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
2221	2026-08-13	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	本研究探讨了机器学习算法在地中海贫血及其亚型分类中的应用，并提出了一种新型混合堆叠模型ThalP，该模型在真实临床数据集上表现出较高的分类性能。	提出了一种名为ThalP的混合堆叠模型，该模型通过神经网络元分类器整合SVM、LR和XGBoost的概率输出，以提高地中海贫血亚型分类的准确性。	训练数据为基于真实临床数据统计特性生成的合成数据集，可能与真实数据的复杂性存在差异，且模型性能仅在单一中心的数据集上验证。	评估机器学习算法在地中海贫血及其亚型分类中的辅助诊断能力，并开发一种有效的混合模型作为决策支持工具。	地中海贫血患者，包括α-地中海贫血和β-地中海贫血（轻型、中间型和重型）的临床血液学参数。	机器学习	地中海贫血	临床血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	结构化临床数据	合成训练数据集1534例，真实外部数据集349例患者	NA	SVM、LR、XGBoost、ANN、ThalP（混合堆叠架构）	准确率、宏平均F1分数	NA
2222	2026-08-13	A Unified Deep Learning Framework for Instance Segmentation Across Diverse Cytological Stains 2026-Sep, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70087 PMID:42115786	研究论文	评估单个实例分割模型是否能在多种细胞学染色（Papanicolaou、Feulgen、AgNOR）中稳健运行，避免特定染色流程而不损失准确性	首次验证统一的多染色模型在细胞学实例分割中的可行性，表明统一训练可匹配或超越特定染色模型，并改善边界精度	未提供关于模型计算资源、训练时间或泛化到其他染色类型的详细信息	评估单一实例分割模型在多种细胞学染色中的稳健性，支持统一多染色、可扩展的AI辅助细胞病理学路径	来自Papanicolaou、Feulgen和AgNOR染色的细胞学图像，包含三个专家注释数据集	计算机视觉、数字病理学	不适用（细胞学染色，未指定特定疾病）	不适用（使用深度学习模型，非特定测序技术）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	图像（细胞学染色图像）	未提供具体样本数量（三个专家注释数据集）	不适用（未在标题或摘要中指定）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	AP50、AP75	不适用（未在标题或摘要中指定）
2223	2026-08-13	V2-Former: Towards volumetric framework for instance-level segmentation and prediction of fetal ventriculomegaly in anisotropic MRI 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104219 PMID:42480342	研究论文	提出了V2-Former，一个用于胎儿脑室增大（VM）各向异性MRI中的实例级分割和预测的体积极框架，结合查询式Transformer范式，实现脑室特异性预测和全面体积评估	首次提供端到端解决方案，同时实现脑室特异性预测和体积评估，并引入各向异性感知模块（AAM）和脑室诊断增强（VDE）策略	未明确提及局限性	提高胎儿脑室增大的产前诊断准确性，通过结合3D形态学线索和临床工作流程实现综合评估	胎儿脑室增大的MRI扫描数据	计算机视觉, 数字病理学	胎儿脑室增大	MRI成像	Transformer	图像	384个胎儿MRI扫描	NA	未指定具体架构，但提及查询式Transformer范式	综合性能指标	NA
2224	2026-08-13	Artificial intelligence-based methods and applications in clinical and diagnostic microbiology: Current challenges and future perspectives 2026-Sep, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107638 PMID:42492779	综述	本文全面评估了人工智能在临床和诊断微生物学中的应用，涵盖其优势、局限性及实施挑战，并比较了人工智能驱动方法与常规专家实践的差异	系统比较不同人工智能方法在特定实验室任务中的适用性，并强调人工智能系统与人类专业知识的互补协同作用	未提及具体限制	评估人工智能在微生物学诊断中的当前应用，探讨其优势、局限和实施挑战，并强调人工智能与人类专家的互补作用	人工智能技术在微生物实验室诊断、基因组学、宏基因组学、耐药性预测及药物和疫苗发现中的应用	机器学习	传染病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
2225	2026-08-13	HFG-Net: high-frequency guided multi-view graph convolution and dynamic spatio-temporal fusion for ASD diagnosis 2026-Aug-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9190 PMID:42520836	研究论文	提出HFG-Net，一种高频引导的多视图图卷积和动态时空融合框架，用于基于脑电图的自闭症谱系障碍诊断。	引入通道-时间多尺度注意力机制、高频引导的多视图图构建策略和动态协同融合模块，以捕捉非欧几里得拓扑异常并适应个体差异。	未明确说明局限性，但可能受限于单中心数据和小样本量。	开发一种稳健、自适应且可解释的脑电图诊断框架，以解决时空建模和异质性适应的挑战。	120名受试者（包括自闭症谱系障碍患者和对照组）的临床脑电图数据。	机器学习、数字病理学（基于脑电图的诊断）	自闭症谱系障碍	脑电图信号分析（包括频带提取）	图卷积网络（GCN）	脑电图信号	120名受试者的临床数据集	PyTorch	多视图图卷积网络（基于图卷积的架构）	准确率、F1分数	未提及具体硬件，但可能使用标准GPU（未提供详细信息）
2226	2026-08-13	Imaging-Derived Sarcopenic Obesity and Cardiovascular Outcomes: Insights Into Heart Failure Risk and Muscle Biology 2026-Aug-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2026.05.022 PMID:42383941	研究论文	开发了一种基于深度学习的方法，从心血管磁共振成像中量化肌肉质量以评估肌少性肥胖，并探讨其与心血管结局的关联	首次提出基于心血管影像的深度学习管道来量化胸大肌质量并构建肌少性肥胖指数，结合基因组和转录组数据揭示其遗传基础和潜在治疗靶点	未明确提及局限性，但可能包括影像数据的单中心来源或模型泛化性需进一步验证	建立可转化的肌少性肥胖评估方法，并利用长期随访、基因组和转录组数据评估其临床相关性	55,768例心血管磁共振检查数据，以及骨骼肌转录组数据	计算机视觉, 数字病理学	心力衰竭, 心血管疾病	心血管磁共振成像, 全基因组关联分析, 转录组学	深度学习模型	影像数据, 基因组数据, 转录组数据	55,768例心血管磁共振检查	PyTorch	卷积神经网络	风险比, 置信区间, 基因组关联p值	NA
2227	2026-08-13	DDCCNet: Physics-Enhanced Multitask Neural Networks for Data-Driven Coupled-Cluster 2026-Aug-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00906 PMID:42474317	研究论文	提出一种名为DDCCNet的物理增强多任务深度学习网络，用于从低级电子结构方法预测耦合簇单双激发的振幅和相关能	将物理知识直接嵌入神经网络结构，通过特征分区块和符合耦合簇方程的中间预测层增强物理一致性和多任务学习效率，实现了机器学习与从头算理论的统一	未提及具体限制	开发可扩展、物理基础稳健的深度学习框架，用于高效、数据驱动的电子结构预测	甲醇构象、CO2簇和小型有机分子	机器学习	不适用	耦合簇方法（CCSD）和低级电子结构方法	多任务深度学习网络	电子结构数据（振幅和相关能）	未提及具体数量	不明确	并行子网络、特征分区块、物理增强中间预测层	准确性、迁移性、化学精度	未提及
2228	2026-08-13	Fused deep learning enables 6D single-molecule localization in polarization-resolved microscopy 2026-Aug-10, Methods and applications in fluorescence IF:2.4Q3 DOI:10.1088/2050-6120/ae8eff PMID:42486163	研究论文	提出一种结合双螺旋点扩散函数显微镜和融合深度学习的方法，实现偏振分辨显微镜中单分子的六维定位	开发了一种基于现有神经网络架构的融合深度学习方法，能够利用双螺旋点扩散函数在六维空间中定位偶极发射体，实现同时具有高光子效率的空间和方向定位	在高极角下方位角方向存在已知的光学简并性，导致精度下降；实验数据超出训练分布时仍能观察到有序取向，但可能影响泛化性能	实现单分子取向定位显微镜中同时具有高光子效率的六维位置和方向定位，以测量带电和拥挤环境中的复杂传输	聚甲基丙烯酸甲酯薄膜中的罗丹明B分子和球形支撑脂质双层中的尼罗红分子	机器学习, 光学显微镜, 数字病理学	NA	荧光显微镜, 双螺旋点扩散函数	融合深度学习模型	图像	单分子样本，具体数量未在标题和摘要中提及	NA	现有神经网络架构	中位空间精度, 角度精度	NA
2229	2026-08-13	Repurposing genome skimming data for non-model plant functional phylogenetics: a case study in Rhodiola 2026-Aug-10, Annals of botany IF:3.6Q1 DOI:10.1093/aob/mcag114 PMID:42037526	研究论文	本研究利用基因组浅层测序数据结合密码子选择分析和深度学习工具，探讨高山药用植物红景天中红景天苷生物合成途径功能基因的进化模式	首次将基因组浅层测序数据与AI工具（Evo2和AlphaFold 3）结合，用于非模式植物功能基因的系统发育和选择压力分析，并验证了功能基因进化的生物学预测	研究结果初步，需要未来进行功能验证和生态学验证	利用基因组浅层测序数据测试非模式植物功能基因进化的生物学预测，包括纯化选择、环境异质性下的谱系特异性选择约束变化及蛋白质结合特性差异	红景天属（Rhodiola）18个物种的红景天苷生物合成途径中的功能基因	植物功能系统发育学	NA	基因组浅层测序、密码子选择分析、分子对接、系统发育重建、环境变量分析	深度学习模型（Evo2、AlphaFold 3）	基因组浅层测序数据	18个红景天属物种	NA	Evo2、AlphaFold 3	平均恢复率、系统发育信号、选择压力检测	NA
2230	2026-08-13	Attention-driven YOLOv11n-DeiT model for enhanced detection of tomato leaf diseases 2026-08-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-64897-8 PMID:42572059	研究论文	提出一种基于注意力驱动的YOLOv11n-DeiT模型，用于增强番茄叶部病害检测性能	将DeiT嵌入YOLOv11n骨干网络以增强全局上下文信息和长距离依赖学习能力，并采用遗传元启发算法自动选择关键超参数	未提及，需进一步探索模型在更多样化数据集上的表现	开发高效智能的番茄叶部病害检测系统，提升检测准确性和泛化能力	番茄叶部病害图像，具体涉及两个公共数据集：台湾数据集（9类）和TLDDCV数据集（7类）	计算机视觉	植物病害（番茄叶部病害）	图像处理（伽马校正和双边滤波）、深度学习	YOLOv11n、DeiT	图像	台湾数据集包含9个类别，TLDDCV数据集包含7个类别，具体样本数量未提及	未明确提及	YOLOv11n, DeiT	mAP@50, mAP@50-95, 精确率, 召回率, F1分数	未提及
2231	2026-08-13	Toward self-contained cardiac magnetic resonance elastography: Deep learning-based segmentation of the left ventricular myocardium 2026-Aug-08, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110768 PMID:42570825	研究论文	本研究评估了深度学习模型在心脏磁共振弹性成像（MRE）数据上进行左心室心肌分割的性能，实现了与人工阅片者相当的分割精度。	首次探索仅利用原生心脏MRE数据进行左心室心肌自动分割，无需额外结构MRI或手动标注，并系统比较了nnU-Net和MedSAM两种现代框架的不同输入表示和自动化策略。	样本量小（16名健康男性志愿者），可能限制模型的泛化性；未涉及患者群体或不同病理状态。	评估基于心脏MRE数据的深度学习分割模型的可行性，并确定最佳的输入表示和自动化策略，以推动自包含心脏MRE工作流程的发展。	16名健康男性志愿者的心脏MRE数据，包括幅度、相位、实部和虚部图像，以及来自两名阅片者的手动标注。	医学影像分析	心脏疾病（心肌硬度评估）	磁共振弹性成像（MRE）	nnU-Net v2 和 MedSAM	磁共振图像（幅度、相位、实部、虚部）	16名健康男性志愿者的心脏MRE数据	PyTorch	nnU-Net, MedSAM (基于SAM)	Dice系数	未提供具体GPU信息
2232	2026-08-13	Deep learning-based control of electrically evoked activity in human visual cortex 2026-Aug-07, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2026.07.006 PMID:42567157	研究论文	提出了一种基于深度学习的框架，利用双向皮层植入物在人类视觉皮层中因果性地塑造刺激诱发的群体活动，并展示了其在实时刺激合成和精确靶向方面的优越性。	创新性地引入深度学习框架，利用双向皮层植入物实现刺激诱发群体活动的实时控制，并支持学习逆网络和梯度优化两种互补策略。	文中未明确提及局限性，但可能包括对神经记录的依赖性、刺激参数调整的复杂性以及临床应用的潜在风险。	开发并验证一种深度学习框架，用于更精确地控制人类视觉皮层的电刺激诱发活动，以改善视觉假体的感知一致性。	人类视觉皮层中的刺激诱发群体活动，以及相关的神经记录和感知报告。	深度学习	视觉障碍	电刺激（微刺激）	深度学习（学习逆网络和梯度优化器）	神经记录数据	文中未提供具体样本量，但涉及人类视觉皮层试验。	NA	学习逆网络，梯度优化器	刺激电流阈值、感知一致性、群体活动重建误差、感知预测准确性	未提及具体计算资源，可能涉及标准GPU。
2233	2026-08-13	Risk analysis and warning model of post-noncardiac surgery acute kidney injury: A retrospective observational study 2026-Aug-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050071 PMID:42566640	研究论文	本研究旨在识别非心脏手术后急性肾损伤的风险因素，并基于临床参数开发与验证早期预警模型	首次通过整合逻辑回归与深度学习构建多外科专科的PO-AKI早期预警模型，在保持可解释性的同时提升预测性能	未提供明确的局限性信息	开发并验证基于常规临床参数的非心脏手术后急性肾损伤早期预警模型	非心脏手术患者	机器学习	急性肾损伤	电子病历数据分析	逻辑回归与深度学习	电子病历数据	19,152例非心脏手术患者	NA	逻辑回归、深度学习	AUC、精确率-召回率曲线下面积、F1分数	NA
2234	2026-08-13	BAASNet: boundary-aware deep learning for accurate polyp segmentation in colonoscopy 2026-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-65397-5 PMID:42557285	研究论文	提出BAASNet，一种边界感知的深度学习框架，用于结肠镜检查中息肉的精确分割，在九个公开数据集上验证了其泛化能力。	引入了边界感知损失函数来增强分割边界，并在多种成像模态上展示了显著的性能提升。	文本中未提及具体的局限性，可能需要进一步研究以确定。	开发一个自动化的、高精度的息肉分割系统，以克服现有方法的挑战，并支持临床部署。	结肠镜检查中的结直肠息肉。	计算机视觉、数字病理学	结直肠癌	深度学习	CNN	图像	九个公开数据集，涵盖五种成像模态	未提及	未提及	Dice相似系数（DSC）、平均绝对改进、相对改进	未提及
2235	2026-08-13	Clinical-guided deep learning framework for diabetic retinopathy: integrating lesion-aware attention, adversarial augmentation, and uncertainty quantification 2026-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58690-w PMID:42557287	研究论文	提出了一种临床引导的深度学习框架CG-DRNet，用于糖尿病视网膜病变的严重程度检测，结合了病变感知注意力、对抗性数据增强和不确定性量化	首次将病变感知注意力、对抗性数据增强和贝叶斯不确定性量化集成于一个多任务深度学习框架中，用于DR检测；引入条件生成对抗网络（CWGAN-GP）解决类别不平衡；采用不确定性引导的半监督学习提高数据效率	未提及	实现可靠且可解释的糖尿病视网膜病变严重程度检测，特别是早期轻度非增殖性糖尿病视网膜病变的检测，提高临床适用性	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	多任务深度学习网络、条件生成对抗网络（CWGAN-GP）、Monte Carlo dropout	图像	使用公开数据集APTOS 2019、Messidor-2和临床元数据	PyTorch	CG-DRNet, CWGAN-GP	准确率、宏F1分数、二次加权kappa、AUC、期望校准误差、灵敏度、推理时间	未提及
2236	2026-08-13	A class-wise quantum relational calibration network for brain tumor diagnosis 2026-08-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61891-y PMID:42552341	研究论文	提出一种类别级量子关系校准网络(CQRCNet)，用于脑肿瘤MRI诊断，通过混合量子-经典框架改进多类分类的校准性能	创新性地将量子关系建模集成到经典卷积神经网络中，作为softmax归一化前的校准机制，采用参数共享和低量子比特电路显式建模类别间成对交互	未明确提及局限性	提高脑肿瘤MRI多类分类的准确性和可靠性，解决类别间模糊性和校准问题	公开的脑肿瘤MRI数据集，涵盖四个肿瘤类别	计算机视觉	脑肿瘤	MRI	混合量子-经典神经网络	图像	NA	NA	卷积神经网络(CNN)、量子电路	准确率	量子模拟器
2237	2026-08-13	Biologically informed neural network models are robust to spurious interactions via self-pruning 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag556 PMID:42502984	研究论文	本文提出了一种通过自我剪枝评估生物学信息神经网络模型对虚假交互作用的鲁棒性的方法，并更新了LEMBAS框架以支持GPU加速。	引入RRA指标直接比较分布，实现完美自我剪枝的量化，并显著提升计算速度。	主要关注所选路径而非全面视角，可能忽略复杂的未知交互。	评估BINN模型在存在虚假交互作用时的可靠性，并提高计算效率。	细胞内信号传导网络，特别是基于先验知识网络的BINN模型。	机器学习	NA	NA	递归神经网络 (RNN)	信号传导数据	3个不同数据集	PyTorch	递归神经网络	预测准确性、RRA（相对残差面积）	GPU加速
2238	2026-08-13	Precision pharmacology: deep learning infused ontological framework with E-GRU enhancement for tailored medicine prescriptions 2026-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48044-x PMID:42547776	研究论文	本文提出了一种结合本体论和深度学习的方法，通过增强门控循环单元（E-GRU）模型NexusOpti来提高药物处方的准确性	将本体论（ICD和ATC）与深度学习结合，并使用自注意力机制和E-GRU层来提升推荐精度	未提及	提高药物处方的准确性，减少不良反应，实现个性化用药	电子健康记录中的患者数据和药物-疾病相互作用	机器学习	不适用	本体论数据提取	增强门控循环单元（E-GRU）	电子健康记录	未提及	未提及	增强门控循环单元（E-GRU）	命中率（Hit Ratio）和归一化折损累计增益（NDCG）	未提及
2239	2026-08-13	A spatiotemporal U-Net++ deep learning framework for dengue risk mapping in Colombia 2026-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63542-8 PMID:42552340	研究论文	提出基于U-Net++架构的时空深度学习框架，用于在哥伦比亚生成高分辨率登革热风险地图	将U-Net++架构应用于登革热风险制图，并整合气候、环境、人口和社会经济等多源异构数据，在国家和部门尺度上评估了高维和低维地理空间方法	未提及	开发一个基于时空深度学习的框架，以生成高分辨率登革热风险地图，支持公共卫生决策并减少登革热对脆弱人群的影响	哥伦比亚全国及五个登革热高发部门	深度学习	登革热	卫星遥感、人口普查数据	U-Net++	图像、结构化数据（气候、环境、人口和社会经济信息）	哥伦比亚全国及五个登革热高发部门（具体样本量未提及）	NA	U-Net++	mIoU	NA
2240	2026-08-13	Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain 2026-Aug, Human gene therapy IF:3.9Q2 DOI:10.1177/10430342261427733 PMID:41797378	研究论文	该研究比较了AAV-TT和AAV9在非人灵长类大脑中的生物分布，发现AAV-TT具有相似的分布模式和略高的神经元转导效率	首次直接比较AAV-TT和AAV9在成年非人灵长类大脑中的转导效果，并采用深度学习算法量化分析全脑转导模式	样本量较小（每组仅两只动物），且未评估长期安全性或治疗性基因表达效果	评估AAV-TT在非人灵长类大脑中的分布和转导效率，以探讨其作为神经退行性疾病基因治疗载体的临床潜力	幼年成年非人灵长类动物的大脑，具体为左连合壳核区域	神经科学	神经退行性疾病	腺相关病毒（AAV）载体递送	深度学习模型	全脑图像（GFP表达）	四只非人灵长类动物（两只接受AAV-TT，两只接受AAV9）	Aiforia	深度学习图像分析算法	GFP阳性神经元定量	NA