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
5641	2026-06-05	Generating Labeled Low-Heterogeneity Transcriptomes Using CRISPRa and CRISPRi Can Improve Phenotype Prediction by Deep Learning 2026-May-25, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00873 PMID:42183825	研究论文	提出利用CRISPRa和CRISPRi技术生成低异质性标记转录组数据集，以改善深度学习的表型预测能力	首次提出通过CRISPRa和CRISPRi技术创建具有小增量转录组差异的标记细胞系，用于补充现有高异质性数据集，从而提升深度学习模型的表型预测性能	未提供实际生成的实验数据集验证方法有效性，仅停留在理论框架和实验设计阶段	解决现有组学数据因体积不足和高异质性而难以直接用于深度学习表型预测的问题	使用CRISPRa和CRISPRi技术生成的标记细胞系及其对应的转录组数据集	机器学习	癌症	CRISPRa, CRISPRi, 转录组测序	NA	转录组数据	NA	NA	NA	NA	NA
5642	2026-06-05	PySERA: Open-source standardized python library for automated, scalable, and reproducible handcrafted and deep radiomics 2026-May-24, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109463 PMID:42235274	研究论文	开发了一个名为PySERA的开源标准化Python库，用于自动化、可扩展和可重复的手工与深度学习影像组学分析	首次在统一的Python框架中整合了标准化手工影像组学特征和深度学习影像组学嵌入，支持自动化和可重复分析，并具有高效的并行计算引擎	NA	解决现有影像组学工具在可重复性和可扩展性方面的局限，提供一个标准化且集成深度学习的Python原生框架	医学图像中的定量生物标志物提取与建模	计算机视觉, 数字病理学	NA	影像组学, 深度学习	CNN	医学图像（DICOM, NIfTI, NRRD格式）	NA	TensorFlow, PyTorch, Scikit-learn, MONAI	ResNet50, DenseNet121, VGG16	准确率, 可重复性（>94% IBSI）	NA
5643	2026-06-05	Acoustic-based Stenosis Detection for Dialysis Patients using Explainable Machine Learning 2026-May-22, Research square DOI:10.21203/rs.3.rs-9781692/v1 PMID:42239778	研究论文	通过可解释机器学习方法，基于声学记录自动检测透析患者动静脉瘘狭窄	首次系统性比较经典机器学习模型与视觉Transformer在动静脉瘘狭窄声学检测中的性能，并结合SHAP分析提供生理学可解释性	NA	开发一种非侵入性、可解释的动静脉瘘狭窄自动检测方法，提升透析患者长期血管通路监测的临床可行性	血液透析患者的动静脉瘘声学记录	机器学习	肾脏疾病	声学录音	经典机器学习模型、视觉Transformer	声学信号	NA	NA	Vision Transformer	F1分数	NA
5644	2026-06-05	Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53240-w PMID:42168286	研究论文	利用鹦鹉优化视觉变换器最大化胰腺癌分类性能	结合YOLOv11特征提取、视觉变换器分类和鹦鹉元启发式优化算法，实现胰腺CT图像的高精度分类	数据集仅来自Kaggle的1411张图像，可能缺乏泛化性；未提及外部验证或临床应用可行性	开发一种自动化系统用于胰腺癌的识别与分类	胰腺CT图像，包含1411张图像	计算机视觉	胰腺癌	CT成像	视觉变换器	图像	1411张胰腺CT图像	NA	UNet, YOLOv11, Vision Transformer	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率	NA
5645	2026-06-05	A Robust Deep Learning Framework for Skill Level Discrimination in Tennis Strokes Using Bilateral IMU Measurements 2026-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s26103273 PMID:42198080	研究论文	提出一种基于同步双侧惯性测量单元数据的层次化深度学习框架，用于网球击球技能水平分类，准确率达95.54%	首次利用双侧惯性测量单元数据结合CNN-BiLSTM混合架构自动提取时空特征，实现精英与业余球员的客观区分，并揭示精英运动员的双侧协调稳定性优势	样本量有限（39名参与者），且仅涵盖特定类型击球（正手、反手、发球、截击），可能影响泛化性	开发客观、可现场应用的技能分类系统，用于网球教练和人才识别，克服主观视觉观察的局限	39名网球运动员（11名精英、28名业余）的4594次击球数据（含增强样本）	机器学习	NA	IMU	CNN-BiLSTM	时间序列信号	39名参与者（11精英、28业余），4594次击球数据	NA	CNN, BiLSTM	准确率	NA
5646	2026-06-05	YOLO-AFL: A Novel Lightweight Algorithm for Real-Time Safety Helmet Detection in Factory Workshops 2026-May-20, Sensors (Basel, Switzerland) DOI:10.3390/s26103237 PMID:42198046	研究论文	提出一种基于YOLO-AFL的轻量级实时安全帽检测算法，解决工厂车间中深度学习模型参数大、计算量高的问题	引入K-Means++算法与1-AIoU距离度量优化锚框预处理，采用轻量级PConv操作改进C3模块，设计双注意力网络LDA-GC补偿精度损失	在自定义数据集上验证，泛化能力未充分测试；未提及实时性指标（如FPS）	开发高效轻量级安全帽检测算法，适用于资源受限的工厂车间部署	工厂车间工人安全帽佩戴情况	计算机视觉	不适用	深度学习	CNN	图像	自定义数据集，具体数量未说明	不适用	YOLO-AFL	mAP50	NA
5647	2026-06-05	Automated identification of bolus types in modified barium swallow studies using deep learning: a preliminary study 2026-May-20, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.16.26353385 PMID:42238390	研究论文	提出一种基于深度学习的自动分类方法，用于改良钡餐吞咽研究中食团类型的识别	首次将膨胀3D卷积神经网络应用于改良钡餐视频中食团类型的自动分类，提供标准化高效的吞咽评估流程	初步研究，样本量有限且性别比例不均衡，仅评估了三种食团类型，实际临床应用中可能存在更多类别	开发自动化分类系统，减少对人工标注的依赖，简化临床和研究工作流程	206名患者的277个改良钡餐研究，包含2,752个食团视频片段（液体、布丁、固体）	计算机视觉	吞咽障碍	视频荧光吞咽造影	膨胀3D卷积神经网络	视频	206名患者（平均年龄60.24±9.02岁，89.32%为男性），共277个研究，2,752个视频片段	PyTorch	膨胀3D卷积神经网络	准确率，宏F1分数	NA
5648	2026-06-05	Evaluating OCT Device-Reported Image Quality Score: Towards a Task-Specific Quality Gate for Deep Learning-based Outer-Retina and Choroid Boundary Segmentation 2026-May-20, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.17.26353399 PMID:42238405	研究论文	评估OCT设备报告图像质量评分对深度学习视网膜外层和脉络膜边界分割任务的有效性	首次系统验证制造商定义的信号强度指数与深度学习分割精度的关系，并引入最优传输理论中的推土机距离作为边界评估指标	Q-score对深度学习边界分割精度预测能力极差，解释方差不超过1.4%，且存在解剖深度相关误差层级和悖论相关性	探究OCT设备信号强度指数（Q-score）能否作为深度学习分割模型性能的可靠质量门控	103只眼睛的5,047张B扫描图像，包含椭圆体带、Bruch膜和脉络膜外边界三个解剖边界	计算机视觉	眼部疾病	OCT成像	U-Net	图像	103只眼睛的5,047张B扫描图像	NA	U-Net	平均绝对误差、均方误差、Dice相似系数、推土机距离	NA
5649	2026-06-05	HiCP2GAN: A Plug and Play Foundation Model-based GAN for Hi-C Enhancement 2026-May-20, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.18.725960 PMID:42239130	研究论文	提出HiCP2GAN，一种基于预训练视觉Transformer基础模型作为判别器的即插即用生成对抗网络，用于增强Hi-C数据分辨率	首次将预训练的Hi-C基础模型（基于视觉Transformer）作为GAN判别器，利用其在大规模跨物种Hi-C数据上学习的丰富表示能力，提供生物有意义的对抗梯度；提出生成器无关框架，允许直接比较不同增强架构	仅在人细胞系上验证，未涉及其他物种或细胞类型；判别器仅冻结深层Transformer层并微调浅层，可能未充分探索最优微调策略	开发一种即插即用、生成器无关的GAN框架，利用预训练基础模型提升Hi-C数据增强性能	人类细胞系中的Hi-C接触图谱（稀疏接触图）	机器学习	不适用	Hi-C	生成对抗网络（GAN）	Hi-C接触矩阵	118百万个跨物种和细胞类型的Hi-C补丁用于预训练；人类细胞系样本用于实验（具体数量未提供）	PyTorch	视觉Transformer（ViT）作为判别器主干；生成器架构无关（任何兼容的Hi-C增强架构）	不适用	不适用
5650	2026-06-05	"There's not one part of the programme that hasn't been useful in my clinical practice": undergraduate nursing students' views and experiences of a Dementia Education Programme 2026-May-19, Gerontology & geriatrics education IF:0.8Q3 DOI:10.1080/02701960.2026.2674047 PMID:42154616	研究论文	探讨嵌入本科护理课程的三年期痴呆教育项目如何影响学生的知识、态度和临床实践	超越传统结果测量，聚焦教育过程和机制，揭示痴呆教育转化为临床实践的深层机理	未在摘要中明确提及	理解痴呆教育项目如何塑造护理学生的知识、态度和临床实践	英国某大学本科护理专业学生	医学教育	痴呆症	NA	NA	定性访谈数据	13名学生	NA	NA	NA	NA
5651	2026-06-05	Bidirectional Perceptual Multimodal Interaction Network Based on Contrastive Learning for Breast Cancer pCR Prediction 2026-May-19, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050074 PMID:42188715	研究论文	提出一种基于对比学习的双向感知多模态交互网络（BPMINet），用于乳腺癌新辅助化疗后病理完全缓解（pCR）的早期准确预测	通过双向交叉模态注意力融合机制解决高维DCE-MRI与低维临床数据之间的语义不对齐问题；设计多模态对比感知特征增强模块，提升难分类样本的判别能力和泛化性能	NA	提高乳腺癌pCR预测性能和泛化能力，克服肿瘤异质性和多模态语义不对齐的挑战	乳腺癌患者新辅助化疗前的DCE-MRI影像数据和临床信息	计算机视觉	乳腺癌	DCE-MRI	CNN	影像，文本	两个公开多中心数据集（MAMA-MIA和ISPY1）	PyTorch	双向交叉模态注意力网络（BiCMA），多模态对比感知特征增强模块（MCFE）	AUC，准确率	NA
5652	2026-06-05	A Supervised Contrastive Variational Autoencoder with Probabilistic Latent Alignment for Cross-Domain EEG Emotion Recognition 2026-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s26103217 PMID:42198025	研究论文	提出一种监督对比变分自编码器网络用于跨领域脑电图情绪识别	利用变分自编码器的重建机制和潜在空间概率化，结合最大均值差异损失减少分布差异，并通过多视图监督对比学习增强类别内一致性和类别间可分性	未在更多样化的数据集或实际应用场景中验证，计算资源消耗信息未提及	提升跨领域脑电图情绪识别的性能，解决源域和目标域分布差异问题	脑电图信号	机器学习	NA	脑电图（EEG）	变分自编码器（VAE）	脑电图信号	SEED数据集和SEED-IV数据集，具体样本数量未明确	NA	SCVAE-Net	准确率	NA
5653	2026-06-05	Opportunistic CT Attenuation Biomarkers of Anemia Are Associated With Impaired Myocardial Flow Reserve and Cardiovascular Outcomes 2026-May-19, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.14.26353239 PMID:42238410	研究论文	利用深度学习方法从CT图像中测量心脏密度作为贫血的生物标志物，并评估其与心肌血流储备和心血管结局的关系	首次在大型多模态数据集中验证了CT测量的心脏密度可以作为贫血的替代标志物，且与心肌血流储备受损及心血管事件独立相关	未提及具体限制，但可能需要考虑CT扫描参数、患者体型等因素对密度测量的影响	评估心脏密度测量与血红蛋白、PET结果和心血管事件之间的关系	来自REFINE-PET研究的33460名患者和肺癌筛查CT的24368名患者	计算机视觉	贫血，心血管疾病	CT成像，PET成像	深度学习模型	图像	57828名患者	NA	NA	调整后优势比，调整后风险比，95%置信区间	NA
5654	2026-06-05	Replicability of unsupervised deep learning derived image phenotypes 2026-May-19, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.19.726257 PMID:42239250	研究论文	评估无监督深度学习图像表型在模型初始化、数据划分和队列变化条件下的可重复性	首次系统评估无监督深度学习图像表型在不同训练条件（随机种子、交叉验证、独立数据集）下的可重复性，并引入核方法（CKA、KCCA）和遗传发现稳定性指标	仅评估了CNN和ViT两种架构，未涵盖其他深度学习方法；研究所用数据仅来自UKB和ADNI两个队列，可能存在选择性偏倚	验证无监督深度学习图像表型是否具有跨实验条件的可重复性，以支持其在影像遗传学中的应用	无监督深度学习图像表型	机器学习	NA	脑MRI成像	CNN、ViT	图像	UKB发现队列22,985例，外加UKB和ADNI独立数据集	PyTorch	CNN、ViT	CKA（中心核对齐）、KCCA（核典型相关分析）、位点重叠率	NA
5655	2026-06-05	NeuroPupil: A generalization-first framework for scalable and biologically informative cross-species pupillometry 2026-May-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.14.725098 PMID:42239082	研究论文	提出了一种名为NeuroPupil的深度学习框架，用于高通量、跨物种的瞳孔测量，强调在受试者、行为背景和成像条件下的稳健泛化能力	通过系统基准测试训练策略与网络架构，发现池化多受试者训练结合优化的U-Net架构是实现可靠且可迁移瞳孔追踪性能的关键因素，同时集成基准测试、可扩展性和可获取的软件工具	未明确提及局限性，但可能受限于训练数据集的多样性及跨物种应用的进一步验证	实现准确、可扩展且可泛化的瞳孔测量，以促进其在系统神经科学和转化神经科学中的应用	小鼠和人类瞳孔图像数据	数字病理学	神经系统疾病	深度学习	U-Net	图像	跨多样的小鼠和人类数据集	PyTorch	U-Net	准确性、计算效率	NA
5656	2026-06-05	DamageFormer: a damage-aware multimodal deep learning framework for DNA lesion identification from nanopore sequencing 2026-May-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.14.725245 PMID:42239454	研究论文	提出DamageFormer，一种多模态深度学习框架，用于从纳米孔测序数据中识别DNA损伤	引入损伤感知基因组基础模型LesionBERT，通过自适应门控机制整合序列上下文和纳米孔信号证据，实现跨模态一致性和空间精度	仅在氧化性DNA损伤基准上验证，对其他类型损伤的泛化性需进一步测试	实现核苷酸分辨率下DNA损伤的精准检测与定位	DNA损伤（如氧化性鸟嘌呤损伤）	自然语言处理	癌症	纳米孔测序	Transformer	序列和信号数据	未明确说明	PyTorch	DNABERT-2, LesionBERT	AUROC, 平均绝对定位误差	未明确说明
5657	2026-06-05	CRISPR-initiated exponential amplification on fluorescently-barcoded microspheres for deep learning-assisted multiplexed HPV detection 2026-May-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118488 PMID:41653672	研究论文	提出结合CRISPR引发指数扩增、量子点编码微珠和深度学习图像分析的多重人乳头瘤病毒检测平台	首次将CRISPR/Cas9特异性引发指数扩增与量子点编码荧光微珠及定制深度学习算法结合，实现自动化多重核酸检测	未提及	开发快速、低成本、多重核酸检测方法，用于人乳头瘤病毒DNA的现场即时检测	人乳头瘤病毒DNA（HPV16、HPV18、HPV33）	机器学习	宫颈癌相关病毒	CRISPR/Cas9引发指数扩增、荧光编码微珠	定制深度学习算法	荧光图像	NA	NA	NA	检测限（0.2 pM）	NA
5658	2026-06-05	Multi-mechanism-driven dual-mode array based on a single PFC-1/QD probe enables AI-assisted on-site identification of biogenic amines and real-time food freshness monitoring 2026-May-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118501 PMID:41666536	研究论文	开发了一种基于PFC-1/QD探针的荧光/比色双模式传感器阵列，结合深度学习和智能手机成像，用于生物胺分类和食品新鲜度实时监测	首次将单一PFC-1/QD探针与YOLOv12算法集成，实现多机制驱动（AIE、PET、IFE）的双模式检测及现场智能分析	NA	实现生物胺的现场快速分类和食品新鲜度实时监测	五种生物胺（腐胺、尸胺等）及虾类腐败样品	计算机视觉, 机器学习	NA	荧光光谱法, 比色法	YOLOv12（深度学习目标检测模型）	图像	虾类样品在4°C和25°C储存条件下进行腐败监测	YOLOv12	YOLOv12	分类精度, 灵敏度, 定量检测范围, 响应时间	智能手机（集成YOLOv12算法）
5659	2026-06-05	Spectrally optimised YOLOv10s-SeqOpt framework for real-time UAV-based early detection of avocado foliar diseases in indian orchards 2026-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50025-z PMID:42135362	研究论文	提出基于YOLOv10s-SeqOpt的无人机多光谱成像框架，用于印度果园牛油果叶部病害的早期实时检测	设计Sequential SGD-AdamW（SeqOpt）优化器，结合SGD全局探索与AdamW自适应精调，实现多光谱噪声下梯度稳定；首次将YOLOv10s与多光谱OCN输入结合用于牛油果叶部病害检测，并在嵌入式AI平台（Jetson Orin Nano和Raspberry Pi 5）上实现实时推理	未提及在多种环境条件（如不同光照、天气、地形）下的泛化能力评估；数据仅来自印度南部果园，可能限制对其他区域的适用性	解决传统田间巡检和RGB成像无法检测密集树冠下早期病害感染的问题，实现大规模果园病害的实时无人机监测	牛油果叶部病害（炭疽病、根腐病、藻斑病、疮痂病）的早期检测	计算机视觉	牛油果叶部病害	多光谱成像、RGB成像、深度学习	YOLO（YOLOv5s-YOLOv10s）	图像	5,953张标注图像，包含35,422个边界框实例，覆盖4种病害类别	PyTorch, ONNX	YOLOv10s	准确率、F1分数、mAP@0.5	NVIDIA Jetson Orin Nano（PyTorch运行时，69.5毫秒/帧）、Raspberry Pi 5（ONNX运行时，1.545秒/帧）
5660	2026-06-05	BC-SwinNet: Swin transformer and CNN with multi-objective optimization for multi-class breast cancer detection using Histopathological images 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51698-2 PMID:42115270	研究论文	提出一种混合深度学习框架BC-SwinNet，用于组织病理图像的多类乳腺癌检测	整合条件Swin Transformer（ConSwinTras）、多目标麋鹿群优化算法（MEHO）和分层注意力卷积神经网络（CA-CNN），实现高效特征提取与分类	未提及模型在真实临床环境下的泛化能力验证及计算资源消耗细节	开发自动化、高精度且计算高效的乳腺癌亚型分类系统	乳腺癌组织病理图像	计算机视觉	乳腺癌	组织病理成像	混合深度学习模型（Transformer+CNN）	图像	BreakHis和BACH两个基准数据集	NA	ConSwinTras, MEHO, CA-CNN	分类准确率	NA