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
2381	2026-08-12	Unraveling spatiotemporal dynamics of pine wilt disease via time-series UAV monitoring and deep learning 2026-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.70873 PMID:42098944	研究论文	本研究通过时间序列无人机监测和深度学习模型，揭示了松材线虫病的时空动态，并量化了症状滞后效应，为精准管理提供了科学依据	开发了基于增强YOLOX的时序变化检测模型，利用物候变化自动识别变色的染病松树，有效过滤干扰物，并首次量化了秋季漏检的滞后症状树木导致年累计死亡率翻倍的现象	未提及模型在不同地理区域或气候条件下的泛化能力，也未讨论无人机监测的成本和操作限制	为了解松材线虫病的时空动态，为数据驱动的管理提供科学依据，并纠正传统监测中的普查偏差和优化资源分配	浙江省某乡镇的松材线虫病染病松树及其时空分布	计算机视觉	松材线虫病	无人机遥感	YOLOX	图像	300,000个训练样本，7个时间序列的无人机正射影像	PyTorch	YOLOX	平均精度（AP）、精确率、召回率	未提及
2382	2026-03-31	A two-stage deep learning system for cervical spine fracture diagnosis: integrating 3D segmentation and 2.5D classification on CT images 2026-Aug, 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/s00586-026-09892-3 PMID:41910751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2383	2026-08-12	A Deep Bidirectional LSTM Model Enhanced by Transfer Learning for the Classification of Peripheral Arterial Blood Pressure Waveforms 2026-Aug, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3696494 PMID:42184174	研究论文	本研究开发了一个基于双向长短期记忆网络的深度学习框架，用于将动脉血压波形分类为A型和B/C型形态，并通过迁移学习将其应用于人类数据	首次将双向长短期记忆网络与深度迁移学习相结合用于动脉血压波形分类，并成功将动物训练的模型迁移到人类临床数据，扩展了波形分离分析的应用范围	缺乏大规模、标注的临床数据集，限制了模型的鲁棒性验证；分类准确率仍有待提高	开发深度学习框架对动脉血压波形进行分类，以改善危重患者的心血管监测	动物队列中的主动脉和股动脉有创血压波形，以及MIMIC-III数据库中的人类股动脉血压波形	深度学习	心血管疾病	有创血压波形测量	双向长短期记忆网络	生理信号（血压波形）	大型动物队列和MIMIC-III数据库中的患者数据	NA	双向长短期记忆网络	准确率	NA
2384	2026-08-12	Fold-Switching Proteins Push the Boundaries of Conformational Ensemble Prediction 2026-Aug, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-092524-114822 PMID:42149955	研究论文	本文聚焦于折叠转换蛋白，评估深度学习方法在预测其构象集合时的表现，揭示模型通过训练集结构进行预测的局限性，并提出改进方向	以折叠转换蛋白作为测试案例，揭示深度学习方法在构象集合预测中的泛化性限制，并指出模型依赖训练集结构的倾向	未提供具体的计算方法或实验结果，仅提出观察和建议	探讨深度学习方法在预测蛋白质构象集合，特别是折叠转换蛋白方面的能力及局限性，以推动更广泛构象建模的发展	折叠转换蛋白	结构生物学	NA	NA	深度学习模型	蛋白质结构数据	NA	NA	NA	NA	NA
2385	2026-08-12	Microcomputed tomography analysis of marginal adaptation and internal fit of zirconia frameworks with direct-to-abutment connections using a deep learning artificial intelligence model 2026-Aug, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2026.04.032 PMID:42156249	研究论文	本研究利用显微计算机断层扫描和深度学习人工智能模型，评估了直接连接基台的氧化锆框架与常规钛基底连接的边缘适应性和内部密合度。	引入了一种基于深度学习人工智能模型的内部密合度评估新方法，并验证了其与传统测量方法的一致性。	样本量有限，且研究仅评估了特定类型的连接设计和材料，可能限制了结果的普适性。	评估直接连接基台的氧化锆框架与常规钛基底连接相比的边缘适应性和内部密合度，并验证基于深度学习的AI测量方法的有效性。	氧化锆框架样本，包括直接连接基台（常规和改良螺丝）和钛基底连接的设计。	数字病理学, 计算机视觉	口腔疾病	显微计算机断层扫描	深度学习分割模型	图像	24个氧化锆样本，分为3组，每组8个，共96个测量点	NA	NA	Dice相似系数、组内相关系数、Bland-Altman分析、p值	NA
2386	2026-08-12	Modeling the Language of Codons with Artificial Intelligence 2026-Aug, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-092624-105741 PMID:42190068	综述	本文总结了近年来在密码子层面运作的人工智能模型的最新进展，包括判别式和生成式方法，并讨论了密码子语言模型及其在下游预测任务中的应用，以及用于设计密码子序列以改善异源表达和mRNA稳定性的生成模型。	本文聚焦于密码子层面的人工智能模型，这是相对较新的研究方向，系统总结了判别式和生成式模型的应用，并强调利用这些模型获得分子进化见解，提出了该领域快速发展的开放问题。	未提供具体局限性信息。	总结密码子层面的人工智能模型进展，包括判别式和生成式方法，并探讨其在预测任务、序列设计和分子进化研究中的应用。	密码子序列和mRNA序列，以及相关的蛋白质表达、稳定性和折叠过程。	自然语言处理	不适用	不适用	判别式模型和生成式模型	序列数据（密码子序列）	不适用	不适用	不适用	不适用	不适用
2387	2026-08-12	Comment on "Automatic rib fracture detection on postmortem CT data using deep learning" 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03755-8 PMID:41731167	评论文章	本文针对一项使用深度学习的自动肋骨骨折检测研究提出评论，讨论了三个可能影响研究解读和未来工作的问题	指出先前文献关系需澄清、参考标准可能存在循环性，并提出多读者部分盲法共识及领域适应建议	未提供新实验，仅基于对现有研究的批判性分析	完善对自动肋骨骨折检测研究的解读，并为未来研究提供方法学建议	肋骨骨折检测研究及其方法学问题	医学影像分析	肋骨骨折	深度学习	nnDetection（3D物体检测框架）	尸检CT图像	不适用	NA	nnDetection	不适用	不适用
2388	2026-08-12	Mamba-ACP: A Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3684898 PMID:41989903	研究论文	提出一个名为Mamba-ACP的混合深度学习框架，用于预测抗癌肽，该框架结合了ESM-2嵌入、手工特征和Mamba序列建模架构	整合了Transformer-based ESM-2嵌入、手工特征及Mamba序列建模的混合框架，提供模型级解释包括梯度显著性、SHAP特征重要性等	未明确指出，但可能包括对特定数据集依赖和潜在泛化限制	提高抗癌肽预测的准确性、可扩展性和泛化能力，以促进临床转化	抗癌肽序列	机器学习	癌症	ESM-2嵌入、PCA降维、梯度显著性分析、SHAP分析	混合模型（Transformer和Mamba）	序列数据	两个基准数据集：Set 1和Set 2	PyTorch（推断）	ESM-2, Mamba	准确率, AUC	NA
2389	2026-08-12	GMC-Bind: A Multimodal Framework for RNA-Protein Binding Site Prediction With Bidirectional Cross-Attentional Fusion 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3700035 PMID:42235009	研究论文	提出GMC-Bind多模态框架，结合多尺度卷积、图注意力和双向交叉注意力，用于RNA-蛋白质结合位点预测	首次将多尺度窗口卷积、图注意力和双向交叉注意力相结合，实现局部序列特征与全局结构依赖的协同建模	文中未明确提及局限性	提高RNA-蛋白质结合位点预测的准确性，解决现有深度学习模型在协同建模多尺度序列基序和动态结构方面的挑战	RNA-蛋白质结合位点	机器学习	NA	多尺度卷积、图注意力、双向交叉注意力	多模态框架	RNA序列及二级结构数据	RBP-24数据集（包含24个子数据集）	NA	多尺度卷积网络、图注意力网络、双向交叉注意力机制	AUC	NA
2390	2026-08-12	Predicting Bladder Cancer Prognosis by Integrating Multiple Omics Data Through an Adversarial Autoencoder-Based Cox Proportional Hazards Network 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3687567 PMID:42043996	研究论文	提出一种基于对抗自编码器的Cox比例风险网络（AAE-Cox-M），整合多组学数据以预测膀胱癌预后	采用基于跨组学预训练的两阶段整合策略，并引入差异表达特征选择模块和对抗自编码器以增强表征鲁棒性	未明确提及，但可能受限于特定数据集和模型复杂度	通过整合多组学数据提高膀胱癌生存预测的准确性	膀胱癌患者的多组学数据（mRNA、miRNA、DNA甲基化、CNV）	机器学习	膀胱癌	多组学数据整合（mRNA、miRNA、DNA甲基化、CNV）	对抗自编码器、Cox比例风险网络	基因组数据	TCGA-BLCA数据集及四个独立GEO数据集	NA	对抗自编码器、Cox比例风险网络	一致性指数（C-index）等	NA
2391	2026-08-12	Deep Learning-Based Volition Detection and Action Potential Extraction for Fully Automated Diagnosis of Neuromuscular Disease Using Needle Electromyography Signals 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3686921 PMID:42102089	研究论文	本研究开发了一种基于深度学习的意志检测模型，用于自动处理针肌电图信号并改善神经肌肉疾病的分类。	该模型直接处理原始nEMG信号，自动提取运动单位动作电位，消除了对医生依赖的预处理步骤，实现了完全自动化的诊断流程。	未在摘要中明确指出，但可能包括样本量有限、外部验证仅在一个医疗中心进行，以及模型对不同设备和采集条件的泛化能力有待进一步验证。	开发一种全自动的神经肌肉疾病诊断方法，通过深度学习方法提高分类性能并减少人工干预。	神经肌肉疾病患者和正常受试者的针肌电图信号。	机器学习	神经肌肉疾病	针肌电图（nEMG）	深度学习模型（nEMGNet）	信号	训练集：来自57名受试者的376个nEMG信号；外部测试集：来自115名受试者的751个nEMG信号。	NA	nEMGNet	AUROC	NA
2392	2026-08-12	Unveiling Viral Escape Mechanisms With Machine Learning: A Transformative Approach to Mutation Analysis for SARS-CoV-2 and Beyond 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3695225 PMID:42160252	研究论文	本研究利用基于LSTM的深度学习架构分析超过310万条病毒刺突蛋白序列，开发出逃逸精英网络（EEN）模型，用于预测病毒逃逸突变，在多个数据集上表现优于现有方法。	提出EEN模型，在检测逃逸突变方面优于现有方法，在计算和湿实验数据集上均取得高AUC和统计显著性，并针对多种病毒具有广泛适用性。	摘要未提及明显的局限性，可能包括对特定病毒类型或数据集的依赖性。	开发一个能够主动预测病毒逃逸突变的人工智能工具，以指导疫苗和治疗方法的开发。	SARS-CoV-2及其他持久性病毒（如流感、HIV、非洲猪瘟）的刺突蛋白序列。	机器学习	病毒性疾病（包括COVID-19）	序列分析	LSTM	序列数据	超过310万条病毒刺突蛋白序列；用于评估的计算数据集、Baum数据集和Greaney数据集。	未指定（可能使用PyTorch或TensorFlow，但摘要未提及）	LSTM	AUC	未提及
2393	2026-08-12	FGAIM: Identifying Drug-Target Activation and Inhibition Mechanisms via Inductive Graph Neural Networks Based on Fine-Grained Interaction Strategies 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3695928 PMID:42166265	研究论文	本研究提出了一种名为FGAIM的新计算方法，利用基于细粒度交互策略的归纳图神经网络来识别药物与靶点之间的激活和抑制机制	通过多尺度GNN模块学习药物分子嵌入，并整合预训练语言模型嵌入和三维构象结构信息构建蛋白质表示，同时利用GraphSAGE模块从药物图和细粒度药物-蛋白质交互图中提取特征，以捕获药物分子与蛋白质残基间的相互作用	摘要中未提及明确的局限性	有效识别药物与靶点之间的激活和抑制机制，以揭示靶点功能的潜在调控途径，助力药物发现与开发	药物分子和蛋白质靶点	机器学习	NA	NA	图神经网络（GNN）	药物分子图、蛋白质序列、蛋白质三维构象结构	两个公共数据集	NA	多尺度GNN、GraphSAGE、多层感知机（MLP）	准确性、泛化能力（具体指标未在摘要中指定）	NA
2394	2026-08-12	AdPrST:An Adversarial Graph Deep Learning Pre-Clustering Framework for Deciphering Spatiotemporal Structures in Spatially Resolved Transcriptomics 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3697726 PMID:42202195	研究论文	提出了AdPrST，一种基于对抗图深度学习的预聚类框架，用于解析空间分辨转录组学中的时空结构	创新性地结合Wasserstein距离生成对抗网络和对比学习，通过双视图图结构和点积注意力机制融合嵌入，实现空间域识别和时空结构推断	摘要中未提及具体限制，可能涉及计算复杂度或对高维数据处理的挑战	提高空间分辨转录组学中时空结构解析的准确性，包括空间域识别、轨迹推断和伪时空图谱构建	复杂组织中的空间分辨转录组学数据	生物信息学、空间转录组学、机器学习	未指定	空间分辨转录组学（SRT）	生成对抗网络（GAN）和对比学习模型	基因表达数据	多个数据集（未指定具体数量）	PyTorch（推断）	GNN、GAN、对比学习网络	准确性、AUC（推断）	NA
2395	2026-08-12	SR-FSL: Sample reconstruction enhanced few-shot learning for real-time motor unit identification from surface electromyogram 2026-Jun-04, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-02026-2 PMID:42243970	研究论文	提出了一种基于样本重建增强的少样本学习方法，用于从表面肌电信号中实时识别运动单元，显著提升了识别性能。	创新性地引入样本重建策略生成生理可解释的合成样本，以少量实验数据实现模型微调，增强了对运动单元动作电位波形时空特征的刻画能力，优于传统深度学习方法。	方法依赖模拟数据预训练，可能影响真实场景泛化；实验仅涉及十名受试者，样本量有限。	解决深度学习在在线运动单元识别中对大量数据依赖的问题，实现高效实时的运动单元识别。	高密度表面肌电信号中的运动单元，具体实验数据来自十名受试者的拇短展肌。	机器学习	NA	表面肌电记录（HD-sEMG）	时空神经网络	信号	十名受试者，使用8×8电极阵列采集的高密度表面肌电信号	NA	时空卷积网络（推测，具体如CNN）	匹配率	NA
2396	2026-08-12	Utility of deep learning for degree calculation of aortic arch calcification in chest-X ray 2026-06-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02370-8 PMID:42237240	研究论文	提出一种基于Transformer的多注意力模型用于胸片主动脉弓钙化等级分类，提高分类准确性并减少人工评估时间	集成多个注意力模块增强空间特征表示，并结合位置信息与主动脉弓的层级16块表示实现细粒度钙化分布分析	未提及具体限制，但可能包括样本量、外部验证或临床推广方面的不足	提高胸片主动脉弓钙化等级分类的准确性，并标准化临床评估流程	胸部X光片中的主动脉弓钙化	计算机视觉	主动脉弓钙化	胸部X光影像分析	Transformer	图像	未明确说明	未明确说明	Multi-Attention with Transformer Model (MATM)	准确率	未明确说明
2397	2026-08-12	SSDA_AOA: Stacked Sparse Denoising Autoencoder With Archimedes Optimization Algorithm Based Oral Cancer Detection on Histopathological Images 2026-Jun, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70210 PMID:41622690	研究论文	提出一种基于堆叠稀疏去噪自编码器和阿基米德优化算法的口腔癌组织病理图像检测框架	结合NASNet-Large特征提取与阿基米德优化算法进行降维和超参数调优，并采用堆叠稀疏去噪自编码器进行分类	未提及	提高口腔癌早期检测的准确性和患者预后	口腔癌组织病理图像	数字病理学	口腔癌	组织病理图像分析	堆叠稀疏去噪自编码器（SSDA）	图像	未提及	NA	NASNet-Large, 堆叠稀疏去噪自编码器	准确率, 精确率, 敏感性, 特异性, F1分数	NA
2398	2026-08-12	Ultrasound Video-Based Deep Learning Model for Predicting Axillary Lymph Node Status and Nodal Burden in Breast Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.014 PMID:41794631	研究论文	本研究开发并验证了一个基于乳腺超声视频的两阶段深度学习框架，用于预测乳腺癌患者的腋窝淋巴结状态和淋巴结负担。	首次提出基于时间移位模块的视频模型两阶段框架，利用术前超声视频预测腋窝淋巴结状态和负担，并结合多中心数据进行验证。	研究为回顾性设计，且外部测试集性能略低于内部测试集，可能存在选择偏倚。	开发并验证一种基于超声视频的深度学习模型，用于术前准确评估乳腺癌患者的腋窝淋巴结状态和淋巴结负担，以支持个体化管理。	864例经病理确诊的乳腺癌患者，分为训练集（495例）、内部测试集（213例）和两个外部测试集（120例和36例）。	计算机视觉	乳腺癌	超声成像	TSM-ResNet50和TSM-ResNet18	超声视频	864例乳腺癌患者	NA	TSM-ResNet50, TSM-ResNet18	AUC, 灵敏度, 特异度	NA
2399	2026-08-12	Factors predicting MRI glioma segmentation accuracy in deep learning models: a systematic review and meta-analysis 2026-Jun, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101562 PMID:42102794	系统综述与Meta分析	系统评价和Meta分析探究预测深度学习模型在MRI胶质瘤分割中的准确性因素	通过多变量元回归分析，首次综合识别影响深度学习MRI胶质瘤分割性能的因素，发现3D模型架构和multiparametric MRI输入是性能的最佳预测因子	研究中没有单一因素能完全解释跨研究性能变异，样本量有限且异质性高	识别影响深度学习模型在MRI胶质瘤分割中准确性的因素，以支持模型临床应用	深度学习模型在术前分割胶质瘤MRI图像的性能数据	医学影像分析、深度学习	胶质瘤	MRI	深度学习模型（含3D和2D架构）	MRI图像	88个模型，其中36个纳入定量分析	NA	3D卷积神经网络（CNN），可能包括其他变体	Dice相似系数（DSC）	NA
2400	2026-08-12	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的自动分割下牙槽神经的方法，用于锥形束CT图像。	引入阶段限制的置换自适应实例归一化和解码器上下文细化模块，增强外观不变性并保持薄管状神经结构的连续性。	相对于nnU-Net的改进幅度有限，需谨慎解读。	提高下牙槽神经在CBCT图像中的自动分割准确性和一致性。	下牙槽神经	深度学习	NA	锥形束CT成像	CNN-Transformer混合架构	图像	130个CBCT影像，来自两个机构	nnU-Net框架	nnU-Net	Dice系数，HD95，ASSD	未指定