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
21	2026-07-15	High-resolution mri guided whole mouse brain neuronal cell type atlas using deep learning 2026-Jul-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10608-y PMID:42414549	研究论文	提出一种结合高扩散磁共振成像和光片显微镜的多模态框架，通过深度学习生成成年小鼠全脑神经元细胞类型图谱	首次利用高分辨率扩散磁共振成像与空间转录组学结合，通过深度学习预测全脑神经元细胞类型，实现10微米各向同性分辨率	仅基于成年小鼠脑部数据，未涉及人类或其他物种，且深度学习模型对细胞类型预测的准确性需进一步验证	开发高效的全脑神经元细胞类型图谱生成策略，揭示扩散磁共振成像对细胞类型的预测能力	成年小鼠全脑神经元细胞类型	数字病理学, 机器学习	神经退行性疾病	扩散磁共振成像, 光片显微镜, 空间转录组学	深度学习	图像	多个成年小鼠脑样本	NA	NA	相关性分析指标	未提及
22	2026-07-15	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Jul-06, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ，一个用于分析初级纤毛及纤毛亚域的模块化半自动和全自动分析管线套件	开发了Cilia.AI深度学习模型，实现初级纤毛的自动识别，并构建了多个专用分析管线，整体分析时间缩短约八倍	目前仅兼容Zeiss arivis Pro平台，且对病理条件下的亚域分割仍需少量人工校正	开发高吞吐、可重复的自动分析工具，用于定量研究初级纤毛及亚域，减少用户偏差并加速纤毛病研究	初级纤毛及其亚域（中心粒周围物质、基体、过渡区、纤毛尖端）和纤毛内运输动态	计算机视觉	纤毛病	免疫荧光显微镜	深度学习	图像	NA	Zeiss arivis Pro	Cilia.AI（基于深度学习的卷积神经网络）	分割精度、分析时间缩减比率	NA
23	2026-07-15	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2026-Jul-06, Genome research IF:6.2Q1 DOI:10.1101/gr.281341.125 PMID:42409578	研究论文	提出基于深度学习的AccuSNV工具，用于细菌分离株的高精度单核苷酸变异检测	创新性地利用卷积神经网络整合多样本比对信息，自动学习跨样本模式，替代传统单样本处理与手动过滤，显著提高SNV检测精度	未明确讨论对低深度或极端复杂基因组区域的适用性	开发高精度、自动化的细菌SNV检测工具	细菌分离株的基因组突变	机器学习	NA	全基因组测序	卷积神经网络	模拟数据与真实细菌基因组数据	模拟数据涵盖6种细菌种，不同测序深度、分离株数量、突变及分歧水平；真实数据集包含多个有已知SNV的细菌数据集	NA	卷积神经网络	准确率、假阳性率、与现有工具比较的性能指标	NA
24	2026-07-15	Advancing bioinformatics with language models: components, applications, and perspectives 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag367 PMID:42430786	综述	综述基于Transformer的语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等生物信息学领域的应用	系统总结了Transformer架构在多种生物数据（如基因组、转录组、蛋白质组）中的分词策略、注意力机制及预训练方法，并提出了下一代生物语言模型的设计原则	未提及具体实验验证或性能比较，仅基于现有文献归纳挑战和未来方向	综述大语言模型在生物信息学中的组件、应用及未来展望	基因组学、转录组学、蛋白质组学、药物发现、单细胞分析	自然语言处理	NA	NA	Transformer	文本、生物序列数据	NA	NA	Transformer	NA	NA
25	2026-07-15	SpaBiT: enhancing spatial transcriptomics resolution via bidirectional attention transformers 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag443 PMID:42391614	研究论文	提出SpaBiT，一种通过双向注意力机制增强空间转录组学分辨率的深度学习框架	首次采用双向交叉注意力模块融合图像特征和邻域感知表示，同时考虑局部形态和空间图谱拓扑的协同约束	未提及具体限制	提高空间转录组学数据的分辨率，生成高保真、高密度的基因表达图谱	空间转录组学数据及其对应的组织图像	数字病理学	NA	空间转录组学测序	Transformer	空间基因表达数据和组织图像	NA	PyTorch	双向交叉注意力模块、图注意力网络（GAT）	各种定量指标（原文未具体列出）	NA
26	2026-07-15	Anxiety detection using neural and physiological signals and artificial intelligence: A comprehensive review 2026-Jul, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2026.106669 PMID:41933676	综述	对使用神经和生理信号及人工智能进行焦虑检测的研究进行了全面综述	系统梳理了2015-2025年间从传统机器学习到深度学习的演变，强调了CNN-LSTM和Transformer等混合模型在多模态数据集成中的前沿地位	依赖有限实验室训练数据集、缺乏标准化验证程序、复杂模型透明度不足，阻碍临床转化	评估机器学习和深度学习技术在焦虑检测中的应用，并指出临床转化差距与未来研究方向	脑电图（EEG）、心电图（ECG）、光电容积描记法（PPG）和皮肤电活动（EDA）信号	机器学习, 数字心理健康	焦虑症	EEG, ECG, PPG, EDA	机器学习, 深度学习, CNN-LSTM, Transformer	神经信号, 生理信号	NA	NA	CNN-LSTM, Transformer	准确率	NA
27	2026-07-15	Bilevel Optimized Implicit Neural Representation for Scan-Specific Accelerated MRI Reconstruction 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3686724 PMID:42019070	研究论文	提出一种双层优化的隐式神经表示方法，用于针对特定扫描的加速MRI重建，无需训练数据即可实现个性化重建	首次将MRI重建问题显式建模为双层优化问题，并通过高斯过程回归自动优化超参数，结合可训练位置编码器和小型多层感知器实现高效重建	仅评估了2D笛卡尔扫描场景，对3D或非笛卡尔采集的适用性未提及；离线优化需数分钟，实时性可能受限	开发无需训练数据、自动优化超参数的MRI重建方法，提升模型泛化能力和加速性能	特定扫描的加速MRI重建问题及超参数优化策略	计算机视觉	NA	MRI	隐式神经表示（INR）	MRI图像（欠采样k空间数据）	NA（未明确说明样本数量，但基于典型2D笛卡尔扫描评估）	PyTorch（-合理推断，因其常用于INR实现）	可训练位置编码器 + 小型多层感知器（MLP）	图像质量（与基于模型和自监督学习方法的比较，未明确定量指标）	NA（仅提及每典型2D扫描需数分钟离线优化，在线重建在数秒内完成）
28	2026-07-15	An Enhanced Machine Learning-Based Multimodal Framework for Seizure Detection Using EEG and MRI Data 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70049 PMID:42273988	研究论文	提出一种基于机器学习的多模态框架，集成脑电图和磁共振成像数据用于癫痫发作检测	创新性地整合特征学习、跨模态融合、不平衡感知分类和置信度校准于同一统一学习管道中	仅针对实验设置进行验证，未提及真实临床环境下的泛化能力评估	解决癫痫发作检测中的类别不平衡和判别特征提取问题，提升诊断准确性	癫痫患者的脑电图和磁共振成像数据	机器学习	癫痫	EEG, MRI	改进激活函数深度卷积神经网络 (IADCNN), 极端梯度提升模型 (CLXGBoost)	图像, 时间序列信号	CHB-MIT 和 NITRC 公开数据集	NA	IADCNN, CLXGBoost	准确率 (99.56%)	NA
29	2026-07-15	An Effective LRSF-DLNN-Based Autism Spectrum Disorder Prediction Using EEG and fMRI 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70047 PMID:42281195	研究论文	提出一种基于LRSF-DLNN的ASD预测方法，利用EEG和fMRI数据实现高效分类	首次将逻辑回归尺度函数与深度神经网络结合构建LRSF-DLNN分类器，并设计余弦巴特沃斯滤波器进行EEG去噪、加权惩罚因子变分模态分解和距离函数绿蟒优化算法进行特征选择	未提及模型在真实临床环境中的泛化能力验证及不同亚型ASD的区分效果	通过融合EEG和fMRI多模态数据实现自闭症谱系障碍的准确早期预测	自闭症谱系障碍患者与健康对照组的脑电信号和功能磁共振成像数据	机器学习	自闭症谱系障碍	EEG、fMRI	逻辑回归尺度函数深度神经网络	EEG信号和fMRI图像	NA	NA	LRSF-DLNN	准确率	NA
30	2026-07-15	Sheep biometric identification based on multiple body parts 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101863 PMID:42398354	研究论文	基于计算机视觉和深度学习技术，利用多个身体部位（面部、背部、腿部）自动识别绵羊个体，并验证组合预测可提高识别准确率	首次在无人干预的饮水场景中，利用多个身体部位（面部、背部、腿部）的视觉特征组合进行绵羊个体识别，并整合视觉耳标识别进一步提升准确率	腿部特征单独识别准确率较低（0.64），组合时仅产生微小且不一致的效果；研究仅基于单一农场的85只绵羊数据，样本量有限	开发自动化的绵羊个体识别系统，验证多身体区域视觉特征组合与视觉耳标识别对识别准确率的提升作用	绵羊个体	计算机视觉	NA	RGB-D成像, 深度学习, 目标检测, 文本识别	卷积神经网络 (CNN), 目标检测模型	图像（RGB-D深度图像）	85只绵羊的287次饮水访问记录	YOLOv8, ResNet50, GLASS	YOLOv8 (用于目标检测), ResNet50 (用于特征提取), GLASS (用于文本识别)	准确率 (accuracy)	Intel RealSense D435 RGB-D相机, Jetson Orin设备
31	2026-07-15	Human-like AI-based auto-field-in-field whole-brain radiotherapy treatment planning with conversation large language model feedback 2026-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70689 PMID:42418216	研究论文	提出了一种结合深度学习超参数预测模型和大语言模型对话界面的自动化全脑放疗计划生成流程	首次将深度学习超参数预测与大语言模型驱动的对话式交互结合，实现全脑放疗计划的自动化生成和交互式优化	研究样本量较小（训练55例，测试15例），且仅针对全脑放疗计划，泛化性有待验证	开发一种高效、临床可接受的全脑放疗自动计划系统，减少人工操作时间	全脑放疗患者计划中的临床靶区和危及器官几何特征	机器学习	肿瘤	NA	深度学习超参数预测模型、大语言模型（GPT-4o）	文本（医学报告）	55例训练，15例独立测试	NA	NA	临床指标、专家评审、剂量一致性、热点减少	计算时间小于1分钟，总工作流约7分钟
32	2026-07-15	DiffBulk: Enhancing Spatial Transcriptomic Prediction With Diffusion-Based Training 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3688322 PMID:42048193	研究论文	提出DiffBulk，一种基于条件扩散模型的两阶段框架，用于增强空间转录组预测	首次将条件扩散模型与病理基础模型融合，通过基因到图像的扩散过程学习富含基因表达信息的图像表征，并采用排列不变的开放嵌入基因编码器实现跨不同基因面板的统一训练	NA	利用扩散模型学习基因与组织形态之间的复杂关系，提高空间转录组预测的准确性	H&E染色的组织病理学图像与空间转录组数据	数字病理学	癌症	空间转录组学	条件扩散模型	图像和基因表达数据	来自HEST数据集和CrunchDAO挑战的高质量Xenium空间转录组数据，构建了瓦片级别的伪批量数据集	NA	条件扩散模型、病理基础模型	所有指标均优于基线，具体指标未详细说明	NA
33	2026-07-15	Deep learning for discriminating cochlear malformations on temporal bone CT 2026 Jul-Aug, Brazilian journal of otorhinolaryngology IF:1.7Q2 DOI:10.1016/j.bjorl.2026.101811 PMID:42054756	研究论文	评估深度学习在颞骨CT图像中诊断耳蜗畸形的效用	首次系统评估深度学习模型在耳蜗畸形诊断中的性能，并与耳科医生进行对比	未在文中明确提及	评估深度学习分析在颞骨CT图像中诊断耳蜗畸形的效用	颞骨CT图像中的耳蜗	计算机视觉	耳蜗畸形	CT成像	Swin UNETR, ResNet50, EfficientNet-B0, DenseNet121	图像	373例颞骨CT（187例正常，186例耳蜗畸形）	NA	Swin UNETR, ResNet50, EfficientNet-B0, DenseNet121	Dice系数, AUC	NA
34	2026-07-15	CIM-VTP: Correlation-Guided Image Modeling With Visual-Textual Task Prompt for Universal Medical Image Registration 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3690772 PMID:42090536	研究论文	提出一种基于关联引导图像建模与视觉-文本任务提示的通用医学图像配准框架	提出两阶段通用配准框架，包括基于关联引导图像建模的预训练策略和视觉-文本任务提示模块，通过提示学习自适应调整解码器参数，提升跨任务配准的通用性和零样本表现	依赖任务分类器识别输入任务类型，可能对未见任务类型分类不准确；多分辨率提示模块增加了模型复杂度	实现单一模型处理多种医学图像配准任务的通用配准方法，提升跨任务泛化能力和零样本配准性能	六种不同的医学图像配准任务	数字病理学, 机器学习	不适用	深度学习图像配准	CNN（卷积神经网络）	医学图像	六种配准任务涉及的不同医学图像数据集	PyTorch	U-Net, 多头自注意力	配准精度、Dice系数	NVIDIA GPU（具体类型未指定）
35	2026-07-15	DSHARP: Deep Incompressible Motion Estimation With Sinusoidal-Transformed Harmonic Phase for Tagged MRI 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3693998 PMID:42139136	research paper	提出了一种名为DSHARP的深度无监督学习方法，将谐波相位与深度学习配准框架结合，用于估计标记磁共振成像中的微分同胚且近似不可压缩的运动场	首次将谐波相位（HARP）方法集成到无监督深度学习配准框架中，通过正弦变换去除相位包裹不连续性以实现端到端训练，并利用雅可比行列式损失项鼓励不可压缩性	NA	开发一种快速、精确且能够保证微分同胚和不可压缩性的标记磁共振成像运动估计方法	2D和3D模拟不可压缩运动的体模数据、真实3D人类舌头数据（健康与舌切除受试者）以及公开STACOM 2011基准的心脏标记MRI数据	computer vision	geriatric disease	标记磁共振成像	CNN	image	包括模拟体模数据、真实人类舌头数据（健康与舌切除受试者）以及公共心脏标记MRI数据集	PyTorch	U-Net	追踪精度、计算速度、不可压缩性保持	NA
36	2026-07-15	Decoding common and rare noncoding variant effects across cellular and developmental contexts 2026-Jul, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02619-6 PMID:42298188	研究论文	通过深度学习模型解读人类发育过程中细胞和组织特异性非编码变异的影响	首次大规模应用深度学习预测不同胎儿和成人细胞情境下的染色质可及性，区分常见与罕见非编码变异的细胞类型特异性效应，并开发FLARE框架整合进化约束优先化具有极端调控效应的变异	未提及具体限制	研究非编码变异在人类发育和不同细胞类型中的调控效应及其对疾病的影响	胎儿和成人细胞中的非编码变异，包括常见变异和超罕见变异	机器学习	发育性疾病, 精神分裂症	深度学习序列模型, 单细胞染色质可及性分析	深度学习序列模型	染色质可及性预测数据, 群体遗传学数据	30亿次深度学习预测	NA	NA	NA	NA
37	2026-07-15	Integrating computed tomography and deep learning to assess tibiotarsus cortical bone area for leg health evaluation in purebred male turkeys 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101854 PMID:42314622	研究论文	利用计算机断层扫描和深度学习评估纯种雄性火鸡胫跗骨皮质骨面积，用于腿部健康评价	首次将深度学习与CT影像结合来衍生火鸡胫跗骨皮质骨面积指标，并估计其遗传参数及其与生产性状的相关性	Ct.Ar不能完全反映骨骼完整性，需进一步探索其他CT衍生腿部健康性状	从CT图像中通过深度学习提取Ct.Ar，估计其遗传参数，并评估与生产性状的关联	纯种雄性火鸡（品系A和品系B）	计算机视觉, 数字病理学	骨骼疾病	计算机断层扫描	深度学习	图像	2605只纯种雄性火鸡（品系A）和3337只（品系B）	PyTorch	Detectron2 panoptic segmentation	遗传力估计值，相关系数	NA
38	2026-07-15	Effect of Signal-Strength Filtering on 3D Convolutional Neural Network-Based Visual Field Estimation From Macular OCT 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.17 PMID:42439429	研究论文	探讨低信号强度OCT扫描对基于3DCNN的视野估计的影响	首次系统评估信号强度过滤对深度学习视野估计模型的影响，发现包含低信号强度扫描可提升模型鲁棒性	仅使用NIDEK设备数据，未验证其他OCT设备；未明确信号强度<7的阈值效应	评估训练数据中排除低信号强度OCT扫描是否改善基于深度学习的视野估计性能	黄斑OCT体积与视野检查的配对数据	计算机视觉，数字病理学	NA	OCT成像	3D卷积神经网络（3DCNN）	图像（OCT体积）	79,803次配对检查，来自5个机构的8511名患者	PyTorch	EfficientNet 3D	平均绝对误差（MAE），平均偏差绝对误差（MD误差）	NA
39	2026-07-15	AmesNet: A Task-Conditioned Deep Learning Model with Enhanced Sensitivity and Generalization in Ames Mutagenicity Prediction 2026-Jun-29, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.6c00082 PMID:42371678	研究论文	提出一种任务条件化的深度学习模型AmesNet，在Ames诱变性预测中实现增强的灵敏度和泛化能力	采用双分支架构，包含分子编码器和专用通道来条件化Ames检测上下文（如代谢活化和菌株类型），在保持高平衡准确度的同时提升灵敏度，避免现有模型的灵敏度折衷问题	未提及具体限制	开发一种高灵敏度的in silico Ames诱变性预测模型，解决现有模型在域外分子上的灵敏度下降问题	小分子药物的Ames诱变性	机器学习	NA	NA	条件化深度学习模型	分子结构数据	NA	NA	双分支架构（分子编码器+条件化通道）	灵敏度、平衡准确度	NA
40	2026-07-15	State of the Art: Artificial Intelligence Approaches for Enhancing Medical Imaging in Burkina Faso - A Case Study on Early Detection of Breast Cancer from Pathology Imaging 2026-Jun-29, Studies in health technology and informatics DOI:10.3233/SHTI260812 PMID:42393974	综述	这篇综述回顾了人工智能方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用，分析了30/50项精选研究	该文章聚焦于资源有限地区的AI乳腺癌检测应用，强调了本地数据集和基础设施适应性的重要性	挑战包括数据可用性不足、模型可解释性差以及难以适应本地上下文	探讨AI方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用	乳腺癌检测的人工智能方法	数字病理学	乳腺癌	组织病理学成像	CNN	图像	30/50项精选研究	NA	CNN	灵敏度	NA