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
81	2026-09-05	Multi-strategy modified sparrow search algorithm for hyperparameter optimization in arbitrage prediction models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303688 PMID:38748753	研究论文	本研究提出一种多策略改进的麻雀搜索算法（MSMSSA）用于优化LSTM网络超参数，构建套利价差预测模型，并在中国期货市场的实际数据上验证其高精度预测性能。	引入良好点集理论、比例自适应策略和改进的位置更新方法，增强麻雀搜索算法的空间探索能力，并将该算法应用于LSTM超参数优化，形成MSMSSA-LSTM模型，显著提高套利价差预测精度。	未明确提及局限，但可能包括模型复杂度和计算资源需求较高，以及对特定市场数据的适用性。	利用改进的麻雀搜索算法优化LSTM超参数，提升套利价差预测模型的准确性和稳定性，为投资者提供参考。	中国期货市场中螺纹钢和热轧卷板的期货套利价差数据。	机器学习	NA	启发式优化算法（麻雀搜索算法改进）、时间序列预测	LSTM	时间序列数据（期货价差数据）	NA（使用真实套利价差数据，具体样本数未在摘要中提供）	NA	LSTM	平均绝对百分比误差、均方根误差、平均绝对误差	NA
82	2026-09-05	Attention pyramid pooling network for artificial diagnosis on pulmonary nodules 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302641 PMID:38753596	研究论文	提出一种基于注意力金字塔池化网络（APPN）的自动化工具，用于提高CT图像中肺结节分类的准确性	提出注意力主金字塔模块，结合注意力机制和金字塔池化，实现多尺度特征融合并聚焦重要特征，同时采用门控空间记忆技术解码特征，以提高肺结节分类性能	未在摘要中提及具体限制	开发自动工具以改进肺结节分类，降低肺癌死亡率	肺结节CT图像	计算机视觉	肺癌	NA	卷积神经网络	图像	LIDC-IDRI数据集	NA	VGG16、注意力金字塔池化网络	灵敏度、特异性、准确性、阳性预测值、阴性预测值、AUC	NA
83	2026-09-05	MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310121 PMID:39475971	研究论文	本文提出了一种噪声鲁棒的深度学习模型MosquitoSong+，用于从翅膀声音中分类蚊子的种类和性别	通过调整1D-CNN架构并引入噪声增强和翅膀音量变化两种数据增强技术，提高模型对环境噪声和飞行音调相对体积的鲁棒性	未明确提及，但可能受限于特定数据集和背景噪声类型，需进一步验证在真实环境中的广泛适用性	开发一种实用的深度学习模型，以自动、准确地识别蚊子的种类和性别，从而支持蚊媒疾病风险评估和防控工作	蚊子个体，包括不同种类和性别的蚊子，基于其翅膀声音进行分类	机器学习	蚊媒疾病	翅膀声音分析	一维卷积神经网络（1D-CNN）	翅膀声音数据	多个翅膀声音数据集，具体数量未在摘要中提及	NA	1D-CNN	准确率	NA
84	2026-09-05	Exploring the feasibility of FOCUS DWI with deep learning reconstruction for breast cancer diagnosis: A comparative study with conventional DWI 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313011 PMID:39480865	研究论文	本研究比较了基于深度学习重建的FOCUS DWI与传统DWI在乳腺癌诊断中的可行性，发现FOCUS-DLR DWI图像质量更优	首次将深度学习重建技术应用于FOCUS DWI进行乳腺成像，并与传统DWI进行系统性比较，证明DLR能提升图像质量	样本量较小（49例），且为单中心研究，可能影响结果的普适性	评估深度学习重建的FOCUS DWI相比传统DWI在乳腺癌诊断中的图像质量优势，以支持其临床应用	49例疑似乳腺癌的女性患者	医学影像	乳腺癌	扩散加权成像（DWI）、FOCUS DWI、深度学习重建（DLR）	深度学习重建模型（具体未提及）	MRI图像	49例患者	NA	NA	主观评分（图像质量、解剖细节、病灶可见性、伪影、畸变）以及客观指标：信噪比（SNR）、对比噪声比（CNR）、表观扩散系数（ADC）	NA
85	2026-09-05	Improving traffic accident severity prediction using MobileNet transfer learning model and SHAP XAI technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300640 PMID:38593130	研究论文	本研究旨在利用多种迁移学习技术构建交通事故严重程度预测模型，并通过SHAP可解释性技术分析各特征对预测结果的影响，以提高模型透明度。	首次将可解释性分析（如SHAP）应用于多种迁移学习模型（特别是MobileNet）以预测事故严重性，并强调模型解释的重要性。	未提及，论文可能未包含模型局限性讨论。	创建使用多种迁移学习技术的预测模型，并利用Shapley值提供最具影响力因素的见解，以提高事故预测的准确性和可信度。	高速公路交通事故及其严重程度（伤亡程度）。	机器学习	不适用	迁移学习	MLP、CNN、LSTM、ResNet、EfficientNetB4、InceptionV3、Xception、MobileNet	结构化交通数据（表格数据）	未明确提及样本数量	未指定	MobileNet、ResNet、EfficientNetB4、InceptionV3、Xception	准确率（accuracy）	未提及
86	2026-09-05	An improved breast cancer classification with hybrid chaotic sand cat and Remora Optimization feature selection algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300622 PMID:38603682	研究论文	本文提出了一种改进的乳腺癌分类方法，结合混合混沌沙猫与Remora优化特征选择算法，并在BreakHis数据集上实现了高精度分类	提出混合混沌沙猫优化与Remora优化算法相结合的特征选择方法，并使用条件变分自编码器进行分类	未在摘要中提及明显局限性	提高乳腺癌组织学图像分类的准确性和效率	乳腺癌组织学图像	计算机视觉、数字病理学	乳腺癌	图像处理技术（滤波、分割）	条件变分自编码器（Conditional Variational Autoencoder）	图像	使用BreakHis数据集（未明确样本数量）	NA	条件变分自编码器	准确率、精确率、召回率、F分数、特异性、FDR、FNR、FPR、MCC、NPV	NA
87	2026-09-04	Deep learning-based rice pest detection research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313387 PMID:39509376	研究论文	本研究通过优化YOLOv8模型，结合CBAM注意机制和BiFPN特征融合，提高了复杂农业环境下水稻害虫检测的准确性。	将CBAM注意机制和BiFPN特征融合引入YOLOv8模型中，显著提升了水稻害虫检测的mAP指标，相比原始模型有2.8%和2.35%的提升。	本研究仅使用了IP102数据集，可能限制了模型在不同环境和害虫种类上的泛化能力。	通过深度学习技术有效检测水稻害虫，以提高农业生产力和可持续性。	水稻害虫图像，具体为IP102数据集中的九千六百六十三张图像，涉及八种害虫。	计算机视觉	植物病虫害	深度学习	YOLOv8	图像	9,663张水稻害虫图像	NA	YOLOv8, CBAM, BiFPN	mAP@0.5, mAP@0.5:0.95	NA
88	2026-09-04	Interpretable multimodal classification for age-related macular degeneration diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311811 PMID:39527566	研究论文	本文评估了三种可解释人工智能（XAI）策略在视网膜医学图像分析中的应用，针对年龄相关性黄斑变性（AMD）诊断的多模态深度学习模型进行性能分析	结合OCT和红外反射成像的多模态模型，并系统比较grad-CAM、guided grad-CAM等XAI方法，提供可解释性建议	未提及具体限制	分析可解释AI方法在眼科多模态图像分类中的效果，为自动化筛查测试设计提供指导	年龄相关性黄斑变性（AMD）患者的OCT和红外反射图像	医学影像分析	年龄相关性黄斑变性	光学相干断层扫描（OCT）和红外反射成像	深度学习模型	图像	未提及	未提及	未提及	准确率	未提及
89	2026-09-04	Exploring machine learning algorithms in sickle cell disease patient data: A systematic review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313315 PMID:39527575	系统综述	本文系统综述了机器学习算法在镰状细胞病（SCD）患者数据中的应用，涵盖诊断、器官衰竭早期检测、药物剂量识别和疼痛强度分类等临床特征	全面总结并分析了多种机器学习算法在镰状细胞病中的应用，包括多层感知器、支持向量机、随机森林等，并指出了该领域的挑战和未来研究方向	存在数据集规模有限、模型可解释性不足以及过拟合风险	探索机器学习算法在镰状细胞病诊断和临床特征管理中的应用潜力，并识别当前研究的不足和未来方向	镰状细胞病患者数据	机器学习	镰状细胞病	NA	多层感知器、支持向量机、随机森林、逻辑回归、长短期记忆、极限学习机、卷积神经网络、迁移学习	患者临床数据（文本/表格）	由于是系统综述，各研究中的样本量未在摘要中明确，通常为患者临床记录，但具体数量不详	NA	多层感知器、支持向量机、随机森林、逻辑回归、长短期记忆、极限学习机、卷积神经网络	未具体提及，但常见于该类研究中的指标如准确率、F1分数等，此处为NA	NA
90	2026-09-04	FDCN-C: A deep learning model based on frequency enhancement, deformable convolution network, and crop module for electroencephalography motor imagery classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309706 PMID:39570849	研究论文	提出了一种基于频率增强模块、可变形卷积网络和裁剪模块的深度学习模型FDCN-C，用于脑电图运动想象分类，以提高分类性能。	创新设计了频率增强模块，利用连续时间尺度的卷积核提取不同频带特征，并通过注意力机制筛选整合；采用可变形卷积网络增强时间特征提取，利用偏移参数调制卷积核大小；设计膨胀卷积形成裁剪分类模块，多次计算不同感受野。	未在文中明确指出，可能包括模型复杂度较高、需要大规模数据等，但具体限制未详细说明。	解决脑电图运动想象分类中频率和时域特征利用效率不足的问题，提高分类性能。	脑电图运动想象信号	深度学习	运动障碍	脑电图（EEG）	深度学习模型	脑电信号	两个公开数据集	未提及	频率增强模块、可变形卷积网络、裁剪模块	分类准确率	未提及
91	2026-09-04	Machine and deep learning algorithms for sentiment analysis during COVID-19: A vision to create fake news resistant society 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315407 PMID:39700256	研究论文	本研究介绍了一种利用机器学习和深度学习分类器检测COVID-19相关虚假新闻并预测情感倾向的高效技术，以促进媒体素养和建立抗假新闻社会	提出了结合多种机器学习与深度学习分类器的方法，特别是采用BiGRU深度学习分类器实现高精度检测COVID-19相关虚假新闻	未提及	开发有效技术检测疫情期间的虚假信息，推动媒体素养和提升社会对假新闻的抵抗力	从语料库收集的COVID-19相关新闻文章	自然语言处理	COVID-19	自然语言处理	支持向量机、逻辑回归、K近邻、决策树、随机森林、卷积神经网络、长短期记忆网络、门控循环单元、双向门控循环单元	文本	未明确提及样本数量	NA	CNN、LSTM、GRU、BiGRU	准确率、精确率、召回率、F1分数	NA
92	2026-09-04	A deep learning-based dynamic deformable adaptive framework for locating the root region of the dynamic flames 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301839 PMID:38630706	研究论文	提出了一种基于深度学习的动态可变形自适应框架，用于定位动态火焰的根部区域	引入了DCNv2以适应火焰目标形变和尺度变化，设计了CAM和DH进行多方面特征提取，采用LAMP剪枝加速检测，并提出了IM中的粗粒度和细粒度定位技术以及TCD来提高鲁棒性	未明确指出	动态火焰检测中有效定位火焰根部区域，提高火焰识别精度和鲁棒性	动态火焰图像及视频序列	计算机视觉	不适用	深度学习	卷积神经网络	图像和视频	自定义火焰数据集	未明确	DCNv2, CAM, DH, LAMP, IM, TCD	AP0.5, 参数数量, FLOPs	NA
93	2026-09-04	Land-use classification based on high-resolution remote sensing imagery and deep learning models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300473 PMID:38635663	研究论文	本研究应用四种深度学习模型（FCN-8s、SegNet、U-Net和Swin-UNet）对高分辨率遥感影像进行土地利用分类，并比较其性能	系统比较了传统和新型深度学习模型（包括Transformer-based的Swin-UNet）在高分辨率遥感影像土地利用分类中的性能，为模型选择提供了参考	研究仅使用了一个公开基准数据集，可能限制了结果的普遍适用性	比较四种深度学习模型在土地利用分类中的性能，并评估其泛化能力	高分辨率遥感影像中的土地利用分类	计算机视觉	NA	高分辨率遥感影像	深度学习模型（FCN-8s, SegNet, U-Net, Swin-UNet）	图像	一个公开基准高分辨率遥感数据集（具体数量未提供）	NA	FCN-8s, SegNet, U-Net, Swin-UNet	总体精度, 交并比, F1分数	NA
94	2026-09-01	Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230219 PMID:38043007	研究论文	本研究利用深度学习结合临床信息和CT影像特征，预测乳腺癌患者的骨转移情况	提出了一种基于多模态深度学习的模型，结合皮下脂肪指数和CT影像特征来预测乳腺癌骨转移，这是首次将脂肪指数作为独立预后因素纳入预测模型	未提及具体局限性	探索使用深度学习方法和临床信息（如脂肪指数）及CT影像特征来预测乳腺癌患者的骨转移	431名接受根治性手术切除的乳腺癌患者	医学影像分析	乳腺癌	CT成像	CNN	CT图像和临床数据	431例乳腺癌患者	NA	CNN	AUC	NA
95	2026-09-01	The segmentation and intelligent recognition of structural surfaces in borehole images based on the U2-Net network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299471 PMID:38451909	研究论文	基于U2-Net网络对钻孔图像中的结构面进行智能分割和识别，以提高效率和准确性	首次将U2-Net网络应用于钻孔图像结构面的智能分割，通过数据增强和深度学习技术实现了高精度分割，为结构面智能识别提供了新方法	未明确提及局限性，可能包括对不同地质条件的泛化能力有限以及依赖高质量图像数据	实现钻孔图像结构面的自动、智能分割，提高处理效率和准确性，为岩体力学分析提供支持	钻孔图像中的结构面，包括不同岩性和颜色的结构面特征	计算机视觉	不适用	钻孔摄像	U2-Net网络	图像	1013张原始钻孔图像，扩展后共12421张	PyTorch	U2-Net	F-measure值、准确率、召回率、平均绝对误差	未明确提及，可能使用普通GPU
96	2026-09-01	Assessment of lymph node area coverage with total marrow irradiation and implementation of total marrow and lymphoid irradiation using automated deep learning-based segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299448 PMID:38457432	研究论文	本研究评估了全骨髓照射计划中淋巴结区域的剂量覆盖情况，并利用深度学习模型实现全骨髓及淋巴照射的自动分割。	首次量化TMI计划中淋巴结区域的剂量覆盖，并利用nnU-NET框架开发自动化分割模型以促进TMLI的实施。	样本量可能有限，且淋巴结自动分割的准确性仍有提升空间。	评估TMI计划下淋巴结区域的剂量覆盖，并训练和评估基于深度学习的淋巴结区域自动分割模型。	接受全骨髓照射计划治疗的患者的全身淋巴结区域和全身计算机断层扫描数据。	数字病理学	血液系统肿瘤	CT成像、深度学习	nnU-Net	图像（CT数据）	未提供具体数量，涉及患者和CT数据分为训练/验证和测试组。	nnU-Net框架	nnU-Net	Dice相似系数、精确度、召回率、Hausdorff距离95	未提供具体信息
97	2026-09-01	Trustworthy deep learning framework for the detection of abnormalities in X-ray shoulder images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299545 PMID:38466693	研究论文	提出一个可信的深度学习框架，用于X射线肩部图像异常检测，该框架结合同域迁移学习和特征融合，显著提高了检测准确率和可解释性	提出了同域迁移学习策略，缓解了ImageNet预训练模型与X射线图像的域不匹配问题；并采用特征融合技术结合多个深度学习模型，提高了检测准确度和结果的信任度	由于是摘要，未提及具体局限性，但可能包括数据集的规模和多样性限制，以及临床部署的挑战	开发一个可靠且可解释的深度学习框架，用于自动检测X射线肩部图像中的异常，如骨折、畸形和关节炎，以提高诊断准确性和信任度	肩部X射线图像，包含骨折、畸形、关节炎等异常样本	计算机视觉, 数字病理学	肌肉骨骼疾病	X射线成像	CNN	图像	未明确，但包括大量各种身体部位的标记X射线图像，以及目标数据集肩部X射线图像，测试集由三位骨科医生评估	NA	ResNet, VGG, DenseNet, EfficientNet	准确率, F1分数, Cohen's kappa, Grad-CAM, 激活可视化和LIME	NA
98	2026-08-31	Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen 2024 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2024.2362775 PMID:38899735	研究论文	本研究利用深度学习模型DeepAb和单点深度突变扫描数据，设计了200个潜在优化的抗鸡卵溶菌酶抗体变体，并评估其热稳定性、亲和力和可开发性	结合深度学习结构预测与实验DMS数据，在不依赖抗原结构的情况下设计抗体变体，并系统评估其多项生物物理性质	未提及具体局限性；DMS数据可能无法完全代表体内行为，且研究仅限于单一抗体	探索在没有抗原结构的情况下，通过计算设计增强抗体热稳定性和亲和力，同时保持良好的可开发性	抗鸡卵溶菌酶(HEL)抗体及其200个设计变体	深度学习、生物信息学、蛋白质工程	不适用	深度突变扫描(DMS)、高通量实验	深度学习模型(DeepAb)	蛋白质序列、结构预测数据、实验测得的稳定性及亲和力数据	200个抗体变体	NA	DeepAb	热稳定性(Tm)、胶体稳定性(Tagg,Tonset)、亲和力(KD)、非特异性结合、聚集倾向、自结合	NA
99	2026-08-30	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	提出了一种基于多尺度混合注意力残差网络的多聚焦图像融合算法，通过无监督学习实现端到端的决策图优化，以提高融合图像的质量和细节丰富度。	引入多尺度混合注意力残差网络模型，结合混合多尺度残差块和上下投影模块，在不增加参数数量的情况下有效利用多尺度特征信息，并通过空间频率域测量活动水平获得初始决策图，实现端到端的决策图优化。	文中未提及具体局限性。	提高多聚焦图像融合的检测性能，实现端到端的决策图优化，生成高质量、细节丰富的融合图像。	多聚焦图像（不同焦点的两幅源图像）。	计算机视觉	NA	深度学习，无监督学习	混合注意力残差网络	图像	NA	NA	多尺度混合注意力残差网络（含混合多尺度残差块MSRB和上下投影模块UDP）	主观评价、客观评价指标（如互信息、边缘保持度等，具体未列出）	NA
100	2026-08-30	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	提出了一种结合均值卷积层、特征加权注意力和双向长短期记忆网络及随机森林算法的混合深度学习模型，用于处理网络入侵检测中的类不平衡问题，并在NSL-KDD和UNSW-NB-15数据集上实现了高准确率。	创新性地将CNN-MCL、BILSTM、自注意力特征权重和随机森林算法结合，通过特征加权注意力机制和BILSTM来缓解类不平衡的影响，提高入侵检测的准确性和降低误报率。	未明确提及局限性。	开发一种高效的入侵检测系统，能够处理类不平衡问题，提高检测准确率，减少误报，并有效识别新的网络入侵。	网络入侵检测数据集（NSL-KDD和UNSW-NB-15），包含正常和恶意网络流量数据。	机器学习	NA	NA	CNN、BILSTM、随机森林	网络流量数据（表格数据）	采用了NSL-KDD和UNSW-NB-15两个公开数据集，具体样本数量未在标题和摘要中提及。	NA	MCL-FWA-BILSTM（包括均值卷积层、特征加权注意力、双向长短期记忆网络，随机森林用于分类）	准确率、检测率、假阳性率、F1分数	NA