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
241	2026-08-20	Applications of machine learning in microbial source tracking 2026-Aug-18, Trends in microbiology IF:14.0Q1 DOI:10.1016/j.tim.2026.07.010 PMID:42613205	综述	本文综述了机器学习在微生物源追踪（MST）中的应用，包括主要方法、代表性工具及其在污染溯源、地理空间归因、食品安全和法医调查等领域的应用，并讨论了当前挑战和未来方向。	系统性地总结了机器学习在微生物源追踪中的应用，并指出了可解释性、生态动力学和基准数据集缺乏等关键挑战。	缺乏标准化的基准数据集和明确的评估标准，模型可解释性有限，以及未充分考虑生态动态变化。	总结机器学习方法在微生物源追踪中的应用，并探讨未来深度学习等下一代人工智能如何推动该领域的发展。	微生物群落及其来源（如环境污染源、食品污染源、法医样本）	机器学习	NA	NA	机器学习模型（包括深度学习方法）	微生物组数据（如高维微生物群落数据）	NA	NA	NA	准确性、分辨率、可扩展性	NA
242	2026-08-20	A comprehensive framework for multi-class prostate cancer classification using biparametric MRI: a multi-center retrospective study 2026-Aug-17, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02367-5 PMID:42606778	研究论文	本研究开发了一个基于双参数MRI的自动化框架，用于前列腺和可疑病变分割、特征提取及多类前列腺癌分类	提出一个综合框架，整合影像组学、深度学习特征和临床变量，实现非csPCa、中风险和高风险前列腺癌的多类分类，超越了传统的二元分类方法	未明确提及局限性	开发一个自动化框架，用于前列腺和可疑病变分割、特征提取和多类前列腺癌风险分层	2543例疑似临床显著性前列腺癌（csPCa）患者	医学影像分析	前列腺癌	双参数MRI	深度学习模型（如nnUNet）和机器学习分类器	影像数据（双参数MRI）	2543例患者	NA	nnUNet	AUC	NA
243	2026-08-20	Development of a universal imaging "phenome" using shape, appearance and motion (SAM) features and the SAM Phenotype Observation Tool (SPOT) 2026-Aug-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75505-8 PMID:42608400	研究论文	开发了一种基于形状、外观和运动（SAM）特征的通用成像“表型组”和SAM表型观察工具（SPOT），用于活细胞成像筛选	提出了一个通用的2185维图像衍生特征集（SAM表型组）和SPOT工具，用于全面量化细胞瞬时表型；该方法在性能上优于训练于超过一百万个固定单细胞和五千多个单细胞视频帧的深度学习模型	未明确提及局限性	开发一种通用成像表型组和观察工具，以提高活细胞成像筛选的效率和准确性，促进新分子靶点发现和新药开发	细胞和单细胞成像数据集	计算机视觉	NA	高内涵延时成像	深度学习模型（用于比较）	图像和视频	公开的计算机视觉数据集和2D单细胞成像数据集	NA	NA	NA	NA
244	2026-08-20	A novel AI system for preliminary triage support in single-tooth edentulous spaces using intraoral images 2026-Aug-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58704-7 PMID:42608436	研究论文	本研究开发了一种基于口内图像的新型AI系统，利用深度学习与机器学习为单颗牙缺失空间提供正畸与修复治疗之间的初步分诊支持。	首次仅利用咬合照片，结合YOLOv8m、ResNet和VGG模型及逻辑回归与XGBoost，实现单颗牙缺失空间的定位、分类和分诊，提供非植入干预的替代方案。	研究为概念验证，模型泛化性受限，需外部验证和进一步改进才能临床适用。	旨在通过口内图像，为单颗牙缺失空间的正畸与修复治疗提供初步分诊支持。	单颗牙缺失空间及其近中、远中邻牙。	计算机视觉	牙科疾病	口内摄影	YOLOv8m、ResNet-50、ResNet-101、VGG-16、VGG-19、逻辑回归、XGBoost	图像	2,962张咬合照片	PyTorch	YOLOv8m、ResNet-50、ResNet-101、VGG-16、VGG-19	F1分数、AUC、加权kappa、准确率、召回率、精确率、预期校准误差	未提及
245	2026-08-20	Robust statistical feature extraction and deep learning surrogates for highly accurate guided wave-based determination of global corrosion parameters in metallic plates 2026-Aug-16, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108272 PMID:42612352	研究论文	本研究提出了一种结合稳健统计特征提取和深度学习代理模型的方法，用于通过导波准确测定金属板材中的全局腐蚀参数	采用椭圆包络协方差估计和特征缩放实现稳健的统计描述符提取，结合深度神经网络逆模型，有效处理腐蚀参数估计中的非唯一性问题，并通过聚合多个随机场实现提高预测精度	研究仅基于数值模拟条件，未涉及实验验证，且未明确讨论模型在真实复杂环境下的泛化能力	开发一种基于深度学习的逆模型，利用导波响应精确估计金属板材的腐蚀参数，如平均厚度损失及其标准差	金属板材中的腐蚀形态，建模为随机场，以及由传感器网络记录的导波响应	机器学习	不适用	导波无损检测（NDT）	深度神经网络（DNN）	数值模拟生成的导波信号	未在标题和摘要中明确提供，但涉及多个随机腐蚀场的独立实现	未明确指定，可能使用PyTorch或TensorFlow（根据深度学习背景推断，但摘要未提及）	深度神经网络（具体架构未在摘要中指定，可能为全连接网络）	预测精度（具体指标如均方误差或决定系数在摘要中未明确列出）	未在标题和摘要中提及
246	2026-08-20	Towards unified AI-driven fracture mechanics: the extended deep energy method (XDEM) 2026-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76748-1 PMID:42608406	研究论文	提出一种统一的基于深度学习的断裂力学框架，即扩展深度能量法（XDEM），以离散和连续方式预测断裂行为	引入统一的深度学习框架，该框架在离散设置中结合位移不连续性和裂纹尖端渐近性，在连续设置中灵活耦合位移场和相场，从而实现稀疏均匀布点下的准确断裂预测	信息不足	克服现有深度能量法在断裂力学中的局限性，包括需要密集布点、稳定性问题以及分离的断裂模型，从而建立统一的AI驱动断裂预测框架	断裂力学问题，包括应力强度因子评估、直线和拐折裂纹扩展以及复杂裂纹萌生	机器学习	不适用	不适用	深度能量法（DEM），扩展深度能量法（XDEM）	数值模拟数据	信息不足	信息不足	信息不足	精度、效率	信息不足
247	2026-08-20	Deep learning-driven discovery and optimization of natural LSD1 inhibitors for the treatment of Alzheimer's disease 2026-Aug-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.110396 PMID:42612268	研究论文	开发了一个多模态深度学习模型PLM-CAFT-DTA用于药物-靶点亲和力预测，并结合虚拟筛选和分子模拟发现并优化了天然LSD1抑制剂S3，用于治疗阿尔茨海默病	提出了整合ChemBERTa、ESM-2、图注意力和交叉注意力融合的多模态深度学习模型，并成功应用于从超过70,000种天然产物中筛选出LSD1抑制剂，经优化获得活性显著提高的化合物S3	摘要中未提及明显的局限性	开发AI辅助的LSD1抑制剂发现工具，用于治疗阿尔茨海默病，解决现有抑制剂脑渗透性差、脱靶毒性及化学骨架稀缺的问题	LSD1靶点、天然产物库中的化合物（如silybin和优化后的S3）、APP/PS1小鼠	机器学习	阿尔茨海默病	NGS（如RNA-seq用于基因表达分析？）、分子模拟（可能包括分子对接和动力学模拟）、体外活性测定、动物实验（APP/PS1小鼠）	多模态深度学习模型（结合ChemBERTa、ESM-2、图注意力网络和交叉注意力）	分子结构数据、蛋白质序列数据、药物-靶点相互作用数据、基因表达数据（如mRNA）	超过70,000种天然产物，1个靶点（LSD1），1个化合物S3，以及APP/PS1小鼠模型	PyTorch（推测，根据深度学习模型）	ChemBERTa, ESM-2, 图注意力网络（GAT）, 交叉注意力融合	IC₅₀（半抑制浓度）、预测精度（如准确率、AUC等，具体未提及）	未提及
248	2026-08-20	A Reproducible Deep Learning Workflow for Predicting Lithium-Ion Battery Performance Using Multichannel Cycling Data 2026-Aug-14, Journal of visualized experiments : JoVE DOI:10.3791/71903 PMID:42611559	研究论文	本文提出了一种使用多通道循环数据预测锂离子电池性能的可复现深度学习工作流程	针对现有数据驱动模型在多源信息整合和特征表示方面的局限性，采用五个公开电池数据集，整合原始操作信号和工程特征，并采用固定随机种子、重复评估和环境跟踪来提高可复现性	未在摘要中明确说明局限性	建立一个标准化的可复现深度学习工作流程，用于锂离子电池性能预测，包括健康状态、剩余使用寿命和可放电能量估计	锂离子电池	机器学习	不适用	深度学习	深度神经网络、卷积神经网络、长短期记忆网络、CNN-LSTM、Transformer	多通道循环数据（电压、电流、容量、温度、内阻、库仑效率、能量效率）和工程特征（增量容量、差分电压、能量吞吐量）	五个公开电池数据集	未在摘要中明确提及	深度神经网络、卷积神经网络、长短期记忆网络、CNN-LSTM、Transformer	平均绝对误差、R值	未在摘要中明确提及
249	2026-08-20	Semantic Segmentation-Guided Reconstruction and Artistic Style Synthesis of Intangible Cultural Heritage Patterns Using a Deep Learning Framework 2026-Aug-14, Journal of visualized experiments : JoVE DOI:10.3791/71577 PMID:42611738	研究论文	提出一种基于深度学习的语义分割引导重建与艺术风格合成框架，用于非物质文化遗产图案的数字保存与艺术再现。	引入Transformer分割模型SegFormer精确识别图案边界，并设计跨注意力文化特征融合模块增强文化语义，结合CycleGAN和SPADE实现风格合成并保持分割图与生成图像的一致性。	现有方法存在数据集多样性有限、文化语义融合不足、重建中结构特征保留不充分等问题。	改进SegCycle-SPADE框架，提升非遗图案的语义分割精度和艺术重建性能，为文化遗产数字化提供可扩展方案。	苗族蜡染文化图案和WikiArt数据集中的艺术图案。	计算机视觉, 深度学习	NA	NA	Transformer, CycleGAN, SPADE	图像	包含苗族蜡染文化图案数据集和WikiArt数据集，未明确具体样本数量。	NA	SegFormer, CycleGAN, SPADE	NA	NA
250	2026-08-20	Automated User Interface Prototyping Framework Integrating Cognitive and Visual Design Principles to Improve Usability and Layout Clarity 2026-Aug-14, Journal of visualized experiments : JoVE DOI:10.3791/71071 PMID:42611759	研究论文	提出一个自动化UI原型设计框架，集成Faster R-CNN组件检测和CAM02-UCS感知颜色建模，结合认知与视觉设计原则以提升可用性和布局清晰度	首次统一整合认知原则、颜色智能和结构推理，实现端到端的智能UI原型生成，超越仅关注视觉外观或组件检测的现有方法	未提及具体限制，但可能受限于大规模接口数据集的依赖和设计规则的主观性	开发一种自动化UI原型设计方法，平衡视觉吸引力、认知可用性和布局一致性	用户界面（UI）组件和布局，包括品牌或参考图像的颜色主题	计算机视觉, 机器学习	NA	Faster R-CNN, CIECAM02均匀颜色空间（CAM02-UCS）	Faster R-CNN	图像（UI界面截图、颜色数据）	RICO, ENRICO, 和Guo的UI颜色数据集	未提及	Faster R-CNN	组件检测准确率, 布局清晰度提高率, 阅读顺序准确率, 颜色和谐度评分, 认知负荷降低率, 设计一致性提升率	未提及
251	2026-08-20	SpheroSeg: Advancing tumor spheroid analysis through open-source deep learning 2026-Aug-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109602 PMID:42612557	研究论文	提出了SpheroSeg，一个开源平台，用于明场肿瘤球体分割，包含大型注释数据集、标准化的模型基准测试和基于Web的分析工作流程	引入SpheroHQ数据集（包含22,683张带专家校正注释的图像）和SpheroMix语料库（32,367张图像），并提供协议感知的基准测试框架及部署的Web应用，以系统评估不同分割架构	在分布内和分布外数据间的性能差距显著，模型应仅在记录在案的成像和注释条件下使用，而非作为通用球体检测器	推进三维肿瘤球体的定量分析，通过提供数据集、基准测试和可分析平台，应对不同实验条件、注释策略和数据稀缺性挑战	三维肿瘤球体图像，涵盖七种癌细胞系，包含明场图像及外部数据（DTS和HTS-Seg）	计算机视觉，数字病理学	癌症	明场显微镜成像	卷积神经网络（CNN），Transformer，状态空间模型	图像	22,683张SpheroHQ图像，32,367张SpheroMix语料库图像，外加外部数据集DTS和HTS-Seg	NA	CBAM-ResUNet, MambaBot-UNet, SegFormer-B0, 及其他架构（特指卷积、注意力和状态空间变体）	IoU（交并比）	GPU加速计算（仅提及用于Web应用部署）
252	2026-08-20	Peptide language pragmatic analysis and two-stage hierarchical learning framework for therapeutic peptide prediction 2026-08-13, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02642-3 PMID:42587290	研究论文	提出了一种基于语用分析和两阶段层级学习框架的TPpred-PepPA模型，用于多功能治疗肽预测	首次将ProtT5预训练语言模型与两阶段层级学习框架结合，并采用动态阈值策略处理长尾分布问题	摘要中未明确提及局限性	提高多功能治疗肽预测的性能和可解释性	多功能治疗肽	自然语言处理	NA	ProtT5预训练模型	Transformer	肽序列	NA	NA	Transformer编码器	准确率、F1分数、AUC等（具体未明确）	NA
253	2026-08-20	DisoPatho: A Cross-View Feature-Adaptive Interaction Encoding Framework for Predicting Disease-Associated Variants in Intrinsically Disordered Regions 2026-Aug-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01455 PMID:42503799	研究论文	介绍DisoPatho，一个专门用于预测内在无序区域疾病相关变异的深度学习框架	提出了一种以变异位点为锚点的突变中心架构，以及跨视图自适应特征交互机制，整合IDR特异性能量表示和蛋白质语言模型嵌入，无需结构描述符、多序列比对或手工保守性评分	摘要中未明确提及局限性	提高内在无序区域疾病相关变异的预测准确性	内在无序区域（IDRs）中的疾病相关变异	深度学习	未指定特定疾病	蛋白质语言模型嵌入（xTrimoPGLM和Evolutionary Scale Modeling）	深度学习框架	蛋白质序列数据	多个IDR数据集，具体数量未在摘要中说明	未明确指定，可能使用PyTorch等	突变中心架构，跨视图自适应特征交互机制	AUC、ACC、MCC	未在摘要中提及
254	2026-08-20	Prospective Comparison of Ultra-Low-Dose Versus Standard-Dose Computed Tomography for Esophageal Foreign Body Detection 2026-Aug-07, Journal of visualized experiments : JoVE DOI:10.3791/69349 PMID:42611821	研究论文	本研究旨在验证超低剂量CT在食管异物检测中相较于标准剂量CT的非劣效性，并量化辐射剂量与图像质量之间的权衡	首次通过前瞻性随机盲读研究比较超低剂量CT与标准剂量CT在食管异物检测中的非劣效性，结合深度学习和自适应统计迭代重建技术，并验证了辐射剂量降低超过60%的同时保持诊断准确性	研究为单中心设计，且未提及样本量计算的具体细节，结果可能需要多中心验证以增强普遍性	验证超低剂量CT在食管异物检测中的非劣效性并量化剂量-质量权衡	疑似食管异物摄入的患者，包括成人和儿童	医学影像	食管异物	计算机断层扫描（CT）	深度学习图像重建	医学图像	180名患者（120名成人，60名儿童）	NA	NA	AUC、敏感性、特异性、信噪比、诊断可接受性	NA
255	2026-08-20	Hybrid Deep Learning with Attention-Based Interpretability for PM2.5 Forecasting in Delhi Urban Environments 2026-Aug-07, Journal of visualized experiments : JoVE DOI:10.3791/71004 PMID:42611843	研究论文	本文提出CORTA-Net，一种用于德里城市环境PM2.5预测的混合深度学习框架，整合多源环境数据并具备基于注意力的可解释性。	CORTA-Net的创新在于结合显式CorrXGBoost-Rank特征筛选、基于迁移学习的时间编码、MODIS火灾活动整合及多头注意力模型行为分析于单一可复现的PM2.5预测流程中。	未在摘要中明确提及局限性。	开发一种混合深度学习框架，以提高德里城市环境中短期PM2.5预测的准确性并提供模型解释性。	PM2.5浓度预测，研究对象为德里城市环境的空气污染数据。	机器学习	不适用	特征选择（CorrXGBoost-Rank）、迁移学习、时间序列预测	LSTM	空气质量观测数据、气象数据、卫星火灾数据（来自MODIS）	2012年至2024年的每小时数据，具体样本数量未在摘要中指定。	NA	LSTM编码器、多头注意力层	预测误差（如均方根误差RMSE）、交叉验证	NA
256	2026-08-20	Multi-view Vision Mamba U-Shaped Network Framework for Medical Image Segmentation 2026-Aug-07, Journal of visualized experiments : JoVE DOI:10.3791/72616 PMID:42611862	研究论文	本文提出了一个用于二维医学图像分割的多视图视觉曼巴U形网络框架协议，包括数据获取、预处理、网络构建、训练和评估的完整流程。	该框架集成了多视图特征扫描以捕捉互补的空间、轮廓、尺度和边界信息，并在U形编码器-解码器架构内应用多阶段特征融合以改善分割特征整合。	文中未明确提及局限性。	提供一个可复现的基于多视图视觉曼巴U形网络的二维医学图像分割框架，并验证其在不同应用中的有效性。	公共皮肤病变和腹部器官分割数据集。	计算机视觉	皮肤病变,腹部器官疾病	NA	多视图视觉曼巴U形网络	图像	NA	NA	U形网络, 视觉曼巴, 多视图特征扫描	标准评估指标（如Dice系数等）	NA
257	2026-08-20	Automated AI-based Mayo Endoscopic Scoring for ulcerative colitis across adult and pediatric cohorts from diverse populations 2026-Aug-05, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjag122 PMID:42611818	研究论文	开发并评估了一种基于深度学习的自动化Mayo内镜评分（MES）预测框架，用于不同地区和年龄段的溃疡性结肠炎患者	提出了UC-Re和UC-MES两个模型，并结合图像修复和傅里叶-空间图像协调技术，解决了跨机构数据集异质性问题，首次在成人和儿童队列中实现了标准化MES预测	需要前瞻性多中心验证，以确保在常规临床实施前的可靠性和泛化能力	开发并验证一种AI驱动的标准化MES预测系统，以提高溃疡性结肠炎内镜评估的一致性，并支持不同人群的临床决策	溃疡性结肠炎患者的内镜图像，来源包括成人（土耳其LIMUC数据集564例、中国TMC数据集308例）和儿童（美国EPC数据集80例）	数字病理学	溃疡性结肠炎	卷积神经网络（CNN）	CNN	图像	共952名患者，包括19,367张内镜图像：LIMUC（564名成人，11,276张图像）、TMC（308名成人，7,978张图像）、EPC（80名儿童，113张图像）	NA	卷积神经网络（具体架构未在摘要中指定）	AUC、F1-score、二次加权kappa（QWK）	NA
258	2026-08-20	DeepGeSeq: deep learning library for genomic sequence modeling and analysis 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag584 PMID:42549891	研究论文	介绍DeepGeSeq，一个用户友好的深度学习库，用于基因组序列建模与分析，简化了深度学习工作流程并提供生物学解释功能	集成最先进的架构模块，通过简单配置文件和直观的智能体技能实现全流程自动化，支持多种应用场景如单细胞ATAC-seq建模和MPRA数据分析	未明确提及局限性，但可能受限于对特定数据类型和任务的优化程度	降低深度学习在基因组研究中的应用门槛，促进生物发现	基因组序列数据，包括合成数据集和用户自定义数据，涉及单细胞ATAC-seq和MPRA数据	机器学习，基因组学	不适用	深度学习，ATAC-seq，MPRA	深度学习模型（具体未指定，可能包括CNN等）	基因组序列数据、单细胞ATAC-seq数据、MPRA数据	未具体说明样本数量，包括合成数据集和用户自定义数据	不适用（未指定）	不适用（未指定，但可能包含多种架构）	未明确提及，但可能包括准确性、AUC等	不适用（未指定）
259	2026-08-20	Image-guided spatial omics enhancement reveals hidden spatial microstructures 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag596 PMID:42568193	研究论文	提出了一种名为Bell的图像引导空间组学增强框架，通过自适应注意力机制动态融合组织学图像、空间坐标和低分辨率分子测量数据，以重建高保真空间微结构，并扩展至mmBell以处理复杂多组学数据的跨模态整合。	引入了模态无关的深度学习框架Bell，利用自适应注意力机制实现多模态灵活性和非线性建模，并扩展出mmBell，采用统一编码器结构实现跨模态集成，提升了可扩展性。	摘要未明确提及局限性。	解决空间组学中分辨率差距、数据稀疏性和噪声问题，提供高鲁棒性、可扩展的解决方案以深度解码复杂空间组织结构。	空间组学数据、组织学图像、多组学数据。	数字病理学	NA	NA	深度学习框架	图像、空间坐标、分子测量数据	超过10个空间平台和20个数据集	NA	NA	分辨率增强、噪声抑制	NA
260	2026-08-20	Impact of Super-Resolution Deep Learning Reconstruction on Low-Dose CT in Patients with Central Venous Catheter or Central Venous Port 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01726-w PMID:41152657	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）与混合迭代重建（HIR）在中心静脉导管或输液港患者低剂量CT图像质量中的影响	首次应用超分辨率深度学习重建技术于中心静脉导管相关低剂量CT成像，并证明其能显著降低图像噪声、改善伪影和血管显示质量，可能允许省略常规剂量主扫描	研究为回顾性设计，样本量未明确，且仅基于视觉评估和单点噪声测量，未评估诊断准确性或临床结局	评估SR-DLR对比HIR在中心静脉导管或输液港患者中低剂量CT图像质量的提升效果	中心静脉导管或中央静脉输液港患者	医学影像	NA	CT成像、超分辨率深度学习重建（SR-DLR）、混合迭代重建（HIR）	深度学习重建模型	CT图像	未明确（回顾性研究）	NA	超分辨率深度学习重建（SR-DLR）	图像噪声（标准差）、伪影、血管显示、血肿和导管位置评估（评分）	NA