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
81	2026-09-04	Development and Validation of Machine Learning Models for Predicting Early Cognitive Decline Using Home Sensor-Derived Behavioral Data: Sensors in-Home for Elder Wellbeing (SINEW) Cohort Study 2026-04-01, JMIR research protocols IF:1.4Q3 DOI:10.2196/79490 PMID:41921108	研究论文	本研究旨在开发和验证基于家庭传感器数据的机器学习模型，用于预测老年人的早期认知衰退，并区分正常衰老与轻度认知障碍、早期痴呆、衰弱前期或衰弱状态。	利用连续家庭监测的多传感器系统（包括被动红外运动传感器、门磁传感器、床传感器等）获取的行为数据与临床数据结合，开发监督式机器学习模型，以预测正常老化到轻度认知障碍或衰弱的转变，这为早期干预提供了可能。	研究仍在进行中，完整的数据分析尚未开始，因此尚未提供模型的验证结果；主要限制是当前样本规模较小（截至2025年6月仅138名参与者），可能影响模型的泛化能力。	开发并验证一种基于家庭传感器系统的机器学习模型，用于早期识别有轻度认知障碍或衰弱前期风险的老年人，以促进及时干预并可能减缓疾病进展。	社区居住的年龄≥65岁、基线时认知正常或轻度认知障碍的老年人。	机器学习、数字病理学	老年疾病（痴呆、认知障碍、衰弱）	家庭传感器监测（被动红外、门磁、床、药物箱、穿戴式活动带、蓝牙信标）	逻辑回归、随机森林、梯度提升、深度学习	传感器数据（时空间活动模式、移动性、睡眠行为、药物服用习惯）和临床数据（认知测试、衰弱测量等）	目标200名，截至2025年6月已招募138名社区老年人	未明确提及，但可能使用Scikit-learn、PyTorch或TensorFlow	未明确指定，如逻辑回归、随机森林、梯度提升、深度学习	AUC、灵敏度、特异性、精确度、召回率、F1分数	未明确提及
82	2026-08-31	PLDC-Net: A Domain-Specific Base Model for Plant Leaf Disease Classification Domain Adaptation Tasks 2026-Apr, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70167 PMID:42005353	研究论文	提出了一种基于改进的注意力机制和SiLU激活的DenseNet201架构PLDC-Net，在大规模植物叶片病害数据集上预训练，以构建领域特定的基础模型，用于改善植物叶片病害分类的领域适应任务	首次提出在植物叶片病害领域特定大规模数据集上预训练改进的DenseNet201架构（PLDC-Net），取代传统的ImageNet预训练，以提升领域适应效果	未提及具体限制，但可推断预训练数据集的构建和质量可能影响模型泛化能力	通过构建领域特定的基础模型，提高植物叶片病害分类中领域适应（如迁移学习、微调、少样本学习）的性能	植物叶片病害图像及其分类任务，涉及多种植物和疾病类型	计算机视觉	植物疾病	深度学习、迁移学习、少样本学习	CNN（改进的DenseNet201）	图像	大规模植物叶片病害数据集（具体数量未在摘要中提及）	NA	改进的DenseNet201（带注意力机制和SiLU激活）	F1分数	NA
83	2026-08-30	Deep learning-driven prediction of on-target activity, off-target risk, and repair outcomes in CRISPR/Cas9: current landscape and multi-scale perspectives 2026-04-28, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08175-1 PMID:42046128	综述	本文综述了人工智能驱动的CRISPR/Cas9预测方法，涵盖靶上活性、脱靶风险和修复结果，并提出整合分子、细胞和组织层面的三层框架	提出一个前瞻性的“三层框架”，整合分子、细胞和组织维度，以弥合基于序列的预测与表型结果之间的差距	现有模型主要在序列层面操作，忽略基因组编辑的下游功能后果	总结AI驱动的CRISPR/Cas9预测方法现状，并提出整合多尺度信息以提升精确性和转译潜力的框架	CRISPR/Cas9系统的预测方法，包括靶上活性、脱靶风险和修复结果	机器学习	NA	CRISPR/Cas9	深度学习	序列数据	NA	NA	NA	NA	NA
84	2026-08-30	Artificial intelligence construction: a review of the bridge between CT imaging features of lung ground-glass nodules adenocarcinoma and carcinogenic driver genes 2026-Apr-22, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-026-06465-1 PMID:42017975	综述	本文综述了人工智能在肺磨玻璃结节腺癌CT影像特征与致癌驱动基因关联分析中的应用进展。	系统总结了连接肺GGN影像表型与基因改变的人工智能驱动技术，并指出了数据异质性、标注数据集有限和可解释性等挑战。	未提及具体实验验证，仅基于文献综述，可能缺乏实证数据的支持。	提供人工智能、放射组学和基因组学在肺GGN腺癌交叉领域的理论见解和技术参考，促进早期诊断和精准肿瘤学。	肺磨玻璃结节腺癌及其CT影像特征和致癌驱动基因	医学影像分析、基因组学	肺腺癌	深度学习、机器学习	深度学习模型（具体未指明）	CT影像和基因组数据	NA	NA	NA	NA	NA
85	2026-08-30	Early detection of heart failure using trend similarity metrics combined with hybrid deep learning based on real-world health monitoring data 2026-04-15, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0997 PMID:41980729	研究论文	提出一种结合趋势相似度分析和混合深度学习的跨学科框架，用于基于真实世界健康监测数据的早期心力衰竭检测	将Haar小波分解的趋势相似性分析与混合深度学习相结合，实现高维多源数据的集成和动态时间模式捕捉	未提及	早期检测心力衰竭，以支持及时的生活方式干预和靶向药物治疗	心力衰竭患者、家庭成员和健康个体	机器学习	心力衰竭	NA	混合深度学习（LogitBoost元分类器结合LReLU激活）	生理传感器数据和电子健康记录	2976名心力衰竭患者，18203名家庭成员，295801名健康个体	NA	LogitBoost	准确率	NA
86	2026-08-30	Unveiling gender disparities in corporate board career paths using deep learning 2026-Apr-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2026.101495 PMID:42005391	研究论文	本研究利用深度学习模型分析企业董事会职业路径中的性别差异，聚焦于加拿大上市公司。	结合社会网络分析与因果学习框架及LSTM模型，揭示性别差异中的玻璃天花板效应，并通过性别特定的个性化PageRank发现女性间联系的重要作用。	研究仅针对加拿大上市公司，可能限制结论的普遍性。	探讨职业网络与董事会任命中性别差异的关系，并提出减少领导层性别障碍的建议。	加拿大上市公司的19,000多名高级管理人员和董事会成员，涉及700多家公司，时间跨度为2000年至2022年。	机器学习	不适用	社会网络分析、因果学习、LSTM模型	LSTM	文本、网络数据	19,000多名高级管理人员和董事会成员，700多家公司	不适用	LSTM	不适用	不适用
87	2026-08-30	Multi-class classification of autoimmune skin disease by efficient localization of overlapped lesion boundaries using SAM 2026-04, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2026.2663042 PMID:42013205	研究论文	提出一种混合深度学习模型 AutoImmune-HybridNet，结合 Segment Anything Model 和 ResNet50 与可变形注意力变换器，用于多类别自身免疫性皮肤病分类，并在人类皮肤病数据集上达成 98% 的准确率	利用 SAM 智能隔离病灶区域，结合 ResNet50 与可变形注意力变换器自适应建模不规则病灶形状，引入对比学习和焦点损失增强特征区分能力，并融入可解释性和不确定性估计	数据集规模有限，且仅基于图像数据，未来将结合多模态临床信息	开发一种可解释的深度学习框架，有效分类多种自身免疫性皮肤病，并提供可解释的可视化	自身免疫性皮肤病病灶图像	数字病理学	自身免疫性皮肤病	图像分割与分类	混合深度学习模型（SAM、ResNet50、可变形注意力变换器）	图像	人类皮肤病数据集（具体样本数未在摘要中说明）	未明确提及，可能为 PyTorch 或 TensorFlow	ResNet50, 可变形注意力变换器, Segment Anything Model	准确率	未在摘要中提及
88	2026-08-30	An enhanced transformer model for detecting 1p36 deletion syndrome 2026-Apr-01, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02403-5 PMID:41917487	研究论文	提出一种增强的Transformer模型（MultiSight Transformer）用于检测1p36缺失综合征	首次将多头部自注意力机制的Transformer架构应用于1p36染色体缺失检测，结合基因组变异数据实现高精度分类	未在论文中明确提及局限性	提高1p36缺失综合征的检测准确性和效率，支持早期诊断和临床决策	染色体1p36缺失区域的基因序列及相关临床条件	机器学习	1p36缺失综合征	基因组变异分析	Transformer	基因组数据	未明确说明样本数量	未明确说明	MultiSight Transformer（基于多头自注意力机制）	准确率, 精确率, 召回率, F1分数, AUC	未明确说明
89	2026-08-28	PATCH: A deep learning method to assess heterogeneity of artistic practice in historical paintings 2026-Apr-17, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea0485 PMID:41996503	研究论文	提出一种名为PATCH的深度学习方法，无需外部训练数据即可识别历史绘画中艺术实践异质性，并应用于埃尔·格雷科的两幅作品。	提出无需外部训练数据的成对分配训练方法（PATCH），能识别个体艺术实践模式，超越了传统统计和无监督学习方法。	信息未明确提供，但可推测依赖少量历史画作，且对复杂成对比较问题缺乏“地面真值”数据。	利用机器学习解决历史绘画中艺术家身份识别和艺术实践异质性分类问题，无需外部训练样本。	两幅西班牙文艺复兴大师埃尔·格雷科的历史绘画，涉及作坊成员参与情况。	计算机视觉	NA	深度学习	神经网络（具体类型未指定）	图像（历史绘画）	两幅历史绘画样本	NA	NA	性能评估对比统计和无监督方法，具体指标未提及。	NA
90	2026-08-28	A hybrid dual-stream CNN framework with dynamic data augmentation and improved Manta Ray Foraging Optimization for robust glaucoma detection 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45384-6 PMID:41998000	研究论文	提出一种混合双流卷积神经网络框架，结合动态数据增强和改进的蝠鲼觅食优化算法，用于自动化青光眼检测	结合DenseNet121和ResNet50的双流CNN结构，引入通道注意力机制，以及改进蝠鲼觅食优化算法进行超参数动态优化	未提及，需依赖临床数据验证	开发自动化且鲁棒的青光眼检测框架，解决数据不平衡、图像质量不一致和特征提取准确性等挑战	青光眼视网膜图像	计算机视觉, 医学图像分析	青光眼	深度学习，图像增强，优化算法	CNN（双流）	图像	四个公开数据集：ACRIMA、Drishti-Gs、ORIGA、RIM-ONE-DL	未明确提及，推测使用TensorFlow或PyTorch	DenseNet121, ResNet50	准确率, 精确率, 召回率, AUC, 损失值	未提及
91	2026-08-28	Accuracy of Deep Learning for Detecting Axillary Lymph Node Metastasis in Breast Cancer: Systematic Review and Meta-Analysis 2026-Apr-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77593 PMID:41992690	系统评价与荟萃分析	本系统评价与荟萃分析评估了深度学习在检测乳腺癌腋窝淋巴结转移中的诊断性能，综合了28项研究的数据。	首次对深度学习在乳腺癌腋窝淋巴结转移检测中的性能进行系统评价，并基于不同影像模态（超声、MRI、CT）进行亚组分析，提供了全面的诊断准确性证据。	未在摘要中提及具体局限性，可能包括研究间的异质性、发表偏倚等。	评估深度学习在检测乳腺癌腋窝淋巴结转移中的有效性，为临床诊断工具提供证据支持。	乳腺癌患者，共20,811例，其中7,123例确诊为腋窝淋巴结转移。	医学影像分析	乳腺癌	NA	深度学习模型（具体类型未指定）	影像数据（超声、MRI、CT）	28项独立研究，涵盖20,811例乳腺癌患者。	NA	NA	敏感度、特异度、诊断比值比、曲线下面积、阳性似然比、阴性似然比	NA
92	2026-08-28	An snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48613-0 PMID:41981187	研究论文	该文介绍了一种基于果蝇头部单核RNA测序数据的衰老时钟TimeFlies，用于预测细胞年龄并揭示性别偏倚的衰老机制。	首次构建了泛细胞类型的单细胞转录组衰老时钟，并结合可解释性方法识别关键衰老标志基因。	基于果蝇模型，未在哺乳动物中验证；且未提供性能指标的定量比较。	开发基于基因表达的衰老时钟，并应用于研究衰老过程中的性别差异。	果蝇头部细胞及衰老相关基因。	机器学习	衰老相关疾病	单核RNA测序	深度学习	单核转录组数据	果蝇头部细胞样本（具体数量未在摘要中提供）	深度学习框架（未指定）	深度学习模型（未指定具体架构）	NA	NA
93	2026-08-28	Deep learning-based stratification of Schizophrenia Spectrum Disorder from real-world data reveals distinct profiles of common and rare variant genetic signal 2026-Apr-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.30.26349393 PMID:41959828	研究论文	利用变分自编码器对丹麦iPSYCH队列的真实世界数据进行深度分层，识别出精神分裂症谱系障碍的十个临床亚组，并分析其常见和罕见遗传信号	首次将真实世界临床数据与常见及罕见遗传变异整合，通过变分自编码器进行无监督分层，揭示临床亚组与多基因评分及罕见变异负担的关联	罕见变异分析仅在部分样本（N=5,969）中进行，结果仅为提示性趋势；研究基于丹麦人群，结果可能不适用于其他种族或地区	探究精神分裂症谱系障碍的临床异质性，并整合常见和罕见遗传信号以实现生物学知情患者分类	丹麦iPSYCH队列中的22,092名个体（包括11,046例SSD患者和11,046名匹配对照）	机器学习	精神分裂症谱系障碍	外显子组测序	变分自编码器	注册表数据、外显子组数据	22,092名个体（11,046例SSD病例和11,046名对照），其中5,969名有外显子组数据	NA	变分自编码器	NA	NA
94	2026-08-28	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	提出了一种混合方法D-I-TASSER，通过整合多源深度学习势能与迭代线程片段组装模拟，实现原子级蛋白质结构预测，并支持单域和多域蛋白的自动建模	首次将多源深度学习势能与传统基于物理的折叠模拟相结合，并引入域拆分和组装协议，能够自动建模大型多域蛋白质结构，且在基准测试和CASP15实验中表现优于AlphaFold2和AlphaFold3	文章未明确提及局限性，但可推测其对计算资源需求较高，且对于某些复杂蛋白结构可能仍存在预测误差	开发一种高精度的蛋白质结构预测方法，整合深度学习与物理模拟，以提升单域和多域蛋白的预测性能，并适用于基因组规模的应用	单域蛋白、多域蛋白以及人类蛋白质组中的蛋白域和全链序列	机器学习	不适用	深度学习（多源深度学习势能）	混合模型（深度学习与迭代线程组装模拟）	蛋白质序列和结构数据	基准测试集、CASP15实验蛋白以及人类蛋白质组中的蛋白域和全链序列（未提供具体数量）	不适用	不适用	准确率、覆盖率（如折叠蛋白域和全链序列的百分比）	不适用
95	2026-08-28	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	本研究通过结合深度学习和生物物理建模的计算机模拟发现管道，设计了具有高亲和力、水溶性和结合特异性的塑料结合肽，以应对微塑料污染	首次将长短期记忆网络与蒙特卡洛树搜索算法结合，并引入CamSol溶解度评分和竞争性MCTS方法，同时优化肽对塑料的亲和力、水溶性和结合特异性	研究主要依赖计算预测和分子动力学模拟，缺乏实验验证，且仅针对聚乙烯和聚苯乙烯两种塑料类型	开发一种计算机模拟方法，用于发现具有高亲和力、水溶性和结合特异性的塑料结合肽，以支持微塑料污染治理	微塑料污染及塑料结合肽（针对聚乙烯和聚苯乙烯）	机器学习	不适用	分子动力学模拟	长短期记忆网络（LSTM）, 蒙特卡洛树搜索（MCTS）	生物物理建模数据	不适用（未提供具体样本数量）	不适用（未提及具体框架）	LSTM, MCTS	结合自由能, CamSol溶解度评分, 结合特异性	不适用（未提及具体计算资源）
96	2026-08-28	Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multicancer Cohort 2026-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00141 PMID:42269139	研究论文	提出一个多模态机器学习框架，利用电子健康记录数据提前一个月预测癌症转移风险，并在瑞典多癌种队列中进行了验证。	首次在多癌种队列中系统比较传统与深度学习分类器在不同模态及多模态融合策略下的性能，并采用多模态SHAP分析解释模型推理。	文本中未明确提及局限性，但结肠癌小队列性能较低表明数据量对模型性能有影响。	开发并评估一个基于电子健康记录的多模态机器学习框架，用于癌症转移风险的早期预测。	来自瑞典卡罗林斯卡大学医院的四种癌症患者队列，包括乳腺癌（n=743）、结肠癌（n=387）、肺癌（n=870）和前列腺癌（n=1890）。	机器学习	多癌种（乳腺癌、结肠癌、肺癌、前列腺癌）	电子健康记录数据分析	深度学习分类器、传统分类器	结构化数据（人口统计学、合并症、实验室结果、药物）和非结构化临床文本	总共3890名患者（乳腺癌743名，结肠癌387名，肺癌870名，前列腺癌1890名）	未指定，可能使用多种框架	未明确指定，包括深度学习模型（如Transformer）和传统模型（如逻辑回归）	AUROC、AUPRC、F1分数、敏感性、特异性	未提及
97	2026-08-28	De novo Folding Mechanisms of Lasso Peptides 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715466 PMID:41959090	研究论文	该研究结合分子动力学模拟和深度学习，揭示了20种无次级翻译后修饰的套索肽的从头折叠机制，并提出了代表性折叠模型及热力学和动力学原理。	首次整合多集合马尔可夫模型和变分自编码器聚类，揭示了套索肽普遍的上坡折叠景观和低于0.8%的自发折叠概率，并阐明了环稳定性和熵成本在折叠中的作用。	研究仅针对缺乏次级翻译后修饰的套索肽，可能未涵盖复杂修饰对折叠的影响。	阐明套索肽的从头折叠机制，包括热力学和动力学原理，为合理工程化提供基础。	20种缺乏次级翻译后修饰的套索肽，包括微菌素J25。	分子动力学模拟、深度学习	NA	分子动力学模拟、深度学习	多集合马尔可夫模型、变分自编码器	模拟轨迹数据	20种套索肽	PyTorch	变分自编码器	自发折叠概率、环稳定性（β-发夹形成）、熵成本	NA
98	2026-08-28	Deep Learning-Based Detection of Oral Leukoplakia from Intraoral Images 2026-Apr, Journal of the College of Physicians and Surgeons--Pakistan : JCPSP DOI:10.29271/jcpsp.2026.04.526 PMID:42015441	研究论文	评估深度学习软件从口内照片中识别口腔白斑病变的有效性	首次使用多种深度学习模型（YOLOv5, YOLOv8, Mask R-CNN, U-Net）对口腔白斑进行检测，并比较其性能，其中YOLOv5表现最佳	样本量较小，且为单中心回顾性研究，可能限制结果的泛化性	评估深度学习软件在识别口腔白斑病变中的有效性，以支持早期诊断	口腔白斑病变的口内图像	计算机视觉	口腔白斑	不适用	YOLOv5, YOLOv8, Mask R-CNN, U-Net	图像	222张口内图像，分为训练集178张，验证集22张，测试集22张	不适用	YOLOv5, YOLOv8, Mask R-CNN, U-Net	精确度, 召回率, F1分数	不适用
99	2026-08-26	Domain-Shift AI Technology for Vendor-Agnostic Multiple Macular Disease Detection From 3D OCT Scans 2026-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.0029 PMID:41746616	研究论文	该研究开发了一种供应商无关的深度学习模型，用于从不同厂商的3D OCT扫描中检测多种黄斑疾病，并验证了其跨设备泛化能力。	提出了一个供应商无关的3D OCT多疾病分类模型，结合无监督测试时域适应方法（Test Entropy）解决厂商间域差异，并引入不确定性类别处理未见过的黄斑状况，同时整合分诊模块。	未明确提及限制，但研究中不确定性类别敏感性波动较大，且临床重要漏诊率存在（紧急和半紧急病例）。	开发并验证一个能够处理来自不同供应商的3D OCT扫描的供应商无关模型，用于多种黄斑疾病的检测和分诊。	多种黄斑疾病，包括来自不同厂商的3D和2D OCT扫描数据。	计算机视觉	黄斑疾病	OCT成像	深度学习模型（ResNet 3D）	3D OCT扫描图像和2D OCT扫描图像	开发集：6756个OCT扫描（来自1669名患者）；外部测试集：12236个OCT扫描（来自4336名患者）	NA	ResNet（3D）	AUROC、微平均PPV、微平均NPV、临床重要漏诊率	未提及
100	2026-08-26	Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100965 PMID:41927432	研究论文	开发基于智能手机拍摄手术切除图像的深度学习模型，用于临床IA期肺腺癌的病理侵袭性预测，以辅助术中诊断和手术决策	首次在术中诊断领域使用智能手机拍摄的手术切除图像进行深度学习模型开发，用于预测IA期肺腺癌的病理侵袭性，并提供了宏观形态学特征对侵袭性的见解	未在摘要中明确提及局限性	开发深度学习模型，利用手术切除图像快速准确预测IA期肺腺癌的病理侵袭性，以辅助外科医生制定精准手术决策	临床IA期肺腺癌患者的手术切除图像	数字病理学、深度学习	肺腺癌	智能手机成像、组织病理学分析	深度学习模型（具体类型未在摘要中说明）	图像	1727名患者（其中1529名来自广东省人民医院，116名来自广东医科大学附属医院，82名来自梅州市人民医院），共2910张手术切除图像	NA	NA	曲线下面积、准确率	NA