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
21	2026-01-03	Weed target detection at seedling stage in paddy fields based on YOLOX 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294709 PMID:38091355	研究论文	本研究提出了一种基于YOLOX的稻田杂草目标检测方法，旨在实现水稻苗期小密集杂草的精准识别，为智能农业设备部署提供支持	首次将YOLOX模型应用于水稻苗期杂草检测，通过优化模型架构提升了对遮蔽和密集小目标的检测性能，并验证了其在嵌入式平台部署的可行性	YOLOX-tiny模型仅在本文数据集中表现最佳，其普适性尚未得到全面验证	实现稻田杂草的精准检测，以支持从大面积喷洒向精准喷洒的农业转型	水稻苗期稻田中的杂草	计算机视觉	NA	深度学习驱动的计算机视觉方法	CNN	图像	NA	NA	YOLOX, CSPDarknet, FPN, YOLO Head	mAP, F1, 召回率	智能农业设备（嵌入式计算平台）
22	2026-01-03	Research on distribution network fault processing technology based on knowledge of graph 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295421 PMID:38096310	研究论文	本文提出了一种基于知识图谱的配电网故障处理技术，用于分析配电网中的风险传播过程并确保电力系统安全可靠运行	结合知识图谱与深度学习方法，构建面向馈线和台区的多维配电网故障处理知识图谱模型，并基于知识图谱邻接矩阵搜索非计划孤岛	NA	分析配电网风险传播过程，确保电力系统安全可靠运行	配电网信息系统、低压配电网模型	机器学习	NA	知识图谱方法、深度学习	NA	多维信息数据、配电网参数	NA	NA	NA	NA	NA
23	2026-01-02	Biophysical informatics reveals distinctive phenotypic signatures and functional diversity of single-cell lineages 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac833 PMID:36610710	研究论文	本文提出了一种分析单细胞形态和细胞网络拓扑的方法，用于预测肿瘤细胞的三维行为	开发了一种无需标记、高通量的分析方法，结合监督深度学习和无监督聚类，识别出六个不同的形态亚类，并关联到肿瘤生长和侵袭动态	NA	量化肿瘤细胞群的单细胞形态和细胞网络拓扑，以预测三维细胞行为	来自YUMM1.7和YUMMER1.7小鼠黑色素瘤细胞系的136个单细胞克隆	生物物理信息学	黑色素瘤	无标记活细胞成像	监督深度学习	图像	136个单细胞克隆	NA	NA	NA	NA
24	2026-01-01	Deep pathomics: A new image-based tool for predicting response to treatment in stage III non-small cell lung cancer 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294259 PMID:38015944	研究论文	本研究探索了利用深度学习技术分析组织病理切片（深度病理组学）来预测III期非小细胞肺癌患者对放化疗治疗反应的新方法	首次将深度学习技术应用于III期非小细胞肺癌的组织病理切片，开发了名为“深度病理组学”的图像分析工具，用于预测治疗反应	样本量较小（仅35例），属于探索性研究，需要更大规模的研究验证	预测III期非小细胞肺癌患者对放化疗的治疗反应	III期非小细胞肺癌患者的组织病理切片	数字病理学	肺癌	组织病理学切片数字化	CNN	图像	35例数字化组织切片（活检或手术标本）	NA	AlexNet, VGG, MobileNet, GoogLeNet, ResNet	特异性, 敏感性	NA
25	2026-01-01	A hybrid Cycle GAN-based lightweight road perception pipeline for road dataset generation for Urban mobility 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293978 PMID:38032941	研究论文	本文提出了一种基于Cycle GAN的轻量级道路感知流水线，用于生成城市移动性所需的道路数据集	提出了一种新颖的生成器网络'Sim2Real'，用于将语义分割标签转换为逼真的街景，并测试了CycleGAN架构在折纸机器人数据集上的泛化能力	未明确说明模型在更复杂或多样化场景中的性能限制	解决深度学习网络训练中大规模标注数据集需求的问题，通过模拟数据生成逼真数据集以支持城市移动性研究	城市道路数据集，包括Cityscapes和KITTI数据集，以及折纸机器人数据集	计算机视觉	NA	模拟数据生成，语义分割	CycleGAN, SVM	图像，语义分割地图	使用了Cityscapes数据集和KITTI数据集，具体样本数量未明确说明	未明确指定，但可能涉及TensorFlow或PyTorch（基于CycleGAN的常见实现）	CycleGAN	Cycle一致性损失，身份损失	未明确说明
26	2026-01-01	Examination of alternative eGFR definitions on the performance of deep learning models for detection of chronic kidney disease from fundus photographs 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295073 PMID:38032977	研究论文	本研究探讨了使用不同eGFR定义对基于眼底照片的深度学习模型检测慢性肾病性能的影响	首次比较了仅基于肌酐的eGFR方程与结合肌酐和胱抑素C的eGFR方程在眼底图像深度学习模型中的表现差异	现有eGFR方程存在局限性，且眼底图像中可能缺乏独特指示CKD的特征，导致模型性能不一致	评估不同eGFR定义对深度学习模型检测慢性肾病性能的影响	英国生物银行的眼底图像数据	数字病理学	慢性肾病	深度学习	深度学习模型	图像	NA	NA	NA	分类性能	NA
27	2025-12-31	Machine learning identification of Pseudomonas aeruginosa strains from colony image data 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011699 PMID:38091365	研究论文	本研究利用机器学习和图像处理技术，基于菌落图像数据对铜绿假单胞菌菌株进行分类识别	在种内尺度上应用深度卷积神经网络结合数据增强和迁移学习，克服生物深度学习中的数据匮乏问题，实现菌株的视觉指纹分类	样本量相对较小（69个菌株），且仅针对铜绿假单胞菌，未广泛验证其他细菌物种	探索菌落形态作为细菌菌株分类的基础，并开发基于图像的病原菌分类方法	69个环境和临床来源的铜绿假单胞菌菌株	计算机视觉	NA	菌落图像采集	CNN	图像	69个铜绿假单胞菌菌株	NA	深度卷积神经网络	准确率	NA
28	2025-12-31	Application of error level analysis in image spam classification using deep learning model 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291037 PMID:38096218	研究论文	本文提出了一种利用误差水平分析（ELA）作为预处理步骤来提升卷积神经网络（CNN）在图像垃圾邮件分类中性能的方法	将误差水平分析（ELA）技术作为预处理步骤引入图像垃圾邮件分类，以增强CNN模型对挑战性数据集的鲁棒性和分类准确率	未明确说明模型对新型对抗攻击的泛化能力，且可能依赖于特定数据集	提升图像垃圾邮件分类的准确性和鲁棒性，特别是在对抗性设计的数据集上	图像垃圾邮件（包含文本信息的图像文件）	计算机视觉	NA	误差水平分析（ELA）	CNN	图像	NA	NA	NA	准确率	NA
29	2025-12-31	RVCNet: A hybrid deep neural network framework for the diagnosis of lung diseases 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293125 PMID:38153925	研究论文	本文提出了一种名为RVCNet的混合深度神经网络框架，用于从多类别X射线数据集中预测肺部疾病	结合ResNet101V2、VGG19和基础CNN三种深度学习技术，构建新型混合架构，并在特征提取阶段采用超参数微调，分类阶段加入批量归一化、dropout和密集层等额外层	NA	开发计算机辅助诊断系统，以帮助放射科医生更精确地诊断肺部疾病并减少误判	COVID-19、非COVID肺部感染、病毒性肺炎和正常患者的X射线图像	计算机视觉	肺部疾病	X射线成像	CNN	图像	2262张训练图像和252张测试图像	NA	ResNet101V2, VGG19, CNN	准确率, AUC, 精确率, 召回率, F1分数	NA
30	2025-12-30	Deep Learning to Optimize Magnetic Resonance Imaging Prediction of Motor Outcomes After Hypoxic-Ischemic Encephalopathy 2023-12, Pediatric neurology IF:3.2Q1 DOI:10.1016/j.pediatrneurol.2023.09.001 PMID:37774643	研究论文	本研究利用深度学习优化磁共振成像预测缺氧缺血性脑病后的运动结局	采用梯度提升深度学习模型，通过特征选择将预测模型从48个特征简化为仅3个关键特征，提高了预测准确性	样本量相对较小（117名婴儿），且研究仅针对足月或近足月婴儿，可能限制了结果的普适性	优化磁共振成像对缺氧缺血性脑病后运动不良结局的预测	孕周≥36周、接受治疗性低温治疗的中重度缺氧缺血性脑病婴儿	医学影像分析	缺氧缺血性脑病	磁共振成像（T1/T2/扩散加权成像）	梯度提升深度学习	图像, 临床数据	117名婴儿	NA	NA	准确率, 受试者工作特征曲线下面积	NA
31	2025-12-30	Attention-based deep clustering method for scRNA-seq cell type identification 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011641 PMID:37948464	研究论文	提出了一种名为AttentionAE-sc的新型单细胞RNA测序数据聚类方法，通过注意力机制融合两种不同的聚类策略，以解决数据稀疏性和高维度的挑战	首次结合了基于零膨胀负二项分布的方法和图自编码器方法，通过注意力机制迭代融合去噪和拓扑嵌入，自动学习聚类友好的细胞表示，无需指定聚类数量	未明确说明方法在超大规模数据集上的计算效率，也未讨论对特定生物背景或技术噪声的适应性	开发一种无监督的深度学习方法，用于单细胞RNA测序数据的细胞类型识别	单细胞RNA测序数据	机器学习	乳腺癌	单细胞RNA测序	自编码器, 图自编码器	基因表达数据	16个真实scRNA-seq数据集及一个乳腺癌单细胞图谱数据集	NA	AttentionAE-sc（注意力融合自编码器）	聚类性能, 稳定性, 鲁棒性	NA
32	2025-12-30	A general hypergraph learning algorithm for drug multi-task predictions in micro-to-macro biomedical networks 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011597 PMID:37956212	研究论文	本研究提出了一种通用的超图学习框架HGDrug，用于药物多任务预测，通过构建微到宏的药物中心异质网络并整合药物-子结构关系，在多个基准任务上实现了高精度和鲁棒性预测	引入药物-子结构关系到分子相互作用网络中，构建微到宏的药物中心异质网络，并开发多分支超图学习模型HGDrug，以处理化学结构和高阶关系，这在当前生物医学网络中尚未充分解决	未明确说明模型在处理更大规模网络或更复杂任务时的可扩展性，以及在实际药物发现应用中的验证程度	加速药物发现过程，通过结合大规模药物相关相互作用网络和深度学习技术	药物及其相互作用，包括药物-药物、药物-靶点、药物-疾病和药物-副作用交互	机器学习	NA	超图学习	超图学习模型	网络数据	NA	NA	HGDrug	准确性, 鲁棒性	NA
33	2025-12-30	FUN-PROSE: A deep learning approach to predict condition-specific gene expression in fungi 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011563 PMID:37971967	研究论文	本文提出了一种名为FUN-PROSE的深度学习模型，用于预测真菌在不同环境条件下的基因表达差异	该模型首次结合启动子序列和所有转录因子的表达水平来预测条件特异性基因表达，而非仅基于启动子序列预测平均表达水平	模型仅在三种真菌物种上进行了训练和测试，可能无法泛化到其他物种或更广泛的条件	研究旨在通过深度学习预测真菌在特定环境条件下的基因表达，以支持代谢工程和工业规模化生产	三种真菌物种的基因表达数据，包括启动子序列和转录因子表达水平	机器学习	NA	深度学习	深度学习模型	序列数据（启动子序列）和表达数据（转录因子表达水平）	三种真菌物种的数据集	NA	FUN-PROSE	相关性（高达0.85）	NA
34	2025-12-30	Neural network models for sequence-based TCR and HLA association prediction 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011664 PMID:37983288	研究论文	本文提出了一种基于神经网络的深度学习方法DePTH，用于预测T细胞受体（TCR）与人类白细胞抗原（HLA）之间的关联，基于它们的氨基酸序列	DePTH方法能够预测训练数据集中未出现的TCR和HLA之间的关联，并能量化HLA等位基因之间的功能相似性，这与癌症患者免疫检查点阻断治疗的生存结果相关	未在摘要中明确提及	预测TCR与HLA之间的关联，以挖掘TCR数据中的有用信息或生物标志物，用于免疫相关疾病或状况	T细胞受体（TCR）和人类白细胞抗原（HLA）的氨基酸序列	机器学习	癌症	氨基酸序列分析	神经网络	序列数据（氨基酸序列）	NA	NA	NA	NA	NA
35	2025-12-30	Natural variability in bee brain size and symmetry revealed by micro-CT imaging and deep learning 2023-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011529 PMID:37782674	研究论文	本研究利用显微CT成像和深度学习技术，对蜜蜂和大黄蜂的大脑进行自动化三维图像分析，揭示了脑部大小和对称性的自然变异	首次将显微CT成像与深度学习结合，实现蜜蜂大脑三维形态的自动化、高通量分析，克服了传统手动分析的限制	研究样本主要集中于蜜蜂和大黄蜂，尚未扩展到更广泛的动物范围	探究昆虫大脑形态的自然变异及其与行为、生态和进化的关系	蜜蜂和大黄蜂的大脑	计算机视觉	NA	显微CT成像	深度学习	三维图像	187个蜜蜂和大黄蜂大脑样本	NA	NA	NA	NA
36	2025-12-30	Recognition and reconstruction of cell differentiation patterns with deep learning 2023-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011582 PMID:37889897	研究论文	本文结合深度学习与数学模型，识别并重建小鼠胚胎干细胞类器官中的细胞命运模式	将数学模型生成的合成数据与空间汇总统计及深度学习算法结合，用于细胞命运模式的识别与重建，并开发了图神经网络和多层感知器来预测细胞命运	未明确提及实验验证的局限性或模型在更广泛生物系统中的泛化能力	研究细胞命运模式与潜在机制之间的联系	小鼠胚胎干细胞类器官中的细胞分化模式	机器学习	NA	数学模型、空间汇总统计	图神经网络、多层感知器	合成数据、体外数据	NA	NA	图神经网络、多层感知器	准确率	NA
37	2025-12-30	Neural Network Models for Sequence-Based TCR and HLA Association Prediction 2023-May-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.25.542327 PMID:37293077	研究论文	本文提出了一种名为DePTH的神经网络方法，用于基于氨基酸序列预测T细胞受体与人类白细胞抗原的关联	开发了首个基于深度学习的TCR-HLA关联预测模型，并利用该模型量化HLA等位基因的功能相似性，揭示了其与癌症患者免疫检查点阻断治疗生存结局的关联	未明确提及模型在独立验证集上的泛化能力或数据偏差问题	预测T细胞受体与人类白细胞抗原之间的关联，以深入理解免疫识别机制	T细胞受体的氨基酸序列和人类白细胞抗原的氨基酸序列	机器学习	癌症	NA	神经网络	序列数据（氨基酸序列）	NA	NA	NA	NA	NA
38	2025-12-30	Growing ecosystem of deep learning methods for modeling protein-protein interactions 2023-01-21, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzad023 PMID:38102755	综述	本文综述了用于蛋白质-蛋白质相互作用建模的深度学习方法的生态系统，讨论了其多样性、权衡、最新成功案例以及未来挑战	系统性地梳理了生物物理知识驱动的深度学习模型在蛋白质相互作用建模中的多样化应用，并比较了不同方法的权衡	NA	综述深度学习在蛋白质-蛋白质相互作用建模领域的方法、应用与挑战	蛋白质-蛋白质相互作用	计算生物学	NA	深度学习	表示学习, 几何深度学习, 生成模型	实验数据, 蛋白质结构数据	NA	NA	NA	NA	NA
39	2025-12-25	Deep learning for sleep analysis on children with sleep-disordered breathing: Automatic detection of mouth breathing events 2023, Frontiers in sleep DOI:10.3389/frsle.2023.1082996 PMID:41426436	研究论文	本研究开发了一种基于深度学习的算法，用于从儿童多导睡眠图记录中自动检测口呼吸事件	首次利用卷积神经网络自动检测儿童睡眠呼吸障碍中的口呼吸事件，为睡眠分析提供了一种新的自动化方法	模型在第二个验证数据集上性能下降，表明需要更大的训练集以提高泛化能力	构建深度学习算法以自动检测儿童睡眠呼吸障碍中的口呼吸事件	年龄在10-13岁之间的儿童，其中部分有打鼾或高阻塞性睡眠呼吸暂停值	机器学习	睡眠呼吸障碍	多导睡眠图	CNN	信号数据	20名受试者	NA	卷积神经网络	准确率, 精确率, 真阳性率, 假阳性率	NA
40	2025-12-24	SPIN-CGNN: Improved fixed backbone protein design with contact map-based graph construction and contact graph neural network 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011330 PMID:38060617	研究论文	本文提出了一种基于蛋白质接触图的图神经网络SPIN-CGNN，用于改进固定骨架蛋白质设计	引入了基于蛋白质接触图的最近邻图构建方法，结合辅助边更新和选择性核，提高了序列恢复率、困惑度等性能指标	深度学习设计的序列中的低复杂度区域，特别是针对生成结构，与天然序列相比仍有待改进	改进固定骨架蛋白质设计方法，提高序列推断的准确性和生物相关性	蛋白质结构和序列	机器学习	NA	蛋白质接触图	图神经网络	蛋白质结构数据	NA	NA	GNN	序列恢复率, 困惑度, 氨基酸组成偏差, 疏水位点保守性, 低复杂度区域	NA