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	2026-07-15	Vibrational Spectroscopy of Clinical Biofluids: Advances in FTIR and Raman-Based Biomarker Discovery for Disease Diagnosis and Monitoring 2026-Jul-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2026.2702636 PMID:42439220	综述	综述傅里叶变换红外光谱和拉曼光谱在临床生物流体诊断中的进展，涵盖从光谱采集到机器学习分类的完整流程	系统总结了五种临床生物流体的振动光谱诊断能力，强调了表面增强拉曼光谱的飞摩尔灵敏度和深度学习在多重分类中的优势	多中心临床投资是实现一线诊断工具的主要障碍，尚未解决仪器间变异性和分析前不可重复性等实际问题	评估振动光谱作为疾病诊断和监测工具的临床转化潜力	血清、尿液、唾液、脑脊液和泪液等临床生物流体	机器学习	癌症、神经退行性疾病、代谢性疾病、感染性疾病、肾脏疾病	FTIR光谱、拉曼光谱、ATR-FTIR、表面增强拉曼光谱、FT-拉曼	深度学习	光谱数据	NA	NA	NA	诊断准确率	便携式仪器、微流控基板、联邦学习、开放光谱数据库
82	2026-07-15	Label-Free Prediction of EGFR Mutation Status Using Fluorescence Lifetime Imaging and Deep Learning in Lung Adenocarcinoma 2026-Jul-13, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-5589 PMID:42439806	研究论文	利用荧光寿命成像和深度学习无标记预测肺腺癌EGFR突变状态	首次提出基于深度学习的无标记、非破坏性方法，利用荧光寿命成像实现快速准确预测EGFR突变，无需组织染色和分子检测	未提及具体限制	开发非破坏性、无需标记的深度学习方法，从荧光寿命成像中快速准确预测非小细胞肺癌的EGFR突变状态	肺腺癌患者的荧光寿命成像图像	数字病理学、机器学习	肺癌	荧光寿命成像	深度学习	图像	未明确说明样本数量	NA	NA	受试者工作特征曲线下面积（AUC）	NA
83	2026-07-15	Evaluation of deep learning-based reconstruction models on non-TOF BGO PET/CT: impact of acquisition times and BSREM penalization factors on lesion detectability and SNR 2026-Jul-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00919-8 PMID:42437412	研究论文	评估基于深度学习的重建模型在非TOF BGO PET/CT中的表现，研究采集时间和BSREM惩罚因子对病变可检测性和信噪比的影响	系统研究了DLb-TOF模型在不同采集时间和β值下对信噪比和病变可检测性的最佳平衡，填补了相关领域缺乏系统性研究的空白	仅涉及20名患者且使用固定注射剂量，DLb-TOF模型种类有限，未考虑其他临床因素和不同示踪剂的影响	优化临床协议，评估采集时间、信噪比和病变可检测性之间的权衡关系	20名接受[18F]FDG PET扫描的患者，每个患者有肝脏和两个活跃病变的兴趣区域	医学图像处理, 深度学习	NA	PET/CT, 深度学习重建	DLb-TOF模型（低、中、高三个变体）	医学图像	20名患者	NA	基于深度学习的TOF重建模型（BSREM框架）	信噪比（SNR），病变可检测性（SUVpeak_tumor/SUVpeak_liver）	NA
84	2026-07-15	Automated Ventricle Assessment via Three-dimensional Anatomical Reconstruction (AVA-TAR): a computational toolkit for autonomous lateral ventricle assessment in preclinical hydrocephalus models 2026-Jul-10, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122124 PMID:42431564	研究论文	开发并验证了一个用于啮齿动物脑部MRI侧脑室自动分割和三维形态分析的深度学习工具	首次提出基于U-Net++架构和不同编码器骨干网络的自动侧脑室分割方法，并结合三维重建和形态学分析，形成完整的自动化评估流程	未提及外部验证和跨物种泛化能力，且模型主要针对形态正常样本，对严重畸变脑室的适用性需进一步验证	开发一种用于脑积水临床前研究的侧脑室自动分割和形态分析工具	343张啮齿动物脑部MRI图像（298张大鼠，45张小鼠），每个图像带有手动分割的侧脑室金标准	机器学习	脑积水	MRI	U-Net++	图像	343张啮齿动物脑部MRI图像（298张大鼠，45张小鼠）	NA	U-Net++, EfficientNet-B1	Dice系数, 95百分位Hausdorff距离, Pearson相关系数, 组内相关系数	NA
85	2026-07-15	RMAF: A deep learning-based framework for automatic assessment of spinal cord injured rats locomotor performance using the horizontal ladder test 2026-Jul-09, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2026.116362 PMID:42425175	研究论文	提出一种基于深度学习的框架RMAF，用于自动评估脊髓损伤大鼠在水平梯测试中的运动表现	将大鼠检测、运动分类和运动能力评分整合到一个端到端管道中，结合YOLOv4目标检测与ResNet-LSTM时序运动分析	研究局限于大鼠模型，尚未在更广泛的动物模型或临床环境中验证	开发一种高效、客观且可复现的自动评估方法，以辅助脊髓损伤的临床前研究	脊髓损伤大鼠的运动恢复行为	计算机视觉, 机器学习	脊髓损伤	视频分析, 目标检测, 时序分析	YOLOv4, ResNet, LSTM	视频	NA	PyTorch	YOLOv4, ResNet-LSTM	准确性, 客观性, 可复现性	NA
86	2026-07-15	A De Novo CO2 Reductase Featuring a Cysteine-Ligated Cobalt Porphyrin Cofactor 2026-Jul-09, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c07615 PMID:42425911	研究论文	利用深度学习蛋白质设计方法开发具有半胱氨酸配位钴卟啉辅因子的高稳定性CO还原酶	首次通过深度学习蛋白质设计方法构建含半胱氨酸配位钴卟啉辅因子的高稳定性CO还原酶，实现高效光催化CO还原并抑制竞争性氢析出反应	未明确提及局限性	开发人工CO还原酶以激活惰性小分子CO	含钴原卟啉IX辅因子的超热稳定CO还原酶	机器学习	NA	深度学习蛋白质设计, 光催化, X射线晶体学	深度学习模型	蛋白质结构数据	两种半胱氨酸配位设计	NA	NA	催化转化数, 反应速率	NA
87	2026-07-15	Context-Aware Multilevel Classification of Semantic Relations in Drug-Adverse Drug Reaction (ADR) Networks-Predicting Drug-Induced Liver Injury (DILI) as a Case Study 2026-Jul-08, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00252 PMID:42419714	研究论文	提出一种层次化、上下文感知的知识图谱模型（以药物性肝损伤为例）预测药物不良反应	将翻译法和路径法结合，利用路径束作为图基本单元，并通过多层次统计建模考虑不同不良反应上下文和知识图谱中不同关系的依赖关系	对此外部数据集（如DeepDILI测试集）的评估显示组合模型虽能挽救部分假阴性但增加了有限假阳性	预测药物性肝损伤风险	药物	机器学习	药物性肝损伤	知识图谱建模	多层次知识图谱模型	结构化数据（知识图谱）	FDA DILIrank数据集（包括DILI阳性和阴性药物），另外以DeepDILI测试集的130种化合物子集进行验证	PyTorch	NA	AUC, 马修斯相关系数	NA
88	2026-07-15	Magnetic Resonance Imaging-Based Artificial Intelligence in Predicting Prostate Cancer Biochemical Recurrence: Systematic Review and Meta-Analysis 2026-Jul-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85360 PMID:42412916	系统性综述与荟萃分析	本研究系统评估了基于磁共振成像的人工智能模型预测前列腺癌生化复发的诊断性能	首次实现了内部与外部验证队列中基于磁共振成像的人工智能模型性能的定量直接比较，全面评估了不同治疗模式下的人工智能性能，并整合了机器学习和深度学习方法	当前研究常缺乏多中心外部验证、样本量有限、存在显著的模型间变异性和过拟合问题	全面评估基于磁共振成像的人工智能模型预测前列腺癌生化复发的诊断性能	前列腺癌患者	机器学习	前列腺癌	磁共振成像	医疗神经网络、极端梯度提升、多核学习、支持向量机	图像	28项研究，内部验证2623名患者，外部验证1134名患者	NA	医疗神经网络、极端梯度提升、多核学习、支持向量机	敏感度、特异度、曲线下面积、诊断优势比	NA
89	2026-07-15	High-resolution mri guided whole mouse brain neuronal cell type atlas using deep learning 2026-Jul-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10608-y PMID:42414549	研究论文	提出一种结合高扩散磁共振成像和光片显微镜的多模态框架，通过深度学习生成成年小鼠全脑神经元细胞类型图谱	首次利用高分辨率扩散磁共振成像与空间转录组学结合，通过深度学习预测全脑神经元细胞类型，实现10微米各向同性分辨率	仅基于成年小鼠脑部数据，未涉及人类或其他物种，且深度学习模型对细胞类型预测的准确性需进一步验证	开发高效的全脑神经元细胞类型图谱生成策略，揭示扩散磁共振成像对细胞类型的预测能力	成年小鼠全脑神经元细胞类型	数字病理学, 机器学习	神经退行性疾病	扩散磁共振成像, 光片显微镜, 空间转录组学	深度学习	图像	多个成年小鼠脑样本	NA	NA	相关性分析指标	未提及
90	2026-07-15	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Jul-06, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ，一个用于分析初级纤毛及纤毛亚域的模块化半自动和全自动分析管线套件	开发了Cilia.AI深度学习模型，实现初级纤毛的自动识别，并构建了多个专用分析管线，整体分析时间缩短约八倍	目前仅兼容Zeiss arivis Pro平台，且对病理条件下的亚域分割仍需少量人工校正	开发高吞吐、可重复的自动分析工具，用于定量研究初级纤毛及亚域，减少用户偏差并加速纤毛病研究	初级纤毛及其亚域（中心粒周围物质、基体、过渡区、纤毛尖端）和纤毛内运输动态	计算机视觉	纤毛病	免疫荧光显微镜	深度学习	图像	NA	Zeiss arivis Pro	Cilia.AI（基于深度学习的卷积神经网络）	分割精度、分析时间缩减比率	NA
91	2026-07-15	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2026-Jul-06, Genome research IF:6.2Q1 DOI:10.1101/gr.281341.125 PMID:42409578	研究论文	提出基于深度学习的AccuSNV工具，用于细菌分离株的高精度单核苷酸变异检测	创新性地利用卷积神经网络整合多样本比对信息，自动学习跨样本模式，替代传统单样本处理与手动过滤，显著提高SNV检测精度	未明确讨论对低深度或极端复杂基因组区域的适用性	开发高精度、自动化的细菌SNV检测工具	细菌分离株的基因组突变	机器学习	NA	全基因组测序	卷积神经网络	模拟数据与真实细菌基因组数据	模拟数据涵盖6种细菌种，不同测序深度、分离株数量、突变及分歧水平；真实数据集包含多个有已知SNV的细菌数据集	NA	卷积神经网络	准确率、假阳性率、与现有工具比较的性能指标	NA
92	2026-07-15	Advancing bioinformatics with language models: components, applications, and perspectives 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag367 PMID:42430786	综述	综述基于Transformer的语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等生物信息学领域的应用	系统总结了Transformer架构在多种生物数据（如基因组、转录组、蛋白质组）中的分词策略、注意力机制及预训练方法，并提出了下一代生物语言模型的设计原则	未提及具体实验验证或性能比较，仅基于现有文献归纳挑战和未来方向	综述大语言模型在生物信息学中的组件、应用及未来展望	基因组学、转录组学、蛋白质组学、药物发现、单细胞分析	自然语言处理	NA	NA	Transformer	文本、生物序列数据	NA	NA	Transformer	NA	NA
93	2026-07-15	SpaBiT: enhancing spatial transcriptomics resolution via bidirectional attention transformers 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag443 PMID:42391614	研究论文	提出SpaBiT，一种通过双向注意力机制增强空间转录组学分辨率的深度学习框架	首次采用双向交叉注意力模块融合图像特征和邻域感知表示，同时考虑局部形态和空间图谱拓扑的协同约束	未提及具体限制	提高空间转录组学数据的分辨率，生成高保真、高密度的基因表达图谱	空间转录组学数据及其对应的组织图像	数字病理学	NA	空间转录组学测序	Transformer	空间基因表达数据和组织图像	NA	PyTorch	双向交叉注意力模块、图注意力网络（GAT）	各种定量指标（原文未具体列出）	NA
94	2026-07-15	Anxiety detection using neural and physiological signals and artificial intelligence: A comprehensive review 2026-Jul, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2026.106669 PMID:41933676	综述	对使用神经和生理信号及人工智能进行焦虑检测的研究进行了全面综述	系统梳理了2015-2025年间从传统机器学习到深度学习的演变，强调了CNN-LSTM和Transformer等混合模型在多模态数据集成中的前沿地位	依赖有限实验室训练数据集、缺乏标准化验证程序、复杂模型透明度不足，阻碍临床转化	评估机器学习和深度学习技术在焦虑检测中的应用，并指出临床转化差距与未来研究方向	脑电图（EEG）、心电图（ECG）、光电容积描记法（PPG）和皮肤电活动（EDA）信号	机器学习, 数字心理健康	焦虑症	EEG, ECG, PPG, EDA	机器学习, 深度学习, CNN-LSTM, Transformer	神经信号, 生理信号	NA	NA	CNN-LSTM, Transformer	准确率	NA
95	2026-07-15	Bilevel Optimized Implicit Neural Representation for Scan-Specific Accelerated MRI Reconstruction 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3686724 PMID:42019070	研究论文	提出一种双层优化的隐式神经表示方法，用于针对特定扫描的加速MRI重建，无需训练数据即可实现个性化重建	首次将MRI重建问题显式建模为双层优化问题，并通过高斯过程回归自动优化超参数，结合可训练位置编码器和小型多层感知器实现高效重建	仅评估了2D笛卡尔扫描场景，对3D或非笛卡尔采集的适用性未提及；离线优化需数分钟，实时性可能受限	开发无需训练数据、自动优化超参数的MRI重建方法，提升模型泛化能力和加速性能	特定扫描的加速MRI重建问题及超参数优化策略	计算机视觉	NA	MRI	隐式神经表示（INR）	MRI图像（欠采样k空间数据）	NA（未明确说明样本数量，但基于典型2D笛卡尔扫描评估）	PyTorch（-合理推断，因其常用于INR实现）	可训练位置编码器 + 小型多层感知器（MLP）	图像质量（与基于模型和自监督学习方法的比较，未明确定量指标）	NA（仅提及每典型2D扫描需数分钟离线优化，在线重建在数秒内完成）
96	2026-07-15	An Enhanced Machine Learning-Based Multimodal Framework for Seizure Detection Using EEG and MRI Data 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70049 PMID:42273988	研究论文	提出一种基于机器学习的多模态框架，集成脑电图和磁共振成像数据用于癫痫发作检测	创新性地整合特征学习、跨模态融合、不平衡感知分类和置信度校准于同一统一学习管道中	仅针对实验设置进行验证，未提及真实临床环境下的泛化能力评估	解决癫痫发作检测中的类别不平衡和判别特征提取问题，提升诊断准确性	癫痫患者的脑电图和磁共振成像数据	机器学习	癫痫	EEG, MRI	改进激活函数深度卷积神经网络 (IADCNN), 极端梯度提升模型 (CLXGBoost)	图像, 时间序列信号	CHB-MIT 和 NITRC 公开数据集	NA	IADCNN, CLXGBoost	准确率 (99.56%)	NA
97	2026-07-15	An Effective LRSF-DLNN-Based Autism Spectrum Disorder Prediction Using EEG and fMRI 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70047 PMID:42281195	研究论文	提出一种基于LRSF-DLNN的ASD预测方法，利用EEG和fMRI数据实现高效分类	首次将逻辑回归尺度函数与深度神经网络结合构建LRSF-DLNN分类器，并设计余弦巴特沃斯滤波器进行EEG去噪、加权惩罚因子变分模态分解和距离函数绿蟒优化算法进行特征选择	未提及模型在真实临床环境中的泛化能力验证及不同亚型ASD的区分效果	通过融合EEG和fMRI多模态数据实现自闭症谱系障碍的准确早期预测	自闭症谱系障碍患者与健康对照组的脑电信号和功能磁共振成像数据	机器学习	自闭症谱系障碍	EEG、fMRI	逻辑回归尺度函数深度神经网络	EEG信号和fMRI图像	NA	NA	LRSF-DLNN	准确率	NA
98	2026-07-15	Sheep biometric identification based on multiple body parts 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101863 PMID:42398354	研究论文	基于计算机视觉和深度学习技术，利用多个身体部位（面部、背部、腿部）自动识别绵羊个体，并验证组合预测可提高识别准确率	首次在无人干预的饮水场景中，利用多个身体部位（面部、背部、腿部）的视觉特征组合进行绵羊个体识别，并整合视觉耳标识别进一步提升准确率	腿部特征单独识别准确率较低（0.64），组合时仅产生微小且不一致的效果；研究仅基于单一农场的85只绵羊数据，样本量有限	开发自动化的绵羊个体识别系统，验证多身体区域视觉特征组合与视觉耳标识别对识别准确率的提升作用	绵羊个体	计算机视觉	NA	RGB-D成像, 深度学习, 目标检测, 文本识别	卷积神经网络 (CNN), 目标检测模型	图像（RGB-D深度图像）	85只绵羊的287次饮水访问记录	YOLOv8, ResNet50, GLASS	YOLOv8 (用于目标检测), ResNet50 (用于特征提取), GLASS (用于文本识别)	准确率 (accuracy)	Intel RealSense D435 RGB-D相机, Jetson Orin设备
99	2026-07-15	Human-like AI-based auto-field-in-field whole-brain radiotherapy treatment planning with conversation large language model feedback 2026-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70689 PMID:42418216	研究论文	提出了一种结合深度学习超参数预测模型和大语言模型对话界面的自动化全脑放疗计划生成流程	首次将深度学习超参数预测与大语言模型驱动的对话式交互结合，实现全脑放疗计划的自动化生成和交互式优化	研究样本量较小（训练55例，测试15例），且仅针对全脑放疗计划，泛化性有待验证	开发一种高效、临床可接受的全脑放疗自动计划系统，减少人工操作时间	全脑放疗患者计划中的临床靶区和危及器官几何特征	机器学习	肿瘤	NA	深度学习超参数预测模型、大语言模型（GPT-4o）	文本（医学报告）	55例训练，15例独立测试	NA	NA	临床指标、专家评审、剂量一致性、热点减少	计算时间小于1分钟，总工作流约7分钟
100	2026-07-15	DiffBulk: Enhancing Spatial Transcriptomic Prediction With Diffusion-Based Training 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3688322 PMID:42048193	研究论文	提出DiffBulk，一种基于条件扩散模型的两阶段框架，用于增强空间转录组预测	首次将条件扩散模型与病理基础模型融合，通过基因到图像的扩散过程学习富含基因表达信息的图像表征，并采用排列不变的开放嵌入基因编码器实现跨不同基因面板的统一训练	NA	利用扩散模型学习基因与组织形态之间的复杂关系，提高空间转录组预测的准确性	H&E染色的组织病理学图像与空间转录组数据	数字病理学	癌症	空间转录组学	条件扩散模型	图像和基因表达数据	来自HEST数据集和CrunchDAO挑战的高质量Xenium空间转录组数据，构建了瓦片级别的伪批量数据集	NA	条件扩散模型、病理基础模型	所有指标均优于基线，具体指标未详细说明	NA