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
681	2026-06-07	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	通过序列-功能建模评估单细胞ATAC-seq图谱技术，比较不同平台的性能并优化数据集构建标准	首次系统性基准测试不同scATAC-seq平台在训练序列-功能模型及跨物种转录因子足迹分析中的能力，并引入改进的HyDrop v2方法	未明确提及具体局限性，但可能涉及平台间数据整合的可扩展性及模型泛化性	确定构建scATAC-seq训练数据集的最优标准，并评估不同平台对深度学习的适用性	单细胞染色质可及性图谱、序列-功能深度学习模型、不同物种的转录因子足迹	机器学习	NA	scATAC-seq, HyDrop v2, 深度序列建模	深度学习模型（序列-功能模型）	单细胞染色质可及性数据	未明确样本量，涉及不同平台的多细胞数据	NA	NA	增强子预测性能、序列可解释性、转录因子足迹分析	NA
682	2026-06-07	A Sensor-Oriented Multimodal Medical Data Acquisition and Modeling Framework for Tumor Grading and Treatment Response Analysis 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020737 PMID:41600529	研究论文	提出一个基于传感器导向的多模态医疗数据获取与建模框架，用于肿瘤分级和治疗反应分析的联合建模	将肿瘤分级作为弱监督先验融入多模态特征融合和治疗反应建模过程，实现了无创分级预测、治疗反应亚型发现和内在机制解释的集成方案	框架依赖预定义的深度学习模型，且真实世界临床数据集规模可能有限，影响泛化性	实现基于多模态医学影像和临床数据的肿瘤分级与治疗反应联合建模，并提供可解释的机制分析	肿瘤患者的多模态医学影像数据和临床数据	计算机视觉, 自然语言处理, 机器学习	肿瘤	医学影像传感技术, 临床监测系统	CNN, MLP, Transformer	图像, 文本, 数值型数据	真实世界临床数据集（具体数量未说明）	PyTorch	3D ResNet-18, MLP, CNN-Transformer	准确率, Kappa系数, AUC, 精确率, 召回率	NA
683	2026-06-07	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出一种轻量级互惠门控融合框架，整合SqueezeNet和ShuffleNetV2用于组织病理图像中的乳腺癌检测	提出互惠合作门控融合机制，实现两个轻量级网络SqueezeNet和ShuffleNetV2的结构化双向交互，增强互补特征交换并抑制冗余响应，从而在降低计算开销的同时提升特征表示质量	NA	开发一种计算高效且可靠的计算机辅助诊断方法，用于乳腺癌检测	乳腺组织病理图像中的乳腺癌检测任务	计算机视觉, 数字病理学	乳腺癌	组织病理图像分析	CNN	图像	ICIAR-2018数据集和BreakHis数据集（100倍放大）	PyTorch	SqueezeNet, ShuffleNetV2, 互惠门控融合	准确率	NA
684	2026-06-07	Automated Classification of Humpback Whale Calls Using Deep Learning: A Comparative Study of Neural Architectures and Acoustic Feature Representations 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020715 PMID:41600508	研究论文	提出利用深度学习对座头鲸叫声进行自动分类，比较了不同神经网络架构和声学特征表示的性能	构建了一个基于公开音频数据并经过人工精心筛选的数据集，设计并比较了定制CNN和预训练MobileNetV2在不同声学特征（梅尔频谱图 vs MFCC）下的分类性能，发现梅尔频谱图输入在所有模型中均优于MFCC	未提及模型在真实海洋环境噪声下的鲁棒性，且数据仅来自公开音频库，可能无法完全代表野外多样化的录音条件	开发可靠的自动化座头鲸叫声分类系统，评估不同神经网络架构和声学特征表示的有效性	座头鲸的叫声音频片段，来自公开音频数据库并经过人工筛选和增强	自然语言处理相关（音频分类）	NA	被动声学监测（PAM）	CNN，预训练MobileNetV2，定制卷积神经网络	音频（梅尔频谱图和MFCC特征）	一批音频片段（具体数量未说明），经过数据增强后扩大	TensorFlow, Keras	定制CNN，MobileNetV2	准确率，精确率，召回率，马修斯相关系数	NA
685	2026-06-07	Efficient EEG-Based Person Identification: A Unified Framework from Automatic Electrode Selection to Intent Recognition 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020687 PMID:41600483	研究论文	提出一种基于EEG的端到端统一框架，集成了自动电极选择、个体识别和意图识别	首次提出将自动电极选择、个体识别和意图识别整合在一个统一的深度学习框架中，并引入了一种新颖的主干网络AES-MBE，该网络结合通道注意力机制和多尺度双向编码器	仅在一个数据集（PhysioNet EEG Motor Movement/Imagery Dataset）上进行了验证，样本规模有限（109名受试者），可能缺乏泛化性	解决EEG个体识别中的端到端流程设计、自动电极选择、特征提取能力提升以及意图识别集成等挑战	EEG信号及其在个体识别和意图识别中的应用	自然语言处理	NA	EEG	深度学习	EEG信号	109名受试者，执行4种任务	NA	AES-MBE（通道注意力+多尺度双向编码器）	准确率	NA
686	2026-06-07	NTFold: Structure-Sensing Nucleotide Attention Learning for RNA Secondary Structure Prediction 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020688 PMID:41600484	研究论文	提出了基于深度学习的结构感知核苷酸注意力学习框架NTFold，用于准确预测RNA二级结构	首次将核苷酸注意力模块（NAM）与结构精炼模块（SRM）相结合，通过两阶段学习范式实现高精度接触图预测	未明确提及局限性	开发高效、可扩展的RNA二级结构预测方法	RNA二级结构	计算生物学	不适用	深度学习	核苷酸注意力网络	序列数据	未明确提及	PyTorch	NTFold（包含NAM和SRM模块）	准确率、精度、召回率、F1分数、AUC	未明确提及
687	2026-06-07	Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data 2026-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68487-0 PMID:41545411	研究论文	提出STimage套件，利用基于基础模型的集成方法从H&E图像预测空间基因表达并进行细胞类型分类，同时通过单细胞分辨率的归因分析增强可解释性	通过集成方法同时估计基因表达分布及数据驱动和模型不确定度，实现可解释性分析并整合组织病理学注释与功能基因信息	NA	实现从常规H&E图像直接预测空间基因表达和细胞类型分类，并提升模型鲁棒性和可解释性	空间转录组数据与H&E组织图像	数字病理学	NA	空间转录组测序、H&E染色	集成模型、基础模型	组织图像、基因表达数据	NA	NA	基础模型	NA	NA
688	2026-06-07	StaticPigDetv2: Performance Improvement of Unseen Pig Monitoring Environment Using Depth-Based Background and Facility Information 2026-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s26020621 PMID:41600416	研究论文	提出一种利用深度背景和设施信息提升未见猪监测环境性能的方法	通过一次性预处理获取背景和设施信息，引入三个模块（BIG、FIG、BSI）提升检测精度和效率，无需模型重训练	仅针对固定摄像头猪圈监控场景，依赖深度背景和设施信息的准确获取	解决深度学习检测器在未见环境中精度与延迟的权衡问题，提升猪只监测性能	猪圈监控图像中的猪只	计算机视觉	NA	NA	深度学习检测器	图像	德国猪数据集训练，韩国河东猪数据集测试	NA	YOLOV12m	平均精度、延迟	Jetson Orin Nano
689	2026-06-07	Reliability of Handheld Ultrasound Assessment of Brachial Artery Flow-Mediated Dilation Using AI-Assisted Automated Analysis in Postmenopausal Women 2026-Jan-15, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010181 PMID:41597467	研究论文	评估AI辅助手持超声结合YOLO深度学习模型在绝经后女性中检测血流介导扩张的间隔日重测信度	首次将YOLO深度学习模型与手持超声结合，实现自动分析血流介导扩张图像，并评估其在绝经后女性中的重测信度	样本量较小（17人），且仅针对绝经后女性，未探讨其他人群或临床环境中的适用性	评估AI辅助手持超声结合YOLO深度学习模型在绝经后女性中检测血流介导扩张的间隔日重测信度	17名55-70岁绝经后女性	机器学习	心血管疾病	手持超声	YOLO	图像	17名绝经后女性，每次评估间隔7天	PyTorch	YOLO	组内相关系数（ICC）、变异系数（CV）、Bland-Altman分析	NA
690	2026-06-07	High-Fidelity rPPG Waveform Reconstruction from Palm Videos Using GANs 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020563 PMID:41600357	研究论文	提出一种基于生成对抗网络的从手掌视频重建高保真远程光电容积描记波形的框架	构建包含手掌区域视频和腕部PPG信号的新数据集，并提出基于GAN的脉冲波合成框架，结合时域峰值损失、频域损失和对抗损失，实现高保真rPPG波形重建	未直接验证健康监测性能，仅聚焦于波形形态准确性的改进	从数据和模型两方面实现高质量rPPG波形重建，为后续生理信号分析提供可靠基础	手掌区域视频和腕部PPG信号	计算机视觉, 深度学习	NA	远程光电容积描记术（rPPG）	生成对抗网络（GAN）	视频（手掌区域）和PPG信号	新收集数据集（包含手掌视频与腕部PPG信号配对），具体数量未明确	PyTorch, TensorFlow（推测）	GAN（生成器与判别器）	RMSE, MAPE, Pearson相关系数, 余弦相似度	NA
691	2026-06-07	EEG Signal Classification with Data Augmentation for Epileptic Focus Localization and Deep Sleep Detection 2026-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s26020474 PMID:41600271	研究论文	提出一种基于数据增强的EEG信号分类框架，用于癫痫病灶定位和深度睡眠检测	采用三种轻量级数据增强技术（时间平移、幅度缩放、噪声添加）提升深度学习模型的鲁棒性和泛化能力，在公共数据集上验证了简单增强方法对高基线准确率场景的额外提升效果	仅在两个公共数据集上验证，未涉及真实临床场景的复杂干扰；数据增强方法的选择和参数尚未系统优化	提高脑电信号分类性能，解决标注数据不足导致的模型泛化问题	癫痫病灶定位和深度睡眠检测两种生理与病理EEG任务	机器学习	癫痫	脑电图（EEG）	深度卷积网络（DeepConvNet、ShallowConvNet、EEGNet）	脑电信号	两个公共数据集（具体数量未在摘要中说明）	NA	DeepConvNet, ShallowConvNet, EEGNet	准确率	NA
692	2026-06-07	Enhancing EEG Decoding with Selective Augmentation Integration 2026-Jan-08, Sensors (Basel, Switzerland) DOI:10.3390/s26020399 PMID:41600214	研究论文	提出一种基于选择性增强集成的脑电信号解码框架，结合对比学习和自适应增强策略，有效应对脑电数据稀缺和噪声问题	提出端到端自适应增强框架NeuroBrain，创新性地融合对比学习与选择性增强策略，首次实现根据性能动态确定最优增强组合	未提及	提升脑电信号解码性能，解决数据稀缺和噪声问题	听觉脑电解码任务中的EEG信号	机器学习	神经疾病	EEG	对比学习	EEG信号	NA	PyTorch	NeuroBrain	准确率	NA
693	2026-06-07	DeepRMSF: a deep learning-based automated approach for predicting atomic-level flexibility in RNA structure 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf720 PMID:41529119	研究论文	提出深度学习模型DeepRMSF，从RNA三级结构预测原子级振动灵活性	首个直接从RNA三级结构预测局部灵活性的深度学习方法，实现比分子动力学模拟快3000倍的速度提升	仅适用于中等大小RNA（约75个核苷酸），且无法完全替代分子动力学模拟	开发高效自动化方法预测RNA结构的局部灵活性	371个非冗余RNA的原子级振动灵活性	机器学习	不适用	分子动力学模拟	深度学习模型	分子结构数据	371个RNA（311个用于五折交叉验证，60个作为独立测试集）	PyTorch	不适用	皮尔逊相关系数	不适用
694	2026-06-07	A comprehensive survey of genome language models in bioinformatics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf724 PMID:41537311	综述	全面综述基因组语言模型在生物信息学中的应用	系统梳理了基因组语言模型（gLMs）的架构（Transformer、Hyena卷积、状态空间模型）、序列分词策略、预训练策略及评估方法，并构建了下游任务分类体系	数据稀缺性、模型可解释性不足、计算资源需求高等挑战	综述基因组语言模型在生物信息学领域的发展现状与未来方向	基于DNA和RNA序列的基因组语言模型	自然语言处理	NA	基因组语言模型	Transformer, Hyena卷积, 状态空间模型	DNA和RNA序列数据	NA	NA	Transformer, Hyena卷积, 状态空间模型	监督学习、零样本学习、少样本学习指标	NA
695	2026-06-07	Predicting protein-carbohydrate binding sites: a deep learning approach integrating protein language model embeddings and structural features 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag008 PMID:41608988	研究论文	提出一种整合蛋白质语言模型嵌入和结构特征的深度学习模型DeepCPBSite，用于预测蛋白质-碳水化合物非共价结合位点	构建了集成三种样本处理策略（随机欠采样、加权过采样和类别加权损失）的ResNet+FNN集成模型，并系统比较了AlphaFold和ESMFold预测结构的特征，采用SHAP分析进行特征解释	未在文摘中明确提及局限性	开发计算工具预测蛋白质-碳水化合物非共价结合位点	非共价碳水化合物结合位点	机器学习	NA	蛋白质语言模型嵌入、结构特征提取	ResNet、FNN、集成模型	蛋白质序列和结构数据	来自RCSB、UniProt和CASP三个来源的独立数据集	NA	ResNet, FNN, DeepCPBSite（集成模型）	平衡准确率（balanced accuracy）、敏感性（sensitivity）、F1分数、MCC、AUPR	NA
696	2026-06-07	Personalized gene expression prediction in the era of deep learning: a review 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag022 PMID:41615288	综述	综述了深度学习在预测个性化基因表达方面的应用及面临的挑战	对比了深度学习模型与传统表达数量性状位点线性方法的性能，探讨了微调策略和基因组语言模型的新进展	深度学习模型在跨个体基因表达预测中仍难以优于线性模型，个性化预测的准确性和鲁棒性尚未解决	评估深度学习模型在个性化基因表达预测中的潜力与局限性	基因表达预测方法（深度学习模型与传统线性模型）	机器学习	NA	NA	深度学习、基因组语言模型	基因序列、表观基因组数据	NA	NA	NA	NA	NA
697	2026-06-07	Non-Contact Measurement of Human Vital Signs in Dynamic Conditions Using Microwave Techniques: A Review 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020359 PMID:41600153	综述	综述了在动态条件下使用微波和雷达技术进行人体生命体征非接触测量的最新进展	重点介绍了在受试者移动或进行日常活动时工作的解决方案，以及创新可生物降解和柔性天线设计，结合先进信号处理和深度学习算法	主要限制包括受试者间解剖变异性、运动伪影、硬件小型化和能效问题，仍限制广泛部署	探讨微波技术在动态条件下非接触测量人体生命体征（如呼吸、心率）的潜力，支持未来医疗和安全系统	人体生命体征（呼吸、心率及其他心肺参数）的测量	signal processing, deep learning	NA	微波、雷达、超宽带（UWB）、多普勒传感器、微波反射测量	深度学习	信号	NA	NA	NA	NA	NA
698	2026-06-07	Neurosymbolic AI Framework for Explainable Retinal Disease Classification From OCT Images 2026-Jan-05, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.1.6 PMID:41533847	研究论文	提出一种神经符号AI框架，结合CNN与符号推理层，基于OCT图像进行可解释的视网膜疾病分类	将卷积神经网络与基于专家定义的临床规则符号推理层相结合，实现透明且临床可解释的决策，尤其适用于罕见和复杂病情	未明确提及，但可能是对罕见类别的数据不平衡依赖或符号规则的可扩展性限制	提高视网膜疾病分类的准确性并增强模型可解释性	光学相干断层扫描图像及七种视网膜诊断类别	计算机视觉	视网膜疾病	OCT	CNN	图像	10,846张OCT图像	NA	CNN、符号推理层	宏精度、召回率、F1分数	NA
699	2026-06-07	Deep Learning-Based Segmentation of the Ulnar Nerve in Ultrasound Images 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010113 PMID:41597399	研究论文	评估深度学习分割方法在超声图像中检测尺神经的性能，并分析常见数据增强技术的影响	首次利用大规模尺神经超声数据集（来自545名患者的4789张图像）进行系统性分割模型与数据增强方法比较	未明确说明局限性	优化深度学习在尺神经超声图像分割中的应用	来自545名患者的4789张尺神经超声图像	计算机视觉	尺神经病变	NA	深度学习分割模型（包括U-Net等六种模型）	图像	545名患者的4789张超声图像	NA	U-Net及多种骨干网络架构	Dice系数、交并比（IoU）	NA
700	2026-06-07	Multi-Parameter Deep Learning Combined With Fluorescence Lifetime Imaging Microscopy for Non-Invasive and Label-Free Endometrial Cancer Screening 2026-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70228 PMID:41548887	研究论文	提出一种结合荧光寿命成像显微镜与多参数深度学习算法的无创、无标记子宫内膜癌筛查方法	首次将多参数深度学习与FLIM结合，利用NAD(P)H荧光参数（平均荧光寿命和蛋白结合分数）构建多参数模型，显著提升预测性能，实现100%敏感性和92%特异性	未说明（NA）	开发一种无创无标记的子宫内膜癌筛查技术，用于风险预测和临床筛查	宫颈脱落细胞中的NAD(P)H自身荧光信号	机器学习, 数字病理学	子宫内膜癌	FLIM（荧光寿命成像显微镜）	多参数深度学习模型	荧光寿命成像数据	71名参与者的宫颈脱落细胞样本	NA	NA	敏感性, 特异性, AUC	NA