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
721	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
722	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）
723	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
724	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
725	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
726	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
727	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
728	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
729	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
730	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
731	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
732	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
733	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
734	2026-04-22	Discovering Plastic-Binding Peptides with Favorable Affinity, Water Solubility, and Binding Specificity Through Deep Learning and Biophysical Modeling 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715295 PMID:41959355	研究论文	本研究结合深度学习和生物物理建模，开发了一种计算流程，用于发现具有高亲和力、高水溶性和高结合特异性的塑料结合肽，以应对微塑料污染问题	首次将LSTM网络与蒙特卡洛树搜索算法结合，并整合CamSol溶解度评分和竞争性MCTS方法，实现了同时优化肽的亲和力、水溶性和塑料结合特异性	研究主要基于计算预测和分子动力学模拟，缺乏实验验证；目前仅针对聚乙烯和聚苯乙烯两种塑料进行了验证	开发一种计算方法，用于发现具有理想性质的塑料结合肽，以用于微塑料污染的检测和捕获	塑料结合肽	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
735	2026-04-21	Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms 2026-Apr-20, The Analyst DOI:10.1039/d5an01326g PMID:41699974	研究论文	本研究提出了一种结合激光诱导击穿光谱技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类	首次将LIBS技术与多种机器学习及深度学习算法结合，并系统比较了不同特征提取方法（LASSO和PCA）在小样本铀矿石分类中的性能，发现基于PCA特征的深度学习模型能实现100%分类准确率	研究仅针对12种铀矿石类型，样本多样性有限；RF模型在小训练集下存在明显过拟合问题	开发快速准确的小样本铀矿石分类方法	12种铀矿石样品	机器学习	NA	激光诱导击穿光谱	随机森林,前馈神经网络,卷积神经网络,长短期记忆网络	光谱数据	12种铀矿石样品的光谱数据	NA	FNN, CNN, LSTM	分类准确率	NA
736	2026-04-21	Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis? 2026-Apr-16, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023897 PMID:40707242	研究论文	本研究评估了基于深度学习的非对比计算机断层扫描初始核心体积测量与接受再灌注治疗的急性缺血性卒中患者临床结局的关联	利用深度学习算法从非对比CT中自动测量初始核心体积，作为预测再灌注治疗患者长期结局和症状性颅内出血的潜在工具，尤其在资源有限地区具有应用价值	研究为观察性设计，可能存在选择偏倚；深度学习算法（Methinks）为先前验证，但在此特定人群中的性能需进一步确认；样本来自三个卒中中心，可能限制普遍性	评估非对比CT上通过深度学习算法测量的初始核心体积与接受再灌注治疗的卒中患者临床结局之间的关联	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习算法	图像	658名患者	NA	Methinks	调整后的比值比, 95%置信区间	NA
737	2026-04-21	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	本文提出了一种名为D-I-TASSER的混合方法，通过整合多源深度学习势能与迭代穿线片段组装模拟，构建原子级蛋白质结构模型	提出了一种结合深度学习与传统基于物理的折叠模拟的混合方法，并引入了用于大型多域蛋白质结构自动建模的域拆分与组装协议	未明确提及	开发一种高精度的蛋白质结构预测方法，适用于单域和多域蛋白质	蛋白质结构，特别是单域和多域蛋白质	机器学习	NA	深度学习，迭代穿线片段组装模拟	深度学习模型	蛋白质序列与结构数据	在人类蛋白质组中测试了蛋白质域和全长序列	NA	D-I-TASSER	基准测试结果，与AlphaFold2和AlphaFold3的比较	NA
738	2026-04-21	Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Apr, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器用于自动化预处理肿瘤细胞和组织的拉曼光谱，以提高光谱质量	使用卷积自编码器实现单步自动化预处理，替代传统多步骤方法，并应用于临床前和临床拉曼光谱数据	未明确提及模型在更广泛数据集或不同癌症类型上的泛化能力	开发深度学习框架以高效自动化预处理用于辐射响应监测的肿瘤细胞和组织拉曼光谱	肿瘤细胞（临床前单细胞系和异种移植组织）和临床前列腺肿瘤活检组织	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11000个光谱（包括临床前和临床数据）	NA	卷积自编码器	均方根误差, 百分比均方根差异, CR去除率	无需GPU，在2.4秒内处理约11000个光谱
739	2026-04-21	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，通过生成式免疫标记自动检测前列腺癌在3D病理数据集中的区域	开发了基于深度学习的3D图像转换模型，将H&E模拟3D病理数据转换为多路复用3D免疫荧光数据，以促进肿瘤检测，并生成可解释的3D热图	未明确提及具体限制，但依赖于病理学家的地面真实注释进行验证，且样本量相对较小（75名患者）	自动化和改进在3D病理数据集中区分良性和前列腺癌富集区域的过程，以支持基于3D病理数据的前列腺癌风险分层	前列腺组织样本，包括癌症和良性腺体	数字病理学	前列腺癌	3D病理学，免疫荧光，H&E染色	深度学习图像转换模型	3D图像数据	75名患者	NA	NA	F1分数	NA
740	2026-04-21	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	通过整合全切片图像的深度学习特征与细胞成分（特别是巨核细胞）的详细表型数据，采用双流方法融合多源信息，显著提升了MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析，高级图像处理技术	CNN	图像	411个患者样本，带有详细的临床和组织病理学注释	NA	NA	NA	NA