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
141	2026-06-16	DiagPat: An Explainable Language Detection Model Using EEG Signals 2026-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s26113363 PMID:42280883	研究论文	提出了一种基于EEG信号的可解释语言检测模型DiagPat，用于区分阿拉伯语和土耳其语的不同任务模式	提出了基于对角线模式分析的过渡表特征提取方法，结合迭代邻域成分分析和可解释性符号语言，实现了轻量级且高准确率的脑电语言检测	留一法交叉验证的准确率较低（29.75%-83.50%），表明模型在主体间泛化能力有限	开发一种准确、轻量且可解释的脑电信号语言检测框架	346名参与者的脑电信号（98名阿拉伯语、248名土耳其语），包含阅读和听力两种模式	机器学习	NA	脑电图（EEG）	特征工程模型（DiagPat）	脑电信号（14通道×15秒，128Hz）	346名参与者，6364个脑电片段	NA	DiagPat、k近邻（tkNN）	准确率、平衡准确率、宏F1分数	NA
142	2026-06-16	TailBoost: Tail-Synthetic Learning for Boosting Long-Tailed Skin Cancer Image Classification 2026-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s26113343 PMID:42280864	研究论文	提出TailBoost框架，通过尾部合成学习提升长尾分布的皮肤癌图像分类性能	创新性地利用显著图引导的SPMix策略，在混合头尾类图像时保留并增强尾部类的判别特征，并结合监督对比学习和类中心重平衡进一步优化表征	未在摘要中明确提及，可能需在原文中查看具体限制	解决皮肤癌图像数据中长尾分布导致的分类性能下降问题	长尾分布下的皮肤癌图像分类任务	计算机视觉	皮肤癌	NA	深度学习模型	图像	NA（具体样本数未在摘要中给出，数据集包括ISIC2018、ISIC2019和PAD-UFES-20）	NA	NA	准确率	NA
143	2026-06-16	An Open Multi-Center Whole-Body FDG PET/CT Foundation Model for Tumor Segmentation 2026-May-20, ArXiv PMID:42238067	研究论文	提出一个基于4,997例多中心FDG PET/CT扫描数据的开源全身肿瘤分割基础模型	采用早期通道级联的层次化UNet骨干网络，实现PET与CT特征从第一嵌入层开始交互；引入基于零均值填补的掩码自编码目标和加权全局重建损失，避免掩码区域边界的非物理强度不连续	仅在FDG PET/CT数据上训练，未探索其他示踪剂或成像协议	开发一个标签高效、多中心适用的PET/CT肿瘤分割基础模型，减少对大规模人工标注的依赖	全身FDG PET/CT肿瘤分割	计算机视觉, 数字病理学	肿瘤	FDG PET/CT	UNet, 掩码自编码器	图像	4,997例多中心扫描（来自四个公开数据集）	PyTorch, MONAI	层次化UNet（早期通道级联）	Dice系数	NA
144	2026-06-16	CN-RNN: a Deep Learning Framework for Copy Number Variation Detection with Exome Sequencing Data 2026-May-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.13.724920 PMID:42182454	研究论文	提出基于深度学习的CN-RNN框架，用于从全外显子测序数据中检测拷贝数变异	结合双向长短期记忆网络与多层感知器，同时捕获局部深度变化、上下文依赖及区域级基因组特征，提升检测准确性	未提及模型对长片段变异或高噪声数据的鲁棒性，也未讨论跨平台或不同测序深度的泛化能力	开发高准确性、低假阳性率的拷贝数变异检测方法，推动全外显子测序在临床和群体遗传研究中的应用	全外显子测序数据中的拷贝数变异	机器学习	通用疾病（涉及自闭症队列）	全外显子测序	BiLSTM, MLP	测序数据（基因区域特征）	自闭症测序联盟（ASC）亲子三人组队列，以及三个独立数据集	NA	BiLSTM, MLP	准确性，召回率，假阳性率	NA
145	2026-06-16	Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization 2026-May-14, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.11.724354 PMID:42182259	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
146	2026-06-16	Bayesian-Steered Structure Prediction of Mechanical Biomolecules Using Twisted Diffusion 2026-May-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.11.724187 PMID:42182379	研究论文	使用扭曲扩散的贝叶斯导向机械生物分子结构预测	利用扭曲扩散采样器在Boltz-2中实现条件化扩散分布采样，无需额外训练神经网络，以贝叶斯似然引导生成替代分子构象	未提及具体局限性	预测在实验数据中代表性不足但具有功能相关性的分子构象	DNA片段、肌肉蛋白titin、内耳原钙粘蛋白-15和MscL离子通道	机器学习	NA	NA	扩散模型	NA	NA	Boltz-2	扭曲扩散采样器	NA	NA
147	2026-06-16	CONTRA-IL6: an interpretable hybrid convolutional neural network and Transformer framework for accurate prediction of interleukin-6-inducing peptides using protein language models 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag250 PMID:42281397	研究论文	提出一种结合Transformer融合和卷积定位模块的深度学习框架CONTRA-IL6，用于预测白细胞介素-6诱导肽	首次将Transformer融合模块与卷积定位模块结合，利用预训练蛋白质语言模型嵌入来同时捕获全局语义和局部基序特征，并通过计算机模拟突变进行因果验证	未提及在更广泛的肽类或不同物种上的泛化能力，以及计算资源需求的具体细节	开发一种可解释的深度学习框架，用于准确预测白细胞介素-6诱导肽	白细胞介素-6诱导肽	自然语言处理	自身免疫性疾病	蛋白质语言模型嵌入	混合卷积神经网络与Transformer	序列数据	独立数据集	PyTorch	卷积神经网络, Transformer, 1D梯度加权类激活映射++	马修斯相关系数, F1分数	NA
148	2026-06-16	GraphChIAr: genome-wide super-resolution reconstruction of protein-mediated remote chromatin interactions by augmenting hi-C interaction maps with multiple ChIP-seq profiles 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag305 PMID:42289051	研究论文	提出GraphChIAr，一个基于回归的深度学习框架，通过整合Hi-C接触图与多种ChIP-seq图谱及基因组序列信息，实现全基因组超分辨率重构蛋白质介导的远程染色质相互作用	超分辨率能力，能从常规分辨率精确估计至近核小体分辨率（如200 bp）；引入基因组移位距离实现全基因组尺度远程相互作用预测；整合多种互补基因组特征提高了预测准确性	NA	提供一种有效的计算工具，通过增强实验数据来推进三维基因组组织研究，特别是蛋白质介导的染色质相互作用的预测	染色体相互作用强度，关键介导蛋白（如CTCF）的远程互作	机器学习	NA	Hi-C测序，ChIP-seq	深度学习框架	基因组序列数据，Hi-C接触图，ChIP-seq谱	NA	NA	NA	预测准确性	NA
149	2026-06-16	Leakage-Safe ITS1 Identification of Fasciola hepatica and Fasciola gigantica with Reverse-Complement-Invariant CNN Inference 2026-May-02, Acta parasitologica IF:1.2Q2 DOI:10.1007/s11686-026-01295-0 PMID:42068429	研究论文	提出了一种避免数据泄漏的ITS1序列鉴定肝片吸虫和巨片吸虫的方法，采用逆补不变卷积神经网络与轻量集成模型，通过校准和鲁棒性测试确保诊断可靠性	设计了泄漏安全的聚类感知数据划分策略，开发了紧凑型的逆补不变一维卷积神经网络ITSformer-RC，并结合后验校准、共形预测和鲁棒性测试构建了决策就绪的鉴定流程	仅在小型公共数据集上进行内部验证，缺乏不同地理区域、时间点和实验室的外部验证，尚未达到现场部署要求	开发可重复、避免泄漏的ITS1序列鉴定流程，实现肝片吸虫和巨片吸虫的可靠区分，支持实际诊断工作流程	肝片吸虫和巨片吸虫的ITS1序列	机器学习, 数字病理学	肝片吸虫病	ITS1测序	一维卷积神经网络	序列	527条ITS1序列，其中测试集78条	PyTorch	ITSformer-RC	准确率, ROC-AUC, 平均精度, 曲线下风险评分	NA
150	2026-06-16	Data Augmentation Via Generative Adversarial Networks for Robust Prediction of NADH and pH from Limited Time-Resolved Fluorescence Spectra 2026-May, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-026-04775-8 PMID:41998303	研究论文	提出结合生成对抗网络与长短期记忆模块的数据增强方法，用于从有限时间分辨荧光光谱中稳健预测NADH浓度和pH值	首次将生成对抗网络与长短期记忆模块混合用于时间分辨荧光光谱数据增强，实现NADH和pH双参数同步预测，显著提高小样本下的预测精度	NA	实现基于cpYFP生物传感器的NADH浓度和pH值同步定量检测	cpYFP基NADH生物传感器SoNar的时间分辨荧光光谱数据	机器学习	NA	时间分辨荧光光谱	生成对抗网络（GAN）、长短期记忆网络（LSTM）	光谱数据	有限实验数据（具体数量未提及）	NA	GAN, LSTM	预测精度	NA
151	2026-06-16	Radiomics-based artificial intelligence models in brain tumors: A systematic review and meta-analysis of diagnostic performance 2026-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03983-0 PMID:42043503	系统综述与Meta分析	系统评估基于影像组学的人工智能模型在脑肿瘤诊断中的性能	首次对基于影像组学的AI模型诊断脑肿瘤的准确性进行系统回顾和Meta分析，并探讨模型类型、成像方式和肿瘤亚型对预测准确性的影响	仅31%研究使用了外部验证，且方法学异质性高	系统评估基于影像组学的AI模型诊断脑肿瘤的性能，并识别影响预测准确性的因素	脑肿瘤患者的影像数据及基于影像组学的AI诊断模型	机器学习	脑肿瘤	影像组学	深度学习、混合模型、传统机器学习	影像数据	107项研究	NA	深度学习模型、混合模型、传统机器学习模型	AUC、敏感度、特异度、准确率	NA
152	2026-06-16	Feasibility of Deep Learning-Based Segmentation of the Facial and Vestibulocochlear Nerves on High-Resolution Magnetic Resonance Imaging 2026-May, Cureus DOI:10.7759/cureus.108842 PMID:42291893	研究论文	评估基于深度学习的面神经和前庭耳蜗神经自动分割在高分辨率磁共振成像上的可行性	首次验证深度学习对颅神经薄小结构（面神经和前庭耳蜗神经）在脑池段和管内段高分辨率MRI上的自动分割，并系统比较多种U-Net变体（Attention U-Net、Dynamic U-Net、U-Net++）在该任务中的性能	回顾性研究，样本量有限（仅22例患者），分割性能指标中等，测试数据集较小，且分割的是小结构导致体素表示有限	评估深度学习自动分割面神经和前庭耳蜗神经在脑池段和管内段的可行性	面神经和前庭耳蜗神经	计算机视觉	NA	高分辨率磁共振成像（MRI）	CNN	图像	22名成年患者	MONAI	三维U-Net, Attention U-Net, Dynamic U-Net, U-Net++	Dice相似系数	NA
153	2026-06-16	Rolling element bearing fault diagnosis based on modified Pufferfish optimization assisted efficient customized convolutional neural network with IMI-EMD 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50930-3 PMID:42062436	研究论文	提出一种基于改进河豚优化算法和高效定制卷积神经网络的滚动轴承故障诊断方法	结合改进互信息经验模态分解预处理信号，并采用改进河豚优化算法优化定制卷积神经网络的权重，实现高效故障诊断	未提及模型在噪声环境、变工况条件下的鲁棒性验证及与其他最新方法的全面对比	开发一种自动从原始振动信号中提取特征并进行滚动轴承故障诊断的高效深度学习模型	滚动轴承的振动信号	机器学习	NA	经验模态分解（EMD）	定制卷积神经网络（CCNN）	振动信号	NA	NA	定制卷积神经网络	精确率, 准确率, 灵敏度, 特异度, 假阳性率, 假阴性率	计算成本12.22 GFLOPS，训练时间64.179秒；未指定具体GPU型号
154	2026-06-16	Transformer-based Siamese multimodal imaging model for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer 2026-Apr-30, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16049-4 PMID:42062990	研究论文	提出基于Transformer的孪生多模态成像模型，用于预测局部晚期直肠癌新辅助放化疗后的病理完全缓解	首次将Transformer与孪生网络架构结合用于多模态MRI特征融合，整合治疗前后影像信息以预测pCR，优于传统早期融合机器学习模型	NA	开发非侵入性生物标志物以预测pCR，辅助器官保留策略并避免不必要根治性手术	局部晚期直肠癌（LARC）患者	数字病理学	直肠癌	多模态磁共振成像（MRI）	Transformer	影像数据	440名来自三个中心的LARC患者	PyTorch，PyRadiomics	ResNet101, Transformer	AUC, 决策曲线分析, 校准曲线, 无进展生存期	NA
155	2026-06-16	Comparison and validation of machine learning models to predict 5-year fall risk among community-dwelling older adults in China 2026-Apr-29, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-026-07554-z PMID:42050425	research paper	利用中国社区老年人全国代表性纵向数据，系统比较并验证了五种机器学习模型在5年跌倒风险预测中的表现，发现堆叠集成模型最优	首次基于CHARLS全国代表性数据对多个机器学习模型进行系统比较，并引入决策曲线分析和Brier评分等全面评估指标；堆叠集成模型的超强性能揭示了其在二级预防中的潜在应用价值	对于无跌倒史的老年人（一级预防），模型预测能力有限，表明静态基线数据不足以准确预测首次跌倒	比较并验证多种机器学习模型在中国社区老年人5年跌倒风险预测中的性能，为风险分层和数字健康平台集成提供依据	中国社区65岁及以上老年人（初始样本8,072人）	machine learning	geriatric disease	NA	GLM, GBM, DRF, DL, 堆叠集成模型	结构化问卷数据（人口统计学、生活方式、慢性病、感觉与身体功能、人体测量与生物标志物、心理社会/环境因素）	8,072名中国社区老年人（2015年基线，随访至2020年）	NA	GLM, GBM, 分布式随机森林, 深度学习, 堆叠集成	AUC, AUC-PR, Brier评分, 校准图, 决策曲线分析	NA
156	2026-06-16	Deep learning-driven prediction of on-target activity, off-target risk, and repair outcomes in CRISPR/Cas9: current landscape and multi-scale perspectives 2026-Apr-28, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08175-1 PMID:42046128	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
157	2026-06-16	Heat stress alters Drosophila locomotor behaviors in a sex-specific manner: a machine learning analysis 2026-Apr-28, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-026-03219-z PMID:42047857	研究论文	利用机器学习分析热应激对果蝇运动行为的性别特异性影响	首次利用深度学习框架SLEAP精确量化热应激下果蝇的运动参数，揭示性别特异性行为模式	未提及	研究急性热应激对果蝇运动行为的性别特异性影响，评估气候变化对昆虫种群的潜在威胁	黑腹果蝇（Drosophila melanogaster）	机器学习	NA	NA	深度学习	视频	NA	SLEAP	NA	NA	NA
158	2026-06-16	Pancreatic multi structure segmentation on CT using transformer and deep learning approaches 2026-Apr-28, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04823-6 PMID:42047892	研究论文	评估六种深度学习架构在CT图像中自动分割胰腺肿瘤及邻近解剖结构的性能，其中Swin-Unet表现最优	首次在多中心大规模CT数据集上系统比较Swin-Unet、nnU-Net等六种架构，并验证Transformer模型在血管和导管分割中的优势	对薄壁和低对比度导管结构的分割精度仍需进一步改进	评估并比较先进深度学习架构在胰腺多结构CT图像分割中的性能	胰腺肿瘤、实质、导管、胆总管、静脉系统和动脉系统六种解剖结构	计算机视觉	胰腺癌	NA	CNN, Transformer	图像（CT扫描）	1968例CT扫描（来自6个医疗机构的训练集），536例独立外部验证集	PyTorch	U-Net, nnU-Net, Attention-based Residual U-Net, DeepLabV3+, SegNet, Swin-UNet	Dice系数, Jaccard指数, 精确度, 召回率, 95百分位豪斯多夫距离	NA
159	2026-06-16	Agrimind intelligent deep learning framework for accurate soil fertility prediction 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50366-9 PMID:42049804	研究论文	提出AgriMind智能深度学习框架用于准确预测土壤肥力	提出了结合SMOTEImputeScaler预处理、Attentive LSTM Aware Dense Network模型和遗传概率搜索超参数优化的全新预测框架	未提及具体局限性，但可推断可能受限于数据集规模和特定土壤类型的泛化能力	提高土壤肥力预测的准确性和可靠性，优化农业生产效率	土壤肥力预测数据集	机器学习	NA	NA	深度学习模型（LSTM、密集网络）	结构化土壤成分数据	未明确样本数量，数据划分为70%训练、10%验证、20%测试	未明确指定，可能是TensorFlow或PyTorch	Attentive LSTM Aware Dense Network (ALADN)	准确率、精确率、召回率、F1分数、Cohen's Kappa系数	未提及
160	2026-06-16	Stacked CT radiomics, deep learning and clinical feature models for differentiating benign and malignant solitary pulmonary nodules 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49720-8 PMID:42049816	研究论文	通过堆叠临床特征、CT影像组学和深度学习模型，区分良恶性孤立性肺结节	首次将临床、影像组学、深度学习和血清学信息通过堆叠集成方法进行多模态融合，显著提升了孤立性肺结节的风险分层能力	NA	开发一种非侵入性工具，准确区分良恶性孤立性肺结节，以减少不必要的有创活检	201名孤立性肺结节患者（110例恶性，91例良性）	数字病理学，计算机视觉	肺癌	高分辨率CT	Swin-Transformer，LASSO，堆叠集成	图像，临床数据	201名患者	NA	NA	NA	NA