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
161	2026-08-24	An Explainable Deep Learning Framework Integrating DNA Sequence and Transcription Initiation Signals for Gene Expression Prediction 2026-Aug-21, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.6c00275 PMID:42384944	研究论文	提出一种可解释的深度学习框架，融合DNA序列与转录起始信号进行基因表达预测	结合DNA序列、mRNA半衰期特征和转录起始信号，采用CNN与门控循环单元，并进行可解释性分析	未明确提及	通过整合多种特征，提高基因表达预测的准确性和可解释性	人类细胞系中的基因表达水平	机器学习	不适用	DNA序列分析	卷积神经网络与门控循环单元	DNA序列、mRNA半衰期特征、转录起始信号	GM12878、HepG2和K562数据集	未明确提及	CNN-GRU	未明确提及	未明确提及
162	2026-08-24	Interpretable distillation reveals that deep learning splicing models suffer from pervasive confounders and blind spots 2026-Aug-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04124-9 PMID:42625183	research paper	开发了一种可解释蒸馏框架，发现深度学习剪接预测模型存在普遍混杂因素和盲点，导致在非参考序列上性能不佳	提出可解释蒸馏框架来解析深度学习剪接模型的预测逻辑，首次揭示这些模型在剪接预测中利用与剪接无关的基因组混杂因素，且未能充分捕捉RNA结构效应	模型存在系统性预测错误，对非参考序列表现不佳，且未能充分捕捉RNA结构对剪接的影响	解释深度学习剪接预测模型的预测机制，揭示其局限性并提出改进方法	RNA剪接预测模型及其对基因组序列的预测逻辑	deep learning	NA	可解释蒸馏	深度学习模型	基因组序列	NA	NA	NA	NA	NA
163	2026-08-24	Radiological assessment of pulmonary vascularity in congenital heart disease: standardized clinician assessment versus deep learning-based prediction 2026-Aug-21, Journal of cardiovascular imaging DOI:10.1186/s44348-026-00084-7 PMID:42625206	研究论文	本研究开发并验证了结构化标准和深度学习模型，用于评估先天性心脏病胸部X光片中的肺血管分布，并与传统临床解读进行比较	首次将深度学习模型应用于先天性心脏病胸部X光片的肺血管分布评估，并与结构化临床评估进行系统比较，显示出更高的准确性和一致性	研究基于单一机构的回顾性数据，且样本量有限，可能限制模型的泛化能力	开发并评估基于深度学习的模型，以提高先天性心脏病胸部X光片中肺血管分布评估的准确性，并克服传统临床解读的主观性	先天性心脏病患者的胸部X光片及临床评估数据	医学影像分析	先天性心脏病	胸部X光成像	深度学习模型	图像	共400张用于临床评估，另用1,088张训练深度学习模型	未明确提及，但可能使用PyTorch或TensorFlow	未具体说明，可能为卷积神经网络	均方根误差、特异性、敏感性、受试者工作特征曲线下面积、组内相关系数、Kappa系数	未明确提及，但深度学习训练通常需要GPU资源
164	2026-08-24	Geneformer-guided multiomics integration identifies Pbx1 as a network hub of hematopoietic stem cell aging 2026-Aug-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb1346 PMID:42627902	研究论文	该研究利用单细胞RNA测序和微调后的Geneformer模型，整合多组学数据，揭示了造血干细胞衰老过程中的转录程序变化，并确定Pbx1为调控衰老相关变化的关键网络中心	首次使用基于Transformer的Geneformer模型进行微调，以捕获年轻和衰老造血干细胞之间的高阶差异，并结合转录组、表观遗传谱和转录因子筛选，确定了Pbx1在调控造血干细胞衰老中的关键作用	摘要未明确提及局限性	探究造血干细胞衰老过程中转录和分化变化的根本机制，并识别关键的调控因子	年轻和衰老的造血干细胞	机器学习、数字病理学	老年疾病	单细胞RNA测序、转录组分析、表观遗传分析、转录因子筛选	Transformer	基因表达数据	未明确说明样本量	NA	Geneformer	未明确说明性能指标	未明确说明计算资源
165	2026-08-24	BoltzOmics: Predicting genetic variant effects on drug binding with Boltz-2 2026-Aug-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.116797 PMID:42502384	研究论文	开发了一个名为BoltzOmics的交互式开源平台，利用Boltz-2深度学习模型预测遗传变异对药物结合的影响	首次将Boltz-2模型用于大规模评估药物-变异相互作用，提供全自动流程从序列到结合亲和力预测	摘要未提及限制	快速评估遗传变异对药物结合的影响，以支持精准医学和药物研发	hERG、Na1.5、HER2和CYP3A4四个药物靶点	生物信息学	遗传性疾病	深度学习结构预测	深度学习模型	蛋白质序列和药物结合数据	四个靶点	NA	Boltz-2	皮尔逊相关系数	NA
166	2026-08-24	FusionNetX: A Deep Feature Fusion Model Leveraging MRI and Deep Learning for Enhanced Brain Tumor Detection 2026-Aug-21, Journal of visualized experiments : JoVE DOI:10.3791/73365 PMID:42631578	研究论文	提出了一种基于MRI和深度学习的增强型脑肿瘤检测模型FusionNetX，利用DenseNet121和EfficientNetB7的深度特征融合，在多个公开数据集上实现了高精度检测。	提出一种基于特征融合的增强型深度学习模型FusionNetX，结合两个预训练模型DenseNet121和EfficientNetB7，并采用定制微调超参数，通过特征融合提升脑肿瘤检测的准确性和泛化能力。	未明确说明，但可能依赖于公开数据集的规模和多样性，以及计算资源需求较高。	提高脑肿瘤检测的准确性和可靠性，辅助医疗从业者进行及时诊断。	脑肿瘤患者，通过MRI图像进行检测。	计算机视觉，数字病理	脑肿瘤	MRI	CNN	医学图像	五个公开数据集，具体数量未在摘要中明确。	未明确，但通常使用深度学习框架如TensorFlow或PyTorch。	DenseNet121, EfficientNetB7	准确率、损失、阳性预测值、阴性预测值、真阳性率、真阴性率、F1分数、假阴性率、假阳性率、ROC曲线	未明确描述。
167	2026-08-24	Real-time Production Line Safety Monitoring Using Deep Learning-based Object Detection and Feature Enhancement 2026-Aug-21, Journal of visualized experiments : JoVE DOI:10.3791/70968 PMID:42631619	研究论文	提出一个整合YOLOv11与卷积神经网络的生产线安全监控系统，用于实时检测工人、设备和潜在危险	结合YOLOv11与带有多尺度特征融合和注意力机制的增强CNN网络，提高对小目标和遮挡目标的特征提取能力	摘要中未提及明确的局限性	提高生产线实时安全监控的准确性和速度，降低误报率	生产线上的工人、设备和潜在危险	计算机视觉	不适用	图像预处理	YOLOv11, CNN	图像	自建生产线安全数据集	未提及	YOLOv11, 增强CNN（多尺度特征融合与注意力机制）	mAP@0.5, FPS	未提及
168	2026-08-24	Demographic Confounding in Voice-Based Parkinson Disease Screening: Methodological Analysis of the Bridge2AI Voice Dataset 2026-Aug-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95609 PMID:42623305	研究论文	对基于语音的帕金森病筛查中的混杂因素进行方法论审计，重点分析Bridge2AI语音数据集的年龄和地点混杂效应	首次系统审计Bridge2AI语音数据集中年龄和地点混杂对语音深度学习模型性能的影响，并提出最低报告标准	痴呆症分析受美国病例数量不足限制，无法进行类似估计；跨版本预处理测试显示模型表征脆弱	量化语音筛查帕金森病和痴呆症中的年龄和地点混杂，评估去混杂后是否存在疾病特异性声学信号，并提出报告标准	帕金森病患者、痴呆症患者及健康对照组的语音数据	数字病理学、机器学习	帕金森病、痴呆症	语音频谱图分析	音频频谱图变换器（AST）	语音频谱图	帕金森病（n=253）和痴呆症（n=221），共用148人对照组	NA	音频频谱图变换器（AST）	AUC、DeLong检验、置信区间	NA
169	2026-08-24	High-accuracy hyperspectro-polarimetric real-time imaging via a deep learning empowered infrared meta-sensor 2026-Aug-20, Light, science & applications DOI:10.1038/s41377-026-02407-1 PMID:42624839	研究论文	本文展示了一种通过元表面集成近红外相机和残差注意力网络实现高精度高光谱全斯托克斯偏振实时成像的方法，覆盖1150-1650纳米波长范围，具有167个光谱通道。	提出了一个元表面作为多维编码器，同时进行偏振复用和光谱色散，并定制了带有残差注意力模块的深度学习网络，以实现高精度多维信息重建，性能指标优于现有高光谱偏振相机。	摘要中未提及具体局限性。	实现高精度、实时的高光谱全斯托克斯偏振成像，在单次曝光中同时捕获光的多维信息。	入射光的多维信息，包括强度、偏振和光谱。	计算机视觉	NA	元表面集成成像	深度神经网络	图像	未提供具体样本量。	NA	残差注意力网络	光谱分辨率、图像分辨率、光谱重建精度、偏振重建精度、处理时间、帧率	NA
170	2026-08-24	A multimodal EMG-IMU dataset and multi-dataset benchmark for deep learning-based human activity recognition 2026-Aug-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-64847-4 PMID:42624935	研究论文	本文介绍了一个结合表面肌电和惯性测量单元的多模态数据集SDALLE，并与公共数据集ENABL3S进行了基准比较，探索了基于深度学习的活动识别方法	提出了新的多模态EMG-IMU数据集SDALLE，并首次将其与ENABL3S数据集进行调和比较，同时探索了WGAN-GP数据增强策略用于类别平衡	受试者依赖的评估协议可能导致性能指标过于乐观，未评估对未见受试者的泛化能力，且数据增强未能提升准确率	为可穿戴传感器的人体活动识别提供一个公开的多模态数据集和协议特异的基准比较，以支持康复、辅助机器人和移动健康应用	九名健康男性受试者在步行、慢跑、爬楼梯和下楼时的EMG和IMU信号	数字病理学, 机器学习	不适用	表面肌电, 惯性测量单元, 数据增强	CNN-LSTM, WGAN-GP	信号数据	9名健康男性受试者	不适用	CNN-LSTM, WGAN-GP	准确率	不适用
171	2026-08-24	Seeing Beyond RGB Capabilities: Data-Driven and Physics-Guided Broadband Spectral Extrapolation of Plasmonic Nanostructures by Deep Learning 2026-Aug-19, ACS photonics IF:6.5Q1 DOI:10.1021/acsphotonics.5c02828 PMID:42631208	研究论文	本文介绍了一种基于深度学习的范式，能够从信息有限的RGB图像中同时推断大量等离激元纳米结构的宽带暗场光谱，并批量分类其形状。	首次将数据驱动与物理引导的深度学习结合，实现从RGB图像到宽带光谱的外推，突破了传统成像和光谱学的分辨率-吞吐量权衡，速度提升2-4个数量级。	摘要未明确提及局限性。	开发一种快速、高精度的光学表征方法，用于纳米结构的一致性和可重复性筛选，以促进可扩展的纳米光子学应用。	等离激元纳米结构（纳米粒子），关注其形状和光谱响应。	计算机视觉，深度学习	NA	暗场光谱学，RGB成像	深度学习模型	图像（RGB）和光谱数据	大量纳米粒子（具体数量未提供）	NA	NA	精度（与传统文化方法相当）	NA
172	2026-08-24	AI-Driven Workflow for Automated Colorimetric Isothermal Amplification for Robust Pathogen Detection on Portable Devices 2026-Aug-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c12299 PMID:42626496	研究论文	提出了一种基于AI的工作流程，用于便携设备上自动化比色环介导等温扩增(cLAMP)的病原体检测，以提高读取客观性和易用性	利用深度学习分割和相对最大均值差异(MMD)进行自动颜色检测，实现了多病原体检测的通用自动化流程，并能在不同光照条件下保持高准确性	误分类图像主要由人为错误或极端光照条件引起，且未提及计算资源需求或模型训练细节	开发并验证一种便携设备上cLAMP检测的自动化颜色读取工作流程，减少主观性并提高易用性	皮肤嗜性病毒、呼吸道病毒病原体和疟原虫三种检测面板，共527次测试中的1,636张照片	计算机视觉	传染病（皮肤嗜性病毒、呼吸道病毒、疟疾）	比色环介导等温扩增（cLAMP）	深度学习分割模型（具体架构未指定，可能包含U-Net等）	图像	527次测试，1,636张照片，三个检测面板	未指定（可能使用PyTorch或TensorFlow，但未在摘要中提及）	深度学习分割模型（具体架构未指定），Otsu二值化	准确性（Accuracy）	未提及（摘要中未提供）
173	2026-08-24	Unsupervised deep learning enables blur-free resolution enhancement in two-photon microscopy 2026-Aug-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101476 PMID:42248144	研究论文	提出一种名为TENET的无监督深度学习框架，用于双光子显微镜图像的模糊消除和分辨率增强，同时进行语义分割。	TENET为全无监督框架，包含物理信息模糊生成模块和可训练的神经隐式点扩散函数，仅需近似PSF初始化，无需配对清晰图像或各向同性假设，实现高达12倍的分辨率增强和自动语义分割。	未提及明确限制，但可能对PSF初始化的依赖性及其在更广泛成像条件下的适用性未知。	开发一种无监督深度学习方法，以改善双光子显微镜成像中的轴向模糊和各向异性分辨率，简化下游分析。	双光子显微镜图像，包括合成图像、荧光珠和体内小胶质细胞数据集。	计算机视觉	脑肿瘤	双光子显微镜	神经网络	图像	未指定具体样本数量，但包括合成图像、荧光珠和体内小胶质细胞数据集。	NA	TENET（未指定具体架构，如ResNet等）	图像保真度、分割精度（未具体列出指标）	未提及
174	2026-08-24	DeepFaceMouse enables scalable prediction of large-scale brain activity from facial dynamics in mice 2026-Aug-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101480 PMID:42259296	研究论文	DeepFaceMouse是一个高精度、可扩展的深度学习框架，用于分析小鼠口面部行为并从面部动态预测大规模脑活动	通过优化的训练、推理和数据处理流程，在多种行为条件和神经系统疾病模型中实现稳健追踪，相比现有方法提高了追踪精度和计算效率，并将行为测量质量与下游神经信号重建联系起来	未提及具体局限性	建立一个可复制、可扩展的框架，用于研究大脑-行为关系，并为评估行为建模方法提供功能基准	小鼠的口面部行为和大脑活动	计算机视觉、深度学习	神经系统疾病	姿态估计	深度学习模型	视频数据（面部动态）和脑活动数据	未提及具体样本数量	未提及	未提及具体架构，可能包括卷积神经网络等	追踪精度、计算效率、神经信号预测准确度	GPU加速系统
175	2026-08-24	Hierarchical geometric deep learning enables scalable analysis of molecular dynamics 2026-Aug-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0332913 PMID:42573031	研究论文	本文展示了一种层级几何深度学习方案，通过聚合局部信息来降低内存和运行时间需求，同时保持原子细节，实现对包含数千残基的蛋白质-核酸复合物分子动力学模拟的全原子分辨率分析	提出层级方案聚合局部信息，解决消息传递GNN难以捕捉长程交互和全连接注意力机制计算成本随节点数平方增长的问题，在降低计算成本的同时保持或提升性能和可解释性	仅对数百残基系统进行了定量比较，对更大规模系统缺乏定量性能评估	开发可扩展的几何深度学习方法来分析分子动力学模拟数据，特别是捕捉长程交互并降低计算成本	蛋白质-核酸复合物的分子动力学模拟轨迹	机器学习	NA	分子动力学模拟	图神经网络	分子动力学模拟轨迹数据	数百至数千残基的蛋白质-核酸复合物系统	NA	层级图神经网络	计算成本、性能、可解释性	单GPU
176	2026-08-24	Revealing hidden material composition via physics-induced deep learning for precision clinical diagnosis 2026-Aug-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2026.101620 PMID:42630783	研究论文	提出一种基于物理诱导深度学习的多材料分解框架，从单能CT图像中提取材料成分信息，以提升临床诊断精度。	将光电效应和康普顿散射的物理原理集成到深度学习网络架构中，实现了单能CT图像的高精度多材料分解。	未明确说明局限性。	利用物理诱导的深度学习实现精确的材料分解，为临床诊断提供可及的人工智能工具。	体模和临床患者CT图像。	医学影像分析	未明确指定具体疾病类别。	光谱CT成像	深度学习网络	CT图像	包含1,637,738张CT图像，来自7,629名患者，以及体模数据集	NA	集成光电效应和康普顿散射物理原理的深度学习架构	峰值信噪比、体积分数准确率	NA
177	2026-08-24	DFCE-KanT: predicting spatial gene expression from histology images via contrastive learning 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag502 PMID:42421216	研究论文	提出DFCE-KanT对比学习框架，结合组织图像特征、基因特征和空间位置信息，从H&E染色图像预测空间基因表达。	结合DenseNet与特征通道增强注意力的图像特征提取，以及KAN与Transformer多头注意力的融合策略，增强非线性能力并提升图像与基因表达特征的兼容性。	未明确说明局限性，但可能涉及计算成本或数据依赖性。	开发一种低成本方法，从H&E图像直接预测空间基因表达，替代昂贵的空间转录组测序。	五种公开数据集（HER2+、cSCC、Alex、HBC和Liver）中的组织图像和对应的空间基因表达数据。	数字病理学	癌症（HER2+乳腺癌、皮肤鳞状细胞癌、肝癌等）	空间转录组学（ST），H&E染色成像	对比学习框架，包含DenseNet、KAN和Transformer	组织图像（H&E染色全切片图像）和基因表达数据	五个公开数据集，具体样本数量未在摘要中说明。	PyTorch（根据GitHub代码推测）	DenseNet、KAN、Transformer	预测准确性（具体指标如皮尔逊相关系数，未明确）	未在摘要中说明
178	2026-08-24	On the Utility of Foundation Models for Fast MRI: Vision-Language-Guided Image Reconstruction 2026-Aug, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70374 PMID:41947281	研究论文	本研究探讨了视觉-语言基础模型通过提供高级上下文信息来增强欠采样MRI重建的能力，提出了一种语义分布引导的重建框架	首次将视觉-语言基础模型应用于MRI重建，通过对比学习目标将重建图像与目标语义分布对齐，实现高层语义引导，而非传统低层先验	摘要未明确提及局限性	探究视觉-语言基础模型能否通过语义空间优化改善欠采样MRI重建	膝关节和脑部MRI图像重建	计算机视觉, 医学影像	NA	MRI	视觉-语言基础模型, 深度学习重建方法	图像, 文本	膝关节和脑部数据集（具体样本数量未提及）	NA	NA	LPIPS, Tenengrad得分, 读者研究评分	NA
179	2026-08-24	Automated whole-heart volumetrics and haemodynamics from 4D flow CMR magnitude images: development and validation of a deep learning model 2026-Aug, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag125 PMID:42500508	研究论文	本研究旨在验证从4D血流CMR幅度图像中提取的解剖信息的准确性，并开发用于自动分割的深度学习模型，以实现心脏结构和功能的全面评估	首次验证了4D血流序列的幅度图像在提供准确容积测量方面的潜力，并开发了全自动深度学习模型用于分割，简化了传统复杂的后处理流程	样本量较小（n=40），且为单中心研究，可能限制结果的普遍性	验证4D血流幅度图像在心脏容积学上的准确性，并开发自动化AI模型以促进心脏结构和血流动力学的分析	心脏腔室（左心室、右心室、左心房、右心房）及大血管	医学影像分析	心血管疾病	4D血流心血管磁共振	深度学习分割模型	医学图像（4D血流幅度图像及标准电影序列）	40名患者	NA	NA	Dice相似系数, 相关系数, 组内相关系数, 峰值指标相关度	NA
180	2026-08-24	Generative chromoendoscopy for gastric neoplasms: a multicenter prospective study 2026-Aug, Endoscopy IF:11.5Q1 DOI:10.1055/a-2873-4466 PMID:42103307	研究论文	本研究为多中心前瞻性研究，评估基于深度学习的生成式色素内镜在胃癌前病变和早期胃癌可视化中的临床可行性	首次将深度学习合成图像转换技术应用于实时内镜，生成生成式色素内镜图像以改善胃肿瘤的可视性	样本量较小（60例），可能影响统计功效；研究时间跨度短，未涉及长期随访结果	验证生成式色素内镜在改善胃肿瘤可视性方面的临床可行性，并比较其与传统白光成像和真实色素内镜的效果	早期胃癌或腺瘤患者	医学影像分析	胃肿瘤	深度学习合成图像转换	深度神经网络	内镜图像	60例患者	NA	NA	可视性评分（7点Likert量表）	NA