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	2026-09-23	A computational theory of short-term synaptic plasticity: synapses learn to tell time 2026-Jun-19, Research square DOI:10.21203/rs.3.rs-9916271/v1 PMID:42370245	研究论文	本文提出突触是具有多个可学习参数的高级计算元件，能够调整其短期突触动力学并优化时间信息处理	提出突触具有多个可学习参数而非单一突触强度参数，证明学习和突触动力学可实现区间选择性和计数功能，并显著提升前馈网络在复杂时空任务上的性能	未明确提及	探索突触短期可塑性以优化时间信息处理	小鼠和人类新皮层突触	计算神经科学	NA	计算建模	前馈神经网络	电生理数据	NA	NA	前馈网络	NA	NA
82	2026-09-23	Geometric Deep Learning Reveals Ligandable and Cryptic RNA Binding Small Molecule Pockets (SMARTPocket) 2026-Jun-19, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.18.732920 PMID:42368017	研究论文	本文介绍了SMARTPocket，一种基于原子级几何深度学习框架，用于直接从三维结构预测RNA-小分子结合口袋	使用全原子点云表示RNA，并利用超过110,000个蛋白质结合界面结构进行迁移学习，以克服实验解析的RNA-配体复合物数量有限的限制	对于apo RNA结构，仅在构象变化较小时才能泛化	识别可配体的小分子结合口袋，以加速RNA靶向药物的发现	RNA三维结构，包括单链基准、整理基准、apo RNA结构、SARS-CoV-2移码元件和RNA适配体	机器学习	NA	几何深度学习	几何深度学习	三维结构点云	超过110,000个蛋白质结合界面结构，四个单链基准，三个整理基准	NA	NA	NA	NA
83	2026-09-23	Adaptive Neural Reorganization Enables Real-Time Finger-Level Robotic Control in BCI-Naïve Stroke Survivors 2026-Jun-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.15.732267 PMID:42367869	研究论文	本研究探讨了无脑机接口经验的中风幸存者是否能够通过运动想象实现手指级别的机器人手实时控制，并利用深度学习解码器对脑电图信号进行解码	首次在无脑机接口经验的中风患者群体中实现了手指级别的机器人控制，并揭示了中风后神经重组模式	样本量较小（9名参与者），未设置对照组，且三指任务的解码准确率相对较低（61%）	研究无脑机接口经验的中风患者能否通过运动想象实现手指级别的机器人手控制，并探索中风后神经重组的模式	9名中风后运动功能障碍患者，均无脑机接口使用经验	脑机接口	中风	脑电图	深度学习解码器	脑电信号	9名中风患者	NA	NA	解码准确率	NA
84	2026-09-23	Microscopy-informed structural connectivity mapping in the in vivo human brain via domain adaptation 2026-Jun-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.14.732211 PMID:42367983	研究论文	本文提出了一种深度学习模型，通过域适应方法从扩散MRI预测高分辨率显微镜引导的纤维取向，并应用于体内人脑连接映射	利用显微镜衍生的三维纤维取向图作为生物学训练目标，通过域适应桥接猕猴死后与体内以及猕猴与人的差异，无需在推理时使用显微镜数据	未明确提及	表征人脑连接，利用多模态数据集改进体内人脑成像的连接估计	猕猴脑数据集（体内MRI、死后MRI、全脑显微镜）和体内人脑扩散MRI数据	计算神经科学，医学图像分析	NA	扩散MRI，全脑显微镜，域适应	深度学习模型	图像	NA	NA	NA	NA	NA
85	2026-09-23	Cross-Device Adaptation of Mirai for Mammography-Based Breast Cancer Risk Prediction 2026-Jun-17, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.15.26355696 PMID:42369455	研究论文	本文评估了乳腺癌风险预测模型Mirai在不同乳腺X线摄影设备上的性能，并开发了一种设备不变模型以提升跨设备泛化能力。	提出了一种结合交错多设备采样和条件对抗训练的设备不变模型，有效缓解了设备特定微调导致的灾难性遗忘问题。	研究仅涉及Hologic和GE两种设备，未涵盖其他品牌；性能提升主要体现在短期和中期预测。	评估Mirai模型在不同乳腺X线摄影设备上的泛化能力，并开发设备不变模型以提高跨设备鲁棒性。	乳腺X线摄影图像及乳腺癌风险预测模型Mirai。	医学图像分析	乳腺癌	乳腺X线摄影	深度学习模型	图像	大型筛查队列（具体样本量未提供）	NA	Mirai	AUC	NA
86	2026-09-23	PhenoBIC: operator-free single-cell spatial phenotyping in multiplex imaging data using deep learning of cell staining patterns 2026-Jun-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.11.731702 PMID:42368023	研究论文	本文开发了PhenoBIC，一种预训练的深度学习模型，用于多重成像数据中细胞染色模式的图像分类，实现无操作员的单细胞空间表型分析	提出了首个预训练的深度学习模型PhenoBIC，通过细胞染色模式（生物标志物印迹）自动分类细胞表型，无需手动干预；发布了约140万手动标注的细胞表达数据集；开源并通过QuPath界面部署	未明确提及	解决多重图像分析工作流程中需要手动干预进行细胞表型分析的问题，实现自动化、无操作员的细胞表型分类	多重成像数据中的细胞，包括多种生物标志物、组织采样策略（全活检和组织微阵列）、多重面板、成像平台和组织类型	数字病理学	NA	多重成像	CNN	图像	约140万个手动标注的细胞表达真实标签	NA	NA	F1-score	NA
87	2026-09-23	Artificial intelligence and the future of prosthodontics: a narrative review 2026-Jun-15, The Saudi dental journal DOI:10.1007/s44445-026-00192-6 PMID:42295522	综述	本文通过叙述性综述系统总结了人工智能在口腔修复学各主要领域（全口义齿、可摘局部义齿、固定义齿、种植支持修复及颌面修复）中的应用证据	全面梳理了2006至2025年间人工智能在口腔修复学多个子领域的应用证据，涵盖弓形分类、图像解读、预测建模、修复体设计、种植系统识别和工作流程优化等多种任务，并指出当前证据主要集中于种植修复领域	由于研究设计、数据集和报告结局的异质性，无法进行定量荟萃分析；多数证据来自回顾性或实验性研究，缺乏前瞻性临床验证；未遵循PRISMA方案；存在数据质量、模型透明性、伦理问题及临床工作流程整合困难等挑战	系统总结和汇编人工智能在口腔修复学主要领域中应用的现有证据	2006至2025年间发表的经同行评议的临床、实验和综述研究，共纳入54项符合标准的研究	牙科医学	口腔疾病	人工智能、机器学习、深度学习、神经网络	NA	文本	54项研究	NA	NA	准确率	NA
88	2026-09-23	Decoding Smell from Receptor Structure 2026-Jun-14, Research square DOI:10.21203/rs.3.rs-9947738/v1 PMID:42326533	研究论文	该研究结合AlphaFold3预测的嗅觉受体结构与ESM2蛋白序列嵌入以及大规模测序数据，开发了一个结构信息引导的深度学习框架，用于预测嗅觉受体-配体相互作用并映射受体空间与化学空间之间的关系。	首次将AlphaFold3预测的嗅觉受体结构与ESM2蛋白序列嵌入相结合，并利用大规模测序与体内嗅觉感觉神经元激活数据，构建结构信息引导的深度学习框架，实现嗅觉受体-配体相互作用的大规模预测，发现受体表征按功能相似性而非仅一级序列组织嗅觉受体，并通过特征归因识别了参与化学识别的结合腔亚区域。	摘要中未明确提及研究局限性	测试受体结构能否在大规模上解释气味识别，并建立预测框架以解读嗅觉受体编码	哺乳动物嗅觉受体、化学多样性气味面板、嗅觉感觉神经元	机器学习	NA	AlphaFold3结构预测、ESM2蛋白序列嵌入、大规模测序、体内嗅觉感觉神经元激活	深度学习	蛋白质结构、蛋白质序列、测序数据	NA	NA	AlphaFold3, ESM2	NA	NA
89	2026-09-23	Hybrid vision transformer and ensemble machine learning framework for automated atherosclerotic plaque classification in intravascular ultrasound imaging 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53077-3 PMID:42270685	研究论文	本文提出了一种结合视觉Transformer和集成机器学习的混合框架，用于血管内超声图像中动脉粥样硬化斑块的自动分类	创新性地将视觉Transformer的全局上下文理解能力与基于Gabor滤波器的传统机器学习方法的局部纹理分析优势相结合，构建了一个三阶段集成系统	未明确提及	开发自动化的动脉粥样硬化斑块分类方法，以辅助心血管疾病的诊断和治疗规划	血管内超声图像中的动脉粥样硬化斑块	计算机视觉	心血管疾病	血管内超声成像	视觉Transformer, 支持向量机, 随机森林	图像	3867张血管内超声图像，涵盖三个斑块类别（轻度狭窄、狭窄、正常椎动脉）	NA	视觉Transformer, 支持向量机, 随机森林	准确率, F1分数	NA
90	2026-09-23	Exploratory Assessment of Pulsed-Wave Doppler Representations of Lung Sounds Using Deep Learning: An In-Vitro Phantom Study 2026-Jun-10, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.09.26353787 PMID:42326789	研究论文	该研究探索了脉冲波多普勒超声能否从回放的肺音中捕获结构化频谱模式，并使用深度学习进行分类	首次探索使用脉冲波多普勒超声表示呼吸音，并在体外模型中进行深度学习分类验证	研究为体外模型，使用回放录音，样本量有限，需进一步在体研究验证	探索脉冲波多普勒超声作为呼吸声学表示的可行性	数字化呼吸音录音和脉冲波多普勒频谱图像	医学图像分析	呼吸系统疾病	脉冲波多普勒超声	CNN	图像	1,478 张脉冲波多普勒频谱图像，来自健康受试者和多个外部标记的疾病类别	NA	ResNet-18	NA	NA
91	2026-09-23	Prediction of avatrombopag-induced thrombocytosis in pediatric immune thrombocytopenia: an AI-based real-world study 2026-Jun-09, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-026-07086-x PMID:42260021	研究论文	该研究基于真实世界数据，开发并验证了预测儿童免疫性血小板减少症患者使用阿伐曲泊帕后发生血小板增多症的AI模型	首次针对儿童ITP患者使用AVA后血小板增多症风险构建预测模型，并系统比较了经典机器学习、深度学习表格数据模型及最新TabPFN、FT-Transformer、HyperTab等模型的性能	样本量相对较小，仅纳入74例患者，且为单中心回顾性研究，模型的外部验证和泛化能力有待进一步证实	开发并验证AVA诱导的儿童ITP患者血小板增多症的预测模型，为个体化风险评估和精准用药提供依据	2021年7月至2024年1月期间在北京儿童医院血液肿瘤中心接受AVA治疗的74例儿童ITP患者	机器学习	免疫性血小板减少症	电子病历数据挖掘，机器学习建模	FT-Transformer、Logistic Regression、Support Vector Machine、Multilayer Perceptron、Random Forest、XGBoost、TabPFN、HyperTab	表格数据	74例儿童ITP患者	NA	FT-Transformer、Logistic Regression、Support Vector Machine、Multilayer Perceptron、Random Forest、XGBoost、TabPFN、HyperTab	准确率、AUC	NA
92	2026-09-23	Charting Cervical Spinal Cord Morphometry Across the Lifespan 2026-Jun-08, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.03.729823 PMID:42327282	研究论文	该研究利用30个基于人群的脑MRI数据集，构建了首个覆盖全生命周期的颈段脊髓形态测量标准图表	首次生成覆盖0-100岁全生命周期的颈段脊髓形态测量标准图表，并采用对比度无关的深度学习分割方法提取多维度形态指标，结合GAMLSS模型刻画非线性变化轨迹	数据来源于已有脑MRI数据集中包含颈段脊髓覆盖的扫描，可能存在选择偏倚；未在独立临床队列中验证图表的泛化能力	建立颈段脊髓形态测量的全生命周期标准参考图表，以区分正常变异与病理改变，提升脊髓MRI在发育和神经退行性研究中的临床效用	41042名年龄0-100岁的个体，共78269次扫描	数字病理学	神经系统疾病	MRI	深度学习分割模型	图像	78269次扫描，来自41042名个体	NA	NA	NA	NA
93	2026-09-23	Epigenetic conditioning improves sequence-based modeling of gene regulation across cell types and alleles 2026-Jun-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.02.729723 PMID:42282607	研究论文	提出MethylSeqNet模型，通过将预训练序列嵌入与CpG甲基化条件结合，提升基因调控的跨细胞类型和等位基因建模	首次将CpG甲基化作为输入条件，设计可扩展且可解释的条件机制，使模型能预测等位序列无法编码的现象（如亲本印记、随机单等位表达和X失活）	仅在一例罕见病患者中验证了结构重排预测，样本量小；依赖长读长测序数据，可能限制广泛应用	利用表观遗传状态（特别是CpG甲基化）改善基于序列的基因调控建模，并探索其在罕见病解释中的应用	细胞类型特异性染色质可及性和转录、亲本印记、随机单等位活性、X失活以及一例罕见病患者的结构重排	基因组深度学习	罕见病	长读长测序、CpG甲基化测序	深度学习	序列、甲基化	一例罕见病患者（案例研究）	NA	甲基化条件化的序列嵌入模型	NA	NA
94	2026-09-23	Compositional and interpretable representation of histology using AI foundation models and sparse autoencoders 2026-Jun-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.03.725182 PMID:42282624	研究论文	本文描述了一个人机交互计算框架，利用计算病理学基础模型和稀疏自编码器分解H&E图像的特征，自动识别人工可解释的组织病理学特征，应用于肺结核和肺癌等肺部疾病	利用计算病理学基础模型和稀疏自编码器自动识别多样、人工可解释的组织病理学特征，并提供了一种形态学感知的方法来整合2D和3D中尺度组织架构与分子空间分析	未明确提及	提高H&E图像的计算病理学模型在生物学上的可解释性，并促进其在空间分析研究中的应用	H&E染色的组织切片图像，特别是肺结核和肺癌等肺部疾病	数字病理学	肺癌	H&E染色、空间分析	基础模型、稀疏自编码器	图像	未明确提及	未明确提及	基础模型、稀疏自编码器	未明确提及	未明确提及
95	2026-09-23	Optic Disc Fundus Images Retain Biometric Identity Signals Under Deep Learning 2026-Jun-05, Research square DOI:10.21203/rs.3.rs-8801056/v1 PMID:42282010	研究论文	本文研究了基于视盘中心眼底图像的深度学习模型是否保留足够的受试者特异性信息用于生物特征验证，并与全视野眼底照片模型进行比较	首次系统评估视盘中心眼底图像在深度学习下的生物特征识别能力，并发现包含狭窄视盘周围区域的图像可达到与全视野眼底图像相当的验证性能	仅使用单一机构的数据集，未评估跨机构泛化能力，且未探讨身份链接密钥的实际应用场景	探究深度学习模型在视盘中心眼底图像上是否保留足够的受试者特异性生物特征信号用于身份验证	来自Bascom Palmer Eye Institute的4,500名受试者的7,724只眼的30,836张彩色眼底照片	计算机视觉	NA	NA	CNN	图像	30,836张彩色眼底照片，来自4,500名受试者的7,724只眼	NA	Siamese卷积神经网络	AUC, EER, 准确率	NA
96	2026-09-23	Non-coding Regulatory Variants in ASD (Autism Spectrum Disorders) Disrupt CTCF Domains and Shape Cell-Type-Specific Neurodevelopmental Landscapes Revealed by Single-Cell Analyses and Cortical Organoids 2026-Jun-05, Research square DOI:10.21203/rs.3.rs-9650619/v1 PMID:42281968	研究论文	通过对600个样本进行靶向测序，结合深度学习框架Sei、单细胞核RNA-seq和皮质类器官数据，揭示非编码调控变异通过破坏CTCF结构域影响自闭症谱系障碍的细胞类型特异性神经发育	首次系统性地将非编码调控变异与CTCF结构域破坏、细胞类型特异性基因调控及神经发育阶段动态关联，并利用皮质类器官模型验证了变异的时间空间特异性效应	样本量相对有限（600个样本），仅针对既往无致病编码变异的样本，可能遗漏部分协同效应；研究主要基于预测工具Sei，实验验证不足	探究非编码调控变异在自闭症谱系障碍中的功能影响及其在单细胞水平和类器官模型中的致病机制	自闭症谱系障碍患者及其家系样本、ASD与对照脑组织单核RNA-seq数据、人类皮质类器官	机器学习	自闭症谱系障碍	靶向测序, 单核RNA-seq, 单细胞RNA-seq	深度学习, CNN	基因组序列, 基因表达数据, 单细胞转录组数据	600个样本（200个三人组）用于靶向测序；64个个体约60万个细胞核用于snRNA-seq；皮质类器官覆盖四个发育阶段（23天至6个月）	NA	Sei	p值, 富集分析	NA
97	2026-09-23	A compact and efficient physics-informed architecture for reconstructing and predicting complex physical fields from low accuracy sparse data 2026-Jun-05, Research square DOI:10.21203/rs.3.rs-9914527/v1 PMID:42281984	研究论文	本文提出了一种紧凑且计算高效的物理信息神经网络架构，用于从低精度稀疏数据中重建和预测复杂物理场	提出紧凑的PINN架构，仅需1-1.5百万可训练参数，显著降低架构复杂度和计算开销；在单个NVIDIA A100 GPU上每个任务仅需3-5小时训练；实现了从低精度粗网格输入重建高精度高分辨率解，并支持时间预测和空间域扩展	重建保真度强烈依赖于稀疏监督的放置位置，物理信息采样可改善精度和能量一致性，但整体重建效果受监督位置影响较大	克服现有AI模型依赖大规模标注数据集和高度参数化架构的局限，开发紧凑且计算高效的物理信息神经网络，用于从有限观测中重建和预测具有多尺度时空动力学的复杂物理场	层流和湍流流动，包括驱动方腔流和三维均匀各向同性湍流	机器学习	NA	物理信息神经网络（PINNs）	PINN	数值模拟数据	驱动方腔流（40×40粗网格输入，401×401高分辨率输出），三维均匀各向同性湍流	NA	紧凑型物理信息神经网络	误差，湍流动能演化预测精度	单个NVIDIA A100 GPU
98	2026-09-23	Deep learning and eye tracking: Convolutional neural networks provide converging evidence for experience-driven attention within visual search 2026-Jun-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03057-2 PMID:42240817	研究论文	本研究利用卷积神经网络从原始眼动位置时间过程数据中分类视觉搜索中干扰物的位置，以探究经验驱动的注意力	首次将深度学习应用于原始眼动数据以分析视觉搜索中的经验驱动注意力，并展示了其优于传统指标的分类性能	样本量有限，仅基于三个数据集，且模型泛化能力需进一步验证	探究深度学习是否有助于客观地整合传统分析中丢弃的原始眼动数据，以分析视觉搜索中的注意力分配	视觉搜索任务中的眼动数据，特别是干扰物位置分类	计算机视觉	NA	眼动追踪	CNN	眼动位置时间过程数据	三个数据集（来自先前研究，具体样本量未在摘要中提供）	NA	卷积神经网络	分类准确率	NA
99	2026-09-23	Quantitative RNA pseudouridine landscape reveals dynamic modification patterns and evolutionary conservation across bacterial species 2026-Jun-04, eLife IF:6.4Q1 DOI:10.7554/eLife.107545 PMID:42241317	研究论文	该研究利用优化的baBID-seq方法在五种细菌中实现了单碱基分辨率的转录组范围定量Ψ修饰图谱，揭示了生长阶段依赖的动态变化、进化保守特征，并开发了深度学习框架预测Ψ修饰位点	首次在五种细菌中进行转录组范围定量Ψ修饰图谱分析；发现了生长阶段依赖的假尿苷化动态变化；揭示了Ψ修饰的进化保守特征如主导基序和操纵子内聚集；开发了结合LSTM-Transformer-GNN的深度学习框架pseU_NN用于预测Ψ修饰位点	摘要中未明确提及研究局限性	探索细菌中RNA假尿苷（Ψ）修饰的分布和功能意义，填补与真核生物系统相比的研究空白	五种不同细菌物种的RNA	机器学习	NA	baBID-seq	LSTM, Transformer, GNN	RNA序列和结构数据	五种细菌物种	NA	LSTM-Transformer-GNN (pseU_NN)	NA	NA
100	2026-09-23	A Real-Time Automated Deep Learning Workflow for Non-invasive High-Magnification Imaging of C. elegans 2026-Jun-04, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.01.729022 PMID:42282531	研究论文	本文提出了一种实时自动深度学习工作流，用于在微流控平台中对自由运动的秀丽隐杆线虫进行非侵入式高倍成像，以支持衰老和神经生物学研究中的纵向表型分析	集成了深度学习头部检测、基于图像的自动对焦和快速电动载物台反馈，实现了对自由运动线虫在多倍放大下的稳定成像（包括神经元尺度），且完全基于商用倒置显微镜，无需额外定制硬件，并具备模块化、用户可配置的界面	摘要中未明确提及研究的具体局限性	实现对自由运动的秀丽隐杆线虫进行非侵入式高倍成像，避免麻醉或固定带来的生理干扰，从而支持衰老和神经生物学中的连续纵向观察	秀丽隐杆线虫（C. elegans）	计算机视觉, 数字病理学, 机器学习	NA	深度学习, 图像自动对焦, 微流控, 荧光成像	CNN	图像	数百条单独饲养在独立培养室中的线虫，可进行每日重复成像	NA	NA	NA	NA