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
41	2026-09-16	Factors affecting the intention to use COVID-19 contact tracing application "StaySafe PH": Integrating protection motivation theory, UTAUT2, and system usability theory 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306701 PMID:39088508	研究论文	该研究旨在确定菲律宾民众使用StaySafe PH接触者追踪应用的意愿，通过整合保护动机理论、UTAUT2和系统可用性量表，并采用结构方程模型、深度学习神经网络和SUS进行分析	首次在菲律宾评估和评价接触者追踪应用，并首次整合PMT、UTAUT2和SUS框架以提供全面的测量，涵盖健康行为、技术接受和可用性视角	该应用的SUS得分为D，表明其可用性较差；研究可能受限于特定国家背景，结果推广性有限；未详细说明深度学习神经网络的具体架构和计算资源	确定菲律宾民众使用StaySafe PH接触者追踪应用的意愿，并探讨影响使用意图的因素	菲律宾的StaySafe PH接触者追踪应用及其用户	机器学习	COVID-19	NA	深度学习神经网络	文本	646名菲律宾受访者	NA	NA	NA	NA
42	2026-09-16	AmiR-P3: An AI-based microRNA prediction pipeline in plants 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308016 PMID:39088479	研究论文	本文提出了AmiR-P3，一种基于深度学习的植物miRNA从头预测流程，无需测序reads或参考基因组即可从基因组或转录组序列中识别保守和新的候选miRNA	AmiR-P3是一种新型的从头植物miRNA预测流程，不需要测序reads或组装好的参考基因组，可从任何基因组或转录组序列中识别保守和新的候选miRNA，且不依赖于目标生物miRNA库的先验知识，适用于研究较少的植物物种	摘要中未明确提及该研究的局限性	开发一种基于AI的植物miRNA预测流程，解决现有标准miRNA预测工具主要针对动物序列优化、难以适用于植物miRNA预测的问题	多种植物物种的基因组和转录组序列中的miRNA	机器学习	NA	NA	深度学习分类模型	基因组序列, 转录组序列	NA	NA	NA	NA	Docker容器
43	2026-09-16	Natural language processing augments comorbidity documentation in neurosurgical inpatient admissions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303519 PMID:38723044	研究论文	本研究探讨了自然语言处理技术是否能够仅利用住院头部影像的文本报告来识别两种常见的神经外科住院合并症	利用自然语言处理技术从影像报告中自动识别神经外科合并症，并与医生记录进行比较	样本量有限，仅来自单一医院，仅针对两种合并症，需要进一步验证	建立自然语言处理技术是否能仅使用住院头部影像的文本报告来识别两种常见的神经外科住院合并症	979份脑部CT或MRI扫描报告，来自2021年6月神经外科住院患者或2021年7月1-8日急诊科患者，以及一个76例的子集比较队列	自然语言处理	神经系统疾病	自然语言处理	随机森林	文本	979份影像报告（训练集84%，测试集16%），以及76例子集比较队列	NA	随机森林	准确率, AUC, 灵敏度	NA
44	2026-09-16	Fruit-In-Sight: A deep learning-based framework for secondary metabolite class prediction using fruit and leaf images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308708 PMID:39116159	研究论文	本文开发了一个基于深度学习的框架，利用果实和叶片图像预测次生代谢物的浓度等级，并集成到移动应用中	首次证明仅使用果实和叶片图像即可预测次生代谢物的浓度等级，无需昂贵的实验室设备和复杂的分析程序，并开发了移动应用Fruit-In-Sight	未明确提及	测试是否可以使用果实和叶片图像开发深度学习模型来预测代谢物浓度等级（高或低）	印楝树的果实和叶片	计算机视觉	NA	高效液相色谱	CNN	图像	1045个果实和叶片样本	NA	YOLOv5, GoogLeNet, InceptionNet, EfficientNet_B0, Resnext_50, Resnet18, SqueezeNet	F1分数, 灵敏度, 特异性	NA
45	2026-09-16	Chicken swarm optimization modelling for cognitive radio networks using deep belief network-enabled spectrum sensing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305987 PMID:39116190	研究论文	本文提出了一种基于深度信念网络和鸡群优化算法的认知无线电网络频谱感知技术（SST-CRN），用于提高频谱感知的准确性和效率	提出了一种结合深度信念网络（DBN）和鸡群优化算法（CSA）的频谱感知方法，通过非线性阈值实现频谱感知，并采用离线和在线两阶段处理流程	未来研究需要改进鸡群优化算法以更好地优化频谱感知过程，并提高基于深度信念网络的感知技术的可靠性	解决传统能量检测模型在认知无线电网络频谱感知中因低信噪比和信号样本不足导致的性能问题	认知无线电网络中的频谱感知过程	机器学习	NA	深度信念网络, 鸡群优化算法	深度信念网络 (DBN), 卷积神经网络 (CNN)	频谱信号数据	NA	NA	深度信念网络 (DBN), 卷积神经网络 (CNN)	检测概率 (Pd)	NA
46	2026-09-16	An unconstrained palmprint region of interest extraction method based on lightweight networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307822 PMID:39121173	研究论文	本文提出了一种基于轻量级网络的无约束掌纹感兴趣区域（ROI）提取方法，使用YOLOv5-lite进行手掌检测和定位，改进的UNet进行关键点检测，并在混合数据库上验证了方法的有效性	1. 结合YOLOv5-lite和轻量级UNet实现无约束掌纹ROI提取，兼顾精度和计算效率；2. 改进UNet减少参数量并提升性能；3. 结合高斯热图回归和直接回归，提出基于JS loss和L2 loss的联合损失函数进行监督	未明确提及	解决无约束环境下掌纹ROI提取的挑战，提出一种轻量级、高精度且适用于嵌入式设备的提取方法	掌纹图像	计算机视觉	NA	NA	CNN	图像	5个数据库组成的混合数据库	PyTorch	YOLOv5-lite, UNet	准确率, 平均检测时间, 成功率, 模型大小	GPU
47	2026-09-16	F-Net: Follicles Net an efficient tool for the diagnosis of polycystic ovarian syndrome using deep learning techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307571 PMID:39146307	研究论文	该研究利用YOLOv8检测卵巢卵泡并结合模糊C均值活动轮廓分割，提取统计特征后使用多种机器学习和深度学习模型对多囊卵巢综合征进行分类，并提出自定义F-Net模型	提出了结合YOLOv8卵泡检测与模糊C均值活动轮廓分割的混合方法，并开发了自定义F-Net模型用于PCOS分类，在两个数据集上分别达到95%和97.5%的分类准确率，优于所有对比的机器学习和深度学习分类器	数据集规模较小（数据集1共100例，数据集2共200例），未提及外部验证或多中心数据，模型的泛化能力有待进一步验证	实现卵巢卵泡的自动检测与分割，并评估机器学习和深度学习分类器在检测多囊卵巢综合征中的有效性	多囊卵巢综合征患者和正常受试者的卵巢超声图像	计算机视觉	多囊卵巢综合征	YOLOv8目标检测，模糊C均值活动轮廓分割，灰度共生矩阵特征提取	CNN，Transformer	图像	数据集1：50例正常和50例PCOS受试者（共100例）；数据集2：100例正常和100例PCOS受试者（共200例）	NA	YOLOv8，MobileNet，ResNet152V2，DenseNet121，Vision Transformer，F-Net（自定义模型）	准确率	NA
48	2026-09-16	A scalable blockchain-enabled federated learning architecture for edge computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308991 PMID:39150937	研究论文	提出了一种名为FLCoin的可扩展区块链联邦学习架构，用于边缘计算，通过基于委员会的共识机制和双层区块链设计，提升了通信效率和训练速度	提出了一种新颖的基于委员会的共识处理方法，委员会成员通过联邦学习过程选举产生，并采用了双层区块链架构来无缝集成区块链和联邦学习	未明确说明	解决现有研究中忽视物联网边缘网络设置中区块链共识处理的资源需求问题，实现区块链和联邦学习在物联网边缘网络中的高效可扩展集成	物联网边缘网络中的区块链联邦学习系统	机器学习	NA	联邦学习，区块链	CNN	图像	MNIST数据集（具体样本数未提及）	NA	五层CNN	共识延迟，通信开销，训练时间成本	NA
49	2026-09-16	VT-3DCapsNet: Visual tempos 3D-Capsule network for video-based facial expression recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307446 PMID:39178187	研究论文	本文提出了一种结合视觉节奏的3D胶囊网络（VT-3DCapsNet），用于基于视频的面部表情识别	提出了3D-CapsNet模型，融合改进的3D-ResNet架构和AU感知注意力模块，增强胶囊网络的特征表示能力；提出了基于时序金字塔网络的表情识别模块（TPN-ERM），用于学习视觉节奏差异	未明确提及	解决传统CNN忽略面部关键特征相对位置关系以及未考虑视觉节奏的问题，提高面部表情识别准确率	视频中的面部表情	计算机视觉	NA	深度学习	CNN, 胶囊网络, 3D-ResNet, 时序金字塔网络	视频	扩展的CK+数据库和AFEW数据库	NA	3D-CapsNet, 3D-ResNet, TPN	识别准确率	NA
50	2026-09-16	Optimized ensemble deep learning for predictive analysis of student achievement 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309141 PMID:39186491	研究论文	本文提出了一种结合DistilBERT与LSTM的混合模型（DBTM），并利用斑点鬣狗优化器（SHO）进行参数优化，用于学生成绩的预测分析	将DistilBERT与LSTM相结合的混合架构（DBTM）首次与斑点鬣狗优化器（SHO）结合用于学生成绩预测，通过优化参数显著提升了预测性能	未明确讨论模型在不同教育背景或不同学科领域的泛化能力，也未提及数据隐私和伦理问题	提升教育场景中学生学业成绩预测的准确性和效率，应对本硕博阶段数据量激增带来的挑战	高等教育阶段的学生学业成绩数据	机器学习	NA	NA	DistilBERT, LSTM	文本	NA	NA	DistilBERT, LSTM	准确率, 对数损失, 执行时间	NA
51	2026-09-16	Vessel trajectory classification via transfer learning with Deep Convolutional Neural Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308934 PMID:39186723	研究论文	本文提出了一种基于深度卷积神经网络和迁移学习的Dense121-VMC框架，用于同时提取和分类航行和徘徊的船舶轨迹	提出了Dense121-VMC框架，首次同时分类航行和徘徊轨迹，并利用迁移学习减少数据需求并解决过拟合问题	未明确提及	提高船舶轨迹分类的准确性，以增强海上安全和航行效率	基于自动识别系统（AIS）数据的船舶轨迹	计算机视觉	NA	自动识别系统（AIS）数据	CNN	图像	NA	NA	DenseNet121	NA	NA
52	2026-09-16	RETRACTED: Automated brain tumor diagnostics: Empowering neuro-oncology with deep learning-based MRI image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306493 PMID:39190622	研究论文	本文提出了一种结合卷积神经网络和ResNeXt101的混合深度学习技术，用于MRI图像中脑肿瘤的自动分割和分类	提出了一种新的混合深度学习技术ConvNet-ResNeXt101，结合了ConvNet和ResNeXt101的优势，并采用Advanced Whale Optimization (AWO)算法进行特征选择	文章已被撤回，未提供具体的局限性说明	解决MRI图像中脑肿瘤精确分割和分类的挑战，以支持有效的治疗计划和预后	脑肿瘤MRI图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN, ResNeXt101	图像	BRATS 2020数据集	NA	ConvNet, ResNeXt101, AlexNet	准确率	NA
53	2026-09-16	Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309109 PMID:39190686	研究论文	开发和测试一种深度学习算法，用于在手持超声设备上检测儿童肺炎中的肺实变特征	针对资源匮乏地区儿童肺炎诊断需求，开发了基于便携式手持超声的AI算法，实现肺实变的自动识别和定位，并在多中心前瞻性研究中验证了其高准确性	样本量相对有限（107名儿童参与者），训练集中加入了成人数据以扩充样本，可能影响模型在纯儿科人群中的泛化能力	开发和测试人工智能算法在住院儿童床旁肺超声中检测肺实变特征的准确性	18个月至17岁疑似下呼吸道感染的住院儿童	计算机视觉	肺炎	床旁肺超声（手持式Philips Lumify C5-2换能器）	CNN	视频	107名儿科参与者，117次独立检查，604个阳性视频和589个阴性视频	NA	NA	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
54	2026-09-16	A new method of rock type identification based on transformer by utilizing acoustic emission 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309165 PMID:39190747	研究论文	本文提出了一种基于声发射信号和Transformer的新型岩石类型识别框架，并引入了一种新的信号识别模型3CTNet	提出了一种结合卷积神经网络和Transformer编码器的新型模型3CTNet，用于岩石类型识别；实验比较了五种过采样方法，并选择了自适应合成采样方法（ADASYN）来平衡数据集	未明确提及	解决传统分析方法难以处理大数据的问题，以及渐进融合技术在智能岩石类型识别中有效特征提取的挑战	不同岩石破裂产生的声发射信号	地球科学	不适用	声发射	CNN, Transformer	信号	未明确提及	未明确提及	3CTNet（CNN和Transformer编码器）	准确率	未明确提及
55	2026-09-13	TabDEG: Classifying differentially expressed genes from RNA-seq data based on feature extraction and deep learning framework 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305857 PMID:39037985	研究论文	该文章提出了一种名为TabDEG的模型，结合数据增强和基于深度学习的表格数据模型，从RNA-seq数据中预测差异表达基因及其上调/下调方向	将数据增强与基于深度学习框架的表格数据模型相结合，无需考虑数据分布类型和样本变异，能够从有限数据中提取互补的伪值，有效处理高维小样本数据集	依赖于癌症基因组图谱数据库的数据，可能受限于标注数据的可用性和质量，且未提及在其他非癌症数据集上的泛化能力验证	解决传统差异表达基因识别模型在小样本数据集上因分布假设限制导致高假阳性/假阴性率的问题，实现从RNA-seq数据中准确分类差异表达基因	从癌症基因组图谱数据库获取的基因表达数据	机器学习	癌症	RNA-seq	深度学习	基因表达数据	NA	NA	NA	灵敏度, 误分类率	NA
56	2026-09-13	Feature extraction method of EEG based on wavelet packet reconstruction and deep learning model of VR motion sickness feature classification and prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305733 PMID:39028732	研究论文	该文章提出了一种基于小波包重建的脑电特征提取方法，并构建深度学习模型（增强型GRU网络）来分类和预测VR晕动症	结合小波包重建进行EEG特征提取，并采用增强型GRU网络进行VR晕动症的特征分类与预测，分类准确率达到84.9%，优于现有模型	未明确说明数据集的规模、多样性以及模型在不同VR场景下的泛化能力	通过分析EEG数据和用户反馈，开发深度学习模型以分类和预测VR晕动症的严重程度，从而改善VR体验并推动VR技术发展	VR晕动症相关的EEG数据及用户反馈数据	机器学习	VR晕动症（非疾病类，但可归类为神经/生理反应）	小波包重建、EEG信号处理	GRU（门控循环单元）	EEG信号、用户反馈数据	NA	NA	增强型GRU网络	准确率	NA
57	2026-09-13	Biobjective gradient descent for feature selection on high dimension, low sample size data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305654 PMID:39024199	研究论文	本文提出一种基于约束双目标梯度下降的方法，将特征选择集成到深度神经网络训练中，以解决高维低样本量数据的过拟合问题	将基于稀疏化的特征选择集成到深度神经网络训练过程中，使用约束双目标梯度下降方法，提供一组在稀疏性和准确性之间权衡的帕累托最优神经网络	未明确说明	解决高维低样本量数据在深度学习中的过拟合问题，通过特征选择提高网络稀疏性而不降低分类性能	高维低样本量数据集，包括人工数据集和真实数据集	机器学习	罕见疾病	特征选择，网络稀疏化	深度神经网络	数值数据	未明确说明	未明确说明	深度神经网络	特征选择得分，稀疏性得分，准确率	未明确说明
58	2026-09-10	DeepDRA: Drug repurposing using multi-omics data integration with autoencoders 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307649 PMID:39058696	研究论文	提出DeepDRA模型，利用自编码器和多层感知机整合多组学数据预测癌症药物反应，并促进药物再利用	采用多任务学习框架，将自编码器与MLP相连，有效降低多组学数据维度并提升药物反应预测性能	未提及	开发一种基于深度学习的模型，通过整合多组学数据、药物描述符和药物指纹预测癌症药物反应，并支持药物再利用	癌症药物反应和药物再利用相关数据及模型	机器学习	癌症	多组学数据整合	自编码器, 多层感知机	多组学数据, 药物描述符, 药物指纹	三个主要数据集：GDSC、CTRP、CCLE	NA	自编码器, MLP	AUPRC	NA
59	2026-09-10	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	提出一种结合深度学习和切片技术的两阶段船舶远距离检测方法	创新性地结合了传统和深度学习方法的优势，采用两阶段检测策略，先检测海天线区域，再对区域内切片进行船舶检测，以提高远距离小目标船舶的检测精度	未提及	提高远距离下智能船舶视觉感知中的船舶检测性能	远距离场景中的船舶	计算机视觉	NA	深度学习	目标检测模型	图像	未提及	未提及	YOLOv8	平均精度（AP50）、检测速度	未提及
60	2026-09-09	Combining enhanced spectral resolution of EMG and a deep learning approach for knee pathology diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302707 PMID:38713653	研究论文	本研究开发了一种基于肌电信号（EMG）和深度学习的方法，用于膝关节骨关节炎的诊断，通过高阶谱分析增强信号分辨率，并利用改进的ResNet101模型进行分类。	采用高阶谱分析（HOSA）增强EMG信号的频谱分辨率，结合深度学习的图像识别方法，实现了对膝关节骨关节炎的高精度诊断。	尽管所提方法表现出优越性，但仍存在一些局限，需要在未来研究中进一步解决。	开发一种基于肌电信号的膝关节病理诊断方法，特别是对膝关节骨关节炎的诊断。	正常个体和膝关节骨关节炎患者的EMG信号，涉及股四头肌、腓肠肌内侧、股直肌、半腱肌和股内侧肌等肌肉。	机器学习、数字病理学	膝关节骨关节炎	肌电图（EMG）、高阶谱分析（HOSA）	CNN	EMG信号图像	从公开数据库中提取的EMG信号，具体样本数量未在标题和摘要中指定	NA	ResNet101	准确率、AUC	NA