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
6821	2026-05-02	Estimating band importance for environmental sound recognition using deep learninga) 2026-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043736 PMID:42065403	研究论文	利用深度学习模型估算环境声音识别中的频带重要性函数	通过比较模仿人类表现和任务最优的深度学习模型，揭示了环境声音识别中的频带重要性，并发现人类表现接近任务最优频率	研究仅涉及25种日常声音和语音掩蔽，可能未涵盖所有环境声音类型；BIF估计依赖于特定模型和滤波器方法	理解环境声音识别中支持频率区域的频带重要性，并评估人类表现与任务最优的一致性	46名听者识别的25种日常声音与语音混合的听觉刺激	机器学习	NA	深度学习	深度学习模型	声音信号	46名听者，25种声音	TensorFlow	卷积神经网络（CNN）	识别准确率	GPU（NVIDIA RTX 3090）
6822	2026-05-02	Machine learning for predicting chaotic systems 2026-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0313297 PMID:42065909	研究论文	比较不同机器学习方法在预测混沌动力系统上的表现，并介绍了一种新的误差度量标准	引入了允许在基准测试结果中进行不确定性量化的新数据库，并提出了针对混沌系统定制的累积最大误差这一新指标	结果可能因实验设置不同而有显著变化，且未涉及高维或真实世界混沌系统的验证	评估不同机器学习架构在预测混沌系统时的性能，并强调方法选择与数据特性匹配的重要性	低维混沌动力系统的预测问题	机器学习	不适用	不适用	轻量级和重量级机器学习模型，包括深度学习模型	时间序列数据	多个低维系统基准数据库，包括一个新增数据库	不适用	多种架构，包括传统方法和深度学习模型	累积最大误差，以及其他传统指标	根据计算成本调整超参数调优，轻量方法分配更多调优
6823	2026-05-02	A Dynamic Time Warping-Aware Series-Temporal Transformer for Automated Thresholding of Auditory Brainstem Responses 2026-Apr-30, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3689105 PMID:42060419	研究论文	提出一种基于动态时间规整的系列时间Transformer框架，用于自动估计听觉脑干反应的阈值	首次引入DTW相似性感知的系列Transformer捕捉波形间依赖关系，并结合刺激水平感知位置编码和多尺度时间Transformer提取时间表征	仅作为事后验证工具，未与主动学习规则集成以动态选择刺激水平	开发自动化ABR阈值估计方法，减少临床视觉判读的主观偏差	听觉脑干反应波形数据	机器学习	听力障碍	NA	Transformer	波形信号	人类数据集I: 8350名受试者; 数据集II: 136名受试者; 小鼠数据集: 8259只小鼠	PyTorch	Series Transformer, Temporal Transformer	精确匹配准确率, ±10 dB准确率	NA
6824	2026-05-02	Attention-based Multimodal Spatiotemporal Enhanced Interaction Network For Major Depressive Disorder Detection 2026-Apr-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3689187 PMID:42060425	研究论文	提出一种基于注意力的多模态时空增强交互网络用于检测重度抑郁症	整合了3D结构磁共振成像和功能磁共振成像的时空信息，设计了跨模态交互网络和融合层以增强多模态信息聚合，并开发了基于注意力的自适应时空特征提取架构	未提及相关限制	解决深度学习中多模态脑网络交互信息利用不足和缺少捕捉关键时空依赖的自适应机制的问题	重度抑郁症患者和健康对照的脑影像数据	数字病理学	抑郁症	3D结构磁共振成像和功能磁共振成像	深度学习网络	脑影像	Rest-meta-MDD和Rest-meta-MDD-V2数据集	NA	基于注意力的自适应时空特征提取架构	NA	NA
6825	2026-05-02	Subject-Independent Deep Learning Framework for Motor Imagery Electroencephalogram Decoding in Neurorehabilitation 2026-Apr-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3689121 PMID:42060426	研究论文	提出DSGNet双分支主题对齐泛化网络，实现运动想象脑电信号的跨被试解码，解决神经康复中的个体差异问题	通过双互补卷积分支同时提取时域和频域特征，并引入类别对齐损失实现域不变表征，无需被试标注数据即可推广至新个体	在三类和四类数据集上仅比基线模型提升0.22%和2.15%，改进幅度有限；二类数据集性能持平，未展现显著优势	开发不依赖被试标注数据的跨被试运动想象脑电解码框架，提升神经康复脑机接口的泛化能力	运动想象脑电信号，来自四个公开数据集（OpenBMI、BCI Competition IV 2a/2b、SHU Version 5）	机器学习, 自然语言处理	神经疾病	脑电图（EEG）采集	卷积神经网络 (CNN)	脑电信号时间序列	四个公开数据集共涉及多被试运动想象脑电数据，具体数量未明确提及	NA	双分支卷积网络（DSGNet），含时域和频域互补卷积分支	准确率	NA
6826	2026-05-02	Benchmarking ERP Analysis: Manual Features, Deep Learning, and Foundation Models 2026-Apr-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3686229 PMID:42060433	研究论文	系统性基准测试研究，比较传统手工特征、深度学习模型和预训练EEG基础模型在事件相关电位分析中的性能	首次系统性地评估深度学习及预训练基础模型在ERP分析中的有效性，并探索针对ERP数据优化的Transformer嵌入策略	仅基于公开数据集进行验证，未涉及临床环境中的复杂噪声和个体差异影响	为ERP分析提供方法选择与模型设计的指导框架	事件相关电位信号、EEG数据	机器学习	神经系统疾病	EEG	深度学习模型、预训练基础模型	EEG信号时间序列	12个公开数据集	NA	Transformer	NA	NA
6827	2026-05-02	Referenceless Proton Resonance Frequency Thermometry Using Deep Learning with Self-Attention 2026-Apr-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3689263 PMID:42060435	研究论文	开发并评估了一种基于深度学习与自注意力机制的无需参考的质子共振频率测温方法，用于经颅聚焦超声的温度监测	提出使用复数自注意力增强U-Net进行背景复杂图像重建，无需参考图像即可实现稳定且准确的温度测量	单中心回顾性研究，样本量有限（仅32名患者），且未在不同解剖部位或运动场景中验证	提高无需参考的PRF测温方法在加热区域的准确性并抑制背景假阳性温升	32名接受经颅聚焦超声治疗的震颤患者（87次超声处理，1416张图像）	计算机视觉	特发性震颤	MRI（质子共振频率测温）	U-Net	磁共振复数图像	32名患者（87次超声处理，1416张图像），其中28名患者用于训练验证，4名患者（13次超声处理，146张图像）用于测试	PyTorch	自注意力增强U-Net	平均绝对误差, 标准差, 均方根误差, Dice系数, Bland-Altman分析, R²	NA
6828	2026-05-02	General Intelligence-Based Fragmentation (GIF): A Framework for Peak-Labeled Spectra Simulation 2026-Apr-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07056 PMID:42060789	研究论文	提出通用智能碎片化框架，通过结构化提示与推理指导预训练大语言模型进行峰值标记谱图模拟	首次利用大语言模型并结合系统化提示与迭代优化实现质谱片段模拟，替代了传统的随机提示方法	未提及模型在复杂代谢物谱图模拟中的泛化能力，且当前GPT-4o的余弦相似度仅0.36，仍有提升空间	探索大语言模型在质谱标注与谱图模拟中的推理能力，提升代谢组学谱图注释率	预训练大语言模型（GPT-4o、GPT-4o-mini、GPT-5、Llama-3.1、ChemDFM）及其谱图模拟性能	自然语言处理	NA	质谱分析、大语言模型微调	大语言模型（GPT-4o、GPT-4o-mini、GPT-5、Llama-3.1、ChemDFM）	文本（质谱峰标签数据）	从MassSpecGym数据集中衍生获得的MassSpecGym QA-sim数据集	PyTorch	Transformer	余弦相似度	NA
6829	2026-05-02	Magnetic Resonance Neurography: Evolution, Technical Foundations, and Future Directions 2026-Apr-30, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2817-3039 PMID:42061306	综述	回顾磁共振神经成像从实验技术发展为周围神经评估重要诊断手段的历程及其技术基础与未来方向	总结了从1.5T到3T系统、从二维采集到三维各向同性容积序列的演进，并突出深度学习重建和AI驱动自动分割等最新进展	NA	综述磁共振神经成像的技术演进、临床标准化系统（神经病变评分报告与数据系统）及未来方向	磁共振神经成像技术及相关临床应用	机器学习	周围神经病变	磁共振神经成像, 弥散张量成像, Dixon脂肪抑制, 对比增强成像	深度学习模型	图像	NA	NA	深度学习重建模型、自动分割模型	信噪比, 诊断精度	NA
6830	2026-05-02	HLABrew for Human Leukocyte Antigen Class I-Presented Epitope Recognition and Mimotope Discovery 2026-Apr-30, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00337 PMID:42062220	研究论文	提出了一个统一深度学习框架HLABrew，用于HLA I类表位预测和等位基因特异性模拟肽设计	集成Transformer、变分自编码器和双重交叉注意力机制，实现层级和等位基因感知的表征，能准确解卷多等位基因免疫肽组学数据并恢复等位基因特异性结合基序	NA	开发用于HLA I类呈递表位识别和模拟肽发现的深度学习框架	HLA I类呈递表位和等位基因特异性模拟肽	机器学习	NA	免疫肽组学	Transformer、变分自编码器	肽序列数据	NA	NA	Transformer、变分自编码器、双重交叉注意力	NA	NA
6831	2026-05-02	Microinterventional in-sensor computing system for real-time metabolic health assessment 2026-Apr-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72520-7 PMID:42062300	研究论文	提出一种仿生自锚定微介入传感器内计算系统，用于实时代谢健康评估	结合海星吸盘微针自锚定机制与轻量级深度学习算法，在硬币大小嵌入式电路上实现98.68%诊断准确率和120小时电池寿命，显著降低信号波动并增强信号强度	仅在猪模型中验证，未进行人体临床试验；未讨论不同个体差异对自锚定机制的影响	开发可穿戴传感器内计算系统，实现动态日常环境中高保真代谢风险分层	猪模型中的间质液生物标志物动态监测	机器学习	代谢性疾病	微针生物传感器	轻量级深度学习算法	生物信号	猪模型（未提供具体数量）	NA	轻量级神经网络	诊断准确率, 电池寿命	硬币大小嵌入式电路
6832	2026-05-02	Deep-learning based quantitative evaluation of postoperative atelectasis following right upper lobectomy 2026-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02683-6 PMID:42062447	研究论文	基于深度学习框架自动量化右上肺叶切除术后肺不张严重程度，并评估其与临床结局的关联	首次开发全自动化深度学习框架对术后肺不张进行客观量化分级，提出标准化容积指标（右中叶/右肺体积比等）替代传统主观评分，并证实其与支气管镜需求等临床结局存在统计学关联	单中心回顾性研究、样本量有限（236例）、仅针对右上肺叶切除术患者，普适性需进一步验证	建立客观、可复制的深度学习评估体系，量化右上肺叶切除术后肺不张严重程度及临床影响	2008-2023年接受右上肺叶切除术的236例患者	计算机视觉	肺不张	CT影像分割	nnU-Net v2	影像	236例患者的术前术后CT影像	NA	nnU-Net v2	容积测量值、体积比、比值比、p值	NA
6833	2026-05-02	Evaluating model generalizability for suicide attempt risk prediction: traditional machine vs deep learning 2026-Apr-30, Npj mental health research DOI:10.1038/s44184-026-00209-2 PMID:42062536	研究论文	评估自杀企图风险预测模型在传统机器学习和深度学习中的泛化能力	首次进行外部验证，比较机器学习和深度学习在表格化医疗数据上的自杀企图风险预测表现	模型泛化能力不足，深度学习灵敏度更高但整体性能不及机器学习	评估并比较机器学习和深度学习模型在跨医疗环境下的自杀企图风险预测泛化能力	超过750,000次马萨诸塞大学纪念医疗中心的患者就诊记录	机器学习	自杀行为	NA	机器学习, 深度学习	表格数据	超过750,000次患者就诊记录	NA	NA	NA	NA
6834	2026-05-02	DeepSeMS: revealing the hidden biosynthetic potential of the global ocean microbiome with a large language model 2026-Apr-30, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00983-1 PMID:42062603	研究论文	提出基于Transformer的大型语言模型DeepSeMS，从生物合成基因簇序列预测次级代谢产物化学结构，并应用于全球海洋微生物组揭示隐藏的生物合成潜力	首次利用Transformer大型语言模型从BGC序列直接预测次级代谢产物化学结构，通过功能域编码和特征对齐数据增强提升预测准确性	对隐秘BGC结构复杂性和模块化生物合成域底物耐受性及交叉反应性的处理仍需改进	揭示全球海洋微生物组中未被挖掘的生物合成潜力，为抗生素发现提供新途径	全球海洋微生物组的生物合成基因簇及其对应的次级代谢产物	自然语言处理	抗生素相关疾病	宏基因组测序	Transformer	序列数据	全球海洋宏基因组数据集，含超过60,000种次级代谢产物	PyTorch	Transformer	预测有效性比率	NA
6835	2026-05-02	The impact of scanner domain shift on deep learning performance in medical imaging: an experimental study 2026-Apr-30, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03655-7 PMID:42062639	研究论文	本研究通过广泛实验评估了不同模态（X射线、CT、MRI）下扫描仪域偏移对深度神经网络性能的影响	首次系统性地跨多种模态和诊断任务量化扫描仪域偏移对深度学习性能影响的实验研究	未提及具体局限性，但可推断研究主要关注性能下降的量化，而非提出有效的域适应方法	评估扫描仪域偏移对卷积神经网络在不同自动诊断任务中性能的影响，并量化性能下降程度	常见放射学模态（X射线、CT、MRI）的医学图像	计算机视觉	NA	NA	卷积神经网络	图像	NA	NA	卷积神经网络	性能下降程度（具体指标未明确，可能涉及准确性等）	NA
6836	2026-05-02	Mutational signatures in blood-brain barrier: mechanisms, computational insights, and clinical applications in precision oncology 2026-Apr-30, Tissue barriers IF:3.6Q2 DOI:10.1080/21688370.2026.2664236 PMID:42063272	综述	综述血脑屏障功能障碍引发的突变特征及其在精准肿瘤学中的应用	系统整合了血脑屏障功能障碍与多种突变特征（氧化应激、缺氧、脂质过氧化、炎症和代谢重编程）之间的生物学机制，并探讨了计算工具（非负矩阵分解、贝叶斯建模、深度学习）在提取和整合多组学数据中的应用	组织可及性有限、脑脊液样本产率低、机制模型不完整以及缺乏中枢神经系统特异性分析框架	阐明血脑屏障驱动突变过程的机制并推动神经肿瘤学精准医疗	血脑屏障、中枢神经系统恶性肿瘤（如胶质母细胞瘤）	机器学习	脑肿瘤	NGS	深度学习	多组学数据、脑脊液来源的循环肿瘤DNA	NA	TensorFlow, PyTorch, Scikit-learn	非负矩阵分解、贝叶斯模型、深度学习模型	AUC	NA
6837	2026-05-02	DeepTYLCV: An interpretable and experimentally validated AI model for predicting virulence of different tomato yellow leaf curl virus strains 2026-Apr-29, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101877 PMID:42063254	研究论文	提出一种可解释且经实验验证的深度学习模型DeepTYLCV，用于预测不同番茄黄化曲叶病毒株系的毒力	首次结合蛋白语言模型嵌入和最优串联常规描述符，采用Transformer编码器与多尺度CNN混合架构，直接从病毒基因组ORF序列预测毒力，并实现1D-Grad-CAM++可解释性分析	未提及模型的跨宿主或跨病毒泛化能力，以及在实际田间应用中应对数据多样性和实时性挑战的性能	开发一个可直接从病毒基因组序列预测毒力的深度学习框架，用于番茄黄化曲叶病毒的早期监测和抗性管理	番茄黄化曲叶病毒全球来源的分离株开放阅读框序列	机器学习	番茄黄化曲叶病毒病害	蛋白质语言模型、多尺度CNN、Transformer编码器	混合神经网络（Transformer + 多尺度CNN）	核苷酸序列（病毒ORF序列）	全球来源的TYLCV序列数据集（具体数量未在摘要中提及），以及15个未表征或代表性分离株的实验验证	PyTorch	Transformer编码器、多尺度卷积神经网络	准确率、一致性（预测与实验症状严重度达到100%一致）	未在摘要中提及
6838	2026-05-02	VerteRo: A Fully Automated Deep Neural Network Tool for Estimating Axial Vertebral Body Rotation in Adolescent Idiopathic Scoliosis 2026-Apr-28, Global spine journal IF:2.6Q1 DOI:10.1177/21925682261448826 PMID:42049289	研究论文	开发并验证了VerteRo，一种基于深度学习的全自动工具，用于从标准PA脊柱侧弯X光片中高精度估计轴向椎体旋转，克服了分类分级系统的局限性	提出了一种全自动、端到端的深度学习解决方案，用于从PA X光片中定量评估轴向旋转，相比分类分级方法提高了客观性	这是一项初步研究，需进一步验证才能应用于临床决策支持	开发并验证一种全自动深度学习工具，用于估计青少年特发性脊柱侧弯的轴向椎体旋转	青少年特发性脊柱侧弯患者的椎体旋转	计算机视觉	青少年特发性脊柱侧弯	X光片	卷积神经网络	图像	97例AIS X光片	NA	Faster R-CNN, YOLOv11 L, YOLOv12 L	平均绝对误差, F1分数, 等级一致性	NA
6839	2026-05-02	Retraction Note: A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50185-y PMID:42050120	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6840	2026-05-02	Deep Learning for Cardiac Image Analysis: Unveiling Advances in Deep Learning Architectures 2026-Apr-24, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.03.007 PMID:42065698	综述	讨论深度学习在心脏图像分析中的进展，包括图神经网络、Transformer、隐式神经表示、生成对抗网络和基础模型等新方法	系统综述了深度学习心脏图像分析中的多种新兴架构，如非欧几里得数据表示、动态成像序列建模与连续空间重建	未涵盖临床验证试验的实证结果，且未对不同架构进行直接性能对比	总结深度学习在心脏图像分析方法上的创新及其挑战与未来方向	心脏图像分析中的深度学习架构	计算机视觉	心血管疾病	NA	图神经网络、Transformer、隐式神经表示、生成对抗网络、基础模型	图像	NA	NA	图神经网络、Transformer、隐式神经表示、生成对抗网络、基础模型	NA	NA