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
1141	2026-05-27	A High-Resolution Multifocal RGB Pollen Grain Image Dataset for Deep Learning Computer Vision Tasks from Biobío Region, Chile 2026-May-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07495-7 PMID:42185486	研究论文	PollenBB16是一个包含智利花卉高分辨率RGB花粉图像的数据集，具有像素级实例分割掩膜，由专家验证，填补了现有花粉数据集在分类多样性、样本量和分辨率方面的空白	提供了16,198张原生分辨率3088×2064像素的明场光学显微镜图像，包含16个物种的36,383个像素级多边形，每个位置记录三个焦平面，实现z轴位移揭示外壁特征和内部结构信息，并采用泄漏安全分区防止指标膨胀	仅包含智利比奥比奥地区的16个物种，可能无法代表全球多样化的花粉形态；数据集仅限于明场光学显微镜图像，未涵盖其他成像模式	为深度学习计算机视觉任务提供高分辨率、多焦点、专家验证的花粉图像数据集，支持气溶生物学、生物多样性监测和蜂蜜植物来源认证等跨学科应用	智利比奥比奥地区的16种花粉物种，包括地方性、本地和外来物种，如Eucryphia glutinosa、Quillaja saponaria、Gevuina avellana和Aristotelia chilensis	计算机视觉	NA	明场光学显微成像	YOLO11n-seg	图像	16,198张图像，包含36,383个实例，覆盖16个物种	PyTorch	YOLO11n-seg	mask mAP@50	NA
1142	2026-05-27	A clinical-radiomics model based on multiparametric MRI for discriminating solitary primary spinal tumors from solitary spinal metastases 2026-May-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02448-3 PMID:42185785	研究论文	基于多参数MRI的临床-影像组学模型用于鉴别孤立性原发性脊柱肿瘤与孤立性脊柱转移瘤	首次将临床数据（年龄）与影像组学特征结合，构建临床-影像组学模型，并在多中心数据上验证其对孤立性脊柱肿瘤的鉴别能力优于纯影像组学和深度学习-影像组学融合模型	未提及模型在不同MRI设备或参数下的泛化性验证，且深度学习特征未显著提升性能	开发并验证一种基于多参数MRI的临床-影像组学模型，用于术前无创区分孤立性原发性脊柱肿瘤和孤立性脊柱转移瘤	510例经病理确诊的脊柱肿瘤患者（328例训练集、82例内部验证集、100例外部测试集）	数字病理学, 机器学习	脊柱肿瘤	多参数MRI（T1加权、T2加权、T2脂肪抑制、T1增强序列）	逻辑回归	影像数据	510例脊柱肿瘤患者	Scikit-learn	逻辑回归, 影像组学模型, 深度学习-影像组学融合模型, 临床-影像组学模型	曲线下面积（AUC）	未提及
1143	2026-05-27	Identifying potential ligand-receptor interactions by integrating LSTM network and the attention mechanism for cell-cell communication prediction 2026-May-25, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08033-0 PMID:42185831	研究论文	提出一种基于LSTM网络和注意力机制的深度学习框架CellAL，用于预测配体-受体相互作用并推断细胞间通讯	通过集成LSTM网络与注意力机制，直接从蛋白质序列数据捕获长程序列依赖性，克服了传统方法对静态数据库的依赖，能够发现新的信号配对	未明确说明，但在摘要中提及现有方法依赖静态数据库并缺乏序列依赖性建模	开发一个稳健的计算框架，直接从蛋白质序列数据识别潜在配体-受体相互作用，无需依赖静态数据库	配体-受体相互作用对及细胞间通讯网络	机器学习	黑色素瘤	单细胞RNA测序	长短期记忆网络（LSTM）	蛋白质序列数据及单细胞转录组数据	四个标准L-R相互作用数据集及人类黑色素瘤scRNA-seq数据	NA	LSTM, 注意力机制	AUPR	NA
1144	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
1145	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
1146	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
1147	2026-05-27	Cost-effectiveness of artificial intelligence interventions for musculoskeletal disorders of the spine: a systematic review 2026-May-23, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-026-06122-3 PMID:42175996	系统综述	本系统综述综合了基于人工智能技术治疗脊柱肌肉骨骼疾病的成本效益证据	这是首个综合AI技术治疗脊柱肌肉骨骼疾病成本效益证据的系统综述	AI干预对减少脊柱肌肉骨骼疾病经济负担和改善健康结果的影响尚不明确，需进一步标准化经济评估以加强证据基础	评估基于人工智能技术治疗脊柱肌肉骨骼疾病的成本效益	七项符合条件的研究，涵盖美国（2项）、德国（2项）、丹麦（1项）、澳大利亚（1项）和韩国（1项）	机器学习	脊柱肌肉骨骼疾病	NA	深度学习	NA	七项研究	NA	NA	质量调整生命年（QALY）	NA
1148	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
1149	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
1150	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
1151	2026-05-27	MoST: A monotone set transformer for scalable and verifiable neuro-fuzzy aggregation 2026-May-19, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109153 PMID:42184462	研究论文	提出了一种可验证的神经模糊架构MoST，用于在安全关键领域实现可扩展且满足单调性公理的集合数据聚合	首次将集合包含单调性约束与可计算的OWA聚合相结合，通过非竞争门控机制和语义锚点设计，在O(Nlog N)复杂度下实现超模协同近似，突破了Deep Sets对基本顺序统计量表示时所需的线性特征缩放瓶颈	在分子任务中需依赖任务在严格单调约束与无约束预测灵活性之间进行权衡	设计一种同时满足排列不变性、单调性和计算可扩展性的集合学习算法	集合结构数据中的聚合函数（如max聚合、秩相关聚合）的表示与实现	机器学习	NA	NA	Monotone Set Transformer	集合数据	NA	PyTorch	Transformer, OWA聚合器, 正核门控机制	单调性认证分数, 时间/内存缩放性能, 近似max聚合精度	NA
1152	2026-05-27	Electrochemically induced CoNiOOH Nanosheets enabling nitrite detection through a catalytic reduction mechanism and machine learning-based concentration prediction 2026-May-19, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149691 PMID:42184523	研究论文	提出一种通过电化学诱导CoNiOOH纳米片实现亚硝酸盐检测并结合机器学习进行浓度预测的协同策略	首次将电化学诱导的CoNiOOH纳米片与Inception-Time-Moment深度学习模型相结合，实现从原始LSV信号到浓度的端到端预测，显著提高检测性能	缺乏对实际复杂样本中干扰物影响的验证，且深度学习模型的计算资源需求较高	开发一种高选择性、智能化的亚硝酸盐检测平台，通过电催化材料优化和人工智能算法提升检测性能	亚硝酸盐检测	机器学习和电化学传感	NA	电化学原位氧化, DFT计算	Inception-Time-Moment深度学习模型	电化学信号（线性扫描伏安法LSV信号）	未明确说明	PyTorch	Inception-Time-Moment	灵敏度, 检测限, 线性范围, R²	NA
1153	2026-05-27	N2G calibrator: a cross-subject adversarial learning framework for neural signal-driven gait tracking in Parkinson's disease 2026-May-18, Communications engineering DOI:10.1038/s44172-026-00688-3 PMID:42151559	研究论文	提出跨被试对抗学习框架N2GCF，利用集体神经数据追踪帕金森病患者步态表现	通过域对抗学习实现跨被试知识迁移，消除对同步步态记录系统的依赖，可在非临床环境中进行个性化模型校准	未提及具体局限性	开发无需目标用户标注数据的跨被试步态追踪框架，用于自适应脑深部电刺激系统	帕金森病患者的神经信号与步态表现	机器学习	帕金森病	神经信号记录	深度学习模型	神经信号	NA	NA	域对抗学习网络	误码率	NA
1154	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
1155	2026-05-27	A Few-shot Multimodal Deep Learning Framework For Precision Diagnosis Of Parotid Gland 2026-May-08, Journal of visualized experiments : JoVE DOI:10.3791/70231 PMID:42184237	研究论文	提出了一种基于少样本学习的多模态深度学习框架，用于腮腺肿瘤的精确诊断	融合多序列MRI信息与多尺度空间注意力机制，解决小样本条件下特征提取与分类性能问题	NA	解决腮腺肿瘤术前良恶性鉴别困难的问题，提升诊断准确性	腮腺肿瘤（良性107例、恶性91例）的术前MRI影像数据	计算机视觉	腮腺肿瘤	MRI (T1加权、T2加权、弥散加权成像)	多模态深度学习模型	图像（多序列MRI）	198例腮腺肿瘤患者影像数据	PyTorch, TensorFlow	ResNet, U-Net	AUC	GPU（NVIDIA RTX 3090）
1156	2026-05-27	Automated Quantitative Analysis of Pulmonary Vasculature in Congenital Diaphragmatic Hernia using Deep Learning 2026-May-08, Journal of visualized experiments : JoVE DOI:10.3791/70428 PMID:42184245	研究论文	提出基于深度学习的全自动化方法，对先天性膈疝患者的肺动脉进行分割和形态计量分析	首次实现先天性膈疝中肺动脉血管的自动定量分析，基于U-Net架构并结合三维骨架化算法提取形态参数	NA	实现先天性膈疝肺部血管的自动化定量评估，以帮助理解疾病严重程度	先天性膈疝患者的肺部血管网络（基于CT扫描）	计算机视觉	先天性膈疝	NA	卷积神经网络（CNN）	影像数据（CT扫描）	NA	NA	U-Net	分割准确度	NA
1157	2026-05-27	A Deep Learning-Based Method for Paddy Leaf Disease Detection and Growth Stage-Specific Treatment Recommendation 2026-May-05, Journal of visualized experiments : JoVE DOI:10.3791/70631 PMID:42184257	研究论文	提出一种基于深度学习的稻叶病害检测与生长阶段特异性治疗推荐决策支持系统	集成生长阶段预测、病害分类和阶段特异性治疗推荐于一个框架中，并采用集成学习方法提升分类性能	未提及模型在多环境条件下的泛化能力评估及数据集规模对性能的影响	建立精准农业中稻叶病害自动检测与治疗方案推荐的智能决策系统	水稻叶片图像及其生长阶段和病害类别	计算机视觉	水稻叶部病害	NA	卷积神经网络(CNN), 迁移学习模型(VGG16, ResNet50, InceptionV3, MobileNetV2), 集成方法	图像	数据集按80%训练、10%验证、10%测试划分	Streamlit	VGG16, ResNet50, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
1158	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
1159	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
1160	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