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
221	2025-04-10	Deep learning in public health: Comparative predictive models for COVID-19 case forecasting 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294289 PMID:38483948	研究论文	比较多种深度学习模型在预测阿联酋和马来西亚COVID-19病例中的效果	使用贝叶斯优化技术提升模型性能，并比较不同深度学习模型在特定地区的预测效果	研究仅针对阿联酋和马来西亚，可能不适用于其他地区	确定预测COVID-19病例的最有效深度学习模型	阿联酋和马来西亚的COVID-19病例数据	机器学习	COVID-19	贝叶斯优化	LSTM, bidirectional LSTM, CNN, hybrid CNN-LSTM, Multilayer Perceptron's, RNN	结构化数据（确诊病例数、人口统计数据、社会经济因素）	NA	NA	NA	NA	NA
222	2025-04-09	Regulated Behavior in Living Cells with Highly Aligned Configurations on Nanowrinkled Graphene Oxide Substrates: Deep Learning Based on Interplay of Cellular Contact Guidance 2024-01-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.2c09815 PMID:38099607	研究论文	研究通过纳米皱纹石墨烯氧化物基底调控细胞行为，并利用深度学习技术解析细胞反应	开发了高度有序的纳米皱纹石墨烯氧化物表面，结合深度学习技术精确解析细胞行为	研究仅针对L929成纤维细胞和HT22海马神经元细胞，未涉及其他细胞类型	探索纳米拓扑结构对细胞行为的调控机制及其在组织工程中的应用	L929成纤维细胞和HT22海马神经元细胞	数字病理学	NA	深度学习	DL网络	图像	L929成纤维细胞和HT22海马神经元细胞	NA	NA	NA	NA
223	2025-04-09	Altered Motor Activity Patterns within 10-Minute Timescale Predict Incident Clinical Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230928 PMID:38393904	研究论文	研究通过运动活动的分形模式变化预测临床阿尔茨海默病的发生	首次在10分钟时间尺度内发现运动活动分形模式变化与阿尔茨海默病临床发病的最强关联	研究仅基于运动活动数据，未结合其他生物标志物	确定运动活动分形调节(FMAR)在哪些时间尺度的变化最能预测阿尔茨海默病的临床发病	1,077名参与者，其中270人在随访期间出现临床阿尔茨海默病	数字病理学	阿尔茨海默病	活动记录仪(actigraphy)和深度学习	DeepSurv, Cox模型, 随机生存森林	时间序列运动活动数据	1,077名参与者，随访长达15年	NA	NA	NA	NA
224	2025-10-07	Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1355287 PMID:38919268	研究论文	本研究开发并比较了深度学习与传统机器学习算法在骨质疏松风险预测中的性能	提出了一种新型深度神经网络框架，并在大规模临床数据上验证其在骨质疏松风险预测中的优越性能	研究样本仅来自单一研究队列（路易斯安那骨质疏松研究），需要外部验证	评估深度学习算法在骨质疏松风险预测中的性能表现	8,134名40岁以上成年人的髋部骨密度和临床数据	机器学习	骨质疏松症	骨密度测量，临床数据分析	DNN, RF, ANN, KNN, SVM	临床数据，人口统计学数据	8,134名受试者	NA	深度神经网络	AUC, 准确率	NA
225	2025-04-06	Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3480696 PMID:39437280	研究论文	本文提出了一种基于知识驱动的盲光斑去除方法，通过光斑级别估计器和调制器来提升网络在训练和测试阶段的适应性	提出了一种新的盲光斑去除视角，设计了光斑级别估计器和调制器，以及光斑感知块，用于更准确的光斑识别和重建	合成数据与真实数据之间的偏差仍然存在，且光斑的混合机制依赖于多种不确定因素	解决盲光斑去除任务中的挑战，提升图像去光斑的效果	光斑污染的图像及其无光斑对应图像	计算机视觉	NA	深度学习	CNN	图像	三个基准数据集和一个新收集的真实世界光斑数据集WiderFlare	NA	NA	NA	NA
226	2025-04-04	Deepdefense: annotation of immune systems in prokaryotes using deep learning 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae062 PMID:39388605	研究论文	使用深度学习对原核生物中的免疫系统进行注释和分类	开发了名为Deepdefense的算法，通过深度学习模型预测免疫系统相关蛋白，并结合校准方法提高准确性，能够识别已知和潜在的新型免疫系统蛋白	现有方法通常基于封闭世界假设，而基因组学中新样本的出现可能超出训练数据范围	开发一种自动检测和分类原核生物免疫系统蛋白的算法	原核生物（古菌和细菌）的免疫系统蛋白	机器学习	NA	深度学习	神经网络	基因组数据	NA	NA	NA	NA	NA
227	2025-10-07	Intraoperative margin assessment for basal cell carcinoma with deep learning and histologic tumor mapping to surgical site 2024-Jan-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00477-7 PMID:38172524	研究论文	开发基于深度学习的人工智能平台用于基底细胞癌的术中切缘评估	通过自动化大体检查建议和肿瘤定位技术，显著缩短组织预处理和组织学评估时间	目前仅针对基底细胞癌进行验证，未涉及其他肿瘤类型	提高术中切缘评估的效率和完整性	基底细胞癌手术标本	数字病理	基底细胞癌	深度学习，组织学肿瘤定位	深度学习模型	病理图像	NA	NA	NA	NA	NA
228	2025-04-03	Classification of Alzheimer disease using DenseNet-201 based on deep transfer learning technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304995 PMID:39240975	research paper	使用基于DenseNet-201的深度迁移学习技术对阿尔茨海默病进行分类	提出了一种基于DenseNet-201的迁移学习方法，用于诊断阿尔茨海默病的不同阶段，并实现了高分类准确率	未提及数据集的具体来源和样本多样性，可能影响模型的泛化能力	通过深度学习技术提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者的不同阶段（非痴呆、中度痴呆、轻度痴呆、极轻度痴呆、重度痴呆）	digital pathology	geriatric disease	MRI	DenseNet-201	image	NA	NA	NA	NA	NA
229	2025-10-07	Multi feature fusion network for schizophrenia classification and abnormal brain network recognition 2024-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110848 PMID:38104673	研究论文	提出一种多特征融合网络用于精神分裂症分类和异常脑网络识别	首次融合功能网络连接性和时间进程的多特征信息，结合深度SHAP识别最具区分度的脑网络	仅使用两个公开数据集验证，样本来源有限	开发精神分裂症自动分类方法并识别异常脑功能网络	精神分裂症患者与健康对照者	医学影像分析	精神分裂症	功能磁共振成像，独立成分分析	DNN, C-RNN	脑功能影像数据	两个公共数据集的合并样本	NA	多特征融合网络	准确率, 特异性, 敏感性, F1分数, AUC	NA
230	2025-10-07	Discriminative analysis of schizophrenia patients using an integrated model combining 3D CNN with 2D CNN: A multimodal MR image and connectomics analysis 2024-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110846 PMID:38104672	研究论文	提出结合3D CNN和2D CNN的集成模型，利用多模态MRI数据对精神分裂症患者进行分类分析	首次将3D CNN与2D CNN集成模型应用于多模态MRI数据融合特征的精神分裂症鉴别分析，并引入SE-blocks和SVM分类器	样本量相对有限（140名患者和205名正常对照），未在独立数据集上进行验证	开发基于多模态MRI数据的深度学习模型以改进精神分裂症患者的分类诊断	精神分裂症患者和正常对照组的脑部多模态MRI数据	医学影像分析	精神分裂症	结构MRI，静息态功能MRI，结构连接性分析，功能连接性分析	3D CNN, 2D CNN, SVM	3D医学图像，2D连接矩阵	140名精神分裂症患者和205名正常对照组	NA	集成3D CNN和2D CNN架构，包含SE-blocks	准确率，灵敏度，特异性，AUC，F1分数	NA
231	2025-10-07	DARDN: A Deep-Learning Approach for CTCF Binding Sequence Classification and Oncogenic Regulatory Feature Discovery 2024-01-23, Genes IF:2.8Q2 DOI:10.3390/genes15020144 PMID:38397134	研究论文	提出一种名为DARDN的深度学习方法，用于CTCF结合序列分类和致癌调控特征发现	开发结合CNN和DeepLIFT的可解释深度学习模型，能够从长DNA序列中识别癌症特异性CTCF结合位点	未明确说明模型对长DNA序列处理的特定限制	识别与癌症特异性CTCF结合相关的DNA序列特征，发现致癌转录因子	CTCF结合位点的DNA序列，涵盖T-ALL、AML、BRCA、CRC、LUAD和PRAD等多种癌症类型	生物信息学	多癌种（包括白血病、乳腺癌、结直肠癌、肺癌、前列腺癌等）	高通量测序数据	CNN	DNA序列	NA	NA	DNAResDualNet (DARDN)	分类准确性、序列特征识别能力	NA
232	2025-03-29	"UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae087 PMID:39607983	research paper	该研究介绍了迄今为止最大的淡水硅藻图像数据集，旨在促进深度学习在硅藻识别问题上的应用和基准测试	提出了最大的硅藻图像数据集，并展示了两种创新分析方法，包括处理视觉异质性类别的子聚类、分布外样本检测和半监督学习	硅藻的高类内变异性和小类间差异、显微镜载玻片上标本视觉外观的差异以及硅藻专家注释的有限可用性	促进深度学习在淡水硅藻识别问题上的应用和基准测试	淡水硅藻	computer vision	NA	light microscopy	deep learning	image	83,570张图像，涵盖611种硅藻类群，其中101种类群每种至少有100个样本，144种类群每种至少有50个样本	NA	NA	NA	NA
233	2025-10-07	Autosurv: interpretable deep learning framework for cancer survival analysis incorporating clinical and multi-omics data 2024-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00494-6 PMID:38182734	研究论文	开发了一个可解释的深度学习框架Autosurv，整合临床和多组学数据用于癌症生存分析	结合多组学数据和临床信息进行癌症预后预测，并采用解释方法解决深度神经网络的“黑箱”问题	已识别特征的重要性仅得到先前研究的部分支持	提高癌症患者的预后预测准确性，优化治疗计划	乳腺癌和卵巢癌患者	机器学习	乳腺癌,卵巢癌	基因表达分析,miRNA表达分析	深度神经网络	基因表达数据,miRNA表达数据,临床数据,人口统计学数据	多个独立多组学数据集	NA	Autosurv	预后预测准确性	NA
234	2025-03-26	DLAAD-deep learning algorithms assisted diagnosis of chest disease using radiographic medical images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1511389 PMID:40124976	研究论文	本研究开发了一种基于深度学习的算法，用于通过胸部X光图像辅助诊断胸部疾病	应用深度学习算法提升胸部疾病诊断的准确性和效率，整合现代技术到医疗设备中	数据集仅包含5,863张胸部X光图像，且仅分为肺炎和正常两类，可能限制了模型的泛化能力	提高计算机辅助诊断系统（CADs）在胸部疾病诊断中的效率和准确性	胸部X光图像	计算机视觉	肺炎	迁移学习	MobileNetV2, VGG-16, ResNet50V2	图像	5,863张胸部X光图像	NA	NA	NA	NA
235	2025-10-07	Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences 2024-01-19, Database : the journal of biological databases and curation DOI:10.1093/database/baad094 PMID:38245002	综述	对基于机器学习和深度学习的蛋白质序列赖氨酸丙二酰化位点预测技术及工具进行全面分析与比较	提出混合架构集成多种分类器，并在最新数据集上评估比较现有工具性能	现有方法存在特征提取不当、高维特征和分类器效率低等特定缺陷	开发有效的赖氨酸丙二酰化位点预测方法	蛋白质序列中的赖氨酸丙二酰化位点	机器学习	NA	蛋白质序列分析	机器学习模型,深度学习模型	蛋白质序列数据	基于最新数据库提取的新数据集	NA	混合架构	NA	NA
236	2025-10-07	Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1243659 PMID:38711781	综述	分析人工智能方法在皮肤癌生存分析中的应用现状	首次系统综述AI在皮肤癌生存分析中的多模态数据整合能力，指出深度学习在黑色素瘤病理解读中的集中应用及扩展其他皮肤恶性肿瘤研究的创新空间	仅纳入14篇符合标准的文献，覆盖病种范围有限（主要关注黑色素瘤），未充分整合遗传学与临床数据	评估人工智能技术在皮肤癌生存分析领域的应用现状与发展方向	皮肤癌患者的生存数据分析	自然语言处理, 机器学习	皮肤癌	深度学习, 自然语言处理	监督学习, 无监督学习, 深度学习, NLP	遗传数据, 临床病史, 人口统计学数据, 病理数据	14篇符合纳入标准的文献	NA	NA	NA	NA
237	2025-03-22	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题	提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性	未提及具体局限性	提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题	事件抽取任务中的词特征与序列信息	自然语言处理	NA	动态图聚合网络、掩码注意力机制	MaskDGNets	文本	两个基准数据集（DuEE和CCKS2020）	NA	NA	NA	NA
238	2025-03-20	An efficient deep learning strategy for accurate and automated detection of breast tumors in ultrasound image datasets 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1461542 PMID:40098633	研究论文	本文提出了一种基于改进深度学习模型的新方法，用于乳腺肿瘤的智能辅助诊断，结合优化的U2NET-Lite模型和高效的DeepCardinal-50模型，在乳腺超声图像的精确分割和分类方面表现出色	结合优化的U2NET-Lite模型和DeepCardinal-50模型，提出了一种新的深度学习策略，用于乳腺肿瘤的自动检测，相比传统模型如ResNet和AlexNet，具有更高的准确性和效率	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种自动化和高效的乳腺肿瘤检测模型，以辅助乳腺癌的早期诊断和治疗	乳腺超声图像	计算机视觉	乳腺癌	深度学习	U2NET-Lite, DeepCardinal-50	图像	未提及具体样本数量	NA	NA	NA	NA
239	2025-10-07	Lightweight model-based sheep face recognition via face image recording channel 2024-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skae066 PMID:38477672	研究论文	提出一种基于YOLOv7的轻量级绵羊面部识别模型YOLOv7-SFR，通过面部图像采集通道和多种优化策略提升识别性能	开发了绵羊面部图像采集通道解决人工采集效率低的问题，并在YOLOv7基础上引入混洗注意力模块、Dyhead检测头和深度可分离卷积实现模型轻量化	仅使用50只小尾寒羊作为研究对象，样本多样性可能有限	开发轻量级绵羊面部识别模型以满足精准畜牧业实际应用需求	50只1-3岁小尾寒羊的面部图像	计算机视觉	NA	图像采集通道，数据增强	CNN	图像	50只绵羊，经数据增强后共22,000张面部图像	PyTorch	YOLOv7, YOLOv7-SFR	mAP@0.5, 模型大小, 平均识别时间	NA
240	2025-03-15	Diagnostic-therapeutic management of pulmonary nodules 2024, Klinicka onkologie : casopis Ceske a Slovenske onkologicke spolecnosti DOI:10.48095/ ccko2024408 PMID:39772821	综述	本文全面回顾了肺结节的诊断和治疗方法，重点讨论了基于结节形态、大小和生长潜力的恶性潜力评估	文章详细分析了现代影像技术，特别是人工智能（AI）在肺结节诊断中的应用，并强调了多学科方法在肺结节诊断和管理中的重要性	文章未提及具体的研究局限性	优化肺结节的临床诊断和管理，以减少肺癌的死亡率并改善患者预后	肺结节	数字病理学	肺癌	人工智能（AI），深度学习技术	深度学习	影像数据	NA	NA	NA	NA	NA