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	2026-09-25	RulerNet: Learning perspective-invariant ruler representations for robust image scale estimation 2026-Aug, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102805 PMID:42585877	研究论文	该论文提出了RulerNet，一个深度学习框架，通过将尺子读数重新定义为统一的关键点检测问题，并利用几何级数参数表示尺子，从而在真实世界条件下稳健地估计图像尺度	将尺子读数重新表述为关键点检测问题，使用基于标记可见性的注释和训练策略，并提出了结合图形创建和ControlNet增强的合成数据生成流程	未明确提及	解决计算机视觉中将像素测量转换为绝对真实世界尺寸的基本挑战，实现稳健的图像尺度估计	尺子图像，包括不同尺子类型和成像条件下的图像	计算机视觉	NA	深度学习，关键点检测，合成数据生成	CNN	图像	NA	NA	NA	NA	NA
42	2026-09-25	PLDD: a field-collected pineapple leaf disease dataset for deep learning-based plant health analysis 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113248 PMID:42775074	研究论文	本文介绍了一个用于深度学习植物健康分析的田间采集菠萝叶病害数据集PLDD	构建了一个包含4476张原始图像、来自200个独特菠萝叶标本、涵盖四类病害的田间采集数据集，并采用标本级80:20划分策略评估了五种迁移学习模型	数据集仅来自印度喀拉拉邦Vazhakulam地区，采集时间为2026年6月至7月，可能限制模型在其他地区或季节的泛化能力	支持植物健康状况分析和早期病害检测研究，减少人工检查，实现早期发现和及时处理	菠萝叶片及其病害	计算机视觉	植物病害	深度学习	迁移学习	图像	4476张原始图像，来自200个独特菠萝叶标本，每个类别50个标本，每个标本至少20张原始图像	NA	Xception, InceptionV3, MobileNetV2, ResNet50, EfficientNetB0	NA	NA
43	2026-09-23	Deciphering the comprehensive relationship between 5' UTR and 3' UTR sequences with deep learning 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag634 PMID:42644799	研究论文	该研究提出了一种基于深度学习的方法，利用预训练的RNA语言模型和对比学习来预测5' UTR与3' UTR之间的关系	首次通过深度学习框架系统性地探索5' UTR与3' UTR之间的潜在协同效应，而非孤立研究单个区域	摘要中未明确提及研究局限性	预测5' UTR与3' UTR之间的关系，并揭示其在功能上的相互作用	mRNA的5'非翻译区和3'非翻译区序列	自然语言处理	NA	RNA语言模型，对比学习	对比学习	序列数据	NA	NA	NA	NA	NA
44	2026-09-23	Deep learning for EEG-based depression detection: A systematic literature review of methods and interpretability techniques 2026-Aug-30, Progress in neuro-psychopharmacology & biological psychiatry IF:5.3Q1 DOI:10.1016/j.pnpbp.2026.111872 PMID:42556553	系统综述	系统综述了2017至2026年间基于EEG的抑郁症检测中深度学习方法与可解释性技术的研究进展	首次系统整合了基于EEG的抑郁症检测中深度学习模型与可解释性技术的文献，涵盖超过100篇同行评审研究，全面梳理了模型类型与解释方法的现状与挑战	数据集存在局限性，数据准备与评估条件不统一，可解释性技术发展不足，临床整合面临障碍	综述基于EEG的抑郁症检测中深度学习方法及可解释性技术的研究现状与未来方向	基于EEG数据进行抑郁症检测的深度学习模型与可解释性方法	机器学习	抑郁症	EEG	CNN, LSTM	EEG信号	超过100篇同行评审研究	NA	卷积神经网络, 长短期记忆网络, 混合架构	NA	NA
45	2026-09-23	From Single-Modal to Multi-Modal Artificial Intelligence in Alzheimer's Disease: A Systematic Review of Databases, Modalities, Diagnostic Performance, and Clinical Translation Challenges 2026-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s26175489 PMID:42740109	系统综述	本文系统综述了2016年至2026年初期间利用单模态和多模态人工智能进行阿尔茨海默病检测的研究，涵盖数据库、模态、诊断性能和临床转化挑战	系统比较了单模态与多模态AI策略在阿尔茨海默病检测中的表现，全面梳理了数据库、模态类型、特征表示、验证策略和分类任务，并揭示了仅有约4%的研究使用真正独立的外部队列进行验证这一关键问题	仅约4%的研究在真正独立的外部队列上评估模型，当前AI系统高度依赖现有数据集和异质性评估方案，直接可比条件下的单模态与多模态对比研究仍然稀缺，限制了模型的泛化性和临床适用性	比较单模态和多模态人工智能策略在阿尔茨海默病检测中的表现，涵盖机器学习和深度学习方法、特征表示、验证策略及分类任务	2016年至2026年初发表的568项关于阿尔茨海默病AI检测的研究，其中278项符合PRISMA指南的纳入标准	机器学习	阿尔茨海默病	NA	NA	认知数据, 生物标志物数据, 传感器数据	568项研究（筛选后278项纳入系统综述）	NA	NA	NA	NA
46	2026-09-23	Deep Learning-Based Classification for Grading of Respiratory Distress Syndrome on Neonatal Chest Radiographs 2026-Aug-28, Neonatology IF:2.6Q1 DOI:10.1159/neo/adsag006 PMID:42664162	研究论文	开发并验证基于深度学习的多分类模型，用于新生儿胸片呼吸窘迫综合征（RDS）严重程度的自动分级	利用大量手动标注的新生儿胸片，结合UNet++肺部分割和ResNet-50分类，实现RDS五级有序分级，并提供可解释的注意力图	五分类准确率仅为0.575，模型性能仍有提升空间；外部测试集的具体情况未详细说明	开发并验证自动评估新生儿胸片RDS严重程度的深度学习模型	新生儿胸片	计算机视觉	呼吸窘迫综合征	深度学习	CNN	图像	23,210张胸片（包括正常和RDS病例），按患者级别划分训练集、验证集和外部测试集	NA	UNet++, ResNet-50	二次加权kappa, 五分类准确率, AUROC	NA
47	2026-09-23	Sex-specific trajectories of nonlinear immune aging at single-cell level 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76737-4 PMID:42764338	研究论文	该研究通过分析多族裔健康人群的单细胞转录组数据，揭示了免疫衰老的非线性轨迹及其性别特异性特征	首次在单细胞水平上揭示了免疫衰老的非线性轨迹，发现性别特异性的免疫衰老模式和基于深度学习的性别分层生物年龄时钟优于性别混合模型	研究主要基于外周血单核细胞的转录组数据，可能无法完全反映组织特异性免疫衰老过程；样本虽多族裔但以特定族裔为主	探究健康人类免疫衰老的性别差异及其分子机制	1828名年龄在19-97岁之间的健康个体（35%为亚洲人）的外周血单核细胞	机器学习	老年疾病	单细胞转录组测序	深度学习	单细胞转录组数据	380万个外周血单核细胞，来自1828名个体	NA	NA	NA	NA
48	2026-09-23	HIPPIE: a generative model for electrophysiological analysis across species, technologies, and modalities 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76939-w PMID:42764354	研究论文	提出HIPPIE深度学习框架，结合自监督预训练与监督微调，利用条件卷积联合自编码器对跨物种、技术和模态的细胞外电生理记录进行神经元分类与生成分析	采用条件卷积联合自编码器学习技术调整后的波形与放电动态表征，支持反事实解码、跨物种潜在插值和跨模态分析，揭示尖峰时序模态与波形形态编码 largely 独立的神经元身份维度，并提供Python包和无代码网页应用	摘要中未明确提及	解决细胞外电生理记录中因波形变异性、噪声及实验、技术和物种差异导致的神经元分类难题	小鼠、大鼠和猕猴的细胞外电生理记录	机器学习	NA	细胞外电生理记录	自编码器, 深度学习	电生理信号	NA	NA	条件卷积联合自编码器	NA	NA
49	2026-09-23	Deep learning for precision grading of Schistosoma japonicum-induced liver fibrosis in ultrasound images 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76287-9 PMID:42764346	研究论文	本文开发并评估了一个深度学习系统，用于在超声图像中自动、精细地评估日本血吸虫引起的肝纤维化	采用36级精细分级（0.0至3.5）来捕捉肝纤维化的渐进过程，并开发了可在Windows和Android设备上部署的版本	未明确提及	实现日本血吸虫引起的肝纤维化的自动化精细分级	超声图像中的肝纤维化	计算机视觉	肝纤维化	超声成像	深度学习	图像	167,702张超声图像，其中16,811张用于独立测试	NA	NA	平均绝对误差	NA
50	2026-09-23	Self-supervised image denoising and restoration method for atomic force microscopy 2026-Aug-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76973-8 PMID:42754593	研究论文	本文提出了一种自监督深度学习框架SPIDER，利用扫描探针显微镜的trace和retrace信息进行图像去噪和恢复，提高信噪比和成像速度	利用SPM的trace和retrace扫描之间的空间冗余进行自监督学习，无需大量训练集和真实标签，并实现了自监督的缺失空间信息重建	摘要中未明确提及	改进扫描探针显微镜成像，提高信噪比和成像速度	扫描探针显微镜图像	计算机视觉	NA	扫描探针显微镜	自监督深度学习框架	图像	NA	NA	NA	信噪比，成像速度	NA
51	2026-09-23	An optimal Petrov-Galerkin framework for operator networks 2026-Aug-15, Computer methods in applied mechanics and engineering IF:6.9Q1 DOI:10.1016/j.cma.2026.119046 PMID:42344098	研究论文	提出一种基于最优Petrov-Galerkin框架的算子网络PG-VarMiON，用于求解偏微分方程，并验证其泛化能力	通过深度学习视角重新审视最优Petrov-Galerkin公式，提出PG-VarMiON网络架构，能够隐式学习最优权重函数，并将Petrov-Galerkin结构嵌入网络架构	未明确提及局限性，但可能受限于训练数据质量和网络学习权重函数的准确性	解决偏微分方程，并实现最优Petrov-Galerkin近似，提高算子网络的泛化能力	偏微分方程，特别是对流扩散方程	机器学习	NA	深度学习	算子网络	数值数据	未明确提及样本量	NA	PG-VarMiON	近似误差估计	NA
52	2026-09-23	Immune Spatial Organization Predicts Distant Metastasis Risk in Aggressive Localized Prostate Cancer 2026-Aug-14, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-4900 PMID:42113020	研究论文	该研究旨在识别一种可解释的、源自免疫微环境的计算病理学生物标志物，用于改善前列腺癌的风险分层，并预测侵袭性局限性前列腺癌的远处转移风险	提出免疫空间聚类作为一种新型、可解释的计算病理学生物标志物，并揭示了高级别前列腺癌独特的免疫特征	未明确提及	识别一种可解释的、源自免疫微环境的计算病理学生物标志物，用于前列腺癌的风险分层	M0期前列腺癌患者，包括发现队列和验证队列（n=490）以及来自TCGA的第三队列（n=326）	数字病理学	前列腺癌	H&E染色全切片图像、深度学习、批量测序、免疫细胞解卷积、免疫受体库重建	深度学习、DBSCAN、CIBERSORTx、TRUST4	图像、文本	总样本量816例（发现队列和验证队列共490例M0前列腺癌患者，TCGA队列326例M0前列腺癌患者）	NA	CellViT	风险比、95%置信区间、P值	NA
53	2026-09-23	Validation of MRI-based nnU-Net model for automated segmentation of neck lymph nodes in head and neck squamous cell carcinoma: a multicenter study 2026-Aug, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04070-0 PMID:42321574	研究论文	开发和外部验证基于MRI的nnU-Net深度学习框架，用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，并评估分割准确性、体积一致性和时间效率	开发了基于单序列MRI输入的nnU-Net模型实现颈部淋巴结的自动3D分割，比较了两种手动勾画策略对模型性能的影响，并进行了多中心外部验证	摘要中未明确提及研究局限性	开发和外部验证MRI深度学习框架用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，评估分割准确性、体积一致性和时间效率	头颈部鳞状细胞癌患者的颈部淋巴结	数字病理学	头颈部鳞状细胞癌	对比增强T1加权成像、T1加权成像、T2加权成像	nnU-Net	图像	内部验证队列99例，外部测试队列150例，效率评估队列851例	NA	nnU-Net	Dice相似系数, 一致性相关系数	NA
54	2026-09-23	DETERIO-LLM: enhancing traditional deterioration risk scores with clinical context and advanced reasoning 2026-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag123 PMID:42466429	研究论文	本文提出DETERIO-LLM混合预测模型，选择性地将大语言模型与深度学习模型DETERIO结合，利用临床叙述性笔记对边缘风险警报进行重分类，以提升住院患者生理恶化的预测精度	首次提出选择性整合大语言模型与结构化电子健康记录深度学习模型的方法，仅对处于不确定范围（评分2.5-3.5）的警报进行叙述性笔记分析，在保持敏感性的同时显著降低假阳性率	回顾性研究设计，样本量相对较小（1000例住院患者，恶化患病率仅4.6%），仅针对不确定范围内的警报进行LLM分析，可能未涵盖所有临床场景	提升住院患者生理恶化预测的准确性，减少假阳性警报以缓解警报疲劳	1000例住院患者的电子健康记录数据及临床叙述性笔记	机器学习, 数字病理学, 临床信息学	生理恶化, 住院患者病情恶化	大语言模型, 电子健康记录分析, 深度学习	LLM, 深度学习模型	结构化电子健康记录数据, 文本（临床叙述性笔记）	1000例住院患者（恶化患病率4.6%）	NA	DETERIO-LLM（大语言模型与DETERIO深度学习模型的混合架构）	敏感性, 阳性预测值（PPV）, F1分数	NA
55	2026-09-23	Mitigating hallucinations in synthesized clinical texts to improve multimodal deep learning for dermatology 2026-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105055 PMID:42140329	研究论文	本文研究了如何合成和利用与皮肤镜图像配对的临床文本，以训练多模态架构，重点在于减少大语言模型产生的幻觉内容，并确定合成临床文本可被可靠利用的条件	提出了一种在真实皮肤镜图像上配对大语言模型合成临床文本的多模态架构，系统评估了不同的文本生成策略（包括元数据引导提示、图像表征与特定关键词对齐、句子级临床文本过滤、网络架构设计），以减少幻觉内容并提高合成文本的可靠性	合成临床文本仍可能包含幻觉内容，其可靠性依赖于特定条件的满足；研究主要基于公开数据集，可能无法完全代表真实临床环境的多样性	研究如何合成和利用临床文本与皮肤镜图像配对，以有效训练多模态架构，减少大语言模型引入的幻觉内容，并确定合成临床文本可靠利用的条件	皮肤镜图像与合成临床文本配对数据	数字病理学	皮肤病	大语言模型合成临床文本、多模态深度学习	多模态架构	图像、文本	训练集包含来自6个公开数据集的16,000对图像-文本对；外部泛化评估包含来自15个公开数据集的超过37,000张图像	NA	NA	跨模态检索性能、零样本学习性能	NA
56	2026-09-23	From Regression to Vision Transformers: A Narrative Review of Predictive Modelling in Dental Implantology and the Gap Between Algorithmic Performance and Clinical Adoption 2026-Aug, Cureus DOI:10.7759/cureus.114906 PMID:42764849	综述	该文综述了牙种植学中预测建模从传统回归方法到深度学习架构的演变，并探讨了算法性能与临床采用之间的差距	将技术发展轨迹与临床医生对预测和数字化工具实际认知及使用情况的调查数据进行了对比分析	作为叙述性综述，缺乏系统性文献检索和定量荟萃分析，可能无法全面覆盖所有相关研究	综合比较传统统计方法、机器学习和深度学习方法在牙种植预后预测中的性能，并分析算法性能与临床采用之间的差距	牙种植学中的预测建模方法及相关临床调查数据	机器学习	口腔疾病	NA	CNN, Transformer	图像, 文本	NA	NA	Vision Transformer, 逻辑回归, Cox模型	区分度指标	NA
57	2026-09-23	Long-time integration of partial differential equations based on a sliding-interval physics-informed neural network 2026-Aug, Physical review. E DOI:10.1103/9xdz-bd5f PMID:42768542	研究论文	该文章提出了一种名为滑动区间物理信息神经网络（SI-PINN）的变体，用于解决偏微分方程的长时间积分问题	提出了滑动区间策略来分解时间域以避免激活函数饱和，并集成了预训练方案来减轻因果违反，从而实现偏微分方程的长时间积分	未明确提及	解决物理信息神经网络在长时间积分任务中因因果违反和激活函数饱和导致的性能不佳问题	偏微分方程的长时间积分问题	机器学习	NA	NA	物理信息神经网络	数值数据	NA	NA	物理信息神经网络	精度	NA
58	2026-09-23	Learning and extrapolating scale-invariant processes 2026-Aug, Physical review. E DOI:10.1103/n1nt-spjp PMID:42768544	研究论文	探索机器学习在尺度不变过程的回归和外推，使用分形高斯场和沙堆模型，并测试多种神经网络架构	将几何深度学习应用于尺度不变系统的外推预测，并提出了基于小波分解的图神经网络、傅里叶嵌入层和傅里叶-梅林神经算子	识别了频谱偏差和粗粒化表示等主要问题，需要进一步优化归纳偏差	研究如何回归无标度过程，并在外推区域预测罕见大事件	二维分数高斯场和阿贝尔沙堆模型	机器学习	NA	NA	U-net, Riesz网络, 图神经网络, 傅里叶嵌入层, 傅里叶-梅林神经算子	模拟数据	NA	NA	U-net, Riesz网络, 图神经网络, 傅里叶嵌入层, 傅里叶-梅林神经算子	NA	NA
59	2026-09-21	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Aug, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	开发了一个生成式基础模型GaitDynamics，用于分析人类行走和跑步的步态动力学，包括运动学和动力学预测	在大规模多样化步态数据集上训练的生成式基础模型，支持灵活输入输出，能处理缺失数据，并应用于多种临床和运动场景	摘要中未明确提及	理解人类步态动力学以促进人类移动能力，并开发高效准确的深度学习模型替代昂贵实验和物理模拟	人类行走和跑步的步态模式	机器学习	NA	生成式基础模型	生成式基础模型	运动学数据、动力学数据	大规模多样化步态数据集（具体样本量未提及）	NA	NA	准确度、效率	NA
60	2026-09-18	Design of peptides with noncanonical amino acids using flow matching 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag654 PMID:42675622	研究论文	该论文提出了一种基于流匹配的生成模型 NCFlow，用于将任意非经典氨基酸放置到蛋白质骨架中，并应用于肽设计以改善结合亲和力	NCFlow 仅利用原子的类型和键连接性，能够泛化到训练中未见过的非经典氨基酸，并采用预训练策略（在数百万小分子结构和蛋白质-配体复合物上预训练，然后在天然非经典氨基酸上微调），在非经典氨基酸结构预测上优于基于 AlphaFold3 的方法，同时提出了结合深度学习与分子动力学的肽设计评分策略	未明确提及	设计含有非经典氨基酸的肽，以扩展蛋白质和肽的化学空间，改善治疗性肽（如大环肽）的蛋白水解稳定性、膜通透性和免疫原性	非经典氨基酸、蛋白质骨架、蛋白质-肽复合物	机器学习	NA	流匹配生成模型	流匹配	分子结构数据（原子类型、键连接性、蛋白质骨架坐标）	训练数据包括数百万小分子结构和大量蛋白质-配体复合物，测试案例为四个蛋白质-肽复合物	NA	NA	预测结合亲和力改善（最高 -7.0 kcal/mol）	NA