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
1381	2026-07-30	Efficient Double Helix Detection with Steerable Filters 2025-Aug-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.14.670427 PMID:40894605	研究论文	提出一种利用可转向滤波器高效检测双螺旋点扩散函数的方法，用于三维单分子定位显微镜	仅需7次卷积即可提取二维位置和叶瓣方向（轴向位置）估计，计算量比深度学习方法低数个数量级	NA	实现三维单分子定位显微镜或追踪中双螺旋点扩散函数的快速定位	双螺旋点扩散函数定位	计算机视觉	NA	可转向滤波器	NA	图像	NA	PYME	双高斯模型	NA	NA
1382	2026-07-30	Deep Learning-Based MRI Analysis Reveals Lewy Body Co-Pathology Accelerates Brain Aging in Alzheimer's Disease 2025-Jun-26, Research square DOI:10.21203/rs.3.rs-6874970/v1 PMID:40678251	研究论文	基于深度学习的MRI分析揭示了路易体共病理加速阿尔茨海默病脑老化进程	利用脑脊液α-突触核蛋白种子扩增检测法（SAA）检测路易体病理，结合深度学习模型估计脑龄，首次量化阿尔茨海默病与路易体共病理对神经退化的协同效应	未明确提及	探究路易体病理与阿尔茨海默病病理共同作用对脑老化的影响，评估其加速神经退化的作用	认知障碍患者（共803例）及认知正常个体（共4,355例）的MRI脑部扫描数据	machine learning	阿尔茨海默病	MRI, 脑脊液α-突触核蛋白种子扩增检测（SAA）	深度学习模型	MRI图像	4,355名认知正常个体（训练集）和803名认知障碍患者（测试集）	NA	NA	脑龄预测误差	NA
1383	2026-07-30	Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656907 PMID:40501585	研究论文	提出一种基于生物启发的稀疏注意力机制的蛋白质语言模型，扩展至病毒基因组尺度以捕获长程蛋白质相互作用	首次将蛋白质语言模型的上下文窗口扩展至整个病毒基因组，利用蛋白质-蛋白质相互作用的稀疏注意力机制实现长达61000个氨基酸序列的学习，替代传统单蛋白质模型	仅针对病毒基因组进行验证，可能不适用于更复杂的真核生物基因组；依赖蛋白质相互作用注释，对于注释不完整的基因组性能可能下降	开发能够捕获基因组内长程蛋白质相互作用的蛋白质语言模型，提升病毒蛋白质的表示学习能力	病毒全基因组序列中的蛋白质	自然语言处理	NA	蛋白质语言模型、稀疏注意力机制	Transformer	蛋白质序列	多个病毒全基因组序列	NA	Transformer	嵌入表示质量评估指标	NA
1384	2026-07-30	Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting 2025-04-29, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00198 PMID:40231794	研究论文	基于导电体表印迹的选择性单细菌分析与运动追踪	利用脂多糖和大肠杆菌作为表体和整体模板，通过密度泛函理论预测理想单体，制备具有清晰高精度识别位点的分子印迹聚合物，并结合深度学习实现单细菌运动轨迹追踪	未明确说明	开发高效的单细菌选择性捕获与监测技术，提升电化学生物传感器的选择性和灵敏度	肠道菌群中的大肠杆菌	机器学习	NA	导电分子印迹, 电化学传感, 深度学习	深度学习模型	图像, 电化学信号	单细菌及细菌群体	NA	NA	检测限为10 CFU/mL, 选择性提高433%	NA
1385	2026-07-30	Cooperative multi-task learning and interpretable image biomarkers for glioma grading and molecular subtyping 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103435 PMID:39778265	研究论文	提出一种协同多任务学习网络CMTLNet，用于胶质瘤分级和分子分型，并探索可解释的影像生物标志物	设计无分割的肿瘤特征感知模块提取肿瘤感知特征，通过正交投影和条件分类策略提取任务特有特征，结合SHAP值和相关性分析探索可解释放射组学标志物	NA	同时准确预测胶质瘤组织学分级和分子亚型，并提供可靠的影像生物标志物	胶质瘤分级、1p/19q共缺失和IDH突变状态预测任务	计算机视觉	胶质瘤	NA	CMTLNet（协同多任务学习网络）	医学影像	超过1800例的多中心数据集	NA	CFE模块（含SFTFP子模块）、UFE模块、UCFC模块	马修斯相关系数（MCC）	NA
1386	2026-07-30	DDCSR: A Novel End-to-End Deep Learning Framework for Cortical Surface Reconstruction from Diffusion MRI 2025-Mar-05, ArXiv PMID:40093365	研究论文	提出一个名为DDCSR的新型端到端深度学习框架，可直接从扩散磁共振成像中重建皮层表面	首次实现直接从dMRI数据进行皮层表面重建，无需依赖T1加权数据或跨模态配准	文中未明确提及限制	实现从dMRI数据直接进行皮层表面重建，克服传统方法依赖跨模态配准的挑战	大脑皮层表面（白质表面和软脑膜表面）	数字病理学	NA	扩散磁共振成像（dMRI）	深度学习框架	图像（dMRI数据）	NA	NA	隐式学习模块和显式学习模块	准确率、效率	NA
1387	2026-07-30	ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins 2024-06, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5015 PMID:38747369	研究论文	介绍ProkDBP，一种用于预测原核生物DNA结合蛋白的机器学习模型	提出了一种专门针对原核生物DNA结合蛋白的新型机器学习模型ProkDBP，结合浅层学习算法和进化特征选择，显著提高了预测准确性	未明确说明局限性，但可能受限于训练数据集的多样性和模型泛化能力	开发更精确的原核生物DNA结合蛋白预测模型，以加速蛋白质发现和生物学理解	原核生物DNA结合蛋白（DBPs）	机器学习	NA	NA	浅层学习（如LGBM）和深度学习（如CNN等）	序列特征数据	NA	Scikit-learn, PyTorch（推测）	LGBM, RF-VIM	auROC, auPRC, 五折交叉验证准确率	未明确说明，但提供在线预测工具（https://iasri-sg.icar.gov.in/prokdbp/）
1388	2026-07-30	Enhancing psychiatric rehabilitation outcomes through a multimodal multitask learning model based on BERT and TabNet: An approach for personalized treatment and improved decision-making 2024-06, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115896 PMID:38626625	研究论文	开发了一种基于BERT和TabNet的多模态多任务学习模型，用于提升严重精神疾病患者的康复评估	通过晚期融合策略整合BERT处理非结构化文本与TabNet处理结构化数据，实现多模态多任务学习，同时具备可解释性功能	NA	提升严重精神疾病患者康复评估的准确性和可解释性，辅助临床决策	严重精神疾病患者的康复状态预测，包括转诊风险、危险行为、自我意识和药物依从性	自然语言处理，机器学习	精神疾病	NA	BERT， TabNet	非结构化文本，结构化诊断数据	NA	NA	BERT， TabNet	准确率， AUC	NA
1389	2026-07-30	Artificial intelligence in lung cancer screening: Detection, classification, prediction, and prognosis 2024-04, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7140 PMID:38581113	综述	本文综述了人工智能在肺癌筛查中的应用，包括检测、分类、预测和预后	详细分析了深度学习特别是卷积神经网络在肺癌筛查各环节的应用潜力	人工智能结果的普适性和可解释性有待进一步增强	探讨人工智能在肺癌筛查中的当前状态、应用及未来方向	肺癌筛查中的人工智能技术，包括肺部分割、结节检测和分类	机器学习和数字病理学	肺癌	深度学习	卷积神经网络	图像	NA	NA	卷积神经网络	敏感度、假阳性率	NA
1390	2026-07-30	MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism 2024-04, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4966 PMID:38532681	研究论文	提出了一种基于注意力机制的多模态特征融合新型抗癌肽预测框架MA-PEP	利用多种注意力机制增强和融合不同模态的特征，提升抗癌肽预测性能	未明确提及局限性	改进抗癌肽预测方法，实现更准确高效的预测	抗癌肽（ACPs）	机器学习	癌症	NA	注意力机制	肽序列及化学特征	多个基准数据集	NA	MA-PEP	预测性能指标	NA
1391	2026-07-30	Construction and validation of artificial intelligence pathomics models for predicting pathological staging in colorectal cancer: Using multimodal data and clinical variables 2024-04, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6947 PMID:38545828	研究论文	开发和验证基于HE和Ki67病理切片的AI病理组学模型，用于预测结直肠癌病理分期	整合多模态病理组学数据（HE和Ki67）与临床病理变量构建联合模型和列线图，并发现Ki67切片在病理组学建模中优于HE切片	样本量较小（267例），为单中心回顾性研究，需外部验证	实现AI辅助的结直肠癌准确病理分期，支持临床决策	结直肠癌患者	数字病理学	结直肠癌	HE染色，免疫组化（Ki67）	逻辑回归	图像（病理切片）	267例结直肠癌患者（训练集213例，测试集54例）	NA	NA	AUC	NA
1392	2026-07-30	Comparison of deep learning-based recurrence-free survival with random survival forest and Cox proportional hazard models in Stage-I NSCLC patients 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6479 PMID:37644818	研究论文	比较深度学习模型DeepSurv、随机生存森林和Cox比例风险模型在I期非小细胞肺癌患者无复发生存预测中的性能	首次在I期非小细胞肺癌患者中系统比较深度学习生存模型与传统统计和机器学习方法在复发预测中的表现	单中心回顾性研究，样本量有限（268例），且未提及基因突变等分子标志物对复发的影响	评估不同统计和机器学习方法在I期非小细胞肺癌复发预测中的效能，为临床决策提供依据	接受手术切除的I期非小细胞肺癌患者	机器学习	肺癌	NA	DeepSurv, 随机生存森林, Cox比例风险模型	临床数据	268例I期非小细胞肺癌患者（训练集和测试集随机划分）	NA	DeepSurv	Harrell's C指数	NA
1393	2026-07-30	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	提出SLEAP，一个用于多动物姿态追踪的深度学习系统	结合了可访问的图形用户界面、标准化数据模型、可重复配置系统、30多种模型架构以及两种部分分组和身份追踪方法，实现了多动物无标记姿态估计的高准确度和实时处理速度	未明确提及	开发能够处理多动物姿态追踪挑战的机器学习系统，支持社交行为研究	多动物姿态追踪	计算机视觉	不适用	未明确提及	深度学习模型	图像	涵盖苍蝇、蜜蜂、小鼠和沙鼠共七个数据集	未明确提及	超过30种模型架构	准确度（accuracy）、速度（frames per second）、延迟（latency）	未明确提及
1394	2026-07-29	Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds 2026-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122076 PMID:42242428	研究论文	利用可穿戴设备衍生的昼夜节律生物标志物进行抑郁发作的提前一周预测	首次整合心率衍生的余弦峰相位和基于睡眠时间的褪黑素相位代理指标，并采用基于风险的阈值进行性能评估	需要外部验证、概率校准、可迁移性评估和前瞻性发作评估	实现抑郁发作的早期检测和风险分层	情感障碍患者	机器学习	情感障碍	可穿戴设备监测	时间序列模型	心率、睡眠时间等可穿戴设备数据	144名参与者，90281人-天	NA	NA	AUROC、阳性预测值	NA
1395	2026-07-29	CARES-Net: a channel-attention residual network for multi-disease classification in small-sample 1H NMR metabolomics data 2026-08-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345614 PMID:42191258	研究论文	提出CARES-Net，一种用于1H NMR代谢组学小样本多疾病分类的通道注意力残差网络	将残差连接与通道注意力机制整合，自适应重加权光谱特征，增强有效代谢信号并抑制噪声和冗余变量	NA	提升基于小样本NMR代谢组学的疾病分类准确性	儿童营养不良和胰腺导管腺癌（PDAC）患者的血清1H NMR数据集	机器学习	营养不良, 胰腺导管腺癌	NMR代谢组学	CNN	光谱数据	儿童营养不良和PDAC患者的小样本血清样本	PyTorch	残差网络，通道注意力机制	准确率	NA
1396	2026-07-29	Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal 2026-Aug, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2555516 PMID:40985643	研究论文	提出一种联邦学习启用的统一Transformer模型，用于癫痫发作检测，解决数据隐私和时空特征提取问题	将联邦学习与Paillier同态加密结合，并采用混合图注意力框架（边缘增强图卷积网络和谱图注意力）及统一Transformer模型，同时实现隐私保护、时空特征提取和分类精度提升	未提及具体局限性	开发一种保护数据隐私的癫痫发作检测方法，提高分类准确性	脑电图（EEG）信号中的癫痫发作特征	机器学习	癫痫	EEG信号处理、多尺度小波系数、独立成分分析	Transformer、图卷积网络	EEG信号	三个数据集	NA	统一Transformer、边缘增强图卷积网络、谱图注意力	准确率、安全性、精确率	NA
1397	2026-07-29	Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development 2026-Aug, The Journal of hospital infection IF:3.9Q1 DOI:10.1016/j.jhin.2026.04.019 PMID:42069224	系统综述	对人工智能在医院感染防控中的实际实施、影响及模型开发后的差距进行系统综述	区分了已实施集成的系统与未实施的开发/验证研究，并关注非预期后果（如不必要的隔离或警报疲劳）的量化	研究证据碎片化，多局限于回顾性模型开发；实施研究常缺乏标准化感染结局和后续监测；未控制混杂因素的自身前后对照评价造成偏倚风险	综合评估人工智能/机器学习在急性护理医院感染防控中的实际实施效果、影响及模型开发后的差距	急性护理医院的感染防控系统	机器学习	医院感染	NA	传统机器学习、自然语言处理、深度学习、基于规则或专家系统	NA	59项研究（其中9项为实际实施，50项为开发/验证）	NA	NA	NA	NA
1398	2026-07-29	Generating Synthetic MR Perfusion Maps From DWI and FLAIR in Acute Ischemic Stroke: Development and External Validation of a Deep Learning Model 2026-Aug, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.126.055813 PMID:42312380	研究论文	利用深度生成模型从弥散加权成像和液体衰减反转恢复序列合成急性缺血性卒中患者的MR灌注图，并进行了外部验证	首次从非对比MRI序列（DWI和FLAIR）生成合成T-max灌注图，避免了对比剂注射，缩短了成像时间	基于回顾性数据，样本量有限（355名患者），外部验证的Dice系数较低（0.59）	开发一种无需对比剂的深度学习模型，从常规MRI序列推断灌注信息，简化急性卒中成像流程	急性前循环卒中患者的MRI数据（DWI、FLAIR、DSC灌注）	机器学习	急性缺血性卒中	MRI（弥散加权成像、液体衰减反转恢复、动态磁敏感对比增强灌注）	去噪扩散概率模型和生成对抗网络	图像	355名急性前循环卒中患者（来自欧洲两个中心）	NA	去噪扩散概率模型（2.5维架构）	图像相似度度量、Dice系数	NA
1399	2026-07-29	Diagnostic assessment of artificial intelligence reconstruction on accelerated prostate MRI: a retrospective, paired, multi-reader multi-case study 2026-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12479-7 PMID:41925836	研究论文	评估AI重建技术在加速前列腺MRI中维持前列腺癌检测性能的效果	首次在多读者多病例研究中验证AI重建可实现六倍加速而不显著降低前列腺癌检测性能	更高加速倍数下诊断性能下降趋势需进一步前瞻性评估	评估AI重建加速前列腺MRI在保持诊断性能方面的有效性	120例来自UMCG的多线圈T2加权前列腺MRI扫描和312例来自NYU的公开扫描数据	医学影像	前列腺癌	MRI	深度学习模型	MRI图像	432例前列腺MRI扫描（120例UMCG + 312例NYU）	NA	NA	AUROC, 图像质量Likert评分	NA
1400	2026-07-29	A Multitask Deep Learning Model for Pediatric Echocardiography Analysis 2026-Jul-28, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.126.080619 PMID:42517220	研究论文	EchoAI-Peds是一个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测28种先天性心脏缺陷及异常	首个基于视频的视觉Transformer多任务儿科超声心动图模型，整合多视图信息，显著优于成人基础模型	未在摘要中明确说明局限性	开发一个专门适用于儿科人群的多任务深度学习模型，自动解析超声心动图诊断先天性心脏缺陷	儿科超声心动图视频，涵盖28种先天性心脏缺陷、结构功能异常、修复及干预	计算机视觉	先天性心脏缺陷	超声心动图	视觉Transformer	视频	训练集10,815项研究（>700,000个视频），验证集1,294项研究，内部测试集1,336项研究，外部测试集2,121项研究	NA	视觉Transformer	AUROC	NA