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
1221	2026-08-23	Robust PV fault diagnosis under data constraints using a hybrid vision transformer with cross-attention fusion and uncertainty-aware explainability 2026-Aug-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-66049-4 PMID:42613391	研究论文	提出一种混合视觉变换器框架HyViX-PV，通过交叉注意力融合和不确定性感知可解释性，实现鲁棒的光伏故障诊断	采用动态交叉注意力融合机制结合EfficientNet-B3和ViT-B/16，通过可学习的查询-键交互实现自适应特征优先化；结合蒙特卡洛dropout进行不确定性量化，支持置信度感知和选择性预测弃权；多粒度可解释性管线集成Grad-CAM、注意力展开和融合权重分析	未明确提及	在数据稀缺、类别不平衡和模型不确定性校准不足的条件下，实现准确可靠的光伏故障诊断，提升系统可靠性和运营效率	太阳能光伏（PV）系统中的故障诊断	计算机视觉、机器学习	NA	NA	混合模型（CNN + Vision Transformer）	图像	未明确提及，但使用五折交叉验证、锁定测试集和基于哈希的数据泄漏预防方法	PyTorch	EfficientNet-B3, ViT-B/16	准确率、宏F1分数	NA
1222	2026-08-23	Predicting ki-67 expression in breast cancer via transformer and multiple instance learning on DCE-MRI 2026-Aug-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01100-1 PMID:42618942	研究论文	本研究开发并比较了基于DCE-MRI的Transformer和多重实例学习深度学习模型，用于无创预测乳腺癌Ki-67表达水平	创新性地提出了结合切片级预测特征的MIL模型（使用PLH和BoW技术）以及基于Transformer的融合模型，通过自注意力机制捕捉切片间全局上下文关系，优于传统影像组学和临床模型	未在摘要中明确提及局限性	探索并比较基于DCE-MRI的先进深度学习模型，以实现对Ki-67表达的无创、精准术前预测	308例经组织学确诊的乳腺癌患者的术前DCE-MRI数据	医学影像分析	乳腺癌	DCE-MRI	Transformer, 多重实例学习(MIL)	医学影像（DCE-MRI）	308例患者	未明确提及	Transformer, MIL（结合PLH和BoW）	AUC, 准确率, 敏感度, 特异性	未明确提及
1223	2026-08-23	Validation of tumour-negative lymph node size as a novel independent prognostic biomarker in oesophagogastric adenocarcinoma: post hoc analysis of the UK MRC OE05 and ST03 randomised trials 2026-Aug-12, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2026.108348 PMID:42585971	研究论文	本研究通过分析两个III期随机试验的切除标本，验证了肿瘤阴性淋巴结大小作为食管胃腺癌独立预后生物标志物的有效性。	首次在独立人群中验证了肿瘤阴性淋巴结大小作为食管胃腺癌的预后生物标志物，并发现其与肿瘤位置和炭末色素负荷相关。	研究基于回顾性分析，且未深入探讨淋巴结增大的机制，需要进一步的功能研究。	验证肿瘤阴性淋巴结大小作为食管胃腺癌独立预后生物标志物的有效性。	来自OE05和ST03试验的1367例食管胃腺癌患者的切除标本。	数字病理学	食管胃腺癌	组织学染色、自动分割和深度学习模型	深度学习模型	组织切片图像	1367例患者（OE05：652例；ST03：715例）	NA	NA	风险比、置信区间、P值	NA
1224	2026-08-23	Transforming subcellular spatial transcriptomics: deep learning models for cell segmentation 2026-Aug-10, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag782 PMID:42621733	综述	本文综述了基于深度学习模型的亚细胞空间转录组学细胞分割方法，包括全卷积神经网络、基于变换器的模型和基础模型，并讨论了它们的架构创新、性能特征和实际限制。	本文系统性地比较了新兴的深度学习细胞分割策略，特别是变换器模型和基础模型在泛化性方面的优势，并预测了未来采用趋势。	本综述指出变换器模型和基础模型的主要限制是数据需求量大和计算成本高，这可能阻碍其广泛采用。	回顾和评估深度学习在亚细胞空间转录组学中用于准确细胞分割的方法，以促进标准化的部署。	亚细胞空间转录组学数据中的细胞分割算法，包括全卷积神经网络、变换器模型和基础模型。	数字病理学	NA	空间转录组学	深度学习模型，包括全卷积神经网络、变换器和基础模型	空间转录组数据（图像和转录本位置）	NA	NA	全卷积神经网络、变换器、基础模型	泛化性、准确性（具体指标如准确率、F1分数等未在摘要中明确）	计算成本高（具体硬件未指定）
1225	2026-08-23	Associations between deep learning-derived infrapatellar fat pad volume on MRI with knee cartilage thickness and imaging features of knee osteoarthritis: Data from the Osteoarthritis Initiative 2026-Aug-07, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2026.08.001 PMID:42567402	研究论文	本研究基于骨关节炎倡议的基线数据，探讨了MRI测量的髌下脂肪垫体积与膝关节软骨厚度及骨关节炎影像特征之间的关联	利用深度学习算法自动分割髌下脂肪垫体积，并在大规模队列中按亚区详细分析其与软骨厚度和WORMS评分的关联	横断面设计，无法推断因果关系，且未提及对计算资源或算法架构的详细说明	评估髌下脂肪垫体积与膝关节软骨厚度及骨关节炎影像特征的关系，并探索亚区特异性关联	骨关节炎倡议中的参与者，共4257人	医学影像分析	膝关节骨关节炎	MRI	深度学习算法	图像	4257名参与者	NA	NA	β系数, 95%置信区间	NA
1226	2026-08-23	An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Aug-07, The American journal of pathology DOI:10.1016/j.ajpath.2026.07.007 PMID:42567444	研究论文	开发了X-SPATIO，一个将H&E形态与空间分辨的mRNA和蛋白质表达直接关联的计算流程，用于三阴性乳腺癌的空间生物标志物预测和可视化	首次将空间分辨的组学数据与常规组织病理学整合，采用多实例学习方法生成空间形态注意力图，实现低成本推断广泛的基因/蛋白质表达网络的空间模式	依赖GeoMx数字空间 profiling数据的成本和可扩展性限制，可能未涵盖所有临床场景	开发一个空间兼容的计算流程，将H&E形态与区域匹配的mRNA和蛋白质表达连接起来，实现空间生物标志物的推断和可视化，促进精准肿瘤学	三阴性乳腺癌的组织切片，包括肿瘤、间质和免疫区域	数字病理学	三阴性乳腺癌	GeoMx数字空间 profiling	多实例学习模型	图像（H&E染色组织切片）和空间组学数据（mRNA和蛋白质表达）	未明确说明样本数量，但涉及区域匹配的空间组学数据	未明确说明	多实例学习架构	AUC	未明确说明
1227	2026-08-23	A lightweight deep learning framework for fast, real-time super-resolution fluctuation imaging 2026-Aug-06, Biophysical reports IF:2.4Q3 DOI:10.1016/j.bpr.2026.100279 PMID:42562212	研究论文	本文介绍了一种轻量级深度学习框架RESURF，用于快速、实时的超分辨率波动成像，通过减少所需帧数和计算开销，实现了活细胞动态过程的实时高分辨率成像	采用轻量级递归神经网络模型，可将所需帧数减少至8帧，同时将空间分辨率提高一倍，推理时间低于30毫秒，并支持在极低信噪比条件下进行活细胞成像	未明确提及局限性，但可能受限于对特定生物结构的通用性及跨显微镜设置时需少量数据进行迁移学习	开发一种基于深度学习的实时超分辨率波动成像框架，以克服传统方法需要大量帧数和计算密集的缺点，实现活细胞快速动态过程的实时成像	活细胞中的多种亚细胞结构和标记策略	计算机视觉, 数字病理学	不适用	荧光波动成像	递归神经网络	图像	不明确，涉及模拟数据和多种亚细胞结构的实验数据	不明确	递归神经网络	空间分辨率, 推理时间	不明确
1228	2026-08-23	Deep Learning Estimation of Forced Expiratory Volume in One Second/Forced Vital Capacity and Obstructive Lung Disease Classification From Chest Radiographs With Subgroup Performance Analysis in a North American Cohort: Retrospective Cohort Study 2026-Aug-05, JMIR AI DOI:10.2196/87770 PMID:42555927	研究论文	本研究训练了一个深度学习模型，从胸部X光片中估计FEV1/FVC比值并分类气流阻塞，并在北美队列中评估其性能及亚组差异。	首次在北美队列中评估深度学习模型利用胸部X光片估计FEV1/FVC和分类气流阻塞，并进行了亚组性能审计。	单中心研究，缺乏外部验证；亚组性能差异需进一步验证。	评估深度学习模型从胸部X光片估计FEV1/FVC和分类气流阻塞的性能，并审计不同人口统计学亚组的差异。	3537名在加拿大安大略省大型医院网络接受肺活量测定和胸部X光检查的成年人。	深度学习、医学影像分析	慢性阻塞性肺疾病（COPD）	胸部X光片分析	卷积神经网络（CNN）	图像（胸部X光片）和临床数据（肺活量测定）	训练集2263例，验证集566例，测试集708例（3273次检查）	PyTorch	ConvNeXt-Base	平均绝对误差（MAE）、均方根误差（RMSE）、Pearson相关系数、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、似然比（LR+、LR-）、校准曲线、决策曲线分析	未提及具体GPU型号或云计算平台
1229	2026-08-23	Non-invasive prediction of dupilumab response in facial atopic dermatitis using early post-treatment reflectance confocal microscopy features 2026-Aug-05, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2026.07.109 PMID:42556736	研究论文	利用治疗后早期的反射共聚焦显微镜特征结合深度学习，非侵入性地预测面部特应性皮炎患者对度普利尤单抗的治疗反应	首次利用治疗后早期的反射共聚焦显微镜特征结合深度学习，实现对面部特应性皮炎患者度普利尤单抗疗效的无创预测	队列规模相对较小	探索反射共聚焦显微镜作为非侵入性方法，预测度普利尤单抗治疗面部特应性皮炎皮损的疗效，并通过深度学习实现有效预测	接受度普利尤单抗治疗的面部特应性皮炎患者	数字病理学	特应性皮炎	反射共聚焦显微镜	深度学习	图像	52名特应性皮炎患者	PyTorch	ResNet101	曲线下面积	NA
1230	2026-08-23	Sampling frequency has architecture-dependent effects on electrocardiogram deep learning classification: Convolutional neural networks are robust, whereas transformers benefit modestly 2026-Aug-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.07.045 PMID:42551688	研究论文	本研究评估了心电图采样频率对卷积神经网络和Patch Transformer架构在分类性能和计算成本上的影响	首次系统比较不同采样频率下CNN和Patch Transformer在心电分类中的表现与计算成本，揭示了架构依赖性的效应	仅使用PTB-XL数据集，未涵盖其他心电图数据集或真实临床环境	评估心电图采样频率对深度学习分类性能和计算成本的影响，以支持资源受限环境下的采集策略选择	15,000份12导联心电图记录	机器学习	心肌梗死、ST/T波改变、传导障碍、肥大	心电图（ECG）	卷积神经网络（CNN）和Patch Transformer	心电图信号数据	15,000份12导联心电图	NA	CNN, Patch Transformer	宏观ROC AUC、敏感性、训练时间、内存使用、推理延迟	NA
1231	2026-08-23	Seeing is believing-on the utility of CT in phenotyping chronic obstructive pulmonary disease 2026-Aug-01, The British journal of radiology DOI:10.1093/bjr/tqaf160 PMID:40650927	综述	本文综述了胸部CT在慢性阻塞性肺疾病（COPD）表型分析中的应用进展，从传统阈值法到深度学习方法，并讨论了面临的挑战和未来前景	系统梳理了CT生物标志物在COPD中的演变，涵盖传统阈值法、纹理分析、图像配准及最新深度学习自动提取方法，并强调空间感知机制和个性化管理潜力	数据集异质性、模型泛化性和临床可解释性仍是主要挑战	探讨胸部CT生物标志物在COPD表型表征和结果预测中的效用及未来发展	慢性阻塞性肺疾病（COPD）患者的胸部CT影像及多种肺部结构（肺实质、气道、血管、裂）的生物标志物	医学影像分析	慢性阻塞性肺疾病	CT成像	深度学习模型（未具体指定）	影像数据（CT图像）	NA	NA	NA	NA	NA
1232	2026-08-23	Deep learning-driven 3-D histopathology method: a pipeline for cellular-resolution myocarditis analysis 2026-Aug-01, American journal of physiology. Heart and circulatory physiology DOI:10.1152/ajpheart.00265.2026 PMID:42294766	研究论文	提出一种基于深度学习的3D组织病理学流水线，用于心肌炎的小鼠心脏细胞分辨率3D重建与分析	改进了CODA流水线以兼容Linux环境，整合可视化工具和心肌炎特异性训练数据以提高分割精度，并支持STL格式导出用于3D Slicer可视化	摘要未明确提及局限性	实现对浸润性心脏病（如心肌炎）的定量3D组织分析	小鼠心脏组织	数字病理学	心肌炎（病毒性心肌炎）	3D组织重建，深度学习分割	DeepLabv3+ (CNN)	3D组织学图像	6个心脏样本（COVID-19诱导心肌炎模型）	NA	DeepLabv3+	准确率（>90%）	Linux环境，并行处理（每心脏<150分钟）
1233	2026-08-23	Identifying sex-specific sub-phenotypes of Alzheimer's disease progression using longitudinal electronic health records 2026-Aug, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106391 PMID:42462283	研究论文	利用纵向电子健康记录，通过深度学习框架识别阿尔茨海默病进展的性别特异性亚表型	提出了一种基于深度学习的方法，利用纵向EHRs自动识别性别特异性的AD亚表型，并揭示了不同性别的疾病进展轨迹和共病模式	未在摘要中提及明确的局限性	从纵向电子健康记录中表征阿尔茨海默病进展的性别特异性异质性	1665名阿尔茨海默病患者（961名女性，704名男性）	机器学习	阿尔茨海默病	电子健康记录分析	自编码器	纵向电子健康记录数据	1665名AD患者（961名女性，704名男性）	NA	自编码器	生存分析、统计显著性	NA
1234	2026-08-23	A modality-agnostic coronary artery habitat model for cardiac sparing in radiotherapy 2026-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.70595 PMID:42482440	研究论文	开发了一种模态无关的冠状动脉栖息地模型，用于放射治疗中的心脏保护	提出统计方法定义冠状动脉高风险区域，结合深度学习与高分辨率CT血管造影图像，实现跨模态的自动预测	未明确提及	提升放射治疗中的心脏保护，通过自动预测冠状动脉高风险区域以优化治疗计划	冠状动脉及其栖息地	医学图像分析	癌症	CTA、MRI、CT	深度学习模型（nnU-Net等）	影像数据	182个CCTA和60个胸部放疗体积数据	NA	nnU-Net	包含率、豪斯多夫距离、剂量相关性、组内相关系数	NA
1235	2026-08-23	Global Attention Mechanism-Enhanced Deep Learning for Multi-Sequence MRI Diagnosis of Early Femoral Head Osteonecrosis 2026-Aug, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70354 PMID:42615368	研究论文	本研究开发了一种基于全局注意力机制增强的深度学习模型（GAM-YOLO），用于多序列MRI对早期股骨头坏死的自动诊断。	将全局注意力机制（GAM）集成到YOLO分割模型中，以提高多序列MRI诊断早期股骨头坏死的性能，并与放射科住院医师的诊断能力进行比较。	研究为回顾性多中心研究，未提及模型在不同MRI设备或更广泛人群中的泛化验证。	开发一种自动化、多序列MRI的早期股骨头坏死诊断模型，提高诊断准确性并提供客观工具。	282例患者的342个坏死股骨头和233名健康个体的265个健康股骨头，共包含7844个标注的股骨头实例。	计算机视觉、数字病理	股骨头坏死	MRI	YOLO、全局注意力机制（GAM）	MRI图像（T1WI、FS-T2WI、Cor STIR）	342个坏死股骨头和265个健康股骨头，共7844个标注实例	PyTorch	YOLO、GAM-YOLO	敏感性、特异性、准确性	NA
1236	2026-08-23	MRI-Based Radiomics Model for Predicting Eligibility for Conservative Management of Endometrial Cancer 2026-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72141 PMID:42618514	研究论文	基于MRI影像组学模型预测早期子宫内膜癌患者适合保守治疗的资格。	使用多种机器学习与深度学习方法结合MRI影像组学特征，预测保守治疗资格，并提供外部验证。	未提及，但可能受限于样本量和回顾性设计。	开发和验证基于MRI的影像组学模型，用于预测早期子宫内膜癌患者保守治疗的资格。	184例经组织病理学确诊的早期子宫内膜癌患者。	机器学习	子宫内膜癌	MRI（T2WI, DCE-T1WI, ADC）	支持向量机、随机森林、决策树、逻辑回归、多层感知机	影像数据	184例（训练集123例，内部验证集31例，外部测试集30例）	NA	多层感知机、随机森林、支持向量机、决策树、逻辑回归	受试者工作特征曲线下面积（AUC）、校准曲线、临床决策曲线	NA
1237	2026-08-23	Deciphering Spatiotemporal Dynamics of Fermented Grains in the Jiangxiangxing Baijiu Production Process: Insights From a Transformer-Based Deep Learning Model 2026-Aug, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71316 PMID:42618751	研究论文	本研究利用基于Transformer的深度学习模型LimiX解析酱香型白酒发酵过程中酒醅的时空动态，实现发酵状态的智能监测	首次将Transformer架构应用于白酒发酵过程的时空动态解析，结合扩增子测序数据和理化指标，实现了高精度的发酵轮次和层次判别	未明确提及局限性，但可能受限于样本采集范围（仅涵盖大回酒轮次3-5）及外部验证的样本量	解析酱香型白酒固态发酵中微生物群落和理化参数的时空异质性，并开发基于深度学习的发酵状态监测方法	酱香型白酒发酵过程中的酒醅（Zaopei）样本，涵盖大回酒轮次3-5	机器学习, 数字病理学	NA	扩增子测序, 理化指标分析	Transformer	测序数据, 理化指标数据	涵盖大回酒轮次3-5的酒醅样本，具体样本数未在摘要中提供	NA	Transformer	AUC, 准确率, PERMANOVA	NA
1238	2026-08-23	Development and validation of an artificial intelligence-based tool to detect subclinical atheroesclerosis using non-mydriatic retinal funduscopic images: the Aitheroscope project 2026-Aug, European heart journal. Digital health DOI:10.1093/ehjdh/ztag129 PMID:42626643	研究论文	开发并验证了一种基于人工智能的工具，利用非散瞳视网膜眼底图像检测亚临床动脉粥样硬化	首次将深度学习与放射组学和临床数据整合的多模态AI模型应用于视网膜图像，以检测超声确认的亚临床动脉粥样硬化	研究人群主要为女性且年龄较轻，可能限制了结果的普遍性；需要进一步外部验证	开发并前瞻性验证一种基于视网膜眼底图像的人工智能工具，用于检测亚临床动脉粥样硬化，以改善心血管风险评估	931名无既往心血管疾病的参与者，平均年龄52.6岁，70.2%为女性	计算机视觉	心血管疾病	深度学习，放射组学，临床数据整合	多模态AI模型（结合CNN和MLP）	图像和临床数据	931名参与者（推导队列781名，测试集150名）	PyTorch	CNN（用于视网膜图像）和MLP（用于临床数据）	AUC, 敏感性, 阴性预测值	NA
1239	2026-08-23	The 5000 Babies Project: Early detection of cerebral palsy movement patterns in infants 2026-Jul-27, Research square DOI:10.21203/rs.3.rs-9856805/v1 PMID:42620243	研究论文	本研究评估了使用计算机视觉和时间序列分析婴儿视频数据来早期检测脑性瘫痪的可行性	利用现成的姿态估计模型和深度学习技术，对0-6个月婴儿视频进行运动模式分析，以实现脑性瘫痪的早期检测，填补了传统GMA评估在可扩展性方面的不足	可行性研究，样本量有限，模型性能有待进一步提高，需要进一步研究来验证其在临床实践中的适用性	评估使用计算机视觉和婴儿视频时间序列分析进行脑性瘫痪预测的可行性	0至6个月校正年龄的婴儿	计算机视觉	脑性瘫痪	视频姿态估计	深度学习模型	视频数据	930名婴儿，其中42名在2岁时被诊断为脑性瘫痪	NA	姿态估计模型	ROC-AUC, 灵敏度, 特异性	NA
1240	2026-08-23	AlphaGEM enables precise genome-scale metabolic modelling by integrating protein structure alignment with deep-learning-based dark metabolism mining 2026-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75549-w PMID:42463708	研究论文	开发了AlphaGEM工具箱，结合蛋白质结构比对和深度学习暗代谢挖掘，实现精确的基因组规模代谢模型构建	首次将蛋白质结构比对与深度学习暗代谢挖掘相结合，提升同源关系识别并扩展物种特异代谢网络	未说明具体限制，可能涉及对非模式生物数据依赖性及深度学习预测的不确定性	实现跨物种高效、精确的基因组规模代谢模型自动构建	非模式生物，包括原核生物、真核生物和哺乳动物及多种酵母	机器学习	NA	蛋白质结构比对，蛋白质语言模型，深度学习预测	深度学习模型（如PLMSearch）	基因组序列、蛋白质结构数据	涵盖6个物种验证及332种酵母菌株	NA	PLMSearch	预测准确性、模型质量	NA