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
121	2026-06-19	Patch-to-slide fusion deep learning model for histological diagnosis of early pregnancy loss including hydatidiform mole 2026-Apr-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02628-z PMID:42000889	研究论文	开发了一种基于补丁到切片融合的深度学习模型，用于早期妊娠丢失的组织学诊断，包括水泡状胎块	提出了一种带有自适应掩码的补丁到切片融合AI模型，整合多重染色（H&E、p57、Ki-67）以预测组织学诊断，并显著提升病理学家诊断性能	NA	区分早期妊娠丢失的组织学亚型以改善临床诊断，降低成本并辅助遗传检测	早期妊娠丢失病例，包括完全性水泡状胎块、部分性水泡状胎块、水泡状流产及正常对照	数字病理学	早期妊娠丢失	H&E染色、免疫组化染色（p57、Ki-67）	深度学习模型	全切片图像	来自1287例患者的1380张H&E染色、1057张p57染色和646张Ki-67染色全切片图像	NA	补丁到切片融合架构	accuracy, AUROC	NA
122	2026-06-19	A unified multi-scale deep learning framework for molecular property prediction that bridges molecular structures and fingerprinting 2026-Apr-17, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-02010-w PMID:41998275	研究论文	提出一种统一的多尺度图指纹网络（UMSGFNet），融合原子级和子结构级信息与指纹描述符，提升分子性质预测性能	首次将原子级、子结构级信息与分子指纹描述符统一嵌入多尺度框架，通过记忆机制捕获长程依赖并自适应加权图与指纹特征	未提及具体计算资源需求或大规模虚拟筛选的延伸验证	开发兼顾局部分子结构与全局分子上下文的统一分子性质预测框架	分子结构（原子与子结构）及分子指纹	机器学习	NA	分子指纹	图神经网络	分子结构（图）与指纹向量	八个基准数据集	PyTorch	UMSGFNet	分类精度、连续性质预测误差	NA
123	2026-06-19	A deep learning-based digital biopsy for predicting early recurrence in gastric cancer 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71347-6 PMID:41986314	研究论文	提出基于深度学习的多模态预测模型RSA，整合组织病理学特征与临床变量，用于预测局部进展期胃癌术后早期复发	首次将深度学习提取的H&E切片组织病理学特征与临床变量整合，构建可解释的多模态预测模型，并通过多中心队列和前瞻性临床试验验证其泛化性能	模型依赖回顾性数据，仍需前瞻性研究进一步验证；生物机制探索基于转录组和免疫分析，但未深入揭示因果关联	开发能够准确预测局部进展期胃癌术后早期复发的临床可解释预测模型	局部进展期胃癌患者术后早期复发风险预测	数字病理学	胃癌	深度学习、转录组测序、免疫分析	多模态深度学习模型	组织病理学图像、临床变量数据、转录组测序数据	1763例回顾性多中心队列，内部验证集2个，外部验证集2个，前瞻性临床试验1个	PyTorch	RSA模型（多模态融合架构）	AUC	NA
124	2026-06-19	Medical image pretraining-based transfer learning for generalizable and robust diagnosis of bone tumors on radiographs: a multi-center study 2026-Apr-07, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02271-y PMID:41944974	研究论文	开发并验证基于医学图像预训练的深度学习模型，用于X光片上骨肿瘤分类的泛化性和鲁棒性	利用医学领域特定预训练（RadImageNet）向X光片骨肿瘤分类任务迁移学习，相较于自然图像预训练和传统影像组学方法显著提升了模型性能和鲁棒性	回顾性多中心研究，未提及样本选择偏倚或模型在不同种族人群中的适用性，且AI辅助效果因放射科医师个体经验而异	构建一种泛化性强、鲁棒性高的深度学习模型，用于X光片上骨肿瘤分类并提升诊断准确性	2338名经组织病理学确诊的骨肿瘤患者，来自四个医疗中心	计算机视觉，数字病理学	骨肿瘤	NGS， RNA-seq	CNN	图像	2338名骨肿瘤患者（471例开发，1867例外部测试）	NA	ResNet50, InceptionV3, ElasticNet（影像组学模型）	AUC	NA
125	2026-06-19	A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data 2026-04-01, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag026 PMID:41655240	研究论文	对从单细胞RNA数据到ATAC数据的跨组学标签转移的27种计算方法进行全面基准测试	首次系统评估27种工具在单细胞RNA转ATAC标签转移中的表现，并针对数据不平衡、跨组学差异等影响因素进行深入分析	未涵盖所有最新方法，且基准测试中部分工具可能因参数调优不足影响结果	评估并比较跨组学标签转移工具在单细胞RNA与ATAC数据上的性能	来自人和小鼠组织的单细胞RNA和ATAC数据	机器学习	NA	scRNA-seq, scATAC-seq	CNN, LSTM	单细胞RNA测序数据，单细胞ATAC测序数据	多种人和小鼠组织样本	NA	Bridge, GLUE, bindSC等	准确率，预测精度	NA
126	2026-06-19	Deep learning framework for automated classification of thoracolumbar fractures using spinal CT images 2026 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261462739 PMID:42309505	研究论文	利用深度学习方法基于脊柱CT图像自动分型胸腰椎骨折	基于多实例学习框架，结合AlexNet与门控注意力机制用于特征聚合，并采用冠状位和轴位视图的集成策略提升分类性能	样本量为596例患者，数据来源有限，且模型在外部验证中的泛化能力未讨论	评估深度学习框架在CT图像上自动分型胸腰椎骨折的可行性	596例胸腰椎骨折患者的CT图像	计算机视觉	胸腰椎骨折	CT成像	卷积神经网络	CT图像	596例患者的CT图像	NA	AlexNet, 多实例学习, 集成学习	准确率	NA
127	2026-06-19	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2026-03-27, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种新型计算机视觉框架，用于自动分类橄榄球联赛中的头对头撞击与非头对头撞击	首次在橄榄球运动中应用计算机视觉框架自动检测头对头撞击	框架对头对头撞击的灵敏度较低（标准清晰度68%，高清65%）	开发和评估一种自动检测头对头撞击的计算机视觉框架	职业橄榄球联赛中的擒抱事件	计算机视觉	脑震荡	视频分析	三维卷积神经网络（3D-CNN）	视频	训练集341个视频片段，测试集670个视频片段	PyTorch	目标检测算法, 三维卷积神经网络	灵敏度, 特异度, 阳性预测值	NA
128	2026-06-19	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2026-Mar-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09921-3 PMID:41888287	研究论文	利用仅21个参数的随机上下文无关文法（SCFG）模型，结合自动微分技术，仅需少量RNA序列即可发现经典碱基配对规则	证明仅用极少量参数和未标注的序列数据就能重新发现RNA经典碱基配对规则，颠覆了需要大规模模型和标注数据的传统认知	NA	探究发现RNA经典碱基配对规则所需的最小资源和条件	RNA经典碱基配对规则（沃森-克里克-富兰克林配对和摆动配对）	机器学习	NA	自动微分、随机梯度下降	随机上下文无关文法（SCFG）	RNA序列	最少50条RNA序列，测试涉及22个RNA家族的1094条序列	自动微分框架（如PyTorch等）	随机上下文无关文法（SCFG）	NA	NA
129	2026-06-19	Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39196-x PMID:41771952	研究论文	开发并评估了一种基于弱监督深度学习的框架，用于前列腺癌诊断和ISUP分级，利用全切片图像并减少对像素级标注的需求	首次对弱监督MIL方法进行大规模、全面的比较，涵盖六种架构、三种特征编码器和四种补丁提取技术，共计72种配置，并利用分布式云计算处理超过3100万个组织补丁	NA	开发一种弱监督深度学习框架，最小化标注需求并确保可解释性，用于自动化前列腺癌诊断和ISUP分级	前列腺癌全切片图像	数字病理学	前列腺癌	全切片图像处理	多实例学习	图像	PANDA数据集中的10,616张全切片图像，包含超过3100万个组织补丁	PyTorch	CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2	准确率, 二次加权卡帕系数	分布式云计算
130	2026-06-19	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	提出一个结合3D视觉变换器和图学习的统一框架，用于基于结构磁共振成像的重度抑郁症检测	首次将3D视觉变换器与图神经网络结合，用于从sMRI数据中提取区域嵌入并进行抑郁症分类；探索了基于图谱和基于立方体两种区域定义策略	仅使用单一数据集REST-meta-MDD进行验证，未在多中心或更大规模数据上测试；基于立方体的方法性能不如基于图谱的方法，提示模型对领域知识的依赖	开发一种自动检测重度抑郁症的深度学习方法，以提高诊断准确性和早期干预能力	重度抑郁症患者与健康对照的结构磁共振成像数据	机器学习、数字病理	抑郁症	结构磁共振成像	3D视觉变换器、图神经网络	图像	REST-meta-MDD数据集（具体样本数未在摘要中给出）	PyTorch	Vision Transformer (ViT), Graph Neural Network (GNN)	准确率、灵敏度、特异度、精确率、F1分数	NA
131	2026-04-11	A multi-task deep learning and radiomics framework for fetal anatomical structure detection and classification in ultrasound imaging 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41635-8 PMID:41772028	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
132	2026-06-19	Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42568-y PMID:41772099	研究论文	提出一种轻量级卷积神经网络，用于在新西兰边缘设备上实时检测地震P波	针对边缘设备资源受限的特点，设计仅需两秒地震波形输入、参数量约3.8万的轻量化CNN模型，实现在树莓派5上亚7毫秒的实时P波和S波检测	未在极端噪声环境或不同地质区域进行验证，依赖新西兰特定地震台网数据	实现低成本边缘设备上实时地震P波检测，支持分布式地震预警系统	新西兰强震传感器记录的地震波形数据	机器学习	NA	NA	卷积神经网络	地震波形	约8.9万个波形片段，来自新西兰强震传感器	NA	轻量化CNN	准确率, 召回率	树莓派5
133	2026-06-19	Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study 2026-02-04, JMIR nursing DOI:10.2196/82283 PMID:41637487	研究论文	探索肿瘤科护士对预测性症状模型中人工智能组件的感知及其采纳影响因素	基于罗杰斯创新扩散理论，结合混合方法评估护士对AI症状模型的感知，并识别影响采纳的关键因素	样本量较小（15名护士），可能限制结果的普遍适用性	评估肿瘤科护士对AI预测性症状模型的感知以及影响该创新护理技术采纳的因素	肿瘤科护士	机器学习	肿瘤	不适用	深度学习	定性（访谈）和定量（李克特量表）数据	15名具有1年以上经验的肿瘤科护士	不适用	不适用	不适用	不适用
134	2026-06-19	Integrative spatial omics and artificial intelligence: transforming cancer research with omics data and AI 2026-02, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2026.01.002 PMID:41520911	综述	探讨空间组学与人工智能在癌症研究中的整合应用	综述了空间转录组学和空间蛋白质组学与人工智能驱动计算模型在肿瘤学中的最新进展，突出其在生物标志物发现和个性化治疗策略中的潜力	面临高维数据复杂性、计算限制和分析流程标准化等挑战	探索空间组学与人工智能在癌症研究中的整合应用，以推进精准肿瘤学	空间组学数据（空间转录组学、空间蛋白质组学）、人工智能模型、肿瘤微环境	自然语言处理, 机器学习	癌症	空间组学, 空间转录组学, 空间蛋白质组学	深度学习, 空间图分析	空间组学数据	NA	NA	空间图网络, 拓扑数据分析	NA	NA
135	2026-06-19	TriNet-MTL: A Multi-Branch Deep Learning Framework for Biometric Identification and Cognitive State Inference from Auditory-Evoked EEG 2026-02, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0265-25.2025 PMID:41633842	研究论文	提出一个多分支深度学习框架TriNet-MTL，用于从听觉诱发脑电图联合进行生物识别和认知状态推断	首次提出能同时执行生物识别、刺激语言分类和传输模式识别的三重任务多任务深度学习框架	未提及	开发统一的深度学习模型，同时执行生物识别、听觉刺激语言分类和设备模态识别，充分利用听觉诱发脑电图的生理和认知维度	听觉诱发脑电图	机器学习	NA	NA	Transformer	脑电图	20名人类参与者（16名男性，4名女性）	PyTorch	TriNet-MTL（Triple-Task Neural Transformer for Multitask Learning）	准确率	NA
136	2026-06-19	Cell Analyser in Batch for Neurite (CABaNe), an Automated, High-Throughput ImageJ Macro for Cell and Neurite Analysis 2026-02, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0193-25.2025 PMID:41617476	研究论文	介绍CABaNe，一种用于细胞和神经突分析的高通量、自动化ImageJ宏	CABaNe作为开源、高通量、基于规则的ImageJ宏，具有图形界面、元数据生成及分析前后验证功能，并在神经突分析领域实现了更优的精度和适应性	仅测试了小鼠神经母细胞瘤细胞系N2A，且基于规则的细胞识别可能在更复杂场景下表现有限	开发一种用于神经突长度分析的高通量自动化工具，以支持神经生物学研究	小鼠神经母细胞瘤细胞系N2A的细胞及其神经突	数字病理学	神经系统疾病	NA	基于规则的方法	图像	小样本数据集和大样本数据集（具体数量未说明）	ImageJ	NA	精度	NA
137	2026-06-19	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	提出ViralBindPredict深度学习框架，直接从病毒蛋白质序列预测配体结合位点，并构建首个大规模病毒蛋白-配体相互作用基准数据集	首次引入泄漏控制的数据拆分策略构建病毒蛋白-配体相互作用基准；实现无需蛋白质结构的配体结合位点预测	蛋白质序列上下文主导泛化能力，模型对未见蛋白质的预测性能下降明显	开发无需蛋白质三维结构即可预测病毒蛋白-配体结合位点的计算方法，加速抗病毒药物发现	病毒蛋白质序列及其与配体的相互作用	机器学习	病毒感染性疾病	蛋白质序列分析、深度学习	多层感知机	蛋白质序列数据	超过10,000条病毒蛋白质链和约13,000个相互作用样本	PyTorch	多层感知机	精确率-召回率曲线	NA
138	2026-06-19	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in motor imagery and execution 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	本文介绍首个公开的专门针对坐站和站坐转换过程中运动执行与运动想象的脑电图数据集	首次公开提供针对坐站和站坐转换过程的脑电图数据集，同步记录多模态信号，并验证了深度学习方法的分类性能	数据集仅包含22名健康参与者，且未涉及患者群体或真实康复场景	探索下肢运动相关的神经激活模式，支持脑-机接口算法开发以用于移动辅助和康复	22名健康参与者在运动执行和运动想象任务中进行坐站和站坐转换的神经活动	机器学习	NA	脑电图、眼电图、肌电图同步记录	卷积神经网络	脑电图、眼电图、肌电图信号	22名健康参与者	NA	CTNet, EEGNet, TCANet	准确率	NA
139	2026-06-19	A feature-based generalizable prediction model for both perceptual and abstract reasoning 2026-01, Cognitive neuroscience IF:2.0Q3 DOI:10.1080/17588928.2025.2599784 PMID:41396106	研究论文	提出一种基于特征检测、仿射变换估计和搜索的算法模型，用于解决感知和抽象推理任务	该模型能够实现一次性推理，在简化的瑞文推理任务中接近人类水平，并能表达发现的规则和生成多步预测，同时处理包含连续模式的感知挑战	模型仅应用于简化的瑞文任务，未在更复杂的任务或实际场景中验证其泛化能力	研究抽象推理的算法实现，并探讨其对人类推理和智能机器改进的意义	简化的瑞文渐进矩阵任务中的感知和符号推理挑战	机器学习	NA	特征检测、仿射变换估计、搜索算法	算法模型（非神经网络）	图像（瑞文矩阵中的模式）	NA	NA	NA	人类水平性能（未指定具体指标）	NA
140	2026-06-19	[Predictive epileptology: the emergence of a new paradigm for the management of epileptic seizures] 2026, Zhurnal nevrologii i psikhiatrii imeni S.S. Korsakova DOI:10.17116/jnevro202612605114 PMID:42246521	综述	评估基于人工智能的可穿戴设备在预测癫痫发作方面的当前状态和潜在用途	提出预测性癫痫学作为一种新范式，标志着癫痫管理从被动反应向主动风险管理的根本转变	从实验室环境的高准确性到现实世界环境中更适中但具有临床意义的表现之间存在显著差距；高误报率、预测非运动性癫痫发作的挑战以及监管、伦理和经济约束是主要障碍	评估基于人工智能的可穿戴设备预测癫痫发作的可行性及当前技术状态	基于人工智能的可穿戴设备及其在癫痫预测中的应用	机器学习	癫痫	NA	个性化深度学习模型	NA	NA	NA	NA	预测准确性	NA