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
21	2026-10-04	A multimodal deep learning classifier for prediction of HER2-low expression in triple-negative breast cancer 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02419-8 PMID:42410534	研究论文	该研究开发并验证了一种多模态深度学习分类器，用于在三阴性乳腺癌中预测HER2低表达状态，并在数据受限条件下评估了少样本学习框架的性能。	提出了少样本深度学习框架FADNET，结合对比学习和软k-means聚类，并构建了融合影像与术后临床变量的混合模型CLI-FADNET，用于HER2状态分类。	样本量较小（122例），仅进行方法学验证而非完全可部署的临床模型，需要未来大规模外部验证。	在数据受限条件下，预测三阴性乳腺癌患者的HER2低表达状态，并为HER2低表达患者的个体化治疗提供依据。	122例经病理确诊的三阴性乳腺癌患者（2017年至2022年）	数字病理学, 医学影像分析	三阴性乳腺癌	乳腺超声, 多参数MRI（T2WI, DWI, DCE-MRI）	少样本深度学习, 对比学习, 软k-means聚类	医学影像, 临床变量	122例三阴性乳腺癌患者	NA	ResNet34	AUC	NA
22	2026-10-04	Comparative evaluation of automated MRI-based brain volumetry software for estimating cognitive domains in early Alzheimer's disease 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02535-5 PMID:42410536	研究论文	该研究比较了四种自动化MRI脑体积测量软件在早期阿尔茨海默病中预测认知域评分的能力	首次在一致的深度学习模型下直接比较了不同脑体积测量软件在预测认知域特异性评分方面的表现	样本量相对有限（255例），认知域预测相关性普遍较低，软件间差异可能受多种因素影响而非软件本身优劣	评估四种脑体积测量软件在早期阿尔茨海默病患者中预测认知域特异性评分的能力	255例经淀粉样蛋白PET确诊的阿尔茨海默病患者	数字病理学, 神经影像学	阿尔茨海默病	3D T1加权MRI, 脑体积测量	多层感知机	医学影像, 临床变量, 认知评分	255例患者	NA	多层感知机	均方误差, 皮尔逊相关系数	NA
23	2026-10-04	Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet) 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3637089 PMID:41296941	研究论文	本文提出了一种基于深度学习的可扩展且可解释的视频运动模仿评估方法CAMI-2DNet，用于区分自闭症谱系障碍儿童与神经典型儿童	首次提出无需临时归一化、清洗和人工标注的深度学习视频运动模仿评估方法，通过合成数据和重定向技术学习解耦表征，自动计算运动相似度评分，在区分自闭症与神经典型儿童方面优于CAMI-2D，且与CAMI-3D性能相当	未明确提及	解决传统运动模仿评估主观性强、劳动密集、依赖人工标注等问题，实现自动化、可扩展的视频运动模仿评估，以辅助自闭症异质性研究	自闭症谱系障碍儿童与神经典型儿童	计算机视觉	自闭症	深度学习、运动重定向、合成数据生成	编码器-解码器架构、CNN	视频	未明确提及具体样本量，涉及真实参与者数据和合成虚拟角色数据	NA	编码器-解码器架构	相关性、区分性能（未明确具体指标如AUC、准确率等）	NA
24	2026-10-04	TrajSurv-mPC: Learning From Prostate-Specific Antigen Trajectories for Interpretable and Generalizable Survival Prediction in Metastatic Prostate Cancer 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00328 PMID:42809793	研究论文	开发并评估了一种名为TrajSurv-mPC的深度学习框架，利用转移前前列腺特异性抗原（PSA）轨迹和治疗数据来预测转移性前列腺癌（mPC）患者转移后的总生存期	该研究创新性地使用完整的转移前PSA纵向轨迹和治疗数据，而非传统的PSA倍增时间等汇总特征，来预测转移后总生存期；框架架构灵活，可兼容LSTM和Transformer两种序列建模骨干，并在两个独立大型队列中验证了泛化性；通过事后隐藏状态聚类、模拟研究和案例研究增强了模型的可解释性	未明确提及	开发TrajSurv-mPC框架，通过分析完整的转移前PSA轨迹和治疗信息来改善转移性前列腺癌转移后总生存期的预测，并验证其泛化性和可解释性	转移性前列腺癌（mPC）患者	机器学习	前列腺癌	NA	LSTM, Transformer	纵向PSA轨迹和治疗数据（数值时间序列）及基线特征	MSK队列403例，VA队列9984例；外部验证使用协调后的VA子队列训练并在MSK队列测试	NA	LSTM, Transformer	C-index（一致性指数）, P值	NA
25	2026-10-01	Smartphone-Based Detection of Abnormal Lung Sounds Using Domain-Adaptive Deep Learning 2026-Jul-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3718492 PMID:42531109	研究论文	本文开发了一种基于域自适应的深度学习框架，利用智能手机检测异常肺音，通过结合电子听诊器和智能手机的配对录音数据，解决了设备间声学差异问题	首次将域自适应技术应用于智能手机肺音检测，提出了智能手机特定的预处理流程和嵌入音频频谱变换器的方向性MixStyle模块，有效缓解了消费级麦克风与医疗级听诊器之间的声学不匹配问题	研究样本仅涉及儿科患者（611+48人），未涵盖成人群体；外部验证队列规模较小（48人）；仅在单一外部站点进行了验证	开发一种基于智能手机的异常肺音检测方法，实现可扩展且经济的居家呼吸远程患者监测	儿科患者的肺音录音，包括电子听诊器和智能手机采集的配对录音	机器学习	肺部疾病	听诊、音频频谱分析、域自适应	Transformer	音频	共659名儿科患者：主要数据集611名（其中147名提供听诊器与智能手机配对录音），外部验证队列48名（仅智能手机录音）	NA	音频频谱变换器（AST），MixStyle模块	AUROC	NA
26	2026-10-01	MSMPP: Molecular Property Prediction by Integrating Multi-scale Multi-view information with pretrained 3D molecular large model representation 2026-Jul-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3718827 PMID:42531108	研究论文	本文提出了一种多尺度多视角融合框架MSMPP，通过整合预训练3D分子大模型表示与跨任务信息，用于分子性质预测	同时学习分子内和分子间尺度特征，融合TxGemma增强的1D序列表示、Graph Transformer的2D拓扑图特征和Uni-Mol的3D构象特征，构建分子间图显式建模化学相似分子间的全局成对相互作用，并提取跨任务特征	未明确说明模型的计算复杂度、对大规模数据集的扩展性以及对特定类型分子的适用性限制	解决现有深度学习方法依赖单一分子视角、忽视分子间信息和跨任务关联、以及有限标注数据导致泛化能力不足的问题，提升分子性质预测性能	分子性质预测任务，涉及八个MoleculeNet数据集中的分子	机器学习	NA	预训练分子大模型表示、图神经网络、多视角特征融合	Graph Transformer、Uni-Mol、TxGemma	分子图、分子序列、分子3D构象	八个MoleculeNet数据集	NA	Graph Transformer、Uni-Mol、TxGemma	NA	NA
27	2026-10-01	DL-Based Reduced-Order Modeling and Fuzzy Output Tracking Control Design With Vibration Suppression for a Flexible Morphing Aircraft 2026-Jul-30, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3711951 PMID:42531116	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
28	2026-10-01	SWiST DeepNet: Spectral-Temporal Deep Network for Detecting Resonance-Based Attacks on MEMS Inertial Sensors 2026-Jul-29, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3715653 PMID:42525930	研究论文	本文提出了一种基于滑动窗口的深度学习框架 SWiST DeepNet，利用时域和频域特征检测 MEMS 惯性传感器中基于共振的声学干扰攻击	提出了融合时域和频域特征的滑动窗口深度学习框架 SWiST DeepNet，用于检测 MEMS 惯性传感器中的共振攻击，并在低至 10 dB 攻击信号比的强度下实现可靠检测	未明确提及	检测 MEMS 惯性传感器中基于共振的攻击，增强信息物理系统的安全性和可靠性	MEMS 惯性传感器，包括加速度计和陀螺仪，以及共振攻击下的传感器信号	机器学习	NA	深度学习，时域和频域特征分析	深度学习	时间序列信号数据，传感器信号	未明确提及，数据集公开于 https://github.com/cmsahu97/RAiS-dataset	未明确提及	滑动窗口频谱-时域深度网络 (SWiST DeepNet)	攻击信号比 (ASR) 低至 10 dB 下的检测性能	未明确提及
29	2026-10-01	Multi-Task Deep Learning Framework for Real-Time Quality Assessment and Probe Guidance in Echocardiography 2026-Jul-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3717967 PMID:42525942	研究论文	该论文提出了一种多任务深度学习框架，用于超声心动图中的实时质量评估和探头引导，通过联合进行视图分类和心脏结构分割，并利用熵基指标实现无需额外质量标注的结构特异性质量评分，进而预测探头调整动作	提出多任务引导框架，联合监督视图分类和心脏结构分割，并复用其输出通过熵基指标实现标签高效的结构特异性图像质量评分，无需额外质量标注；同时使用轻量级动作预测器实时建议七种探头调整动作	数据集规模较小（43例），仅验证了七种探头调整动作，可能未覆盖所有临床场景	开发一个实时质量评估和探头引导系统，帮助新手或受训用户持续获取可接受的超声心动图视图，提高临床效率和可靠性	超声心动图图像，包括标准和非标准视图	计算机视觉	心血管疾病	超声心动图	多任务深度学习	图像	43例带有动作标签的数据集	NA	NA	AUC、top-1准确率、mAP、推理时间	NA
30	2026-10-01	EffSCG: An Efficient Framework for Real-Time Seismocardiogram Denoising on Resource-Constrained Edge Devices 2026-Jul-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3718375 PMID:42525943	研究论文	该论文提出了EffSCG框架，通过结构化剪枝、权重量化、快速ODE求解器和渐进蒸馏，优化心震图去噪模型，使其适用于资源受限的边缘设备，实现实时去噪并保持高精度。	结合多种优化技术（结构化剪枝、量化、快速ODE求解器、渐进蒸馏）来压缩和加速心震图去噪模型，在保持较高精度的同时显著降低延迟和内存占用。	未明确说明在更广泛的边缘设备上的泛化能力，以及是否适用于其他类型的心血管信号或模型架构。	开发一个高效框架，使心震图去噪模型能够在资源受限的边缘设备上实时运行，减少延迟并增强数据隐私。	心震图信号	机器学习	心血管疾病	心震图	基于扩散的模型	信号	NA	NA	NA	推理时间, 内存占用, 准确率	NA
31	2026-10-01	GPCR-SLM: Small Language Model-Based Classification of GPCRs Using Knowledge Distillation Technique 2026-Jul-29, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3718339 PMID:42525952	研究论文	本文提出了一种基于小型语言模型和知识蒸馏技术的可扩展机器学习框架GPCR-SLM，用于对86个不同家族的GPCR进行分类	结合蒸馏蛋白质语言模型与灵活分类框架，实现了对GPCR家族的高分辨率功能注释；采用轻量级Transformer模型并通过知识蒸馏优化，支持可扩展分类且能识别新家族	未明确提及	提高GPCR家族分类的准确性和计算效率，克服传统序列比对方法和固定分类架构的局限性	G蛋白偶联受体（GPCRs）	机器学习	NA	知识蒸馏	Transformer	蛋白质序列	86个GPCR家族	NA	轻量级Transformer	准确率	NA
32	2026-10-01	Dual-granularity feature learning reveals static and dynamic mechanisms of ncRNA-drug interactions 2026-Jul-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3717803 PMID:42519854	研究论文	本文提出了一种基于因果解耦策略的深度学习框架DC-MetaMG，用于预测非编码RNA与药物之间的关联，并通过建模静态结合和动态调控两种机制来提高预测性能	提出因果解耦策略，建模关联响应的两种互补机制：静态结合和动态调控，有效抑制虚假关联，缓解多源生物信息融合带来的特征冗余、语义冲突和高维稀疏问题	摘要中未明确提及该研究的局限性	准确识别非编码RNA与药物之间的相互作用，以阐明药物机制并推动药物重定位	非编码RNA（lncRNA和miRNA）与药物之间的关联	机器学习	NA	NA	深度学习	生物分子数据	NA	NA	NA	AUC, ACC, AUPR	NA
33	2026-10-01	TrafficFlowNet: A Neural Transport Model for Dynamic Traffic Flows 2026-Jul-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3715738 PMID:42519861	研究论文	本文提出了一种基于物理信息的深度学习模型 TrafficFlowNet，将交通流建模为路网节点间的传输过程，用于动态交通流预测	将交通流表述为图节点间的传输过程，并将传输动力学嵌入图神经网络骨干；引入全变分正则化到最小-最大优化框架以缓解GNN的过平滑问题；采用生成对抗结构捕捉真实动态	未明确说明模型在数据稀缺或基础设施有限的发展中地区的泛化能力，也未讨论计算成本或实时部署的可行性	解决交通拥堵问题，提升交通流建模的鲁棒性，准确预测动态交通流	真实世界高速公路交通传感器数据（PEMS03、PEMS04、PEMS07、PEMS08）	机器学习	NA	NA	图神经网络, 生成对抗网络	时间序列数据（交通传感器数据）	四个数据集（PEMS03、PEMS04、PEMS07、PEMS08），每个数据集包含超过150个传感器和超过15000个时间步	NA	图神经网络, 生成对抗网络	平均绝对误差	NA
34	2026-10-01	BERT-HemoPep60: Transformer-based Deep Learning Method with Domain-Adaptive Pretraining for Quantitative Hemolytic Activity Prediction of Peptides 2026-Jul-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3717818 PMID:42519856	研究论文	本文提出了一种基于Transformer的深度学习方法BERT-HemoPep60，结合领域自适应预训练，用于定量预测长度不超过60个氨基酸的肽对人红细胞的溶血活性	采用领域自适应预训练和前缀提示方法，整合了六种哺乳动物物种和多种溶血指标（HC5、HC10、HC50）的实验数据，实现了对肽溶血活性的定量预测	仅针对长度不超过60个氨基酸的肽，且主要基于六种哺乳动物的溶血数据，可能无法完全推广到其他物种或更长的肽序列	开发一种准确预测肽对人红细胞溶血活性的深度学习方法，以促进肽类药物的研究	长度不超过60个氨基酸的肽序列	自然语言处理, 机器学习	NA	深度学习	Transformer	文本(氨基酸序列)	来自六种哺乳动物（人、小鼠、大鼠、马、绵羊、兔）的溶血实验数据，具体样本量未明确	NA	BERT	PCC	NA
35	2026-10-01	Multimodal Domain Generalization for Depression Detection: An Attention-Based BiLSTM Network With Domain-Adversarial Training 2026-Jul-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3714047 PMID:42497053	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（BiLSTM）结合域对抗训练的多模态抑郁症检测框架，旨在解决说话人变异引起的域偏移问题，实现患者无关的抑郁症检测。	首次将域泛化（DG）引入患者无关的多模态抑郁症检测框架，联合利用声学和文本模态；提出结合模态内和跨模态注意力（CMA）的BiLSTM模型，并采用受DANN启发的梯度反转层来学习域不变表示，减少患者特定偏差。	未明确提及	解决由于说话人变异导致的域偏移问题，提高抑郁症检测模型的泛化能力，实现患者无关的自动抑郁症检测。	Androids-Corpus数据集中的音频和文本数据，涉及不同说话人的语音和文本记录	机器学习	抑郁症	多模态特征提取（声学特征MelSpec，文本特征ItalianBERT），域对抗训练（DANN），梯度反转层	BiLSTM，注意力机制，域对抗网络	音频和文本	Androids-Corpus数据集，采用五折交叉验证，具体样本数量未提及	NA	BiLSTM，跨模态注意力（CMA），模态内注意力，梯度反转层	准确率（accuracy），精确率（precision），召回率（recall），F1分数（F1-score）	NA
36	2026-10-01	Smartphone-Based Brunnstrom Stage Classification of Hemiparetic Gait via Skeleton-Attention-LSTM-Inception Network 2026-Jul-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3713910 PMID:42497051	研究论文	该研究提出了一种基于智能手机视频和骨骼注意力LSTM-Inception网络的深度学习分类器，用于自动评估中风后偏瘫步态的下肢Brunnstrom恢复阶段	提出了一种新颖的混合Skeleton-Attention LSTM-Inception架构，协同整合LSTM层用于时间序列建模和Inception模块用于多尺度空间特征提取，实现了高精度的Brunnstrom分期分类	摘要中未明确提及研究局限性	消除下肢Brunnstrom恢复阶段评估中的评估者间变异性，实现中风后运动恢复的定量纵向追踪	40名健康成年人和51名偏瘫中风患者（BRS III-VI期）	计算机视觉	中风	姿态估计算法，三维关键点坐标提取	Skeleton-Attention LSTM-Inception网络	视频	91名参与者（40名健康成年人，51名偏瘫中风患者）	NA	Skeleton-Attention LSTM-Inception, CNN, LSTM-CNN	准确率	NA
37	2026-10-01	An Interpretable Machine Learning Model for Continuous Prediction of Acute Kidney Injury in Critically Ill Patients With Atrial Fibrillation 2026-Jul-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3716727 PMID:42497050	研究论文	本研究基于MIMIC-IV数据库中19,347名房颤危重患者，开发了五种机器学习和两种深度学习模型，用于持续预测急性肾损伤风险，并使用SHAP框架实现临床可解释性	针对房颤高危人群开发了持续预测急性肾损伤的可解释机器学习模型，结合实时电子健康记录数据，并利用SHAP框架量化特征贡献生成临床可解释的可视化结果	本研究为回顾性分析，可能存在选择偏倚，且仅基于MIMIC-IV单一数据库，外部验证不足	开发一个临床可解释的模型，持续预测房颤患者入住ICU后急性肾损伤的风险	19,347名来自MIMIC-IV数据库的房颤危重患者	机器学习	心血管疾病	NA	XGBoost	电子健康记录数据	19,347名房颤危重患者	NA	XGBoost	AUROC, AUPRC, 决策曲线分析, 校准曲线	NA
38	2026-10-01	KEPLA: A Knowledge-Enhanced Deep Learning Framework for Accurate Protein-Ligand Binding Affinity Prediction 2026-Jul-21, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3715687 PMID:42479529	研究论文	提出了一种名为KEPLA的知识增强深度学习框架，通过整合基因本体和配体性质的先验知识，显著提高了蛋白质-配体结合亲和力的预测准确性	显式整合基因本体和配体性质的先验知识，并优化两个互补目标：将全局表示与知识图关系对齐以捕获领域特定的生化见解，以及利用局部表示之间的交叉注意力构建细粒度的联合嵌入进行预测	未明确提及	准确预测蛋白质-配体结合亲和力以促进药物发现	蛋白质序列和配体分子图	药物发现	NA	深度学习	深度学习模型	序列、图	两个基准数据集	NA	NA	NA	NA
39	2026-10-01	Dual-View Thyroid Ultrasound Classification via Dual Knowledge Distillation 2026-Jul-21, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3715696 PMID:42479531	研究论文	本文提出了一种基于不确定性加权混合专家（UMoE）框架与双重知识蒸馏的双视图甲状腺超声分类方法，通过对横向和纵向视图的跨视图及跨层级知识蒸馏，提升诊断的准确性与鲁棒性	提出了不确定性加权混合专家（UMoE）框架，并设计双重知识蒸馏策略：跨视图知识蒸馏在不确性精炼的patch token上对齐双视图病灶表征，跨层级知识蒸馏通过CLS token将双视图分支的整体语义知识迁移到单视图分支	摘要中未提及该研究的局限性	解决现有深度学习方法在甲状腺超声诊断中独立处理双视图或仅简单融合特征，导致跨视图语义一致性建模不足和诊断鲁棒性降低的问题	甲状腺超声图像中的病灶（横向视图与纵向视图）	计算机视觉	甲状腺癌	甲状腺超声成像	Vision Transformer	图像	内部DTN5K数据集以及一个外部公开甲状腺超声数据集（具体样本量未在摘要中给出）	NA	Vision Transformer（共享骨干网络，含双视图分支与单视图分支，结合混合专家MoE与知识蒸馏）	准确率, F1分数, AUC	NA
40	2026-10-01	A Dataset and Benchmarks for Atrial Fibrillation Detection from Electrocardiograms of Intensive Care Unit Patients 2026-Jul-20, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3715145 PMID:42475214	研究论文	该研究发布了一个标注的ICU心电图数据集，并对比了基于特征分类器、深度学习和心电图基础模型三种AI方法在心房颤动检测中的性能	发布了一个标注的加拿大ICU心电图数据集，并系统比较了三种AI方法（基于特征分类器、深度学习、心电图基础模型）在ICU环境下心房颤动检测的性能，填补了该领域文献空白	深度学习和基于特征分类器之间的性能差异较小且高度依赖于所选模型，研究仅基于加拿大ICU和2021 PhysioNet/CinC Challenge两个数据集	发布标注ICU数据集和基准，比较不同AI方法在心房颤动检测中的性能，确定最佳AI方法	ICU患者的心电图数据，来自加拿大ICU和2021 PhysioNet/Computing in Cardiology Challenge	机器学习	心血管疾病	心电图（ECG）分析	CNN	图像	NA	NA	InceptionV3, ECGFounder	F1-score	NA