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
3181	2026-08-24	A fine-grained defect-sensitive local-global multiscale vision transformer framework for urban visual pollution prediction 2026-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63974-2 PMID:42624864	研究论文	提出一种基于Transformer的细粒度缺陷敏感局部-全局多尺度视觉转换器框架，用于街道图像中的城市视觉污染多类检测和严重程度量化	集成细粒度城市补丁编码、缺陷敏感特征增强、局部-全局双分支学习、层次化特征融合和可学习的视觉污染指数层，以量化退化严重程度	未在摘要中明确说明局限性	解决现有视觉污染评估方法对细节退化模式敏感性有限、上下文理解不足和连续环境严重程度评估能力差的问题，实现大规模城市视觉污染监测和智慧城市环境管理	街道级图像数据中的七类城市视觉污染类别，包括垃圾、涂鸦、坑洼、施工道路损坏和人行道杂乱	计算机视觉	不适用	NA	视觉Transformer	图像	未在摘要中明确说明样本数量	NA	多尺度视觉Transformer	准确率、精确率、召回率、F1分数、视觉污染指数得分	未在摘要中明确说明计算资源
3182	2026-08-24	Single-cell multiomics connects 3D genome and transcriptome alterations in Alzheimer's disease 2026-Jul-23, Science (New York, N.Y.) DOI:10.1126/science.adz1652 PMID:42490473	研究论文	应用GAGE-seq技术联合分析阿尔茨海默病大脑单细胞中的基因表达和三维染色质结构，揭示与细胞类型特异性失调相关的染色质重组，并整合空间转录组和染色质可及性数据，及使用深度学习框架预测疾病相关的基因表达变化	首次将GAGE-seq技术应用于阿尔茨海默病研究，联合分析单细胞3D基因组和转录组，并引入深度学习框架Hicformer预测疾病相关基因表达，提供多尺度视角	未明确阐述，但可能受限于样本数量和组织异质性	探究三维基因组结构变化在阿尔茨海默病分子病理中的作用及其对细胞类型特异性基因表达的影响	阿尔茨海默病患者和年龄匹配的未患病个体的死后脑组织中的单细胞	数字病理学、机器学习	阿尔茨海默病	GAGE-seq、空间转录组测序、染色质可及性测序（如ATAC-seq）	深度学习框架	单细胞基因表达数据、3D染色质结构数据、空间转录组数据、染色质可及性数据	阿尔茨海默病患者和年龄匹配对照的死后脑组织样本（未明确具体数量）	NA	Hicformer	NA（可能包括预测准确性和相关性，但未提供具体指标）	NA（未提及具体资源）
3183	2026-08-24	Human imprints on global riverfronts 2026-Jul-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75777-0 PMID:42471340	研究论文	利用卫星影像和深度学习绘制全球河流前沿高分辨率地图，量化人类改造程度及其驱动因素	首次提供全球7.52百万公里河流前沿的高分辨率地图，区分侧向碎片化与大坝引起的纵向碎片化，并揭示其与水质恶化和生物多样性威胁的关联	未明确提及具体局限，但可能受限于卫星影像分辨率和分类精度	量化全球河流前沿的人类印记分布及其与水质和生物多样性的关系	全球河流前沿（水陆交界带）	计算机视觉, 深度学习	不适用	卫星影像, 深度学习	深度学习模型	卫星图像	7.52百万公里河流前沿	不明确	不明确	不明确	不明确
3184	2026-08-24	Measuring cardiac stroke volume through in-ear audio sensing 2026-Jul-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75642-0 PMID:42469245	研究论文	本文提出一种基于耳塞内耳音频传感的深度学习系统，用于估计心脏每搏输出量，并与临床验证设备进行比较。	首次仅使用商品化耳塞设备通过内耳音频估计每搏输出量，结合生成式自监督/迁移学习和基于Transformer的自动编码器。	样本量小（23名健康参与者），且仅与临床验证设备估计值比较，未与直接测量方法验证。	开发一种非侵入性、可扩展且低成本的每搏输出量测量方法，用于临床外的心血管健康监测。	健康参与者的内耳音频信号和相应的每搏输出量估计值。	机器学习	心血管疾病	音频传感	Transformer-based autoencoder	音频数据	23名健康参与者	NA	Transformer-based autoencoder	平均绝对误差, Pearson相关系数, 百分比误差	NA
3185	2026-08-24	AI-driven neoantigen identification: a comprehensive review from somatic variant calling to T cell recognition 2026-07-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08535-x PMID:42410432	综述	本文综述了人工智能如何重塑新抗原发现流程，从体细胞变异检测到T细胞识别，涵盖计算流程、临床应用及当前挑战	系统性整合了从体细胞变异检测、HLA分型、肽段处理到肽-MHC结合、呈递和T细胞识别的AI驱动新抗原发现全流程，并强调了免疫肽组学在验证和拓展非经典抗原来源中的关键作用	II类HLA预测准确性有限、罕见HLA等位基因覆盖不足、肿瘤异质性以及缺乏标准化基准测试和验证	总结AI在新抗原发现中的应用，并讨论从计算预测到临床转化的现状与挑战，以促进精准癌症免疫治疗的发展	新抗原（肿瘤特异性肽段）、体细胞突变、HLA等位基因、免疫肽组学数据、AI预测模型	人工智能、免疫信息学	癌症	高通量测序、免疫肽组学、人工智能	深度学习模型	测序数据、免疫肽组学数据、文本	NA	NA	NA	预测准确性、免疫原性保留率、基准测试指标	NA
3186	2026-08-24	Unraveling cell-cell communication through spatial transcriptomics: a review of computational methods 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag446 PMID:42617152	综述	综述了空间转录组学中用于解码细胞间通讯的计算方法，将其分为基于空间模式和基于表达调控两大类，并讨论了挑战与未来方向	系统梳理了空间细胞间通讯推断的概念演化与方法格局，提出将现有方法分为空间模式基和表达调控基两大轨迹，并剖析其生物学假设、统计与深度学习框架、优势与局限	未具体指明单个方法的定量比较或统一基准，主要面临验证、基准测试、多模态整合和组织特异性建模方面的挑战	全面回顾空间转录组数据分析中细胞间通讯推断的计算方法，识别概念演化、方法分类、挑战和未来方向，以推动动态、多层重建细胞内外通讯及整合多组学建模	空间转录组学数据及其用于推断细胞间通讯的计算工具和方法	空间转录组学, 计算生物学	NA	空间转录组学（ST）	深度学习模型（如用于空间模式的深层模型）	空间转录组学数据	NA	NA	NA	NA	NA
3187	2026-08-24	A comprehensive survey on graph neural networks for gene regulatory network inference 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag443 PMID:42632029	综述	本文是第一篇关于利用图神经网络进行基因调控网络推断的全面综述，分析了16种最先进方法，并对其架构、推理策略和计算框架进行分类评估	首次系统性地统一了图架构、学习范式和数据模式，在共同的基准框架下进行比较，不同于以往仅关注单细胞RNA测序或深度学习的综述	未提供具体实验，仅基于现有研究进行定性分析，且可能受限于所选方法的使用范围	指导生命科学家选择合适的计算模型，并帮助研究人员开发基于图学习的下一代基因调控网络推断技术	基因调控网络推断方法，具体包括16种基于图神经网络的方法	机器学习	不适用	不适用	图神经网络	不适用	16种方法	不适用	不适用	不适用	不适用
3188	2026-08-24	An open-source pipeline for longitudinal single-cell tracking and cell-cycle/migration coupling analysis for neurotherapeutic screening 2026-Jul-02, Neuroprotection (Chichester, England) DOI:10.1002/nep3.70047 PMID:42499344	研究论文	开发了一个开源流程，用于纵向单细胞追踪和细胞周期/迁移耦合分析，以支持神经治疗筛选。	结合Fiji/ImageJ预处理、Cellpose深度学习分割和TrackMate追踪，并集成FUCCI报告基因，实现细胞周期与迁移行为的同步分析。	未提及具体限制。	建立开放工作流，用于追踪细胞周期和运动性，支持神经保护筛选。	表达FUCCI的HEK293细胞。	数字病理学	神经退行性疾病	FUCCI成像	Cellpose（深度学习分割模型）	图像	未明确样本量，涉及HEK293细胞系。	Fiji/ImageJ, TrackMate	Cellpose	第一类错误率、第二类错误率、轨迹连续性（χ²检验）	未提及
3189	2026-08-24	Adaptive learning rate methodologies and clipping mechanisms based upon gradient entropy 2026-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60537-3 PMID:42393251	研究论文	提出一种基于梯度熵的自适应学习率方法和裁剪机制，以提高深度学习的训练效率和稳定性。	引入熵感知学习率调度机制和多尺度熵感知裁剪机制，结合梯度扰动率和信息熵双重因素，增强优化器对训练动态和结构复杂性的响应能力。	摘要未提及具体局限性，可能包括计算开销增加或需验证不同网络结构的普适性。	改进深度学习优化器的学习率调节和梯度裁剪，以提升模型的鲁棒性和收敛稳定性。	深度学习优化器，包括学习率调度和梯度裁剪机制。	机器学习	NA	NA	优化器（基于熵的机制）	公共数据集（未具体说明）	多个公共数据集（未具体说明）	NA	NA	模型鲁棒性和收敛稳定性（未具体指标）	NA
3190	2026-08-24	Deep Learning-Enhanced Biomarker Interpretation on Cytology Cell Blocks: Foundations and Emerging Opportunities in Spatial Pathobiology 2026-Jul, The American journal of pathology DOI:10.1016/j.ajpath.2026.02.004 PMID:41763533	综述	本文综述了深度学习在细胞学细胞块中生物标志物解释的应用，涵盖了PD-L1、HER2、ER/PR等标志物，并讨论了空间病理生物学的新机会	聚焦于细胞学细胞块这一特殊样本类型，提出深度学习可增强生物标志物解释的重复性和定量评估，并扩展至直接从形态学预测生物标志物状态	由于是迷你综述，未提供具体的实验验证或定量比较，可能缺乏对模型性能的详细评估	探讨深度学习辅助生物标志物解释在细胞学细胞块中的基础、新兴应用及未来方向，以推动精准肿瘤学	细胞学细胞块样本中的生物标志物，包括PD-L1、HER2、ER/PR、Ki-67、ALK/ROS1、BRAF V600E和p16	计算机病理学	肿瘤	免疫组织化学(IHC)和深度学习	深度学习模型	细胞学细胞块图像	不适用（综述）	不适用	不适用	不适用	不适用
3191	2026-08-24	Popformer: Learning general signatures of positive selection with a self-supervised transformer 2026-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014492 PMID:42455870	研究论文	本文提出了一种基于自监督Transformer的模型Popformer，用于学习遗传变异的一般模式，以检测自然选择信号，并在多个场景下展现出优于现有方法的准确性。	Popformer创新性地结合了位点和单倍型注意力机制，学习相对位置嵌入以捕捉SNP间距离，并通过模仿掩码语言建模的预训练策略，实现了对一般选择模式的自监督学习。	本文未明确提及局限性，但可能包括对复杂真实数据泛化能力的潜在限制，以及计算资源需求等未详细说明的方面。	开发一种基于Transformer的通用方法，用于从大规模人类遗传变异数据中学习选择信号，提高检测的准确性和泛化能力。	人类基因组数据，包括来自1000 Genomes Project的样本以及模拟的进化场景数据。	自然语言处理, 机器学习	NA	NGS, 全基因组测序	Transformer	基因型数据, 文本（通过模拟标记语言建模）	未明确，但涉及1000 Genomes Project的人类数据及多种模拟数据。	PyTorch	Transformer	准确性, AUC, 鲁棒性分析	未明确，通常需GPU支持（如NVIDIA A100或V100）
3192	2026-08-24	Automated Eosinophil Quantification Using Deep Learning to Predict Therapy Escalation in Pediatric Ulcerative Colitis 2026-Jul-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001031 PMID:42044208	研究论文	开发了一种基于U-Net的深度学习模型，用于自动量化儿童溃疡性结肠炎中的嗜酸性粒细胞，以预测治疗升级。	首次将深度学习应用于儿童溃疡性结肠炎嗜酸性粒细胞的自动化量化，并验证其作为可重复生物标志物预测治疗升级的潜力。	未提及具体局限性。	开发并验证基于深度学习的嗜酸性粒细胞自动量化方法，以预测儿童溃疡性结肠炎的治疗升级和临床结局。	来自两个儿科中心的病理全切片图像，以及PROTECT队列中221例初治中重度儿童溃疡性结肠炎患者的直肠活检样本。	数字病理学	儿童溃疡性结肠炎	全切片图像分析	U-Net	病理图像	221例患者和病理切片	未明确提及	U-Net, SAU-Net, YOLO-v8, HoVer-Next	AUROC, 精确率, 召回率, F1分数, 斯皮尔曼相关系数	未明确提及
3193	2026-08-24	Real-Time Artificial Intelligence for Early Sepsis Prediction Using Dynamic Clinical Data: A Systematic Review 2026-Jul, Cureus DOI:10.7759/cureus.113193 PMID:42632992	系统综述	本文系统评估了使用动态医院数据进行早期脓毒症预测的实时人工智能模型，共纳入8项研究，并对其性能、偏倚风险和临床应用前景进行了综合分析。	首次系统综述聚焦于利用动态临床数据的实时人工智能脓毒症预测模型，强调解释性方法（如特征归因和SHAP分析）的应用，并纳入外部验证和转移学习等现代策略。	证据主要基于回顾性研究，存在异质性脓毒症定义和分析报告不足的问题，缺乏前瞻性验证和临床整合评估。	评估实时人工智能模型在早期脓毒症预测中的表现、可解释性和临床就绪程度。	成人住院人群（包括重症监护室、急诊科和多重医院系统）中的脓毒症预测。	机器学习	脓毒症	NA	梯度提升方法、神经网络、循环生存模型、深度学习预测平台	动态临床数据	每项研究样本量从数百到超过500,000名患者不等（共8项研究）	NA	梯度提升机、神经网络、循环生存模型、深度学习架构（具体模型未详述）	受试者工作特征曲线下面积（AUC），部分研究报告了预警提前时间	NA
3194	2026-08-24	RoseVisuals: A Multi-Class Dutch Rose Petal Images Dataset for Automated Health and Pigmentation Classification via Deep Learning 2026-Jun-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07630-4 PMID:42337298	研究论文	该研究创建了一个包含1995张高分辨率荷兰玫瑰花瓣图像的数据集，用于通过深度学习进行健康和色素分类	首次专门针对荷兰玫瑰花瓣构建多类图像数据集，涵盖多种颜色和健康状态，填补了机器学习在玫瑰品种研究中的空白	未提及局限性	支持农业中的机器学习活动，特别是自动花瓣健康评估和玫瑰品种分类	荷兰玫瑰花瓣，涵盖红色、黄色、白色、粉色、紫色、橙色、双色和多色，以及新鲜、干燥和病变状态	计算机视觉	不适用	图像采集	深度学习模型	图像	1995张高分辨率花瓣图像	未提及	未提及	未提及	未提及
3195	2026-08-24	Image Caption Generation using Deep Learning Approaches 2026-06-12, Journal of visualized experiments : JoVE DOI:10.3791/71528 PMID:42371865	研究论文	本文利用深度学习技术，特别是ResNet和RNN，实现图像字幕生成，以提供准确且有意义的图像文本描述	采用智能滤波技术增强图像，结合ResNet进行深度特征编码和RNN解码，以生成与参考字幕高度精确的描述	未在摘要中明确提及局限性	提高图像字幕生成的准确性和语义相关性，通过深层表示和智能滤波实现更精确的描述	图像字幕生成任务，使用MSCOCO数据集中的图像和参考标注	计算机视觉, 自然语言处理	不适用	CNN, RNN	CNN, RNN	图像, 文本	MSCOCO数据集（未提供具体样本数量）	未明确指定	ResNet, RNN	BLUE（B1、B2、B3、B4）, METEOR, ROUGE, CIDEr	未明确指定
3196	2026-08-24	An Explainable Privacy Preserving Multimodal Ensemble Framework For Skin Lesion Classification 2026-06-12, Journal of visualized experiments : JoVE DOI:10.3791/71472 PMID:42371851	研究论文	提出一个可解释的隐私保护多模态集成框架，用于皮肤病变分类，结合深度学习、集成学习和可解释AI技术	结合多模态特征（图像特征与临床元数据）与隐私保护意识，使用集成策略和可解释性方法，提升了分类准确率与透明度	未提及	解决皮肤病变分类中隐私、可解释性和类别不平衡问题，提高诊断准确率	皮肤病变图像及临床元数据	计算机视觉	皮肤癌	深度学习、集成学习、可解释AI	EfficientNet B4, DenseNet201, MobileNetv2, XGBoost, LightGBM, 深度神经网络分类器	图像和表格数据	HAM10000数据集（约10015张皮肤病变图像）	未提及	EfficientNet B4, DenseNet201, MobileNetv2, XGBoost, LightGBM, DNC	准确率	未提及
3197	2026-08-24	Dynamic driver drowsiness detection with attention enhanced convolutional neural networks for real time monitoring and road safety applications 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33727-8 PMID:42277061	研究论文	提出一个基于深度学习的实时驾驶员疲劳检测框架，通过面部分析对瞌睡状态进行分类，以提高道路安全	采用注意力机制增强的自定义卷积神经网络，结合多个预训练模型进行微调，在NTHU-DDD数据集上实现了99.63%的最高准确率	文中未提及具体限制	开发一种准确且实时的驾驶员瞌睡检测系统，用于实时监控和道路安全应用	驾驶员面部图像，包括眼睛和嘴巴行为	计算机视觉	不适用	深度学习	卷积神经网络（CNN）	图像	NTHU-DDD数据集	未提及	VGG19, VGG16, ResNet150, DenseNet201, 自定义CNN	准确率、精确率、召回率、F1分数	未提及
3198	2026-08-24	Lightweight CNN SE transformer for robust weed classification with optimizer aware performance 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52345-6 PMID:42277165	研究论文	本研究设计了一种轻量级CNN-SE-Transformer架构，用于杂草分类，通过优化器感知评估其性能	与以往深度学习方法不同，该模型能够缩短令牌序列并利用后续特征更高效地分析数据，同时保持整体性能，并采用Squeeze-and-Excitation模块增强判别能力	未提及	实现准确且快速的杂草类型识别，以支持精准农业中的杂草控制	三类和十六类杂草数据集	计算机视觉	不适用	不适用	CNN、Transformer	图像	两个数据集，分别包含三类和十六类杂草，具体样本数未提及	未提及	CNN-SE-Transformer	测试准确率	未提及
3199	2026-08-24	Enhancing the detection of LTP through lyophilized protein samples and NIR spectroscopy with explainable deep learning 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56935-2 PMID:42265268	研究论文	本研究开发了一种结合近红外光谱、深度学习和可解释性方法的集成框架，用于准确、可解释地检测食物中的脂质转移蛋白过敏原	将纯化蛋白嵌入信息引入基于AI的光谱分析，显著提升了脂质转移蛋白检测的性能和鲁棒性	未提供具体局限性信息	实现复杂食物矩阵中脂质转移蛋白的准确且可解释的检测，为食品安全应用提供便携、非破坏性的策略	均质化食物样本、纯化Pru p 3和Ara h 9蛋白及其与无LTP基质（如酸奶和奶粉）的混合物	机器学习	过敏性疾病	近红外光谱	卷积神经网络、TabTransformer	光谱数据	共11,688个光谱测量值	NA	一维卷积自编码器	准确率、精确率、召回率、F1分数、AUC-ROC	NA
3200	2026-08-24	A multi-view autoencoder architecture with self-adaptive feature recalibration and confidence-aware ensemble for heart disease classification 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53138-7 PMID:42270697	研究论文	提出一种结合多视图自编码器、自适应特征重校准和置信度感知集成的心脏病分类混合智能框架	首次将多视图特征提取、数据驱动特征重校准和实例级动态集成相结合，提升心脏病预测的准确性和可解释性	研究未涉及临床试验或前瞻性人体实验，且需在更大、更多样化的人群中验证	提高心脏病分类的准确性和可靠性，支持早期预测和临床决策支持系统	来自五个知名心脏病数据集的人口统计、临床和诊断数据	机器学习	心脏病	NA	自编码器、集成学习（Extra Trees、随机森林、XGBoost）	表格数据	NA	NA	NA	准确率、灵敏度、特异性、F1分数、统计检验（Friedman和Wilcoxon符号秩检验）	NA