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	scWeave: A deep learning model that bidirectionally translates between gene expression and chromatin structure at single-cell resolution 2026-Jul-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.07.13.738265 PMID:42523313	研究论文	本文提出了一种名为scWeave的深度学习模型，能够在单细胞分辨率下双向翻译基因表达（scRNA-seq）和3D染色质构象（scHi-C）	采用双重自编码器分别提取细胞层面的潜在表示，并通过专用的翻译模块在这些表示之间进行双向翻译，实现了单细胞分辨率下的跨模态推断与对齐	人类训练数据有限，模型性能可能受数据量和多样性影响	更好地表征3D染色质结构与基因表达之间的关系，并实现从单模态测量进行跨模态推断	小鼠胚胎发育、小鼠皮层、小鼠嗅上皮和人类骨髓的单细胞共测定数据集	机器学习	NA	scRNA-seq, scHi-C	自编码器	基因表达数据, 染色质构象数据	六个公开共测定数据集，涵盖小鼠和人类多种组织	NA	自编码器	Spearman相关系数, HiCRep相似度	NA
42	2026-10-01	Identifying Cancer Driver Genes Based on Vision Transformer and Hierarchical Feature Fusion Module 2026-Jul-17, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3714710 PMID:42467578	研究论文	本文提出了一种基于Vision Transformer和层次特征融合模块的癌症驱动基因预测方法VGDriver，并在多种癌症数据集上验证了其性能	提出了一种新的层次特征融合模块，通过协同设计图卷积网络块和多层感知机块，实现多组学特征的双管道融合，并结合Vision Transformer进行癌症驱动基因预测	摘要中未提及具体局限性	提高癌症驱动基因的识别能力，发现癌症发生和发展的内在机制	癌症驱动基因	生物信息学	泛癌和八种单一癌症类型	多组学数据分析	Vision Transformer	基因表达、拷贝数变异和单核苷酸变异数据	五个不同的蛋白质-蛋白质相互作用数据集，用于泛癌和八种单一癌症类型	NA	Vision Transformer, 图卷积网络, 多层感知机	AUC, AUPR	NA
43	2026-10-01	Dynamic Spatio-Temporal Fusion Network Via Hierarchical Self-Attention for Seizure Prediction 2026-Jul-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3714542 PMID:42467581	研究论文	本文提出了一种基于分层自注意力的动态时空融合网络（HSA-DSTF Net），用于基于EEG的癫痫发作预测	提出了分层自注意力骨干网络提取多尺度空间特征并结合ConvLSTM融合网络建模长时间范围内的动态空间变化，同时引入残差连接丰富上下文信息并减少时空特征损失	未明确提及	解决现有研究未能有效编码时间动态下的空间变化，导致难以建模复杂时空演化模式的问题，提升癫痫发作预测性能	EEG信号（癫痫患者）	机器学习	癫痫	EEG	CNN, LSTM	时间序列（EEG时频表示）	两个公开数据集：CHB-MIT和Kaggle（具体样本量未提及）	NA	分层自注意力, ConvLSTM	AUC, 敏感度, 假阳性率	NA
44	2026-10-01	GraphGDel: Constructing and Learning Graph Representations of Genome-Scale Metabolic Models for Growth-Coupled Gene Deletion Prediction 2026-Jul-17, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3714738 PMID:42467577	研究论文	该文提出了GraphGDel框架，用于从基因组规模代谢模型构建图表示，并结合基因与代谢物序列数据，预测生长偶联的基因缺失策略	首次系统性地构建了基于约束代谢模型的图表示流程，并开发了融合图表示与序列数据的深度学习框架，用于生长偶联基因缺失预测，突破了现有方法仅依赖序列数据、缺乏图结构建模的局限	摘要中未提及该方法的局限性	利用图表示学习提升基因组规模代谢模型中生长偶联基因缺失策略的预测性能	基因组规模约束型代谢模型及其基因缺失策略	机器学习	NA	基因组规模代谢模型建模、图表示学习、深度学习	深度学习框架（融合图神经网络与序列学习）	图数据、序列数据	三个代谢模型	NA	图神经网络、深度前馈神经网络、序列学习模型	准确率	NA
45	2026-10-01	A Generative Multi-modal Deep Learning Framework for Non-invasive Prediction of Ki-67 Expression in Papillary Thyroid Microcarcinoma Using Preoperative Ultrasound 2026-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3714034 PMID:42461734	研究论文	该文提出了一种基于术前B超的生成式多模态多任务深度学习框架，用于无创预测甲状腺微小乳头状癌中的Ki-67表达	提出基于Pix2Pix的BUS2USE网络合成虚拟超声弹性成像以提供组织硬度信息；设计可靠性感知融合机制动态平衡真实与生成特征；引入多尺度注意力精炼模块增强特征表示；将VEGF预测作为辅助任务以提供生物学相关的互补监督	合成图像可能引入噪声，尽管通过可靠性感知融合机制缓解；仅使用术前B超，未与其他影像模态对比；样本来源和规模未在摘要中详细说明	实现甲状腺微小乳头状癌Ki-67表达的无创预测，以替代侵入性活检进行风险分层和预后评估	甲状腺微小乳头状癌（PTMC）患者	医学图像分析	甲状腺癌	B超（B-mode超声）、超声弹性成像合成、多模态深度学习、多任务学习	CNN、Transformer、Pix2Pix、注意力机制	图像	NA	NA	Pix2Pix、CNN、Transformer、多尺度注意力精炼模块（MARM）	准确率、AUC	NA
46	2026-10-01	A Collaborative Neurodynamic Approach to Sharpness-Aware Minimization for Improving Generalization of Deep Learning 2026-Jul-15, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3710134 PMID:42455721	研究论文	本文提出了一种协同神经动力学方法（CNSAM）来改进锐度感知最小化，以提升深度学习的泛化能力	利用多个智能体协同搜索损失景观的平坦区域，避免了原SAM算法对锚点线性化损失的依赖，从而提高了泛化性能	未明确说明，可能涉及计算成本增加或超参数调整等问题	提高深度神经网络的泛化能力	深度神经网络，图像分类和自然语言处理任务	机器学习	NA	NA	NA	图像, 文本	NA	NA	NA	测试损失, 准确率	NA
47	2026-10-01	Few-Shot Learning for Cross-Domain Human Activity Recognition Using Wearable Sensors 2026-Jul-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3713678 PMID:42455724	研究论文	提出了一种轻量级跨域小样本传感器人体活动识别网络CFSH-Net，利用小波驱动的深度可分离双边分解作为特征提取器，在少量标注样本下实现跨域活动识别	提出了小波驱动的深度可分离双边分解（WDBD）作为特征提取器，设计了轻量级跨域小样本网络CFSH-Net，无需微调即可适应未见活动和域偏移，仅需少量标注目标样本	摘要中未明确提及局限性	解决传感器人体活动识别中标注数据稀缺和域偏移问题，实现跨域小样本活动识别	基于可穿戴传感器的人体活动识别数据	机器学习	NA	可穿戴传感器	CNN	传感器时序数据	六个公开基准数据集（OPPORTUNITY、PAMAP2、UCI-HAR、WISDM、WISDM2019、USC-HAD），5-way 5-shot设置	NA	CFSH-Net	准确率	NA
48	2026-10-01	Language Model-Enhanced Geometric Learning for Metalloprotein Pathogenic Mutations 2026-Jul-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3713319 PMID:42447009	研究论文	该研究提出了MetalDiagnosis深度学习框架，结合改进的等变图神经网络与预训练蛋白质语言模型，预测金属结合蛋白中与疾病相关的突变位点	将改进的等变图神经网络与预训练蛋白质语言模型ESM Cambrian相结合，采用滑动窗口策略提取深层上下文语义信息，并通过位置编码和虚拟节点学习全局模式，融合残基和几何层面的序列与结构表示	未明确说明模型的泛化能力、计算成本及在更大规模数据集上的表现，对VUS的重分类仍需进一步实验验证	预测金属蛋白中突变位点的致病性或良性，以助力早期疾病诊断和加速创新药物开发	金属结合蛋白中的错义突变位点及611个意义不明的变异（VUS）	机器学习	NA	NA	等变图神经网络，蛋白质语言模型	序列数据，三维结构数据	611个意义不明的变异（VUS）	NA	等变图神经网络，ESM Cambrian	NA	NA
49	2026-10-01	Cross-Modal Feature Adapter for Few-Shot Human Activity Recognition 2026-Jul-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3710728 PMID:42412658	研究论文	本文提出了一种跨模态特征适配器，利用活动标签文本搜索相关图像构建增强数据集，并微调预训练CLIP图像编码器以对齐图像-传感器配对，用于小样本人体活动识别	引入跨模态数据增强策略，利用活动标签文本作为关键词搜索活动相关图像构建增强数据集；设计了新的跨模态特征适配器，通过可学习的残差比例自适应地混合来自原始零样本CLIP的旧知识和来自小样本训练样本的新知识	未明确提及	解决基于传感器的人体活动识别中传感器数据标注稀缺的问题，特别是在小样本场景下提升识别性能	基于传感器的人体活动识别数据，以及通过文本搜索获取的活动相关图像	机器学习	NA	跨模态数据增强，CLIP预训练模型微调	CLIP	传感器时间序列数据，图像，文本	三个公开HAR基准数据集	NA	CLIP图像编码器，时间序列传感器编码器	NA	NA
50	2026-10-01	LANet: A Lightweight and Accurate Balanced Network Based on State Space Models for Real-Time Semantic Segmentation 2026-Jul-07, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3708426 PMID:42412668	研究论文	本文提出了一种基于状态空间模型的轻量级实时语义分割网络 LANet，通过结合标准卷积与深度可分离卷积、多跳连接瓶颈模块（MSC-B）、金字塔双注意力特征增强模块（FEPDA）以及基于多尺度状态空间模型的特征融合模块（FFMSSM），在保持高精度的同时显著提升推理速度并减少模型参数	提出了一种新颖的轻量级语义分割模型 LANet，融合标准卷积与深度可分离卷积，设计多跳连接瓶颈模块 MSC-B，并引入金字塔双注意力特征增强模块 FEPDA 以及基于多尺度状态空间模型（SSM）的特征融合模块 FFMSSM，以协同平衡模型精度与推理速度	未明确讨论模型在极端资源受限设备上的部署效果，也未与其他最新实时分割方法在更多数据集上进行广泛对比，且需在 RTX 3090 GPU 上验证，可能未涵盖其他硬件平台的适应性	在实时语义分割任务中，解决现有高精度网络参数量大、轻量级网络精度不足的问题，实现精度与速度的平衡	实时语义分割任务，具体如自动驾驶等实际应用场景中的图像	计算机视觉	NA	状态空间模型、深度可分离卷积、注意力机制	CNN、状态空间模型	图像	NA	NA	LANet（包含标准卷积、深度可分离卷积、MSC-B、FEPDA、FFMSSM）	平均交并比（mIoU）、帧率（FPS）、参数量（Parameters）	NVIDIA RTX 3090 GPU
51	2026-10-01	Quantum Rényi α-Entropies for Graph Characterization 2026-Jul-07, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3707970 PMID:42412669	研究论文	本文提出了基于量子Rényi α-熵的新型图核，用于图的结构相似性比较和图特征表征。	首次利用不同阶数的量子Rényi α-熵（从未归一化和归一化拉普拉斯矩阵计算）定义图核，并证明这些熵由不同子结构的频率和度统计决定，兼具高效性、理论基础和可解释性。	未明确讨论熵阶数选择对性能的影响，对超参数调优的敏感性分析不足。	解决图结构相似性比较问题，提出高效、可解释且具有理论基础的图核方法，能够表征未标记图的结构。	未标记图（如基准数据集中的图结构）	机器学习	NA	量子Rényi α-熵、拉普拉斯矩阵谱分析、图核方法	NA	图数据	NA	NA	NA	NA	NA
52	2026-10-01	Cross Domain Self-Prompting SAM2 for Intraoperative OCT Video Segmentation 2026-Jul-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3710782 PMID:42412657	研究论文	本文提出了一种跨域自提示SAM2框架，用于实时术中OCT视频分割，无需手动提示即可自动分割视网膜手术中的器械和组织	首次提出基于SAM2的框架，实现真实玻璃体视网膜iCOT视频的全自动分割，无需手动提示；引入跨域伪掩码生成器，将大规模临床OCT数据集的知识迁移到标注稀缺的iCOT域	未明确提及局限性，但可能依赖于跨域知识迁移的效果，且仅在两个数据集上进行了验证	实现术中OCT视频的实时自动分割，以估计手术器械与视网膜表面的距离，提高手术安全性	玻璃体视网膜手术中的iCOT视频	计算机视觉, 医学图像分割	视网膜疾病, 眼科疾病	术中光学相干断层扫描 (iCOT), 深度学习	SAM2	视频	两个来自真实玻璃体视网膜手术的iCOT数据集，具体样本数量未提及	NA	SAM2	平均Dice分数, 工具到视网膜距离的平均误差	NA
53	2026-10-01	scVAEAT: An Integrative Attention-Augmented Variational Autoencoder for Predicting Single-Cell Perturbation Responses 2026-Jul-07, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3710792 PMID:42412677	研究论文	本文提出了 scVAEAT，一种整合变分自编码器与注意力增强最优传输的深度学习框架，用于从单细胞RNA测序数据预测单细胞扰动响应	引入两个关键创新：1）注意力增强编码模块，通过结合全局和局部注意力机制捕捉多尺度特征表示；2）基于注意力的最优传输策略，无需配对数据即可对齐未扰动和扰动细胞状态	未明确提及	从标准单细胞RNA测序数据预测单细胞扰动响应，以理解细胞对遗传或环境扰动的响应机制，推动疾病机制解析和精准医学发展	人类外周血单核细胞（PBMC）和肠道上皮细胞	机器学习	NA	单细胞RNA测序（scRNA-seq）	变分自编码器（VAE）	单细胞RNA测序数据	未明确提及	NA	变分自编码器（VAE）, 注意力机制, 最优传输（OT）	平均R分数	NA
54	2026-10-01	Capturing omega sign in the clinical assessment of depression by deep learning 2026-Jul-07, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04245-6 PMID:42414259	研究论文	该研究利用深度学习技术，通过中性照片和访谈视频对抑郁症患者的静态和动态omega征进行数字评估。	首次将深度学习应用于捕捉抑郁症临床评估中的omega征，包括静态和动态特征，并开发了自动预测模型。	静态omega征与MDD的关联仅为边缘显著（P=0.06），样本量有限，未提及模型性能细节如准确率等。	研究利用深度学习进行数字评估，以捕捉抑郁症的静态和动态omega征，辅助临床评估。	重性抑郁障碍患者和年龄性别匹配的对照组受试者。	数字病理学	抑郁症	深度学习	深度残差学习模型	图像和视频	252名MDD受试者和192名对照受试者，总计444名参与者	NA	ResNet	NA	NA
55	2026-10-01	Stomatalia: a deep learning-based platform for quantitative stomata and pavement cell analysis 2026-Jul-07, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01568-9 PMID:42415050	研究论文	该研究开发了Stomatalia，一个基于深度学习的平台，用于自动化定量分析植物叶片表皮的气孔和铺面细胞特征	开发了一个用户友好的深度学习平台Stomatalia，结合快速微损叶片印迹协议（40-100秒内生成叶片表面负印迹），通过实例分割算法自动检测、计数和计算气孔与铺面细胞的多种形态学和整合性表皮参数，实现高通量表型分析	平台在双子叶植物高质量叶片印迹图像上表现最佳，在单子叶植物中气孔检测性能更具可变性；铺面细胞分割仍依赖于物种和结构；对单子叶植物或高度分化物种的稳健铺面细胞分割需要进一步注释和模型重新训练	自动化并标准化气孔和铺面细胞特征的定量分析，以支持大规模表型分析，促进将表皮形态学整合到作物改良流程中，开发具有优化气孔模式的气候适应性品种	栽培和野生马铃薯及番茄基因型的表皮图像（在最优和非生物胁迫条件下生长），以及春季洋葱、鹰嘴豆、香脂杨和小麦的跨物种可行性测试	计算机视觉	NA	深度学习实例分割，明场显微镜成像，叶片印迹法	实例分割深度学习算法	图像	独立数据集评估（具体样本量未在摘要中说明），马铃薯植物概念验证试验（最优灌溉和长期渐进干旱条件）	NA	实例分割模型	F1分数（0.86-0.94，取决于图像尺度、物种和分辨率），分割重叠度	NA
56	2026-10-01	Hierarchical multi-instance learning for targeted triage and classification of common left-to-right shunt lesions from echocardiography videos 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02544-4 PMID:42410361	研究论文	该研究开发了基于视频的深度学习网络EchoHMIL，用于超声心动图视频中常见左向右分流病变的检查级靶向分诊和亚型分类	提出了超声心动图分层多实例学习网络（EchoHMIL），采用时空骨干网络编码视频片段，并通过基于注意力的多实例学习聚合可变数量的片段形成检查级表示；设计了分层双头结构配合门控多任务目标，同时实现正常与靶向分流病变的判别以及VSD/ASD/PDA亚型分类	仅在闭集目标病变设置下验证，未涵盖复杂先心病、混合型、术后及分布外异常；需要前瞻性多中心验证才能推广至一般先心病筛查或常规临床部署	开发自动化方法，从常规超声心动图视频中实现常见左向右分流病变的检查级靶向分诊和亚型分类	2373例超声心动图检查（800例正常、493例VSD、751例ASD、329例PDA），来自新疆医科大学第一附属医院	计算机视觉, 医学影像分析	先天性心脏病, 室间隔缺损, 房间隔缺损, 动脉导管未闭	经胸超声心动图	深度学习, 多实例学习, 注意力机制	视频	2373例超声心动图检查（800例正常、493例VSD、751例ASD、329例PDA），测试集475例	NA	EchoHMIL（时空骨干网络+注意力多实例学习+分层双头结构）	AUC, 灵敏度, 特异度, 准确率, macro-F1	NA
57	2026-10-01	Multisequence MRI and clinical data-based deep learning radiomics model for predicting adjacent segment degeneration post-lumbar fusion: a retrospective multicenter study 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02468-z PMID:42410387	研究论文	该研究开发了一种整合临床数据、深度学习和多序列MRI影像组学特征的模型，用于预测腰椎融合术后邻近节段退变（ASDeg）的高风险患者	首次将Vision Transformer 3D模型架构应用于多序列MRI影像组学分析，并结合临床数据构建联合模型预测腰椎融合术后ASDeg，性能优于脊柱外科医生的联合预测	外部测试队列样本量较小（n=30），且为回顾性研究设计，可能存在选择偏倚	开发并验证一个基于多序列MRI和临床数据的深度学习影像组学模型，用于术前预测腰椎融合术后邻近节段退变的高风险患者	接受腰椎融合术并在术前进行腰椎MRI检查的患者	数字病理学	腰椎退行性疾病	多序列磁共振成像（MRI）	Vision Transformer, 逻辑回归, 支持向量机, AdaBoost, 梯度提升机	图像, 文本	305例患者（训练集192例，内部验证集83例，外部测试集30例）	NA	Vision Transformer 3D	AUC, 校准曲线, 决策曲线分析	NA
58	2026-10-01	Physics-guided framework for climate dependent disease prediction: coupling compartment model with deep learning 2026-Jul-06, BMC public health IF:3.5Q1 DOI:10.1186/s12889-026-28326-9 PMID:42410396	研究论文	该研究提出了一种物理引导框架，将房室模型与深度学习耦合，用于气候依赖性疾病（如流感样疾病）的预测	利用物理信息神经网络学习微分方程约束下的动力学知识，并通过物理引导表示对齐机制嵌入LSTM，实现领域知识与多源数据联合驱动的预测，同时通过符号回归导出传播率与气候因素的显式函数关系	未明确提及研究的局限性	开发一种物理引导框架，结合房室模型的动力学知识和深度学习的多源数据学习与表示能力，以提高气候依赖性疾病的预测准确性	中国甘肃省兰州市和中国陕西省西安市的流感样疾病病例及气候数据	机器学习	流感样疾病	物理信息神经网络（PINN）、长短期记忆网络（LSTM）、符号回归	PINN、LSTM	时间序列数据（病例和气候数据）	NA	NA	PINN、LSTM	NRMSE、SMAPE、ND、MAPE、PCC	NA
59	2026-10-01	Enhancing Volumetric Imaging in Linear-Array Photoacoustic Tomography: multiview fusion with deep learning 2026-Jul-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3709999 PMID:42397995	研究论文	本文提出了一种基于模型的深度学习框架MV-FISTA-Net，通过展开FISTA算法并融合多视角扫描信息，以提升线性阵列光声断层扫描的三维成像分辨率	提出3D MV-FISTA-Net，将FISTA算法展开为可学习的3D架构，并整合多视角升降扫描信息；设计两阶段训练策略，先在合成数据上预训练，再在合成与实验数据混合上微调，以弥合合成数据与真实数据之间的差距	未明确提及	解决线性阵列光声断层扫描中三维成像各向异性空间分辨率问题，特别是升降分辨率远差于轴向和横向分辨率的问题	线性阵列光声断层扫描（PACT）的三维体积成像	计算机视觉	NA	光声断层扫描（PACT）、多视角融合	基于模型的深度学习（展开FISTA）	图像（仿真、体模、在体人类数据集）	NA	NA	MV-FISTA-Net（3D展开FISTA网络）	分辨率提升倍数、推理时间	NA
60	2026-10-01	Improving pancreatic adenocarcinoma prognosis models through ligand receptor interactions and histopathological integration 2026-Jul-03, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08572-6 PMID:42399741	研究论文	该研究通过整合配体-受体相互作用、多组学数据和基于深度学习的病理图像，构建了胰腺腺癌的可解释多模态预后模型，并揭示了癌症相关成纤维细胞微环境的机制。	建立了首个整合配体-受体相互作用和组织病理学特征的多模态预后框架，揭示了CAF介导的配体-受体信号在重塑PAAD微环境中的核心作用。	摘要中未明确提及研究的局限性。	整合配体-受体相互作用、多组学数据和深度学习病理图像，构建可解释的多模态预后模型，并阐明癌症相关成纤维细胞微环境的机制。	胰腺腺癌患者样本，包括39对临床标本和公共多组学数据。	数字病理学	胰腺癌	BulkSignalR、单细胞转录组学、空间转录组学、免疫荧光、苏木精-伊红染色全切片图像、深度学习	Cox比例风险模型、LASSO-Cox、随机生存森林、深度学习	图像、文本	39对临床标本	NA	NA	NA	NA