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
781	2026-05-27	Spliceread: improving canonical and non-canonical splice site prediction with residual blocks and synthetic data augmentation 2026-May-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06486-0 PMID:42174428	研究论文	提出一种名为SpliceRead的深度学习模型，通过残差卷积块和合成数据增强技术，提高对典型和非典型剪接位点的预测准确性	采用合成数据增强方法生成多样化的非典型剪接序列，并结合残差连接增强梯度流，捕获细微基因组特征，显著降低非典型位点的误分类率	NA	改进剪接位点预测模型的性能，特别是对罕见但生物重要的非典型剪接变体的检测能力	多物种数据集中长度为400和600核苷酸的剪接位点序列	机器学习	NA	深度学习	卷积神经网络	基因序列	多物种数据集，包含400和600核苷酸序列样本	PyTorch	残差卷积网络	F1-score, 准确率, 精确率, 召回率	NA
782	2026-05-27	Contrastive multimodal deep learning for survival prediction in grade 2/3 gliomas 2026-May-09, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkag039 PMID:41987576	研究论文	开发了一种对比多模态深度学习框架，整合组织病理学、体细胞突变和临床数据，用于预测2/3级胶质瘤患者生存期	首次将对比学习与生存分析结合，实现跨模态表示的对齐，无需人工标注即可利用常规收集数据进行风险分层	对比多模态模型与非对比多模态模型相比，c指数差异未达到统计学显著性	提高2/3级胶质瘤患者生存预测的准确性，解决肿瘤生物学异质性和单模态数据方法的局限性	2/3级胶质瘤患者	机器学习和数字病理学	胶质瘤（2/3级）	NGS（体细胞突变检测）和组织病理全切片成像	对比多模态深度学习网络	组织病理图像、基因组突变数据和临床人口统计数据	TCGA队列498例，DHMC外部验证队列61例	PyTorch	NA	c指数、Kaplan-Meier生存曲线、对数秩P值、轮廓分数	NA
783	2026-05-27	Learning drug synergy through environment-conditioned feature modulation 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag256 PMID:42085481	研究论文	提出Env-Syn框架，通过环境条件特征调制学习药物协同作用，以建模药物-药物-细胞动态相互作用	引入残差特征线性调制模块对药物表示进行精确仿射变换，首次将细胞-药物环境作为动态条件而非静态背景来调制药物表征	文章未明确提及局限性	提高药物协同作用预测性能并增强模型对未知药物和独立数据集的泛化能力	药物组合及细胞环境中的协同作用预测	机器学习	癌症	NA	深度学习	药敏数据及细胞特征	文章未明确说明样本量，但涉及15种新预测药物组合其中8种有文献支持	PyTorch	残差特征线性调制网络	AUROC, AUPRC, 召回率	NA
784	2026-05-27	Artificial Intelligence in Rhinology 2026-May-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011654 PMID:40608779	综述	这篇论文综述了人工智能在鼻科学中的应用	系统回顾了2000年至2025年间人工智能在鼻科学中的应用，涵盖机器学习分类、深度学习诊断及手术阶段评估等前沿技术	依赖高水平医疗机构和装备环境，但可能不适用于资源匮乏地区	评估人工智能在鼻科学中的应用现状并展望未来发展方向	鼻科学中的人工智能应用，包括影像诊断、手术阶段评估和机器人手术	自然语言处理，机器学习，计算机视觉	鼻窦炎等鼻科疾病	机器学习，深度学习	分类算法	图像（放射影像）	不适用	不适用	不适用	不适用	不适用
785	2026-05-27	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2026-May-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	开发了一个名为TraceOrg的基于网络的深度学习平台，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积，并提供Mayo影像分类	首次将U-Net与Transformer元素结合的3D混合模型应用于多囊肾病的肾脏、肝脏及囊肿分割，并部署为公开的网页工具，支持多种MRI脉冲序列和CT图像，实现自动匿名化处理	未明确讨论模型在低对比度图像或罕见病变亚型中的表现，且外部验证数据集主要来自西方人群，可能影响种族多样性泛化能力	开发并验证一种自动、可靠且通用的工具，用于准确测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	常染色体显性多囊肾病患者的MRI和CT扫描图像，以及无该病的参与者图像	数字病理学	多囊肾病	MRI, CT扫描	3D混合模型（U-Net + Transformer）	医学图像	720名参与者（611名ADPKD患者，109名非ADPKD参与者）用于训练；内部验证：70个MRI（肾脏/肝脏分割）和46个MRI（囊肿分割）；外部验证：单中心58例、多中心73例、CRISP 30例、PKD-RRC 115例	NA	U-Net, Transformer	Dice系数，平均绝对百分比差异	NA
786	2026-05-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出FDS-CAP框架，通过组件级注意力机制建模碎片化疾病子图，用于预测疾病共病关系	首次通过组件级注意力机制整合疾病子图中的连通组件，以捕捉碎片化疾病模块的生物学复杂性，从而提高共病预测的准确性和表达力	仅基于单一基准数据集评估，且案例研究仅限于胶质瘤，可能限制泛化性	改进现有方法对疾病模块碎片化的忽视，提升共病预测性能	人类疾病网络中的疾病子图及其共病关联	机器学习	胶质瘤	NA	子图神经网络（SUBGNN）、变分图自编码器	图	基准数据集（具体数量未在摘要中说明）	PyTorch	SUBGNN、变分图自编码器	AUROC	NA
787	2026-05-27	DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261441311 PMID:41995104	研究论文	提出一种名为DANCE的方法，利用混沌增强万花筒图像对T细胞受体蛋白序列进行深度学习的分析与分类	结合混沌游戏表示与万花筒图像方法生成蛋白序列的对称可视化图像，并利用深度学习视觉模型进行分类，为短蛋白序列（如TCR）提供了一种新的图像化嵌入方式	主要针对TCR蛋白序列较短的特性设计，可能不适用于长序列；未提及对不同病原体或非癌抗原的泛化能力	开发一种基于图像的蛋白序列表示方法，以提升对TCR蛋白序列的分析与分类能力，支持基于TCR的免疫疗法研究	T细胞受体蛋白序列及其靶向的癌细胞类型	计算机视觉, 深度学习, 蛋白质组学	癌症	混沌游戏表示, 万花筒图像生成	深度学习视觉模型	图像（由蛋白序列生成的万花筒图）	未明确说明	NA	NA	分类准确率等（具体指标未在摘要中说明）	NA
788	2026-05-27	BudFinder: A Masked Auto-Encoder vision transformer framework for yeast budding detection and lifespan quantification 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013700 PMID:42149904	研究论文	提出BudFinder框架，利用掩码自编码器视觉变换器进行酵母出芽检测与寿命量化	使用自监督预训练技术（掩码自编码器）大幅减少标注数据需求，仅需少量母细胞数据即可实现高精度检测	NA	自动化酵母细胞分裂事件检测与复制寿命量化	酵母细胞	计算机视觉	老年性疾病	延时显微镜	视觉变换器（Vision Transformer）	图像	约25万张未标注酵母细胞图像及少于50个母细胞（约1000次分裂事件）的标注数据	PyTorch	掩码自编码器（Masked Autoencoder）	NA	NA
789	2026-05-27	VesiclePy: A machine learning vesicle analysis toolbox for volume electron microscopy 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013499 PMID:42133697	研究论文	开发了VesiclePy，一个用于体电子显微镜数据的囊泡分析工具箱，实现自动化分割、分类、校对和空间分析	整合深度学习与人工校对效率，提供大体积电镜数据中单囊泡分辨率的分块处理、精确索引、定位和可视化，支持多TB数据集处理及神经元亚型聚类	NA	解决体电子显微镜数据中囊泡分析的大体积数据处理挑战，实现全神经元形态学范围内囊泡的完整重建与定量分析	神经元囊泡（包括包装神经递质和神经肽的囊泡）及目标神经元	机器学习	NA	体电子显微镜（vEM）	深度学习	电子显微镜图像	20个完整神经元中的53,851个囊泡，来自Hydra vulgaris的高压冷冻连续电镜数据	PyTorch	NA	NA	NA
790	2026-05-26	Deep Learning-Enhanced DNAzyme-Driven Rolling-Circle Amplification Encoding for Multibacterial Detection 2026-May-25, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.4446117 PMID:41983347	研究论文	提出一种基于DNAzyme驱动滚环扩增与分子信标编码系统，结合智能手机卷积神经网络，实现多种活菌的同步检测和定量	首次将DNAzyme驱动滚环扩增与分子信标编码系统结合智能手机CNN，实现三菌同时检测，并达到10-10 CFU/mL的灵敏度	可能受限于实际样本复杂性和细菌蛋白质分泌稳定性，且检测细菌种类有限	开发一种高灵敏度、高特异性的多细菌检测方法，替代传统方法无法同时处理多种活菌的局限	三种活菌（金黄色葡萄球菌、椰毒假单胞菌、大肠杆菌）在食品、临床和环境样本中的检测与定量	机器学习, 数字病理学	NA	DNAzyme驱动滚环扩增, 分子信标编码	卷积神经网络	图像	2800张训练图像, 32个实际样本	PyTorch	CNN	灵敏度, 阳性符合率, 阴性符合率	NA
791	2026-05-26	The robust frequency domain feature and hybrid CNN model for fatigue detection based on sEMG signal 2026-May-25, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2675492 PMID:42179231	研究论文	提出基于自回归模型的新特征和混合CNN模型，用于表面肌电信号疲劳检测	将基于自回归模型的鲁棒频域特征与Inception块及特征重构模块整合到CNN中，同时融合手工特征与深度学习特征以增加多样性	NA	提高肌肉疲劳检测在特征捕获、鲁棒性和泛化能力方面的性能	表面肌电信号中的肌肉疲劳状态	机器学习	肌肉疲劳	表面肌电信号分析	混合卷积神经网络	表面肌电信号波形	两个数据集（dataset1和dataset2）	NA	CNN, Inception块, 特征重构模块	准确率	NA
792	2026-05-26	Prediction of groundwater level in shallow and complex aquifers using hybrid soft computing models and metaheuristic algorithms 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43005-w PMID:42178317	研究论文	提出两种混合软计算模型ANN-HBO和ANN-POA，用于预测浅层复杂含水层的地下水位动态	创新性地将人工神经网络与蜜獾优化算法（HBO）和鹈鹕优化算法（POA）两种元启发式优化算法耦合，动态优化数据稀缺非平稳环境下的网络权重，解决深度学习架构收敛性差和过拟合问题	未提及具体局限性，但隐含需要进一步验证在其他含水层或气候条件下的泛化能力	开发适用于数据有限区域的地下水位预测方法，支持从被动管理向主动预测管理转变	伊朗北部Astaneh-Kuchesfahan含水层的浅层松散含水层系统	机器学习	NA	最小冗余最大相关性(MRMR)算法	ANN, ANN-HBO, ANN-POA	水文气象时间序列数据	256个月的水文气象记录，3个观测井	未明确提及，但涉及人工神经网络和元启发式优化算法	ANN, ANN-HBO, ANN-POA	RMSE, MAE	NA
793	2026-05-26	WHiAR-Net: an interpretable multi-scale forecasting framework via Wavelet-Hilbert feature engineering 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54363-w PMID:42178322	研究论文	提出了一种名为WHiAR-Net的可解释多尺度预测框架，该框架融合了小波理论与希尔伯特谱分析，用于分离长期趋势与瞬时波动，并在电力和环境数据集上取得了竞争性的精度	通过结构化嵌入算子误差界，将小波与希尔伯特特征工程引入透明架构，替代传统黑箱模型，实现了可解释的多尺度非平稳时间序列预测	所提信息不足以识别具体限制	准确预测非平稳时间序列中的复杂波动	电力和环境时间序列数据	机器学习	NA	小波变换、希尔伯特谱分析	神经网络	时间序列	NA	NA	WHiAR-Net	精度	NA
794	2026-05-26	Research on the application of deep learning-driven urban change detection in sustainable development of hilly-area cities in western China 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53767-y PMID:42178339	研究论文	研究深度学习驱动的城市变化检测在西部丘陵城市可持续发展中的应用，以南充市为案例	针对西部丘陵城市景观特征，构建了区域自适应的建筑与道路语义分割数据集和变化检测数据集，并应用深度学习模型有效解决了丘陵城市复杂环境中的破碎化景观、建筑分散和光谱混合特征等挑战	未提及局限性	探究深度学习驱动的城市变化检测技术在支持西部丘陵城市可持续发展中的实践价值	四川省南充市的城市变化检测、建筑与道路语义分割	计算机视觉	不适用	中分辨率遥感影像	深度学习模型	遥感影像	不适用	NA	NA	NA	NA
795	2026-05-26	Representation learning for multi-modal spatially resolved transcriptomics data 2026-May-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag316 PMID:42179160	研究论文	介绍了一种卷积深度学习模型AESTETIK，用于整合空间、转录组和形态学信息，学习精确的斑点表示	在结构组织（如脑组织）中中位ARI相比先前最先进方法提高21%，在异质性细胞群体癌症组织（乳腺癌、黑色素瘤、肝癌）中表现优异，提升幅度达21%至79%	NA	开发整合多模态空间分辨转录组数据的方法，以提升聚类分配和精确医学应用	多模态空间转录组数据，包括空间、转录组和形态学信息	深度学习，数字病理学	乳腺癌，黑色素瘤，肝癌	空间转录组学，卷积神经网络 (CNN)	CNN	图像，基因表达数据，空间坐标	多个数据集，涵盖10x Genomics和NanoString平台的数据	PyTorch	卷积神经网络 (具体架构未详细说明)	ARI (Adjusted Rand Index)	NA
796	2026-05-26	Predicting intrinsic clearance using deep learning-based drug-metabolic enzyme interaction features on an IVIVE-harmonized endpoint dataset 2026-May-20, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109456 PMID:42177842	研究论文	提出一种结合深度学习药物-代谢酶相互作用特征与物理化学性质的内在清除率预测框架，并利用IVIVE一致化终点数据集进行验证	首次将基于ChemBERTa和ProtBERT预训练的DTI特征融入内在清除率预测模型，并引入IVIVE一致化方法统一异质终点标签，实现生物学信息与计算方法的融合	预测性能仍有限，需扩大数据集、增强独立外部验证，并纳入肾清除和转运体介导等其他消除途径	开发一种生物学信息驱动的计算框架，用于早期候选化合物内在清除率的可靠预测	人类肝脏代谢酶（CYP、UGT、SULT家族）的抑制剂与底物相互作用特征，以及化合物物理化学性质	机器学习	NA	体外-体内外推法（IVIVE），深度学习	多层感知机（MLP），Transformer编码器	表格数据（化合物结构描述符、DTI特征）	185种化合物（独立外部验证集）；内部训练集未明确数量	PyTorch（推测），ChemBERTa，ProtBERT	MLP，Transformer编码器	r²m, r², CI, AFE, 2倍误差内比例, 3倍误差内比例	NA
797	2026-05-26	Deep learning-driven anomaly detection and feature discovery in Ce-rich (Ni-Fe-Co-Ce)O x catalysts for oxygen evolution reaction 2026-May-20, RSC advances IF:3.9Q2 DOI:10.1039/d6ra02168a PMID:42181719	研究论文	提出一种基于深度学习的异常检测框架，用于从高通量实验数据中发现高性能析氧反应催化剂	首次将原子级描述符与卷积神经网络结合进行相似性稳定分析，并利用迭代数据清洗机制自动识别高异常值催化剂	目前仅针对Ni-Fe-Co-Ce-O催化剂数据验证，泛化能力需进一步测试	开发可靠的数据驱动分析工具，加速新型催化材料的发现与优化	Ce元素富集的(Ni-Fe-Co-Ce)O_x析氧反应催化剂	机器学习	NA	高通量实验	卷积神经网络（CNN）	数值型原子级描述符数据	基于(Ni-Fe-Co-Ce)O_x催化剂的高通量数据集	TensorFlow, PyTorch	CNN	R²分数	NA
798	2026-05-26	Visible-Near-Infrared Hyperspectral Imaging Enables Nondestructive Identification of Bean Accessions via 1D Spectral Reflectance Analysis 2026-May-19, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00225 PMID:42179609	研究论文	利用可见-近红外高光谱成像结合一维光谱反射分析，实现豆类种质资源无损伤鉴别	首次利用VNIR高光谱成像与一维光谱反射分析实现32个豆类种质的无损伤鉴别，并发现狭窄绿光窗口（562.85-584.65 nm）作为关键分类波段，为缩减波段多光谱传感器设计提供直接指导	每个种质仅分析一个种子批次且在受控实验室条件下进行，未测试储存条件、种子含水量和收获时间对鲁棒性的影响；未进行靶向化学分析验证绿光窗口与种皮颜色、图案及表面微结构的关联	实现豆类种质无损伤、可扩展的鉴别方法，支持种质资源保存、可追溯性和育种	32个豆类种质（包括30个普通菜豆地方品种和2个外群豆类），共计3200粒种子，每种种质100粒种子	计算机视觉	NA	VNIR高光谱成像	线性支持向量机（Linear SVM）、多层感知机（MLP）	一维光谱反射数据	3200粒种子，来自32个豆类种质（每种种质100粒种子）	NA	Linear SVM, MLP_1D	准确率、加权F1分数	NA
799	2026-05-26	Classification of serum protein and immunofixation electrophoresis images by computer vision-based deep learning models: A single- and dual-modality study 2026-May-13, Annals of clinical biochemistry IF:2.1Q3 DOI:10.1177/00045632261454299 PMID:42126005	研究论文	基于深度学习的血清蛋白电泳和免疫固定电泳图像自动分类研究	首次采用双模态（SPE和IFE）融合方法，利用迁移学习构建MobileNetV2模型进行电泳图像分类，并通过Grad-CAM进行模型可解释性分析	单中心回顾性数据，样本量有限（1919例），需在更大规模多中心队列中验证	开发深度学习模型自动将血清蛋白电泳和免疫固定电泳图像分类为肿瘤、非肿瘤和健康三类，并比较单模态与双模态方法的预测性能	同时接受SPE和IFE检查的1919例患者	计算机视觉	肿瘤	血清蛋白电泳，免疫固定电泳，迁移学习	CNN（卷积神经网络）	图像	1919例患者的SPE和IFE图像对	NA	MobileNetV2	准确率，精确率，召回率，特异度，F1分数，ROC-AUC	NA
800	2026-05-26	Estimation of Physiological Metrics from Resting ECGs Using Deep Learning in the UK Biobank, Including submaximal exercise derived V̇O 2 max, Body Fat Percentage, and Grip Strength 2026-May-13, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.09.26352818 PMID:42180363	研究论文	利用深度学习从静息心电图估算生理指标，包括次极量运动衍生的最大摄氧量、体脂百分比和握力	使用基于患者对比学习表征（PCLR）的AI工具从静息12导联心电图提取320个特征，实现跨队列生理指标估算，并改进基础预测模型	模型在跨队列迁移性方面仍存在挑战，且依赖静息心电图数据而非动态运动数据	探索从静息心电图估算生理指标的潜力，利用英国生物银行数据开发群体特异性模型	英国生物银行（UK Biobank）中的大样本人群，包括次极量运动衍生的最大摄氧量（n=8,540）及其他生理指标（样本量高达n=78,265）	机器学习	心血管疾病	心电图（ECG）	患者对比学习表征（PCLR）模型	静息12导联心电图数据	次极量运动测试样本8,540例，其他生理指标样本最多78,265例，训练集与测试集以80%:20%比例划分	NA	PCLR（患者对比学习表征）	皮尔逊相关系数（r）	NA