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
41	2026-10-01	Development of autoencoder-guided attention-LSTM models for predicting nocturnal hypoglycemia risk in Type 1 Diabetes 2026-Jun-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3698300 PMID:42224311	研究论文	本研究开发了一种基于自编码器引导的注意力-LSTM混合模型，用于提前12小时预测1型糖尿病患者的夜间低血糖风险	提出了一种将生理知识（模拟葡萄糖吸收、胰岛素动力学和亚细胞胰岛素信号传导）融入基于注意力的LSTM网络的混合模型，并引入了基于自编码器的注意力权重映射（A2WM）框架，将模型注意力追溯到原始的24小时输入（CGM、进餐、胰岛素）以实现可解释性	摘要中未明确提及研究局限性	开发一种新型、可解释的深度学习方法，用于提前12小时预测夜间低血糖事件，为主动的睡前干预提供足够的提前时间	1型糖尿病（T1DM）患者，使用开环胰岛素泵的用户	机器学习	糖尿病	连续葡萄糖监测（CGM）、深度学习	注意力-LSTM、自编码器	时间序列数据（CGM、进餐、胰岛素）	OhioT1DM数据集和SMARTDIAB数据集（具体样本量未在摘要中说明）	NA	注意力-LSTM、自编码器	AUC、召回率、特异性	NA
42	2026-10-01	ConvShareViT: A Vision Transformer-Like Architecture for Free-Space Optical Accelerators 2026-Jun-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3689450 PMID:42224321	研究论文	本文提出了一种名为ConvShareViT的新型深度学习架构，将视觉Transformer适配到4f自由空间光学系统，通过深度可分离卷积与跨输入通道共享权重替代线性层，并在12个实验中系统分析了注意力机制的有效性。	首次提出将ViT架构适配到4f自由空间光学系统，使用深度可分离卷积与共享权重替代MHSA和MLP中的线性层，并系统分析了不同卷积填充方式对注意力学习的影响。	same-padded卷积在注意力学习上表现出局限性，其行为更像普通CNN而非Transformer模型；速度优势仅为理论分析，未进行实际光学系统实验验证。	设计一种适配自由空间光学加速器的ViT类架构，以提升深度学习推理速度并保持注意力机制的有效性。	ConvShareViT架构及其在自由空间光学系统中的注意力学习能力	计算机视觉	NA	自由空间光学计算	Vision Transformer	图像	NA	NA	ConvShareViT, Vision Transformer (ViT), 深度可分离卷积	注意力分数, 推理速度	GPU, 自由空间光学系统（理论分析）
43	2026-10-01	FreeTune4D: Anatomy-Aware 4D-MRI Motion Reconstruction Benchmark and Free Fine-Tuning Framework 2026-Jun-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698133 PMID:42224310	研究论文	本文建立了两个大规模、多样、解剖标注的数字体模数据集，并提出了一个解剖感知的4D-MRI运动重建框架FreeTune4D，采用自由微调策略训练，在数字体模和真实患者队列上均优于当前最优算法	建立了两个大规模、多样、解剖标注的数字体模数据集Digital4D-1M和Digital4D-900；提出了FreeTune4D，一种解剖感知的4D-MRI运动重建框架，采用自由微调策略，整合了生理运动中的椎体稳定性和器官级解剖先验；是首个在大规模数字体模上训练的运动重建方法	未明确提及	解决4D-MRI运动重建中数据集和基准稀缺、解剖结构感知不足导致泛化能力有限的问题，实现快速采集和低伪影的腹部4D-MRI	腹部4D-MRI运动重建	医学图像处理	NA	4D-MRI	深度学习	图像	数字体模：训练集100万样本，基准测试集900样本；真实患者：133例（机构A 64例，机构B 16例，机构C 53例）	PyTorch	仿射到可变形框架	仿射对齐和可变形运动重建指标、器官级运动精度和结构一致性	NA
44	2026-10-01	Liver Nodule Anomaly Detection Using Ultra-sound Radiofrequency Signals and Variational Autoencoders 2026-Jun-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3698728 PMID:42224315	研究论文	该研究利用一维超声射频信号和变分自编码器进行无监督肝脏结节异常检测，并在前瞻性队列中评估其性能	首次将变分自编码器应用于一维超声射频信号进行肝脏结节的无监督异常检测，通过正常肝组织和疑似MASH患者的信号建模来识别结节	样本量相对较小且为单中心前瞻性研究，模型性能受信号质量和训练数据分布影响，需进一步外部验证	评估基于重建的深度学习模型在利用二维图像的一维超声射频信号检测肝脏结节方面的性能	成人对照组、经活检确诊的疑似代谢功能障碍相关脂肪性肝炎患者以及已知肝脏结节患者	医学图像分析	肝癌	超声射频信号分析	变分自编码器	一维射频信号	177名参与者（平均年龄57±12岁，106名男性，100例有结节，77例无结节）	NA	变分自编码器	AUC、准确率、敏感度、特异度	NA
45	2026-10-01	Power-law penalties correct distance bias in single-cell co-accessibility and deep-learning chromatin interaction predictions 2026-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag063 PMID:42359001	研究论文	该文章提出基于距离的惩罚函数来校正单细胞共可及性和深度学习染色质相互作用预测中的距离偏差	使用高斯混合建模和聚合物物理标度推导多制度幂律指数的组织特异性和全局共识惩罚函数，有效减少长程假阳性	研究仅基于玉米、水稻和大豆的Hi-C数据集，可能不适用于其他物种	校正单细胞共可及性和深度学习染色质相互作用预测中的距离偏差	玉米、水稻和大豆的Hi-C数据集以及单细胞ATAC测序共可及性分数	机器学习	NA	Hi-C, 单细胞ATAC测序	NA	基因组数据	NA	NA	NA	长程假阳性减少百分比	NA
46	2026-10-01	DOSTA-Net: Domain-Shuffle Temporal Attention Network for Vessel Extraction in X-Ray Coronary Angiography Using Synthetic Data 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3659754 PMID:41615973	研究论文	提出DOSTA-Net框架，利用合成时序XCA数据训练无需人工标注的深度学习模型进行血管提取	1. 开发了合成大规模时序XCA数据的完整流程，包含解剖变异和真实伪影模拟；2. 提出域混洗时序注意力网络，通过时序通道混洗合成与真实数据增强时序特征学习；3. 利用伪标签和退火损失函数进一步缩小域差距	未明确提及	解决X射线冠状动脉造影图像中血管提取因缺乏高质量标注数据而受限的问题	X射线冠状动脉造影图像中的血管	计算机视觉, 数字病理学	冠状动脉疾病	合成数据生成, 深度学习	CNN, 注意力机制	图像, 时序图像	未明确提及	未明确提及	DOSTA-Net	血管分割性能, 主观图像质量评估	未明确提及
47	2026-10-01	Extrapolating rock physicochemical properties from discrete sample data using computer vision 2026-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag204 PMID:42327639	研究论文	利用计算机视觉和深度学习对钻探岩芯进行高分辨率岩性分类，并外推岩石的物理化学性质	使用AI生成的岩性分类半自动外推离散样本的体密度和碳浓度到整个岩芯表面，分辨率达0.25厘米	未明确说明	从离散样本数据中推断岩石的岩性、物理和化学性质	约100米长的原位碳酸盐胶结海洋地壳滑石角砾岩钻探岩芯	计算机视觉	NA	深度学习	NA	图像	约100米长的钻探岩芯	NA	NA	NA	NA
48	2026-09-28	Deep learning for time-series segmentation of mechanical ventilator waveforms 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58565-0 PMID:42366236	研究论文	开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于机械通气波形的时间序列分割，以检测吸气和呼气起始点。	首次将一维注意力门控U-Net架构应用于机械通气波形分割，实现了高精度的吸气和呼气起始点检测，并在异步呼吸中保持稳健性能。	样本量相对有限（33名患者），且未在更大规模的多中心数据集上验证。	提高机械通气波形分割的准确性，以检测患者-呼吸机异步。	机械通气波形数据，来自33名患者的9719次呼吸。	机器学习	NA	深度学习	CNN	时间序列	9719次呼吸，来自33名患者	NA	U-Net	F1分数	NA
49	2026-09-28	Hyperspectral scrap characterisation for scrap composition optimisation in steel recycling 2026-Jun-17, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X261451604 PMID:42311089	研究论文	本文提出一个三部分处理流程，利用高光谱成像和深度学习识别废钢中的材料类别，并通过混合整数优化选择最佳废钢混合以优化钢铁回收过程	将高光谱成像与深度学习相结合用于废钢成分表征，并集成混合整数优化以优化炼钢过程参数	材料分类准确率约为76%，对于某些类别的识别精度可能不足，且未详细讨论计算资源需求	确定废钢成分并优化钢铁回收过程参数	废钢样品	计算机视觉	NA	高光谱成像	多层感知机, 2D CNN, 3D CNN	高光谱图像	NA	NA	多层感知机, 2D CNN, 3D CNN	准确率	NA
50	2026-09-28	Oral Cancer Numerical Index (OCNI): Development and Validation of a Cytology-Based Risk Assessment for Oral Lesions 2026-Jun-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124692 PMID:42355860	研究论文	该研究开发并内部验证了一种基于细胞学的口腔癌症数值指数（OCNI），用于口腔潜在恶性疾病的风险分层，结合临床特征和深度学习细胞学测量	创新性地将临床特征与深度学习基于刷检细胞学的测量相结合，构建了可量化、临床可解释的口腔癌症风险评分，并设定了明确的排除和纳入阈值	仅进行了内部验证，缺乏外部验证，样本来自特定多中心研究，可能限制泛化性	开发并验证一种客观、临床可解释的口腔病变风险分层工具，以识别高风险严重口腔上皮异型增生或口腔鳞状细胞癌患者	口腔潜在恶性疾病患者	数字病理学	口腔癌	深度学习基于刷检细胞学	深度学习	图像	训练集384例，保留测试集164例，共548例口腔潜在恶性疾病患者	NA	NA	灵敏度, 特异性, 阴性预测值, 阳性预测值, Hosmer-Lemeshow检验	NA
51	2026-09-28	Daily activity patterns from wearable accelerometry predict physical frailty and concern about falling 2026-Jun-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02863-4 PMID:42277314	研究论文	该研究提出了一种基于可穿戴传感器的客观框架，通过分析真实世界活动模式，同时预测身体衰弱和对跌倒的担忧。	首次使用长期真实世界加速度计数据联合建模身体衰弱和对跌倒的担忧，并引入条形码转换、全局复杂度指标和双向LSTM与注意力机制的多任务深度学习模型。	样本量较小（146人），数据采集周期较短（48小时），未提及外部验证或长期随访。	同时预测身体衰弱状态和对跌倒的担忧水平。	146名参与者的连续胸部加速度数据。	机器学习	老年疾病	可穿戴加速度计	双向LSTM	时间序列（加速度）	146名参与者，48小时连续胸部加速度数据	NA	双向LSTM, 注意力机制	F1分数	NA
52	2026-09-28	Development and prospective evaluation of a real-time deep learning model for inpatient hypoglycemia prediction 2026-Jun-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02874-1 PMID:42277312	研究论文	该研究开发并前瞻性评估了一种基于LSTM的实时深度学习模型，利用电子健康记录数据预测住院患者24小时内的低血糖事件	开发了可实时部署的LSTM模型，利用5天回溯窗口的时序EHR数据进行住院低血糖预测，并进行了前瞻性验证，同时使用SHAP提供临床可解释性	最佳模型F1分数仅为0.30，精确率为0.23，精确度较低，可能导致较多假阳性预警	开发、验证和前瞻性评估一种实时LSTM模型，用于预测住院患者24小时内低血糖事件，以支持主动血糖管理	三家医院2014年至2025年间143,124例成人住院患者，纳入标准为年龄≥18岁、住院时间≥24小时且至少接受一种降糖药物治疗	机器学习	低血糖	电子健康记录分析	LSTM	文本（电子健康记录时序数据）	143,124例成人住院患者	NA	LSTM	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积(AUPRC), 校准指标	NA
53	2026-09-28	AI-Driven Design of High Affinity Biomolecule-Drug Conjugates for Gynecological Cancer Therapy: An Up-to-Date Narrative Review 2026-Jun-05, Cancers IF:4.5Q1 DOI:10.3390/cancers18111856 PMID:42279437	综述	本文批判性地分析了如何利用人工智能（AI）进行高亲和力生物分子-药物偶联物（BDCs）的理性设计与优化，以用于妇科癌症治疗	系统总结了基于机器学习和深度学习的方法在预测生物分子-靶标结合亲和力、结构兼容性、连接子稳定性、载荷选择、细胞内转运及生物分子耐药机制等方面的最新进展，并探讨了整合结构、化学、生物学和多组学数据以提高偶联物特异性、疗效和安全性的可能性，同时涵盖了基于抗体、多肽、适配体及混合生物分子系统的AI辅助设计方法	数据质量、模型可解释性、监管方面等参数及实验/数值验证限制	批判性地分析如何利用AI进行高亲和力BDCs的理性设计与优化，以用于妇科癌症治疗	妇科癌症治疗中的高亲和力生物分子-药物偶联物（BDCs），特别是抗体-药物偶联物（ADCs）	机器学习	妇科癌症	NA	NA	NA	NA	NA	NA	NA	NA
54	2026-09-28	Leveraging Artificial Intelligence and Large Language Models for Cancer Immunotherapy 2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521936 PMID:41736575	综述	本文综述了人工智能和机器学习在癌症免疫治疗中的应用现状和未来方向，重点关注患者分层、生物标志物发现、治疗策略优化及大语言模型等四个关键领域。	系统全面地总结了AI/ML在癌症免疫治疗中的进展，并批判性评估了其转化潜力，填补了现有综述的空白。	文章为综述，未进行原创实验，可能缺乏对具体技术细节的深入分析，且转化潜力评估基于现有文献。	综述AI/ML在癌症免疫治疗中的应用现状，并探讨未来发展方向，以加速精准癌症免疫治疗的整合。	癌症免疫治疗相关的AI/ML研究，包括患者分层、生物标志物发现、治疗策略优化和基础模型/大语言模型。	机器学习	癌症	NA	深度学习框架，大语言模型	多组学生物医学数据	NA	NA	NA	NA	NA
55	2026-09-28	Comparative Evaluation of Deep Learning and Foundation Model Embeddings for Osteoarthritis Feature Classification in Knee Radiographs 2026-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01636-x PMID:40897834	研究论文	本研究比较了监督式深度学习模型和预训练基础模型嵌入在膝骨关节炎放射学特征分类中的性能	首次系统比较了传统监督深度学习模型与医疗领域基础模型（BiomedCLIP和RAD-DINO）在膝骨关节炎放射学特征分类中的表现，并揭示了基础模型在预训练表示有限的领域中的局限性	研究仅基于单一数据集（Osteoarthritis Initiative），可能影响结果的泛化性；基础模型在肌肉骨骼影像领域的预训练不足，限制了其性能	评估监督式深度学习和基础模型嵌入在膝骨关节炎放射学特征分类中的效果	44,985张膝部X光片，来自Osteoarthritis Initiative数据集	计算机视觉	骨关节炎	深度学习，基础模型嵌入提取，零样本分类	CNN, Transformer	图像	44,985张膝部X光片	PyTorch, XGBoost	ResNet18, ConvNeXt-Small, BiomedCLIP, RAD-DINO	加权Cohen's kappa, AUC, 准确性	NA
56	2026-09-26	Transfer learning with pre-trained language models for protein expression level prediction in Escherichia coli 2026-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2025.11.012 PMID:41438772	研究论文	本文提出了TLCP-EPE，一个融合密码子和蛋白质级别预训练语言模型的迁移学习框架，用于预测大肠杆菌中重组蛋白的表达水平。	首次融合密码子级别和蛋白质级别的预训练语言模型（CaLM和ProtT5），通过LoRA微调和BiGRU-MLP预测器整合嵌入，实现了对表达决定因素的双模态联合建模，性能优于现有最先进方法。	仅在两个独立测试数据集上验证，样本来源和多样性有限；未提及模型在其他宿主生物或更广泛蛋白类型上的泛化能力。	提高大肠杆菌中重组蛋白表达水平预测的准确性和泛化能力。	大肠杆菌中重组蛋白的表达水平，涉及密码子序列和蛋白质序列。	机器学习，生物信息学	NA	迁移学习，预训练语言模型微调，LoRA	预训练语言模型（CaLM，ProtT5），BiGRU，MLP	序列数据（密码子序列和蛋白质序列）	两个独立测试数据集（具体样本数未提及）	NA	CaLM，ProtT5，BiGRU，MLP	AUC	NA
57	2026-09-25	Deep aerenchyma: a transformer-based pipeline for scalable phenotyping of rice root aerenchyma lacunae across environments 2026-Jun-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01546-1 PMID:42380914	研究论文	本文开发了一个基于视觉Transformer的深度学习流水线，用于自动分割水稻根系横截面并量化皮层通气组织腔隙，在多个环境条件下验证了其鲁棒性和可扩展性。	首次将视觉Transformer架构应用于水稻根系通气组织腔隙的自动分割和量化，模型在来自多个国家、生长阶段和栽培系统的1760张注释图像上训练，具有良好的跨环境泛化能力，并发布了开源软件和在线演示平台。	摘要中未明确提及研究的局限性	开发一个可扩展、可迁移的自动化根系解剖表型分析工具，用于高通量量化水稻根系通气组织腔隙，以支持育种、生理研究和气候智能型作物改良	水稻根系横截面中的皮层通气组织腔隙	计算机视觉	NA	深度学习图像分割	Transformer	图像	1760张注释的水稻根系横截面图像，来自多个国家、生长阶段、栽培系统和实验背景	NA	Vision Transformer	平均交并比（mIoU），决定系数（R²）	NA
58	2026-09-25	Deep learning analysis of 12-lead electrocardiograms for bloodstream infection prediction: a multi-center validation study 2026-Jun-29, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03657-0 PMID:42374403	研究论文	该研究开发并验证了一个深度学习模型，利用标准12导联心电图预测急诊科患者血流感染的风险	首次利用深度学习分析标准12导联心电图来预测临床上显著的血流感染，并在多个独立队列中进行了验证，包括内部、外部和MIMIC-IV队列	需要在临床实施前进行前瞻性验证，在低患病率亚组中的增量价值有限，病原体特异性预测需要专门的模型	开发和验证一个深度学习模型，从标准12导联心电图中预测血流感染风险，以克服血培养延迟48小时或更长时间的问题	台湾某学术医疗中心成人急诊科患者的心电图数据，以及三个独立验证队列（内部、外部和MIMIC-IV）	机器学习	血流感染	深度学习分析12导联心电图	CNN	心电图信号	总样本量163,826（训练集），内部验证22,205，外部验证22,709，MIMIC-IV验证66,937	NA	NA	AUC, 敏感性, 特异性, 阴性预测值, 决策曲线分析, 调整风险比	NA
59	2026-06-25	Deep Learning Reconstruction: Making Fast Musculoskeletal MRI Work in Practice 2026-Jun-24, AJR. American journal of roentgenology DOI:10.2214/AJR.26.35387 PMID:42340239	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
60	2026-09-25	FIRST-ICU: forecasting interventions and risk stratification in the ICU using graph neural network autoencoders 2026-Jun-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02890-1 PMID:42277214	研究论文	开发了一个名为FIRST-ICU的深度学习框架，整合图神经网络编码器、LSTM和新颖的干预交互注意力模块，用于联合预测七种ICU干预并进行风险分层	提出干预交互注意力模块（IIAM）来建模治疗共现模式，实现多干预联合预测，并利用生成拓扑映射层识别临床表型进行可解释的风险分层	未明确提及	开发一个统一的深度学习框架，用于ICU中多种干预的联合预测和风险分层，以支持多干预决策	ICU危重患者	机器学习	危重症	深度学习，图神经网络，LSTM，注意力机制	图神经网络自编码器，LSTM，注意力模块	电子健康记录（EHR）数据	MIMIC-IV: 23,926例患者；AmsterdamUMCdb: 12,603例患者用于外部验证	NA	Graph Neural Network, LSTM, Intervention Interaction Attention Module (IIAM)	AUC-ROC, Brier score, Macro Average Precision, AUC-PR	NA