭示了其分子机制，同时开发了首个用于预测高保真基因组编辑最佳sgRNA长度的深度学习模型	研究主要针对SuperFi-Cas9变体，其他高保真Cas9变体的适用性需要进一步验证；深度学习模型的预测性能有待在更广泛的数据集上评估	解决高保真CRISPR-Cas9系统切割效率降低的问题，平衡核酸酶的特异性和效率	SuperFi-Cas9（高保真Cas9变体）、sgRNA-DNA复合物	基因组编辑、结构生物学、深度学习	NA	CRISPR-Cas9基因编辑、冷冻电镜、突变分析	深度学习模型	结构数据、序列数据	NA	NA	AIdit-SuperFi	NA	NA