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
141	2026-08-25	HDS-Net: Achieving fine-grained skin lesion segmentation using hybrid encoding and dynamic sparse attention 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299392 PMID:38512922	研究论文	本文提出一种名为HDS-Net的混合动态稀疏网络，用于精细皮肤病变分割，以解决边界模糊和病变区域大小形状变化等挑战	提出混合编码器有效提取局部特征并与全局特征整合，引入动态稀疏注意力机制精确控制稀疏度以减少无关冗余对分割性能的影响	未提及具体限制	解决皮肤图像分割中边界模糊和病变区域变化的问题，提高分割精度	皮肤病变图像中的病变区域	数字病理学	皮肤癌	深度学习	CNN	图像	多个公共数据集	NA	HDS-Net	Dice系数	NA
142	2026-08-24	An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18098 PMID:39484212	研究论文	开发了一种基于双向自注意力多实例学习（BiAMIL）的可解释深度学习模型，用于从乳腺癌苏木精-伊红（H&E）染色病理图像中检测BRCA致病性变异状态	提出了BiAMIL算法，结合注意力机制和类激活映射（CAM）技术，实现了BRCA状态的预测及病理图像中可解释形态学特征的关联分析	样本量有限，仅包含254例乳腺癌患者的319张病理切片，且未提及外部验证中的广泛适用性	开发一种可解释的深度学习模型，以低成本、高效地从H&E病理图像中预测乳腺癌BRCA基因状态	乳腺癌患者的H&E染色病理图像及其BRCA基因状态	数字病理学	乳腺癌	H&E染色病理图像分析	BiAMIL（双向自注意力多实例学习）	病理图像	254例乳腺癌患者的319张组织病理切片，包含633,484个肿瘤切片（tiles）	NA	BiAMIL	AUC	NA
143	2026-08-24	Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images 2024, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00306 PMID:40800451	研究论文	提出了一种结合3D超像素分割和ComBat建模的联合方法（SP-ComBat），用于评估和协调T1加权图像中的跨扫描仪变异性	首次将统计ComBat方法扩展到图像域，通过3D超像素分割实现可解释的跨扫描仪变异性表征，并提出新的协调策略	未明确提及，但可能受限于样本量和特定MRI扫描仪类型	评估T1加权图像中的可解释跨扫描仪变异性，并开发一种实用的协调策略	四个3T MRI扫描仪匹配的T1加权图像，涉及脑组织	医学图像分析	不适用	3D超像素分割、ComBat建模	统计模型	图像（T1加权MRI）	未明确提及，涉及四个扫描仪的匹配图像	不适用	不适用	信噪比、对比度噪声比、信号不均匀性指数、结构相似性指数	不适用
144	2026-08-24	DUE: Dynamic Uncertainty-Aware Explanation Supervision via 3D Imputation 2024, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3637528.3671641 PMID:42633249	研究论文	提出一种动态不确定性感知的解释监督框架（DUE），通过3D插值实现稀疏标注3D医学图像的解释引导，提升模型的可预测性和可解释性	首次将解释监督扩展到3D医学图像领域，提出动态不确定性感知机制和基于扩散的3D插值方法，解决空间相关性变化、缺乏3D标注和不确定性分布不均的挑战	未在标题和摘要中明确说明局限性	开发针对3D医学图像的解释监督框架，提高深度学习模型在医学影像诊断中的可预测性和可解释性	3D医学图像及深度学习模型的解释生成过程	医学影像分析	未指定（应用在多种真实医学影像数据集上）	3D插值，扩散模型	深度学习模型（具体类型未指定）	3D医学图像	未在标题和摘要中明确样本数量	未指定	未指定	可预测性和可解释性指标（具体未列出）	未在标题和摘要中说明
145	2026-08-23	Underwater object detection method based on learnable query recall mechanism and lightweight adapter 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298739 PMID:38416764	研究论文	提出一种基于可学习查询召回机制和轻量级适配器的水下目标检测方法，改进DETR以应对水下图像的噪声、模糊和多尺度问题	提出可学习查询召回机制减轻噪声影响，设计轻量级适配器提供多尺度特征，结合Smooth L1和CIoU损失优化边界框回归	仅在RUOD数据集上验证，未提及跨数据集泛化性能及计算资源消耗	提高水下目标检测在噪声、模糊和多尺度条件下的性能	水下目标检测中的物体	计算机视觉	不适用	深度学习	DETR（改进版）	图像	RUOD数据集（具体样本数未提及）	未提及	DETR（基于Transformer的检测器）	平均精度（AP）等（未具体说明）	未提及
146	2026-08-23	Deep learning-based prediction of major arrhythmic events in dilated cardiomyopathy: A proof of concept study 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297793 PMID:38421987	研究论文	本研究提出一种基于深度学习的模型（DARP-D），利用多维心脏磁共振数据和临床协变量预测扩张型心肌病患者的主要心律失常事件风险曲线。	首次将深度学习应用于扩张型心肌病心律失常风险预测，整合了心脏运动、组织特征和基线协变量，能够追踪个体风险曲线。	患者数量、心律失常事件数和训练轮次较少，模型作为原型有希望但尚不适用于临床，需进一步改进和验证。	开发一种深度学习模型，预测扩张型心肌病患者的主要心律失常事件风险，改善风险分层。	扩张型心肌病患者的心脏磁共振数据（包括电影视频、高动态视频、LGE图像及高动态图像）和临床协变量。	医学影像分析	扩张型心肌病	心脏磁共振成像	深度学习模型	图像和视频	154名扩张型心肌病患者	未提及	未提及	Harrell's C一致性指数	未提及
147	2026-08-22	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究结合街景数据和深度学习技术，识别拉萨市内藏传佛教精神场所的空间分布，并分析其与城市建筑和文化遗址的关系	首次将街景数据和深度学习技术相结合，用于识别和绘制城市空间中藏传佛教精神场所的分布	未明确提及具体局限性	探索藏传佛教精神感知与城市空间的整合，评估城市化对这些精神场所的影响	拉萨市内的藏传佛教精神场所及其与城市景观的关系	计算机视觉, 数字人文	NA	街景数据采集, 深度学习	深度学习模型	图像	未明确提及样本数量	NA	NA	NA	NA
148	2026-08-22	FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300924 PMID:38768105	研究论文	提出了一种基于深度学习的加氢催化剂图像识别算法FPNC Net，以提高催化剂图像识别的准确性	结合ResNet50骨干网络、空间可分离卷积核、特征金字塔网络（FPN）和注意力模块，以解决催化剂条纹粘附堆叠导致的识别精度低的问题	未提及具体限制	实现加氢催化剂图像的高效智能识别，辅助筛选高性能催化剂载体	加氢催化剂图像	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量	NA	ResNet50, FPN	准确率（Accuracy），平均精度（AP）	NA
149	2026-08-22	A machine learning approach to detect potentially harmful and protective suicide-related content in broadcast media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300917 PMID:38743759	研究论文	本研究应用机器学习方法自动标记广播媒体中与自杀相关的内容，以评估其潜在危害或保护作用。	首次将机器学习应用于广播媒体（电视和广播）自杀相关内容的检测，并评估了从简单到复杂的多种分类任务的性能。	模型性能依赖于训练样本数量，对于多分类任务（如确定主要焦点）的F1分数较低（0.58）。	开发机器学习模型以大规模筛查广播媒体中自杀相关报道，促进自杀预防。	美国俄勒冈州和华盛顿州44个广播来源的2519份英文转录文本。	自然语言处理	自杀预防（精神健康）	文本分类	线性SVM, BERT	文本	2519份广播转录文本	Scikit-learn, PyTorch（推理）	TF-IDF + 线性SVM, BERT	F1分数	未提及（推断在标准GPU上进行训练）
150	2026-08-22	Multimodal deep learning-based drought monitoring research for winter wheat during critical growth stages 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300746 PMID:38722916	研究论文	本文提出了一种基于多模态深度学习S-DNet模型的冬小麦关键生育期干旱胁迫监测方法，结合图像和气象数据，平均识别准确率达96.4%	首次将WSN传感器获取的气象干旱指数SPEI与深层图像学习数据相结合，构建多模态深度学习模型，实现对冬小麦干旱胁迫的非破坏性、准确和快速监测	未提及具体限制	解决传统干旱监测方法的滞后性和局限性，实现冬小麦关键生育期干旱胁迫的精准监测	冬小麦在起身-拔节期、抽穗-开花期和开花-成熟期的干旱胁迫图像及对应的土壤水分监测数据	计算机视觉, 机器学习	干旱胁迫（非疾病，但属于农业灾害）	图像采集、WSN传感器、气象干旱指数SPEI	深度学习模型（DenseNet-121为基础）	图像、气象数据	未提及具体样本量，但包含各生育期的干旱胁迫图像和对应的土壤水分数据	未提及	DenseNet-121, S-DNet	准确率	未提及
151	2026-08-22	PandoGen: Generating complete instances of future SARS-CoV-2 sequences using Deep Learning 2024-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011790 PMID:38241392	研究论文	本文提出一种名为PandoGen的深度学习方法，用于生成未来SARS-CoV-2病毒蛋白序列的完整实例，以预测疫情中可能出现的变异株	提出PandoGen方法，结合合成数据生成、条件序列生成和基于奖励的学习，使蛋白质语言模型适应疫情预测任务，显著优于较大模型	未在摘要中提及具体局限性	开发一种能在病毒大流行背景下预测未来病毒蛋白序列的深度学习模型，以提前进行预防和治疗准备	SARS-CoV-2刺突蛋白序列	机器学习	新型冠状病毒肺炎（COVID-19）	蛋白质语言模型	蛋白质语言模型	蛋白质序列数据	未在摘要中明确提及样本数量	未在摘要中明确提及	蛋白质语言模型架构，具体未明确	新颖序列数量、病例数、预测谱系数量、序列预算	未在摘要中明确提及
152	2026-08-21	Interpretable deep learning reveals the role of an E-box motif in suppressing somatic hypermutation of AGCT motifs within human immunoglobulin variable regions 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1407470 PMID:38863710	research paper	本研究利用可解释深度学习模型DeepSHM和集成梯度方法，揭示E-box基序在抑制人免疫球蛋白可变区AGCT基序体细胞高频突变中的作用	首次将可解释性深度学习方法应用于SHM研究，揭示了E-box转录因子结合基序CAGCTG对AGCT突变频率的抑制作用，提出新的SHM局部调控机制	仅在两个人类B细胞系中验证E2A与V区基因座的关联，且研究基于公开SHM数据集，可能受数据来源和样本多样性限制	系统研究AGCT基序位置偏倚的分子基础，探索局部序列特征对SHM的调控作用	人类免疫球蛋白可变区的AGCT基序、E-box基序及E2A转录因子	machine learning	NA	NA	DeepSHM（机器学习模型）	SHM数据集（序列数据）	人类SHM数据集及两个人类B细胞系	NA	DeepSHM	准确性	NA
153	2026-08-21	Tantalum oxide nanoparticles as versatile and high-resolution X-ray contrast agent for intraductal image-guided ablative procedure in rodent models of breast cancer 2024, Npj imaging DOI:10.1038/s44303-024-00007-5 PMID:39301013	研究论文	本研究评估了钽氧化物纳米颗粒作为X射线造影剂在啮齿动物乳腺癌模型中用于导管内图像引导消融手术的性能和安全性。	首次系统比较了不同纳米颗粒造影剂，并展示了钽氧化物纳米颗粒在图像引导消融中的优越成像性能和高局部清除率。	未明确提及研究的局限性。	确定钽氧化物纳米颗粒作为造影剂在导管内图像引导消融手术中的适用性，并评估其安全性。	雌性FVB/JN小鼠和Sprague-Dawley大鼠的乳腺导管。	医学影像	乳腺癌	微CT成像	NA	图像	至少六个乳腺导管，涉及3只以上雌性FVB/JN小鼠和/或Sprague-Dawley大鼠（10-11周龄）	NA	NA	成像性能、局部保留、全身清除、安全性、细胞死亡百分比、附带损伤	NA
154	2026-08-21	Detection method of organic light-emitting diodes based on small sample deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297642 PMID:38315697	研究论文	提出一种基于小样本深度学习的有机发光二极管检测模型SmartMuraDetection，以解决新型显示面板生产过程中表面缺陷检测精度低、自动化不足的问题	设计梯度边界增强算法模块自动识别和增强缺陷与背景灰度差，采用Poisson融合图像增强模块解决小样本数据不足，构建TinyDetection模型适配小尺度目标检测，并提出SEMUMaxMin量化模块作为后处理	未提及具体局限性	提高有机发光二极管表面缺陷检测的准确率、精度及自动化水平，满足量产检测需求	有机发光二极管显示面板的表面缺陷	计算机视觉	NA	深度学习	CNN	图像	334张样本图像	NA	TinyDetection	检测准确率	NA
155	2026-08-21	The communication of artificial intelligence and deep learning in computer tomography image recognition of epidemic pulmonary infectious diseases 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297578 PMID:38319912	研究论文	本研究利用基于深度学习的AI辅助诊断软件，对200例肺部传染性疾病患者的CT图像进行病灶检测，以提高诊断效率和准确性	将深度学习模型AlexNet应用于肺部传染性疾病CT图像识别，并开发了“UAI肺部传染性疾病智能辅助分析系统”用于自动检测、批量标记和计算病灶体积	未提及具体局限性	提高流行性肺部传染性疾病的诊断效率和准确性，并研究AI在肺部传染性疾病诊断和公共卫生管理中的应用	200例肺部传染性疾病患者的CT图像	计算机视觉、数字病理学	肺部传染性疾病	CT成像	卷积神经网络（CNN）	图像	200例患者的CT图像	NA	AlexNet	检出率、误检率、漏诊率	NA
156	2026-08-20	Designing and development of agricultural rovers for vegetable harvesting and soil analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304657 PMID:38905232	研究论文	本文设计并开发了一种用于蔬菜采摘和土壤分析的农业机器人，利用深度学习算法实现自主作业	将YOLOv5深度学习算法与农业机器人技术相结合，实现了蔬菜自动采摘和土壤分析的一体化系统	摘要未提及局限性信息	开发能够提高作物生产力和土壤健康管理的自主农业机器人，以支持可持续农业实践并实现联合国可持续发展目标2（零饥饿）	农业机器人（硬件和软件系统）、土壤分析系统、番茄成熟度检测系统	计算机视觉	NA	深度学习（YOLOv5）、土壤传感技术	YOLOv5（目标检测模型）	图像	NA	NA	YOLOv5	精确度（0.8518%）、召回率（0.7624%）	NA
157	2026-08-20	Research on multi-defects classification detection method for solar cells based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304819 PMID:38905246	研究论文	针对太阳能电池制造过程中的表面缺陷，提出一种基于深度学习的多缺陷分类检测方法，通过优化YOLOv5s模型和轻量级分类网络MobileNetV2实现缺陷精准检测。	采用K-means算法重新聚类专用锚框以解决YOLOv5s默认锚框与电池失配缺陷标签框尺度不匹配问题，并通过图像预处理、锚框优化和检测头替换改进YOLOv5s模型，同时利用轻量级网络MobileNetV2提高易检测缺陷的检测速度，实现多模型融合的缺陷分类检测。	未提及模型的泛化能力、计算资源消耗或对其他类型缺陷的适用性。	提高太阳能电池表面缺陷的检测精度和速度，实现对难检测、一般和易检测缺陷的有效分类。	太阳能电池表面缺陷，包括失配、气泡、玻璃裂纹、电池裂纹和玻璃倒置五类。	计算机视觉	不适用	深度学习	CNN	图像	未明确指定，但涉及失配、气泡、玻璃裂纹、电池裂纹和玻璃倒置缺陷的检测数据集	PyTorch	YOLOv5s, MobileNetV2	检测精度、分类准确率、检测速度（帧/秒）	未提及
158	2026-08-20	ACL-DUNet: A tumor segmentation method based on multiple attention and densely connected breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307916 PMID:39485757	研究论文	提出一种基于多重注意力和密集连接U-Net的乳腺超声图像肿瘤分割方法，在Mendeley和BUSI数据集上取得了优于其他深度学习方法的性能	在编码阶段采用密集连接网络增强特征提取能力，并在解码阶段集成注意力门、通道注意力和尺度注意力三种模块以更好捕获最相关特征	未提及	实现乳腺超声图像中肿瘤的准确分割，以辅助临床诊断决策	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声成像	U-Net	图像	Mendeley数据集250张图像（100良性，150恶性），BUSI数据集780张图像（133正常，487良性，210恶性）	NA	密集连接U-Net，注意力门，通道注意力，尺度注意力	Dice相似系数（DSC）	NA
159	2026-08-20	Non-small cell lung cancer detection through knowledge distillation approach with teaching assistant 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306441 PMID:39504338	研究论文	本研究利用CT扫描图像，通过知识蒸馏技术（含助教模型）对非小细胞肺癌进行分类，并评估了模型的性能与可解释性	采用三阶段知识蒸馏框架（教师-助教-学生），并通过代价敏感学习和超参数（alpha和温度）调优提升学生模型性能，同时结合可解释性AI和Web应用增强实用性和透明度	未提及具体局限性，如样本多样性、模型泛化能力或外部验证等	利用CT图像高效分类非小细胞肺癌，并通过知识蒸馏和助教框架提高模型性能且适配内存受限的边缘设备	非小细胞肺癌CT扫描图像	计算机视觉、机器学习	非小细胞肺癌	CT扫描、知识蒸馏、代价敏感学习、可解释性AI（Shapley值）	CNN、VGG19、ResNet152v2、Swin、CCT、ViT	图像（CT扫描）	未明确说明	NA	ResNet152（助教）、CNN（学生）等	准确率	未明确说明，但提及模型适用于内存受限的边缘设备
160	2026-08-20	Deep learning algorithms reveal increased social activity in rats at the onset of the dark phase of the light/dark cycle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307794 PMID:39514582	研究论文	本研究利用深度学习算法分析半自然条件下大鼠在光暗周期转换时的社交行为和超声发声，发现关灯可增加攻击行为但未增加积极情感相关发声。	首次利用DeepLabCut、SimBA和DeepSqueak等深度学习工具联合分析大鼠在光暗转换期间的社交行为与超声发声，揭示了关灯刺激对攻击行为的增强作用。	未能证明关灯刺激增加积极情感（享乐性超声发声），且研究仅基于成对大鼠和特定半自然条件，可能限制结果的普适性。	探索光暗周期转换期间大鼠的社交行为特征及其伴随的超声发声变化，并验证深度学习算法在这类行为分析中的实用性。	半自然条件下饲养的大鼠成对个体	计算机视觉, 机器学习	不适用	视频和音频记录	卷积神经网络（DeepLabCut）, 随机森林（SimBA）, 深度学习（DeepSqueak）	视频, 音频	6天连续观察，具体大鼠数量未提及	DeepLabCut, SimBA, DeepSqueak	DeepLabCut（基于ResNet）, SimBA（随机森林模型）, DeepSqueak（卷积循环网络）	未明确提及	未明确提及