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
3341	2026-08-23	Predicting ventricular arrhythmia in myocardial ischemia using deep learning 2026-Jul, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2026.02.009 PMID:42488144	研究论文	本研究利用深度学习预测急性心肌缺血期间室性心律失常（早搏）的发生时间	首次利用心外膜电图高分辨率信号预测急性缺血期间早搏的时间，并量化了个体化数据需求	研究基于动物实验（猪）数据，可能不完全适用于人类；样本量有限（21次实验）	确定心外膜电图是否包含预测急性缺血期间早搏时间的特征，并量化个体化所需的数据量	猪急性缺血模型中的心外膜电图和自发早搏事件	机器学习	心肌缺血	电生理记录（心外膜电图，1 kHz采样）	长短期记忆网络（LSTM）	时间序列信号	21头猪的急性缺血实验，共2252个自发早搏	NA	6层LSTM（隐藏层大小128）结合时间注意力机制	平均绝对误差（MAE）、R²、预测准确性（30-60秒窗口内的预测比例）	NA
3342	2026-08-23	Influence of sponsorship on betting intentions: from linear to deep learning models 2026-Jun-14, Harm reduction journal IF:4.0Q1 DOI:10.1186/s12954-026-01485-z PMID:42289703	研究论文	本研究探讨体育赛事中商业博彩赞助对博彩意向和实际赌博行为的影响，比较线性（PLS-SEM）和非线性（人工神经网络）预测方法。	将自我一致性、感知暴露、主观规范、善意和参与度等心理社会变量整合到一个联合预测模型中，并首次系统比较线性与非线性方法在预测赌博行为中的差异。	本研究样本仅限于西班牙人群，可能限制结果的普适性；此外，依赖自我报告数据可能存在偏差。	预测体育赛事中的博彩意向和实际赌博行为，并比较线性与非线性预测模型的效果。	西班牙个体的赌博意向和实际赌博行为。	机器学习应用（社会科学）	问题赌博	NA	偏最小二乘结构方程模型（PLS-SEM）和人工神经网络（ANN）	问卷调查数据	661名西班牙受试者	NA	NA	NA	NA
3343	2026-08-23	Identifying predictive factors of cyberbullying perpetration via deep learning: a two-stage training approach to class imbalance with weighted loss 2026-Jun-13, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04980-x PMID:42288893	研究论文	本研究基于一般攻击模型和社会生态框架，采用结合两阶段训练策略与类别加权损失函数的深度学习框架，以提高网络欺凌实施者的识别效果。	创新性地提出一种结合两阶段训练策略和类别加权损失函数的深度学习方法，以解决行为数据集中极端类别不平衡问题，并显著提升少数类别的召回率。	样本仅来自中国大学生，可能限制结果的普适性；且自报数据可能存在偏差。	旨在利用深度学习框架改善网络欺凌实施者的识别，并揭示其预测因素。	660名中国大学生（包括54名自报网络欺凌实施者）	机器学习	心理行为问题（网络欺凌）	NA	深度学习模型	表格数据（包括屏幕时间、情绪、学校连接等特征）	660名中国大学生，其中54名为自报网络欺凌实施者	NA	深度神经网络（DNN）	召回率	NA
3344	2026-08-23	DiffPlantCT: a training-free, annotation-free approach to cross-species plant CT image segmentation 2026-Jun-11, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01551-4 PMID:42277862	研究论文	提出一种无需训练和注释的跨物种植物CT图像分割方法，通过无监督零样本学习实现高效分割	首次实现跨物种植物CT图像的免注释、免训练分割，利用预训练稳定扩散模型的自注意力层构建判别性聚类特征	依赖于预训练模型的泛化能力，可能在极端图像质量或新物种上表现受限，但文中未明确详述	开发无需人工标注和模型训练的植物CT图像分割方法，以降低研究成本并提高跨物种表型分析的效率	植物CT图像，包括核桃果实、大麦穗、小麦穗和水稻穗	计算机视觉	NA	CT成像	扩散模型（Stable Diffusion）	图像	两个公共数据集（核桃果实和大麦穗）和两个自收集数据集（小麦穗和水稻穗）	未指定	自注意力层	平均交并比（mIoU）	NA
3345	2026-08-23	A large-scale annotated Urdu corpus and deep learning benchmark for mental health classification 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56627-x PMID:42259907	研究论文	本研究开发了一个用于乌尔都语心理健康分类的深度学习框架，并构建了首个大规模公开的乌尔都语注释数据集，涵盖焦虑、抑郁和中性类别。	首次为乌尔都语这种资源匮乏语言提供大规模、公开的多类心理健康分类数据集，并通过系统评估多种深度学习架构建立了性能基准。	未明确说明局限性。	解决低资源语言（乌尔都语）在心理健康自动检测中的研究空白，提供可扩展且文化敏感的监测工具。	乌尔都语推文，分类为焦虑、抑郁和中性。	自然语言处理	焦虑和抑郁	NA	深度学习模型（CNN+BiLSTM, CNN+BiGRU, UrduBERT）	文本（推文）	36,000条乌尔都语推文	NA	CNN+BiLSTM, CNN+BiGRU, UrduBERT	准确率、精确率、召回率、F1分数	NA
3346	2026-08-23	A temporal-spectral dual-stream anti-noise bearing fault diagnosis model based on adaptive mode decomposition 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55697-1 PMID:42260071	研究论文	提出一种基于自适应模式分解的时-谱双流抗噪声轴承故障诊断模型，以提高强噪声环境下的诊断准确性	设计了自适应模式分解模块来抑制噪声并增强故障相关信息，并构建时-谱双流框架以从不同视角提取互补特征，增强特征表示的丰富性和判别力	未明确提及局限性，但可能依赖特定噪声条件或需进一步验证泛化能力	提高轴承故障诊断模型在强背景噪声环境下的准确性和可靠性	轴承故障信号	机器学习	不适用	自适应模式分解	深度学习模型	信号	两个真实案例数据集	未提及	时-谱双流网络	诊断准确率	未提及
3347	2026-08-23	A generalisation study in deep learning-based segmentation of lower-limb muscles across different populations 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57242-6 PMID:42260151	研究论文	本研究评估了深度学习模型在不同人群（儿童、健康年轻人和绝经后女性）下肢肌肉分割中的泛化能力，重点测试了注意力特征融合U-Net模型	首次跨队列（儿童、健康年轻人和绝经后女性）系统评估下肢肌肉分割模型的泛化能力，并引入注意力特征融合模块改进U-Net	单一类型的队列模型训练不足以提升泛化能力，较小且不规则的肌肉分割准确性较低	评估深度学习模型在不同人群中的下肢肌肉分割性能及泛化能力	下肢肌肉，包括典型发育儿童、健康年轻人和绝经后女性的T1加权磁共振图像	医学影像分析	肌肉相关疾病（如肌少症）	磁共振成像	U-Net及其变体（U-Net++、Attention U-Net、Attention-Feature-Fusion-U-Net）	医学图像（MRI）	包含儿童、健康年轻人和绝经后女性三个队列的图像数据，具体数量未在摘要中给出	未明确指定，可能使用PyTorch或TensorFlow	U-Net, U-Net++, Attention U-Net, Attention-Feature-Fusion-U-Net	Dice相似系数、相对体积误差、豪斯多夫距离、平均对称表面距离	未在摘要中提及，推断使用GPU进行深度学习训练
3348	2026-08-23	Reducing normalized mean square error during channel estimation using minimum pilot symbols in massive MIMO network 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56479-5 PMID:42260065	研究论文	本文提出基于深度学习的方法，使用最小导频符号在大规模MIMO网络中估计信道系数，以降低归一化均方误差	利用全连接神经网络和卷积神经网络模型，在最小导频符号条件下实现信道估计，优于传统最小二乘和最小均方误差方法，特别是在导频污染和多小区干扰场景下	摘要未提及具体限制	在大规模MIMO网络中，使用最小导频符号进行信道估计，以降低归一化均方误差	大规模MIMO网络中的信道估计	机器学习	NA	NA	全连接神经网络、卷积神经网络	信道估计数据	NA	NA	全连接神经网络、卷积神经网络	归一化均方误差	NA
3349	2026-08-23	Advances in Electrocardiogram-Based Non-Invasive Blood Glucose Monitoring Technology 2026-06, Diabetes, obesity & metabolism DOI:10.1111/dom.70638 PMID:41852256	综述	该文综述了基于心电图的非侵入性血糖监测技术的生理基础、最新进展及临床挑战和未来方向	系统总结了血糖波动对自主神经活动和心脏电生理的影响，以及机器学习、深度学习和多模态融合模型在基于ECG的血糖估计中的应用	未提及具体限制	评估基于心电图的非侵入性血糖监测技术的进展、临床挑战和未来方向	心电图信号与血糖水平之间的关系	机器学习	糖尿病	心电图（ECG）	机器学习、深度学习、多模态融合模型	心电图信号	未提及	未提及	未提及	未提及	未提及
3350	2026-08-23	A stacked multi-classifier for multi-modal data fusion in transcranial sonography-based Parkinson's disease assessment 2026-May-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01408-6 PMID:42204162	研究论文	该研究利用经颅超声检查结合影像组学和深度学习，通过堆叠多分类器集成模型进行帕金森病的评估	首次将临床、影像组学和深度学习特征通过堆叠集成方法融合用于经颅超声诊断帕金森病，并验证其优于单一模态或单一分类器	未提及	开发一个基于经颅超声的多模态堆叠集成模型，以提高帕金森病诊断的准确性和临床价值	324名参与者（103名帕金森病患者和221名非帕金森病对照）	医学影像分析	帕金森病	经颅超声	集成学习（Bagging、Boosting、Stacking）	临床数据、影像组学特征、深度学习特征	324名参与者	未提及	随机森林、XGBoost、HistGradientBoosting	AUC、PR-AUC、准确率、精确率	未提及
3351	2026-08-23	Deep learning of 777 K bulk transcriptomes reveals human-mouse gene conservation beyond DNA sequence similarity 2026-May-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10189-w PMID:42204332	研究论文	利用Transformer模型对777K个人和小鼠的批量RNA测序样本进行分析，揭示人类-小鼠基因在表达层面上的保守性，并识别出即使DNA序列相似但RNA特性不同的同源基因	首次使用基于Transformer的GeneRAIN模型在如此大规模的跨物种转录组数据上生成基因的RNA表示，并据此比较同源基因，超越了仅基于DNA序列相似性的传统比较方法	摘要中未提及明显局限性，可能包括对RNA测序样本的批次效应控制、模型的可解释性、以及未覆盖所有组织或发育阶段等	通过基因表达模式提供人类-小鼠基因关系的额外见解，并评估小鼠模型用于研究特定人类基因的适宜性	人类和小鼠的基因，包括同源基因和长非编码RNA	自然语言处理	NA	RNA测序	Transformer	转录组数据（bulk RNA测序）	777K个人类和小鼠批量RNA测序样本	NA	Transformer	NA	NA
3352	2026-08-23	Using deep learning to identify brain networks mediating cognitive and motor impairments in alcohol use disorder 2026-May-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04101-7 PMID:42185254	研究论文	利用深度学习框架分析静息态功能磁共振成像和神经心理学测试数据，识别酒精使用障碍相关的脑网络，并揭示其介导认知和运动障碍的神经机制	提出一种数据驱动的深度学习框架，将脑连接与神经心理功能对齐，形成功能单元，并结合中介分析识别特定脑网络（如颞叶注意力网络和感觉运动网络）在酒精使用障碍对认知和运动功能影响中的完全中介作用，且在独立HIV数据集上验证	未明确提及局限性，但可能包括样本特定性和模型解释性等潜在问题	基于功能性脑影像和神经心理测量区分酒精使用障碍患者与对照组，并识别酒精使用障碍相关功能障碍的机制	酒精使用障碍患者及健康对照者，以及作为独立验证的HIV感染者（伴或不伴酒精使用障碍）	机器学习	酒精使用障碍	静息态功能磁共振成像	深度学习模型（具体为时间注意力网络）	功能磁共振成像数据和神经心理测试分数	6105个区域间连接和16项认知及运动表现评分	NA	时间注意力网络	分类准确率、中介分析统计指标	NA
3353	2026-08-23	DGAT: a dual-graph attention network for inferring spatial protein landscapes from transcriptomics 2026-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73114-z PMID:42168176	研究论文	开发了一种名为DGAT的双图注意力网络，用于从空间转录组数据推断空间蛋白质表达图谱	构建了整合转录组、蛋白质组和空间信息的异构图，并通过图注意力网络编码，采用任务特定解码器从共享潜在表征中重建mRNA并预测蛋白质丰度	文中未明确提及局限性	从空间转录组数据推断空间蛋白质表达，以弥合转录组与蛋白质组之间的差距，并实现仅基于转录组的蛋白质水平解读	空间转录组和蛋白质组数据集	数字病理学	不适用	空间转录组学	图注意力网络	基因表达数据	公共和内部数据集	不适用	图注意力网络	蛋白质推断准确性	不适用
3354	2026-08-23	HELIX: a scalable model for predicting context-dependent regulation of RNA splicing and isoform usage 2026-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00988-w PMID:42156927	研究论文	开发了HELIX，一个分层深度学习框架，整合前体mRNA序列和RNA结合蛋白表达谱，同时预测组织特异性和条件特异性的剪接模式及转录本异构体使用情况	首次整合短读长和长读长RNA测序数据训练，实现同时预测差异剪接事件、剪接强度及异构体使用，并支持通过迁移学习适应单细胞RNA测序数据	摘要未提及局限性信息	预测依赖上下文（组织和条件）的RNA剪接和异构体使用，并应用于疾病研究	RNA剪接模式、转录本异构体、剪接数量性状位点、患者特异剪接失调、细胞类型特异异构体	机器学习、计算生物学	结肠癌	RNA测序（短读长和长读长）	深度学习（分层框架）	序列数据（pre-mRNA）和表达谱数据	未明确	未明确	未明确	准确性（精度）、差异剪接预测能力、剪接强度预测、异构体使用预测	未明确
3355	2026-08-23	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	本文提出了一种名为Light-XAI的轻量级可解释人工智能系统，用于通过注意力机制和层间特征融合进行宫颈癌分类	将自注意力机制集成到轻量级CNN中，利用局部梯度加权类激活映射进行决策解释，并从两个深层提取特征进行融合	未提及局限性	开发一个可解释的CADx系统，以提高宫颈癌诊断的准确性和效率	宫颈癌的Pap涂片图像	计算机视觉, 数字病理学	宫颈癌	Pap涂片图像分析	CNN, 自注意力机制	图像	SIPaKMeD和Mendeley液基细胞学数据集	未提及	轻量级CNN, Grad-CAM	准确率	未提及
3356	2026-08-23	Deep learning-driven recognition of panoramic tumor microenvironment features in H&E sections and its application 2026-Apr-09, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2025-014429 PMID:41956540	综述	本文综述了深度学习驱动的H&E切片全景肿瘤微环境特征识别及其临床应用的最新进展	系统性地总结了深度学习在H&E切片中识别全景肿瘤微环境特征的技术进展，并讨论了其转化潜力和当前局限	当前技术在肿瘤学和临床应用中仍存在转化挑战和局限性，但具体细节未在摘要中详述	综述深度学习驱动的全景肿瘤微环境特征识别技术及其在肿瘤研究和临床应用中的价值	H&E染色的组织切片中的肿瘤微环境特征，包括肿瘤细胞、基质细胞、免疫细胞和血管网络	数字病理学	肿瘤	H&E染色、全切片成像	深度学习模型	病理图像	NA	NA	NA	NA	NA
3357	2026-08-23	The Application of a Deep Learning Algorithm for the Segmentation of Retinal Nerve Fiber Layer Across Different Optic Neuropathies 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.7 PMID:41960956	研究论文	本研究开发并验证了一种名为RNFL-Net的深度学习算法，用于在不同视神经病变（包括青光眼和视盘水肿）的OCT扫描中自动分割视网膜神经纤维层，并与标准OCT设备相比提高了测量准确性。	提出了一种专门用于OCT B扫描中视网膜神经纤维层分割的深度学习算法RNFL-Net，该算法在预处理后自动去除血管，并在多种视神经病变中实现了比标准OCT设备更高的分割精度和厚度测量准确性。	研究中外部验证数据量较小（视盘水肿仅32例），且算法性能可能受限于特定OCT设备类型和扫描参数，仍需在不同设备和人群中进行更多验证。	评估深度学习算法在OCT扫描中自动分割视网膜神经纤维层的能力，以在青光眼和视盘水肿等视神经病变中提高厚度测量的准确性。	研究对象包括健康对照眼、视盘水肿眼和青光眼患者的视网膜OCT B扫描图像。	计算机视觉	青光眼, 视神经病变	光学相干断层扫描（OCT）	深度学习分割模型（RNFL-Net）	OCT图像	训练和验证集包含1065张OCT B扫描（来自106只健康眼、118只视盘水肿眼、60只青光眼），测试集265张，外部验证包含157例青光眼和32例视盘水肿。	NA	RNFL-Net（具体架构未在标题和摘要中指定）	Dice系数, 平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
3358	2026-08-23	AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records 2026-03-10, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-025-01468-6 PMID:41807959	研究论文	本研究比较了机器学习、深度学习和大型语言模型在急诊电子健康记录自由文本中分类细支气管炎诊断的性能，并评估了官方ICD-9编码的准确性。	首次直接比较大型语言模型、深度学习和多种传统机器学习模型在Nirsevimab时代细支气管炎监测中的应用。	未明确说明研究的局限性，但可能受限于单中心数据和专家手动标注的主观性。	评估AI工具（包括ML、DL和LLM）在急诊电子健康记录自由文本中分类细支气管炎诊断的潜力，以及改进流行病学监测。	1岁以下婴儿的急诊电子健康记录，包括完整出院诊断字段。	自然语言处理	细支气管炎	自然语言处理（NLP）	随机森林、决策树、梯度提升机、线性判别分析、支持向量机、深度学习工具、GPT-5（大型语言模型）	文本数据（自由文本诊断记录）	28,557条记录（其中1,903条为细支气管炎）	NA	NA	平衡准确率、敏感性、F1分数、特异性	NA
3359	2026-08-23	A multi-metric evaluation of readability in psychiatric discharge summaries 2026-Mar-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00528-2 PMID:41803909	研究论文	本研究对精神病学出院摘要的可读性进行了多维评估，比较了面向患者的出院指导与面向提供者的住院病程记录部分。	首次使用包含传统公式和深度学习模型（如ClinicalBERT、MedReadMe）的12种指标对精神病学出院摘要进行多维度可读性评估，并发现不同诊断组间的可读性差异及传统与神经指标间的分歧。	未明确提及局限性，但可能包括样本仅限于MIMIC-IV数据集，以及深度学习模型的可解释性限制。	评估精神病学出院摘要的可读性，并比较不同面向对象（患者vs提供者）及不同诊断组的文本复杂性。	精神病学出院摘要，包括出院指导和住院病程记录部分。	自然语言处理	精神疾病	NA	深度学习模型	文本	1745份出院摘要，其中880份配对包含两个部分。	NA	ClinicalBERT, MedReadMe	内部相关性，与MedReadMe和ClinicalBERT的相关性	NA
3360	2026-08-23	HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12738-3 PMID:41803713	研究论文	提出了一种基于多路染色质相互作用数据和深度学习的拓扑关联域检测方法HyperDeepTAD，通过超图保留高阶交互信息，利用动态卷积网络和BiGRU等结构捕捉局部特征，以获得更准确的TAD边界和层级结构。	首次利用多路染色质相互作用的超图表示，结合动态卷积网络和BiGRU来捕获高阶协同交互，超越传统Hi-C二元交互方法的局限性。	未明确提及局限性，但可能受限于数据可用性和计算复杂度。	开发一种更准确的TAD检测方法，以改善基因调控机制的理解。	拓扑关联域（TADs），基于多路染色质相互作用数据。	深度学习, 生物信息学	NA	多路染色质相互作用分析	深度卷积网络, BiGRU	染色质相互作用数据	NA	NA	动态卷积网络, BiGRU, 残差连接	边界富集度	NA