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
3401	2026-07-30	Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer 2026-02-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00706 PMID:41468557	研究论文	报告了Casanovo深度学习从头肽段测序模型的系列改进，旨在提升预测肽段评分的可解释性、扩展数据库搜索功能、加速训练和预测流程，并提供工作流和可视化工具	改进了肽段评分可解释性，支持数据库搜索泛化，显著提升训练和预测速度，并提供标准化工作流和可视化工具	未提及具体局限性	使Casanovo更准确易用，适用于宏蛋白质组学、抗体测序、免疫肽组学及标准蛋白质组学中的新肽段发现	Casanovo深度学习模型及其改进版本	自然语言处理	NA	质谱分析、蛋白质组学	深度学习模型	质谱数据	NA	PyTorch	Transformer	准确性、速度	NA
3402	2026-07-30	Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry 2026-02-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00563 PMID:41528974	技术说明	介绍肽嵌入的教学教程，用于蛋白质组学质谱数据中的深度学习应用	系统比较五种肽嵌入策略，并提供免费交互式教程以降低深度学习应用的门槛	未讨论嵌入选择的理论依据或对大规模数据集的适用性	教导研究人员如何将肽序列转换为数值嵌入，并提升深度学习在蛋白质组学中的应用	肽嵌入策略（从简单单数字编码到预训练嵌入）	自然语言处理、机器学习	NA	质谱、肽段测序	深度学习（具体未指定）	肽段序列数据	NA	Google Colab	预训练嵌入（具体架构未指定）	基准测试（具体指标未指定）	Google Colab（云端计算资源）
3403	2026-07-30	Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer 2026-Jan-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68727-3 PMID:41617688	研究论文	提出HIT-EC模型，一种基于层次可解释Transformer的方法，用于可信的酶委员会编号预测	首次提出四层Transformer架构与EC编号层次结构对齐，并引入证据深度学习进行可信预测，同时提供生物意义上可解释的方案	对代表性不足的EC编号预测性能较低，且缺乏处理不完整标注的学习策略	实现准确且可信的酶委员会编号预测，解决现有深度学习方法在性能、标注不完整和可解释性方面的局限	酶委员会编号和蛋白质序列	自然语言处理	NA	Transformer	Transformer	蛋白质序列数据	大型数据集（具体数量未提及），外部验证数据集，以及基于物种的性能评估数据	PyTorch	Transformer（四层层次结构）	准确率、精确率、召回率、F1分数、AUC	未提及具体GPU类型或云平台
3404	2026-07-30	Feature Integration of [18F]FDG PET Brain Imaging Using Deep Learning for Sensitive Cognitive Decline Detection 2026-Jan-26, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.22.26344669 PMID:41646662	研究论文	提出一种多表征学习框架，融合[18F]FDG PET脑部成像特征和区域级定量指标，利用深度学习实现认知衰退的敏感检测与分类	提出将体素级特征（CNN/PCANet提取）与区域级特征（DNN处理）进行直接拼接融合，实现数据高效的多模态学习，显著提升认知衰退检测灵敏度	未在外部独立数据集上验证泛化性；样本量较小且仅来自ADNI单一队列；未对比其他融合策略（如注意力机制）	提升PET在认知衰退检测中的临床实用性，克服数据限制并提高诊断精度	认知衰退（包括早期阿尔茨海默病）与认知正常个体的脑部PET成像差异	计算机视觉, 数字病理学	认知衰退, 阿尔茨海默病	[18F]FDG PET成像	CNN, PCANet, DNN	医学图像（[18F]FDG PET脑成像）	252名参与者（118名认知正常，134名认知衰退），来自ADNI数据库	NA	CNN, PCANet, DNN	准确率, 召回率, F1分数, 精确度	NA
3405	2026-07-30	Bioinformatics insights into plant genomic imprinting: approaches, challenges, and future perspectives 2026-01-09, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf025 PMID:41511814	综述	系统总结植物基因组印迹研究的方法、挑战及未来人工智能驱动策略	整合单细胞组学、机器学习和深度学习等多技术手段，提出人工智能驱动的表观遗传育种新视角	未深入探讨多组学数据整合的实际计算瓶颈及算法普适性验证	全面梳理植物基因组印迹的鉴定、功能和调控机制，并展望人工智能在表观遗传育种中的应用	植物基因组印迹基因及其调控网络	生物信息学	NA	单细胞组学、机器学习、深度学习	机器学习模型、深度学习模型	组学数据（单细胞、多组学）	NA	NA	NA	NA	NA
3406	2026-07-30	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-Jan, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	利用深度学习从MRI区域脑龄分析慢性中风患者对侧半球神经可塑性与运动障碍的关联	首次揭示慢性中风后同侧半球脑龄加速老化而对侧半球脑龄减速老化的矛盾现象，明确对侧额顶网络的区域脑龄作为运动结局的关键预测因子	未提及	探究慢性中风后病灶损伤、双侧半球区域脑龄与运动结局之间的关联，并识别运动障碍的关键预测因子	慢性单侧中风患者（病程超过180天）	机器学习	中风	MRI	图卷积网络	T1加权MRI图像	501名中风患者（来自8个国家34个队列）和17791名UK Biobank个体	PyTorch	图卷积网络	调整均差、置信区间、p值	NA
3407	2026-07-30	TransGrid-CostOpt: A hybrid transformer framework for cost prediction and optimization of distribution network assets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350026 PMID:42213739	研究论文	提出TransGrid-CostOpt混合变压器框架，用于配电网资产成本预测与优化	融合深度学习、多目标优化、时间序列预测与强化学习决策策略，实现成本预测与优化的智能集成	未明确说明局限性	提高配电网成本预测精度与多目标优化效率，增强动态市场环境适应性	配电网资产成本预测与优化	机器学习	NA	NA	Transformer、强化学习	时间序列数据	BuildingsBench和PJM Hourly Load Data数据集	PyTorch	Transformer	准确率、效率、整体性能提升（15%-30%）	未说明
3408	2026-07-30	MEG-GPT: A transformer-based foundation model for magnetoencephalography data 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1301 PMID:42516171	研究论文	提出了一种基于Transformer的磁脑电图基础模型MEG-GPT，用于建模大规模脑动力学的时空模式	首次引入时间注意力和下一时间点预测的Transformer基础模型；开发了一种新颖的数据驱动分词方法，在不损失信息的情况下保持连续MEG信号的高时间分辨率	未明确提及本文的局限性	建模脑电图数据的复杂时空模式，推动计算神经科学和神经解码应用	磁脑电图数据中的脑区时间序列	机器学习	NA	MEG	Transformer	时间序列	612名被试的闭眼静息态数据（Cam-CAN数据集）	PyTorch	Transformer	准确率	NA
3409	2026-07-30	Hybrid Convolutional-Gated Recurrent Neural Network for Robust Mobile Health Activities Classification 2026, International journal of telemedicine and applications IF:3.1Q2 DOI:10.1155/ijta/1465162 PMID:42516350	研究论文	提出一种结合卷积神经网络和门控循环单元的混合深度学习模型，用于自动识别日常身体活动	设计了端到端的CNN-GRU模型，能同时提取局部时空特征和建模长期时间依赖，并建立综合基准框架进行验证	NA	开发鲁棒的移动健康活动分类模型，用于自动监测日常身体活动	MHEALTH公共数据集中的12种身体活动（如膝盖弯曲、行走、跑步）	机器学习	NA	NA	CNN, GRU	传感器数据	MHEALTH数据集包含12种身体活动	NA	CNN-GRU	准确率, 精确率, 召回率, F1分数	云计算系统
3410	2026-07-30	Evaluating the detection of small brain lesions in magnetic resonance using deep learning 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1833713 PMID:42516553	研究论文	评估人工智能模型在磁共振成像中检测小脑部病变的性能，并引入一种结合临床小肿瘤概念的新深度学习模型	将临床定义的“小肿瘤”概念整合到深度学习模型的训练和评估流程中，强调病灶大小对检测性能的影响	未明确提及局限性	提高人工智能系统在脑部病变检测中的临床相关性，支持早期诊断和治疗计划	脑部小肿瘤病变	计算机视觉	脑肿瘤	磁共振成像（MRI）	深度学习模型	图像	NA	NA	NA	损失值, Dice系数	NA
3411	2026-07-30	Fully automated deep learning MAPSE: retrospective analysis and real-time clinical application 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag087 PMID:42516546	研究论文	开发了一种全自动深度学习方法来评估二尖瓣环平面收缩期偏移，并在回顾性和前瞻性队列中验证其性能	首次提出多步深度学习方法实现离线与实时全自动MAPSE估算，显著缩短分析时间并提升可重复性	未提及具体局限性信息	开发并验证一种全自动深度学习MAPSE估算方法，评估其与手动测量的一致性和临床实用性	左心室功能评估中的二尖瓣环平面收缩期偏移	机器学习	心血管疾病	深度学习	CNN	图像	回顾性队列（n=1775）和前瞻性队列（n=51）	NA	NA	Bias, 皮尔逊相关系数, ICC	NA
3412	2026-07-30	Quantitative morphological phenotyping of infection structures in cucumber downy mildew and powdery mildew 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1844862 PMID:42516595	研究论文	基于深度学习的微观病原体图像实例分割方法，用于黄瓜霜霉病和白粉病感染结构的定量形态表型分析	提出SWS-YOLO11n实例分割模型，能够从微观图像中精准提取并定量表征病原体感染结构的形态特征，突破了传统方法仅能定性识别的局限	研究仅针对黄瓜霜霉病和白粉病两种病害，方法对其他病原体或作物的泛化能力尚未验证	开发一种基于微观图像实例分割的黄瓜病原体感染结构形态特征定量提取与表征方法	黄瓜霜霉病和白粉病的病原体感染结构	计算机视觉，数字病理学	植物病害	原位染色显微成像	实例分割模型	显微图像	黄瓜病原体原位染色显微图像数据集	YOLO	SWS-YOLO11n	检测mAP@0.5，分割mAP@0.5，周长提取精度R²，面积提取精度R²，曲率提取精度R²	NA
3413	2026-07-30	Image Processing for Diagnosing Psoriasis: A Machine Learning Approach to Classify Skin Lesions into Psoriasis Subtypes 2026, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.40.16 PMID:42516629	研究论文	利用卷积神经网络和迁移学习将银屑病皮损分类为五种主要亚型	首次利用预训练的VGG16模型结合图像增强技术，实现对银屑病五种亚型的高精度自动分类，并整合为基于网络的实时诊断工具	数据来源单一（仅Kaggle数据集），可能限制模型的泛化能力；未在真实临床环境中验证	开发一种可扩展的机器学习工具，辅助临床医生准确区分银屑病亚型并制定治疗决策	银屑病患者的皮肤病变图像	机器视觉	银屑病	深度学习	卷积神经网络（CNN）	图像	未在摘要中明确说明使用的图像数量	Keras	VGG16	准确率，损失	未在摘要中说明
3414	2026-07-30	Diagnostic Accuracy of Artificial Intelligence in Predicting Admission Status, Intensive Care Requirements, and Mortality in the Emergency Department: A Systematic Review and Meta-Analysis 2026, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.40.18 PMID:42516637	系统综述与Meta分析	评估人工智能在急诊科预测入院状态、重症监护需求和住院死亡率方面的诊断准确性	首次通过系统综述和Meta分析综合评估AI在急诊科预测多种患者结局的诊断准确性，弥补了此前一致性证据的不足	纳入研究存在异质性，未详细探讨AI模型的具体算法类型和外部验证不足的影响	系统评估人工智能在急诊科预测入院、重症监护需求及住院死亡率的诊断性能	急诊科患者	机器学习	急诊疾病	NA	机器学习与深度学习模型	NA	34项相关研究	Stata	NA	灵敏度, 特异度	NA
3415	2026-07-30	AI-driven diagnosis of mpox using deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352161 PMID:42430461	研究论文	利用深度学习模型进行mpox（猴痘）的AI驱动诊断研究，提供了可复现的基准测试	提出了一个泄漏感知的基准测试框架，强调可重复的数据集构建、分组评估和校准比较，并使用温度缩放和验证集阈值选择增强可靠性	结果是保守的，应视为可重复的参考基准而非临床验证工具，外部临床验证仍是必要的	为mpox二分类提供透明且可复现的基准测试，指导图像筛查方法的比较	Mpox（猴痘）皮肤病变图像，以及其它皮肤病图像	计算机视觉, 数字病理学	猴痘, 皮肤病	深度学习	CNN（卷积神经网络）, 加权集成模型	图像	使用MSLD v1.0和v2.0统一数据集，未具体说明样本数量	PyTorch	ConvNeXt-Tiny, 以及其他6个预训练骨干网络	准确率, F1分数, AUC（曲线下面积）	NA
3416	2026-07-30	PredatorNet: a clinically trustworthy deep learning framework for multi-class Alzheimer's disease classification using MRI 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1835340 PMID:42518750	研究论文	提出了PredatorNet，一种基于MRI的多类阿尔茨海默病分类深度学习框架，具备临床可信性	引入了三个关键模块（EagleAttention、RegionImportance、WolfPackFusion）以及临床可信评分（CTS）这一综合性能评估指标	解剖加权验证下的CTS值较低（0.8652），表明在更严格的解剖学约束下模型性能有所下降	开发临床可信的多类阿尔茨海默病MRI分类方法	阿尔茨海默病患者的MRI脑部扫描	计算机视觉	阿尔茨海默病	MRI	深度学习（注意力机制）	图像	1280个MRI扫描	NA	PredatorNet（包含EagleAttention、RegionImportance、WolfPackFusion模块）	准确率, 宏观ROC AUC, 平均敏感性, 平均特异性, 校准可靠性, 区域重要性稳定性指数, OOD稳定性评分, CTS	NA
3417	2026-07-30	Intelligent diagnosis of ossicular chain malformations on CT: development and clinical efficacy of a cascaded AI framework 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1731385 PMID:42518770	研究论文	开发并验证一种基于分割-判别策略的级联人工智能框架，用于CT图像中听小骨链畸形的自动检测	提出了一种从粗到细的nnU-Net分割框架与多个判别模型相结合的级联策略，实现了锤骨、砧骨和镫骨的独立检测并整合为患者级模型，性能优于传统深度学习和体积阈值算法	未在标题和摘要中明确提及局限性	开发并验证用于CT图像中听小骨链畸形自动检测的级联人工智能框架	听小骨链畸形患者和健康对照的颞骨CT扫描图像	计算机视觉	听小骨链畸形	CT扫描	级联模型（nnU-Net与判别模型）	图像	2462张颞骨CT扫描（训练集1302张，测试集556张，验证集604张）	NA	nnU-Net, ResNet, DenseNet	AUC, 灵敏度, 特异度, 准确率	NA
3418	2026-07-30	Improving CT-CBCT deformable image registration for cervical cancer adaptive radiotherapy using a deep learning approach 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1855718 PMID:42518811	研究论文	提出一种基于深度学习的CT-CBCT形变图像配准框架，用于宫颈癌自适应放疗	在Transformer模型（UTSRMorph）中引入归一化梯度场约束，提升配准鲁棒性和边界对齐能力	未在更大规模或更多类型的肿瘤数据集上验证；未提及计算资源消耗	提高宫颈癌自适应放疗中CT-CBCT形变图像配准的鲁棒性和解剖对齐精度	宫颈癌患者的CT和CBCT图像	计算机视觉，数字病理学	宫颈癌	CT成像，CBCT成像	Transformer，卷积神经网络	医学图像	内部和外部CBCT-CT数据集（具体数量未提及）	PyTorch（推测）	UTSRMorph，VoxelMorph，TransMorph	Dice系数，Hausdorff距离95%分位数，雅可比行列式	未提供
3419	2026-07-30	Utilizing conditional generative adversarial network to generate head MRA based on nonvascular sequences: comparative study of single-modality and multi-modality methods 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1857271 PMID:42518956	研究论文	利用条件生成对抗网络从非血管序列合成头部MRA图像，并比较单模态与多模态方法的性能	首次系统比较基于不同非血管序列（T1W、T2W、FLAIR）的单模态与多模态cGAN模型在合成头部MRA中的表现，并验证其诊断效能	样本量较小（140例），静脉污染较明显，且仅基于单一机构数据，需外部验证	开发一种从非血管序列合成头部MRA的深度学习模型，并评估合成MRA的诊断性能	老年住院患者的多模态MRI数据（包括MRA和非血管序列）	计算机视觉	老年性疾病	MRI	条件生成对抗网络	图像	140例患者（98训练、14验证、28测试）	PyTorch	cGAN	结构相似性指数、峰值信噪比、均方根误差、信噪比、对比度噪声比、似然量表评分、诊断准确率	NA
3420	2026-07-30	Topology-aware hybrid graph-transformer network for Alzheimer's disease diagnosis from structural magnetic resonance imaging 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1834764 PMID:42518978	研究论文	提出一种拓扑感知的混合图-Transformer网络，利用结构磁共振成像进行阿尔茨海默病诊断	整合3D卷积神经网络、动态图注意力网络和拓扑偏向的视觉Transformer，同时捕捉局部体积变化和全局网络级退化	在更大数据集上的临床验证仍需进一步开展	通过结构MRI实现阿尔茨海默病的准确诊断	阿尔茨海默病患者的脑部结构MRI数据	机器学习	阿尔茨海默病	结构磁共振成像	混合模型（CNN、图注意力网络、视觉Transformer）	医学图像	OASIS队列的结构MRI数据集	PyTorch	3D卷积神经网络、动态图注意力网络、拓扑偏向视觉Transformer	ROC-AUC、准确率、敏感性	NA