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
341	2026-05-25	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	通过将物理知识融入深度学习，提升蛋白质序列-功能模型的外推能力	提出了将生物物理相互作用与动力学建模融入卷积和图卷积神经网络的新方法，以改善位置和突变类型的外推性能	数据稀缺仍是挑战，模型依赖训练数据中未见的突变类型和位置的外推能力，且需进一步验证物理模型的普适性	解决深度学习在蛋白质序列-功能建模中难以实现准确外推的问题，提升突变功能效应预测的泛化能力	蛋白质序列-功能关系，特别是突变效应的外推预测	机器学习	NA	深度学习（卷积神经网络、图卷积神经网络、Transformer），生物物理建模	卷积神经网络（CNN）、图卷积神经网络（GCN）	蛋白质序列数据，深度突变扫描数据	NA	NA	卷积神经网络、图卷积神经网络	外推性能（位置外推和突变类型外推的准确性）	NA
342	2026-05-25	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	提出FATE-MAP平台，结合深度学习与机械建模预测致畸性和人类原肠胚形成失败模式	首次将Transformer与偏微分方程模拟相融合，集成高通量扰动实验、定量表型映射和机械建模，系统解码人类原肠胚形成失败模式	NA	阐明人类原肠胚形成失败模式并预测药物致畸性	药物处理的人类2D原肠胚样结构（超过2000个）	深度学习，机械建模	先天性畸形	高通量药物治疗，定量表型映射	Transformer，偏微分方程模拟	图像、化学结构数据	超过2000个药物处理的人类2D原肠胚样结构	NA	Transformer	NA	NA
343	2026-05-25	Bridging clinical narratives and structured phenotypes with large language models and sentence transformers 2026-Feb-14, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.02.009 PMID:41698530	研究论文	提出LEAP框架，融合大型语言模型和句子转换器，从电子健康记录非结构化文本中提取结构化表型并映射到人类表型本体标识符	提出两阶段框架LEAP，结合大型语言模型进行自由文本表型提取和基于大规模数据集微调的句子转换器进行HPO映射，能处理长文本输入并确保输出有效且确定的HPO标识符，克服了BERT模型上下文窗口限制和大型语言模型可能产生无效标识符的局限	未明确说明，但可能包括依赖大规模标注数据集进行微调以及对罕见表型提取的潜在局限性	提高从电子健康记录中自动提取结构化表型的准确性和可靠性，支持孟德尔疾病诊断和基因-表型关联研究	电子健康记录中的临床叙述文本，用于提取表型并映射到人类表型本体	自然语言处理	孟德尔疾病	NA	大型语言模型、句子转换器	文本	5,330,557个实例用于句子转换器微调；真实世界电子健康记录测试集	NA	BERT，句子转换器	精确率、F1分数、召回率	NA
344	2026-05-25	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2026-02, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13376 PMID:39651611	研究论文	比较五种超分辨率显微镜技术对专性胞内细菌（恙虫病东方体）紧密聚集微菌落的成像效果，并结合深度学习软件Cellpose和Imaris进行3D细胞分割与分析	首次系统比较五种超分辨率显微镜技术（标准共聚焦、Airyscan、iSIM、3D-SIM、STED）对专性胞内细菌成像的横向和轴向分辨率，并整合深度学习分割管道进行3D形态分析	研究仅比较了实验室可用的五种技术；未涉及其他超分辨率方法（如PALM/STORM），且样本处理成本高、对染料和标记物要求严格	评估不同超分辨率显微镜技术对细胞内紧密聚集的专性胞内细菌成像的分辨能力，并优化3D分析流程以揭示细菌形态差异	恙虫病东方体（Orientia tsutsugamushi）及其在哺乳动物细胞系中的菌落	数字病理学	恙虫病	超分辨率显微镜（共聚焦、Airyscan、iSIM、3D-SIM、STED）	深度学习分割模型	显微图像（3D荧光图像）	多种细胞系中培养的细菌菌落（具体数量未说明）	Cellpose, Imaris	Cellpose（通用深度学习分割模型）	半高全宽（FWHM），细菌检测能力	商用软件Imaris处理图像；未提及GPU具体型号
345	2026-05-25	Artificial intelligence-powered microscopy: Transforming the landscape of parasitology 2026-02, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13433 PMID:40492595	综述	综述人工智能在寄生虫学中的应用，主要集中在顶复门、双滴虫门和动基体目寄生虫的显微镜和图像分析	总结人工智能在寄生虫学领域的最新进展，并探讨其在填补理解空白和诊断中的潜力	缺乏具体实验验证，依赖现有文献分析，且人工智能在生物医学领域的实施面临挑战	探讨人工智能如何推动寄生虫学研究和诊断发展，并促进跨学科合作	寄生虫学中的显微镜和图像分析，涉及顶复门、双滴虫门和动基体目寄生生物	自然语言处理、机器学习	寄生虫病	显微镜成像、图像分析	机器学习和深度学习模型	图像	不适用	不适用	不适用	不适用	不适用
346	2026-05-25	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出一种透明且可解释的深度学习模型，利用BioBERT分析临床文本实现自闭症谱系障碍的自动诊断，并在两个不同数据集上评估迁移学习效果	首次采用BioBERT模型建立透明可解释的自闭症诊断流程，能够将行为描述映射到诊断标准，并系统比较了透明模型与黑箱模型在不同训练顺序和数据混合策略下的迁移学习性能	连续训练模型时性能略有下降，说明训练数据顺序对模型表现有影响	开发透明可解释的机器学习方法用于自动诊断自闭症，并评估迁移学习能力以提高模型的泛化性	自闭症谱系障碍患者和非自闭症个体的临床文本描述	自然语言处理	自闭症谱系障碍	NA	Transformer（BioBERT）	文本	两个不同的真实世界临床数据集	NA	BioBERT	敏感性, 特异性	NA
347	2026-05-25	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	提出一种SE(3)对称变压器模型，直接在富含局部多物理特征的血管模型表面上预测腹主动脉瘤生长	首次使用SE(3)-对称变压器直接在血管表面上进行局部生长预测，保留了血管表面的解剖结构和几何保真度，而非参数化AAA形状	样本量较小（113次CTA扫描，24名患者），外部验证集仅7名患者，可能限制泛化能力	通过个性化AAA生长预测改进监测策略	腹主动脉瘤患者血管表面的局部生长预测	机器学习	腹主动脉瘤	计算机断层扫描血管造影	变压器	CTA扫描图像	24名AAA患者的113次CTA扫描（训练），7名AAA患者的25次CTA扫描（外部验证）	PyTorch	SE(3)-对称变压器	中位直径误差，准确率	NA
348	2026-05-25	Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103320 PMID:41338039	综述	本文系统综述了人工智能在抑郁症诊断中的方法论与临床应用，涵盖数据模态、模型性能及伦理挑战	首次系统评估多模态数据融合与先进神经网络架构在抑郁症诊断中的应用，并提出提升模型泛化性和可解释性的未来方向	数据集偏差、算法透明度不足及临床适用性挑战	综述AI驱动抑郁症诊断方法的研究现状，评估技术效能与临床转化潜力	语言、行为、生理数据（社交媒体、临床访谈、语音记录、可穿戴设备）	机器学习	抑郁症	NA	机器学习、深度学习（神经网络架构）	文本、语音、行为数据、生理信号	NA	NA	神经网络	诊断准确率	NA
349	2026-05-25	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出一种量子增强神经网络QENNA，用于早期阿尔茨海默病的磁共振成像检测	首次将量子卷积层与经典深度学习相结合，并引入量子生成对抗网络和量子随机游走进行数据增强，提升早期AD诊断准确率	训练数据匮乏时量子组件的性能提升需进一步验证，且量子计算资源在临床实践中的可扩展性尚未明确	开发高效早期阿尔茨海默病检测的AI诊断工具	早期阿尔茨海默病患者的大脑磁共振成像数据	计算机视觉, 机器学习	阿尔茨海默病	磁共振成像 (MRI)	量子增强神经网络 (QENNA), 量子生成对抗网络 (QGAN)	图像	两个公开MRI数据集	NA	量子卷积层, 经典深度学习网络	准确率, AUC	NA
350	2026-05-25	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	针对约旦阿拉伯方言的患者反馈进行情感分析，构建了JADKHCC语料库，并评估了多种深度学习模型性能	首次构建了专门用于约旦阿拉伯方言患者反馈情感分析的JADKHCC语料库，并基于BERT-Arabic表示模型与CNN架构实现了高精度预测	未明确讨论模型泛化性及跨方言迁移能力不足的问题	基于自动化情感分析技术，从阿拉伯语患者反馈中检测服务质量问题并推动改进	金侯赛因癌症中心患者的约旦阿拉伯方言文本反馈	自然语言处理	癌症	BERT-base-Arabic, Word2Vec, FastText	CNN	文本	15,812条约旦阿拉伯方言评论	PyTorch	CNN结合BERT表示	F1分数	NA
351	2026-05-25	A labeled ophthalmic ultrasound dataset with medical report generation based on cross-modal deep learning 2026-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103317 PMID:41297151	研究论文	提出一个标注的眼科超声数据集，并基于跨模态深度学习生成医学报告	首次同时包含超声图像、血流信息和检查报告三种模态的眼科数据集	未提及	自动化生成眼科超声检查报告	眼科超声图像、血流参数和临床报告	计算机视觉, 自然语言处理	眼内疾病	超声成像	跨模态深度学习	图像, 文本, 数值	来自10,361名患者的22,173张图像及其对应报告	NA	知识融合跨模态网络 (KFCMN)	NA	NA
352	2026-05-25	Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345470 PMID:41926489	研究论文	提出了一种结合Kuramoto振子理论和图神经网络的物理信息混合图神经网络（HP-GNN），用于鲁棒的跨患者癫痫发作预测	首次将Kuramoto振子动力学约束与图神经网络相结合，实现自动化、鲁棒且可解释的癫痫发作预测，在跨患者泛化、数据效率和临床可解释性方面取得显著提升	未提及	利用基于物理的Kuramoto振子理论约束，开发一种自动化、鲁棒且可解释的癫痫发作预测方法，解决临床转化中的关键障碍	癫痫患者的脑电图数据，包括CHB-MIT（22名儿科患者，182次发作）和IEEG.org（16名成人，87次发作）数据集	机器学习	癫痫	EEG	图神经网络	EEG信号	22名儿科患者和16名成人患者，共269次发作，844小时连续EEG	NA	HP-GNN	准确率、敏感度、假阳性率、AUC	NA
353	2026-05-25	Utilizing the transformer mechanism to predict cervical lymph node metastasis in patients with papillary thyroid carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345937 PMID:41931576	研究论文	利用Vision Transformer模型预测甲状腺乳头状癌患者颈部淋巴结转移，并与其他模型比较性能	首次应用Vision Transformer深度学习模型预测甲状腺乳头状癌（PTC）的颈部淋巴结转移，并与传统CNN、超声影像组学及临床模型对比，展示了ViT模型在外部验证中的稳定性和优越性	英文摘要未明确提及局限性，但回顾性研究设计、单一疾病（PTC）和样本量（540例）可能限制泛化性	开发并验证Vision Transformer模型在术前预测PTC患者颈部淋巴结转移中的应用价值	来自两家医院的540名PTC患者	计算机视觉	甲状腺癌	NA	Vision Transformer（ViT）	图像（二维矩形超声图像）	540名PTC患者	NA	Vision Transformer, 卷积神经网络	AUC, 净重新分类改进（NRI）, 综合鉴别改善（IDI）	NA
354	2026-05-25	LeafDet: A lightweight and interpretable deep learning framework for tomato leaf disease detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349501 PMID:42172206	研究论文	本文提出了一种基于YOLOv8的轻量级可解释番茄叶病检测框架LeafDet，并构建了平衡数据集PlantTom	提出了包含CBM、C2f、SPPF、ECA注意力模块以及BiFPN、GSConv、VoVGSCSP和Shuffle Attention的创新轻量级模型结构，通过ECA和Shuffle Attention等高效注意力机制提升精度与速度，并利用Eigen-CAM提供决策过程可视化解释	未明确提及局限性，但可能受限于特定作物（番茄）和特定数据集PlantTom的规模与多样性	开发一种可部署且可解释的深度学习框架，用于智能农业中植物叶病的精确检测	番茄叶病对象检测	计算机视觉, 深度学习	番茄叶病	对象检测	YOLOv8	图像	PlantTom数据集包含7836张图像，8个不同类别的番茄叶病	PyTorch	YOLOv8改进版（包含CBM、C2f、SPPF、ECA注意力、BiFPN、GSConv、VoVGSCSP、Shuffle Attention）	mAP@0.5, 推理时间	NA
355	2026-05-25	A hybrid BiLSTM and rule-based system for integrated diabetes prediction and personalized guidance 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347672 PMID:42172283	研究论文	提出一个融合双向长短期记忆网络和基于规则的系统的混合框架，用于糖尿病预测和个性化指导	结合高精度BiLSTM预测模型与基于规则的个性化建议引擎，实现诊断后自我管理的闭环支持	未提及模型在实际临床环境中的部署挑战或用户隐私保护措施	开发一个集成预测与个性化指导的临床相关工具，弥合诊断与主动自我管理之间的差距	糖尿病患者及高危人群	机器学习	糖尿病	NA	BiLSTM	表格数据	PIMA和2型糖尿病融合数据集，具体样本数未提及	NA	BiLSTM	准确率、精确率、召回率	NA
356	2026-05-25	SMART deep learning tools to accelerate the characterization of natural product structures from their NMR data 2026, Methods in enzymology DOI:10.1016/bs.mie.2025.08.022 PMID:42177060	研究论文	介绍两种人工智能工具SMART 2.1和DeepSAT，利用H-C HSQC NMR谱辅助加速天然产物结构解析	开发了两种互补的AI工具，通过分析H-C HSQC NMR谱来识别结构相关分子，显著加速天然产物的结构鉴定过程	NA	开发加速天然产物结构表征的深度学习工具	天然产物的NMR数据及结构相关分子识别	机器学习	NA	NMR	深度学习模型	光谱数据	NA	NA	SMART 2.1, DeepSAT	NA	NA
357	2026-05-25	Reconstruction of structured illumination microscopy for live imaging in low light with lightweight neural networks 2025-12, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70009 PMID:40844333	研究论文	提出一种轻量级多卷积UNet网络，用于低光照条件下活细胞成像的结构光照明显微镜超分辨率重建	通过多卷积技术与多尺度注意力机制的结合，在减少模型参数量的同时保持高效超分辨率重建性能	文中未提及该模型在更复杂生物样本或极端低光条件下的适用性限制	实现低光照条件下活细胞成像的高质量超分辨率重建，同时提升重建速度和模型精度	不同细胞类型在不同光照强度和测试集下的结构光照明显微镜图像	数字病理学	不适用	结构光照明显微镜	CNN	图像	不同细胞类型、光照强度和测试集	PyTorch	多卷积UNet（MCU-Net）	MS-SSIM, NRMSE	不适用
358	2026-05-25	AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals 2025-11-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae178c PMID:41135577	研究论文	基于AI方法使用SCG、ECG和GSR信号预测心力衰竭患者再入院	首次利用地震心动图信号结合机器学习模型进行心力衰竭再入院预测，并探索了时间-频率分布方法将SCG信号转换为图像用于深度学习模型	样本量较小（仅101名患者），深度学习模型准确率低于传统机器学习算法	探索一种非侵入性方法通过预测心力衰竭患者再入院来帮助管理患者	心力衰竭患者（包括研究期间再入院者）	机器学习	心血管疾病	SCG（地震心动图）、ECG（心电图）、GSR（皮肤电反应）信号采集	K近邻、深度学习模型	信号数据	101名心力衰竭患者	NA	K近邻、深度学习模型	准确率（89.4%）、灵敏度（87.8%）、特异度（90.1%）、精确度（78.2%）、F1分数（82.7%）	NA
359	2026-05-25	Artificial intelligence-driven oocyte scores are associated with early morphokinetics and embryo outcomes after intracytoplasmic sperm injection 2025-Oct-24, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105360 PMID:42176529	研究论文	利用深度学习系统MAGENTA评估卵母细胞评分，并分析其与ICSI后早期形态动力学和胚胎结局的关系	首次将基于深度学习的卵母细胞评分系统MAGENTA与ICSI后的早期形态动力学事件及胚胎结局关联分析	NA	探究MAGENTA卵母细胞评分与ICSI后胚胎发育及妊娠结局的关联	来自1340个取卵周期的2785张成熟卵母细胞图像	机器学习	不孕症	深度学习、时序成像	深度学习	图像	2785张成熟卵母细胞图像（来自1340个取卵周期）	NA	MAGENTA	准确性、率（如退化率、正常受精率）	NA
360	2026-05-25	An overview of reliable and representative DVC measurements for musculoskeletal tissues 2025-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70008 PMID:40636996	综述	本文综述了数字体相关技术在肌肉骨骼组织中的最新进展，涵盖从器官到组织层面的力学测量、技术挑战及未来方向	聚焦组织界面处理、边界效应及不确定性量化等关键挑战，并首次系统讨论DVC与深度学习结合预测位移和应变场的应用	未采用系统综述方法，对体内应用和临床转化案例的深度分析有限	总结DVC在肌肉骨骼组织力学特性表征中的发展现状与未来机遇	矿化组织、软组织的多尺度力学行为以及植入物-组织界面	数字病理学	肌肉骨骼疾病	数字体相关（DVC）	深度学习模型	三维应变场数据	NA	NA	NA	测量精度与可靠性	NA