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
101	2026-08-30	Deep neural networks to predict foraging behaviour: saltwater immersion data can accurately predict diving in seabirds 2026-05-27, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0172 PMID:42191224	研究论文	本研究利用深度神经网络，基于盐度浸水数据预测海鸟的潜水觅食行为，并与加速度数据对比验证其有效性	首次证明仅使用光敏地理定位器（GLS）的盐度浸水数据即可高精度预测追潜海鸟的潜水行为，提供了一种低侵入性、可扩展的方法来补充全年GLS迁徙追踪研究	使用小规模试点数据集，可能限制模型的泛化能力；未详细讨论模型在不同环境条件下的表现	评估盐度浸水数据作为预测追潜海鸟觅食行为的有效性，并为野生动物保护提供可靠的方法	红脚鲣鸟（Sula sula rubripes）的潜水行为	机器学习	NA	GLS盐度浸水数据和三轴加速度数据	深度神经网络	时间序列数据	小规模试点数据集，包含多只海鸟个体	NA	深度神经网络（具体架构未提及）	准确率	NA
102	2026-08-30	Contrastive graph regularized non-negative matrix factorization for domain identification of spatial transcriptomics 2026-05-20, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0424 PMID:42159088	研究论文	提出了一种对比图正则化非负矩阵分解（CGNMF）模型，用于空间转录组数据的可解释性降维和空间域识别	将自监督对比学习框架与图正则化非负矩阵分解相结合，通过考虑基因表达相似性和空间邻近性构建正负样本对，增强特征表示和空间结构保持，提高模型的可解释性和空间域识别性能	摘要未提及具体局限性	开发一种可解释的降维方法，用于空间转录组数据中的空间域识别，以克服高维性和深度学习方法可解释性差的挑战	空间转录组数据中的基因表达和空间位置信息	机器学习	不适用	空间转录组学	非负矩阵分解（NMF）	空间转录组数据（基因表达和空间信息）	三个公开数据集	不适用	图正则化非负矩阵分解（GNMF），对比学习框架	聚类指标（如准确率、归一化互信息、调整兰德指数等）	不适用
103	2026-08-28	A multimodal interpretable deep learning-radiomics framework for predicting lymph node metastasis following neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter validation study 2026-May-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01510-1 PMID:42215698	研究论文	开发并外部验证了一个整合临床人口统计学、手工影像组学特征和深度学习特征的多模态MRI框架，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移状态	提出了一种多模态可解释深度学习-影像组学框架，结合了临床信息、影像组学特征和深度学习特征，并通过SHAP和Grad-CAM增强模型可解释性，在多个中心进行外部验证	NA	准确评估新辅助放化疗后的淋巴结转移状态，以指导局部晚期直肠癌的治疗方案制定	382例接受新辅助放化疗后手术的局部晚期直肠癌患者	医学影像分析	直肠癌	磁共振成像	深度学习融合网络和随机森林	MRI图像（T2加权和弥散加权）及临床数据	382例患者，来自四个中心	NA	深度学习融合网络，随机森林	AUC，决策曲线分析	NA
104	2026-08-28	A hybrid SE-ResNet50 deep learning framework for high-accuracy and explainable cotton leaf disease classification 2026-May-27, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-08960-6 PMID:42192298	研究论文	提出一种结合SE通道注意力模块的ResNet50混合深度学习框架，用于棉花叶部病害的高精度和可解释分类	将SE模块集成到ResNet50中，增强判别特征表示，并通过Grad-CAM可视化提升模型可解释性	未提及具体限制	实现棉花叶部病害的快速、可靠、自动化识别，支持可持续作物管理	棉花叶片疾病数据集，包含六类疾病	计算机视觉	棉花叶部病害	深度学习	CNN（ResNet50 + SE）	图像	公开数据集，六类，具体样本数未提及	未提及	ResNet50, Squeeze-and-Excitation (SE)模块	训练准确率, 验证准确率	未提及
105	2026-08-28	Quantifying regional contributions to sex classification from fundus photographs via a two-stage attention-based deep learning approach 2026-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53485-5 PMID:42162151	研究论文	本研究通过两阶段注意力深度学习框架，定量评估眼底照片中解剖区域（黄斑、视盘和视网膜血管）对生物学性别分类的相对贡献	引入了基于注意力的融合模块，产生区域级标量权重，可定量估计模型对各预定义ROI的依赖，补充了定性可解释性方法	未在摘要中明确提及局限性	量化眼底照片中不同视网膜区域对性别分类的贡献，支持更透明和可解剖解释的AI	眼底照片中的黄斑、视盘和视网膜血管区域	计算机视觉	NA	眼底照相	CNN	图像	3,478张眼部眼底图像，性别分布均衡，按受试者划分以避免信息泄漏	PyTorch	ResNet50	AUC, 敏感性, 特异性	NA
106	2026-08-28	Using deep learning models and exogenous production variables to forecast prices in the Brazilian sugarcane sector 2026-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45321-7 PMID:42091945	研究论文	本研究利用深度学习模型和外部生产变量预测巴西甘蔗行业的价格，包括白砂糖和含水乙醇燃料指标。	首次整合SAMUCA作物模拟器产量估计、气候指标和外部生产变量到价格预测模型中，并比较了多种机器学习模型与传统统计模型的性能。	未明确提及主要限制，但可能包括数据依赖性、模型泛化能力或对特定区域和作物的适用性。	开发结合甘蔗供应和气候条件变量的价格预测模型，以支持市场利益相关者的决策。	巴西甘蔗行业的白砂糖和含水乙醇燃料价格。	机器学习	NA	NA	LSTM, Transformer, MLP, ARIMA	时间序列数据、生产数据、气候数据	涉及巴西甘蔗行业的多种生产数据和气候数据，具体样本量未明确。	NA	LSTM, Transformer, MLP, ARIMA	MAPE, 其他误差指标（具体未列出）	NA
107	2026-08-28	Deep Learning Model Based on Tumor and Visceral Adipose Tissue CT Features for Predicting Peritoneal Metastasis Risk after Radical Gastrectomy in Serosa-Invasive Gastric Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250353 PMID:42029163	研究论文	开发并验证了一种整合肿瘤和内脏脂肪组织CT特征与临床指标的深度学习模型，用于预测浆膜浸润性胃癌根治术后腹膜转移风险	首次将肿瘤和内脏脂肪组织的CT影像特征与临床指标整合进多模态深度学习模型，用于预测浆膜浸润性胃癌术后腹膜转移风险	未在摘要中明确提及具体限制	开发并验证一个预测浆膜浸润性胃癌根治术后腹膜转移风险的深度学习模型	病理确诊的浆膜浸润性胃癌患者	深度学习	胃癌	CT成像	深度学习模型（ResNet18）和稀疏贝叶斯极限学习机	CT影像数据和临床数据	416名患者	NA	ResNet18	受试者工作特征曲线下面积（AUC）、综合判别改善指数（IDI）、校准曲线、决策曲线分析、无复发生存期	NA
108	2026-08-26	A Novel MR Cine Sialography Technique for Evaluating Salivary Gland Function: Correlation with Unstimulated and Stimulated Saliva Volumes 2026-May-29, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2026-0004 PMID:42128847	研究论文	本研究利用基于时间空间标记反转脉冲和深度学习重建去噪的MR涎腺电影成像技术评估涎腺功能，并分析与全唾液体积的相关性	首次将深度学习重建去噪方法应用于MR涎腺电影成像技术，以改进图像质量并评估涎腺功能	样本量较小，仅为11名健康志愿者，可能限制结果的普遍性	评估基于Time-SLIP技术和深度学习去噪的MR涎腺电影成像技术在评估涎腺功能中的可行性	健康志愿者的下颌下腺和腮腺	医学影像	NA	MR涎腺电影成像, 深度学习重建去噪	NA	磁共振图像	11名健康志愿者	NA	NA	Spearman相关系数, Wilcoxon符号秩检验	NA
109	2026-08-26	Deep learning in the diagnosis, staging, and prognosis of osteonecrosis of the femoral head: a systematic review 2026-May-23, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09926-3 PMID:42174493	系统综述	本系统综述综合评估了深度学习在股骨头坏死诊断、分期、分割和预后预测中的应用，涵盖多种影像模态，并强调了性能、质量和可解释性。	首次系统综述深度学习在股骨头坏死中的全面应用，涵盖诊断、分期、分割和预后，并评估了方法学质量和可解释性。	大多数研究为回顾性单中心研究，数据集规模小且异质性高，缺乏外部验证、可解释性和不确定性量化。	系统评估深度学习在股骨头坏死诊断、分期、分割和预后预测中的性能与临床转化潜力。	股骨头坏死患者，使用MRI、CT或X光影像数据。	医学影像分析	股骨头坏死	深度学习	深度学习模型（未指定具体类型）	医学影像（MRI、CT、X光）	26项研究，包含多达59372张影像数据	NA	NA	AUC、Dice系数、敏感性、特异性	NA
110	2026-08-26	A Central European tree species dataset of annotated terrestrial laser scanning point clouds - TreeScanPL10K 2026-May-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07269-1 PMID:42082512	研究论文	介绍了一个名为TreeScanPL10K的中欧树种点云数据集，包含10417棵个体树木，其中约72%已识别物种，旨在支持深度学习方法在树木分割和物种分类中的应用	创建了规模超过以往资源的中欧树种地面激光扫描点云数据集，覆盖中欧主要林分形成树种，并在多种不同年龄、组成和发育阶段的波兰林分中收集	摘要中未提及明确的局限性	提供一个大规模、高质量标注的地面激光扫描点云数据集，以推动基于深度学习的树木分割和物种分类研究，促进精准林业和生态学研究	中欧森林中的个体树木，采集自不同年龄、组成和发育阶段的波兰林分	数字病理学	NA	地面激光扫描	深度学习模型	点云数据	10417棵个体树木	NA	NA	NA	NA
111	2026-08-26	Untargeted Metabolomic and Lipidomic Profiles of Gingival Crevicular Fluid in the Context of Periodontitis 2026-May, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.70105 PMID:41664514	研究论文	本研究通过非靶向代谢组学和脂质组学分析，比较了健康个体和牙周炎患者龈沟液中的代谢物和脂质谱，揭示了牙周炎相关的代谢变化。	首次采用非靶向代谢组学和脂质组学结合半监督深度学习进行代谢物峰筛选和数据分析，全面表征了牙周炎龈沟液中正负离子极性的代谢物和脂质变化。	样本量较小，且为横断面研究，无法确定因果关系。	探索牙周炎患者与健康个体龈沟液中非靶向代谢组和脂质组谱的差异，以提高对牙周炎生化变化的理解，并促进精准医疗的发展。	健康个体和牙周炎患者的龈沟液样本。	代谢组学	牙周炎	液相色谱-质谱联用（亲水相互作用和反相色谱）、非靶向代谢组学和脂质组学分析	半监督深度学习模型	质谱数据（代谢物和脂质谱）	17个健康个体和19个牙周炎患者的龈沟液样本	NA	NA	q值（错误发现率调整的p值）、绝对log2转化折叠变化（\|log2FC\|）	NA
112	2026-08-26	Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250345 PMID:41931018	研究论文	开发基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于早期宫颈癌淋巴结转移的术前预测	首次在早期宫颈癌中基于肿瘤和淋巴结的多参数MRI分别提取影像组学和深度学习特征，并构建融合模型进行淋巴结转移预测的多个心研究	未提供明确的局限性信息	评估基于多参数MRI的影像组学模型和深度学习-影像组学融合模型在早期宫颈癌术前预测淋巴结转移中的有效性	早期宫颈癌患者的术前MRI数据，包括肿瘤和淋巴结区域	放射影像学、深度学习	宫颈癌、淋巴结转移	多参数MRI	影像组学模型、深度学习模型（具体类型未明确）	MRI图像	862名早期宫颈癌患者	NA	NA	受试者工作特征曲线下面积、校准曲线、决策曲线分析	NA
113	2026-08-26	Artificial Intelligence in Trauma Care: A Systematic Review of Resuscitation, Diagnosis, Risk Prediction, and Management 2026 May-Jun 01, Journal of trauma nursing : the official journal of the Society of Trauma Nurses IF:0.7Q4 DOI:10.1097/JTN.0000000000000920 PMID:41996287	系统综述	本文系统评价了人工智能在创伤护理中的应用，涵盖复苏、诊断、风险预测和患者管理等方面。	系统梳理了2015至2025年间AI在创伤护理中的研究进展，并识别出现有证据的局限性与未来研究方向。	多数研究采用单中心回顾性设计，且常缺乏外部验证，限制了结果的泛化性。	评估AI在创伤复苏、诊断、并发症预测和患者管理中的应用证据。	创伤患者及相关临床决策任务（如大量输血预测、颅内出血检测、死亡率预测等）。	机器学习	创伤	NA	机器学习、深度学习	临床数据（包括文本、图像等）	纳入58项研究	NA	NA	与传统临床工具相当或更优的性能	NA
114	2026-08-25	Using Deep Learning to Choose Optimal Smoothing Values for Equating 2026-May, Applied psychological measurement IF:1.0Q3 DOI:10.1177/01466216251363244 PMID:40881830	研究论文	本研究利用深度学习（卷积神经网络）自动选择考试等值中的最优平滑值，以替代人工选择过程	首次将卷积神经网络应用于等值后平滑图的选择，实现自动化决策，并与人工判断一致性高达71%	未提及具体局限性，如数据规模、模型泛化能力或不同等值场景的适用性	探索深度学习在自动化选择考试等值最优平滑值中的可行性	考试等值中的后平滑图及其对应的平滑值	机器学习	NA	NA	卷积神经网络（CNN）	图像（后平滑图）	未明确样本数量，使用实证测试数据	NA	卷积神经网络（具体架构未提及）	一致性率（71%）	NA
115	2026-08-24	CMSV: Long-Read-Based Structural Variation Detection Through a CNN-Mamba Model 2026-05-30, Genes IF:2.8Q2 DOI:10.3390/genes17060633 PMID:42353792	研究论文	提出CMSV，一种基于CNN-Mamba模型的长读长测序结构变异检测与基因分型方法，可在多个平台上稳定工作	结合多尺度卷积编码器和堆叠Mamba模块，联合建模局部SV特征和跨子段上下文，替代手工启发式规则	在真实数据中主要验证了DEL和INS，其他类型（DUP、INV、TRA/BND）仅通过模拟数据验证	开发一种基于深度学习的结构变异检测与基因分型方法，以提高长读长测序数据中复杂变异信号的检测能力	长读长测序数据中的结构变异，包括DEL、INS、DUP、INV和TRA/BND	深度学习、生物信息学	NA	长读长测序（PacBio CCS、PacBio CLR、ONT）	CNN-Mamba混合模型	测序比对数据（BAM文件）	HG002基准数据集，模拟多类型数据集，基于家系的数据集，以及GRCh38 chr13-chr22的保留染色体	PyTorch	多尺度卷积编码器、Mamba模块、DBSCAN密度聚类	准确率、F1-score、基因分型一致性	NA
116	2026-08-24	A clinical neuroimaging platform for rapid, automated lesion detection and personalized post-stroke outcome prediction 2026-May-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02803-2 PMID:42204350	研究论文	介绍一种临床神经影像平台，用于快速自动病灶检测和个性化卒中后结局预测	平台完全自动化，能从异构扫描仪处理原始DICOM MRI数据，并利用深度学习病灶分割和基于位置/网络的特征预测个体认知结局，结合大语言模型生成可解释的个性化预后报告，整个过程约3分钟，且与手动方法高度一致	摘要未明确提及局限性，可能包括样本量和泛化性方面的限制	开发并验证一种自动化的神经影像平台，以准确预测缺血性卒中患者的个体化认知结局，辅助卒中护理和康复策略	缺血性卒中患者的认知结局预测模型，训练队列（N=604）和独立卒中队列（N=153）	医学影像分析	卒中	MRI（DICOM数据）	深度学习模型（用于病灶分割和结局预测）	图像（MRI）	训练队列604例，独立队列153例	NA	深度学习（具体架构未提及，可能为U-Net或类似分割网络）	准确率（与手动方法的符合率为96%）	NA
117	2026-08-24	In-vivo iron mapping in patients with Parkinson's disease using deep learning-based susceptibility source separation MRI 2026-May-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01384-x PMID:42204172	研究论文	本文应用基于深度学习的磁化率分离MRI技术，对帕金森病患者进行体内铁成像，以提高铁检测的特异性	首次将深度学习预处理与生物物理建模结合的AI辅助磁化率分离框架应用于帕金森病，提高铁检测特异性，并发现传统方法未检测到的铁改变	未明确提及局限性，但样本量相对较小（25例患者和26例对照）	评估基于深度学习的磁化率分离MRI在帕金森病中铁成像中的应用价值	帕金森病患者和匹配对照组的脑部铁沉积	医学影像	帕金森病	磁共振成像（MRI）	深度学习模型	MRI图像	25例帕金森病患者和26例匹配对照组	未明确提及，可能使用TensorFlow或PyTorch，但未在摘要中说明	未明确指定具体架构，但可能使用卷积神经网络（CNN）	P值、相关系数（r值）	未明确提及，但使用3T MRI设备
118	2026-08-24	Learning via short videos impairs memory accuracy and reduces brain synchrony 2026-May-27, Communications psychology DOI:10.1038/s44271-026-00476-x PMID:42204284	研究论文	本研究通过三项实验和脑成像分析，探讨了短视频相对于长视频在学习记忆中的效果及其神经认知影响，发现短视频会降低记忆准确率并减少大脑同步性。	首次结合行为实验与脑间同步（ISC）分析，揭示短视频对记忆和大脑同步性的负面影响，并具体定位到涉及视觉空间注意、情景记忆和认知控制的关键脑区。	未明确提及，但可能受限于特定样本群体和短视频内容类型的泛化性。	评估短视频作为学习工具是否优于或劣于长视频，并探究其神经认知影响。	参与者在不同编码条件下（偶发和有意）观看短视频或长视频，并进行记忆测试和脑电图（或功能磁共振）记录。	认知神经科学	NA	NA	NA	行为数据、脑成像数据（如EEG或fMRI）	三项实验的参与者，具体数量未提供	NA	NA	记忆准确率、遗忘率、脑间同步（ISC）	NA
119	2026-08-24	Coformer: a deep learning-based framework for cross-environment and multi-year cotton phenotype prediction and interpretation 2026-May-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01528-3 PMID:42177568	研究论文	提出了一种名为Coformer的混合Transformer-自编码器深度学习框架，用于跨环境和多年份的棉花表型预测与解释	Coformer是首个将Transformer自注意力机制与自编码器结合用于棉花表型预测的模型，能够捕获长距离SNP依赖并压缩高维基因型数据，同时具备可解释性，可精确定位影响目标性状的关键遗传位点，并开发了浏览器端的棉花表型预测系统（CPPS）	摘要中未明确提及局限性	开发一种稳健且可解释的深度学习模型，以提高棉花关键农艺性状的预测准确性，并促进遗传改良和设计育种	棉花表型预测，涉及高维SNP基因型数据和多个环境、多年份的表型数据	机器学习	NA	SNP基因分型	Transformer-自编码器混合模型	基因组数据（SNP标记）和表型数据	NA（摘要中未提供具体样本数量）	NA	Transformer编码器，自编码器，线性投影层	预测稳健性（具体指标未在摘要中提及）	NA
120	2026-08-24	Deep-learning endomicroscope with large field-of-view and depth-of-field for real-time in vivo imaging of epithelial cancer hallmarks 2026-May-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2602705123 PMID:42113975	研究论文	介绍了一种名为PrecisionView的深度学习内窥显微镜，通过大视场和景深实现上皮癌特征的实时在体成像	集成深度学习优化的相位掩模和实时重建，打破传统在体显微镜在分辨率、视场和景深间的权衡限制，实现视场和景深的大幅提升	NA	开发一种计算内窥显微镜，以满足早期癌症检测在护理点的未满足需求	健康志愿者口腔和带有癌前病变的宫颈标本	医学成像, 深度学习	上皮癌前病变	荧光成像, 反射成像	深度学习模型	图像	健康志愿者口腔和宫颈标本（具体数量未提及）	NA	NA	分辨率, 视场, 景深	NA