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
301	2026-08-19	Diagnostic features predicted by deep learning improve human object recognition in simulated prosthetic vision 2026-Aug-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9227 PMID:42526479	研究论文	本研究结合深度学习和生物 plausible 光幻视模拟，优化用于物体识别的光幻视位置，并通过模拟假体视觉实验验证其效果。	提出了一种基于深度学习的诊断特征识别方法用于优化假体视觉中的光幻视放置，显著减少了所需光幻视数量，且在低电极密度下优势尤为明显。	摘要中未提及明确的局限性。	优化皮质视觉假体中的光幻视放置，以在有限的光幻视数量下实现有效的物体识别。	63名参与者在模拟假体视觉下进行物体识别任务。	计算机视觉	视觉障碍	深度神经网络	深度神经网络 (DNN)	图像（模拟光幻视渲染图像）	63名参与者	NA	深度神经网络（具体架构未说明）	识别准确率（根据任务性质推断）	NA
302	2026-08-19	Efficient ECG representation learning via intervention-based attribution alignment 2026-Aug-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae9450 PMID:42546764	研究论文	本文提出一种基于干预归因对齐的自监督学习方法，用于在标签稀缺的可穿戴心电数据场景中提升模型分析性能	将干预启发式操作集成到对比学习框架中，通过特征干预学习视角不变机制，以降低对标注数据的依赖	未提及具体限制	解决可穿戴心电测量场景中标签稀缺问题，提高模型对稀疏标注心电信号的分析性能	可穿戴设备采集的长期、多导联心电信号	机器学习	心律失常	NA	自监督学习模型	心电信号（数值序列）	四个公共心电数据集	NA	NA	NA	NA
303	2026-08-19	Sex estimation from hand-wrist radiographic images: an artificial intelligence approach 2026-Aug-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03964-1 PMID:42608590	研究论文	本研究评估了三种深度学习架构（YOLOv5、YOLOv8和YOLOv11）在手部腕部X光图像中自动进行性别分类的性能	首次将YOLOv8和YOLOv11应用于手部腕部X光图像的性别估计，并证明无需手动标注或感兴趣区域选择即可实现高精度	样本仅限于8-18岁个体，可能不适用于其他年龄组或不同人群	评估YOLOv5、YOLOv8和YOLOv11在手部腕部X光图像中进行自动化性别分类的性能	8-18岁个体的手部腕部X光图像，共1800张	计算机视觉	NA	NA	YOLO系列深度学习模型（YOLOv5、YOLOv8、YOLOv11）	图像（手部腕部X光片）	1800张手部腕部X光图像	NA	YOLOv5, YOLOv8, YOLOv11	准确率、精确率、召回率、F1分数、混淆矩阵、AUC	NA
304	2026-08-19	Integrative transcriptomic and machine learning approaches reveal candidate genes for silk and venom production in Bibionomorpha (Diptera) 2026-Aug-18, Insect molecular biology IF:2.3Q1 DOI:10.1111/imb.70061 PMID:42610280	research paper	整合多物种转录组学和机器学习方法，揭示双翅目 Bibionomorpha 中丝和毒液产生的候选基因及其进化机制	首次将可解释的深度学习与共表达网络分析结合，实现了对丝和毒液表型的高精度判别，并通过 AlphaFold3 结构预测验证了基因的分泌功能，揭示了两种分泌系统的独立进化起源	NA	研究双翅目昆虫中丝和毒液分泌系统的生理和进化架构，揭示其分子基础	11种 Bibionomorpha 昆虫物种的转录组数据	transcriptomics, machine learning	NA	de novo transcriptome assembly, RNA-seq, AlphaFold3	WGCNA, categorical neural classifiers	转录组测序数据	11个 Bibionomorpha 物种	NA	NA	AUC	NA
305	2026-08-19	Deep Learning-Driven Discovery and Engineering of an Efficient PETase for Depolymerization and Detoxification of PET Microplastics Under Physiological Conditions 2026-Aug-18, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77163 PMID:42610517	研究论文	利用深度学习从2.46亿蛋白质中挖掘并工程化改造了一种高效的PET水解酶AhPETase，实现生理条件下微塑料的降解和解毒	首次利用深度学习挖掘未探索的序列空间，发现与已知PET降解酶同源性极低的新型水解酶，并在生理条件下实现高效降解及首次证实酶促微塑料解毒的概念	未提及具体局限性	发现和工程化可在生理条件下高效降解PET微塑料的酶，并验证其解毒效果	PET微塑料及人类肺和结肠细胞	深度学习	环境健康风险相关疾病	深度学习序列挖掘、酶工程	深度学习模型	蛋白质序列、实验数据	2.46亿个蛋白质序列，以及具体实验样本未提及	未提及	未提及	降解效率、酶活性保持时间、降解速率倍数	未提及
306	2026-08-19	Clean PSYCHE Pure Shift Spectra Obtained by Deep Learning 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c03944 PMID:42610910	研究论文	本研究开发了一种多尺度残差网络模型，用于后处理PSYCHE纯位移谱，以去除强耦合伪影，获得干净的纯位移谱。	首次将深度学习应用于PSYCHE纯位移谱的后处理，以消除强耦合伪影，无需额外采集时间，且保持信号强度与浓度成正比。	模型仅在特定谱参数范围内有效，可能不适用于所有强耦合系统或超出该范围的情况。	开发一种基于深度学习的方法，通过后处理PSYCHE谱来抑制强耦合伪影，提高纯位移谱的质量，以促进分子结构解析和混合物成分分析。	PSYCHE纯位移谱，特别是含强耦合自旋系统的样本。	机器学习	不适用	核磁共振波谱（NMR）	多尺度残差网络	核磁共振谱数据（一维谱图）	未明确提及，但涉及不同浓度分析物混合物的监测	未明确提及，可能基于PyTorch或TensorFlow	多尺度残差网络	未明确提及，可能包括信噪比、伪影抑制率等	未明确提及
307	2026-08-19	PINS: A Physics-Informed Generative Framework for De Novo Structure Elucidation from 1D NMR Spectra 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c02952 PMID:42610925	研究论文	PINS是一种物理信息生成框架，用于从一维NMR谱进行从头结构解析，通过多物理先验约束生成搜索空间，实现100%化学有效性并显著优于现有基线	通过显式引入多物理先验约束生成搜索空间，有效缓解端到端深度学习模型的结构幻觉，实现100%化学有效性并大幅提升性能，在新精神活性物质数据稀缺场景下展现出强泛化能力	文中未提及具体局限性，可能涉及对特定分子领域依赖或计算成本等未知方面，但摘要未提供相关信息	开发一种从一维NMR谱可靠重建分子拓扑结构的生成框架，克服组合挑战并避免化学无效结构	分子结构解析，尤其聚焦于新精神活性物质这类具有挑战性的化合物	机器学习	NA	NMR光谱	生成模型	1D NMR谱数据	未在摘要中明确说明样本数量	NA	物理信息生成框架	化学有效性、识别率	NA
308	2026-08-19	MOFUN-CCC: A Multi-omics Intermediate Fusion Network for Digital White Blood Cell Count Prediction 2026-Aug-17, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag080 PMID:42606575	研究论文	介绍了一种名为MOFUN-CCC的多组学中间融合深度学习模型，用于直接从基因表达和DNA甲基化数据预测绝对白细胞计数。	首次提出利用多组学数据（基因表达和DNA甲基化）的中间融合方法直接预测绝对细胞计数，而传统方法主要估计相对细胞类型比例。	摘要中未提及具体局限性。	开发一种多模态深度学习模型，整合基因表达和DNA甲基化数据，直接在监督框架下预测绝对白细胞计数，以满足临床需求。	基因表达和DNA甲基化数据。	机器学习，数字病理学	未指定具体疾病，但涉及疾病诊断和患者管理。	基因表达分析，DNA甲基化测序	多模态深度学习模型（多组学融合神经网络）	基因表达数据和DNA甲基化数据	未在摘要中明确提及样本数量。	PyTorch（推断），	中间融合神经网络	鲁棒性、精确度（具体指标如准确率、AUC等未在摘要中提及，但提到评估了模型的稳健性和精度）	未在摘要中明确提及计算资源，但提供了用户友好的软件和网页应用程序。
309	2026-08-19	Genomic characterization of an unusual bloodstream Weissella viridescens isolate obtained from a Bulgarian intensive care unit patient 2026-Aug-17, Molecular biology reports IF:2.6Q3 DOI:10.1007/s11033-026-12501-7 PMID:42606628	研究论文	本研究对来自保加利亚重症监护患者血液的罕见Weissella viridescens分离株进行了基因组特征分析，包括物种鉴定、抗生素敏感性、全基因组测序及毒力预测	首例公开基因组序列的临床W. viridescens分离株，并整合蛋白质语言模型与深度学习分类器进行毒力评估	未提及	探索罕见临床W. viridescens分离株的基因组特征及其毒力潜能	一株临床W. viridescens分离株（Wvir453）	基因组学、微生物学	脊髓脑膜黑色素细胞瘤	MALDI-TOF质谱、全基因组测序、泛基因组分析、系统发育分析、毒力因子分析	深度学习分类器、蛋白质语言模型	基因组序列数据、质谱数据	1株临床分离株	NA	NA	预测毒力评分	NA
310	2026-08-19	IShuffleNet-PCNN hybrid classifier within an MResU-Net-based framework for spinal cord injury detection and classification using CT images 2026-Aug-17, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10260-4 PMID:42606699	研究论文	提出了一种基于MResU-Net框架的IShuffleNet-PCNN混合分类器，用于CT图像中脊髓损伤的检测与分类	提出了IShuffleNet-PCNN混合分类器，结合分组归一化和自适应Swish-Mish激活函数，以提高训练稳定性和特征区分能力；同时引入了加权平衡各向异性滤波和修改后的残差U-Net用于噪声抑制和分割	未明确提及局限性，可能包括依赖CT图像质量、样本量有限或泛化能力需进一步验证	开发一个集成深度学习框架，用于从CT图像中准确且稳健地分类脊髓损伤相关骨折	脊髓损伤患者的CT图像，重点是检测和分类脊髓损伤相关骨折	计算机视觉	脊髓损伤	CT成像	CNN	图像	未明确提供	NA	MResU-Net, IShuffleNet-PCNN	准确率, 精确率, 阴性预测值	NA
311	2026-08-19	A comprehensive review on automated diabetic retinopathy detection and classification using fundus image 2026-Aug-17, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07435-6 PMID:42606724	综述	系统综述了利用眼底图像进行糖尿病视网膜病变自动检测和分类的技术，涵盖机器学习、深度学习和混合方法	讨论了集成学习、基于Transformer的技术和注意力机制在DR检测和分类中的最新进展	未明确说明具体局限性，但提到现有方法面临过拟合、模型复杂性、类不平衡和深度特征提取等挑战	审查DR检测和分类的现有技术，分析其方法、数据集、预处理步骤和性能评估指标，并提出未来研究方向以提升系统准确性和鲁棒性	糖尿病视网膜病变的眼底图像	医学影像分析	糖尿病视网膜病变	眼底成像	机器学习模型, 深度学习模型, 集成学习模型, Transformer模型	眼底图像	未指定	未指定	Transformer, 注意力机制	未明确指定	未指定
312	2026-08-19	A multimodal MRI-based deep learning model for non-invasive diagnosis of pineal region germinoma 2026-Aug-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04153-y PMID:42606719	研究论文	开发了一种基于多模态MRI的深度学习模型，用于松果体区生殖细胞瘤的无创术前诊断	结合对比学习增强的卷积神经网络和混合注意力机制，融合多模态MRI特征和人口统计学数据，实现松果体区生殖细胞瘤的高精度识别	研究为回顾性设计且样本量较小，可能限制模型的泛化能力；未提供外部验证	开发一种术前无创识别松果体区生殖细胞瘤的深度学习模型	114例病理确诊的松果体区肿瘤患者，包括生殖细胞瘤和非生殖细胞瘤	医学影像分析	松果体区生殖细胞瘤	磁共振成像（MRI）	卷积神经网络（CNN）	多模态MRI图像和人口统计学数据	114例患者（训练集91例，测试集23例）	未明确指定	卷积神经网络（CNN）与混合注意力机制	准确率（ACC），曲线下面积（AUC）	未指定
313	2026-08-19	Motion Artifact-Aware Self-Supervised Representation Learning for 3D Brain MRI Motion Artifact Reduction 2026-Aug-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3724112 PMID:42606966	研究论文	提出SSRL-MAR框架，一种基于自监督表示学习的3D脑部MRI运动伪影减少方法，无需配对数据或运动标签	采用三阶段训练策略，包括对比学习提取运动表征、运动伪影感知合成网络生成伪影、运动伪影感知生成器恢复干净图像，实现无配对自监督学习	未提及	实现3D脑部MRI运动伪影的有效减少，支持大规模神经影像学研究中的可靠结构量化	3D脑部MRI图像，包括模拟数据集和真实MR-ART数据集	医学影像处理	NA	模拟运动伪影	自监督表示学习、对比学习、生成网络	3D脑部MRI图像	未提及	NA	NA	峰值信噪比、结构相似性指数、归一化均方误差	NA
314	2026-08-19	Patient-Specific Non-Invasive Epileptogenic Zone Localization via High-Resolution Time-Frequency Representations and CNN Deep Learning 2026-Aug-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3724147 PMID:42606963	研究论文	开发了一种结合头皮脑电源成像、高分辨率时频分析和深度学习的自动化无创癫痫灶定位框架，用于药物难治性癫痫的术前规划	首次将超分辨率时频表示（Superlet）与多种深度学习架构结合，用于无创、患者特异的癫痫灶定位，并在多中心数据集上验证了跨患者泛化能力	未提及具体局限性；依赖术后Engel Class I患者数据，可能限制对非治愈性病例的适用性	实现无创、自动化的患者特异癫痫灶定位，以优化立体脑电图电极植入规划	药物难治性癫痫成年、儿童及混合队列患者	深度学习、医学影像分析	癫痫	头皮脑电图源成像、高分辨率时频分析	CNN（ResNet、VGG、DenseNet）和Swin Transformer	头皮脑电信号	37例手术确认的Engel Class I患者、97次癫痫发作	PyTorch	ResNet18、VGG、DenseNet、Swin Transformer	准确率、AUC	未提及
315	2026-08-19	Super-resolution GAN-enhanced detection of sub-pixel marine plastic debris: Leveraging Sentinel-2 time-series and physics-informed deep learning 2026-Aug-17, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.120250 PMID:42607450	研究论文	提出一种基于物理信息深度学习超分辨率生成对抗网络（SR-GAN）的方法，利用多时相Sentinel-2影像增强亚像素海洋塑料垃圾检测	将物理信息约束嵌入SR-GAN架构，结合多光谱波段和塑料敏感指数，提升亚像素塑料的空间细节和光谱可分离性	研究仅限于巴厘巴板沿海区域，未提及对不同环境条件的广泛适用性验证	利用超分辨率深度学习改善亚像素海洋塑料的空间表示，并通过物理光谱约束提高检测可靠性	巴厘巴板沿海区域的多时相Sentinel-2影像中的浮动塑料垃圾	计算机视觉	NA	Sentinel-2多光谱成像	生成对抗网络（GAN）	卫星影像	多时相Sentinel-2影像，覆盖巴厘巴板及穆阿拉桑普、塞苏卢等子区域	NA	超分辨率生成对抗网络（SR-GAN）	检测置信度、虚警概率、漏检概率、超分辨率增强因子	NA
316	2026-08-19	The role of artificial intelligence in predicting readmission risk in emergency patients: An umbrella review 2026-Aug-17, International emergency nursing IF:1.8Q2 DOI:10.1016/j.ienj.2026.101890 PMID:42607540	综述	本文通过伞形综述综合评估人工智能在急诊患者再入院风险预测中的作用、性能及临床应用	采用伞形综述方法，系统综合现有系统评价和荟萃分析，聚焦人工智能在急诊患者再入院风险预测中的角色和表现	研究设计存在变异性、外部验证有限、可解释性受关注以及在现有医疗系统中的整合存在障碍	合成关于人工智能在预测急诊患者再入院风险中的角色、性能和临床适用性的现有证据	急诊患者	机器学习	综合疾病（未特定）	NA	机器学习、深度学习	电子健康记录、多维度患者变量	NA	NA	集成模型、神经网络模型	预测能力	NA
317	2026-08-19	Ecophysiology: How pollinators use microclimates determines their thermal risk 2026-Aug-17, Current biology : CB IF:8.1Q1 DOI:10.1016/j.cub.2026.06.075 PMID:42607656	研究论文	一项使用基于深度学习系统识别传粉昆虫的研究，表明传粉昆虫根据温度的细微异质性决定觅食地点，这可能帮助部分昆虫躲避高温，同时加剧其他昆虫的热风险	首次利用深度学习系统结合微气候数据研究传粉昆虫的热风险，揭示了传粉昆虫觅食决策与温度微异质性之间的关系	NA	探究传粉昆虫如何利用微气候（特别是温度变化）决定觅食行为，以及这种行为对热风险的影响	传粉昆虫（如蜂类等）及其觅食环境中的微气候	深度学习, 生态学	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
318	2026-08-19	Federated learning for MRI-based BrainAGE: A multicenter study on post-stroke functional outcome prediction 2026-Aug-17, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122165 PMID:42607977	研究论文	本研究评估了联邦学习在基于MRI的脑龄预测（BrainAGE）中的应用，并探讨其与缺血性卒中患者功能预后的关联	首次在多中心卒中患者队列中系统评估联邦学习与集中式学习及单中心学习在脑龄预测中的性能差异，并验证其与临床表型和功能结局的关联	联邦学习性能略低于集中式学习，且研究仅基于FLAIR图像，未涵盖多模态数据	评估联邦学习在卒中患者脑龄预测中的有效性，并探讨脑龄与血管危险因素及功能预后的关联	接受机械取栓治疗的缺血性卒中患者	医学影像分析	缺血性卒中	MRI（FLAIR成像）	标准机器学习与深度学习模型	MRI图像	1674名卒中患者，来自16个医院中心	未明确提及，可能包含TensorFlow或PyTorch等	未明确指定，可能包括CNN等	预测误差、逻辑回归评估关联显著性	未明确提及，可能涉及多中心分布式计算
319	2026-08-19	Deep Learning-Accelerated 3D Vessel Wall MRI: Prospective Evaluation of Sonic DL with Substantial Scan Time Reduction 2026-Aug-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9596 PMID:42608196	研究论文	前瞻性评估AI加速重建技术Sonic DL在3D血管壁MRI中的应用，显示在减少42%扫描时间的同时保持图像质量和病变评估的非劣效性	首次使用Sonic DL（下一代AI加速重建技术）在3D血管壁MRI中进行前瞻性随机交叉研究，采用全面的非劣效性框架评估诊断一致性，实现10倍加速因子下扫描时间从9分15秒降至5分20秒	未明确提及局限性	评估Sonic DL加速的3D血管壁MRI与传统协议在图像质量和病变评估方面是否具有非劣效性，以支持其在临床应用中的可行性	30名接受对比增强后3D血管壁MRI的患者	医学影像	血管病变	MRI（磁共振成像），AI加速重建	深度学习模型（Sonic DL）	MRI图像	30名患者	NA	Sonic DL	非劣效性（置信区间）、Fleiss' kappa系数、对比噪声比（CNRLB）	NA
320	2026-08-19	Editorial for "Deep Learning-Based Enhancement of Already Diagnostic-Quality MRI for Alzheimer's Disease Classification: Effects on Model Performance and Training Data Requirements" 2026-Aug-17, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70501 PMID:42608377	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA