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
1721	2026-08-19	PINS: A Physics-Informed Generative Framework for De Novo Structure Elucidation from 1D NMR Spectra 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c02952 PMID:42610925	研究论文	PINS是一种物理信息生成框架，用于从一维NMR谱进行从头结构解析，通过多物理先验约束生成搜索空间，实现100%化学有效性并显著优于现有基线	通过显式引入多物理先验约束生成搜索空间，有效缓解端到端深度学习模型的结构幻觉，实现100%化学有效性并大幅提升性能，在新精神活性物质数据稀缺场景下展现出强泛化能力	文中未提及具体局限性，可能涉及对特定分子领域依赖或计算成本等未知方面，但摘要未提供相关信息	开发一种从一维NMR谱可靠重建分子拓扑结构的生成框架，克服组合挑战并避免化学无效结构	分子结构解析，尤其聚焦于新精神活性物质这类具有挑战性的化合物	机器学习	NA	NMR光谱	生成模型	1D NMR谱数据	未在摘要中明确说明样本数量	NA	物理信息生成框架	化学有效性、识别率	NA
1722	2026-08-19	MOFUN-CCC: A Multi-omics Intermediate Fusion Network for Digital White Blood Cell Count Prediction 2026-Aug-17, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag080 PMID:42606575	研究论文	介绍了一种名为MOFUN-CCC的多组学中间融合深度学习模型，用于直接从基因表达和DNA甲基化数据预测绝对白细胞计数。	首次提出利用多组学数据（基因表达和DNA甲基化）的中间融合方法直接预测绝对细胞计数，而传统方法主要估计相对细胞类型比例。	摘要中未提及具体局限性。	开发一种多模态深度学习模型，整合基因表达和DNA甲基化数据，直接在监督框架下预测绝对白细胞计数，以满足临床需求。	基因表达和DNA甲基化数据。	机器学习，数字病理学	未指定具体疾病，但涉及疾病诊断和患者管理。	基因表达分析，DNA甲基化测序	多模态深度学习模型（多组学融合神经网络）	基因表达数据和DNA甲基化数据	未在摘要中明确提及样本数量。	PyTorch（推断），	中间融合神经网络	鲁棒性、精确度（具体指标如准确率、AUC等未在摘要中提及，但提到评估了模型的稳健性和精度）	未在摘要中明确提及计算资源，但提供了用户友好的软件和网页应用程序。
1723	2026-08-19	Genomic characterization of an unusual bloodstream Weissella viridescens isolate obtained from a Bulgarian intensive care unit patient 2026-Aug-17, Molecular biology reports IF:2.6Q3 DOI:10.1007/s11033-026-12501-7 PMID:42606628	研究论文	本研究对来自保加利亚重症监护患者血液的罕见Weissella viridescens分离株进行了基因组特征分析，包括物种鉴定、抗生素敏感性、全基因组测序及毒力预测	首例公开基因组序列的临床W. viridescens分离株，并整合蛋白质语言模型与深度学习分类器进行毒力评估	未提及	探索罕见临床W. viridescens分离株的基因组特征及其毒力潜能	一株临床W. viridescens分离株（Wvir453）	基因组学、微生物学	脊髓脑膜黑色素细胞瘤	MALDI-TOF质谱、全基因组测序、泛基因组分析、系统发育分析、毒力因子分析	深度学习分类器、蛋白质语言模型	基因组序列数据、质谱数据	1株临床分离株	NA	NA	预测毒力评分	NA
1724	2026-08-19	IShuffleNet-PCNN hybrid classifier within an MResU-Net-based framework for spinal cord injury detection and classification using CT images 2026-Aug-17, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10260-4 PMID:42606699	研究论文	提出了一种基于MResU-Net框架的IShuffleNet-PCNN混合分类器，用于CT图像中脊髓损伤的检测与分类	提出了IShuffleNet-PCNN混合分类器，结合分组归一化和自适应Swish-Mish激活函数，以提高训练稳定性和特征区分能力；同时引入了加权平衡各向异性滤波和修改后的残差U-Net用于噪声抑制和分割	未明确提及局限性，可能包括依赖CT图像质量、样本量有限或泛化能力需进一步验证	开发一个集成深度学习框架，用于从CT图像中准确且稳健地分类脊髓损伤相关骨折	脊髓损伤患者的CT图像，重点是检测和分类脊髓损伤相关骨折	计算机视觉	脊髓损伤	CT成像	CNN	图像	未明确提供	NA	MResU-Net, IShuffleNet-PCNN	准确率, 精确率, 阴性预测值	NA
1725	2026-08-19	A comprehensive review on automated diabetic retinopathy detection and classification using fundus image 2026-Aug-17, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07435-6 PMID:42606724	综述	系统综述了利用眼底图像进行糖尿病视网膜病变自动检测和分类的技术，涵盖机器学习、深度学习和混合方法	讨论了集成学习、基于Transformer的技术和注意力机制在DR检测和分类中的最新进展	未明确说明具体局限性，但提到现有方法面临过拟合、模型复杂性、类不平衡和深度特征提取等挑战	审查DR检测和分类的现有技术，分析其方法、数据集、预处理步骤和性能评估指标，并提出未来研究方向以提升系统准确性和鲁棒性	糖尿病视网膜病变的眼底图像	医学影像分析	糖尿病视网膜病变	眼底成像	机器学习模型, 深度学习模型, 集成学习模型, Transformer模型	眼底图像	未指定	未指定	Transformer, 注意力机制	未明确指定	未指定
1726	2026-08-19	A multimodal MRI-based deep learning model for non-invasive diagnosis of pineal region germinoma 2026-Aug-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04153-y PMID:42606719	研究论文	开发了一种基于多模态MRI的深度学习模型，用于松果体区生殖细胞瘤的无创术前诊断	结合对比学习增强的卷积神经网络和混合注意力机制，融合多模态MRI特征和人口统计学数据，实现松果体区生殖细胞瘤的高精度识别	研究为回顾性设计且样本量较小，可能限制模型的泛化能力；未提供外部验证	开发一种术前无创识别松果体区生殖细胞瘤的深度学习模型	114例病理确诊的松果体区肿瘤患者，包括生殖细胞瘤和非生殖细胞瘤	医学影像分析	松果体区生殖细胞瘤	磁共振成像（MRI）	卷积神经网络（CNN）	多模态MRI图像和人口统计学数据	114例患者（训练集91例，测试集23例）	未明确指定	卷积神经网络（CNN）与混合注意力机制	准确率（ACC），曲线下面积（AUC）	未指定
1727	2026-08-19	Motion Artifact-Aware Self-Supervised Representation Learning for 3D Brain MRI Motion Artifact Reduction 2026-Aug-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3724112 PMID:42606966	研究论文	提出SSRL-MAR框架，一种基于自监督表示学习的3D脑部MRI运动伪影减少方法，无需配对数据或运动标签	采用三阶段训练策略，包括对比学习提取运动表征、运动伪影感知合成网络生成伪影、运动伪影感知生成器恢复干净图像，实现无配对自监督学习	未提及	实现3D脑部MRI运动伪影的有效减少，支持大规模神经影像学研究中的可靠结构量化	3D脑部MRI图像，包括模拟数据集和真实MR-ART数据集	医学影像处理	NA	模拟运动伪影	自监督表示学习、对比学习、生成网络	3D脑部MRI图像	未提及	NA	NA	峰值信噪比、结构相似性指数、归一化均方误差	NA
1728	2026-08-19	Patient-Specific Non-Invasive Epileptogenic Zone Localization via High-Resolution Time-Frequency Representations and CNN Deep Learning 2026-Aug-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3724147 PMID:42606963	研究论文	开发了一种结合头皮脑电源成像、高分辨率时频分析和深度学习的自动化无创癫痫灶定位框架，用于药物难治性癫痫的术前规划	首次将超分辨率时频表示（Superlet）与多种深度学习架构结合，用于无创、患者特异的癫痫灶定位，并在多中心数据集上验证了跨患者泛化能力	未提及具体局限性；依赖术后Engel Class I患者数据，可能限制对非治愈性病例的适用性	实现无创、自动化的患者特异癫痫灶定位，以优化立体脑电图电极植入规划	药物难治性癫痫成年、儿童及混合队列患者	深度学习、医学影像分析	癫痫	头皮脑电图源成像、高分辨率时频分析	CNN（ResNet、VGG、DenseNet）和Swin Transformer	头皮脑电信号	37例手术确认的Engel Class I患者、97次癫痫发作	PyTorch	ResNet18、VGG、DenseNet、Swin Transformer	准确率、AUC	未提及
1729	2026-08-19	Super-resolution GAN-enhanced detection of sub-pixel marine plastic debris: Leveraging Sentinel-2 time-series and physics-informed deep learning 2026-Aug-17, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.120250 PMID:42607450	研究论文	提出一种基于物理信息深度学习超分辨率生成对抗网络（SR-GAN）的方法，利用多时相Sentinel-2影像增强亚像素海洋塑料垃圾检测	将物理信息约束嵌入SR-GAN架构，结合多光谱波段和塑料敏感指数，提升亚像素塑料的空间细节和光谱可分离性	研究仅限于巴厘巴板沿海区域，未提及对不同环境条件的广泛适用性验证	利用超分辨率深度学习改善亚像素海洋塑料的空间表示，并通过物理光谱约束提高检测可靠性	巴厘巴板沿海区域的多时相Sentinel-2影像中的浮动塑料垃圾	计算机视觉	NA	Sentinel-2多光谱成像	生成对抗网络（GAN）	卫星影像	多时相Sentinel-2影像，覆盖巴厘巴板及穆阿拉桑普、塞苏卢等子区域	NA	超分辨率生成对抗网络（SR-GAN）	检测置信度、虚警概率、漏检概率、超分辨率增强因子	NA
1730	2026-08-19	The role of artificial intelligence in predicting readmission risk in emergency patients: An umbrella review 2026-Aug-17, International emergency nursing IF:1.8Q2 DOI:10.1016/j.ienj.2026.101890 PMID:42607540	综述	本文通过伞形综述综合评估人工智能在急诊患者再入院风险预测中的作用、性能及临床应用	采用伞形综述方法，系统综合现有系统评价和荟萃分析，聚焦人工智能在急诊患者再入院风险预测中的角色和表现	研究设计存在变异性、外部验证有限、可解释性受关注以及在现有医疗系统中的整合存在障碍	合成关于人工智能在预测急诊患者再入院风险中的角色、性能和临床适用性的现有证据	急诊患者	机器学习	综合疾病（未特定）	NA	机器学习、深度学习	电子健康记录、多维度患者变量	NA	NA	集成模型、神经网络模型	预测能力	NA
1731	2026-08-19	Ecophysiology: How pollinators use microclimates determines their thermal risk 2026-Aug-17, Current biology : CB IF:8.1Q1 DOI:10.1016/j.cub.2026.06.075 PMID:42607656	研究论文	一项使用基于深度学习系统识别传粉昆虫的研究，表明传粉昆虫根据温度的细微异质性决定觅食地点，这可能帮助部分昆虫躲避高温，同时加剧其他昆虫的热风险	首次利用深度学习系统结合微气候数据研究传粉昆虫的热风险，揭示了传粉昆虫觅食决策与温度微异质性之间的关系	NA	探究传粉昆虫如何利用微气候（特别是温度变化）决定觅食行为，以及这种行为对热风险的影响	传粉昆虫（如蜂类等）及其觅食环境中的微气候	深度学习, 生态学	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
1732	2026-08-19	Federated learning for MRI-based BrainAGE: A multicenter study on post-stroke functional outcome prediction 2026-Aug-17, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122165 PMID:42607977	研究论文	本研究评估了联邦学习在基于MRI的脑龄预测（BrainAGE）中的应用，并探讨其与缺血性卒中患者功能预后的关联	首次在多中心卒中患者队列中系统评估联邦学习与集中式学习及单中心学习在脑龄预测中的性能差异，并验证其与临床表型和功能结局的关联	联邦学习性能略低于集中式学习，且研究仅基于FLAIR图像，未涵盖多模态数据	评估联邦学习在卒中患者脑龄预测中的有效性，并探讨脑龄与血管危险因素及功能预后的关联	接受机械取栓治疗的缺血性卒中患者	医学影像分析	缺血性卒中	MRI（FLAIR成像）	标准机器学习与深度学习模型	MRI图像	1674名卒中患者，来自16个医院中心	未明确提及，可能包含TensorFlow或PyTorch等	未明确指定，可能包括CNN等	预测误差、逻辑回归评估关联显著性	未明确提及，可能涉及多中心分布式计算
1733	2026-08-19	Deep Learning-Accelerated 3D Vessel Wall MRI: Prospective Evaluation of Sonic DL with Substantial Scan Time Reduction 2026-Aug-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9596 PMID:42608196	研究论文	前瞻性评估AI加速重建技术Sonic DL在3D血管壁MRI中的应用，显示在减少42%扫描时间的同时保持图像质量和病变评估的非劣效性	首次使用Sonic DL（下一代AI加速重建技术）在3D血管壁MRI中进行前瞻性随机交叉研究，采用全面的非劣效性框架评估诊断一致性，实现10倍加速因子下扫描时间从9分15秒降至5分20秒	未明确提及局限性	评估Sonic DL加速的3D血管壁MRI与传统协议在图像质量和病变评估方面是否具有非劣效性，以支持其在临床应用中的可行性	30名接受对比增强后3D血管壁MRI的患者	医学影像	血管病变	MRI（磁共振成像），AI加速重建	深度学习模型（Sonic DL）	MRI图像	30名患者	NA	Sonic DL	非劣效性（置信区间）、Fleiss' kappa系数、对比噪声比（CNRLB）	NA
1734	2026-08-19	Editorial for "Deep Learning-Based Enhancement of Already Diagnostic-Quality MRI for Alzheimer's Disease Classification: Effects on Model Performance and Training Data Requirements" 2026-Aug-17, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70501 PMID:42608377	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1735	2026-08-19	Deep-Learning Based Contrast Boosting: A Multi-Center Multi-Reader Study on Clinical Performance With Standard Contrast Enhanced Brain MRI 2026-Aug-17, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70460 PMID:42608386	研究论文	评估FDA批准的基于深度学习的对比度增强算法在常规临床脑部MRI检查中的性能，采用多中心、多读者研究设计。	利用深度学习算法在不增加钆对比剂剂量的情况下，增强标准对比增强脑部MRI图像的对比度，从而提高病变可视化和图像质量。	未明确说明，但可能包括回顾性设计、样本量有限、缺乏长期安全性评估等。	评估深度学习对比度增强算法在常规临床脑部MRI中的临床性能，包括定量和定性指标。	110名接受临床对比增强脑部MRI检查的患者（年龄47±22岁，52名女性，47名男性，11名未知）。	医学影像，深度学习	未特定，涵盖一般脑部病变	对比增强MRI，深度学习对比度增强算法	深度学习模型	脑部MRI图像（包括T1加权前后对比图像）	110名患者，多中心数据库	深度学习框架未明确指定，但可能基于TensorFlow或PyTorch	未明确指定具体架构，可能为CNN或其变体	对比度噪声比（CNR）、病变与脑实质比（LBR）、对比增强百分比（CEP），以及定性评分（Likert量表）	未明确说明，但可能涉及GPU支持的计算环境
1736	2026-08-19	Physics-informed deep learning for robust trajectory prediction in automated driving 2026-Aug-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-66767-9 PMID:42608438	研究论文	本文探讨了物理信息深度学习在自动驾驶轨迹预测中的鲁棒性，通过将物理模型注入神经网络提高泛化能力和抗噪性能	首次系统研究不完整的物理模型注入对自动驾驶轨迹预测的益处，证明即使在物理模型不完全准确的情况下，也能显著提升外推能力和有限数据下的鲁棒性	物理模型仅描述部分运动模式，可能无法覆盖所有复杂驾驶行为；研究未提及具体计算资源或大规模实验验证	评估物理信息神经网络在自动驾驶轨迹预测中的鲁棒性和泛化能力，特别是对分布外场景和传感器噪声的处理	自动驾驶中的自车轨迹预测问题	机器学习	NA	NA	物理信息神经网络（PINN）	轨迹数据	NA	NA	物理信息神经网络架构	均方根误差（RMSE）	NA
1737	2026-08-19	Deep Learning-Based Classification of Facial Profile Convexity from Profile Photographs in Orthodontics: An Artificial Intelligence Study 2026-Aug-17, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02195-5 PMID:42608640	研究论文	本研究开发并评估了一种基于深度学习的框架，用于从标准侧貌照片中自动分类面部凸度（凸面型、正常面型、凹面型），并强调预处理透明度和模型可解释性	首次将U2-Net背景去除、轮廓提取与自定义Contour-CNN结合，用于正畸面部凸度分类，并集成贝叶斯超参数优化和显著性可解释性分析	缺乏外部验证、前瞻性临床研究和伦理监督，内部测试集评估可能限制泛化性	开发一种自动、可解释的深度学习框架，用于正畸诊断中的面部凸度分类，以辅助临床决策	1200张自然头位（NHP）侧貌照片，分为凸面型、正常面型和凹面型三类，每类400张	计算机视觉	正畸相关面部畸形	N/A	卷积神经网络（CNN）	图像（标准化侧貌照片）	1200张侧貌照片（每类400张）	PyTorch	Contour-CNN、U2-Net	准确率、精确率、召回率、F1分数、混淆矩阵、ROC曲线、显著性可解释性指标	N/A
1738	2026-08-19	Radiomics Integrated with Deep Learning Based on Contrast-Enhanced MRI for Predicting Short-Term Efficacy of Drug-Eluting Beads Transarterial Chemoembolization in Hepatocellular Carcinoma from Multicenter Retrospective Study 2026-Aug-17, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02192-8 PMID:42608639	研究论文	开发并验证了结合影像组学、深度学习和临床特征的综合模型，用于术前预测肝细胞癌患者接受载药微球经导管动脉化疗栓塞（DEB-TACE）治疗的短期疗效。	首次将对比增强MRI的影像组学特征、3D ResNet-18深度特征和临床因素整合为综合预测模型，并通过多中心数据验证，以提高短期疗效预测的准确性。	文章未明确提及局限性，但回顾性研究设计和样本量（尤其是外部验证组较小）可能限制泛化性。	开发并验证一种结合影像组学、深度学习和临床特征的综合模型，用于术前预测HCC患者初始DEB-TACE治疗的短期疗效。	肝细胞癌（HCC）患者的中晚期病变。	医学影像分析	肝细胞癌	对比增强MRI（包括动脉期、弥散加权成像和T2加权成像）	3D ResNet-18（深度学习）	医学影像（MRI）和临床特征数据	共145例患者（113例内部，32例外部），其中训练组79例，内部测试组34例，外部测试组32例。	NA	3D ResNet-18	AUC，校准曲线，决策曲线分析（DCA）	NA
1739	2026-08-19	SPCC: Inferring Spatial Cell-Cell Interaction by Integrating Single-cell and Spatial Transcriptomics 2026-Aug-17, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag083 PMID:42608830	research paper	开发了一个名为SPCC的深度学习计算框架，通过整合单细胞和空间转录组数据来推断空间细胞间相互作用。	采用对抗性联合变分自编码器和随机森林模型进行无配对单细胞与空间数据的对齐和映射，生成映射矩阵以将空间位置转移到单个细胞，并展现出对测序噪声更强的鲁棒性。	文中未明确提及局限性。	整合单细胞和空间转录组数据，推断细胞级别的空间结构，并用于下游分析如细胞间通讯和空间可变基因识别。	小鼠体感皮层数据、乳腺癌数据、黑色素瘤脑转移数据。	深度学习、计算生物学	乳腺癌、黑色素瘤	单细胞转录组、空间转录组	变分自编码器、随机森林	转录组数据	3个数据集，具体样本量未提及	未提及	对抗性联合变分自编码器、随机森林	文中提到敏感性和准确性，具体指标未列出	未提及
1740	2026-08-19	Divergent regional brain ageing in essential tremor 2026-Aug-15, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.112080 PMID:42603652	研究论文	本研究通过结构性和弥散MRI以及深度学习模型，探讨了特发性震颤是否与加速的全局脑老化或区域老化模式改变相关	首次揭示特发性震颤表现为疾病特异性的区域脑老化模式，而非全局加速老化，并识别出震颤网络中的特定脑区	样本量较小，且未提供计算资源的详细信息	探究特发性震颤是否与加速的全局脑老化或区域老化模式改变相关	38名特发性震颤患者和37名匹配的对照组参与者	神经影像学	特发性震颤	3T结构性和弥散MRI	深度学习模型	MRI图像	38名特发性震颤患者和37名匹配对照	NA	NA	NA	NA