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
101	2026-05-27	Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals 2026-01-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3937 PMID:41539004	研究论文	提出S4ECG深度学习架构，通过多窗口时间分析捕捉心电图信号中的长期依赖关系，提高心律失常分类准确性和跨数据集鲁棒性	首次将结构化状态空间模型应用于心电图多窗口联合分析，有效捕捉房颤等心律失常在长时间尺度（2分钟至10~20分钟）上出现的诊断特征，显著降低假阳性率	未明确提及局限性，但窗口长度超过20分钟后性能趋于平稳或下降，提示可能存在最优窗口限制	利用多窗口时间分析增强心律失常分类性能，特别是房颤检测的准确性和跨数据集泛化能力	心电图信号中的心律失常分类，包括房颤、房扑等多种类型	机器学习	心血管疾病	心电图	结构化状态空间模型	时间序列信号	NA	NA	S4ECG	宏平均AUC, 特异性, 敏感性, 假阳性率	NA
102	2026-05-27	Emotion recognition from auditory autonomous sensory meridian response (ASMR) using multi-modal physiological signals 2026-01-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35ca PMID:41505907	研究论文	利用多模态生理信号从听觉自主感觉经络反应（ASMR）中识别情绪	以往研究主要关注ASMR引发的低唤醒度积极情绪（如放松和宁静），本论文首次探索了ASMR听觉刺激引发的更广泛情绪类型，包括快乐、悲伤和厌恶，并采用多模态生理信号与深度学习分类器进行情绪分类	NA	探索ASMR听觉刺激诱发的多种情绪，并验证多模态生理信号结合深度学习在情绪识别中的有效性	23名ASMR体验者的脑电图、光电容积描记图和皮肤电活动等多模态生理数据	机器学习	NA	可穿戴生物传感器、rmANOVA统计检验	人工神经网络和卷积神经网络	生理信号	23名ASMR体验者	NA	ANN, CNN	分类准确率	NA
103	2026-05-27	A novel adaptive CNN-LSTM fusion network for electrocardiogram diagnosis 2026-01-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2f8a PMID:41418332	研究论文	提出一种自适应CNN-LSTM融合网络用于心电图诊断	设计了一种自适应卷积核，能根据局部信号方差动态调整大小，结合空间-时间融合机制，提升了心电图诊断的效率和准确性	未在更多样化的数据集或临床环境中验证模型的泛化能力，且未讨论计算资源需求或模型复杂度	提高自动心电图诊断的效率和准确性，为早期心血管疾病筛查提供技术支持	心电图信号	机器学习	心血管疾病	NA	CNN-LSTM	信号	PTB-XL数据集	NA	自适应CNN, LSTM	准确率, 宏平均F1分数, 加权平均F1分数	NA
104	2026-05-27	AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338799 PMID:41671210	research paper	提出一个混合深度学习框架，用于检测短视频内容中的网络欺凌	整合了CNN、BiLSTM和Transformer三种模型，并通过语义一致性验证层实现跨模态对齐，以惩罚不协调的线索	该信息在标题和摘要中未提及	检测短视频中多模态（视觉、听觉和文本）的网络欺凌内容	短视频平台（如Instagram Reels、TikTok、YouTube Shorts）中的视频内容	multimodal machine learning	NA	NA	CNN, BiLSTM, Transformer	视频、音频、文本	两个基准数据集：CAVD和SocialVidMix	NA	CNN（空间特征）、BiLSTM（时间声学模式）、Transformer（文本编码器）、语义一致性验证层	准确率、精确率、召回率、F1分数	该信息在标题和摘要中未提及
105	2026-05-27	EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342647 PMID:41931557	研究论文	基于EfficientNetV2的深度学习框架用于光伏电池故障检测，提升识别准确率	首次系统比较三种EfficientNetV2变体（B0、B2、M）在光伏电池缺陷检测中的性能，并采用先进的图像预处理和增强技术优化异常检测	未提及在真实场景中的泛化能力验证及计算资源需求分析	提高光伏电池故障检测的准确性和自动化水平，支持预防性维护	光伏电池中的缺陷（包括制造缺陷和环境退化）与非缺陷样本	计算机视觉	NA	图像预处理与增强	卷积神经网络（EfficientNetV2）	图像	2,500张光伏电池图像（含缺陷与非缺陷样本）	NA	EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M	准确率、精确率、召回率、F1分数	NA
106	2026-05-27	A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343141 PMID:41931562	研究论文	提出一种结合混合自编码器与模糊中值滤波器的深度学习方法，用于高效滤除高密度脉冲噪声并恢复图像质量	创新性地将深度卷积神经网络（DnCNN）与自编码器结合模糊中值滤波器，实现高密度脉冲噪声的检测与去除，在图像恢复中兼顾细节保留与噪声消除	未提及具体局限性	开发一种鲁棒的深度学习降噪技术，以有效检测和消除图像中的高密度脉冲噪声，提升图像恢复质量	脉冲噪声污染的图像（使用12张标准测试图像评估）	计算机视觉	NA	NA	深度卷积神经网络（DnCNN）、自编码器、模糊中值滤波器	图像	12张标准测试图像	NA	DnCNN、自编码器	准确率、假正率、假负率、F1分数、峰值信噪比、结构相似性指数	NA
107	2026-05-27	SpaGene: A Deep Adversarial Framework for Spatial Gene Imputation 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0102 PMID:42146899	研究论文	提出SpaGene，一种用于整合单细胞RNA测序数据和空间转录组数据的深度学习框架，以填补空间数据中缺失的基因表达	采用两个编码器-解码器对，结合两个转换器和两个判别器，实现空间转录组数据中缺失基因表达的有效填补	目前仅在特定数据集和评价协议下验证，可能在不同组织类型或噪声条件下泛化性有限	整合scRNA-seq和空间转录组数据，提升空间基因表达的恢复准确性	单细胞RNA测序数据和空间转录组数据	机器学习	肺癌	NGS, 单细胞RNA测序, 空间转录组测序	CNN, GAN	文本	多数据集（具体数量未在摘要中明确）	PyTorch	编码器-解码器, 生成对抗网络	Pearson相关系数, 结构相似性指数, 均方根误差	NA
108	2026-05-27	Artificial intelligence for cell-free systems 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.08.009 PMID:41581993	综述	探讨人工智能与无细胞系统的整合，重点关注最新进展、工业应用及合成生物学未来方向	系统性地总结AI技术在无细胞系统优化中的应用，包括通过深度学习发现抗菌肽、主动学习提升蛋白质产量34倍等突破性成果	存在数据需求、模型可迁移性和可扩展性方面的挑战	研究AI与无细胞系统的兼容性及其在生物制造、制药和诊断中的潜力	无细胞系统（蛋白质合成、代谢等生物过程）	机器学习	NA	无细胞蛋白合成、深度学习、主动学习、贝叶斯优化	深度学习、生成模型、神经网络、贝叶斯优化	实验数据	NA	NA	NA	蛋白产量提升倍数、抗菌肽发现效率	NA
109	2026-05-27	Artificial Intelligence (AI) in microbiome-directed biotherapeutics development 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.005 PMID:41714088	综述	讨论人工智能在微生物组导向的生物治疗产品开发中的应用	系统阐述AI如何通过模式识别和复杂相互作用分析，从微生物组数据中发现可用于活体生物治疗产品的候选微生物	数据的改进需求仍是主要挑战	综述AI在微生物组导向诊断和治疗中的应用方式、挑战和未来前景	人体肠道微生物组及其与健康、疾病的关联，以及活体生物治疗产品的开发	机器学习	NA	NA	机器学习、深度学习	微生物组数据和宿主组学数据	NA	NA	NA	NA	NA
110	2026-05-27	Artificial Intelligence in the prediction of 3D chromatin structure and gene regulation 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.018 PMID:41986002	研究论文	利用人工智能预测三维染色质结构与基因调控	首次系统综述人工智能特别是深度学习在预测三维染色质结构及基因调控中的应用，强调整合多模态数据及自监督模型的优势	未提及具体模型性能评估及计算资源需求，缺乏实际应用中的局限性讨论	探讨人工智能在解析染色质三维结构与其基因调控关系中的潜力	染色质三维结构（如区室、拓扑关联结构域和环）及基因调控机制	机器学习，数字病理学	NA	Hi-C, ChIA-PET, HiChIP	深度学习	序列及表观基因组特征数据	NA	NA	自监督模型	NA	NA
111	2026-05-27	Artificial intelligence in multimodal data analysis for cancer survival prediction 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.001 PMID:41986003	综述	综述人工智能在癌症生存预测中多模态数据分析的融合与对齐方法	系统梳理了2015至2025年间31项基于深度学习的多模态对齐与融合研究，并区分了先对齐后融合与独立融合两类策略	当前融合技术面临数据对齐和数据融合两大障碍，尚未提及具体模型的可扩展性或临床部署挑战	探索人工智能在癌症生存预测中处理多模态异构数据的对齐与融合方法，提高预测准确性和可解释性	31项多模态机器学习研究（2015-2025年），涉及三种关键数据类型	机器学习	癌症	NA	深度学习	多模态数据（图像、文本等）	31项研究	NA	NA	NA	NA
112	2026-05-27	AI in biomolecular structural data analysis 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.024 PMID:41986008	综述	本文概述了人工智能在生物分子结构数据分析中的应用，特别是深度学习模型如AlphaFold2和RoseTTAFold在从序列数据快速预测三维结构中的作用	系统性地展示了深度学习架构（CNN、GNN、RNN和Transformer）在结构生物学中的综合应用，并探讨了AI与传统实验数据的互补性	模型可解释性、数据质量和伦理问题仍是挑战，且内容面向初学者，深度有限	为初学者提供AI在生物分子结构分析中的基本知识，推动跨学科探索	蛋白质和核酸的生物分子结构数据	机器学习	NA	深度学习	CNN, GNN, RNN, Transformer	序列数据	NA	NA	AlphaFold2, RoseTTAFold	NA	NA
113	2026-05-27	Multi-omics applications in health and diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.012 PMID:41986011	综述	综述多组学技术在健康与疾病研究中的应用，强调人工智能驱动整合方法的潜力和挑战	系统性地总结了从传统统计到深度学习等计算模型在多组学数据整合中的应用，并展望可解释AI、数字健康记录整合等未来方向	数据标准化、可扩展性、可解释性及基因组信息伦理使用方面仍存在挑战	阐述多组学整合在精准医学、疾病异质性研究和发病机制探索中的价值	多组学数据（基因组、转录组、表观组、蛋白质组、代谢组、微生物组）	机器学习	NA	NGS, RNA-seq, 甲基化测序, 蛋白质组学, 代谢组学, 微生物组学	CNN, LSTM	多组学文本数据	NA	NA	NA	NA	NA
114	2026-05-27	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述	该文章全面概述了如何将人工智能（特别是机器学习和深度学习）整合到代谢组学工作流程中，以克服数据分析挑战并预测疾病	系统性地介绍了AI在代谢组学中的应用，涵盖技术和概念框架，并通过最新案例研究和方法学进展加以说明	未明确提及	探讨如何利用人工智能技术（尤其是机器学习和深度学习）提升代谢组学在疾病预测中的能力	代谢组学数据及其在疾病预测中的应用	机器学习	癌症、糖尿病及并发症、脑部、心脏、肝脏、肾脏等主要器官疾病	NA	机器学习、深度学习	代谢组学数据	NA	NA	NA	NA	NA
115	2026-05-27	Artificial Intelligence in single-cell and spatial transcriptomics data analyses 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.011 PMID:41986013	综述	本文综述了人工智能在单细胞和空间转录组学数据分析中的应用	系统性地介绍了卷积神经网络、图神经网络和变分自编码器等方法在单细胞和空间转录组学数据分析中的应用，并强调了在癌症生物学、免疫学和神经科学等领域的应用	可扩展性、可解释性和一致的数据标准方面仍存在挑战	探讨人工智能如何推动单细胞和空间转录组学数据分析的发展，为研究人员提供应用AI的简明指南	单细胞和空间转录组学数据	机器学习	NA	scRNA-seq, 空间转录组学	CNN, GNN, VAE	基因表达数据	NA	NA	卷积神经网络, 图神经网络, 变分自编码器	NA	NA
116	2026-05-27	Artificial intelligence in multi-omics analysis of heart diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.011 PMID:42173636	综述论文	探讨人工智能在多组学分析心脏病中的应用，通过整合基因组、转录组、蛋白质组和代谢组等多组学数据，发现不同疾病亚型的关键分子标志物	系统总结了AI驱动的心血管疾病研究框架，包括深度学习、集成与混合模型、可解释AI技术、整合性多组学算法和高级网络分析等前沿方法	未提及具体限制	提升心血管疾病的早期诊断、风险预测和患者分层能力，推动精准医疗发展	心血管疾病及其亚型（如早期心脏代谢疾病）	机器学习	心血管疾病	NA	深度学习、集成模型、混合模型	多组学数据（基因组、转录组、蛋白质组、代谢组等）	NA	NA	NA	NA	NA
117	2026-05-27	AI in multi-omics analysis in AMR 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.02.001 PMID:42173634	综述	探讨人工智能在多组学分析抗菌药物耐药性中的作用	系统评述了AI驱动多组学分析在AMR研究中的概念基础、方法进展、代表性应用及转化意义	AI策略面临的局限包括数据标准化不足、稳健验证缺乏以及跨学科协作需求	综述AI在多组学分析AMR中的角色与前景	抗菌药物耐药性及其多组学数据	机器学习	抗菌药物耐药性	多组学技术（基因组学、转录组学、蛋白质组学、代谢组学）	NA	多组学数据（基因组、转录组、蛋白质组、代谢组）	NA	NA	NA	NA	NA
118	2026-05-27	Artificial intelligence in multi-omics analysis of neurological diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.016 PMID:42173630	综述	探讨人工智能在多组学分析神经退行性疾病中的应用与进展	系统整合人工智能在神经系统疾病研究中的发展历程，从传统规则系统到深度学习基础模型，并提供组学组合与AI方法匹配的实用指南	未提及具体研究案例的局限性及临床转化中的实际困难	为神经科学研究者提供多组学与AI结合的理论知识和实践指导	阿尔茨海默病、帕金森病、多发性硬化症、精神分裂症等神经系统疾病的多组学数据	machine learning	神经系统疾病	多组学测序	深度学习框架、基础模型	基因表达、蛋白质组、代谢组等多模态组学数据	NA	NA	NA	NA	NA
119	2026-05-27	AI-powered epidemic control: Deepseek's role in global health resilience 2025-Dec-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07082-1 PMID:41402882	研究论文	利用DeepSeek平台通过整合多源实时数据与深度学习模型来实现流行病管理	提出基于AI的流行病管理平台，结合LSTM与Transformer模型并融入可解释决策框架，提升公共卫生响应能力	数据隐私和模型准确性的挑战	增强全球健康韧性	流行病管理过程	机器学习	NA	NA	LSTM, Transformer	流行病学数据、社交媒体数据、移动性数据	NA	NA	LSTM, Transformer	NA	NA
120	2026-05-27	SleepPPG-Net2: deep learning generalization for sleep staging from photoplethysmography 2025-12-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae1a34 PMID:41172609	研究论文	提出SleepPPG-Net2深度学习模型，利用光电容积描记术原始时间序列进行四类睡眠分期，提高外部泛化能力	采用多源域训练方法提升跨域泛化性能，评估人口学因素和阻塞性睡眠呼吸暂停对模型表现的影响	NA	改进基于光电容积描记术的睡眠分期方法，增强模型在未知数据集上的泛化能力	睡眠分期（清醒、浅睡、深睡、快速眼动期）	机器学习	睡眠障碍	光电容积描记术	深度学习	时间序列	NA	NA	SleepPPG-Net2	Cohen's kappa系数	NA