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
241	2026-06-16	SleepPACNet: new convolutional neural network considering phase-amplitude coupling for automatic sleep stage classification using single-channel electroencephalogram 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48881-w PMID:41974873	研究论文	提出了一种名为SleepPACNet的新型卷积神经网络，利用单通道脑电图中的相位-幅度耦合特征进行自动睡眠阶段分类	首次将相位-幅度耦合（PAC）特征提取模块集成到卷积神经网络中，通过Hilbert变换提取低频相位信息与高频幅度信息，显著改善了快速眼动睡眠阶段的分类性能	仅基于单通道脑电图数据在Dreem数据集上验证，未在多通道或其他临床数据集上进行测试	提升单通道脑电图自动睡眠阶段分类系统的性能，特别是通过引入领域特定的PAC特征增强分类准确性	睡眠阶段的自动分类，重点是快速眼动睡眠检测	机器学习	NA	脑电图（EEG）	CNN	单通道脑电图信号	使用Dreem数据集中的单通道（Fp1–Fp2）睡眠脑电图数据	NA	SleepPACNet，包含PAC特征提取模块的CNN	分类准确率（75.7%），以及与传统CNN模型（如SleepCNN）的对比	NA
242	2026-06-16	Soft multiclass feature augmented deep learning to predict tumor origins using cytology or histology whole slide images 2026-Apr-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02604-7 PMID:41974822	研究论文	提出首个基于深度学习的快速低成本癌症筛查方法，利用细胞学或组织学全切片图像预测肿瘤起源	首次提出数据高效的软多类特征增强深度学习框架，直接通过全切片图像识别恶性细胞的原发部位，克服了未知原发癌诊断难题	NA	开发一种快速、低成本的深度学习工具，通过全切片图像预测肿瘤原发部位，以指导个体化癌症治疗	来源于细胞学涂片、细胞块或组织病理切片的恶性细胞全切片图像	数字病理学	癌症	全切片成像	深度学习	图像	多中心组织学数据集（69个部位，1196张WSI）、CS数据集（260张WSI）和CB数据集（129张WSI）	NA	NA	准确率	NA
243	2026-06-16	Targeting protein protein interactions and their modulators to enable new therapeutic strategies for human diseases 2026-Apr-13, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00698-z PMID:41975191	综述	探讨整合人工智能与深度学习与传统实验方法如何促进蛋白质-蛋白质相互作用（PPI）的映射与分析，为人类疾病提供新治疗策略	将AI和深度学习与系统生物学结合，用于PPI网络建模、疾病模拟和多组学整合，以识别新型治疗靶点	未提及具体限制，但重点强调多组学整合、AI驱动创新和基于网络的药物开发中的挑战	通过靶向蛋白质-蛋白质相互作用及其调节剂，为人类疾病开发新的治疗策略	蛋白质-蛋白质相互作用（PPI）及其调节剂	机器学习	人类疾病	NA	深度学习	NA	NA	NA	NA	NA	NA
244	2026-06-16	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	整合三种方法在蛋白质组规模上预测蛋白质是否形成二元复合体，包括PrePPI、Topsy-Turvy和ZEPPI，并利用AF3Complex算法预测结构，通过聚类大肠杆菌互作组获得功能子网络	首次将基于三维结构信息的PrePPI、基于蛋白质语言模型的Topsy-Turvy和基于进化信息的ZEPPI三种方法整合，提升预测性能，并发现更多高置信度相互作用	未明确提及，但可能局限于大肠杆菌蛋白质组，且高置信度相互作用的验证依赖于HINT数据库质量	通过整合结构建模和深度学习方法计算大肠杆菌蛋白质互作组和功能网络	大肠杆菌蛋白质组中的二元蛋白质相互作用	自然语言处理、机器学习	NA	蛋白质语言模型、三维结构建模、进化信息评估	蛋白质语言模型（Topsy-Turvy）、结构预测模型（PrePPI、ZEPPI、AF3Complex）	蛋白质序列和结构数据	374个蛋白质相互作用对用于结构预测，整个大肠杆菌蛋白质组用于互作组聚类	NA	PrePPI、Topsy-Turvy、ZEPPI、AF3Complex	HINT数据库上的性能比较，高置信度相互作用识别数量	NA
245	2026-06-16	SeqHIVE: a Python package to convert the biological sequences to informative vectors for sequence property predictions 2026-Apr-11, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00534-4 PMID:41964095	研究论文	介绍了一个将生物序列转换为信息向量的Python包SeqHIVE，用于序列性质预测	SeqHIVE提供了一个图形用户界面驱动的平台，整合了19种生物序列编码算法、5种特征选择算法和26种分类器，实现了序列到向量的自动转换与预测建模	未在文中明确提及本方法的局限性	开发一个全面的机器学习和深度学习平台，简化核酸和蛋白质序列预测管线的构建	DNA、RNA和蛋白质序列的性质预测	机器学习, 数字病理学	NA	生物序列编码	机器学习分类器, 深度学习模型	序列数据	NA	NA	NA	NA	NA
246	2026-06-16	GGAR: gradient guided adaptive regularization enhances deep learning classification of brassica species using codon usage bias 2026-Apr-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06440-0 PMID:41965534	研究论文	本研究利用密码子使用频率模式，对四种芸苔属物种进行分类，提出了一种新的梯度引导自适应正则化多层感知器（GGAR MLP）模型	提出了一种新的梯度引导自适应正则化（GGAR）方法，能够在低学习率下实现近乎完美的分类性能，优于多种现有正则化方法和传统CNN模型	GGAR模型在计算时间上较长（6.38-124.78分钟），且主要适用于低学习率和大批量设置的场景，高学习率下表现不如Fixed L1和CNN	评估深度学习模型基于密码子使用频率模式对芸苔属物种进行分类的性能，并研究正则化方法和超参数调优的影响	四种芸苔属物种：芥菜型油菜、甘蓝型油菜、甘蓝和白菜的完整CDS基因组中的密码子使用频率模式	机器学习	NA	全基因组CDS分析、密码子使用偏差分析	多层感知器（MLP）、一维卷积神经网络（1D-CNN）	基因组序列数据（密码子使用频率）	四种芸苔属物种的完整CDS基因组数据，具体数量未提及	NA	GGAR MLP、自适应MLP、弹性网络MLP、固定L1 MLP、固定L2 MLP、基线MLP、1D-CNN	准确率、精确率、召回率、F1分数、马修斯相关系数（MCC）	NA
247	2026-06-16	Accurate prediction of ecDNA in interphase cancer cells using deep neural networks 2026-Apr-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09982-4 PMID:41965931	research paper	提出interSeg，一个基于深度学习的工具，用于从间期FISH图像中准确预测癌基因扩增状态（包括染色体外扩增、染色体内扩增和未扩增）	首次利用深度学习从间期FISH图像准确区分染色体外扩增与染色体内扩增，解决了传统方法在间期细胞中难以辨识扩增类型的问题	NA	开发一种从间期癌细胞中准确预测癌基因扩增状态的方法，以替代传统的分裂中期FISH检测	间期癌细胞中的染色体外DNA（ecDNA）扩增	digital pathology	癌症	FISH	深度学习神经网络	FISH图像	训练集652张图像（40,446个细胞核），测试集215张图像（9,733个细胞核），神经母细胞瘤组织验证集67个样本（1,937个细胞核）	NA	interSeg	准确率	NA
248	2026-06-16	Light-XAI: a CADx for explainable cervical cancer detection via attention-based lightweight convolutional neural networks and layer-wise feature fusion 2026-Apr-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00540-6 PMID:41963932	研究论文	提出一种基于注意力轻量级CNN和层间特征融合的可解释宫颈癌CADx系统Light-XAI	集成自注意力机制到CNN架构，结合Grad-CAM技术实现决策可解释，并从两个深层网络提取特征进行融合，采用特征选择和降维方法优化性能	未提及具体局限性，可能包括对数据集依赖性和泛化能力需进一步验证	开发高精度可解释的宫颈癌计算机辅助诊断系统，提高巴氏涂片图像分类准确性	宫颈癌巴氏涂片图像（来自SIPaKMeD和Mendeley LBC数据集）	计算机视觉, 数字病理学	宫颈癌	NA	CNN（轻量级卷积神经网络）	图像	SIPaKMeD和Mendeley LBC数据集的具体样本数未给出	NA	轻量级CNN与自注意力机制结合	准确率（Accuracy）	NA
249	2026-06-16	Improved tumor-only variant calling and mutation burden estimation with VarNet-T 2026-Apr-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71705-4 PMID:41957035	研究论文	提出VarNet-T，一个不需要匹配正常样本即可从肿瘤测序数据中准确识别体细胞突变的端到端弱监督深度学习框架	首次实现无需匹配正常样本的肿瘤-only体细胞突变检测，采用弱监督深度学习框架和端到端训练方式	该信息在标题和摘要中未明确说明	开发无需匹配正常样本的肿瘤-only体细胞突变检测方法，提高肿瘤突变负荷估计准确性	肿瘤测序数据中的体细胞突变和肿瘤突变负荷	机器学习	癌症	NGS	深度学习框架	基因组测序数据	1000个肿瘤样本，覆盖10种实体癌类型	NA	VarNet-T	准确率	NA
250	2026-06-16	Deep learning-based detection of the second mesiobuccal canal in maxillary first molars using cone-beam computed tomography 2026-Apr-09, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08207-8 PMID:41957600	研究论文	开发并验证一种基于深度学习的模型，用于在锥形束CT图像上自动检测上颌第一磨牙的第二近颊根管	提出一个两阶段深度学习框架，结合改进的VGG16网络进行感兴趣区域定位和ConvNeXt-Transformer架构进行分类，实现MB2根管的自动检测，并首次评估该模型对初级牙医诊断性能的提升效果	需要进一步进行多中心验证以建立泛化性和临床适用性	开发并验证一种深度学习模型用于自动检测CBCT图像上的MB2根管，并评估其对初级牙医诊断性能的影响	上颌第一磨牙的CBCT扫描图像，共计1022份患者数据	机器学习	牙齿根管疾病	CBCT成像	深度学习模型（VGG16、ConvNeXt-Transformer）	图像	1022份CBCT扫描数据，训练集1944个感兴趣区域，测试集100个感兴趣区域（50个MB2阳性，50个MB2阴性）	PyTorch	改进的VGG16, ConvNeXt-Transformer	敏感度, 特异度, 阳性预测值, 阴性预测值, F1分数, AUC	NA
251	2026-06-16	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2026-Apr-08, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01636-8 PMID:41952176	研究论文	提出一种基于Transformer的框架，灵活利用转录组和组织学模式区分肺鳞状癌前病变中的支气管异型增生或更严重病变与正常、增生及化生	首次开发多模态Transformer框架，融合全切片图像和基因表达数据，在训练和测试中允许使用单或双模态，提升灵活性和可扩展性	未明确说明局限性	开发一种多模态深度学习模型，整合组织病理图像和基因表达数据，以改进支气管癌前病变的风险分层	来自高风险肺癌患者的内镜下支气管活检和刷检样本的全切片图像和基因表达数据	计算机视觉, 机器学习, 数字病理学	肺癌	RNA-seq	Transformer	图像, 文本	包含多个研究（4个研究）的样本	PyTorch	Transformer	AUROC	NA
252	2026-06-16	Three-dimensional automatic segmentation of root canals with focus on the second mesiobuccal canal using nnU-Netv2 on CBCT images: deep learning approach 2026-Apr-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08285-8 PMID:41947103	研究论文	利用nnU-Netv2模型在CBCT图像上自动分割根管，重点关注第二近颊根管	首次将nnU-Netv2模型应用于未治疗牙齿的MB2根管三维自动分割	敏感性较低（0.538），分割性能仍有提升空间	评估人工智能在根管治疗前识别和分割第二近颊根管及主要根管的效果	上颌第一磨牙的根管，特别是第二近颊根管	计算机视觉	牙齿疾病	CBCT	nnU-Netv2	图像	202张CBCT图像	PyTorch, SciPy	nnU-Netv2	Dice系数, Jaccard指数, 95% Hausdorff距离, AUC, 敏感性, 精确率	NA
253	2026-06-16	MRI-based brain tumor detection through an explainable EfficientNetV2 and MLP-mixer attention architecture 2026-Apr-07, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01728-0 PMID:41945251	研究论文	提出一种基于EfficientNetV2和注意力MLP-Mixer架构的深度学习模型，用于脑肿瘤MRI图像的分类，实现高精度与可解释性	首次将注意力机制MLP-Mixer与EfficientNetV2结合用于脑肿瘤分类，并利用Grad-CAM可视化增强模型决策的可解释性	仅使用公开的Figshare数据集（3064张T1加权对比增强MRI图像），可能无法全面代表不同扫描协议或肿瘤亚型的多样性	开发一种高精度且可解释的深度学习模型，用于脑肿瘤MRI图像的自动分类，以辅助临床诊断	脑肿瘤患者的T1加权对比增强MRI图像，包含三种肿瘤类型	计算机视觉	脑肿瘤	MRI	EfficientNetV2、MLP-Mixer	图像	3064张T1加权对比增强脑部MRI图像	NA	EfficientNetV2、注意力MLP-Mixer	准确率、精确率、召回率、F1分数	NA
254	2026-06-16	Benchmarking genomic foundation models for binary classification of gene fusion breakpoints from DNA sequences 2026-Apr-06, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00553-1 PMID:41943075	研究论文	对四种基于Transformer的基因组基础模型（NT、Evo2、HyenaDNA和DNABERT2）进行基因融合断点二分类性能的基准测试	首次系统性比较多种基因组基础模型在基因融合断点分类任务上的表现，发现NT和Evo2生成的嵌入向量显著优于专门设计的深度学习基线，且所需训练数据量大幅减少	未提及模型在不同突变类型（如点突变、插入缺失）上的泛化能力，以及在实际临床样本中的验证情况	评估基因组基础模型在DNA序列中基因融合断点分类任务上的数据效率和性能	FusionAI数据集中的约52,000条10千碱基对DNA序列	机器学习	癌症（基因融合相关）	DNA测序数据，基因融合断点序列提取	Transformer	DNA序列	约52,000条10千碱基对DNA序列	PyTorch	Nucleotide Transformer, Evo2, HyenaDNA, DNABERT2	准确率, F1分数	未明确说明，但提及相对于基线模型（FusionAI）需要更少的计算时间
255	2026-06-16	AI-assisted diagnosis of neuro-ophthalmic disorders: a systematic review from optic neuritis to papilledema 2026-Apr-06, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04772-2 PMID:41947081	综述	系统评估人工智能在神经眼科疾病（如视神经炎和视乳头水肿）诊断中的应用现状和准确性	首次系统综述AI在神经眼科领域（视神经炎和视乳头水肿）的诊断应用，并识别出关键挑战和未来方向	目前AI模型主要擅长二元分类，但在鉴别诊断（如区分轻症视乳头水肿与假性视乳头水肿、视神经萎缩与NAION或青光眼）方面性能有限，且缺乏用于急性视神经炎诊断的模型	评估AI在诊断关键神经眼科疾病（视神经炎和视乳头水肿）中的当前状态，包括诊断准确性、影像模态和深度学习技术分类，以及识别临床挑战和未来机遇	视神经炎和视乳头水肿	机器学习	神经眼科疾病	眼底摄影, OCT	深度学习	眼底照片, OCT影像	32项符合条件的研究	NA	CNN（基于深度学习模型）	AUC	NA
256	2026-06-16	Tebyan: An AI-powered system for estimating developmental levels from children's human figure drawings 2026 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261460248 PMID:42273788	研究论文	开发并评估名为Tebyan的AI驱动移动应用，通过儿童人物画（DAP）测试估计其发育水平，以支持早期发育问题识别	首次将深度学习模型（MobileNet、ResNet、EfficientNet）应用于从儿童人物画估计发育年龄，并与实际年龄对比来指示发育差距	系统并非诊断工具，仅提供辅助支持，且随着分类粒度增加（从2类到8类）性能显著下降	开发用于估计儿童发育水平并辅助早期识别发育问题的AI系统	儿童人物画（Draw-A-Person测试中的图画）	计算机视觉	发育相关疾病	NA	深度学习模型（MobileNet、ResNet、EfficientNet）	图像	NA	NA	MobileNet, ResNet, EfficientNet	准确率, 敏感性, 特异性, 精确率, F1分数	NA
257	2026-06-16	Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multicancer Cohort 2026-Apr, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00141 PMID:42269139	研究论文	提出一种多模态机器学习框架，利用电子健康记录中的结构化与非结构化数据，提前一个月预测多种癌症的转移风险	首次在瑞典多癌种队列中整合结构化数据（人口统计、合并症、检验结果、用药记录）与非结构化临床文本，采用中间融合策略和TRIPOD 2a设计进行严格评估，并通过多模态SHAP分析特征重要性	结肠癌队列规模最小导致性能最低，表明训练数据量对模型的重要性；研究仅基于单一医院数据，未进行外部验证	早期预测癌症转移风险，为临床决策提供个性化治疗依据	瑞典卡罗林斯卡大学医院的四种癌症患者（乳腺癌、结肠癌、肺癌、前列腺癌）	机器学习	肺癌, 乳腺癌, 结肠癌, 前列腺癌	NA	深度学习分类器	结构化数据（人口统计、合并症、检验结果、用药记录）和非结构化临床文本	共3,890例：乳腺癌743例，结肠癌387例，肺癌870例，前列腺癌1,890例	NA	NA	AUROC, 精确率-召回率曲线下面积, F1分数, 灵敏度, 特异度	NA
258	2026-06-16	Artificial intelligence-enabled histological analysis in pre-clinical respiratory disease models: a scoping review 2026-Apr, European respiratory review : an official journal of the European Respiratory Society IF:9.0Q1 DOI:10.1183/16000617.0243-2025 PMID:42270117	综述	对人工智能在临床前呼吸系统疾病模型组织学分析中的应用进行范围综述，总结现有研究的特点、进展与不足	首次系统梳理AI在临床前呼吸系统模型组织学分析中的应用现状，识别了验证、透明性和标准化方面的关键差距	大部分研究使用‘黑箱’模型，缺乏可解释性技术；外部验证缺失，数据集和代码共享较少，影响可重复性	评估人工智能在临床前呼吸系统疾病模型组织学分析中的应用潜力与当前挑战	临床前呼吸系统疾病模型（主要使用小鼠模型）的组织学图像	数字病理学	肺癌、肺纤维化、结核病	组织学染色（苏木精-伊红、胶原或免疫标记物染色）	卷积神经网络	图像	29篇符合纳入标准的原始研究（来自6271篇筛选文献）	NA	NA	准确率（≥90%，7项研究）；其他指标因研究而异	NA
259	2026-06-16	Emerging Technologies in Higher Education Course Development: A Systematic Review of Design Frameworks, Learning Outcomes, and Pedagogical Integration 2026, F1000Research DOI:10.12688/f1000research.179684.2 PMID:42244518	综述	系统综述了1996至2025年间技术对高等教育课程设计、学习成果和参与度的影响	综合了76篇实证研究，采用混合方法叙事和定量合成，并比较了不同技术类型（如AR/VR、AI）和教学设计模型（如TPACK、ADDIE）的效果大小	长期行为和迁移效果鲜有观察，且存在基础设施限制、数字鸿沟和纵向评估不足等挑战	探讨技术如何影响高等教育中的课程设计、学生学习成果和参与度，并识别实施中的促进因素和障碍	76篇1996至2025年间经同行评审的实证研究	机器学习	不适用	不适用	深度学习模型（嵌入AI/混合/扩展现实）	文本（研究文献）	76篇同行评审实证研究	不适用	不适用	标准化效果估计（Cohen's d）、学习效果和参与度指标	不适用
260	2026-06-16	Deep learning-assisted, pathogenesis-informed lung histopathology scoring in preclinical mouse models of SARS-CoV-2 and influenza A infection 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1826608 PMID:42245632	研究论文	该论文利用深度学习辅助的全切片卷积神经网络分析，结合类激活映射，对SARS-CoV-2和甲型流感病毒感染的小鼠肺部组织病理学进行病原学和阶段特异性评分	提出了一个病原体分辨、阶段知情的组织病理学评分指南，结合了病灶拓扑、水肿、上皮损伤-再生、重塑特征和淋巴细胞优势等形态学特征，并利用CNN/CAM分析区分病毒和阶段特异性组织学模式	NA	定义病毒和阶段特异性形态学特征，并将其转化为实用的、病理机制知情的组织病理学评分指南，用于临床前小鼠模型	雄性小鼠的肺部组织病理学样本	计算机视觉	病毒性肺炎	H&E染色, 免疫染色, 全切片卷积神经网络分析, 类激活映射	卷积神经网络	图像	每组多个小鼠（具体数量未提及，涉及早期、高峰损伤和晚期感染阶段）	NA	CNN	NA	NA