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
1461	2026-08-20	Predicting time-to-event clinical outcomes with multivariate repeated measurements of patient-level covariates: A systematic review 2026-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105087 PMID:42547001	系统综述	本系统综述旨在识别和比较使用多变量重复测量数据预测生存结局的方法，并将其归类为不同的方法学家族	首次系统性地对基于多变量重复测量数据的生存预测方法进行聚类，并采用多维度评分比较各方法的优劣	纳入研究存在较高的偏倚风险，机器学习方法在处理非规则采样方面能力有限	识别并比较基于重复测量的生存预测方法，评估其适用性和性能特征	58篇原始同行评审研究，涉及使用多变量重复测量数据开发时间至事件预测模型	机器学习、统计学	NA	NA	联合模型、深度学习模型、地标方法、数据操作方法	结构化重复测量健康数据	58项研究，样本量因研究而异	NA	NA	NA	NA
1462	2026-08-20	Spatial signal distribution learning for high-resolution 3D system matrix calibration in magnetic particle imaging 2026-Aug-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae88ae PMID:42425149	研究论文	提出一种基于空间信号分布学习的磁粒子成像三维高分辨率系统矩阵校准方法	设计了通道解耦的多路径状态空间模型，通过多路径遍历捕获空间各向异性和长距离依赖，并采用通道分组降低计算开销	未在更多临床数据集上验证，且未讨论计算资源消耗	减少三维高分辨率系统矩阵校准的工作量和成本，同时保持重建质量	磁粒子成像中的三维系统矩阵	数字病理学	不适用	磁粒子成像	状态空间模型	模拟和真实的三维系统矩阵数据	未指定	未指定	多路径状态空间模型（MPC-SSM）	归一化重建误差	未指定
1463	2026-08-20	Adaptive graph learning of microbial phylogeny enables accurate and interpretable microbiome-based host phenotype prediction 2026-Aug-19, Applied and environmental microbiology IF:3.9Q2 DOI:10.1128/aem.00788-26 PMID:42429765	研究论文	提出了PhyloGCNE框架，通过边感知图卷积直接建模微生物样本为图，整合系统发育信息，实现准确且可解释的宿主表型预测	首次将微生物样本直接建模为图，利用边感知图卷积学习系统发育信息对信号传播的影响，并引入系统发育显著性传播框架进行模型解释	未明确提及，但可能受限于对大规模数据集的扩展性	开发一种准确且可解释的系统发育感知框架，用于微生物组为基础的宿主表型预测	人类微生物组样本，涉及炎症性肠病、结直肠癌、2型糖尿病、口腔鳞状细胞癌、胃癌和膳食纤维干预等表型	机器学习	炎症性肠病、结直肠癌、2型糖尿病、口腔鳞状细胞癌、胃癌	NA	图卷积网络	微生物组数据	一个合成数据集和八个真实世界数据集	NA	PhyloGCNE	NA	NA
1464	2026-08-20	Improved synthetic CT image quality does not guarantee dosimetric agreement in CBCT-based adaptive proton radiotherapy 2026-Aug-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae95da PMID:42556407	研究论文	本研究评估了基于去噪扩散概率模型和循环一致性生成对抗网络从质子门控CBCT生成合成CT的图像质量与剂量准确性，并与商业治疗计划系统中的非学习方法进行比较	首次系统比较了深度学习方法和非学习方法在质子门控CBCT合成CT生成中的图像质量和剂量准确性，并揭示图像质量指标与剂量准确性之间缺乏相关性	研究仅涉及头颈和肺部两个队列，且未对深度学习模型进行多中心验证；剂量准确性评估依赖于特定的治疗计划系统	评估不同合成CT生成方法在质子自适应放疗中的剂量准确性，并探究图像质量指标与剂量一致性之间的关系	头颈部和肺部癌症患者的质子门控CBCT图像及临床批准的质子治疗计划	计算机视觉	头颈部癌症、肺癌	CBCT成像	去噪扩散概率模型、循环一致性生成对抗网络	图像	头颈和肺部两个队列的临床数据，具体样本量未在摘要中说明	NA	DDPM, CycleGAN	平均绝对误差、峰值信噪比、归一化互相关系数、伽马通过率、剂量体积直方图指标	NA
1465	2026-08-20	Allosteric prediction via convolutional neural networks and protein structural and dynamical features 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.12.011 PMID:41383018	研究论文	本研究利用卷积神经网络结合蛋白质结构和动力学特征来预测KRas蛋白的变构功能状态	首次将蛋白质结构和动力学特征转化为图像形式，利用预训练的CNN模型（GoogLeNet和ResNet18）进行变构状态分类，并发现原子接触图和线性化互信息是最有效的特征	仅以KRas蛋白作为模型系统，未验证在其他蛋白质上的泛化能力；依赖X射线晶体结构，可能未覆盖所有构象状态	开发一种基于机器学习的计算方法，利用蛋白质结构和动力学特征预测变构功能状态，以辅助功能注释和药物开发	小G蛋白KRas的活性与非活性状态	机器学习	癌症（由于KRas与多种癌症相关）	X射线晶体学（使用已有结构数据）	卷积神经网络	图像（由原子间距离、接触图、协方差和互信息转换而成）	KRas蛋白的多个X射线晶体结构（具体数量未说明）	NA	GoogLeNet, ResNet18	准确率（高达90%）	NA
1466	2026-08-20	Development and Validation of a Machine Learning Classification Algorithm for Differentiating Frontotemporal Dementia from Alzheimer's Disease Using Automated Brain MRI Volumetry 2026-Aug-18, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9546 PMID:42498651	研究论文	开发并验证了一种基于自动脑容积测量的机器学习分类算法，用于区分额颞叶痴呆与阿尔茨海默病及正常认知个体，并通过外部验证和放射科医师阅读研究评估其临床实用性。	创新点包括使用不对称指数和基于残差的颅内体积标准化，结合额叶、内侧和外侧区域体积特征，并在真实临床环境中进行外部验证和放射科医师阅读研究。	摘要中未明确提及研究的局限性。	开发并验证一种分类算法，利用自动脑容积测量来区分额颞叶痴呆、阿尔茨海默病和正常认知个体，并评估其临床效用。	研究对象为额颞叶痴呆患者、阿尔茨海默病患者和认知正常个体。	机器学习，医学影像分析	额颞叶痴呆，阿尔茨海默病	自动脑容积测量（基于深度学习）	XGBoost分类器	3D T1加权MRI影像数据及MMSE评分	训练和内部验证集：758名受试者（FTD=142，AD=216，CN=400）；外部验证集：89名受试者（FTD=18，AD=24，CN=47）	NA	XGBoost	准确率、敏感性、特异性、AUC	NA
1467	2026-08-20	ViralMap: predicting features in viral proteins from primary sequence 2026-Aug-18, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.00757-26 PMID:42517630	研究论文	开发了ViralMap，一种基于ESM-2语言模型表示的多标签注释模型，用于从病毒蛋白初级序列中同时预测跨域拓扑、定位、翻译后修饰和结构特征的十个注释类别	首个专门针对真核病毒蛋白的多标签注释模型，利用ESM-2语言模型实现单一序列输入同时预测十个注释类别，且能对训练中未见过的病毒家族蛋白进行预测	未在标题和摘要中明确提及，推测可能受限于训练数据的多样性或注释类别的覆盖范围	为疫苗设计提供从原始病毒蛋白序列到所需注释谱的实用桥梁，支持快速应对新发病原体威胁	真核病毒蛋白，包括SARS-CoV-2、HIV-1、尼帕病毒和拉沙病毒的复杂糖蛋白	机器学习	感染性疾病	序列注释	多标签深度学习模型	蛋白质初级序列	未提供具体样本数量，涉及其核病毒蛋白序列数据集	未明确提及，可能使用PyTorch或类似框架	ESM-2	精确率-召回率曲线下面积（PR-AUC）	未明确提及，推测使用GPU（如NVIDIA V100或A100）进行模型训练和推理
1468	2026-08-20	Multi-modal AI-enabled steatotic liver disease diagnostics using facial images and metabolomics 2026-Aug-18, Cell reports. Medicine DOI:10.1016/j.xcrm.2026.102971 PMID:42567162	研究论文	该论文介绍了一种基于三维面部图像和代谢组学的多模态人工智能系统3D-FAICE，用于非侵入性检测脂肪性肝病	首次使用三维面部成像进行脂肪性肝病的非侵入性筛查，并结合代谢组学验证生物学合理性，通过跨模态蒸馏策略提高面部模型的性能	摘要未明确提及研究的局限性	开发一种非侵入性、可扩展且保护隐私的脂肪性肝病筛查工具	脂肪性肝病的非侵入性检测方法	计算机视觉	脂肪性肝病	三维面部成像，代谢组学	深度学习系统	三维面部图像，代谢组学数据	11,456名参与者	NA	3D-FAICE	准确性	NA
1469	2026-08-20	Subtyping and Prediction of the Glucose Based on the Hybrid Modeling of Deep Learning and Dietary Stimulated Glucose Metabolism Dynamical Model 2026-Aug-18, Bulletin of mathematical biology IF:2.0Q3 DOI:10.1007/s11538-026-01678-4 PMID:42611105	研究论文	本研究提出一种整合连续血糖监测数据驱动分类与混合建模的分析框架，用于个性化血糖调节评估，并识别血糖反应亚型。	首次将饮食刺激的葡萄糖-胰岛素动力学模型与长短期记忆残差网络相结合，构建兼具可解释性与预测准确性的混合模型，用于血糖调节的个性化评估。	未在摘要中明确提及局限性，可能涉及样本量较小（44名成年人）或研究周期较短（7-14天）。	通过CGM数据驱动的血糖反应分类和混合建模，实现对血糖调节的精准评估，并识别血糖异常亚型，以支持个性化代谢风险管理和精准血糖控制。	44名成年人，进行7至14天的个性化随访，收集连续血糖监测数据。	机器学习	糖尿病	连续血糖监测	长短期记忆残差网络	血糖时间序列数据	44名成年人	NA	长短期记忆残差网络	均方根误差，决定系数	NA
1470	2026-08-20	Deep learning-derived left ventricular circumferential strain for cardiac MRI diagnosis of acute myocarditis with preserved ejection fraction 2026-Aug-18, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03797-4 PMID:42611414	研究论文	评估基于深度学习的左心室周向应变在射血分数保留的急性心肌炎心脏磁共振诊断中的性能，并与特征追踪应变比较	提出使用深度学习模型（结合PPIM-Net分割和U-Net运动追踪）自动计算左心室周向应变，减少操作者依赖性及分析时间，并显示出比传统特征追踪应变更高的诊断敏感性	未提供具体局限性，可能包括单中心回顾性设计、样本量有限等，但原文未详述	评估深度学习衍生的左心室周向应变在射血分数保留的急性心肌炎诊断中的价值，并与传统方法比较	142名急性心肌炎患者（其中106例射血分数保留，36例射血分数降低）及106名年龄性别匹配的健康对照者	医学影像分析，心脏磁共振成像	心肌炎	心脏磁共振成像	深度学习模型（卷积神经网络U-Net，金字塔渐进图像映射网络PPIM-Net）	心脏磁共振图像	142名患者（106例射血分数保留，36例降低）及106名健康对照	未提及	PPIM-Net（分割）和U-Net（运动追踪）	AUC、敏感性、特异性	未提及
1471	2026-08-20	Spatiotemporal Prediction of River Fish Biodiversity by Multimodal Deep Learning of eDNA and Satellite Imagery 2026-Aug-18, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c05038 PMID:42611479	研究论文	开发了一种多模态深度学习框架，整合卫星图像与环境表格数据，利用eDNA数据预测河流鱼类物种丰富度，实现跨空间和时间的生物多样性监测	提出水引导空间注意力机制和注意力自编码器，实现原始卫星图像与表格数据的多模态融合，优于传统基于缓冲区的单模态方法	未提及	开发可跨时空泛化的高分辨率河流鱼类生物多样性预测框架，支持淡水生态系统保护	中国六个河流域的1302个采样点的鱼类物种丰富度	深度学习、环境DNA、卫星遥感	不适用	环境DNA（eDNA）、卫星遥感	U-Net编码器-解码器、注意力自编码器	卫星图像、环境表格数据、eDNA数据	1302个采样点，覆盖六个中国河流域，以及2018-2023年的多年野外调查数据	未提及	U-Net、注意力机制（水引导空间注意力）、注意力自编码器	R²、相关系数（r）	未提及
1472	2026-08-20	Fuzzy Neural Module Network: Leveraging Univariate Models and Layer-Specific and Network-Wide Dual Learning 2026-Aug-18, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3717170 PMID:42611654	研究论文	提出一种增量扩展的模糊神经模块网络（FNMN），通过模块化层次架构和混合学习策略，有效处理低维和高维问题，无需降维技术，并在多个基准数据集上优于传统模型	引入基于决定系数的模块选择机制，采用变量特定的单变量模糊规则架构避免指数规则增长，结合最小二乘模块学习和全局反向传播微调的混合学习策略，显著降低模型复杂度并提升性能	未提及具体限制，如在高维复杂场景下的泛化能力或计算资源需求	提出并验证一种高效、可扩展的模糊神经模块网络，以在不依赖降维的情况下处理低维和高维问题	28个公开基准数据集	机器学习	不适用	模糊神经模块网络	模糊神经模块网络（FNMN）	基准数据集（数值型）	28个公开基准数据集	不适用	模块化层次架构，包含单变量模糊神经模块（UFNM）	平均性能提升、统计显著性检验	不适用
1473	2026-08-20	Deep Supervised Adversarial Robust Hashing for Retrieval 2026-Aug-18, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725315 PMID:42611668	研究论文	提出了一种端到端的深度监督对抗鲁棒哈希框架（DSARH），利用相似性矩阵和可学习哈希码构造基于梯度的最坏情况扰动，以提高跨模态和图像检索任务中的鲁棒性	首次在检索任务中利用相似性矩阵和可学习哈希码实现无显式标签的对抗训练，并证明其能提升鲁棒泛化能力，同时缓解模态异质性	未提及额外的局限性信息	增强深度哈希模型在检索场景下的对抗鲁棒性，并实现可靠的推理	跨模态和图像检索基准数据集	计算机视觉, 机器学习	NA	NA	深度哈希模型	图像和文本	NA	NA	NA	标准性能, 对抗性能	NA
1474	2026-08-20	DeltaGNN: Graph Neural Network With Information Flow Control 2026-Aug-18, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725398 PMID:42611664	研究论文	提出DeltaGNN，一种具有信息流控制机制的图神经网络，用于解决过度平滑和过度压缩问题，高效捕捉长程和短程节点交互。	提出信息流控制机制和新的信息流评分，以线性计算开销解决过度平滑和过度压缩，DeltaGNN是首个可扩展且泛化的长程和短程交互检测架构。	未提及明确局限性，可能缺乏对某些极端图结构的适应性验证。	开发一种可扩展且泛化的GNN架构，以高效捕捉图结构中的长程和短程节点交互，同时解决过度平滑和过度压缩问题。	10个真实世界图数据集，涵盖不同大小、拓扑、密度和同质性比例。	图神经网络	不适用	图神经网络	图神经网络（GNN）	图数据	10个真实世界图数据集	未提及	DeltaGNN	准确率、计算复杂度（未明确列出具体指标）	未提及
1475	2026-08-20	MobileSleepNet: A Deployment-Oriented Framework for Sleep Staging on Mobile Devices 2026-Aug-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3725115 PMID:42611672	研究论文	提出一种面向移动设备的超轻量级睡眠分期框架MobileSleepNet，可在严格计算和能耗约束下实现与大型模型相当的临床级性能，支持本地推理和隐私保护	采用部署导向的设计视角，结合紧凑卷积骨干网络与无神经参数的混合时间细化策略，在不使用循环或注意力模型的情况下实现有效时间建模，实现了模型规模与计算成本的大幅降低	未明确提及局限性，但可推断其依赖单通道脑电数据可能限制多模态信息利用，且评估基于预记录数据而非实时流式处理	验证在移动设备上仅使用单通道脑电图实现临床竞争性睡眠分期的可行性，以支持隐私保护和节能的边缘睡眠分析	睡眠分期任务中的单通道脑电信号	机器学习, 数字健康	睡眠障碍	单通道脑电图	卷积神经网络	脑电信号	四个公开多导睡眠图数据集（Sleep-EDF-20/78和ISRUC-S1/S3）	NA	紧凑卷积骨干网络	准确率	现代移动处理器
1476	2026-08-20	Longitudinal Phenotyping of Circulating Tumor Cells using a Scalable Deep Learning Framework 2026-Aug-18, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-26-0754 PMID:42611962	研究论文	开发并临床验证了一种基于深度学习的可扩展、可重复的循环肿瘤细胞（CTC）表型分析方法（SEE-TC），用于多通道荧光显微镜数据中的单细胞分割和CTC识别。	据我们所知，这是首个全自动AI方法用于单细胞分割和CTC表型分析，无需依赖人工阈值，能够学习与既定生物标志物相关的潜在细胞表征。	未在摘要中明确提及局限性。	实现可扩展、可重复的CTC表型分析，将CTC分析从人工依赖任务转变为可重复的数字检测，支持纵向监测肿瘤负荷，推动CTC液体活检在精准肿瘤学中的临床应用。	来自6种癌症类型的3,386份血液样本中的超过850万个循环细胞。	数字病理学	多种癌症类型（未指定具体癌症，但涵盖六种类型）	多通道荧光显微镜	深度学习模型（具体类型未指定，但属于分割和表示学习）	图像（多通道荧光显微图像）	3,386份血液样本，超过850万个细胞	未指定	未指定（可能包含用于分割的CNN架构，如U-Net等，但未在摘要中说明）	分割准确性与人类相当，以及相关性指标（与生物标志物相关）和生存分析（总生存期关联）	未指定
1477	2026-08-20	AI for Prognosis Among People Living With HIV: Protocol for a Systematic Review and Meta-Analysis 2026-Aug-18, JMIR research protocols IF:1.4Q3 DOI:10.2196/91989 PMID:42612074	研究方案	本文介绍了一项关于人工智能在HIV感染者预后预测中应用的系统综述和荟萃分析的研究方案	首次对基于人工智能的HIV预后模型进行系统评估，涵盖预测性能、方法学严谨性、报告透明度和临床就绪性，并采用多种评估工具（如PROBAST+AI、TRIPOD-AI）进行整合分析	尚未提供结果，且文献筛选和数据提取尚未完成，可能存在偏倚风险	系统评估基于人工智能的HIV预后模型，以支持临床决策和个性化治疗	人工智能（包括机器学习和深度学习）预后模型，预测HIV感染者的治疗和疾病结局	机器学习	HIV	NA	机器学习、深度学习	NA	9194条记录，去重后6056条	R	NA	曲线下面积、敏感性、特异性	NA
1478	2026-08-20	Self-supervised multimodal swin UNETR for PET/CT segmentation of diffuse large B-cell lymphoma 2026-Aug-18, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101369 PMID:42612285	研究论文	本研究提出一种通过大规模自监督预训练增强的多模态PET/CT Swin UNETR框架，用于弥漫性大B细胞淋巴瘤（DLBCL）的精确分割和总代谢肿瘤体积（TMTV）估计。	利用大规模自监督预训练（SSL）增强多模态PET/CT Swin UNETR，提高分割性能和训练稳定性，避免依赖大规模标注数据。	未在外部多中心数据集验证，可能影响泛化性；标注样本量相对较小。	提高PET/CT图像中DLBCL病灶的分割准确性，以支持可靠的定量分析和TMTV估计。	弥漫性大B细胞淋巴瘤（DLBCL）患者的PET/CT图像。	医学图像分析	弥漫性大B细胞淋巴瘤	FDG-PET/CT成像	Swin UNETR	医学影像（PET/CT）	717例FDG-PET/CT扫描（其中500例未标注用于自监督预训练，217例专家标注用于监督学习，训练174例，测试43例）	PyTorch	Swin UNETR	Dice系数、IoU、豪斯多夫距离（HD）、HD95、R²、Bland-Altman分析	未在摘要中明确指定GPU型号或平台，但使用了标准深度学习训练环境
1479	2026-08-20	A new dimension in protein-RNA interface prediction: Integrating protein language models and geometric deep learning 2026-Aug-18, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103362 PMID:42612610	综述	本文综述了基于蛋白质语言模型和几何深度学习的蛋白质-RNA界面预测方法，这些方法提高了泛化能力，减少了对深度进化信息的依赖，并支持蛋白质组规模的RNA结合残基预测。	将蛋白质语言模型与结构感知表示（几何深度学习）相结合，用于蛋白质-RNA界面预测，提高了可扩展性和泛化性，并减少了对深度进化信息的依赖。	未明确提及，但可能受限于对非经典RNA结合区域的预测准确性以及计算方法在复杂生物学环境中的验证。	综述并评估基于蛋白质语言模型和几何深度学习的预测方法在蛋白质-RNA界面预测中的应用，以促进蛋白质组规模的RNA结合位点预测。	RNA结合蛋白（RBPs）及其RNA结合残基。	机器学习	不适用	蛋白质语言模型和几何深度学习	蛋白质语言模型和几何深度学习模型	蛋白质序列、蛋白质结构、RNA相互作用数据	不适用	不适用	蛋白质语言模型、几何深度学习架构（如图神经网络）	泛化能力、预测准确性（具体指标未提及）	不适用
1480	2026-08-20	ResoMamba-LLM: multimodal physiological signal stress detection for wearable devices via Mamba and LLM reprogramming 2026-Aug-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae9b5a PMID:42612704	研究论文	本文提出一种名为ResoMamba-LLM的多模态压力检测框架，结合Mamba和大型语言模型，用于可穿戴设备的心理压力检测	采用双通道Mamba编码器处理胸部和腕部生理信号，并引入频率域分支捕捉周期性节律，通过轻量级重编程技术将生理特征映射到LLM语义空间，激发其潜在的上下文推理能力	未提及明显的局限性	提高心理压力检测的准确性，增强跨模态融合的鲁棒性，解决现有深度学习在长距离依赖建模方面的挑战	多模态生理信号，包括胸部（如ECG）和腕部（如EDA）信号	机器学习	心理压力相关疾病	NA	Mamba、大型语言模型（LLM）	生理信号数据	WESAD和EmoWear数据集	NA	双通道Mamba编码器、频率域分支、轻量级重编程模块	准确率	NA