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
841	2026-08-28	Deep learning-based stratification of Schizophrenia Spectrum Disorder from real-world data reveals distinct profiles of common and rare variant genetic signal 2026-Apr-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.30.26349393 PMID:41959828	研究论文	利用变分自编码器对丹麦iPSYCH队列的真实世界数据进行深度分层，识别出精神分裂症谱系障碍的十个临床亚组，并分析其常见和罕见遗传信号	首次将真实世界临床数据与常见及罕见遗传变异整合，通过变分自编码器进行无监督分层，揭示临床亚组与多基因评分及罕见变异负担的关联	罕见变异分析仅在部分样本（N=5,969）中进行，结果仅为提示性趋势；研究基于丹麦人群，结果可能不适用于其他种族或地区	探究精神分裂症谱系障碍的临床异质性，并整合常见和罕见遗传信号以实现生物学知情患者分类	丹麦iPSYCH队列中的22,092名个体（包括11,046例SSD患者和11,046名匹配对照）	机器学习	精神分裂症谱系障碍	外显子组测序	变分自编码器	注册表数据、外显子组数据	22,092名个体（11,046例SSD病例和11,046名对照），其中5,969名有外显子组数据	NA	变分自编码器	NA	NA
842	2026-08-28	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	提出了一种混合方法D-I-TASSER，通过整合多源深度学习势能与迭代线程片段组装模拟，实现原子级蛋白质结构预测，并支持单域和多域蛋白的自动建模	首次将多源深度学习势能与传统基于物理的折叠模拟相结合，并引入域拆分和组装协议，能够自动建模大型多域蛋白质结构，且在基准测试和CASP15实验中表现优于AlphaFold2和AlphaFold3	文章未明确提及局限性，但可推测其对计算资源需求较高，且对于某些复杂蛋白结构可能仍存在预测误差	开发一种高精度的蛋白质结构预测方法，整合深度学习与物理模拟，以提升单域和多域蛋白的预测性能，并适用于基因组规模的应用	单域蛋白、多域蛋白以及人类蛋白质组中的蛋白域和全链序列	机器学习	不适用	深度学习（多源深度学习势能）	混合模型（深度学习与迭代线程组装模拟）	蛋白质序列和结构数据	基准测试集、CASP15实验蛋白以及人类蛋白质组中的蛋白域和全链序列（未提供具体数量）	不适用	不适用	准确率、覆盖率（如折叠蛋白域和全链序列的百分比）	不适用
843	2026-08-28	Discovering Plastic-Binding Peptides with Favorable Affinity, Water Solubility, and Binding Specificity Through Deep Learning and Biophysical Modeling 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715295 PMID:41959355	研究论文	本研究通过结合深度学习和生物物理建模的计算机模拟发现管道，设计了具有高亲和力、水溶性和结合特异性的塑料结合肽，以应对微塑料污染	首次将长短期记忆网络与蒙特卡洛树搜索算法结合，并引入CamSol溶解度评分和竞争性MCTS方法，同时优化肽对塑料的亲和力、水溶性和结合特异性	研究主要依赖计算预测和分子动力学模拟，缺乏实验验证，且仅针对聚乙烯和聚苯乙烯两种塑料类型	开发一种计算机模拟方法，用于发现具有高亲和力、水溶性和结合特异性的塑料结合肽，以支持微塑料污染治理	微塑料污染及塑料结合肽（针对聚乙烯和聚苯乙烯）	机器学习	不适用	分子动力学模拟	长短期记忆网络（LSTM）, 蒙特卡洛树搜索（MCTS）	生物物理建模数据	不适用（未提供具体样本数量）	不适用（未提及具体框架）	LSTM, MCTS	结合自由能, CamSol溶解度评分, 结合特异性	不适用（未提及具体计算资源）
844	2026-08-28	Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multicancer Cohort 2026-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00141 PMID:42269139	研究论文	提出一个多模态机器学习框架，利用电子健康记录数据提前一个月预测癌症转移风险，并在瑞典多癌种队列中进行了验证。	首次在多癌种队列中系统比较传统与深度学习分类器在不同模态及多模态融合策略下的性能，并采用多模态SHAP分析解释模型推理。	文本中未明确提及局限性，但结肠癌小队列性能较低表明数据量对模型性能有影响。	开发并评估一个基于电子健康记录的多模态机器学习框架，用于癌症转移风险的早期预测。	来自瑞典卡罗林斯卡大学医院的四种癌症患者队列，包括乳腺癌（n=743）、结肠癌（n=387）、肺癌（n=870）和前列腺癌（n=1890）。	机器学习	多癌种（乳腺癌、结肠癌、肺癌、前列腺癌）	电子健康记录数据分析	深度学习分类器、传统分类器	结构化数据（人口统计学、合并症、实验室结果、药物）和非结构化临床文本	总共3890名患者（乳腺癌743名，结肠癌387名，肺癌870名，前列腺癌1890名）	未指定，可能使用多种框架	未明确指定，包括深度学习模型（如Transformer）和传统模型（如逻辑回归）	AUROC、AUPRC、F1分数、敏感性、特异性	未提及
845	2026-08-28	De novo Folding Mechanisms of Lasso Peptides 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715466 PMID:41959090	研究论文	该研究结合分子动力学模拟和深度学习，揭示了20种无次级翻译后修饰的套索肽的从头折叠机制，并提出了代表性折叠模型及热力学和动力学原理。	首次整合多集合马尔可夫模型和变分自编码器聚类，揭示了套索肽普遍的上坡折叠景观和低于0.8%的自发折叠概率，并阐明了环稳定性和熵成本在折叠中的作用。	研究仅针对缺乏次级翻译后修饰的套索肽，可能未涵盖复杂修饰对折叠的影响。	阐明套索肽的从头折叠机制，包括热力学和动力学原理，为合理工程化提供基础。	20种缺乏次级翻译后修饰的套索肽，包括微菌素J25。	分子动力学模拟、深度学习	NA	分子动力学模拟、深度学习	多集合马尔可夫模型、变分自编码器	模拟轨迹数据	20种套索肽	PyTorch	变分自编码器	自发折叠概率、环稳定性（β-发夹形成）、熵成本	NA
846	2026-08-28	Deep Learning-Based Detection of Oral Leukoplakia from Intraoral Images 2026-Apr, Journal of the College of Physicians and Surgeons--Pakistan : JCPSP DOI:10.29271/jcpsp.2026.04.526 PMID:42015441	研究论文	评估深度学习软件从口内照片中识别口腔白斑病变的有效性	首次使用多种深度学习模型（YOLOv5, YOLOv8, Mask R-CNN, U-Net）对口腔白斑进行检测，并比较其性能，其中YOLOv5表现最佳	样本量较小，且为单中心回顾性研究，可能限制结果的泛化性	评估深度学习软件在识别口腔白斑病变中的有效性，以支持早期诊断	口腔白斑病变的口内图像	计算机视觉	口腔白斑	不适用	YOLOv5, YOLOv8, Mask R-CNN, U-Net	图像	222张口内图像，分为训练集178张，验证集22张，测试集22张	不适用	YOLOv5, YOLOv8, Mask R-CNN, U-Net	精确度, 召回率, F1分数	不适用
847	2026-08-28	EVALUATION OF NEUROCOMBAT AND DEEP LEARNING HARMONIZATION FOR MULTI-SITE MAGNETIC RESONANCE NEUROIMAGING IN YOUTH WITH PRENATAL ALCOHOL EXPOSURE 2026-Mar-31, ArXiv PMID:41958471	研究论文	本文评估了深度学习方法HACA3与统计方法neuroCombat在产前酒精暴露青少年多中心磁共振神经影像数据协调中的效果。	首次在儿科队列中验证HACA3深度学习方法在图像信号层面的协调能力，并探索将其与neuroCombat结合使用的效果。	仅在单一儿科队列和三个扫描仪上测试，未涉及其他年龄组或更多中心的数据，且需要进一步的研究来优化HACA3与统计方法的结合方式。	评估HACA3和neuroCombat在多中心磁共振神经影像中去除位点相关变异、保留生物学信号的能力，并测试二者结合的效果。	7至21岁青少年，包括产前酒精暴露病例和对照组，数据来自三个不同扫描仪。	计算机视觉	产前酒精暴露	磁共振成像（MRI）	深度学习模型（HACA3）	磁共振影像	未提供具体样本数量，涉及儿科队列（年龄7-21岁）	NA	HACA3	ANCOVA测试	NA
848	2026-08-28	Development and validation of the ultrasound-based radiomics and deep learning prognostic models for diffuse large B-cell lymphoma 2026-Mar-20, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-026-06917-1 PMID:41857399	研究论文	本研究开发和验证了两种基于超声的影像组学和深度学习预后模型，用于弥漫性大B细胞淋巴瘤的风险分层和生存预测。	首次开发并验证了基于超声影像的影像组学和深度学习模型用于弥漫性大B细胞淋巴瘤的预后预测，并结合两者进行评估。	研究未明确提及局限性。	开发和验证超声影像组学及深度学习模型，用于弥漫性大B细胞淋巴瘤患者的风险分层和生存预测。	149例病理确诊的弥漫性大B细胞淋巴瘤患者。	医学影像分析	弥漫性大B细胞淋巴瘤	超声影像组学	影像组学模型、深度学习模型（ResNet50）	超声图像	149例患者，其中训练组75例，测试组74例	NA	ResNet50	AUC, C-index, DCA, calibration curve	NA
849	2026-08-28	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	该研究利用智能手表数据预测心力衰竭患者的每日峰值摄氧量，并评估其与不良事件的相关性	首次使用消费级智能手表数据通过深度学习模型预测每日峰值摄氧量，用于监测心力衰竭加重，并提供早期风险识别	未提及具体限制	评估智能手表数据用于预测心力衰竭患者每日峰值摄氧量，并关联其与医疗事件风险的可行性	心力衰竭患者	数字健康	心力衰竭	可穿戴设备数据	深度学习模型	时间序列数据	训练集154例，验证集63例，外部验证集另设	未提及	未提及	皮尔逊相关系数, 风险比, 置信区间, P值	未提及
850	2026-08-28	PIGSKIN: PIG SKull stripping with synthetic Images and Neural networks 2026-Mar, AI in neuroscience DOI:10.1177/2997979x261429297 PMID:42614756	研究论文	本文介绍PIGSKIN，一种完全基于合成数据训练的深度学习框架，用于猪脑MRI的鲁棒脑提取，解决了现有工具在猪脑解剖结构上的不足	首次针对猪脑MRI提出系统性验证的脑提取方法，采用分离建模脑和非脑区域并应用不同变换参数，结合多模态T1和T2加权输入，实现单步原生分辨率推理	基于合成数据训练，可能对真实数据的变异覆盖有限；模型评估主要依赖Dice系数，缺乏更全面的性能指标验证	开发并验证一种适用于猪脑MRI的鲁棒脑提取深度学习方法，为猪模型神经影像研究提供可靠工具	猪脑MRI数据，包括不同品种、采集协议和损伤模型的猪脑图像	计算机视觉，数字病理学	创伤性脑损伤	MRI	深度学习网络	图像（MRI，T1和T2加权）	NA	NA	NA	Dice系数	NA
851	2026-08-28	The combined use of cervical ultrasound and deep learning improves the detection of patients at risk for spontaneous preterm delivery 2026-01, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	开发并验证基于深度学习的人工智能模型，利用宫颈超声图像预测自发性早产，并与宫颈长度测量性能进行比较。	首次大规模多中心研究表明，人工智能模型在预测自发性早产方面比宫颈长度测量更敏感，尤其适用于早期孕周，且能利用超声图像中的额外解剖特征。	未在文中明确提及局限性。	开发并验证用于预测自发性早产的人工智能模型，并评估其相对于传统宫颈长度测量的优势。	孕妇的宫颈超声图像和相关临床数据。	医学图像分析	早产	超声成像	深度学习模型	超声图像	包含4224例妊娠和7862张宫颈超声图像	未在标题和摘要中明确提及	未在标题和摘要中明确提及	曲线下面积、敏感性、特异性、似然比	未在标题和摘要中明确提及
852	2026-08-28	Learning Explainable Imaging-Genetics Associations Related to a Neurological Disorder 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-05141-7_34 PMID:41988634	研究论文	提出了NeuroPathX，一个可解释的深度学习框架，用于学习神经疾病中脑结构与遗传变异之间的关联	采用早期融合策略和交叉注意力机制，并引入稀疏性损失和通路相似性损失来增强可解释性和稳健性	摘要中未提及局限性	揭示神经疾病中脑结构与遗传变异之间的可解释关联	自闭症谱系障碍和阿尔茨海默病	医学影像和遗传学	自闭症谱系障碍，阿尔茨海默病	MRI，遗传数据	深度学习模型	影像和遗传数据	NA	NA	交叉注意力机制	NA	NA
853	2026-08-28	EAC-Agent: A deep learning framework for multimodal emotion-aware conversational agent with contextual response generation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346770 PMID:41996398	研究论文	提出了一种名为EAC-Agent的深度学习框架，用于多模态情感感知的对话代理，能够结合文本、音频和视觉特征生成上下文相关的响应	首次提出结合文本、音频和视觉的多模态情感感知对话代理框架，利用自注意力和跨模态注意力机制处理情感嵌入，提升情感识别和响应生成的准确性与上下文适当性	未提及具体的局限性，但可能存在对计算资源需求较高及多模态数据融合的复杂性	解决现有对话代理在情感识别和响应生成上的局限性，提升多模态情感感知能力	对话代理（聊天机器人）以及用于情感识别和响应生成的基准数据集（IEMOCAP和MELD）	自然语言处理	NA	NA	序列到序列模型（Seq2Seq），Transformer	文本、音频、视觉数据	使用了两个基准数据集：IEMOCAP和MELD，但未提供具体样本数量	NA	Transformer	准确率、困惑度、BLEU分数、ROUGE-L分数	NA
854	2026-08-28	An explainable multi-head attention network for healthcare IoT threat detection based on the MedDefender-MHAN framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346677 PMID:41996403	研究论文	介绍了一种可解释多头注意力网络MedDefender-MHAN，用于医疗物联网威胁检测，在CICIDS2017和TON_IoT数据集上实现了高检测精度和实时解释能力	创新性地将可解释性直接嵌入多头注意力机制，采用卷积神经网络与Transformer编码器的双流架构，实现无需外部XAI管道的实时梯度加权解释生成	未提及具体局限性，但可能包括对大规模实际部署的评估不足或对多样化攻击类型的泛化能力有限	开发一种兼具高准确性和内在可解释性的医疗物联网入侵检测系统，以满足GDPR和FDA等监管要求	医疗物联网环境中的网络流量数据	网络安全、机器学习	NA	NA	多头注意力网络（结合卷积神经网络和Transformer）	网络流量数据	CICIDS2017和TON_IoT基准数据集（具体样本数量未提及）	未提及	卷积神经网络（CNN）和Transformer编码器的双流架构	检测准确率、推理延迟、吞吐量、解释对齐度、时间准确率	未提及具体GPU或云平台，但强调亚3毫秒推理延迟和高吞吐量
855	2026-08-28	Deep learning-derived retinal biomarker associated with diabetes-related amputation in type 2 diabetes 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1866694 PMID:42460325	研究论文	本研究评估了深度学习衍生的视网膜生物标志物（Dr. Noon CVD）与2型糖尿病患者糖尿病足相关截肢的独立关联	首次将深度学习衍生的视网膜生物标志物与糖尿病足相关截肢风险联系起来，展示了其超越传统糖尿病变量的增量价值	研究为单中心回顾性设计，样本量相对较小，且未提供关于计算资源的详细信息	评估深度学习衍生的视网膜生物标志物与2型糖尿病患者糖尿病足相关截肢的关联	392名2型糖尿病患者，其中79例有糖尿病足相关截肢，313例无	深度学习	2型糖尿病	深度学习	深度学习模型	视网膜图像	392名患者	NA	NA	AUC, cNRI, IDI, 敏感性, 特异性, 阴性预测值, 阳性预测值	NA
856	2026-08-28	Deep Learning for Scalp-Level Nonlinear Source Separation in Electroencephalogram: A Comparative Evaluation of Spatiotemporal Architectures 2026, 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.2026.3724828 PMID:42611648	研究论文	本研究评估了多种深度学习架构在脑电图中进行头皮级非线性源分离的性能，重点比较了时空建模方法的有效性	首次系统比较了多种深度学习架构（包括CNN、LSTM、Transformer及混合模型）在非线性混合ERP信号分离中的表现，并验证了集成时空建模的优越性	实验基于合成数据和特定非线性混合函数，可能未完全模拟真实脑电环境的复杂性；未涉及计算资源的具体量化分析	解决脑电数据中多源事件相关电位非线性混合分离的挑战，评估不同深度学习架构在此任务中的性能	合成和实验性脑电数据集中的事件相关电位信号	机器学习	不适用	脑电图（EEG）、事件相关电位记录	深度森林、卷积神经网络（CNN）、长短期记忆网络（LSTM）、Transformer、CNN-LSTM混合模型	脑电信号数据	合成数据集中包含已知真实源的多个模拟样本，具体数量未在摘要中提供	未明确指定框架，可能使用PyTorch或TensorFlow等通用框架	CNN、LSTM、Transformer、CNN-LSTM混合架构、深度森林	2D皮尔逊相关系数、源定位精度	未在摘要中提及
857	2026-08-28	Biomechanics-Embedded Deep Learning for Joint Moment Estimation in Clinical Gait Analysis for Cerebral Palsy: A Learnable Hill-Type Pathway 2026, 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.2026.3725088 PMID:42623196	研究论文	提出一种生物力学嵌入的深度学习框架，用于脑瘫患儿临床步态分析中的下肢关节力矩估计，无需测力台。	将可学习的Hill型通路嵌入深度学习模型中，结合Transformer和图编码器处理关节角度与sEMG信号，实现无测力台的关节力矩估计。	数据侧策略（如健康到脑瘫迁移）未能提升性能，且样本量有限，跨域泛化能力仍需验证。	开发无需测力台的关节力矩估计方法，用于脑瘫儿童的临床步态分析。	脑瘫儿童的下肢关节力矩，涉及髋、膝、踝关节。	数字病理学	脑瘫	表面肌电信号（sEMG）	Transformer、图编码器、可学习Hill型通路	关节角度序列和肌电信号	23名受试者（根据留一法交叉验证推断）	PyTorch	Transformer、图神经网络、可学习Hill型通路	Pearson相关系数（PCC）、均方根误差（RMSE）	NA
858	2026-08-28	Artificial Intelligence in Healthcare Practice: Validation, Fairness, and Regulatory Challenges: A Systematic Review 2026 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580261478793 PMID:42634867	系统综述	本系统综述旨在检查2020年至2025年间人工智能在临床领域的应用，评估其诊断准确性和临床性能，识别实施障碍，并比较验证实践和方法学质量	遵循PRISMA 2020指南，系统搜索五个数据库，并重点关注前瞻性验证和/或外部验证的原创临床AI研究	由于研究设计、人群和结果指标的异质性，未进行正式的荟萃分析	检查AI在临床领域的应用，评估其性能，识别实施障碍，并比较验证实践	2020年至2025年间发表的临床AI研究，涉及放射学、肿瘤学和心脏病学等领域	机器学习	多种疾病	NA	深度学习、卷积神经网络、机器学习、自然语言处理	医学影像	20项研究	NA	卷积神经网络	AUC	NA
859	2026-08-28	Correction: AI-driven diagnosis of mpox using deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357001 PMID:42640900	更正	本文是对一篇关于使用深度学习模型进行猴痘人工智能诊断的文章的更正。	NA	NA	更正先前发表文章中的错误。	NA	计算机视觉	猴痘	深度学习	深度学习模型	NA	NA	NA	NA	NA	NA
860	2026-08-28	A multi-agent vision-language debate framework for zero-shot crop disease diagnosis 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1890016 PMID:42643398	研究论文	提出一种基于多智能体视觉-语言辩论框架的零样本作物疾病诊断方法	引入多智能体辩论机制和反谄媚机制，通过结构化多轮讨论提高零样本作物疾病诊断的准确性和语义一致性；提出三种语义评估指标（SLS、RS、IRC）捕捉部分正确性和推理质量	未明确提及局限性，但可能受限于零样本设置和模型多样性	提高零样本作物疾病诊断的泛化能力和准确性，通过多智能体协作推理克服单模型预测的不足	作物叶片图像，用于疾病诊断任务	计算机视觉，自然语言处理	作物疾病（未特指具体疾病类型）	视觉-语言模型（VLM）推理，零样本学习	多智能体视觉-语言模型（VLM）	图像（作物叶片图像）	CDDM基准，包含多个作物疾病图像样本，具体数量未提及	NA	多个异构VLM，包括GPT-5（作为独立评判者）及两个开源模型，具体架构未详细说明	准确率，语义标签相似度（SLS），推理特异性（RS），智能体间推理一致性（IRC）	NA