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
61	2026-09-18	Artificial intelligence-enabled machine olfaction for volatile profiling and food quality decision-making 2026-Aug-31, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150964 PMID:42748669	综述	本文综述了人工智能赋能的机器嗅觉在食品挥发性成分分析和质量评估中的应用。	系统整合了人工智能与机器嗅觉技术，用于食品质量评估，重点关注食品基质中挥发性有机化合物的形成与转化。	传感器漂移、环境变异性、数据集稀缺以及模型迁移能力弱。	总结人工智能赋能的机器嗅觉在食品质量评估中的应用，并探讨其未来发展方向。	食品挥发性有机化合物、机器嗅觉传感器及电子鼻系统。	机器学习	NA	机器嗅觉、电子鼻、金属氧化物半导体传感器、电化学传感器、仿生材料	机器学习, 深度学习	挥发性有机化合物信号, 多模态数据	NA	NA	NA	NA	NA
62	2026-09-18	A Comparison of Machine Learning Approaches to Activity Classification Using IMU Data Collected in a Community-Based Setting 2026-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s26175357 PMID:42739977	研究论文	该研究比较了多种机器学习方法在社区环境中使用IMU数据识别四种日常活动时的性能	在小型、异质、真实世界样本上系统比较了多种机器学习模型、特征集、类别平衡策略、空值和过渡期处理技术及传感器配置	模型准确率相对较低（0.427-0.644），可能受限于样本量小和异质性	系统比较多种机器学习模型、特征集、类别平衡策略等，以识别从年龄多样化人群中提取的IMU时间序列数据中的四种日常活动	儿童和成人的IMU时间序列数据	机器学习	NA	IMU	多层感知机, 随机森林, k近邻, 逻辑回归, CatBoost, 高斯朴素贝叶斯, DeepConvLSTM, ResGCNN	时间序列	NA	NA	多层感知机, 随机森林, k近邻, 逻辑回归, CatBoost, 高斯朴素贝叶斯, DeepConvLSTM, ResGCNN	准确率, 精确率, 召回率, AUC	NA
63	2026-09-18	Adaptive conditional diffusion-based data augmentation for NIR spectroscopy quantitative analysis under limited labeled samples 2026-Aug-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128647 PMID:42748721	研究论文	本文提出自适应条件扩散模型（ACDM）用于近红外光谱数据增强，以解决有限标记样本下的定量回归问题	提出ACDM，整合无分类器引导与FiLM实现连续回归条件控制，引入条件引导噪声注入网络实现标签引导自适应加噪，使用SE模块进行光谱特征重校准，并设计适用于近红外信号的一维U-Net	仅在三个近红外回归数据集上验证，未在大规模或更多样化的样本体系中进行评估	解决近红外光谱定量分析中标记样本有限导致模型训练、泛化及实际部署受限的问题	西洋参、玉米籽粒和药片样本的近红外光谱数据	机器学习	NA	近红外光谱	扩散模型	光谱数据	三个近红外回归数据集（西洋参、玉米籽粒和药片样本）	NA	ResNet1D, U-Net	R值, 预测误差, 残差行为	NA
64	2026-09-18	An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Aug-07, The American journal of pathology DOI:10.1016/j.ajpath.2026.07.007 PMID:42567444	研究论文	该研究开发了X-SPATIO，一种可解释的深度学习流程，用于从三阴性乳腺癌的H&E染色图像中预测和可视化空间分辨的生物标志物表达	开发了空间兼容的计算流程X-SPATIO，直接关联H&E形态与区域匹配的mRNA和蛋白质表达；使用多实例学习方法捕获形态-分子关联，生成空间形态学注意力图；在生物学相关的空间生物标志物上实现AUC 0.79-0.97；整合空间分子金标准与常规组织病理学，实现成本效益的空间生物标志物表达推断	未明确提及具体局限性	开发一种计算流程，将常规H&E组织病理学图像与空间转录组/蛋白质组数据关联，实现三阴性乳腺癌中空间生物标志物表达的成本效益预测和可视化	三阴性乳腺癌组织样本，H&E染色的感兴趣区域，以及匹配的GeoMx数字空间分析空间转录组/蛋白质组数据	数字病理学	三阴性乳腺癌	H&E染色，GeoMx数字空间分析，空间转录组学，空间蛋白质组学	多实例学习	图像，文本/组学数据	未明确说明具体样本量	未明确说明	未明确说明	AUC	未明确说明
65	2026-09-18	Deep learning-supported image quantification of epithelial cell shapes and its application to polycystic kidney disease 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014614 PMID:42546061	研究论文	本文提出了一种全自动、深度学习支持的工作流程，用于量化免疫荧光图像中上皮细胞的形态和连接组织，并应用于常染色体显性多囊肾病（ADPKD）的MDCK细胞模型	开发了一种基于U-Net的分割方法，能够减轻离焦区域的影响，提取标准细胞形状特征以及针对特定表型的读数（如连接弯曲的R指数和基于边界的细胞间力传递代理），并支持混合细胞实验中基因型分辨的共享边界行为分析	未在摘要中明确提及 limitations	开发一种可扩展的框架，用于在特定实验系统中对上皮形态和连接组织进行测定特异性量化，以实现标准化、高通量的表型分析	ZO-1染色的单层上皮细胞，包括基因修饰的MDCK细胞模型（ADPKD模型）	数字病理学	多囊肾病	免疫荧光成像	CNN	图像	大规模图像数据集（具体数量未提及）	NA	U-Net	NA	NA
66	2026-09-18	Deep Learning-Based Prediction of Heart Failure Readmission Using Longitudinal Cardiac Device Data 2026-08, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70406 PMID:42296299	研究论文	该研究利用心脏植入式电子设备（CIED）出院后30天的纵向诊断数据，训练深度学习模型预测心力衰竭患者60天再入院风险	首次利用CIED设备连续采集的出院后生理诊断参数的时序变化轨迹，通过深度学习模型进行心衰再入院风险分层，而非仅依赖静态临床特征	回顾性研究设计，排除了7天内再入院和大量缺失设备数据的患者，可能引入选择偏倚；模型仅在特定CIED人群（ICD/CRT-D）中验证，泛化性有待确认	利用心衰出院后CIED诊断参数的时序行为，预测60天内心衰再入院风险，以支持出院后早期风险分层和靶向随访	植入ICD或CRT-D设备并参与远程监测的心力衰竭患者	机器学习	心血管疾病	心脏植入式电子设备（CIED）远程监测	CNN	时间序列	5734名患者，共12369次心衰住院事件，其中2489次指数住院后60天内发生心衰再入院	NA	1D CNN	敏感度, 特异度, AUROC	NA
67	2026-09-18	EvoSNR-Prom: Predicting promoters at single-nucleotide resolution with label-aware transfer learning of the pretrained EVO model 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014626 PMID:42574449	研究论文	该研究提出了EvoSNR-Prom模型，基于预训练的Evo基础模型，通过标签感知的迁移学习，在单核苷酸分辨率上预测启动子。	将启动子预测构建为标记级序列标注问题，引入词典增强的嵌入策略，并采用标签感知的迁移学习框架。	未明确提及。	实现单核苷酸分辨率的启动子预测。	原核生物数据集。	自然语言处理	NA	预训练的Evo模型、迁移学习、词典增强嵌入	Evo基础模型	DNA序列	NA	NA	Evo	NA	NA
68	2026-09-18	scKanFormer: A Transformer-KAN framework with biologically informed attention for cell type annotation in large-scale scRNA-seq data 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014607 PMID:42599963	研究论文	提出并评估了一个名为 scKanFormer 的 Transformer-KAN 框架，用于大规模 scRNA-seq 数据中的细胞类型注释	结合 Transformer 架构与 Kolmogorov-Arnold Networks，引入生物学信息的局部和全局注意力机制，并融合 CNN 以缓解批次效应，同时避免降维并增强可解释性	未明确说明具体的局限性	准确高效地识别大规模 scRNA-seq 数据中的细胞类型，克服批次效应并提升可解释性和鲁棒性	大规模多类别 scRNA-seq 数据中的细胞	机器学习	NA	scRNA-seq	Transformer	文本	NA	NA	Transformer, KAN, CNN	NA	NA
69	2026-09-18	Clinical Applications, Opportunities, and Implementation Challenges of AI in Emergency Medicine: A Narrative Review 2026-Aug, Cureus DOI:10.7759/cureus.114581 PMID:42746119	综述	本文综述了人工智能在急诊医学中的当前和新兴应用，重点关注分诊和风险分层、诊断决策支持、急诊影像、患者流程优化、大语言模型及实施治理	系统性地总结了AI在急诊医学多个应用场景中的证据，强调了近期最强应用的特征，并综合讨论了LLM带来的额外风险以及负责任实施的治理要求	证据在不同用例间不均衡，缺乏外部验证、数据集偏移、偏见、误报、警报疲劳、可解释性不足、隐私风险、责任不明确、监管复杂性以及难以证明以患者为中心的结局改善	总结AI在急诊医学中的当前和新兴临床应用、机会以及实施挑战	急诊医学中AI应用的相关文献	机器学习	NA	机器学习，深度学习，自然语言处理，计算机视觉，预测分析，大语言模型	NA	NA	NA	NA	NA	NA	NA
70	2026-09-18	Twelve quick tips for applying deep learning to animal sounds 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014604 PMID:42585243	综述	本文为将深度学习应用于动物声音研究的研究者提供十二条实用建议，涵盖从问题定义到部署和伦理考量的完整生物声学机器学习生命周期	提出了一个迭代框架而非线性清单，强调基于现实错误代价的模型评估、迁移学习和开源工具的利用，以及应对野外条件下领域偏移的策略	作为指南性文章，未提供具体的实验验证或定量性能对比，可能缺乏针对特定应用场景的深度技术细节	为缺乏计算背景的生物学家、生态学家、行为科学家和保护工作者提供低门槛、可复现的动物声音深度学习应用指导	动物声音（生物声学录音数据）	机器学习	NA	NA	NA	音频	NA	NA	NA	NA	NA
71	2026-09-18	Structure-aware deep learning enhances m6A prediction and reveals cell type-associated RNA structural signatures 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014649 PMID:42599984	研究论文	该文提出SMART-m6A深度学习框架，通过整合序列与RNA结构信息提升m6A位点预测性能并揭示细胞类型相关的RNA结构特征	首次将序列衍生的RNA结构特征与序列信息通过并行卷积特征提取和结构引导注意力机制进行多特征融合，用于m6A位点预测，并在序列模糊候选位点上展现出明显优势	摘要中未明确提及研究的局限性	提升m6A位点计算预测的准确性，并探索RNA结构信息在表观转录组学预测中的互补价值	m6A RNA修饰位点及其序列与结构特征	机器学习	NA	m6A测序，RNA结构探测	Transformer，CNN	序列，结构	NA	NA	Transformer，CNN	NA	NA
72	2026-09-16	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2026-08, Abdominal radiology (New York) DOI:10.1007/s00261-025-05371-3 PMID:41524987	研究论文	该研究通过多中心评估放射组学和深度学习模型，对IPMN的恶性风险进行分层	首次探索使用囊肿级图像特征对IPMN进行恶性风险分层，并开发放射组学与深度学习的融合模型	模型性能仍不足以独立临床使用，需要进一步改进	评估AI预测IPMN异型增生等级的可行性，并比较不同模型性能	IPMN患者的T2加权MRI图像	数字病理学	胰腺癌	放射组学，深度学习	放射组学模型，深度学习模型，融合模型	图像	359张T2加权MRI图像	NA	NA	AUC，准确率，加权Cohen's kappa系数	NA
73	2026-09-16	Diagnosis of Leukemia from Bone Marrow Flow Cytometry Data Using Deep Learning and Explainable Artificial Intelligence 2026-08, The American journal of pathology DOI:10.1016/j.ajpath.2026.03.011 PMID:42019815	研究论文	该研究开发了一个自动化诊断系统，利用深度学习分析骨髓流式细胞术数据，以诊断白血病	结合注意力增强的VGG19卷积网络与可解释人工智能，提高了诊断透明度和性能，并针对未见患者进行了严格评估	研究仅关注新诊断的高肿瘤负荷骨髓标本，性能可能不适用于低水平疾病状态或微小残留病变场景；标准图像增强技术显著降低了性能	开发一个高精度、可解释且临床相关的工具，以加速白血病诊断、减少人为错误并支持病理学家	白血病患者和健康个体的骨髓流式细胞术样本	数字病理学	白血病	流式细胞术	CNN	图像	超过2000个样本，来自白血病患者和健康个体	NA	VGG19, 循环神经网络, 基于图的神经网络, 注意力增强卷积网络	准确率	NA
74	2026-09-16	Deep Learning-Driven Analysis and Quantification of Histopathologic Features in a Dextran Sulfate Sodium-Induced Colitis Mouse Model 2026-08, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.005 PMID:42092460	研究论文	该研究利用基于深度学习的分类器识别并量化葡聚糖硫酸钠诱导的小鼠结肠炎模型中的组织病理学特征	在HALO平台上训练人工智能分类器，依次识别组织、黏膜、黏膜下层和淋巴组织，并量化组织损伤、细胞浸润、杯状细胞数量及基于核表型的细胞类型	这是一项概念验证研究，样本量未明确说明，可能需要在更大规模的数据集上进一步验证	利用深度学习工具对葡聚糖硫酸钠诱导的小鼠结肠炎模型进行组织病理学特征的自动分析和量化，以减少人工偏差并提高效率	葡聚糖硫酸钠诱导的结肠炎小鼠模型的结肠切片	数字病理学	炎症性肠病	组织病理学图像分析，核表型分析	深度学习分类器	图像	未明确说明	NA	NA	相关性，敏感性	NA
75	2026-09-07	GRASSP: RNA language model-enhanced graph attention with adaptive gating for RNA-small molecule binding site prediction 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag638 PMID:42633564	研究论文	开发了一个名为GRASSP的混合深度学习框架，结合预训练RNA语言模型表示和自适应图注意力机制，用于RNA-小分子结合位点预测，在多个基准数据集上取得领先性能	通过预训练RNA语言模型生成核苷酸嵌入和预测二级结构特征直接构建空间RNA图，并引入两阶段图注意力精炼模块，减少对复杂结构注释和多阶段预处理流程的依赖	未在摘要中明确提及局限性	提高RNA-小分子结合位点预测的准确性和效率	RNA-小分子结合位点，涉及TE18、HARIBOSS、TL12和JL10四个基准数据集	自然语言处理, 机器学习	NA	RNA语言模型	GRASSP框架（结合预训练RNA语言模型和图形神经网络）	序列数据、空间图数据	涉及四个基准数据集（TE18、HARIBOSS、TL12和JL10），具体样本数量未在摘要中说明	PyTorch	GRASSP架构（基于预训练RNA语言模型和图注意力机制）	AUC, MCC	NA
76	2026-09-07	Single domain generalized polyp detection in colonoscopy scene utilizing vision foundation models 2026-Aug-31, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104268 PMID:42700677	研究论文	本文提出一种基于视觉基础模型的新型息肉检测方法，用于在单源域泛化设置下提升结肠镜场景中的跨域检测性能	首次将视觉基础模型与可学习令牌驱动的适配器机制结合，用于单源域泛化的息肉检测，并引入高效变体E-GPDT，通过知识蒸馏统一高容量与低延迟检测器	未明确提及局限性，但可能受限于依赖预训练视觉基础模型和单源域数据的假设	解决结肠镜息肉检测中因数据分布偏移导致的泛化问题，提出在仅有一个源域可用的现实场景下提升跨域检测能力的方法	结肠镜场景中的结直肠息肉	计算机视觉, 数字病理	结直肠癌	NA	Transformer（检测器），视觉基础模型	图像	使用了两个多中心基准数据集PolypGen和REAL-Colon，具体样本量未在摘要中明确	PyTorch（推断）	GPDT（通用息肉检测Transformer），E-GPDT（高效变体），视觉基础模型，适配器	性能指标未明确列出，但提及了检测精度和速度	评估了边缘设备配置，具体GPU类型未在摘要中说明
77	2026-09-07	Automated reconstruction of dynamic 2D fetal cardiac MRI using deep learning in late third-trimester fetuses 2026-Aug-30, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113197 PMID:42700702	研究论文	开发了一个基于nnU-Net的深度学习模型，用于自动选择胎儿心脏MRI中的感兴趣区域，并将其集成到电影重建流程中，以解决运动伪影和心脏门控挑战。	首次将nnU-Net模型用于自动选择胎儿心脏MRI中的感兴趣区域，消除了对手动选择的依赖，提高了临床可用性。	研究样本量较小（23例），且图像质量和取向差异可能限制模型的泛化能力。	开发并验证一种自动化的感兴趣区域选择方法，用于动态二维胎儿心脏MRI的电影重建，以减少手动干预并提高临床实用性。	23例晚期第三孕期（34-36周胎龄）的胎儿，包括21例健康胎儿和2例先天性心脏病胎儿，共2327张实时图像。	深度学习, 医学影像	先天性心脏病	胎儿心血管磁共振（CMR）	nnU-Net	图像	23例胎儿，2327张图像	NA	nnU-Net	Dice相似系数, 互信息, 定盲感知图像质量评估（PIQE）	NA
78	2026-09-07	BioDeformUNet: A Deep Learning Model for Biomechanically Informed Liver Image Registration 2026-Aug-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.08.03.26359612 PMID:42620482	研究论文	开发了一种基于3D U-Net的深度学习模型BioDeformUNet，用于预测肝脏变形矢量场，以实现近实时的最小消融边缘评估	提出了一种受生物力学模型指导的深度学习图像配准方法，通过定制损失函数聚焦大变形区域，实现了与生物力学模型相当的精度但计算速度显著提升	摘要中未提及明确局限性	构建近实时预测肝脏变形矢量场的模型，以高效评估肝脏消融治疗中的最小消融边缘	157名接受肝脏消融治疗患者的170对对比增强CT图像	深度学习	肝脏肿瘤（具体疾病未明确）	NA（未明确，可能涉及对比增强CT成像）	3D U-Net	CT图像	170对CECT图像，来自157名患者	NA（未明确，可能使用PyTorch或TensorFlow）	U-Net	目标配准误差（TRE），Dice相似系数（DSC），最小消融边缘（MAM），推理时间，映射误差	NA（未明确提及）
79	2026-09-07	Ai-assisted compressed sensing with deep learning reconstruction for accelerated rectal MRI: A prospective intra-individual study of image quality and preoperative staging 2026-Aug-25, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113191 PMID:42700701	研究论文	本文旨在比较人工智能辅助压缩感知结合深度学习重建（ACS-DLR）与常规并行成像（PI）在直肠癌MRI中的图像质量和诊断性能	前瞻性个体内研究设计，比较了ACS-DLR三种重建强度水平与传统PI的图像质量及术前分期准确性	未提及	评估ACS-DLR在直肠癌MRI中能否提高图像质量和术前分期性能	107名经活检证实的直肠癌患者	医学影像	直肠癌	MRI	深度学习重建	MRI图像	107例直肠癌患者	NA	深度学习重建模型	信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）、T分期准确性、N分期准确性、EMVI敏感性、MRF受累评估	NA
80	2026-09-07	Gaps in AI-Driven Pharmacokinetic Property Prediction for Early Drug Development: A Scoping Review 2026-Aug-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01331 PMID:42670843	综述	本文是一篇范围综述，探讨了机器学习方法在早期药物开发中预测小分子药代动力学（PK）特性的现状，并指出了限制预测模型发展的主要障碍及改进建议	提出结合协同联邦学习框架和深度学习模式识别能力与机理性方法生物可解释性，以实现准确性和可解释性之间的平衡	未提供具体实验数据或模型性能评估；文献范围可能受限于已发表研究，且未讨论所有潜在解决方案	调查药物发现中运用机器学习和混合模型进行小分子PK特性预测的现状，识别阻碍最优模型发展的关键问题	小分子药物的药代动力学特性预测模型，以及相关数据集和方法	机器学习	NA	NA	机器学习模型和混合机器学习-机制模型	文本（文献综述）	不适用（基于文献的综合分析）	NA	NA	NA	NA