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
6401	2026-05-27	MicroRNAs in endometriosis: bioinformatics resources, machine learning strategies, and multi-omics perspectives 2026-May-25, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08310-y PMID:42185901	综述	总结microRNA在子宫内膜异位症中的生物学作用及其作为诊断标志物和治疗靶点的价值，并讨论生物信息学资源和机器学习策略	综合了microRNA在子宫内膜异位症中的多种作用，并重点介绍了机器学习、深度学习及多组学整合策略在该领域的应用	当前研究在标准化、验证和可解释性方面仍存在挑战	探讨microRNA在子宫内膜异位症中的调控作用，并评估生物信息学、机器学习及多组学方法在发现临床相关的miRNA特征中的价值	子宫内膜异位症相关的microRNA及其生物信息学资源、机器学习模型和多组学数据	自然语言处理	子宫内膜异位症	miRNA测序、多组学整合	机器学习模型, 深度学习模型	文本、多组学数据	NA	NA	NA	NA	NA
6402	2026-05-27	Predicting fire consequences with the transformer model based on multimodal feature fusion 2026-May-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01228-z PMID:42185919	研究论文	提出一种基于Transformer和多模态特征融合的模型预测火灾后果，用于化工过程安全中的辐射影响距离估算	首次将Transformer架构应用于火灾后果建模，通过多模态特征融合（SMILES编码、分子描述符、三维分子结构）实现分子信息学与过程安全工程的交叉创新	数据集仅基于PHAST仿真软件生成，缺乏真实火灾场景验证；模型在晚期池火预测中仍有误差改进空间	开发高精度、可解释的火灾后果预测模型，平衡计算效率与预测准确性，提升化工过程安全风险评估能力	40种易燃化学品的泄漏场景及火灾辐射影响距离	机器学习	NA	SMILES编码、分子描述符计算、三维分子结构生成	Transformer	分子序列、分子结构、过程参数、仿真结果	40种化学品在多场景下的仿真数据集（具体样本数未提及）	PyTorch	Transformer	R²、均方误差、均方根误差、平均绝对误差	NA
6403	2026-05-27	Fine-tuning sequence-to-expression models on personal genome and transcriptome data 2026-May-25, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04091-1 PMID:42186093	研究论文	探索通过微调策略改进序列到表达模型对个体基因表达变异的预测性能	首次系统研究微调预训练的序列到表达模型（以Enformer为代表）在个人基因组和转录组数据上的适用性，展示其对已知变异和个体的预测提升，并指出对未见基因的泛化局限	微调未能改善模型对未见基因的泛化能力，这些基因包含微调中未见的序列和变异	评估微调是否提升序列到表达模型在预测个体间基因表达变异方面的性能	个人基因组序列与转录组数据，包括来自独立群体的个体	机器学习	NA	RNA测序	深度学习模型（Enformer）	序列与基因表达数据	NA	NA	Enformer	表达预测准确性	NA
6404	2026-05-27	Spliceread: improving canonical and non-canonical splice site prediction with residual blocks and synthetic data augmentation 2026-May-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06486-0 PMID:42174428	研究论文	提出一种名为SpliceRead的深度学习模型，通过残差卷积块和合成数据增强技术，提高对典型和非典型剪接位点的预测准确性	采用合成数据增强方法生成多样化的非典型剪接序列，并结合残差连接增强梯度流，捕获细微基因组特征，显著降低非典型位点的误分类率	NA	改进剪接位点预测模型的性能，特别是对罕见但生物重要的非典型剪接变体的检测能力	多物种数据集中长度为400和600核苷酸的剪接位点序列	机器学习	NA	深度学习	卷积神经网络	基因序列	多物种数据集，包含400和600核苷酸序列样本	PyTorch	残差卷积网络	F1-score, 准确率, 精确率, 召回率	NA
6405	2026-05-27	DGAT: a dual-graph attention network for inferring spatial protein landscapes from transcriptomics 2026-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73114-z PMID:42168176	研究论文	提出一种名为DGAT的双图注意力网络，从空间转录组数据推断空间蛋白景观	构建异构图整合转录组、蛋白质组和空间信息，利用图注意力网络编码，并通过任务特定解码器从共享潜在表征重建mRNA和预测蛋白丰度	NA	从空间转录组数据推断空间蛋白表达，填补RNA到蛋白质的转化鸿沟	空间转录组和蛋白质组数据集中的RNA-蛋白关系	机器学习	NA	空间转录组学	图注意力网络	空间转录组数据、蛋白质组数据	多个公共和内部数据集	NA	双图注意力网络	蛋白插值精度	NA
6406	2026-05-27	A Foundation Model for Wearable Movement Data in Mental Health Research 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694809 PMID:42154714	研究论文	提出一种用于可穿戴运动数据的预训练基础模型PAT，并在心理健康预测任务中验证其有效性	首个结合周级时间建模、精神健康结果评估和公共数据可重复性的可穿戴运动时间序列基础开源模型	NA	开发用于心理健康研究的可穿戴运动数据基础模型	可穿戴运动时间序列数据与心理健康预测任务	机器学习	心理健康疾病	加速度计	Transformer	时间序列	21,538名美国参与者	PyTorch	Transformer	准确率	NA
6407	2026-05-27	Contrastive multimodal deep learning for survival prediction in grade 2/3 gliomas 2026-May-09, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkag039 PMID:41987576	研究论文	开发了一种对比多模态深度学习框架，整合组织病理学、体细胞突变和临床数据，用于预测2/3级胶质瘤患者生存期	首次将对比学习与生存分析结合，实现跨模态表示的对齐，无需人工标注即可利用常规收集数据进行风险分层	对比多模态模型与非对比多模态模型相比，c指数差异未达到统计学显著性	提高2/3级胶质瘤患者生存预测的准确性，解决肿瘤生物学异质性和单模态数据方法的局限性	2/3级胶质瘤患者	机器学习和数字病理学	胶质瘤（2/3级）	NGS（体细胞突变检测）和组织病理全切片成像	对比多模态深度学习网络	组织病理图像、基因组突变数据和临床人口统计数据	TCGA队列498例，DHMC外部验证队列61例	PyTorch	NA	c指数、Kaplan-Meier生存曲线、对数秩P值、轮廓分数	NA
6408	2026-05-27	Learning drug synergy through environment-conditioned feature modulation 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag256 PMID:42085481	研究论文	提出Env-Syn框架，通过环境条件特征调制学习药物协同作用，以建模药物-药物-细胞动态相互作用	引入残差特征线性调制模块对药物表示进行精确仿射变换，首次将细胞-药物环境作为动态条件而非静态背景来调制药物表征	文章未明确提及局限性	提高药物协同作用预测性能并增强模型对未知药物和独立数据集的泛化能力	药物组合及细胞环境中的协同作用预测	机器学习	癌症	NA	深度学习	药敏数据及细胞特征	文章未明确说明样本量，但涉及15种新预测药物组合其中8种有文献支持	PyTorch	残差特征线性调制网络	AUROC, AUPRC, 召回率	NA
6409	2026-05-27	Artificial Intelligence in Rhinology 2026-May-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011654 PMID:40608779	综述	这篇论文综述了人工智能在鼻科学中的应用	系统回顾了2000年至2025年间人工智能在鼻科学中的应用，涵盖机器学习分类、深度学习诊断及手术阶段评估等前沿技术	依赖高水平医疗机构和装备环境，但可能不适用于资源匮乏地区	评估人工智能在鼻科学中的应用现状并展望未来发展方向	鼻科学中的人工智能应用，包括影像诊断、手术阶段评估和机器人手术	自然语言处理，机器学习，计算机视觉	鼻窦炎等鼻科疾病	机器学习，深度学习	分类算法	图像（放射影像）	不适用	不适用	不适用	不适用	不适用
6410	2026-05-27	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2026-May-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	开发了一个名为TraceOrg的基于网络的深度学习平台，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积，并提供Mayo影像分类	首次将U-Net与Transformer元素结合的3D混合模型应用于多囊肾病的肾脏、肝脏及囊肿分割，并部署为公开的网页工具，支持多种MRI脉冲序列和CT图像，实现自动匿名化处理	未明确讨论模型在低对比度图像或罕见病变亚型中的表现，且外部验证数据集主要来自西方人群，可能影响种族多样性泛化能力	开发并验证一种自动、可靠且通用的工具，用于准确测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	常染色体显性多囊肾病患者的MRI和CT扫描图像，以及无该病的参与者图像	数字病理学	多囊肾病	MRI, CT扫描	3D混合模型（U-Net + Transformer）	医学图像	720名参与者（611名ADPKD患者，109名非ADPKD参与者）用于训练；内部验证：70个MRI（肾脏/肝脏分割）和46个MRI（囊肿分割）；外部验证：单中心58例、多中心73例、CRISP 30例、PKD-RRC 115例	NA	U-Net, Transformer	Dice系数，平均绝对百分比差异	NA
6411	2026-05-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出FDS-CAP框架，通过组件级注意力机制建模碎片化疾病子图，用于预测疾病共病关系	首次通过组件级注意力机制整合疾病子图中的连通组件，以捕捉碎片化疾病模块的生物学复杂性，从而提高共病预测的准确性和表达力	仅基于单一基准数据集评估，且案例研究仅限于胶质瘤，可能限制泛化性	改进现有方法对疾病模块碎片化的忽视，提升共病预测性能	人类疾病网络中的疾病子图及其共病关联	机器学习	胶质瘤	NA	子图神经网络（SUBGNN）、变分图自编码器	图	基准数据集（具体数量未在摘要中说明）	PyTorch	SUBGNN、变分图自编码器	AUROC	NA
6412	2026-05-27	DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261441311 PMID:41995104	研究论文	提出一种名为DANCE的方法，利用混沌增强万花筒图像对T细胞受体蛋白序列进行深度学习的分析与分类	结合混沌游戏表示与万花筒图像方法生成蛋白序列的对称可视化图像，并利用深度学习视觉模型进行分类，为短蛋白序列（如TCR）提供了一种新的图像化嵌入方式	主要针对TCR蛋白序列较短的特性设计，可能不适用于长序列；未提及对不同病原体或非癌抗原的泛化能力	开发一种基于图像的蛋白序列表示方法，以提升对TCR蛋白序列的分析与分类能力，支持基于TCR的免疫疗法研究	T细胞受体蛋白序列及其靶向的癌细胞类型	计算机视觉, 深度学习, 蛋白质组学	癌症	混沌游戏表示, 万花筒图像生成	深度学习视觉模型	图像（由蛋白序列生成的万花筒图）	未明确说明	NA	NA	分类准确率等（具体指标未在摘要中说明）	NA
6413	2026-05-27	BudFinder: A Masked Auto-Encoder vision transformer framework for yeast budding detection and lifespan quantification 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013700 PMID:42149904	研究论文	提出BudFinder框架，利用掩码自编码器视觉变换器进行酵母出芽检测与寿命量化	使用自监督预训练技术（掩码自编码器）大幅减少标注数据需求，仅需少量母细胞数据即可实现高精度检测	NA	自动化酵母细胞分裂事件检测与复制寿命量化	酵母细胞	计算机视觉	老年性疾病	延时显微镜	视觉变换器（Vision Transformer）	图像	约25万张未标注酵母细胞图像及少于50个母细胞（约1000次分裂事件）的标注数据	PyTorch	掩码自编码器（Masked Autoencoder）	NA	NA
6414	2026-05-27	VesiclePy: A machine learning vesicle analysis toolbox for volume electron microscopy 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013499 PMID:42133697	研究论文	开发了VesiclePy，一个用于体电子显微镜数据的囊泡分析工具箱，实现自动化分割、分类、校对和空间分析	整合深度学习与人工校对效率，提供大体积电镜数据中单囊泡分辨率的分块处理、精确索引、定位和可视化，支持多TB数据集处理及神经元亚型聚类	NA	解决体电子显微镜数据中囊泡分析的大体积数据处理挑战，实现全神经元形态学范围内囊泡的完整重建与定量分析	神经元囊泡（包括包装神经递质和神经肽的囊泡）及目标神经元	机器学习	NA	体电子显微镜（vEM）	深度学习	电子显微镜图像	20个完整神经元中的53,851个囊泡，来自Hydra vulgaris的高压冷冻连续电镜数据	PyTorch	NA	NA	NA
6415	2026-05-27	Bridging the Gap Between Artificial Intelligence and Clinical Readiness in Endometriosis Diagnosis: A Systematic Review 2026-Apr-30, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.04.016 PMID:42069053	综述	系统评估人工智能在子宫内膜异位症诊断中的方法学质量和诊断性能	首次系统性评估AI在子宫内膜异位症诊断中的方法学质量，并使用QUADAS-2工具进行严格评价	研究主要基于回顾性设计和狭窄的患者选择，存在显著临床异质性和系统脆弱性，如频谱偏倚和选择偏倚	评估AI（尤其是机器学习和深度学习）在通过影像学和临床症状诊断子宫内膜异位症中的方法学质量和诊断性能	子宫内膜异位症患者，基于MRI、超声或患者报告症状的AI诊断模型	机器学习	子宫内膜异位症	NA	机器学习模型，深度学习模型	影像数据（MRI、超声）、文本数据（患者报告症状）	NA	NA	随机森林、XGBoost	准确率、AUC	NA
6416	2026-05-27	Imaging Through Scattering Tissue Using Near Infra-Red and a Convolutional Autoencoder 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082507 PMID:42076614	研究论文	提出一种基于近红外照明与深度学习卷积自编码器的低代价、非侵入性皮下成像方法，用于肿瘤边缘检测	首次将近红外光与基于U-Net的卷积自编码器结合，实现通过散射介质对隐藏结构的高质量重建，克服了传统成像模态的高成本和术中限制	对分布外样本的泛化能力有限，重建结果伴有轻微平滑伪影	开发一种安全、快速、成本效益高的皮下可视化技术，用于临床相关肿瘤边缘检测	组织模拟鸡胸肉幻影下的隐藏结构图案	计算机视觉，数字病理学	肿瘤	近红外成像，深度学习	卷积自编码器	图像	约10,000对样本	PyTorch	U-Net	峰值信噪比（PSNR），结构相似性指数（SSIM），特征相似性指数（FSIM）	NA
6417	2026-05-27	Sagittal-Plane Knee Flexion Moment Estimation Using a Lightweight Deep Learning Framework Based on Sequential Surface EMG Feature Frames 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082500 PMID:42076609	研究论文	提出一种基于顺序表面EMG特征帧的轻量级深度学习框架，用于矢状面膝关节屈曲力矩估计	提出Topo2DCNN-LSTM轻量级二维卷积神经网络模型，将原始sEMG信号转换为紧凑的RMS特征帧，在资源受限设备上实现低延迟推理	仅针对健康受试者的有限行走条件进行验证，且为单侧膝关节力矩估计的概念验证	开发轻量级深度学习模型，实现非卧床场景下膝关节力矩的实时估算，便于可穿戴边缘部署	健康受试者在跑步机上以两种速度行走时的矢状面膝关节屈曲力矩	机器学习, 数字健康	NA	表面肌电图（sEMG），特征帧提取（RMS）	CNN, LSTM	时序信号（sEMG和关节动力学数据）	公开数据集，包含健康受试者在1.2 m/s和1.8 m/s跑步机速度下的数据	NA	Topo2DCNN-LSTM（轻量级2D CNN编码器 + LSTM单元）	均方根误差	SparkFun Thing Plus-SAMD51微控制器，RAM 71,316字节，Flash 257,172字节
6418	2026-05-27	Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04865-1 PMID:41992190	研究论文	本研究开发了一个可解释的多模态PET/CT-EHR融合深度学习框架，用于套细胞淋巴瘤的个体化风险分层	首次将混合专家网络融合PET/CT与电子健康记录数据，结合视觉编码器、影像组学提取器和医学语言模型构建多模态影像组学特征	NA（需要根据上下文推断，但摘要未明确提及局限性）	建立可解释的深度学习框架，整合PET/CT和电子健康记录数据进行套细胞淋巴瘤预后分层	187例初治套细胞淋巴瘤患者的多中心队列数据	机器学习	套细胞淋巴瘤	FDG-PET/CT成像	混合专家网络	影像数据、文本数据	187例套细胞淋巴瘤患者	PyTorch	混合专家网络、视觉编码器、医学语言模型	AUC, HR, C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析	NA
6419	2026-05-27	Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04859-z PMID:41992197	研究论文	开发并外部验证了一种整合PSMA PET/CT和mpMRI的多模态影像组学模型，用于前列腺癌的自动化诊断	首次构建了多模态PET/CT与mpMRI联合的机器学习模型，并在多中心数据中验证了其外部泛化能力；比较了专家手动分割和深度学习自动分割的前列腺VOI对诊断性能的影响	研究为回顾性设计，可能引入选择偏倚；外部验证队列样本量相对较小	开发并外部验证整合PET/CT和mpMRI的自动化前列腺癌诊断模型	疑似前列腺癌患者	机器学习	前列腺癌	PSMA PET/CT, mpMRI (T2和DWI)	机器学习分类器	影像数据	488名疑似前列腺癌患者（366名用于模型开发和内部验证，41名用于外部验证队列1，81名用于外部验证队列2）	NA	LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM	AUC, 灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值	NA
6420	2026-05-27	Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches 2026-Apr-16, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01555-0 PMID:41992229	研究论文	本研究探讨在深度学习模型训练中将正常脑室周围高信号作为独立类别，以增强病理性白质高信号分割性能	首次将正常年龄相关的脑室周围高信号作为显式类别纳入多类分割训练，相较于传统二分类方法显著提升病理性病变检测能力	数据来自115名神经退行性疾病患者，样本量有限；仅评估了四种架构，未涵盖更多先进模型	通过多类深度学习分割方法区分病理性白质高信号与正常年龄相关高信号，降低假阳性率	115名神经退行性疾病患者的2750张FLAIR MRI图像	计算机视觉	神经退行性疾病	MRI	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	图像	115名患者，2750张FLAIR图像	PyTorch	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	Dice系数, Hausdorff距离, Cohen's d	NA