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
701	2026-07-10	High Throughput In vivo Imaging; A Pipeline for Automated Analysis of Longitudinal Preclinical Studies 2026-Jul, Current protocols DOI:10.1002/cpz1.70414 PMID:42418308	研究论文	本文介绍了一种用于纵向临床前研究的高通量体内成像自动分析流程	提出端到端的自动分析流程，结合深度学习方法进行分割和报告，大幅减少手动分析的工作量和变异性	协议主要基于PET-CT案例展示，可能在其他成像模式或更大规模研究中需要调整	加速临床前验证中图像处理和分析的效率与一致性	小动物成像数据（纵向PET-CT图像）	计算机视觉	NA	PET-CT成像	深度学习	图像（PET-CT）	未明确提及	NA	NA	NA	NA
702	2026-07-10	What will be the future of computational biology for macromolecules in the era of AI? 2026-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014467 PMID:42418429	评论	探讨人工智能时代大分子计算生物学的未来发展方向与挑战	通过回顾近五年进展与机器学习趋势，前瞻性地提出准确性、自动化、集成性和可解释性等关键挑战	对未来预测存在不确定性，可能陷入平台期或由通用AI完全接管，缺乏具体实验验证	分析大分子计算生物学在AI影响下的未来重点问题和研究方向	大分子计算生物学的进展趋势和机器学习应用	机器学习	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	T检验残差	NA
703	2026-07-10	Robust and interpretable tabular data classification via multi-channel image conversion and channel-wise gating 2026-Jul-01, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109316 PMID:42419254	研究论文	提出了一种基于多通道图像转换和通道门控机制的CNN框架TabGCNet，用于异构表格数据的分类，实现高效预测与内在特征级可解释性	提出参数无关的Tab2MI模块，将每个特征值（数值型、类别型、缺失值）映射到专属图像通道，无需辅助编码或空间布局搜索；引入可学习的通道门控层，在浅卷积网络前进行通道重加权，同时生成列级重要性分数，实现内在可解释性	实验仅在表格数据集上验证，未涉及其他数据类型；方法依赖CNN结构，可能对极端大规模数据或非线性复杂关联的处理能力有限	解决深度学习在处理异构表格数据时的特征表达性与可靠性挑战，实现高效且可解释的分类	异构表格数据（包含数值、类别和缺失值）的分类任务	机器学习	NA	NA	CNN（卷积神经网络）	表格数据（数值型、类别型、缺失值）	10个公开表格数据集	NA	TabGCNet（包含Tab2MI模块和GCNet模块）	分类准确度、鲁棒性（标签保持扰动）、特征排序一致性	NA
704	2026-07-10	Prediction of PD-L1 expression in nonsmall cell lung cancer using artificial intelligence models based on radiomics: a systematic review and meta-analysis 2026-Jul, European respiratory review : an official journal of the European Respiratory Society IF:9.0Q1 DOI:10.1183/16000617.0299-2025 PMID:42419776	meta-analysis	通过系统回顾和荟萃分析，评估基于影像组学的人工智能模型在预测非小细胞肺癌PD-L1表达中的表现	首次系统比较影像模态和算法模型对PD-L1表达预测效果的影响，并识别出影响预测性能的关键因素	纳入的研究数量有限（35篇），可能受出版偏倚影响，且不同研究间存在异质性	评估基于影像组学的人工智能模型预测非小细胞肺癌PD-L1表达的准确性和影响因素	非小细胞肺癌患者的PD-L1表达状态（通过TPS1和TPS50分组）	计算机视觉，放射组学	非小细胞肺癌	影像组学	机器学习，深度学习	影像数据（CT、18F-FDG PET/CT）	35篇研究	R	NA	曲线下面积（AUC）	NA
705	2026-07-10	Revolutionizing Nutrition Care: The Role of Artificial Intelligence in Personalized Nutrition 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71281 PMID:42422973	综述	本文回顾了人工智能在个性化营养中通过整合多模态健康数据提供定制化饮食指导的作用	系统梳理了机器学习、深度学习、自然语言处理和强化学习等多种AI方法在个性化营养中的应用，并强调了多组学整合与可解释AI模型等未来机遇	当前限制了AI驱动的营养建议广泛采用的主要挑战被提及，但未详细展开	评估人工智能在个性化营养中的应用及其对疾病预防和实时营养监测的潜力	个性化营养中的AI方法及多模态健康数据	机器学习	营养相关疾病	NA	机器学习、深度学习、自然语言处理、强化学习	组学数据、可穿戴设备数据、电子健康记录	NA	NA	NA	NA	NA
706	2026-07-07	Vessel Wall Imaging in 1.5 T MRI Using Deep Learning Reconstruction: Prospective Evaluation of Interchangeability With Standard 3 T MRI 2026-Jul-07, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001290 PMID:42403272	研究论文	本研究前瞻性评估了基于深度学习重建的1.5 T MRI与标准3 T MRI在血管壁成像中的可互换性	首次验证深度学习重建技术可使1.5 T MRI实现与3 T MRI等效的颅内血管壁成像，显著提升临床可及性	1.5 T图像质量和诊断置信度仍略低于3 T，且样本量较小（50例）	评估1.5 T MRI结合深度学习重建的血管壁成像序列与3 T MRI标准序列的可互换性	颅内血管壁病变患者	计算机视觉	脑血管疾病	MRI血管壁成像	深度学习重建模型	图像	50名参与者（平均年龄42.6岁，52%为男性）	NA	深度学习重建架构（未具体说明）	Fleiss kappa、互换性指数(IEI)、5点Likert量表评分	NA
707	2026-07-07	Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform 2026-Jul-06, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag120 PMID:42089266	研究论文	介绍LabGym平台，一种基于AI的开源工具，用于自动分析秀丽隐杆线虫行为	提供一种基于AI的开源平台，能够自动分类和量化多虫视频中多种用户定义的线虫运动行为参数，且具有高准确性	未在文中明确提及	开发并验证一个用于高效分析秀丽隐杆线虫行为的AI平台	秀丽隐杆线虫（C. elegans）的运动行为	计算机视觉	NA	视频摄像、深度学习	深度学习模型	视频数据	多虫视频，具体数量未明确提及	NA	NA	准确性	NA
708	2026-07-07	On the use of generative models for demographic inference in malaria vectors from genomic data 2026-Jul-06, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag114 PMID:42132223	研究论文	应用生成式深度学习算法推断疟疾媒介按蚊的联合进化历史	首次将生成式深度学习算法应用于疟疾媒介按蚊的种群历史推断，并开发了模型选择方法来区分不同进化模型	NA	利用生成式深度学习推断疟疾媒介按蚊的种群历史，包括种群大小变化、迁移模式及自然选择	冈比亚按蚊种群（来自几内亚和布基纳法索的样本）	机器学习	疟疾	基因组测序	生成式深度学习模型	基因组数据	两个按蚊种群（几内亚和布基纳法索）	NA	生成对抗网络	NA	NA
709	2026-07-07	A multi-scale graph frequency network for structural and functional region analysis in spatial transcriptomics 2026-Jul-06, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-026-01960-7 PMID:42402496	研究论文	提出一种多尺度图频率网络（SGFN），整合图信号处理、图注意力与对比学习，用于空间转录组学中结构与功能区域的分析	通过频域增强模块利用拉普拉斯特征基将空间图分解为多尺度谱分量，并辅以自适应小波去噪，实现可解释的频域表示与数据驱动学习的统一框架	NA	开发统一的计算框架，以解码空间转录组学中组织结构与分子异质性	多个生物系统，包括人脑、小鼠脑、乳腺癌、胚胎发育及多种肿瘤样本	数字病理学	乳腺癌、头颈部血管肉瘤、脑转移瘤	空间转录组学	图神经网络	空间转录组数据	涉及人类背外侧前额叶皮层、小鼠脑、人乳腺癌、osmFISH、MERFISH、STARmap、小鼠胚胎发育、头颈部血管肉瘤及脑转移等多种数据集	NA	图频率网络	基线方法比较中的改进或竞争力性能	NA
710	2026-07-07	GAN-Augmented Radiomics and Machine Learning for Post-Therapy GBM Progression Assessment 2026-Jul-06, Journal of Korean Neurosurgical Society IF:1.4Q3 DOI:10.3340/jkns.2026.0075 PMID:42403175	研究论文	提出一个融合传统影像组学、深度学习特征和生成建模的AI框架，以增强胶质母细胞瘤治疗后真性进展与假性进展的区分准确性	创新性地结合了手工影像组学、基于Vision Transformer的深度特征以及条件表格生成对抗网络（CT-GAN）进行数据增强，并采用变分自编码器结合主成分分析的两阶段降维方法	样本量较小（58例患者），且缺乏外部验证，未来需进一步验证以确认临床转化潜力	在神经肿瘤学中，准确、非侵入性地区分胶质母细胞瘤治疗后的真性进展与假性进展，以指导治疗决策并改善患者预后	58例胶质母细胞瘤患者（41例真性进展，17例假性进展）的多参数MRI数据（T1、T2、FLAIR、T1GD）	数字病理学	胶质母细胞瘤	多参数MRI	支持向量机、随机森林、XGBoost、多层感知器、Vision Transformer、条件表格生成对抗网络、变分自编码器	影像数据	58例胶质母细胞瘤患者（41例真性进展，17例假性进展）	未知	Vision Transformer、CT-GAN、VAE、PCA、SVM、Random Forest、XGBoost、MLP	准确率、AUC	未知
711	2026-07-07	ECG arrhythmia classification via wavelet-driven feature extraction and swarm-optimised gradient boosting 2026-Jul-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111839 PMID:42402238	研究论文	本文提出一种结合离散小波变换特征提取与人工蜂群优化极限梯度提升的轻量级心电图心律失常分类框架	首次将离散小波变换统计特征、心电图形态描述符与人工蜂群优化的XGBoost结合，在无GPU依赖下实现高精度心律失常分类	未在更大规模多样化数据集上验证，且未与其他先进深度学习模型在计算效率上做详细对比	开发一种高效且无需GPU的轻量级心电图心律失常分类方法	MIT-BIH心律失常数据库中的100674个心电图心跳样本	机器学习	心血管疾病	心电图信号处理	XGBoost	时间序列信号	100674个心电图心跳样本，分为5个AAMI类别	Scikit-learn, XGBoost	极限梯度提升机（XGBM）	准确率、宏F1分数、宏AUC、马修斯相关系数、G-Mean	无GPU依赖，单样本时间复杂度1.0ms
712	2026-07-07	Automatic prediction of cotton leaf's diseases using deep learning techniques 2026-Jul-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60523-9 PMID:42402658	研究论文	提出了一种基于深度学习的棉花叶病害自动预测模型CLDP-CNN，使用迁移学习在两个数据集上实现了高准确率检测	优化了迁移学习模型CLDP-CNN，通过预训练深度神经网络增强特征提取和分类效率，并开发了实时更新的网络应用以辅助棉农决策	模型在真实田间条件下的泛化能力仍有限，且依赖高质量的预处理和数据集	开发并优化基于迁移学习的卷积神经网络自动预测棉花叶病害	棉花叶片病害，包括细菌性枯萎病、镰刀菌枯萎病和卷叶病毒病	计算机视觉	棉花叶病害	迁移动学习	卷积神经网络	图像	两个数据集：来自棉田的实地图像数据集和Kaggle来源的数据集	NA	CLDP-CNN, VGG16	准确率	NA
713	2026-07-07	Deep Learning for Quality Control and Multimodal Integration of Shear Wave Elastography in Breast Lesion Characterization 2026-Jul-05, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70351 PMID:42403003	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
714	2026-07-07	Multi-View Fused Nonnegative Matrix Completion Methods for Drug-Target Interaction Prediction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3589662 PMID:40668724	研究论文	提出两种多视图融合非负矩阵补全方法，用于药物-靶标相互作用预测，整合多生物视图的异质性相似性信息以提高预测的准确性、可解释性和可扩展性	首次将非负矩阵补全与多视图融合机制结合，通过线性约束二次规划联合学习多个药物和靶标相似性矩阵的权重，并引入多图拉普拉斯正则化保持各视图结构属性	未明确讨论方法的局限性	提高药物-靶标相互作用预测的准确性、可解释性和可扩展性	药物-靶标相互作用（DTI）	机器学习	NA	NA	非负矩阵补全	药物和靶标的相似性矩阵数据	四个黄金标准数据集和一个更大规模的真实世界数据集	NA	非负矩阵补全、多视图融合、多图拉普拉斯正则化	准确性、可解释性、可扩展性	NA
715	2026-07-07	Geometric Deep Learning for Protein-Ligand Affinity Prediction With Hybrid Message Passing Strategies 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3594210 PMID:40748800	研究论文	提出一种名为HybridGeo的几何深度学习方法，利用混合消息传递策略进行蛋白质-配体亲和力预测	采用双视图图学习建模分子内和分子间原子相互作用，并提出混合策略聚合空间信息；在蛋白质口袋残基尺度图上使用几何图变换器建模残基间依赖关系	未明确说明局限性	提高蛋白质-配体亲和力预测的准确性，解决低维方法忽略三维几何特征的问题	蛋白质和配体的三维几何结构及其结合亲和力	机器学习	NA	NA	图神经网络、几何图变换器	三维几何结构数据	PDBbind数据集，三个外部测试集	NA	HybridGeo、几何图变换器	均方根误差	NA
716	2026-07-07	Leveraging Swin Transformer for Enhanced Diagnosis of Alzheimer's Disease Using Multi-Shell Diffusion MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3636745 PMID:41284461	研究论文	利用Swin Transformer在多壳扩散MRI数据上增强阿尔茨海默病的诊断	首次将Swin Transformer应用于多壳扩散MRI数据，并结合低秩适应（LoRA）技术以高效适应有限的标记神经影像数据	依赖多壳扩散MRI特征，且样本量可能有限，未提及跨数据集验证	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测	阿尔茨海默病、轻度认知障碍、淀粉样蛋白状态	计算机视觉, 数字病理学	阿尔茨海默病	扩散MRI, DTI, NODDI	Swin Transformer	图像（2D投影）	未明确说明	PyTorch	Swin Transformer	平衡准确率	NA
717	2026-07-07	Cross-Modality Image Registration via Generating Aligned Image Using Reference-Augmented Framework 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642431 PMID:41370158	研究论文	提出一种基于参考增强框架的跨模态图像配准方法，通过生成对齐图像实现	首次提出“通过生成进行配准”框架，结合半全局参考增强合成网络与变形感知交叉注意力机制，实现无需预对齐数据的自监督训练	论文未明确指出本方法的局限性，可能包括对高度非线性形变的处理能力有限或计算资源需求较高	解决跨模态图像（如MR-CT、CBCT-CT）配准中结构对齐与纹理保留的难题	跨模态医学图像对，涉及MR-CT、CBCT-CT等模态组合	计算机视觉，数字病理学	不适用	不适用	深度学习	图像	使用多个未对齐数据集及一个已对齐数据集进行模拟测试，具体样本数量未提及	PyTorch	Patch Adaptive Instance Normalization (PAdaIN), Deformation-Aware Cross-Attention (DACA) block	结构对齐指标，分布一致性指标	不适用
718	2026-07-07	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	提出增强扩散后验采样框架，用于儿科低剂量CT图像去噪，提升泛化能力与结构保真度	结合单步去噪U-Net和无条件扩散模型，通过可调权重整合结构约束与先验分布，并引入中间阶段初始化策略减少采样步数	未提及在更大规模临床数据或多中心验证中的表现，以及计算资源需求的具体评估	实现临床可泛化的低剂量CT去噪方法，特别面向儿科影像以减少辐射剂量	儿科患者全身PET/CT影像中的低剂量CT图像	计算机视觉	儿科疾病	CT成像	U-Net和无条件扩散模型	图像	NA	NA	U-Net, 扩散模型	PSNR	NA
719	2026-07-07	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出基于图注意力融合与KAN网络的药物-基因相互作用预测方法（dgKAN），通过解析异构注意力机制提升预测性能	首次将KAN网络应用于药物-基因相互作用预测，通过可解释的样条函数建模跨域信息流，并联合动态注意力采样与Transformer-GNN混合架构实现全局与局部注意力融合	NA	预测药物-基因新型相互作用，支持疾病治疗的药物开发	药物与基因之间的相互作用关系	机器学习	NA	NA	图注意力网络、Transformer、KAN	图结构数据	NA	PyTorch	TransGNN、KAN	NA	NA
720	2026-07-07	Toward Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644692 PMID:41396745	研究论文	本文提出VOQANet和VOQANet+深度学习框架，通过结合语音基础模型嵌入和低层声学描述符实现鲁棒的病理语音质量评估	首次将自监督语音基础模型嵌入与低层声学描述符（jitter、shimmer、HNR）结合，并引入注意力机制，同时在元音级和句子级语音上评估模型泛化能力	未提及具体局限性信息	实现客观、鲁棒的病理语音质量自动评估，克服传统专家评分的主观性和变异性	病态语音信号（包括元音级和句子级语音）	自然语言处理, 机器学习	嗓音障碍	深度学习, 自监督学习, 声学分析	VOQANet, VOQANet+	语音	未明确提及样本数量，包含元音级和句子级语音数据	PyTorch	注意力机制, 语音基础模型嵌入	均方根误差, 皮尔逊相关系数	NA