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
3561	2026-08-20	MobileSleepNet: A Deployment-Oriented Framework for Sleep Staging on Mobile Devices 2026-Aug-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3725115 PMID:42611672	研究论文	提出一种面向移动设备的超轻量级睡眠分期框架MobileSleepNet，可在严格计算和能耗约束下实现与大型模型相当的临床级性能，支持本地推理和隐私保护	采用部署导向的设计视角，结合紧凑卷积骨干网络与无神经参数的混合时间细化策略，在不使用循环或注意力模型的情况下实现有效时间建模，实现了模型规模与计算成本的大幅降低	未明确提及局限性，但可推断其依赖单通道脑电数据可能限制多模态信息利用，且评估基于预记录数据而非实时流式处理	验证在移动设备上仅使用单通道脑电图实现临床竞争性睡眠分期的可行性，以支持隐私保护和节能的边缘睡眠分析	睡眠分期任务中的单通道脑电信号	机器学习, 数字健康	睡眠障碍	单通道脑电图	卷积神经网络	脑电信号	四个公开多导睡眠图数据集（Sleep-EDF-20/78和ISRUC-S1/S3）	NA	紧凑卷积骨干网络	准确率	现代移动处理器
3562	2026-08-20	Longitudinal Phenotyping of Circulating Tumor Cells using a Scalable Deep Learning Framework 2026-Aug-18, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-26-0754 PMID:42611962	研究论文	开发并临床验证了一种基于深度学习的可扩展、可重复的循环肿瘤细胞（CTC）表型分析方法（SEE-TC），用于多通道荧光显微镜数据中的单细胞分割和CTC识别。	据我们所知，这是首个全自动AI方法用于单细胞分割和CTC表型分析，无需依赖人工阈值，能够学习与既定生物标志物相关的潜在细胞表征。	未在摘要中明确提及局限性。	实现可扩展、可重复的CTC表型分析，将CTC分析从人工依赖任务转变为可重复的数字检测，支持纵向监测肿瘤负荷，推动CTC液体活检在精准肿瘤学中的临床应用。	来自6种癌症类型的3,386份血液样本中的超过850万个循环细胞。	数字病理学	多种癌症类型（未指定具体癌症，但涵盖六种类型）	多通道荧光显微镜	深度学习模型（具体类型未指定，但属于分割和表示学习）	图像（多通道荧光显微图像）	3,386份血液样本，超过850万个细胞	未指定	未指定（可能包含用于分割的CNN架构，如U-Net等，但未在摘要中说明）	分割准确性与人类相当，以及相关性指标（与生物标志物相关）和生存分析（总生存期关联）	未指定
3563	2026-08-20	AI for Prognosis Among People Living With HIV: Protocol for a Systematic Review and Meta-Analysis 2026-Aug-18, JMIR research protocols IF:1.4Q3 DOI:10.2196/91989 PMID:42612074	研究方案	本文介绍了一项关于人工智能在HIV感染者预后预测中应用的系统综述和荟萃分析的研究方案	首次对基于人工智能的HIV预后模型进行系统评估，涵盖预测性能、方法学严谨性、报告透明度和临床就绪性，并采用多种评估工具（如PROBAST+AI、TRIPOD-AI）进行整合分析	尚未提供结果，且文献筛选和数据提取尚未完成，可能存在偏倚风险	系统评估基于人工智能的HIV预后模型，以支持临床决策和个性化治疗	人工智能（包括机器学习和深度学习）预后模型，预测HIV感染者的治疗和疾病结局	机器学习	HIV	NA	机器学习、深度学习	NA	9194条记录，去重后6056条	R	NA	曲线下面积、敏感性、特异性	NA
3564	2026-08-20	Self-supervised multimodal swin UNETR for PET/CT segmentation of diffuse large B-cell lymphoma 2026-Aug-18, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101369 PMID:42612285	研究论文	本研究提出一种通过大规模自监督预训练增强的多模态PET/CT Swin UNETR框架，用于弥漫性大B细胞淋巴瘤（DLBCL）的精确分割和总代谢肿瘤体积（TMTV）估计。	利用大规模自监督预训练（SSL）增强多模态PET/CT Swin UNETR，提高分割性能和训练稳定性，避免依赖大规模标注数据。	未在外部多中心数据集验证，可能影响泛化性；标注样本量相对较小。	提高PET/CT图像中DLBCL病灶的分割准确性，以支持可靠的定量分析和TMTV估计。	弥漫性大B细胞淋巴瘤（DLBCL）患者的PET/CT图像。	医学图像分析	弥漫性大B细胞淋巴瘤	FDG-PET/CT成像	Swin UNETR	医学影像（PET/CT）	717例FDG-PET/CT扫描（其中500例未标注用于自监督预训练，217例专家标注用于监督学习，训练174例，测试43例）	PyTorch	Swin UNETR	Dice系数、IoU、豪斯多夫距离（HD）、HD95、R²、Bland-Altman分析	未在摘要中明确指定GPU型号或平台，但使用了标准深度学习训练环境
3565	2026-08-20	A new dimension in protein-RNA interface prediction: Integrating protein language models and geometric deep learning 2026-Aug-18, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103362 PMID:42612610	综述	本文综述了基于蛋白质语言模型和几何深度学习的蛋白质-RNA界面预测方法，这些方法提高了泛化能力，减少了对深度进化信息的依赖，并支持蛋白质组规模的RNA结合残基预测。	将蛋白质语言模型与结构感知表示（几何深度学习）相结合，用于蛋白质-RNA界面预测，提高了可扩展性和泛化性，并减少了对深度进化信息的依赖。	未明确提及，但可能受限于对非经典RNA结合区域的预测准确性以及计算方法在复杂生物学环境中的验证。	综述并评估基于蛋白质语言模型和几何深度学习的预测方法在蛋白质-RNA界面预测中的应用，以促进蛋白质组规模的RNA结合位点预测。	RNA结合蛋白（RBPs）及其RNA结合残基。	机器学习	不适用	蛋白质语言模型和几何深度学习	蛋白质语言模型和几何深度学习模型	蛋白质序列、蛋白质结构、RNA相互作用数据	不适用	不适用	蛋白质语言模型、几何深度学习架构（如图神经网络）	泛化能力、预测准确性（具体指标未提及）	不适用
3566	2026-08-20	ResoMamba-LLM: multimodal physiological signal stress detection for wearable devices via Mamba and LLM reprogramming 2026-Aug-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae9b5a PMID:42612704	研究论文	本文提出一种名为ResoMamba-LLM的多模态压力检测框架，结合Mamba和大型语言模型，用于可穿戴设备的心理压力检测	采用双通道Mamba编码器处理胸部和腕部生理信号，并引入频率域分支捕捉周期性节律，通过轻量级重编程技术将生理特征映射到LLM语义空间，激发其潜在的上下文推理能力	未提及明显的局限性	提高心理压力检测的准确性，增强跨模态融合的鲁棒性，解决现有深度学习在长距离依赖建模方面的挑战	多模态生理信号，包括胸部（如ECG）和腕部（如EDA）信号	机器学习	心理压力相关疾病	NA	Mamba、大型语言模型（LLM）	生理信号数据	WESAD和EmoWear数据集	NA	双通道Mamba编码器、频率域分支、轻量级重编程模块	准确率	NA
3567	2026-08-20	Dataset distillation for efficient seizure prediction: tiny-scale data, comparable performance 2026-Aug-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9b70 PMID:42612705	研究论文	本研究首次将数据集蒸馏技术应用于基于脑电图的癫痫发作预测，将大规模原始数据压缩为信息密集的合成数据集，以极小的数据规模维持模型性能，同时大幅降低训练时间。	首次提出面向癫痫预测的数据集蒸馏方法；采用EEG感知的对齐目标，联合保留潜在特征分布、时频域时间动态和跨通道相关结构；通过信号兼容的幅度和相位分解优化频率参数，并整合硬标签以增强合成数据的泛化能力。	未在标题和摘要中明确提及局限性。	解决深度学习在脑电图癫痫预测中实际应用面临的挑战，包括频繁模型更新的时间成本、跨硬件平台快速适应多种模型架构的需求，以及大规模数据存储的负担。	数据集蒸馏方法及其在癫痫预测中的性能，基于脑电图信号。	机器学习	癫痫	数据集蒸馏	未指定具体模型类型	脑电图信号	涉及37名公共受试者和35名临床受试者	未提及具体框架	未提及具体架构	性能保持率（约95%）、训练时间减少率（约98%）	未在标题和摘要中提及具体资源
3568	2026-08-20	Unifying Phylogenetic Traversal and Deep Learning to Guide Tree Exploration 2026-Aug-18, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syag062 PMID:42612997	研究论文	提出一种结合深度学习与系统发育动态规划输出的新方法，用于指导系统发育树探索，预测树中边是否属于最大简约树	将深度学习算法与系统发育动态规划的输出相结合，而非直接使用原始序列比对，从而学习基于系统发育处理的序列特征来指导局部树搜索	未在摘要中明确提及局限性	预测树中每条边是否属于最大简约树，以推动使用深度学习进行高效的系统发育推断	系统发育树中的边	深度学习	NA	系统发育动态规划	循环神经网络（RNN）	序列比对数据	模拟和实证数据集，含不同大小的树	NA	循环神经网络（RNN）	预测质量（未指定具体指标）	NA
3569	2026-08-20	Applications of machine learning in microbial source tracking 2026-Aug-18, Trends in microbiology IF:14.0Q1 DOI:10.1016/j.tim.2026.07.010 PMID:42613205	综述	本文综述了机器学习在微生物源追踪（MST）中的应用，包括主要方法、代表性工具及其在污染溯源、地理空间归因、食品安全和法医调查等领域的应用，并讨论了当前挑战和未来方向。	系统性地总结了机器学习在微生物源追踪中的应用，并指出了可解释性、生态动力学和基准数据集缺乏等关键挑战。	缺乏标准化的基准数据集和明确的评估标准，模型可解释性有限，以及未充分考虑生态动态变化。	总结机器学习方法在微生物源追踪中的应用，并探讨未来深度学习等下一代人工智能如何推动该领域的发展。	微生物群落及其来源（如环境污染源、食品污染源、法医样本）	机器学习	NA	NA	机器学习模型（包括深度学习方法）	微生物组数据（如高维微生物群落数据）	NA	NA	NA	准确性、分辨率、可扩展性	NA
3570	2026-08-20	A comprehensive framework for multi-class prostate cancer classification using biparametric MRI: a multi-center retrospective study 2026-Aug-17, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02367-5 PMID:42606778	研究论文	本研究开发了一个基于双参数MRI的自动化框架，用于前列腺和可疑病变分割、特征提取及多类前列腺癌分类	提出一个综合框架，整合影像组学、深度学习特征和临床变量，实现非csPCa、中风险和高风险前列腺癌的多类分类，超越了传统的二元分类方法	未明确提及局限性	开发一个自动化框架，用于前列腺和可疑病变分割、特征提取和多类前列腺癌风险分层	2543例疑似临床显著性前列腺癌（csPCa）患者	医学影像分析	前列腺癌	双参数MRI	深度学习模型（如nnUNet）和机器学习分类器	影像数据（双参数MRI）	2543例患者	NA	nnUNet	AUC	NA
3571	2026-08-20	Development of a universal imaging "phenome" using shape, appearance and motion (SAM) features and the SAM Phenotype Observation Tool (SPOT) 2026-Aug-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75505-8 PMID:42608400	研究论文	开发了一种基于形状、外观和运动（SAM）特征的通用成像“表型组”和SAM表型观察工具（SPOT），用于活细胞成像筛选	提出了一个通用的2185维图像衍生特征集（SAM表型组）和SPOT工具，用于全面量化细胞瞬时表型；该方法在性能上优于训练于超过一百万个固定单细胞和五千多个单细胞视频帧的深度学习模型	未明确提及局限性	开发一种通用成像表型组和观察工具，以提高活细胞成像筛选的效率和准确性，促进新分子靶点发现和新药开发	细胞和单细胞成像数据集	计算机视觉	NA	高内涵延时成像	深度学习模型（用于比较）	图像和视频	公开的计算机视觉数据集和2D单细胞成像数据集	NA	NA	NA	NA
3572	2026-08-20	A novel AI system for preliminary triage support in single-tooth edentulous spaces using intraoral images 2026-Aug-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58704-7 PMID:42608436	研究论文	本研究开发了一种基于口内图像的新型AI系统，利用深度学习与机器学习为单颗牙缺失空间提供正畸与修复治疗之间的初步分诊支持。	首次仅利用咬合照片，结合YOLOv8m、ResNet和VGG模型及逻辑回归与XGBoost，实现单颗牙缺失空间的定位、分类和分诊，提供非植入干预的替代方案。	研究为概念验证，模型泛化性受限，需外部验证和进一步改进才能临床适用。	旨在通过口内图像，为单颗牙缺失空间的正畸与修复治疗提供初步分诊支持。	单颗牙缺失空间及其近中、远中邻牙。	计算机视觉	牙科疾病	口内摄影	YOLOv8m、ResNet-50、ResNet-101、VGG-16、VGG-19、逻辑回归、XGBoost	图像	2,962张咬合照片	PyTorch	YOLOv8m、ResNet-50、ResNet-101、VGG-16、VGG-19	F1分数、AUC、加权kappa、准确率、召回率、精确率、预期校准误差	未提及
3573	2026-08-20	Robust statistical feature extraction and deep learning surrogates for highly accurate guided wave-based determination of global corrosion parameters in metallic plates 2026-Aug-16, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108272 PMID:42612352	研究论文	本研究提出了一种结合稳健统计特征提取和深度学习代理模型的方法，用于通过导波准确测定金属板材中的全局腐蚀参数	采用椭圆包络协方差估计和特征缩放实现稳健的统计描述符提取，结合深度神经网络逆模型，有效处理腐蚀参数估计中的非唯一性问题，并通过聚合多个随机场实现提高预测精度	研究仅基于数值模拟条件，未涉及实验验证，且未明确讨论模型在真实复杂环境下的泛化能力	开发一种基于深度学习的逆模型，利用导波响应精确估计金属板材的腐蚀参数，如平均厚度损失及其标准差	金属板材中的腐蚀形态，建模为随机场，以及由传感器网络记录的导波响应	机器学习	不适用	导波无损检测（NDT）	深度神经网络（DNN）	数值模拟生成的导波信号	未在标题和摘要中明确提供，但涉及多个随机腐蚀场的独立实现	未明确指定，可能使用PyTorch或TensorFlow（根据深度学习背景推断，但摘要未提及）	深度神经网络（具体架构未在摘要中指定，可能为全连接网络）	预测精度（具体指标如均方误差或决定系数在摘要中未明确列出）	未在标题和摘要中提及
3574	2026-08-20	Towards unified AI-driven fracture mechanics: the extended deep energy method (XDEM) 2026-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76748-1 PMID:42608406	研究论文	提出一种统一的基于深度学习的断裂力学框架，即扩展深度能量法（XDEM），以离散和连续方式预测断裂行为	引入统一的深度学习框架，该框架在离散设置中结合位移不连续性和裂纹尖端渐近性，在连续设置中灵活耦合位移场和相场，从而实现稀疏均匀布点下的准确断裂预测	信息不足	克服现有深度能量法在断裂力学中的局限性，包括需要密集布点、稳定性问题以及分离的断裂模型，从而建立统一的AI驱动断裂预测框架	断裂力学问题，包括应力强度因子评估、直线和拐折裂纹扩展以及复杂裂纹萌生	机器学习	不适用	不适用	深度能量法（DEM），扩展深度能量法（XDEM）	数值模拟数据	信息不足	信息不足	信息不足	精度、效率	信息不足
3575	2026-08-20	Deep learning-driven discovery and optimization of natural LSD1 inhibitors for the treatment of Alzheimer's disease 2026-Aug-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.110396 PMID:42612268	研究论文	开发了一个多模态深度学习模型PLM-CAFT-DTA用于药物-靶点亲和力预测，并结合虚拟筛选和分子模拟发现并优化了天然LSD1抑制剂S3，用于治疗阿尔茨海默病	提出了整合ChemBERTa、ESM-2、图注意力和交叉注意力融合的多模态深度学习模型，并成功应用于从超过70,000种天然产物中筛选出LSD1抑制剂，经优化获得活性显著提高的化合物S3	摘要中未提及明显的局限性	开发AI辅助的LSD1抑制剂发现工具，用于治疗阿尔茨海默病，解决现有抑制剂脑渗透性差、脱靶毒性及化学骨架稀缺的问题	LSD1靶点、天然产物库中的化合物（如silybin和优化后的S3）、APP/PS1小鼠	机器学习	阿尔茨海默病	NGS（如RNA-seq用于基因表达分析？）、分子模拟（可能包括分子对接和动力学模拟）、体外活性测定、动物实验（APP/PS1小鼠）	多模态深度学习模型（结合ChemBERTa、ESM-2、图注意力网络和交叉注意力）	分子结构数据、蛋白质序列数据、药物-靶点相互作用数据、基因表达数据（如mRNA）	超过70,000种天然产物，1个靶点（LSD1），1个化合物S3，以及APP/PS1小鼠模型	PyTorch（推测，根据深度学习模型）	ChemBERTa, ESM-2, 图注意力网络（GAT）, 交叉注意力融合	IC₅₀（半抑制浓度）、预测精度（如准确率、AUC等，具体未提及）	未提及
3576	2026-08-20	A Reproducible Deep Learning Workflow for Predicting Lithium-Ion Battery Performance Using Multichannel Cycling Data 2026-Aug-14, Journal of visualized experiments : JoVE DOI:10.3791/71903 PMID:42611559	研究论文	本文提出了一种使用多通道循环数据预测锂离子电池性能的可复现深度学习工作流程	针对现有数据驱动模型在多源信息整合和特征表示方面的局限性，采用五个公开电池数据集，整合原始操作信号和工程特征，并采用固定随机种子、重复评估和环境跟踪来提高可复现性	未在摘要中明确说明局限性	建立一个标准化的可复现深度学习工作流程，用于锂离子电池性能预测，包括健康状态、剩余使用寿命和可放电能量估计	锂离子电池	机器学习	不适用	深度学习	深度神经网络、卷积神经网络、长短期记忆网络、CNN-LSTM、Transformer	多通道循环数据（电压、电流、容量、温度、内阻、库仑效率、能量效率）和工程特征（增量容量、差分电压、能量吞吐量）	五个公开电池数据集	未在摘要中明确提及	深度神经网络、卷积神经网络、长短期记忆网络、CNN-LSTM、Transformer	平均绝对误差、R值	未在摘要中明确提及
3577	2026-08-20	Semantic Segmentation-Guided Reconstruction and Artistic Style Synthesis of Intangible Cultural Heritage Patterns Using a Deep Learning Framework 2026-Aug-14, Journal of visualized experiments : JoVE DOI:10.3791/71577 PMID:42611738	研究论文	提出一种基于深度学习的语义分割引导重建与艺术风格合成框架，用于非物质文化遗产图案的数字保存与艺术再现。	引入Transformer分割模型SegFormer精确识别图案边界，并设计跨注意力文化特征融合模块增强文化语义，结合CycleGAN和SPADE实现风格合成并保持分割图与生成图像的一致性。	现有方法存在数据集多样性有限、文化语义融合不足、重建中结构特征保留不充分等问题。	改进SegCycle-SPADE框架，提升非遗图案的语义分割精度和艺术重建性能，为文化遗产数字化提供可扩展方案。	苗族蜡染文化图案和WikiArt数据集中的艺术图案。	计算机视觉, 深度学习	NA	NA	Transformer, CycleGAN, SPADE	图像	包含苗族蜡染文化图案数据集和WikiArt数据集，未明确具体样本数量。	NA	SegFormer, CycleGAN, SPADE	NA	NA
3578	2026-08-20	Automated User Interface Prototyping Framework Integrating Cognitive and Visual Design Principles to Improve Usability and Layout Clarity 2026-Aug-14, Journal of visualized experiments : JoVE DOI:10.3791/71071 PMID:42611759	研究论文	提出一个自动化UI原型设计框架，集成Faster R-CNN组件检测和CAM02-UCS感知颜色建模，结合认知与视觉设计原则以提升可用性和布局清晰度	首次统一整合认知原则、颜色智能和结构推理，实现端到端的智能UI原型生成，超越仅关注视觉外观或组件检测的现有方法	未提及具体限制，但可能受限于大规模接口数据集的依赖和设计规则的主观性	开发一种自动化UI原型设计方法，平衡视觉吸引力、认知可用性和布局一致性	用户界面（UI）组件和布局，包括品牌或参考图像的颜色主题	计算机视觉, 机器学习	NA	Faster R-CNN, CIECAM02均匀颜色空间（CAM02-UCS）	Faster R-CNN	图像（UI界面截图、颜色数据）	RICO, ENRICO, 和Guo的UI颜色数据集	未提及	Faster R-CNN	组件检测准确率, 布局清晰度提高率, 阅读顺序准确率, 颜色和谐度评分, 认知负荷降低率, 设计一致性提升率	未提及
3579	2026-08-20	SpheroSeg: Advancing tumor spheroid analysis through open-source deep learning 2026-Aug-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109602 PMID:42612557	研究论文	提出了SpheroSeg，一个开源平台，用于明场肿瘤球体分割，包含大型注释数据集、标准化的模型基准测试和基于Web的分析工作流程	引入SpheroHQ数据集（包含22,683张带专家校正注释的图像）和SpheroMix语料库（32,367张图像），并提供协议感知的基准测试框架及部署的Web应用，以系统评估不同分割架构	在分布内和分布外数据间的性能差距显著，模型应仅在记录在案的成像和注释条件下使用，而非作为通用球体检测器	推进三维肿瘤球体的定量分析，通过提供数据集、基准测试和可分析平台，应对不同实验条件、注释策略和数据稀缺性挑战	三维肿瘤球体图像，涵盖七种癌细胞系，包含明场图像及外部数据（DTS和HTS-Seg）	计算机视觉，数字病理学	癌症	明场显微镜成像	卷积神经网络（CNN），Transformer，状态空间模型	图像	22,683张SpheroHQ图像，32,367张SpheroMix语料库图像，外加外部数据集DTS和HTS-Seg	NA	CBAM-ResUNet, MambaBot-UNet, SegFormer-B0, 及其他架构（特指卷积、注意力和状态空间变体）	IoU（交并比）	GPU加速计算（仅提及用于Web应用部署）
3580	2026-08-20	Peptide language pragmatic analysis and two-stage hierarchical learning framework for therapeutic peptide prediction 2026-08-13, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02642-3 PMID:42587290	研究论文	提出了一种基于语用分析和两阶段层级学习框架的TPpred-PepPA模型，用于多功能治疗肽预测	首次将ProtT5预训练语言模型与两阶段层级学习框架结合，并采用动态阈值策略处理长尾分布问题	摘要中未明确提及局限性	提高多功能治疗肽预测的性能和可解释性	多功能治疗肽	自然语言处理	NA	ProtT5预训练模型	Transformer	肽序列	NA	NA	Transformer编码器	准确率、F1分数、AUC等（具体未明确）	NA