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
201	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
202	2026-09-04	Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia 2024-Dec, BJA open DOI:10.1016/j.bjao.2024.100347 PMID:40018289	研究论文	本研究构建深度学习模型，结合颅内脑电图和头皮脑电图预测麻醉苏醒期间的镇静水平，并评估其性能	首次结合颅内脑电图和头皮脑电图构建深度学习模型预测镇静水平，并揭示两种模态结合可捕捉时空优势，提高预测准确性	样本量较小（七名患者），且颅内脑电图数据来自难治性癫痫患者，可能限制结果的普适性	评估颅内脑电图、头皮脑电图及其组合在预测不同镇静水平中的效能，以增强脑电图监测在麻醉深度管理中的应用	七名植入颅内电极的难治性癫痫患者和五名仅有头皮脑电图数据的患者	深度学习，神经科学	难治性癫痫	脑电图	深度学习模型	脑电图信号	七名患者（颅内+头皮脑电图），五名患者（仅头皮脑电图）	NA	NA	受试者工作特征曲线下面积	NA
203	2026-09-04	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本文描述了一种基于深度学习的蛋白质设计方法，用于设计能够高特异性结合肽-MHC-I复合物的小型蛋白质，并验证了其在CAR-T细胞激活中的应用。	利用深度学习设计小型蛋白质，使其结合在pMHC复合物的肽结合沟槽上方，并与肽段产生广泛接触，实现了对十个目标pMHC的高特异性结合。	本文未明确提及研究的局限性。	开发并验证能够高特异性靶向肽-MHC-I复合物的结合剂，以应用于疾病治疗。	肽-MHC-I复合物及其特异性结合蛋白，包括十个目标pMHC。	蛋白质设计	NA	深度学习蛋白质设计	深度学习模型	蛋白质结构数据	十个目标pMHC复合物	NA	NA	特异性	NA
204	2026-09-04	Exploring 7β-amino-6-nitrocholestens as COVID-19 antivirals: in silico, synthesis, evaluation, and integration of artificial intelligence (AI) in drug design: assessing the cytotoxicity and antioxidant activity of 3β-acetoxynitrocholestane 2024-Nov-13, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d4md00257a PMID:39430952	研究论文	本研究合成了一系列7β-氨基-6-硝基胆甾烯衍生物，并通过虚拟筛选、AI辅助药物设计和分子动力学模拟评估其作为COVID-19抗病毒药物的潜力	将人工智能（AI）融入药物设计，利用深度学习生成新型候选分子，并对合成化合物进行全面的体外和计算评估	部分化合物（如起始物质和某些产物）未满足Lipinski规则和ADMET性质，显示出致突变性或生殖/发育毒性	探索7β-氨基-6-硝基胆甾烯衍生物作为COVID-19抗病毒药物的潜力，并评估其细胞毒性和抗氧化活性	合成的7β-氨基胆甾烯化合物和3β-乙酰氧基-6-硝基胆甾-4,6-二烯	药物设计、人工智能	COVID-19	虚拟筛选、分子对接、AI辅助深度学习、分子动力学模拟	深度学习模型	分子结构、对接分数、毒性预测数据	研究涉及9种合成的类固醇化合物（1-9），其中AI生成了60个分子	NA	NA	结合自由能（kcal/mol）、细胞毒性、抗氧化活性	计算资源未明确说明，但涉及分子动力学模拟和AI深度学习，可能需要高性能计算
205	2026-09-04	Enhancing chemistry-intuitive feature learning to improve prediction performance of optical properties 2024-Oct-30, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02781g PMID:39381129	研究论文	本文开发了一种增强化学直觉子图和边学习的深度学习框架，结合领域知识改进消息传递神经网络，以更准确地预测发光体的光学性质。	通过增强化学直觉的子图和边学习，并耦合先验领域知识到MPNN中，从有限数据集更好地捕捉与光学性质相关的结构特征，实现了对四种重要光学性质预测的最高精度。	未在摘要中明确提及局限性。	开发一种快速且准确的光学性质预测方法，以提高发光体在多种领域的应用效率。	发光体（emitters）及其光学性质（吸收波长、发射波长、光致发光量子产率、半高全宽）。	机器学习	不适用	深度学习	消息传递神经网络（MPNN）	光学性质数据（来自五个不同的光学数据集）	未在摘要中明确指明，但提到使用了有限数据集和五个不同的光学数据集。	未在摘要中明确指明	MPNN（消息传递神经网络）	准确率（推断，但未明确列出具体指标）	未在摘要中明确指明
206	2026-09-04	Associations of street-view greenspace with Parkinson's disease hospitalizations in an open cohort of elderly US Medicare beneficiaries 2024-06, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108739 PMID:38754245	研究论文	本研究评估了街景绿地特征与美国老年医疗保险受益人帕金森病住院风险的关联。	使用大规模街景图像和深度学习来区分特定绿地类型（树木、草地等），而非传统的俯视测量。	未提供明确的局限性描述。	评估街景绿地特征与帕金森病住院风险的关联。	美国65岁及以上医疗保险按服务收费受益人的开放队列。	深度学习、环境健康	帕金森病	深度学习图像识别	深度学习模型	图像（街景）和医疗记录	约4560万名医疗保险受益人，506,899次首次帕金森病相关住院，254,917,192人年随访	NA	深度学习算法（具体未指定）	风险比（HR）和置信区间	NA
207	2026-09-04	Geometric Scattering on Measure Spaces 2024-May, Applied and computational harmonic analysis IF:2.6Q1 DOI:10.1016/j.acha.2024.101635 PMID:40686586	研究论文	本文提出了一种通用统一的测度空间上的几何散射变换框架，涵盖无向图、有向图、带符号图、带边界的流形等，并证明了其稳定性和不变性，同时构建了数据驱动图以逼近底层流形上的散射变换。	引入了测度空间上几何散射的统一模型，适用于有向图、带符号图和带边界的流形等更一般化结构，并提出新的群不变性标准	未明确提及，但从上下文推测可能涉及计算复杂性或近似误差的局限性	旨在统一和推广多尺度、小波式的散射变换，使其适用于更泛化的非欧几里得几何数据，并评估其应用价值	测度空间，包括流形、图（无向/有向/带符号）、带边界流形、球面图像、高维单细胞数据	几何深度学习	NA	散射变换、小波分析、扩散映射、图散射	散射变换网络	图像（球面图像）、图（随机块模型）、高维单细胞数据	NA	NA	散射变换架构（类似多层CNN）	稳定性、不变性、收敛速率	NA
208	2026-09-04	Historical and projected response of Southeast Asian lakes surface water temperature to warming climate 2024-04-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118412 PMID:38316380	研究论文	利用统计、机器和深度学习方法，重建并预测东南亚大陆80多个大型湖泊的湖表水温历史与未来变化，并评估其对气候变暖的响应	首次针对东南亚地区主要湖泊，结合卫星获取的湖表水温、历史及预测气候数据，采用多种数据驱动模型重建和预测了历史及未来湖表水温，并系统分析了昼夜湖表水温的长期趋势	研究区域内的湖泊数量有限（超过80个），可能无法完全代表东南亚地区所有湖泊	评估东南亚地区大型湖泊表水温度作为气候变化指标的有效性，并分析其对历史及未来气候变暖的响应	东南亚大陆超过80个主要湖泊	机器学习，数字病理学，自然语言处理，计算机视觉	不适用	不适用	XGBoost（表现最佳），其他四种模型包括统计、机器和深度学习方法	气候特征数据（ERA5和CHIRPS）、卫星遥感数据（MODIS）、降尺度气候数据（CORDEX-SEA）、湖表水温数据	超过80个东南亚大陆主要湖泊	不适用	XGBoost，以及另外四种统计、机器和深度学习模型	纳什效率系数（NSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均偏差（MBE）	不适用
209	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
210	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
211	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
212	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
213	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
214	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
215	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
216	2026-09-01	An enhanced drought forecasting in coastal arid regions using deep learning approach with evaporation index 2024-04-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118171 PMID:38215925	研究论文	本文采用深度学习方法，结合蒸发指数，提出一种增强的沿海干旱区干旱预测模型	首次将自注意力机制的卷积长短期记忆网络应用于沿海干旱区干旱预测，整合蒸发指数以提高预测精度	未提及具体限制，但可能包括对特定区域和数据集依赖，以及模型泛化性的潜在限制	开发可靠的干旱预测模型，并评估不同模型在沿海干旱区分析干旱因素的能力	沿海干旱区的干旱事件，利用SPEI指数和CRU数据集	机器学习	不适用	气候数据挖掘	卷积长短期记忆网络（CLSTM）	时间序列数据	1901-2018年的CRU数据集	不明确，但可能基于PyTorch或TensorFlow	自注意力机制增强的卷积长短期记忆网络（SA-CLSTM）	决定系数（R）、均方根误差（RMSE）、平均绝对误差（MAE）、ROC-AUC	未提及具体资源，但可能使用GPU进行训练
217	2026-09-01	Enabling large-scale screening of Barrett's esophagus using weakly supervised deep learning in histopathology 2024-03-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46174-2 PMID:38467600	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
218	2026-09-01	DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning 2024-03-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46041-0 PMID:38453943	research paper	开发了一种名为DeepETPicker的深度学习模型，用于从冷冻电子断层扫描图像中快速准确地挑选三维粒子，训练仅需弱监督和少量简化标签	采用弱监督学习结合简化标签和轻量化模型架构，以及加速池化技术，显著提高了粒子挑选的准确性和速度	未提及具体局限性	开发一种快速且准确的自动化粒子挑选方法，以支持冷冻电子断层扫描原位结构解析	冷冻电子断层扫描中的生物大分子颗粒	computer vision	NA	cryo-electron tomography	deep learning model	图像	模拟和真实断层扫描图像	NA	轻量化卷积神经网络	准确率，速度，坐标准确性，重建分辨率	NA
219	2026-09-01	Deep learning model for personalized prediction of positive MRSA culture using time-series electronic health records 2024-03-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46211-0 PMID:38448409	研究论文	本研究开发了深度学习模型PyTorch_EHR，利用电子健康记录时间序列数据预测两周内MRSA培养阳性结果	利用广泛的患者特异性时间序列EHR数据，构建深度学习模型预测MRSA培养阳性，性能优于逻辑回归和LGBM等传统机器学习模型，并成功进行外部验证	未提供明确的限制信息	快速准确地分层MRSA感染风险，优化抗生素治疗，减少不必要的MRSA特异性抗菌药物使用	MRSA阳性与阴性患者事件数据	机器学习	耐甲氧西林金黄色葡萄球菌感染	电子健康记录分析	深度学习模型	时间序列电子健康记录数据	30,557患者事件（来自Memorial Hermann医院系统），393,713患者事件（来自MIMIC-IV数据集）	PyTorch	NA	AUROC	NA
220	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