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
1701	2026-08-20	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2023-Aug-18, ArXiv PMID:37645038	研究论文	提出一种基于空间和时间隐式神经表示学习的框架STINR-MR，用于从高度欠采样的数据中重建高分辨率的3D电影磁共振图像。	首次将空间和时间隐式神经表示学习结合用于3D cine-MRI重建，通过联合重建和可变形配准实现高加速因子，且为单次学习方法，无需预训练数据。	未提及明显的局限性，但基于模拟和单个人体受试者数据的评估可能限制泛化性。	实现从高度欠采样的k空间数据中准确重建3D cine-MR图像，以高时间、空间分辨率捕捉解剖动态。	3D cine-MR图像，包括来自4D XCAT数字体模和健康人体受试者的临床MR数据。	医学影像	不适用（健康受试者及数字体模，未涉及特定疾病）	磁共振成像（MRI）	隐式神经表示（INR）网络	MR图像数据（包括模拟和临床数据）	数字体模（XCAT）及一名健康人体受试者的临床MR数据	未明确提及，但可能使用PyTorch或TensorFlow等深度学习框架	空间隐式神经表示（INR）网络和时间隐式神经表示（INR）网络	图像质量、伪影、肿瘤定位精度（中心误差）	未明确提及
1702	2026-08-20	Uncovering shape signatures of resting-state functional connectivity by geometric deep learning on Riemannian manifold 2022-09, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25897 PMID:35538672	研究论文	提出了一种基于黎曼流形的几何深度学习网络Geo-Net4Net，用于学习静息态功能连接的内在低维特征表示，并揭示其形状特征以支持行为与认知。	首次利用流形上的正映射和ReLU层，结合自监督学习策略，利用任务态数据来监督静息态特征学习，从而超越传统无监督方法的限制。	依赖于任务态数据作为辅助监督信息，可能不完全适用于纯静息态场景；结论基于模拟数据和HCP数据集，泛化性需进一步验证。	探索静息态功能连接的自发波动如何支持行为与认知，通过流形上的几何模式（形状特征）来理解脑功能。	静息态功能脑网络，涉及功能磁共振成像（fMRI）数据与模拟数据。	机器学习，脑成像分析	不适用	功能磁共振成像（fMRI）	几何深度学习网络（Geo-Net4Net）	功能磁共振成像（fMRI）图像数据	来自人类连接组计划（HCP）数据库的任务态和静息态fMRI数据，具体样本数未在摘要中说明	未明确指定，但可能涉及深度学习框架如PyTorch或TensorFlow	基于黎曼流形的几何神经网络结构，包含正映射层和ReLU层	变化检测的准确率	未在摘要中说明
1703	2026-08-20	Evaluating the utility of deep learning for predicting therapeutic response in diabetic eye disease 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.852107 PMID:36744216	研究论文	本研究评估了深度学习在预测糖尿病眼病治疗反应中的效用，发现在小样本临床数据集上性能有限。	首次系统评估深度学习在预测糖尿病眼病治疗反应中的效用，并探讨了数据集大小对模型性能的影响。	临床试验数据集规模小，导致深度学习模型性能不佳，预测能力有限。	评估深度学习在眼科临床问题（如预测治疗反应）中的实用性，特别是在样本量不足的情况下。	糖尿病眼病患者，包括超广角荧光血管造影和液体分区光学相干断层扫描图像。	医学影像分析	糖尿病眼病	无特定测序技术，使用影像采集技术	CNN	图像	29名患者，217张UWFA图像，以及OCT图像	未提及	四种深度学习架构（具体未提及）	AUC	未提及
1704	2026-08-20	Deep learning for Koopman Operator Optimal Control 2021-01-06, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2021.01.005 PMID:33431116	研究论文	本文介绍了一种基于深度学习的Koopman算子方法，用于非线性动力学系统的全局线性化和最优控制	提出了两种新的网络架构DENIS和DEINA，其中DENIS通过初始状态参数化提高了控制性能，DEINA通过辅助网络非线性变换输入以处理非仿射系统，并实现了比现有实现更快的LREN	未明确提及限制，但可推测该方法依赖于数据质量和训练计算资源	开发一种基于深度学习的Koopman框架，实现非线性动力学的全局线性化和最优控制，以提高控制性能并减少对状态空间方程的依赖	非线性动力学系统，包括机器人技术和计算神经科学中的应用	机器学习	NA	深度学习	神经网络（包括LREN、DENIS、DEINA）	时间序列数据（来自非线性动力学系统）	NA	NA	LREN, DENIS, DEINA	控制性能（通过能量预算评估方法）	NA
1705	2026-08-19	Discrete Wavelet Convolution for Learnable Time-Frequency Representation with Application to Seizure Prediction 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500498 PMID:42333671	研究论文	提出一种自适应的离散小波卷积（ADWConv）作为可训练的多级小波分解前端，用于端到端的癫痫发作预测，通过联合优化策略确保滤波器的判别性和可解释性，并在CHB-MIT和SH-SDU数据库上验证了其有效性。	提出可参数化的小波滤波器，解耦核形状与尺度因子，并引入正则化损失以保持小波先验，提高特征级可解释性。	摘要未提及明显的局限性，可能包括对特定数据集的依赖或计算开销，但具体未说明。	开发一种可学习的时频表示方法，以提升癫痫发作预测的准确性和模型可解释性。	脑电图（EEG）信号，用于癫痫发作预测。	机器学习	癫痫	离散小波变换	卷积神经网络	EEG信号	CHB-MIT数据库和SH-SDU数据库，具体样本数量未在摘要中提及。	NA	ADWConv前端，结合端到端预测框架（具体架构未详述）。	事件敏感性、误报率（FPR）	NA
1706	2026-08-19	Latent Space Projections and Atlases, a Cautionary Tale in Deep Neuroimaging using Autoencoders 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S012906572650053X PMID:42376832	研究论文	本研究提出一个深度学习框架，利用简单卷积自编码器对3D脑MRI的潜在表示进行推断性探索，并在ADNI数据集上训练以保留神经解剖结构并反映临床变异性。	提出了Latent-Regional Correlation Profiling (LRCP)框架，结合统计关联和监督判别性来识别编码临床相关潜在信息的脑区。	未明确提及研究的局限性。	探索自编码器在临床神经科学中作为生物标志物发现和假设生成的工具，通过潜在表示分析阿尔茨海默病进展。	3D脑MRI图像，来自ADNI数据集的灰质分割图像。	深度学习、神经影像学	阿尔茨海默病	NA	卷积自编码器	3D脑MRI图像	NA	NA	卷积自编码器（具有层级编码器）	NA	NA
1707	2026-08-19	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	开发并多中心验证了一种针对危重创伤性颈胸脊髓损伤患者早期预测KDIGO 3期急性肾损伤的机器学习融合模型MedFusion-gP-AKI	采用多模态深度学习框架，结合GAN进行缺失数据填补和SMOTified-GAN平衡数据集，以及利用NOTEARS、变分瓶颈和对抗分析进行特征选择，并集成了多个最优基线模型构建集成模型，以提高预测性能	未在摘要中明确说明局限性	早期预测危重创伤性颈胸脊髓损伤患者的KDIGO 3期急性肾损伤，以改善临床管理	危重创伤性颈胸脊髓损伤患者	机器学习	急性肾损伤	NA	深度学习集成模型	临床数据	开发和验证队列包括MIMIC-IV/eICU联合队列，以及来自四个中国三级中心的188名患者的外部验证	NA	集成模型	AUC, AP, 校准性, 临床净收益, 总体分类性能	NA
1708	2026-08-19	Transformer-based nonlinear modeling in dynamic spectrum for noninvasive human blood component analysis 2026-Dec-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130058 PMID:42247740	研究论文	本研究利用基于Transformer的神经网络对动态光谱数据进行非线性建模，以提高人体血液成分（红细胞、尿素和葡萄糖）的无创检测精度。	首次将Transformer神经网络应用于动态光谱的非线性建模，以捕捉光谱数据中的非线性映射关系，从而提升血液成分预测的准确性。	需要进一步的临床验证以确认其在实际应用中的可靠性。	利用Transformer神经网络拟合动态光谱与血液成分浓度之间的非线性关系，提高无创血液成分分析的预测精度。	动态光谱数据，来源于1400名参与者的光电容积脉搏波（PPG）信号。	机器学习	血液成分分析（无特定疾病）	动态光谱（DS）	Transformer	光谱数据	1400名参与者的动态光谱数据	NA	Transformer	R²系数、平均绝对误差（MAE）、均方误差（MSE）	NA
1709	2026-08-19	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ，一个基于Zeiss arivis Pro的模块化半自动和全自动流水线套件，用于分析初级纤毛及其亚结构域，并集成了深度学习模型Cilia.AI	开发了深度学习模型Cilia.AI，能够以最少的人工修正识别初级纤毛，并提供了模块化流水线用于分割纤毛亚结构域，显著减少分析时间约8倍	未在摘要中明确提及局限性，但可能依赖于Zeiss arivis Pro平台，对用户技术有一定要求	开发自动化、无偏且精确的工具，用于分割和量化初级纤毛及其亚结构域，适用于健康和病理条件，并提供高吞吐量的可重复分析	初级纤毛、中心粒周围物质、基体、过渡区、纤毛尖端，以及哺乳动物初级纤毛中的鞭毛内运输动力学	数字病理学、计算机视觉、深度学习	纤毛病（一组发育障碍）	荧光显微镜成像（推测）、深度学习分割、运动轨迹分析（kymograph生成）	深度学习模型（具体类型未指明）	图像（显微镜图像）	未提供具体样本数量，涉及哺乳动物初级纤毛	Zeiss arivis Pro（集成框架）	未具体说明，但为深度学习模型，可能基于卷积神经网络结构	未明确列出，但提到分析时间减少约8倍	未在摘要中指定，但依赖Zeiss arivis Pro软件
1710	2026-08-19	A Deep Learning Model for Automatic Thresholding of Auditory Brainstem Responses: Multicenter and Multispecies Validation 2026 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001811 PMID:41952099	研究论文	本研究开发了一种基于深度学习的模型，直接从多个刺激强度的叠加波形序列中估计听觉脑干反应阈值，并在多中心、大规模的人类和小鼠数据集上进行了验证	首次提出用于多级波形堆栈自动阈值估计的深度学习模型，整合了相邻级别交叉注意力、序列编码器和监督对比学习分支，超越了传统逐波形检测方法	未来需要更广泛的外部验证，并将模型集成到实时ABR采集工作流程中	开发并验证一种直接从叠加波形序列估计听觉脑干反应阈值的深度学习模型	人类和小鼠的听觉脑干反应数据	深度学习	听觉疾病	NA	Transformer	波形序列数据	人类数据集I包含8350名受试者，人类数据集II包含136名受试者；小鼠数据集I包含8259只小鼠，小鼠数据集II包含351只小鼠	PyTorch	Transformer	精确匹配准确率、±5 dB容差准确率、±10 dB容差准确率	NA
1711	2026-08-19	DAFNet: A multi-modal deep learning model based on whole-lung CT for the automated prediction of the air space spread of lung adenocarcinoma 2026-Sep, Lung cancer (Amsterdam, Netherlands) DOI:10.1016/j.lungcan.2026.109557 PMID:42566922	研究论文	本研究介绍了一种基于全肺CT的多模态深度学习模型DAFNet，用于自动预测肺腺癌的空气播散状态	首次提出无需手动勾画肿瘤的全自动端到端多模态深度学习网络DAFNet，通过自适应门控融合机制和基于DINOv3的预训练架构，结合多模态数据融合与多尺度特征提取，显著提高了STAS预测准确性	基于标题和摘要，未指明具体局限性	开发一种基于术前全肺CT的自动、非侵入性深度学习工具，用于预测肺腺癌的空气播散状态，以推进个性化手术规划和AI驱动的肿瘤应用	1164例肺腺癌患者（511例STAS阳性，653例阴性），来自两个中心	医学影像分析，深度学习	肺腺癌	CT成像	多模态深度学习网络（DAFNet）	全肺CT图像	1164例肺腺癌患者，训练集814例，测试集350例	未明确指定，可能使用PyTorch或TensorFlow（基于DINOv3的预训练架构），但摘要中未提及具体框架，此处输出为NA	DINOv3	AUROC（曲线下面积）	未在标题和摘要中指明，输出为NA
1712	2026-08-19	STELT: A spatiotemporal deep learning framework for diffusion-ordered NMR spectroscopy reconstruction with artifact suppression 2026-Aug-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0346251 PMID:42607168	研究论文	提出一个名为STELT的轻量级深度学习框架，用于扩散有序核磁共振波谱（DOSY）重建，并抑制重建伪影	提出双分支架构，结合时间卷积模块和自注意力模块，分别提取衰减信号的动态模式与化学位移维度的空间特征	未明确提及	提高DOSY重建精度并抑制伪影，降低计算开销	DOSY谱图重建算法	深度学习	不适用	扩散有序核磁共振波谱（DOSY）	神经网络（具体为双分支深度学习框架）	谱图数据	未明确提及	未明确提及	双分支架构（时间卷积模块与自注意力模块）	重建精度、噪声抑制效果、计算开销	未明确提及
1713	2026-08-19	Machine learning prediction of organic compound melting points informed by condensed-phase and electronic descriptors 2026-Aug-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0342619 PMID:42607175	研究论文	提出一种混合机器学习框架，整合化学信息学描述符、量子化学特征和分子动力学模拟得到的动态凝聚相描述符，以提高有机化合物熔点的预测准确性	首次将凝聚相动态描述符与量子化学特征相结合，用于机器学习熔点预测，并通过可解释性分析揭示熔化行为的主要决定因素	研究依赖于DIPPR 801数据库的子集，可能无法涵盖所有类型的有机化合物；分子动力学模拟的计算成本较高，可能限制其在大规模数据集上的应用	开发并评估一种整合多尺度描述符的机器学习模型，以更准确地预测有机化合物的熔点，并提高模型的可解释性	有机化合物	机器学习	NA	分子动力学模拟、量子化学计算、化学信息学描述符计算	LightGBM、图卷积网络	数值数据（描述符）	DIPPR 801数据库的子集，具体样本数未在摘要中给出	NA	LightGBM、图卷积网络	平均绝对误差、可解释性分析	NA
1714	2026-08-19	Diagnostic features predicted by deep learning improve human object recognition in simulated prosthetic vision 2026-Aug-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9227 PMID:42526479	研究论文	本研究结合深度学习和生物 plausible 光幻视模拟，优化用于物体识别的光幻视位置，并通过模拟假体视觉实验验证其效果。	提出了一种基于深度学习的诊断特征识别方法用于优化假体视觉中的光幻视放置，显著减少了所需光幻视数量，且在低电极密度下优势尤为明显。	摘要中未提及明确的局限性。	优化皮质视觉假体中的光幻视放置，以在有限的光幻视数量下实现有效的物体识别。	63名参与者在模拟假体视觉下进行物体识别任务。	计算机视觉	视觉障碍	深度神经网络	深度神经网络 (DNN)	图像（模拟光幻视渲染图像）	63名参与者	NA	深度神经网络（具体架构未说明）	识别准确率（根据任务性质推断）	NA
1715	2026-08-19	Efficient ECG representation learning via intervention-based attribution alignment 2026-Aug-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae9450 PMID:42546764	研究论文	本文提出一种基于干预归因对齐的自监督学习方法，用于在标签稀缺的可穿戴心电数据场景中提升模型分析性能	将干预启发式操作集成到对比学习框架中，通过特征干预学习视角不变机制，以降低对标注数据的依赖	未提及具体限制	解决可穿戴心电测量场景中标签稀缺问题，提高模型对稀疏标注心电信号的分析性能	可穿戴设备采集的长期、多导联心电信号	机器学习	心律失常	NA	自监督学习模型	心电信号（数值序列）	四个公共心电数据集	NA	NA	NA	NA
1716	2026-08-19	Sex estimation from hand-wrist radiographic images: an artificial intelligence approach 2026-Aug-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03964-1 PMID:42608590	研究论文	本研究评估了三种深度学习架构（YOLOv5、YOLOv8和YOLOv11）在手部腕部X光图像中自动进行性别分类的性能	首次将YOLOv8和YOLOv11应用于手部腕部X光图像的性别估计，并证明无需手动标注或感兴趣区域选择即可实现高精度	样本仅限于8-18岁个体，可能不适用于其他年龄组或不同人群	评估YOLOv5、YOLOv8和YOLOv11在手部腕部X光图像中进行自动化性别分类的性能	8-18岁个体的手部腕部X光图像，共1800张	计算机视觉	NA	NA	YOLO系列深度学习模型（YOLOv5、YOLOv8、YOLOv11）	图像（手部腕部X光片）	1800张手部腕部X光图像	NA	YOLOv5, YOLOv8, YOLOv11	准确率、精确率、召回率、F1分数、混淆矩阵、AUC	NA
1717	2026-08-19	Integrative transcriptomic and machine learning approaches reveal candidate genes for silk and venom production in Bibionomorpha (Diptera) 2026-Aug-18, Insect molecular biology IF:2.3Q1 DOI:10.1111/imb.70061 PMID:42610280	research paper	整合多物种转录组学和机器学习方法，揭示双翅目 Bibionomorpha 中丝和毒液产生的候选基因及其进化机制	首次将可解释的深度学习与共表达网络分析结合，实现了对丝和毒液表型的高精度判别，并通过 AlphaFold3 结构预测验证了基因的分泌功能，揭示了两种分泌系统的独立进化起源	NA	研究双翅目昆虫中丝和毒液分泌系统的生理和进化架构，揭示其分子基础	11种 Bibionomorpha 昆虫物种的转录组数据	transcriptomics, machine learning	NA	de novo transcriptome assembly, RNA-seq, AlphaFold3	WGCNA, categorical neural classifiers	转录组测序数据	11个 Bibionomorpha 物种	NA	NA	AUC	NA
1718	2026-08-19	Deep Learning-Driven Discovery and Engineering of an Efficient PETase for Depolymerization and Detoxification of PET Microplastics Under Physiological Conditions 2026-Aug-18, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77163 PMID:42610517	研究论文	利用深度学习从2.46亿蛋白质中挖掘并工程化改造了一种高效的PET水解酶AhPETase，实现生理条件下微塑料的降解和解毒	首次利用深度学习挖掘未探索的序列空间，发现与已知PET降解酶同源性极低的新型水解酶，并在生理条件下实现高效降解及首次证实酶促微塑料解毒的概念	未提及具体局限性	发现和工程化可在生理条件下高效降解PET微塑料的酶，并验证其解毒效果	PET微塑料及人类肺和结肠细胞	深度学习	环境健康风险相关疾病	深度学习序列挖掘、酶工程	深度学习模型	蛋白质序列、实验数据	2.46亿个蛋白质序列，以及具体实验样本未提及	未提及	未提及	降解效率、酶活性保持时间、降解速率倍数	未提及
1719	2026-08-19	Impedance-based particle tracking at micrometer scale with limited training data: a deep learning architecture analysis and optimization framework 2026-Aug-18, Lab on a chip IF:6.1Q2 DOI:10.1039/d6lc00506c PMID:42610759	研究论文	本文提出并分析了一个用于从连续电阻抗测量中实现微米级粒子实时定位的深度学习框架，该框架在训练数据有限的情况下结合了时间卷积网络、双向长短期记忆网络、全连接网络和自动参数调优引擎	提出一个统一特征提取与数据驱动架构调优引擎的框架，在数据稀缺条件下保持预测能力，并提供了各网络元素的详细分析及代码和数据公开	研究仅使用均匀的聚苯乙烯珠验证方法，未涵盖生物样本的异质性，且未在更复杂异质生物样品上验证	实现基于电阻抗测量的微米级粒子实时定位，并提供一个深度学习的架构分析与优化框架，以支持该算法在芯片实验室社区中的应用	微米级颗粒，具体为8微米和5微米的聚苯乙烯珠	机器学习	NA	电阻抗测量	TCN, BiLSTM, FCN	电阻抗测量序列数据	53个聚苯乙烯珠（8微米和5微米）	NA	TCN, BiLSTM, FCN	定位精度、预测时间	NA
1720	2026-08-19	Clean PSYCHE Pure Shift Spectra Obtained by Deep Learning 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c03944 PMID:42610910	研究论文	本研究开发了一种多尺度残差网络模型，用于后处理PSYCHE纯位移谱，以去除强耦合伪影，获得干净的纯位移谱。	首次将深度学习应用于PSYCHE纯位移谱的后处理，以消除强耦合伪影，无需额外采集时间，且保持信号强度与浓度成正比。	模型仅在特定谱参数范围内有效，可能不适用于所有强耦合系统或超出该范围的情况。	开发一种基于深度学习的方法，通过后处理PSYCHE谱来抑制强耦合伪影，提高纯位移谱的质量，以促进分子结构解析和混合物成分分析。	PSYCHE纯位移谱，特别是含强耦合自旋系统的样本。	机器学习	不适用	核磁共振波谱（NMR）	多尺度残差网络	核磁共振谱数据（一维谱图）	未明确提及，但涉及不同浓度分析物混合物的监测	未明确提及，可能基于PyTorch或TensorFlow	多尺度残差网络	未明确提及，可能包括信噪比、伪影抑制率等	未明确提及