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
1181	2026-09-23	Combined explainable deep learning model to predict pediatric sleep apnea from ECG and SpO2 2026-Mar-10, Measurement : journal of the International Measurement Confederation IF:5.2Q1 DOI:10.1016/j.measurement.2025.120259 PMID:42421779	研究论文	本文提出了一种可解释的深度学习模型，结合卷积神经网络与夜间血氧饱和度和心电图信号，用于识别儿童阻塞性睡眠呼吸暂停。	首次同时分析心电图和血氧饱和度数据，并应用SHAP可解释性技术解释模型决策，揭示呼吸与心脏模式之间的关联。	需要在更多样化的数据集上验证模型的泛化能力。	利用可解释的深度学习模型，通过心电图和血氧饱和度信号诊断儿童阻塞性睡眠呼吸暂停。	患有或疑似患有阻塞性睡眠呼吸暂停的儿童。	机器学习	儿童阻塞性睡眠呼吸暂停	深度学习、可解释人工智能	CNN	信号数据（心电图和血氧饱和度）	3320名患者	NA	CNN	Cohen's 4-class kappa	NA
1182	2026-09-23	Benchmarking foundation models for splice site and exon annotation 2026-Feb-23, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.22.707219 PMID:42124697	研究论文	该研究对多个基础模型和深度学习模型在基因和剪接位点注释任务中的性能进行了基准测试，特别关注不同类别外显子的注释效果。	首次系统评估了基础模型（如SegmentNT、Enformer、Borzoi）和CNN模型（如SpliceAI、AlphaGenome及新开发的STEP2h）在不同类别基因元件（如编码/非编码、末端/内部、组成型/可变剪接、TE衍生外显子）上的注释性能，揭示了模型在训练数据中代表性不足的类别上性能大幅下降的问题。	研究仅评估了有限数量的模型和特定类别，可能未涵盖所有基因元件类型；此外，未详细探讨模型性能下降的生物学原因或提出具体的改进方案。	评估现有基础模型和深度学习模型在基因和剪接位点注释中的性能，特别是针对不同类别外显子的注释能力。	基因和剪接位点注释，包括不同类别的外显子（如编码/非编码、末端/内部、组成型/可变剪接、TE衍生外显子）。	基因组注释	NA	深度学习模型评估	Transformer, CNN	基因组序列	NA	NA	SegmentNT, Enformer, Borzoi, SpliceAI, AlphaGenome, STEP2h	NA	NA
1183	2026-09-23	Pixel2Gene enables histology-guided reconstruction and prediction of spatial gene expression 2026-Feb-23, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.21.707168 PMID:42124685	研究论文	介绍了一种名为Pixel2Gene的深度学习框架，该框架整合了共配准的组织学图像和空间转录组数据，实现组织学引导的空间基因表达重建与预测	提出Pixel2Gene框架，利用常规组织学图像引导空间基因表达的重建和预测，能够对低置信度数据进行去噪、重建连贯的表达模式，并预测未测量组织区域和缺乏转录组分析的新样本中的基因表达，从而在降低成本的同时实现全组织规模的空间转录组分析	摘要中未明确提及研究的局限性	解决当前高分辨率空间转录组平台因高成本、组织覆盖有限和技术伪影导致的噪声、稀疏和不完整数据问题，提高分析准确性、生物学解释和临床实用性	多种高分辨率空间转录组平台（包括Visium HD、Xenium和CosMx）生成的空间转录组数据及对应的组织学图像，涵盖多种组织类型和疾病背景的临床样本	数字病理学	NA	空间转录组学、组织学成像	深度学习	图像、文本（基因表达数据）	NA	NA	NA	数据一致性、 dropout效应缓解、生物学意义空间结构恢复、下游分析准确性	NA
1184	2026-09-23	Deep learning for the joint analysis of item-level longitudinal and survival data 2026-Feb-09, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2026.2625122 PMID:42064375	研究论文	本文提出了一种卷积神经网络（CNN），用于输入纵向序数项目数据，预测患者的未来生存轨迹，并证明使用项目级数据比使用总分能提高预测性能	使用CNN直接处理纵向序数项目数据，而不是总分，从而保留了数据的序数性质并减少了信息损失	未明确提及	改进神经退行性疾病中纵向序数项目数据与生存数据的联合分析	帕金森病患者	机器学习	帕金森病	深度学习	CNN	纵向序数项目数据	模拟研究和帕金森病研究数据（具体样本量未提及）	NA	CNN	预测性能（具体指标未提及）	NA
1185	2026-09-23	Personalized White Matter Bundle Segmentation for Early Childhood 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3086478 PMID:42266436	研究论文	该文章提出了一种针对儿童早期白质束分割的个性化深度学习方法，优化了TractSeg架构，并在手动标记的数据集上验证了其性能	首次提出针对儿童的白质束分割方法，修改了TractSeg的输入、评估方式和损失函数，并证明了其优于原始TractSeg	样本量较小（56个手动标记的白质束），且仅在特定队列上验证，泛化能力需进一步验证	优化儿童白质束分割的深度学习模型，提高与专家标记的相似度，并生成可靠的个体化图谱	儿童早期白质束	数字病理学	NA	扩散磁共振成像	CNN	图像	56个手动标记的白质束	NA	UNet	Dice分数, 体积重叠, 体积超出, Wilcoxon符号秩检验, FDR校正	NA
1186	2026-09-23	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in motor imagery and execution 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	本研究发布了首个公开的EEG数据集，专门针对坐-站和站-坐转换过程，涵盖运动执行和运动想象任务，并包含60通道EEG、EOG和EMG同步记录，同时使用三种深度学习基线方法进行基准分类验证	首次发布专门针对坐-站和站-坐转换过程的公开EEG数据集，同时涵盖运动执行和运动想象两种任务范式，并同步记录了EEG、EOG和EMG三种信号	样本量相对有限（22名健康参与者），未包含患者群体，且仅针对下肢坐站转换任务，泛化性有待进一步验证	构建并验证一个针对坐-站和站-坐转换任务的EEG数据集，探索下肢运动相关的神经激活模式，并推动基于EEG的脑机接口算法在移动辅助和康复领域的发展	22名健康参与者的EEG、EOG和EMG信号数据，以及坐-站和站-坐转换过程中的运动执行和运动想象任务	脑机接口	NA	EEG、EOG、EMG	深度学习	信号（EEG、EOG、EMG）	22名健康参与者，60通道EEG、EOG和EMG同步记录	NA	CTNet、EEGNet、TCANet	准确率	NA
1187	2026-09-23	Autoencoder/RandomForest-TabPFN for cross-cancer metabolomics: prostate and breast cancer diagnosis using paper spray and ion mobility-mass spectrometry techniques 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag053 PMID:42096511	研究论文	本研究提出了一种结合自编码器、基于随机森林的特征选择和TabPFN的预测方法，利用纸喷雾电离质谱和离子迁移-质谱技术获取的代谢组学数据，实现前列腺癌和乳腺癌的高精度诊断	首次将自编码器、随机森林特征选择与表格先验数据拟合网络（TabPFN）相结合，应用于跨癌种代谢组学诊断，能够有效将高维数据降维为潜在特征表示，同时捕获肿瘤进展相关变化和特征交互	未明确说明模型在更大规模和多中心数据集上的泛化能力，以及在不同质谱平台间的可迁移性验证尚不充分	开发一种基于深度学习的代谢组学诊断方法，提高前列腺癌和乳腺癌的诊断准确性，并探索AI在代谢组学诊断中的转化潜力	前列腺癌和乳腺癌患者的代谢组学数据，包括尿液、血清样本以及核心针活检样本	机器学习	前列腺癌, 乳腺癌	纸喷雾电离质谱, 流动注射-行波离子迁移-质谱	自编码器, 随机森林, TabPFN	代谢组学数据, 脂质组学数据	NA	NA	Autoencoder, Random Forest, TabPFN	准确率	NA
1188	2026-09-23	RETRACTED: Research on anomaly detection and operational status evaluation methods for smart electricity meters based on hybrid deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350561 PMID:42234697	研究论文	本文提出了一种基于特征图像组合和改进ResNet-18的电能质量扰动识别方法，通过特征融合提高识别准确率	提出特征图像组合与改进ResNet-18相结合的方法，利用六通道输入和特征融合概念增强识别能力	未提及具体限制	解决单图像特征信息有限和传统电能质量扰动识别系统识别能力不足的问题	电能质量扰动信号	机器学习	NA	变分模态分解、连续小波变换、信号到图像转换	CNN	图像	NA	NA	ResNet-18	识别准确率	NA
1189	2026-09-23	Optimizing Sensor and Data Selection on Lower Limbs via Deep Learning for Real-Time Human Activity Recognition 2026, IEEE transactions on human-machine systems IF:3.5Q1 DOI:10.1109/THMS.2026.3651525 PMID:42238992	研究论文	本研究通过深度学习评估下肢传感器选择和数据模态，使用超短50毫秒滑动窗口实现实时人体活动识别，并权衡准确率、延迟和模型复杂度	系统评估了多种传感器组合（包括关节角度、角速度和惯性测量单元）在超短50毫秒窗口下的实时人体活动识别性能，并量化了准确率、延迟和模型复杂度的权衡	摘要中未明确提及研究的局限性	优化下肢传感器和数据选择，以实现实时人体活动识别，并为辅助机器人和移动健康应用提供设计原则	21名受试者执行六种运动活动	机器学习	NA	深度学习	MLP, LSTM, CNN-LSTM	传感器数据（关节角度、角速度、惯性测量）	21名受试者，六种运动活动	NA	MLP, LSTM, CNN-LSTM	准确率	NA
1190	2026-09-23	Objective assessment of rosacea erythema severity: a multimodal artificial intelligence framework integrating VISIA® imaging and image-derived tabular features 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1829629 PMID:42239947	研究论文	该研究基于VISIA®影像与图像衍生表格特征构建多模态人工智能框架，实现玫瑰痤疮红斑严重程度的客观分级	提出融合手工图像表格特征与深度学习表征的多模态框架，用于客观CEA分级，并引入多步专家集体审计建立稳健参考标准，同时针对疾病严重程度的有序性评估QWK和ICC	作为概念验证研究，样本为回顾性单中心队列，需进一步前瞻性多中心验证	开发客观、可重复的玫瑰痤疮红斑CEA分级方法，以减少主观评估的观察者间差异	1,001例玫瑰痤疮患者的标准化VISIA®面部影像及临床数据	数字病理学	皮肤疾病	VISIA®标准化成像、图像衍生表格特征提取、深度学习、多模态融合	CNN	图像、表格数据	1,001例玫瑰痤疮患者	NA	NA	Macro-AUC、Quadratic Weighted Kappa、Intraclass Correlation Coefficient、McNemar检验、DeLong检验	NA
1191	2026-09-23	High-throughput phenotyping for climate-resilient forests: integrating multi-sensor fusion and root-shoot dynamics 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1842337 PMID:42245104	综述	本文综述了高通量表型分析在气候适应性森林中的应用，提出整合多传感器融合与根-冠动态的约束性框架，以弥合地上信号与地下根系性状之间的鸿沟	提出了一种基于约束的框架，将航空传感器数据与生态水文方法和过程模型相结合，以缩小可能的根系功能策略范围而非直接识别根系表型，并强调从冠层扩展到地下根系和土壤-植物-大气连续体的重要性	大多数高通量表型分析仍集中于冠层，忽略了根系和土壤-植物-大气连续体；深度学习模型受限于过拟合、可迁移性有限以及不同森林类型间的域偏移；该方法存在假设和验证方面的挑战	探讨如何通过整合多传感器融合与根-冠动态的高通量表型分析技术，推动气候适应性森林的研究与发展	森林树木（气候适应性森林），包括冠层和根系系统	遥感，机器学习，生态学	NA	热成像，日光诱导叶绿素荧光，高光谱遥感， LiDAR，无人机平台，地面机器人系统	深度学习	图像，光谱数据，点云数据	NA	NA	NA	NA	NA
1192	2026-09-23	FHP-ClsNet: a model for fetal head position classification based on intrapartum ultrasound 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1830543 PMID:42245941	研究论文	该研究提出FHP-ClsNet模型，用于产时超声图像中胎头位置（枕前位、枕后位、枕横位）的分类	提出FHP-ClsNet模型，基于YOLOv8架构，整合了CBAM、ECA和PSA注意力机制以及AIFI特征交互模块	视频序列处理方面仍需进一步改进	开发先进的深度学习模型，准确分类产时超声图像中的胎头位置，以辅助产程管理和分娩结果预测	产时超声图像中的胎头位置	医学图像分析	NA	深度学习	YOLOv8	超声图像	69个标注的产时超声视频（109个视频用于分类测试）	NA	YOLOv8, CBAM, ECA, PSA, AIFI	准确率, PR-AUC, ROC-AUC, kappa系数	NA
1193	2026-09-23	Generative machine learning for multivariate angular simulation 2026, Extremes IF:1.1Q3 DOI:10.1007/s10687-025-00522-7 PMID:42293257	研究论文	本文提出了多种深度生成学习方法（生成对抗网络、归一化流和流匹配）用于多元角度变量模拟，并与经典有限混合vMF分布方法进行比较	首次将生成对抗网络、归一化流和流匹配等深度生成学习方法应用于多元角度变量模拟任务，并进行了系统的性能评估和比较	未明确讨论深度学习方法在高维情形下的可扩展性问题以及计算成本，且混合模型需要增加混合分量数量才能捕捉复杂特征	探索深度生成学习方法在多元角度变量模拟中的应用潜力，并与经典参数方法进行性能对比	多元角度变量、极端值角度-径向框架中的角度分量	机器学习	NA	生成对抗网络、归一化流、流匹配、von Mises-Fisher混合模型	GAN、归一化流、流匹配	数值数据、海洋气象数据	NA	NA	NA	多种评估指标（未具体说明）	NA
1194	2026-09-23	Multimodal Fusion of Structural and Diffusion MRI for Intelligence Prediction 2026, Proceedings. IEEE Southwest Symposium on Image Analysis and Interpretation DOI:10.1109/ssiai68148.2026.11553807 PMID:42293571	研究论文	该研究提出了一种基于深度学习的多模态融合框架，利用结构MRI和扩散MRI数据预测儿童智力，并比较了不同融合策略的效果	提出了一种结合结构MRI和扩散MRI的深度学习多模态融合框架，并系统比较了简单拼接、多头注意力和Transformer编码器三种融合策略在智力预测中的表现	样本仅限于ABCD研究的儿童群体，融合策略比较中简单拼接表现最佳，但未深入解释其优于注意力机制的原因，且未在其他年龄群体或数据集上验证泛化性	开发并评估多模态神经影像融合框架，以提高儿童认知结局（智力）的预测准确性	青少年大脑认知发展（ABCD）研究中的儿童	医学图像分析	NA	结构MRI，扩散MRI	CNN	图像	NA	NA	CNN，多头注意力，Transformer编码器	测试相关系数	NA
1195	2026-09-23	AI-driven insights into protein misfolding and innate immunity in neurodegenerative diseases 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1814357 PMID:42206050	综述	本文系统综述了人工智能在预测神经退行性疾病中错误折叠蛋白的构象特征、模拟蛋白聚集过程、揭示先天免疫感知机制以及重建神经炎症调控网络方面的最新应用	聚焦于将AlphaFold、I-TASSER、RoseTTAFold、Phyre2和ESMFold等深度学习模型应用于蛋白质结构预测，并探讨多模态AI技术在揭示神经退行性疾病复杂分子机制中的相关研究，同时强调AI在解决儿童神经退行性疾病独特诊断挑战方面的潜力	传统实验和计算方法在系统分析蛋白质错误折叠-先天免疫激活机制方面仍存在显著局限性	揭示蛋白质错误折叠与先天免疫之间的内在关系，并探索AI在开发创新诊断工具和治疗方法方面的新途径	神经退行性疾病，包括阿尔茨海默病、帕金森病等成人发病疾病，以及神经元蜡样脂褐质沉积症、尼曼-匹克C型、婴儿神经轴索营养不良等儿童型疾病	机器学习	神经退行性疾病	AI驱动的蛋白质结构预测、多构象建模、多组学数据整合、深度学习	深度学习	蛋白质结构数据、多组学数据	NA	NA	AlphaFold, I-TASSER, RoseTTAFold, Phyre2, ESMFold	NA	NA
1196	2026-09-23	Deep learning‑based cell type prediction in lung tissue from brightfield histology using CODEX-derived labels 2026, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3088120 PMID:42339368	研究论文	本文开发了一个基于深度学习的流程，利用配对CODEX图像的标注作为真实标签，在H&E染色的肺组织切片中自动检测细胞类型	利用CODEX衍生的标签训练深度学习模型，从常规H&E染色组织学图像中预测细胞类型，克服了CODEX技术成本高、劳动密集的局限性	模型在五类细胞类型上的平衡准确率仅为51.3%，预测性能仍有待提升	开发一种从H&E染色肺组织切片中自动检测细胞类型的方法，以近似多重成像衍生的细胞类型图谱	肺组织切片中的细胞类型，包括上皮细胞、免疫细胞、内皮细胞、基质细胞和收缩细胞	数字病理学	肺癌	H&E染色，CODEX（基于索引共检测的多重成像）	语义分割模型	图像	超过230万个标记细胞，来自多个供体的肺组织切片	NA	DeepLabV3+，ResNet	平衡准确率	NA
1197	2026-09-23	Unified Brain Surface and Volume Registration 2026, ... International Conference on Learning Representations PMID:42433295	研究论文	提出一个深度学习框架NeurAlign，通过统一的体积和表面表示联合对齐皮层和皮层下区域，实现3D脑MRI图像的配准	统一了体积和表面配准，利用中间球面坐标空间桥接解剖表面拓扑与体积解剖结构，将球面配准集成到学习中，确保体积和表面域之间的几何一致性	未明确提及	实现准确的大脑MRI扫描配准，用于神经科学研究的跨被试分析	3D大脑MRI图像	医学图像配准	NA	深度学习	深度学习框架	3D MRI图像	域内和域外数据集（具体数量未提及）	NA	NA	Dice分数，变形场正则性	NA
1198	2026-09-23	DEEP-GYRALNET: ENABLING MACHINE LEARNING IN GYRAL FOLDING PATTERN EXTRACTION ON CORTICAL SURFACE 2026, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi61048.2026.11515596 PMID:42436826	研究论文	提出了一种名为Deep-GyralNet的深度学习框架，用于从皮层表面高效提取3铰链脑回和GyralNet	首次将深度学习应用于3铰链脑回识别，结合球面U-Net与连接感知路径强制损失，并引入最小生成树细化确保拓扑有效性	未明确说明，可能依赖于特定数据集（HCP），泛化能力需进一步验证	实现快速准确的3铰链脑回和GyralNet提取，以支持大规模脑回折叠网络研究	大脑皮层表面的3铰链脑回和GyralNet	计算机视觉, 医学图像分析	NA	深度学习, 球面U-Net, 最小生成树	球面U-Net	图像（皮层表面形态特征）	人类连接组计划（HCP）数据集，具体样本量未提供	NA	U-Net	完整度（平均98%），处理时间减少94%	NA
1199	2026-09-23	Choroid plexus volume variation in patients with gliomas, glioneuronal and neuronal tumors: Associations with tumor characteristics 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357498 PMID:42743327	研究论文	该研究探讨了胶质瘤及胶质神经元和神经元肿瘤患者的脉络丛体积变化及其与肿瘤特征的关联	首次在大型队列中系统评估胶质瘤和胶质神经元及神经元肿瘤患者脉络丛体积的改变，并发现脉络丛体积变化主要与肿瘤位置和组织学分类相关而非肿瘤级别，同时探索性发现+7/-10状态与较低的脉络丛体积相关	+7/-10状态与脉络丛体积的关联为探索性发现，需要进一步验证	研究胶质瘤及胶质神经元和神经元肿瘤患者中脉络丛体积的改变，并评估其与肿瘤特征的关联	811例经组织学确诊的脑肿瘤患者（674例胶质瘤和137例胶质神经元和神经元肿瘤）及744例对照	数字病理学	脑肿瘤	3.0 T MRI 三维T1加权成像，FreeSurfer	CNN	图像	811例脑肿瘤患者（674例胶质瘤和137例胶质神经元和神经元肿瘤）及744例对照	NA	nnU-Net, 3D nnU-Net	Mann-Whitney U检验, Kruskal-Wallis检验, 多变量线性回归分析	NA
1200	2026-09-23	PARSEbp: pairwise agreement-based RNA scoring with emphasis on base pairings 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag112 PMID:42079813	研究论文	本文提出了一种基于配对一致性的RNA三维结构快速评分方法PARSEbp，结合结构比对和碱基配对信息来评估构象集合中每个结构的准确性	创新性地将三维全局结构一致性（基于比对）与二维碱基配对一致性相结合，构建共识相似性矩阵，并强调碱基配对在RNA评分中的作用	摘要中未明确说明局限性，可能包括对碱基配对注释的依赖、在非标准配对或复杂拓扑结构上的适用性等	解决RNA三维结构预测和构象采样中高保真评分困难的问题，提高构象集合中模型排序和选择的准确性	CASP16和CASP15挑战中的RNA目标结构	计算生物学, 结构生物信息学	NA	分子动力学模拟, 结构比对, 碱基配对分析	NA	三维结构数据	CASP16和CASP15的RNA目标，具体数量未明确	NA	NA	多种互补评估指标，具体未列出	NA