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
3781	2026-08-19	Transformer-based nonlinear modeling in dynamic spectrum for noninvasive human blood component analysis 2026-Dec-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130058 PMID:42247740	研究论文	本研究利用基于Transformer的神经网络对动态光谱数据进行非线性建模，以提高人体血液成分（红细胞、尿素和葡萄糖）的无创检测精度。	首次将Transformer神经网络应用于动态光谱的非线性建模，以捕捉光谱数据中的非线性映射关系，从而提升血液成分预测的准确性。	需要进一步的临床验证以确认其在实际应用中的可靠性。	利用Transformer神经网络拟合动态光谱与血液成分浓度之间的非线性关系，提高无创血液成分分析的预测精度。	动态光谱数据，来源于1400名参与者的光电容积脉搏波（PPG）信号。	机器学习	血液成分分析（无特定疾病）	动态光谱（DS）	Transformer	光谱数据	1400名参与者的动态光谱数据	NA	Transformer	R²系数、平均绝对误差（MAE）、均方误差（MSE）	NA
3782	2026-08-19	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ，一个基于Zeiss arivis Pro的模块化半自动和全自动流水线套件，用于分析初级纤毛及其亚结构域，并集成了深度学习模型Cilia.AI	开发了深度学习模型Cilia.AI，能够以最少的人工修正识别初级纤毛，并提供了模块化流水线用于分割纤毛亚结构域，显著减少分析时间约8倍	未在摘要中明确提及局限性，但可能依赖于Zeiss arivis Pro平台，对用户技术有一定要求	开发自动化、无偏且精确的工具，用于分割和量化初级纤毛及其亚结构域，适用于健康和病理条件，并提供高吞吐量的可重复分析	初级纤毛、中心粒周围物质、基体、过渡区、纤毛尖端，以及哺乳动物初级纤毛中的鞭毛内运输动力学	数字病理学、计算机视觉、深度学习	纤毛病（一组发育障碍）	荧光显微镜成像（推测）、深度学习分割、运动轨迹分析（kymograph生成）	深度学习模型（具体类型未指明）	图像（显微镜图像）	未提供具体样本数量，涉及哺乳动物初级纤毛	Zeiss arivis Pro（集成框架）	未具体说明，但为深度学习模型，可能基于卷积神经网络结构	未明确列出，但提到分析时间减少约8倍	未在摘要中指定，但依赖Zeiss arivis Pro软件
3783	2026-08-19	A Deep Learning Model for Automatic Thresholding of Auditory Brainstem Responses: Multicenter and Multispecies Validation 2026 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001811 PMID:41952099	研究论文	本研究开发了一种基于深度学习的模型，直接从多个刺激强度的叠加波形序列中估计听觉脑干反应阈值，并在多中心、大规模的人类和小鼠数据集上进行了验证	首次提出用于多级波形堆栈自动阈值估计的深度学习模型，整合了相邻级别交叉注意力、序列编码器和监督对比学习分支，超越了传统逐波形检测方法	未来需要更广泛的外部验证，并将模型集成到实时ABR采集工作流程中	开发并验证一种直接从叠加波形序列估计听觉脑干反应阈值的深度学习模型	人类和小鼠的听觉脑干反应数据	深度学习	听觉疾病	NA	Transformer	波形序列数据	人类数据集I包含8350名受试者，人类数据集II包含136名受试者；小鼠数据集I包含8259只小鼠，小鼠数据集II包含351只小鼠	PyTorch	Transformer	精确匹配准确率、±5 dB容差准确率、±10 dB容差准确率	NA
3784	2026-08-19	DAFNet: A multi-modal deep learning model based on whole-lung CT for the automated prediction of the air space spread of lung adenocarcinoma 2026-Sep, Lung cancer (Amsterdam, Netherlands) DOI:10.1016/j.lungcan.2026.109557 PMID:42566922	研究论文	本研究介绍了一种基于全肺CT的多模态深度学习模型DAFNet，用于自动预测肺腺癌的空气播散状态	首次提出无需手动勾画肿瘤的全自动端到端多模态深度学习网络DAFNet，通过自适应门控融合机制和基于DINOv3的预训练架构，结合多模态数据融合与多尺度特征提取，显著提高了STAS预测准确性	基于标题和摘要，未指明具体局限性	开发一种基于术前全肺CT的自动、非侵入性深度学习工具，用于预测肺腺癌的空气播散状态，以推进个性化手术规划和AI驱动的肿瘤应用	1164例肺腺癌患者（511例STAS阳性，653例阴性），来自两个中心	医学影像分析，深度学习	肺腺癌	CT成像	多模态深度学习网络（DAFNet）	全肺CT图像	1164例肺腺癌患者，训练集814例，测试集350例	未明确指定，可能使用PyTorch或TensorFlow（基于DINOv3的预训练架构），但摘要中未提及具体框架，此处输出为NA	DINOv3	AUROC（曲线下面积）	未在标题和摘要中指明，输出为NA
3785	2026-08-19	STELT: A spatiotemporal deep learning framework for diffusion-ordered NMR spectroscopy reconstruction with artifact suppression 2026-Aug-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0346251 PMID:42607168	研究论文	提出一个名为STELT的轻量级深度学习框架，用于扩散有序核磁共振波谱（DOSY）重建，并抑制重建伪影	提出双分支架构，结合时间卷积模块和自注意力模块，分别提取衰减信号的动态模式与化学位移维度的空间特征	未明确提及	提高DOSY重建精度并抑制伪影，降低计算开销	DOSY谱图重建算法	深度学习	不适用	扩散有序核磁共振波谱（DOSY）	神经网络（具体为双分支深度学习框架）	谱图数据	未明确提及	未明确提及	双分支架构（时间卷积模块与自注意力模块）	重建精度、噪声抑制效果、计算开销	未明确提及
3786	2026-08-19	Machine learning prediction of organic compound melting points informed by condensed-phase and electronic descriptors 2026-Aug-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0342619 PMID:42607175	研究论文	提出一种混合机器学习框架，整合化学信息学描述符、量子化学特征和分子动力学模拟得到的动态凝聚相描述符，以提高有机化合物熔点的预测准确性	首次将凝聚相动态描述符与量子化学特征相结合，用于机器学习熔点预测，并通过可解释性分析揭示熔化行为的主要决定因素	研究依赖于DIPPR 801数据库的子集，可能无法涵盖所有类型的有机化合物；分子动力学模拟的计算成本较高，可能限制其在大规模数据集上的应用	开发并评估一种整合多尺度描述符的机器学习模型，以更准确地预测有机化合物的熔点，并提高模型的可解释性	有机化合物	机器学习	NA	分子动力学模拟、量子化学计算、化学信息学描述符计算	LightGBM、图卷积网络	数值数据（描述符）	DIPPR 801数据库的子集，具体样本数未在摘要中给出	NA	LightGBM、图卷积网络	平均绝对误差、可解释性分析	NA
3787	2026-08-19	Diagnostic features predicted by deep learning improve human object recognition in simulated prosthetic vision 2026-Aug-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9227 PMID:42526479	研究论文	本研究结合深度学习和生物 plausible 光幻视模拟，优化用于物体识别的光幻视位置，并通过模拟假体视觉实验验证其效果。	提出了一种基于深度学习的诊断特征识别方法用于优化假体视觉中的光幻视放置，显著减少了所需光幻视数量，且在低电极密度下优势尤为明显。	摘要中未提及明确的局限性。	优化皮质视觉假体中的光幻视放置，以在有限的光幻视数量下实现有效的物体识别。	63名参与者在模拟假体视觉下进行物体识别任务。	计算机视觉	视觉障碍	深度神经网络	深度神经网络 (DNN)	图像（模拟光幻视渲染图像）	63名参与者	NA	深度神经网络（具体架构未说明）	识别准确率（根据任务性质推断）	NA
3788	2026-08-19	Efficient ECG representation learning via intervention-based attribution alignment 2026-Aug-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae9450 PMID:42546764	研究论文	本文提出一种基于干预归因对齐的自监督学习方法，用于在标签稀缺的可穿戴心电数据场景中提升模型分析性能	将干预启发式操作集成到对比学习框架中，通过特征干预学习视角不变机制，以降低对标注数据的依赖	未提及具体限制	解决可穿戴心电测量场景中标签稀缺问题，提高模型对稀疏标注心电信号的分析性能	可穿戴设备采集的长期、多导联心电信号	机器学习	心律失常	NA	自监督学习模型	心电信号（数值序列）	四个公共心电数据集	NA	NA	NA	NA
3789	2026-08-19	Sex estimation from hand-wrist radiographic images: an artificial intelligence approach 2026-Aug-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03964-1 PMID:42608590	研究论文	本研究评估了三种深度学习架构（YOLOv5、YOLOv8和YOLOv11）在手部腕部X光图像中自动进行性别分类的性能	首次将YOLOv8和YOLOv11应用于手部腕部X光图像的性别估计，并证明无需手动标注或感兴趣区域选择即可实现高精度	样本仅限于8-18岁个体，可能不适用于其他年龄组或不同人群	评估YOLOv5、YOLOv8和YOLOv11在手部腕部X光图像中进行自动化性别分类的性能	8-18岁个体的手部腕部X光图像，共1800张	计算机视觉	NA	NA	YOLO系列深度学习模型（YOLOv5、YOLOv8、YOLOv11）	图像（手部腕部X光片）	1800张手部腕部X光图像	NA	YOLOv5, YOLOv8, YOLOv11	准确率、精确率、召回率、F1分数、混淆矩阵、AUC	NA
3790	2026-08-19	Integrative transcriptomic and machine learning approaches reveal candidate genes for silk and venom production in Bibionomorpha (Diptera) 2026-Aug-18, Insect molecular biology IF:2.3Q1 DOI:10.1111/imb.70061 PMID:42610280	research paper	整合多物种转录组学和机器学习方法，揭示双翅目 Bibionomorpha 中丝和毒液产生的候选基因及其进化机制	首次将可解释的深度学习与共表达网络分析结合，实现了对丝和毒液表型的高精度判别，并通过 AlphaFold3 结构预测验证了基因的分泌功能，揭示了两种分泌系统的独立进化起源	NA	研究双翅目昆虫中丝和毒液分泌系统的生理和进化架构，揭示其分子基础	11种 Bibionomorpha 昆虫物种的转录组数据	transcriptomics, machine learning	NA	de novo transcriptome assembly, RNA-seq, AlphaFold3	WGCNA, categorical neural classifiers	转录组测序数据	11个 Bibionomorpha 物种	NA	NA	AUC	NA
3791	2026-08-19	Deep Learning-Driven Discovery and Engineering of an Efficient PETase for Depolymerization and Detoxification of PET Microplastics Under Physiological Conditions 2026-Aug-18, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77163 PMID:42610517	研究论文	利用深度学习从2.46亿蛋白质中挖掘并工程化改造了一种高效的PET水解酶AhPETase，实现生理条件下微塑料的降解和解毒	首次利用深度学习挖掘未探索的序列空间，发现与已知PET降解酶同源性极低的新型水解酶，并在生理条件下实现高效降解及首次证实酶促微塑料解毒的概念	未提及具体局限性	发现和工程化可在生理条件下高效降解PET微塑料的酶，并验证其解毒效果	PET微塑料及人类肺和结肠细胞	深度学习	环境健康风险相关疾病	深度学习序列挖掘、酶工程	深度学习模型	蛋白质序列、实验数据	2.46亿个蛋白质序列，以及具体实验样本未提及	未提及	未提及	降解效率、酶活性保持时间、降解速率倍数	未提及
3792	2026-08-19	Clean PSYCHE Pure Shift Spectra Obtained by Deep Learning 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c03944 PMID:42610910	研究论文	本研究开发了一种多尺度残差网络模型，用于后处理PSYCHE纯位移谱，以去除强耦合伪影，获得干净的纯位移谱。	首次将深度学习应用于PSYCHE纯位移谱的后处理，以消除强耦合伪影，无需额外采集时间，且保持信号强度与浓度成正比。	模型仅在特定谱参数范围内有效，可能不适用于所有强耦合系统或超出该范围的情况。	开发一种基于深度学习的方法，通过后处理PSYCHE谱来抑制强耦合伪影，提高纯位移谱的质量，以促进分子结构解析和混合物成分分析。	PSYCHE纯位移谱，特别是含强耦合自旋系统的样本。	机器学习	不适用	核磁共振波谱（NMR）	多尺度残差网络	核磁共振谱数据（一维谱图）	未明确提及，但涉及不同浓度分析物混合物的监测	未明确提及，可能基于PyTorch或TensorFlow	多尺度残差网络	未明确提及，可能包括信噪比、伪影抑制率等	未明确提及
3793	2026-08-19	PINS: A Physics-Informed Generative Framework for De Novo Structure Elucidation from 1D NMR Spectra 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c02952 PMID:42610925	研究论文	PINS是一种物理信息生成框架，用于从一维NMR谱进行从头结构解析，通过多物理先验约束生成搜索空间，实现100%化学有效性并显著优于现有基线	通过显式引入多物理先验约束生成搜索空间，有效缓解端到端深度学习模型的结构幻觉，实现100%化学有效性并大幅提升性能，在新精神活性物质数据稀缺场景下展现出强泛化能力	文中未提及具体局限性，可能涉及对特定分子领域依赖或计算成本等未知方面，但摘要未提供相关信息	开发一种从一维NMR谱可靠重建分子拓扑结构的生成框架，克服组合挑战并避免化学无效结构	分子结构解析，尤其聚焦于新精神活性物质这类具有挑战性的化合物	机器学习	NA	NMR光谱	生成模型	1D NMR谱数据	未在摘要中明确说明样本数量	NA	物理信息生成框架	化学有效性、识别率	NA
3794	2026-08-19	MOFUN-CCC: A Multi-omics Intermediate Fusion Network for Digital White Blood Cell Count Prediction 2026-Aug-17, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag080 PMID:42606575	研究论文	介绍了一种名为MOFUN-CCC的多组学中间融合深度学习模型，用于直接从基因表达和DNA甲基化数据预测绝对白细胞计数。	首次提出利用多组学数据（基因表达和DNA甲基化）的中间融合方法直接预测绝对细胞计数，而传统方法主要估计相对细胞类型比例。	摘要中未提及具体局限性。	开发一种多模态深度学习模型，整合基因表达和DNA甲基化数据，直接在监督框架下预测绝对白细胞计数，以满足临床需求。	基因表达和DNA甲基化数据。	机器学习，数字病理学	未指定具体疾病，但涉及疾病诊断和患者管理。	基因表达分析，DNA甲基化测序	多模态深度学习模型（多组学融合神经网络）	基因表达数据和DNA甲基化数据	未在摘要中明确提及样本数量。	PyTorch（推断），	中间融合神经网络	鲁棒性、精确度（具体指标如准确率、AUC等未在摘要中提及，但提到评估了模型的稳健性和精度）	未在摘要中明确提及计算资源，但提供了用户友好的软件和网页应用程序。
3795	2026-08-19	Genomic characterization of an unusual bloodstream Weissella viridescens isolate obtained from a Bulgarian intensive care unit patient 2026-Aug-17, Molecular biology reports IF:2.6Q3 DOI:10.1007/s11033-026-12501-7 PMID:42606628	研究论文	本研究对来自保加利亚重症监护患者血液的罕见Weissella viridescens分离株进行了基因组特征分析，包括物种鉴定、抗生素敏感性、全基因组测序及毒力预测	首例公开基因组序列的临床W. viridescens分离株，并整合蛋白质语言模型与深度学习分类器进行毒力评估	未提及	探索罕见临床W. viridescens分离株的基因组特征及其毒力潜能	一株临床W. viridescens分离株（Wvir453）	基因组学、微生物学	脊髓脑膜黑色素细胞瘤	MALDI-TOF质谱、全基因组测序、泛基因组分析、系统发育分析、毒力因子分析	深度学习分类器、蛋白质语言模型	基因组序列数据、质谱数据	1株临床分离株	NA	NA	预测毒力评分	NA
3796	2026-08-19	IShuffleNet-PCNN hybrid classifier within an MResU-Net-based framework for spinal cord injury detection and classification using CT images 2026-Aug-17, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10260-4 PMID:42606699	研究论文	提出了一种基于MResU-Net框架的IShuffleNet-PCNN混合分类器，用于CT图像中脊髓损伤的检测与分类	提出了IShuffleNet-PCNN混合分类器，结合分组归一化和自适应Swish-Mish激活函数，以提高训练稳定性和特征区分能力；同时引入了加权平衡各向异性滤波和修改后的残差U-Net用于噪声抑制和分割	未明确提及局限性，可能包括依赖CT图像质量、样本量有限或泛化能力需进一步验证	开发一个集成深度学习框架，用于从CT图像中准确且稳健地分类脊髓损伤相关骨折	脊髓损伤患者的CT图像，重点是检测和分类脊髓损伤相关骨折	计算机视觉	脊髓损伤	CT成像	CNN	图像	未明确提供	NA	MResU-Net, IShuffleNet-PCNN	准确率, 精确率, 阴性预测值	NA
3797	2026-08-19	A comprehensive review on automated diabetic retinopathy detection and classification using fundus image 2026-Aug-17, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07435-6 PMID:42606724	综述	系统综述了利用眼底图像进行糖尿病视网膜病变自动检测和分类的技术，涵盖机器学习、深度学习和混合方法	讨论了集成学习、基于Transformer的技术和注意力机制在DR检测和分类中的最新进展	未明确说明具体局限性，但提到现有方法面临过拟合、模型复杂性、类不平衡和深度特征提取等挑战	审查DR检测和分类的现有技术，分析其方法、数据集、预处理步骤和性能评估指标，并提出未来研究方向以提升系统准确性和鲁棒性	糖尿病视网膜病变的眼底图像	医学影像分析	糖尿病视网膜病变	眼底成像	机器学习模型, 深度学习模型, 集成学习模型, Transformer模型	眼底图像	未指定	未指定	Transformer, 注意力机制	未明确指定	未指定
3798	2026-08-19	A multimodal MRI-based deep learning model for non-invasive diagnosis of pineal region germinoma 2026-Aug-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04153-y PMID:42606719	研究论文	开发了一种基于多模态MRI的深度学习模型，用于松果体区生殖细胞瘤的无创术前诊断	结合对比学习增强的卷积神经网络和混合注意力机制，融合多模态MRI特征和人口统计学数据，实现松果体区生殖细胞瘤的高精度识别	研究为回顾性设计且样本量较小，可能限制模型的泛化能力；未提供外部验证	开发一种术前无创识别松果体区生殖细胞瘤的深度学习模型	114例病理确诊的松果体区肿瘤患者，包括生殖细胞瘤和非生殖细胞瘤	医学影像分析	松果体区生殖细胞瘤	磁共振成像（MRI）	卷积神经网络（CNN）	多模态MRI图像和人口统计学数据	114例患者（训练集91例，测试集23例）	未明确指定	卷积神经网络（CNN）与混合注意力机制	准确率（ACC），曲线下面积（AUC）	未指定
3799	2026-08-19	Motion Artifact-Aware Self-Supervised Representation Learning for 3D Brain MRI Motion Artifact Reduction 2026-Aug-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3724112 PMID:42606966	研究论文	提出SSRL-MAR框架，一种基于自监督表示学习的3D脑部MRI运动伪影减少方法，无需配对数据或运动标签	采用三阶段训练策略，包括对比学习提取运动表征、运动伪影感知合成网络生成伪影、运动伪影感知生成器恢复干净图像，实现无配对自监督学习	未提及	实现3D脑部MRI运动伪影的有效减少，支持大规模神经影像学研究中的可靠结构量化	3D脑部MRI图像，包括模拟数据集和真实MR-ART数据集	医学影像处理	NA	模拟运动伪影	自监督表示学习、对比学习、生成网络	3D脑部MRI图像	未提及	NA	NA	峰值信噪比、结构相似性指数、归一化均方误差	NA
3800	2026-08-19	Patient-Specific Non-Invasive Epileptogenic Zone Localization via High-Resolution Time-Frequency Representations and CNN Deep Learning 2026-Aug-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3724147 PMID:42606963	研究论文	开发了一种结合头皮脑电源成像、高分辨率时频分析和深度学习的自动化无创癫痫灶定位框架，用于药物难治性癫痫的术前规划	首次将超分辨率时频表示（Superlet）与多种深度学习架构结合，用于无创、患者特异的癫痫灶定位，并在多中心数据集上验证了跨患者泛化能力	未提及具体局限性；依赖术后Engel Class I患者数据，可能限制对非治愈性病例的适用性	实现无创、自动化的患者特异癫痫灶定位，以优化立体脑电图电极植入规划	药物难治性癫痫成年、儿童及混合队列患者	深度学习、医学影像分析	癫痫	头皮脑电图源成像、高分辨率时频分析	CNN（ResNet、VGG、DenseNet）和Swin Transformer	头皮脑电信号	37例手术确认的Engel Class I患者、97次癫痫发作	PyTorch	ResNet18、VGG、DenseNet、Swin Transformer	准确率、AUC	未提及