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
121	2026-08-28	Deep learning-based automatic image classification of oral cancer cells acquiring chemoresistance in vitro 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310304 PMID:39485749	研究论文	本研究利用深度学习模型（EfficientNet-B3）对口腔癌细胞系进行自动图像分类，以区分非癌细胞、无化疗耐药性和有化疗耐药性的癌细胞，并通过集成学习近似估计耐药细胞比例。	首次使用EfficientNet-B3模型结合过采样和欠采样技术，对形态几乎无法通过肉眼或显微镜区分但具有化疗耐药性的口腔癌细胞进行三分类，并利用集成学习方法准确预测耐药细胞比例。	研究仅在体外细胞系中进行，尚需验证其在临床样本或体内的有效性。	评估深度学习图像分析能否识别由化疗引起的细胞形态变化，并实现对耐药性细胞的自动分类及比例估算。	口腔癌细胞系（包括对化疗耐药和亲本非耐药细胞）以及非癌细胞。	计算机视觉	口腔癌	显微镜图像分析	卷积神经网络（CNN）	细胞图像	未明确说明具体样本数量，但涉及口腔癌细胞系及其耐药变体和非癌细胞。	PyTorch	EfficientNet-B3, 集成学习（Ensemble Learning）	准确率（accuracy）、均方根误差（RMSE）	未明确说明具体硬件，但推测使用GPU加速训练深度学习模型。
122	2026-08-28	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	开发了一个预测模型，利用电子健康记录和邮政编码级别数据指导阿片类药物使用障碍的治疗选择	首次将电子健康记录与邮政编码级别数据结合，用于预测丁丙诺啡和美沙酮的治疗反应，以指导治疗选择	邮政编码级别数据未显著提升模型性能，且模型一致推荐丁丙诺啡，需要探索其他建模方法和更全面的社会外部因素	建立一个预测模型以辅助阿片类药物使用障碍的治疗选择，提高药物使用率	阿片类药物使用障碍患者的治疗反应（住院期间及出院后90天内无不良结局）	机器学习	阿片类药物使用障碍	NA	广义线性回归、随机森林、梯度提升机、深度学习模型	电子健康记录和邮政编码级别数据	NA	NA	NA	NA	NA
123	2026-08-28	Advancing crop classification in smallholder agriculture: A multifaceted approach combining frequency-domain image co-registration, transformer-based parcel segmentation, and Bi-LSTM for crop classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299350 PMID:38427638	研究论文	该研究提出了一种结合频域图像配准、基于Transformer的地块分割和Bi-LSTM的多方面方法，以提高小农农业中的作物分类精度	采用开源工具进行传感器间和传感器内图像配准，并强调使用SAM-GEOs进行植被地块分割，以及开发Bi-LSTM深度学习模型用于作物分类，在验证集上实现了超过94%和96%的准确率	未在摘要中明确说明局限性	为小农经济体中的农业遥感应用提出优化解决方案，以克服农场规模缩小、数据缺乏和高成本等挑战	小农农业农场中的作物，使用代表不同生长季节的主要作物数据集	计算机视觉	NA	遥感图像配准、SAM-GEOs分割	Bi-LSTM	图像	两个数据集，在不同生长季节收集	NA	Transformer（用于SAM-GEOs分割）、Bi-LSTM	准确率、均方根误差	NA
124	2026-08-28	Vision transformer with masked autoencoders for referable diabetic retinopathy classification based on large-size retina image 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299265 PMID:38446810	研究论文	本研究利用基于掩码自编码器的视觉Transformer模型，对大规模视网膜图像进行可转诊糖尿病视网膜病变的分类，并取得了较好的性能。	首次将掩码自编码器预训练应用于大规模视网膜图像上的视觉Transformer模型，以分类可转诊糖尿病视网膜病变，并证明其优于使用ImageNet预训练的方法。	研究仅使用了公开数据集，且预训练数据集规模远小于ImageNet，可能影响模型的泛化能力。	开发一种基于视觉Transformer和掩码自编码器的模型，以在有限数量的大尺寸视网膜图像上提高可转诊糖尿病视网膜病变的分类性能。	超过10万张大于224×224的公开眼底视网膜图像。	计算机视觉，数字病理学	糖尿病视网膜病变	图像分类	视觉Transformer（ViT）	图像	超过100,000张视网膜图像	未提及	视觉Transformer（ViT），掩码自编码器（MAE）	准确率，曲线下面积（AUC），敏感性，特异性	未提及
125	2026-08-28	Development of a multi-wear-site, deep learning-based physical activity intensity classification algorithm using raw acceleration data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299295 PMID:38452147	研究论文	本研究开发了一种基于原始加速度数据、利用深度神经网络进行多佩戴部位和活动强度分类的算法，并评估其性能优于基于计数的传统算法。	创新性地提出了能够同时分类佩戴部位和活动强度的深度神经网络模型，打破了传统算法对特定佩戴部位的依赖，提高了分类准确率。	研究仅在实验室环境下进行，样本量较小，可能限制模型在真实世界场景中的泛化能力。未提及模型在不同人群或长期监测中的稳定性评估。	开发并评估一种基于原始加速度数据的深度学习算法，用于准确分类物理活动强度，并确定加速度计的佩戴部位，以提高设备的可用性和用户依从性。	54名参与者（包括26名成人和28名儿童），其髋部、手腕和胸部佩戴加速度计，采集原始加速度数据和代谢率作为标签。	机器学习	非特定疾病，属于健康监测领域	加速度计	长短期记忆网络（LSTM）	时间序列加速度数据、人口统计学特征	54名参与者，其中成人26名（平均年龄26.9±8.7岁），儿童28名（平均年龄12.1±2.3岁）	NA	长短期记忆网络（LSTM）	准确率（Accuracy）	NA
126	2026-08-28	Time series classification of multi-channel nerve cuff recordings using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299271 PMID:38470880	研究论文	本研究探讨了利用深度学习技术，特别是针对时间序列应用的网络，来提高多接触神经袖带电极记录的选择性	将专为时间序列数据设计的卷积神经网络应用于外周神经记录，并系统评估了窗口长度和数据增强对分类性能的影响	未明确提及具体局限性	确定深度学习技术能否增加多接触神经袖带电极的记录选择性	Long-Evans大鼠坐骨神经的56通道神经袖带记录，包括三种机械刺激诱发的传入信号	深度学习	不适用	神经袖带电极记录	卷积神经网络	神经信号	未明确具体样本数量，但使用了来自Long-Evans大鼠的56通道神经袖带记录数据集	未明确提及	卷积神经网络，具体架构未指明	准确率、F1分数	未明确提及
127	2026-08-28	GNViT- An enhanced image-based groundnut pest classification using Vision Transformer (ViT) model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301174 PMID:38527074	研究论文	本研究引入了GNViT模型，一种基于预训练Vision Transformer的图像分类方法，用于检测和分类花生作物中的害虫	提出了专门针对花生害虫分类的GNViT模型，利用在ImageNet上预训练的ViT，并通过数据增强显著提升了训练准确率	信息不足，未在标题和摘要中明确说明	实现花生作物害虫的自动检测与分类，以减少作物损失并增强全球粮食安全	花生作物及其害虫，包括蓟马、蚜虫、夜蛾和地老虎	计算机视觉	农业害虫相关，具体为花生害虫	深度学习，基于预训练模型迁移学习	视觉变换器 (ViT)	图像	使用了来自IP102数据集的综合数据，具体样本数量未在摘要中提及	NA	ViT (Vision Transformer)	F1分数、召回率、准确率	NA
128	2026-08-28	Automatic segmentation of lower limb muscles from MR images of post-menopausal women based on deep learning and data augmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299099 PMID:38564618	研究论文	本研究探索三种卷积神经网络（UNet、Attention UNet和新型Spatial Channel UNet）在磁共振图像中自动分割绝经后女性下肢肌肉的能力，并采用数据增强技术训练模型	提出了一种新颖的Spatial Channel UNet架构，并结合数据增强技术，实现了对23块下肢肌肉（髋部、大腿和小腿）的自动分割	分割性能依赖于受试者和网络类型，且模型仅针对特定采集参数的T1加权磁共振图像进行验证	评估深度学习技术在下肢肌肉自动分割中的可行性，以克服手动分割的耗时和重复性问题	绝经后女性下肢肌肉（髋部、大腿和小腿的23块肌肉）	深度学习	肌肉骨骼疾病	磁共振成像 (MRI)	卷积神经网络 (CNN)	图像	6名受试者的磁共振图像	NA	UNet, Attention UNet, Spatial Channel UNet	相对体积误差 (RVE), Dice相似系数 (DSC), Hausdorff距离 (HD)	NA
129	2026-08-27	Cancer immunotherapy efficacy and machine learning 2024 Jan-Feb, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2024.2311684 PMID:38288663	综述	本文综述了机器学习在预测癌症免疫治疗疗效中的应用，包括影像组学、病理组学、肿瘤微环境和免疫相关基因分析。	系统总结了机器学习在免疫治疗疗效预测中的多种应用领域，并强调了深度学习在其中的潜力。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
130	2026-08-26	LVONet: automatic classification model for large vessel occlusion based on the difference information between left and right hemispheres 2024-01-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1d6a PMID:38211308	研究论文	提出一种基于左右半球差异信息的大血管闭塞自动分类模型LVONet	引入双分支注意力模块学习长程依赖，设计差异信息分类模块动态融合半球间血管特征差异，并提出协同学习损失函数优化类内变化和类间相似性	未在摘要中明确说明局限性	实现颅内大血管闭塞的自动准确分类，以辅助临床评估血管闭塞状况	颅内大血管闭塞（LVO）患者数据	计算机视觉	卒中	NA	深度学习分类模型	图像	颅内LVO数据集（具体数量未在摘要中提及）	NA	LVONet（包含双分支注意力模块和差异信息分类模块）	敏感性, 精确率, 准确率, Macro-F1分数	NA
131	2026-08-26	Ultrafast diffusion tensor imaging based on deep learning and multi-slice information sharing 2024-01-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1d6d PMID:38211309	研究论文	提出一种基于深度学习和多切片信息共享的超快速扩散张量成像方法，仅需每层三个扩散方向即可实现高质量DTI重建。	提出一种仅需每层三个扩散方向的新型DTI扫描方案，并利用多切片信息共享和相应加权图像的深度学习重建方法，实现快速、高质量的DTI。	未在摘要中明确提及局限性。	通过减少扩散加权图像数量而不牺牲重建质量，缩短DTI扫描时间，促进临床应用。	组织微结构成像中的扩散张量成像数据。	深度学习	NA	扩散张量成像（DTI）	U-Net	扩散加权图像	人类连接组计划公开数据和临床患者数据	NA	U-Net	重建质量评估指标（具体未提及）	NA
132	2026-08-26	Clinical assessment of deep learning-based uncertainty maps in lung cancer segmentation 2024-01-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1a26 PMID:38171012	研究论文	本研究开发了一种基于深度学习的3D概率系统，用于生成肺癌CT分割中的不确定性图，并通过临床验证评估其价值。	首次尝试临床验证深度学习轮廓绘制中的不确定性估计，并提出了两个新指标（平均不确定性和相对不确定性体积）供临床医生评估分割质量。	模型存在过度自信问题，且临床验证仅有一位放射肿瘤科医生参与。	提高深度学习自动轮廓绘制系统在肿瘤体积分割中的可靠性，并通过不确定性图助临床医生判断分割质量。	肺癌CT图像中的肿瘤体积和危及器官的分割。	医学影像分析	肺癌	CT成像	3D概率神经网络	CT图像	未明确说明样本数量，但涉及肺癌CT分割数据。	NA	MC dropout技术（蒙特卡洛丢弃）	可靠性图、AUC、平均不确定性、相对不确定性体积	NA
133	2026-08-26	Determination of output factor for CyberKnife using scintillation dosimetry and deep learning 2024-01-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1b69 PMID:38181420	研究论文	本研究展示了使用塑料闪烁体和商用相机结合深度学习测量CyberKnife系统输出因子的新方法。	首次将塑料闪烁体成像与卷积神经网络结合，用于小野剂量测量，实现了快速、便捷的输出因子测量。	经典图像处理方法未能满足伽马准则，且CNN训练依赖模拟数据，需进一步验证。	开发一种快速、方便的CyberKnife小野剂量测量方法，用于输出因子测定和质量保证。	CyberKnife放射外科系统中的输出因子和剂量参数。	计算机视觉	NA	闪烁剂量测定	卷积神经网络（CNN）	图像	未明确样本数量，但涉及多个剂量点和准直器尺寸。	NA	卷积神经网络	伽马准则、准确率、平均差异	未明确提及具体GPU等资源。
134	2026-08-26	Deep learning for identifying bee species from images of wings and pinned specimens 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303383 PMID:38805521	研究论文	本研究评估了深度学习分类模型在具有挑战性的蜂类物种（如小型的汗蜂属和Bombus vagans复合体）上的表现，并比较了基于完整针插标本图像和翅膀图像训练的模型	首次将深度学习应用于小型且难以鉴定的蜂类物种，并通过比较针插标本和翅膀图像来评估模型性能，填补了众包数据集中这些物种代表性不足的空白	研究仅基于研究收藏中的标本图像，未涉及野外或众包图像，且物种数量有限（分别为20种和18种），可能限制模型的泛化能力	评估深度学习分类模型在识别具有挑战性的小型蜂类物种上的有效性，并探索其用于大规模保护监测的潜力	蜂类标本图像，包括20种（6属）的针插标本和18种（4属）的翅膀图像	计算机视觉, 数字病理学	NA	图像分类	卷积神经网络	图像	针插标本图像对应20种，翅膀图像对应18种，具体样本数未说明	PyTorch	EfficientNetV2L	平均测试精确率	NA
135	2026-08-26	GELT: A graph embeddings based lite-transformer for knowledge tracing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301714 PMID:38713679	研究论文	提出了一种基于图嵌入的轻量级Transformer模型GELT，用于知识追踪任务，以捕捉技能与问题之间的关系并高效预测知识状态。	结合图神经网络和轻量级Transformer，引入节能注意力机制，在保持高预测精度的同时显著降低计算成本。	摘要未提及明确的局限性。	提高知识追踪的预测准确性并增强模型可解释性，同时降低计算开销。	学生知识状态、技能与问题之间的关系。	机器学习、自然语言处理	NA	NA	Transformer	文本（学习活动数据）	三个公开真实世界数据集	未指定	Graph Embeddings based Lite-Transformer（基于图嵌入的轻量级Transformer）	预测准确性	未指定
136	2026-08-26	Graph Convolutional Capsule Regression (GCCR): A Model for Accelerated Filtering of Novel Potential Candidates for SARS-CoV-2 based on Binding Affinity 2024, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/1573409919666230331083953 PMID:37005531	研究论文	提出了一种基于图卷积胶囊回归（GCCR）的深度学习模型，用于预测蛋白质-配体复合物的结合能，以加速SARS-CoV-2潜在候选药物的筛选。	将胶囊神经网络（CapsNet）与图卷积网络（GCN）相结合，提出GCCR模型，用于预测蛋白-配体结合能，并在筛选过程中优于传统机器学习模型和其他图神经网络。	摘要中未提及明确的局限性。	构建基于深度学习的模型，通过预测蛋白-配体复合物的结合能，加速SARS-CoV-2潜在候选药物的筛选过程。	SARS-CoV-2相关的蛋白-配体复合物，包括瑞德西韦等药物衍生物。	机器学习	COVID-19	分子动力学（MD）模拟、MM/GBSA分析	胶囊神经网络（CapsNet）、图卷积网络（GCN）	分子图结构数据	未明确说明，训练中使用了Davis数据集。	NA	GCCR（结合CapsNet和GCN）	RMSE、一致性指数（CI）	NA
137	2026-08-26	Development of a deep learning-based surveillance system for forest fire detection and monitoring using UAV 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299058 PMID:38470887	研究论文	本研究开发了一种基于深度学习的无人机森林火灾检测与监控系统，利用YOLOv8和YOLOv5进行目标检测，并使用CNN-RCNN网络进行图像分类。	将深度学习算法部署在嵌入式AI计算机（NVIDIA Jetson Nano）上，实现无人机实时森林火灾检测，并开发了地面站接口以提供火灾图像和坐标信息。	未提及。	开发一种用于早期森林火灾检测和监控的无人机 surveillance 系统，实现实时检测和干预。	森林火灾图像，由无人机摄像头捕获。	计算机视觉	不适用	不适用	CNN, RCNN, YOLO	图像	未提及具体样本数量。	PyTorch	YOLOv8, YOLOv5, CNN-RCNN	准确率	NVIDIA Jetson Nano
138	2026-08-25	Predicting the influence of extreme temperatures on grain production in the Middle-Lower Yangtze Plains using a spatially-aware deep learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18234 PMID:39434796	研究论文	本研究利用空间感知深度学习模型预测极端温度对长江中下游平原粮食生产的影响，并预估本世纪剩余时间的产量变化。	首次在区域粮食产量预测中考虑极端温度事件的时空分布，并采用空间感知深度学习模型，优于传统多元线性模型。	未在摘要中明确说明局限性。	预测极端温度事件对长江中下游平原粮食生产的影响，并提供气候引起的产量变化的新预估。	长江中下游平原的粮食生产，受极端温度事件影响。	机器学习	不适用	不适用	空间感知深度学习模型	时空数据	不明确，涉及长江中下游平原的粮食产量及气候数据。	不适用	空间感知深度学习模型（具体架构未在摘要中指定）	与基准模型比较的性能提升（未具体列出指标，但提及显著优于基准）	不适用
139	2026-08-25	Deep learning-based correction of cataract-induced influence on macular pigment optical density measurement by autofluorescence spectroscopy 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298132 PMID:38349916	研究论文	本研究通过外部验证数据集，验证了基于深度学习的白内障对黄斑色素光密度测量影响校正方法的有效性。	采用外部验证数据集评估深度学习方法校正白内障对黄斑色素光密度测量的影响，这是对先前内部交叉验证的重要补充。	对于质量较差的眼底自发荧光图像，深度学习方法未能有效校正误差。	验证基于深度学习的白内障对黄斑色素光密度测量影响的校正方法的有效性。	199只眼（训练数据集）和157只眼（验证数据集），猫眼白内障手术前后的黄斑色素光密度测量数据。	深度学习	白内障	自发荧光光谱测量	深度学习模型	数值数据（黄斑色素光密度测量值）	训练集197只眼，验证集157只眼	NA	NA	平均绝对误差	NA
140	2026-08-25	MENet: A Mitscherlich function based ensemble of CNN models to classify lung cancer using CT scans 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298527 PMID:38466701	研究论文	提出一种基于Mitscherlich函数的集成网络（MENet），结合Xception、InceptionResNetV2和MobileNetV2三种深度学习模型，利用CT扫描提高肺癌分类准确率。	首次将Mitscherlich函数用于集成深度学习模型的输出，生成模糊排名以融合多个基分类器的预测概率，提升肺癌检测性能。	未提及具体限制。	开发一种高精度的肺癌预测模型，通过集成多个CNN模型和基于Mitscherlich函数的融合策略，以提高早期诊断准确性。	肺癌CT扫描图像，来自两个公开数据集：IQ-OTH/NCCD和LIDC-IDRI。	计算机视觉	肺癌	CT扫描	CNN	图像	IQ-OTH/NCCD数据集包含约1190张CT图像，LIDC-IDRI数据集包含1018个病例（具体样本量未提及）。	NA	Xception, InceptionResNetV2, MobileNetV2	准确率和其他标准指标（具体未列出）。	NA