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
1281	2026-07-30	Unlocking the Regulatory Genome: Interpreting the Clinical Impact of Noncoding Variants in Genetic Cardiomyopathies 2026-Jul-03, Circulation. Genomic and precision medicine DOI:10.1161/CIRCGEN.126.005721 PMID:42394602	综述	综述非编码变异在遗传性心肌病中的临床影响解读策略	全面总结了新兴技术在非编码调控区域识别与变异解读中的应用，包括大规模平行报告分析、深度学习等方法	未涉及非编码变异功能性验证中的实验局限性，且主要聚焦于心肌病领域	探讨非编码基因组在心肌病遗传病因中的临床影响及解读方法	非编码调控区域变异及其在心肌病中的作用机制	机器学习	心肌病	全基因组测序、大规模平行报告分析	深度学习	基因组序列数据	不适用（综述文章）	深度学习框架（未具体说明）	不适用	不适用	不适用
1282	2026-07-30	From Optical to AI-Driven Markerless Motion Capture in Motor Learning and Rehabilitation 2026-Jul-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070776 PMID:42510442	综述	评估基于人工智能的无标记动作捕捉技术在运动学习和康复中的临床转化潜力	系统比较了从传统几何视觉外壳到先进深度学习架构（尤其是YOLO二维检测和时空变换器三维姿态估计）的技术演进，并首次论证了单目系统在老年跌倒风险和中风恢复纵向监测中的临床适用性	在精确轴向旋转测量方面仍存在挑战，需进一步技术改进	探讨无标记动作捕捉技术如何民主化运动科学在临床康复中的应用	运动学习与康复中的动作捕捉技术应用场景	计算机视觉	老年疾病, 中风	无标记动作捕捉	YOLO, 时空变换器	图像	NA	NA	YOLO, 时空变换器	位置误差(MPJPE), 灵敏度	NA
1283	2026-07-30	LipiDetective: a deep learning model for the identification of molecular lipid species in tandem mass spectra 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag378 PMID:42506874	研究论文	提出了一种基于Transformer的深度学习模型LipiDetective，用于从串联质谱中鉴定分子脂质种类	首次利用Transformer模型学习脂质特征碎片化模式，实现不依赖实验条件的分子脂质种类准确鉴定，并通过集成梯度方法提供可解释性预测	NA	开发一种数据驱动的、可跨实验室和流程比较的分子脂质种类鉴定方法	串联质谱中的分子脂质种类	机器学习	NA	串联质谱(MS/MS)	Transformer	质谱谱图数据	包含脂质标准品、数据库和出版物中谱图的数据集	NA	Transformer	NA	NA
1284	2026-07-30	Explainable Multi-Modal Deep Learning for Recording-Level Classification of Respiratory Audio Signals Under Internal and Domain-Shift Evaluation 2026-Jul-02, Life (Basel, Switzerland) DOI:10.3390/life16071108 PMID:42514178	研究论文	提出一种可解释的多模态深度学习框架，用于呼吸音频信号的记录级多分类	融合CNN-BiLSTM-注意力机制的时频谱编码器和手工声学特征编码器，实现数据驱动与领域知识的互补，并整合Grad-CAM、集成梯度和SHAP进行可解释性分析	外部域迁移效果有限，健康病例识别在ICBHI数据集上表现差，COPD识别存在种子依赖性，且主体级重叠可能高估内部分数	开发用于呼吸音频信号记录级分类的可解释多模态深度学习系统，并评估其内部性能与外部域迁移能力	呼吸音频信号，包括支气管疾病、哮喘、COPD、健康和肺炎五个类别	机器学习	呼吸系统疾病	音频信号处理（MFCC、过零率、频谱质心、频谱带宽、色度、RMS能量、频谱滚降）	CNN-BiLSTM-注意力机制、随机森林	音频	哮喘检测数据集版本2（五类呼吸系统疾病）、ICBHI呼吸声音数据库、COPD聚焦队列	NA	CNN-BiLSTM-注意力机制	准确率、平衡准确率、宏F1分数、宏ROC-AUC、宏PR-AUC	NA
1285	2026-07-30	aiSysMet: AI-powered systems metabolomics for biomarker discovery 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag520 PMID:42458204	研究论文	介绍了aiSysMet平台，这是一个基于人工智能的系统代谢组学平台，用于生物标志物发现，利用统计、机器学习和深度学习方法处理代谢组学数据、注释代谢物并整合多组学数据	开发了一个AI驱动的交互式、模块化网络平台，整合了统计、机器学习和深度学习方法用于代谢组学数据处理、代谢物注释和多组学整合分析，并可通过云端执行	背景中提及传统非靶向LC-MS代谢组学中大部分检测峰未注释，且存在峰检测、对齐及同位素/加合物处理的不确定性，这些限制也适用于该平台	利用AI技术解决代谢组学数据中的代谢物注释不足和多组学整合问题，促进生物标志物发现	代谢组学数据、多组学数据	机器学习	NA	LC-MS（液相色谱-质谱联用）	统计模型、机器学习模型、深度学习模型	代谢组学数据、多组学数据	NA	NA	NA	NA	云端计算
1286	2026-07-30	Virtual Staging of Indoor Panoramic Images via Multitask Learning and Inverse Rendering 2026 Jul-Aug, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3605806 PMID:40902042	研究论文	提出VISPI框架，通过多任务学习和逆渲染从单张室内全景图像实现虚拟布景	结合多任务深度学习和实时渲染，从杂乱场景中同时提取几何、语义和材质信息，并支持交互式物体放置和头戴显示探索	NA	实现从单张全景图像进行室内场景的交互式虚拟布景	室内全景图像	计算机视觉	NA	逆渲染	视觉Transformer	图像	在Structured3D和FutureHouse数据集上评估	NA	视觉Transformer	NA	NA
1287	2026-07-30	Deep Learning-Based Eddy Segmentation With Vector Data for Biochemical Analysis in Ocean Simulations 2026 Jul-Aug, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3630582 PMID:41201923	研究论文	研究基于深度学习和矢量数据的大洋环流涡旋分割方法，用于海洋模拟中的生化分析	提出双分支注意力U-Net架构，分别编码矢量幅度和方向，以处理海洋速度场矢量输入的复杂性	仅聚焦于输入编码策略，未探讨模型泛化性到其他海洋数据或实时应用场景	改进海洋模拟数据中涡旋分割的深度学习模型性能	海洋环流模拟数据中的涡旋结构	计算机视觉	不适用	不适用	注意力U-Net	矢量场（海洋速度场）	四个大规模三维海洋模拟数据集	NA	双分支注意力U-Net	四种分割指标（具体名称未列出）	NA
1288	2026-07-29	Plain Radiographs, Smarter Triage: Deep Learning and Clinical Context in Bone Tumor Assessment 2026-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.261857 PMID:42517759	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1289	2026-07-30	Radiograph-based Deep Learning Algorithm for Assisting Bone Tumor Risk Assessment: A Multicenter Study 2026-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.252921 PMID:42517768	研究论文	开发并评估一种基于X线影像的深度学习模型（DL-Clinic-RADS）用于骨肿瘤的二分类风险分层（良性 vs 潜在恶性），并与放射科医生和骨报告及数据系统（Bone-RADS）的评估进行比较	提出了一种融合图像、临床/语义特征与专家共识的双视图交叉注意视觉Transformer模型（DL-Clinic-RADS），并在多中心数据上验证了其优于Bone-RADS和放射科医生的性能	未提及具体的局限性，但可能包括回顾性设计的偏倚或样本分布不均等	评估基于X线影像的深度学习模型在骨肿瘤风险分层中的多中心性能，以及与Bone-RADS和放射科医生评估的比较	经组织病理学证实的骨肿瘤患者	机器学习	骨肿瘤	NA	视觉Transformer	X线影像	回顾性数据集1777名患者，前瞻性测试集152名参与者	PyTorch	双视图交叉注意视觉Transformer	AUC, 精确率-召回曲线, 校准曲线, 决策曲线分析, Fleiss κ, 阅读时间, 置信度	NA
1290	2026-07-30	What every dentist needs to know about the use of artificial intelligence in orthodontic treatment planning 2026 Jul-Aug, General dentistry PMID:42329610	研究论文	探讨人工智能如何通过自动化功能简化正畸工作流程，包括头影测量分析、矫治器设计、预测模拟和实时患者监测	系统性阐述人工智能在正畸治疗规划中的多种自动化应用及其对诊断准确性、个性化治疗和临床效率的提升作用	未讨论AI系统的实际临床验证、数据隐私问题或实施成本等潜在限制	为牙科医生提供人工智能在正畸治疗规划中应用的全面知识	正畸治疗规划中的人工智能应用	机器学习	口腔疾病	NA	深度学习，监督学习，无监督学习	NA	NA	NA	NA	NA	NA
1291	2026-07-30	Advancing battery failure diagnosis by knowledge-augmented large language models 2026-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag348 PMID:42519668	研究论文	提出一种知识增强的大语言模型框架，用于电池故障诊断	首次构建案例级电池故障知识图谱，并开发知识增强生成方法，结合故障特征感知检索与优化算法，提升大语言模型在电池故障诊断中的推理能力	仅基于故障知识图谱进行实验，未涉及不同电池类型及复杂场景下的性能评估	解决传统电池故障诊断方法对大量训练数据的依赖、泛化能力差和可解释性不足等问题	电池故障诊断系统	机器学习	NA	知识图谱构建、知识增强生成	大语言模型	文本（故障知识数据）	未明确说明	NA	BattFailScholar	诊断性能提升率（19.7%）、潜在故障机制识别准确率（86.2%）	NA
1292	2026-07-30	An Introduction to 3-D Sparse CNNs 2026 Jul-Aug, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2026.3696340 PMID:42519872	研究论文	本文介绍了基于体素的稀疏3D卷积神经网络（CNN），重点探讨如何高效处理三维几何数据并应对存储与计算挑战	系统阐述了稀疏3D卷积的实现原理及八叉树、哈希表等关键数据结构的实践应用，弥补了3D深度学习在稀疏处理方面的入门指南空白	未提供具体实验验证或性能对比分析，可能缺乏对复杂场景下稀疏网络局限性的深入探讨	为3D稀疏CNN提供易于理解的入门介绍，涵盖体素卷积、稀疏计算及实现所需的数据结构	三维几何数据，包括表面体素、点云占用单元等不规则且大部分为空的空间结构	计算机视觉	不适用	稀疏卷积	稀疏CNN	三维数据（体素、点云）	不适用	不适用	稀疏CNN	不适用	不适用
1293	2026-07-30	Coarse-to-Fine Curriculum Transfer Learning Using RF-Derived Ultrasound Representations for Small-Data Breast Tumor Detection 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070769 PMID:42510435	研究论文	提出一种基于课程迁移学习的乳腺肿瘤检测方法，利用RF信号派生表示优化小数据集下的检测性能	首次将RF信号派生的相位、包络和B模式图像按序列顺序作为训练课程，在单一检测模型架构中实现多模态信息利用，无需复杂融合计算	结果仅为固定患者级划分和100次随机种子重复评估的验证性证据，缺乏外部临床泛化性，且局限于小数据设定	开发一种轻量级、计算高效的乳腺肿瘤检测方法，应对小数据集和散斑噪声挑战	乳腺超声图像中的肿瘤检测	计算机视觉	乳腺癌	超声波成像（RF信号）、迁移学习	YOLO系列（YOLOv5, YOLOv8, YOLO11, YOLO26）	图像（相位、包络和B模式超声图像）	基于100次随机种子重复评估的小数据集	NA	YOLOv5, YOLOv8, YOLO11, YOLO26	mAP@50	NA
1294	2026-07-30	Benign Share Benefit to Malignant: Balanced Mixing on Feature Space for Imbalanced Breast Cancer Classification 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070765 PMID:42510431	研究论文	提出B2M框架，用于不平衡乳腺X线图像的BI-RADS分类	B2M模型通过两阶段训练策略，结合双重采样和特征空间混合，在C-View乳腺X线图像上实现针对不平衡多类BI-RADS分类的类平衡处理	基于EMBED队列，需要外部和前瞻性验证才能用于临床	解决乳腺X线数据集中类别不平衡导致的模型识别偏差问题	C-View乳腺X线图像中的BI-RADS类别	数字病理学	乳腺癌	C-View乳腺X线成像	CNN	图像	EMBED数据集的C-View队列（未明确样本数）	NA	ResNeXt-50	平衡准确率, Macro-F1分数	训练时间开销约2.81倍，未增加推理成本
1295	2026-07-30	VQ-SToRM: Vector-Quantized Smoothness Regularization on Manifolds for Free-Breathing, Ungated Real-Time Cardiac MRI Reconstruction 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070764 PMID:42510430	研究论文	提出一种基于向量量化变分自编码器的无监督实时心脏MRI重建方法，用于自由呼吸、无门控采集场景	用学习到的离散码本替代传统连续潜在流形，增强模型对心-呼吸运动分离表示能力，避免后验坍塌问题	未提及在真实临床患者数据（如心律失常、儿科人群）上的验证，仅基于健康志愿者数据评估	实现自由呼吸、无门控实时心脏MRI的高质量图像重建	健康志愿者的自由呼吸、无门控螺旋采集心脏MRI数据	计算机视觉	心血管疾病	磁共振成像	向量量化变分自编码器	图像	健康志愿者数据（未提供具体人数）	PyTorch	VQ-VAE	信噪比、对比噪声比	NA
1296	2026-07-30	Causal Responsibility Based Explainable AI for Vibrational Spectroscopy Applied to Oral FTIR and Oesophageal Raman Diagnostics 2026-Jun-29, Research square DOI:10.21203/rs.3.rs-8338382/v1 PMID:42427831	研究论文	提出了一种基于因果责任的振动光谱可解释AI方法Spec-ReX，并用于口腔FTIR和食管拉曼诊断	首次将因果责任机制引入振动光谱的可解释AI，提供稀疏且模型因果归因图	解释仅针对训练模型行为而非生物学因果，临床效用需通过用户中心研究验证	开发并评估一种新的因果责任可解释AI方法用于振动光谱诊断	合成光谱、生化混合物、口腔FTIR组织光谱和食管拉曼组织光谱	机器学习	口腔癌, 食管癌	FTIR光谱, 拉曼光谱	深度学习模型	光谱数据	NA	NA	NA	交并比, 归因集中度, 阳性命中率, 稳健性	NA
1297	2026-07-30	ETDACVO: Structural-Fidelity-Aware Evolutionary Co-Optimization for Robust and Explainable Brain Tumor MRI Classification 2026-Jun-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14071475 PMID:42511950	研究论文	提出ETDACVO混合进化优化系统，联合优化数据增强和优化器动态，提升脑肿瘤MRI分类的鲁棒性与可解释性	首次将塔斯马尼亚恶魔优化、反保守变量优化和指数加权移动平均平滑结合，在单一进化循环中同时演化数据增强策略和优化器动态，并引入收敛感知的可解释性机制CA-EA-GradCAM	未提及具体局限性	开发鲁棒且高效的可解释优化框架，解决异构成像条件下脑肿瘤MRI分类的域漂移和收敛稳定性问题	脑肿瘤MRI图像	计算机视觉, 机器学习	脑肿瘤	MRI	CNN, Transformer	图像	28151张MRI图像（来自Nickparvar、Mendeley、BRISC和Figshare四个数据集）	NA	GradCAM	准确率, 收敛速度, 域迁移性能保持率	NA
1298	2026-07-30	CosFNet: A Lightweight Epileptic EEG Detection Model Based on Cosine Convolution and FNet 2026-Jun-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070754 PMID:42510421	研究论文	提出一种基于余弦卷积和FNet的轻量级癫痫脑电检测模型CosFNet	创新性地将余弦卷积前端与基于傅里叶变换的FNet编码器结合，实现轻量高效的癫痫脑电检测，模型仅含19,458个可学习参数	未提及模型的实时处理延迟或具体功耗数据，且仅在两个数据集上验证，泛化能力需进一步评估	设计轻量级深度学习模型，实现资源受限环境下癫痫脑电信号的自动检测	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	脑电图（EEG）, 离散傅里叶变换	CosFNet（余弦卷积+FNet编码器混合架构）	脑电图信号	CHB-MIT公开数据集（含多例患者脑电记录）；SH-SDU自建数据集（样本量未明确）	PyTorch	余弦卷积, FNet编码器	敏感度, 特异度, AUC, 假阳性率	NA
1299	2026-07-30	Targeting the Undruggable: Deep Learning-Driven Design of Peptide Therapeutics in Cancer 2026-Jun-27, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19070998 PMID:42515682	综述	探讨深度学习驱动的肽类药物设计，用于靶向传统上难以成药的蛋白质	提出将深度学习（特别是扩散生成模型）整合到肽类发现中，实现从经验过程到理性设计范式的转变	主要基于观点和文献综述，缺乏实际实验验证和临床数据支持	探索深度学习方法在解决不可成药蛋白质靶点问题中的应用潜力，并构建实验-计算集成框架	不可成药蛋白（如KRAS、p53、c-MYC）及其蛋白-蛋白相互作用	机器学习	癌症	NA	扩散生成模型、深度学习	NA	NA	NA	NA	NA	NA
1300	2026-07-30	Three-Dimensional Deep Learning with Routine Brain Magnetic Resonance Imaging and Clinical Data for Identification of Secondary Progressive Multiple Sclerosis 2026-Jun-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16070670 PMID:42512445	研究论文	利用三维深度学习结合常规脑部MRI及临床数据识别继发性进展型多发性硬化	首次使用3D VGG19、ResNet152和DenseNet-121深度学习框架在常规临床数据集上区分SPMS和RRMS，并应用3D梯度加权类激活映射解释模型，识别关键脑区	样本量有限（140人），且未外部验证，可能限制泛化性	探索三维深度学习框架是否有助于基于常规临床数据集区分SPMS和RRMS，并确定对该区分起主要作用的脑区	70名RRMS患者和70名SPMS患者的前瞻性收集临床及影像数据	数字病理学	多发性硬化	NA	CNN	图像	140人（RRMS和SPMS各70人），训练集120人，测试集20人	PyTorch	VGG19, ResNet152, DenseNet-121	受试者工作特征曲线下面积（AUC）	NA