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
341	2026-08-22	Data-driven modelling for assessing trophic status in marine ecosystems using machine learning approaches 2024-02-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.117755 PMID:38008200	研究论文	本文开发了一种基于机器学习和人工智能的新型营养状态指数评估工具，以提高沿海和过渡水域富营养化评估的可靠性和准确性	引入了改进的数据驱动方法，包括选择相关水质指标、计算ATSI分数和新的分类方案，并利用XGBoost等机器学习算法优化输入数据，减少冗余	未在摘要中明确提及局限性	提高海洋生态系统中营养状态评估的准确性，特别是在过渡和沿海水域	爱尔兰科克港及其他四个爱尔兰水体的营养状态	机器学习	NA	机器学习算法（包括XGBoost等十种算法）	XGBoost等机器学习模型	水质指标数据	四个不同的爱尔兰水体作为案例研究	NA	XGBoost	RMSE, MSE, MAE, R, Nash-Sutcliffe效率（NSE）, 模型效率因子（MEF）	NA
342	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
343	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
344	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）
345	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
346	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
347	2026-08-21	Color Fundus Photography and Deep Learning Applications in Alzheimer Disease 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.08.005 PMID:39748801	研究论文	本研究开发并评估了两种基于视网膜彩色眼底照片的深度学习模型，用于分类阿尔茨海默病	采用自监督学习（BERT风格）预训练卷积神经网络，优于基于U-Net的血管分割方法，并利用注意力热图揭示模型决策关键区域	需要更大且多样的人群验证，并整合技术以统一眼底照片并减少成像噪声	开发并评估基于视网膜彩色眼底照片的深度学习模型以筛查阿尔茨海默病	阿尔茨海默病患者和对照组的视网膜彩色眼底照片	计算机视觉	阿尔茨海默病	眼底摄影	卷积神经网络	图像	UK Biobank数据集和机构数据集，具体样本量未说明	NA	U-Net, BERT风格的Transformer, 自监督卷积神经网络	准确率、敏感性、特异性、接收者操作曲线	NA
348	2026-08-21	Quantification of myocardial oxygen extraction fraction on noncontrast MRI enabled by deep learning 2024-Nov, Radiology advances DOI:10.1093/radadv/umae026 PMID:40641627	研究论文	提出了一种基于深度学习的非对比心血管磁共振方法，用于定量心肌氧摄取分数和心肌血容量	首次利用深度学习结合非对称自旋回波CMR序列，实现无需对比剂的心肌氧摄取分数和血容量定量	样本量较小，且主要验证了健康志愿者和慢性心肌梗死患者，未涵盖其他心脏疾病类型	开发一种非对比的CMR方法，用于体内定量心肌氧摄取分数和心肌血容量，以评估心肌缺氧状态	20名健康志愿者（20-30岁，11名女性）和10名慢性心肌梗死患者	医学影像	慢性心肌梗死	心血管磁共振成像	神经网络	图像	30名受试者（20名健康志愿者和10名慢性心肌梗死患者）	NA	U-Net	变异系数	NA
349	2026-08-21	Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2024-10-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76639-9 PMID:39448760	研究论文	提出Cough2COVID-19框架，利用咳嗽音频信号通过多层集成深度学习实现高效且非侵入的COVID-19检测。	引入多层集成深度学习框架和CoughFeatureRanker算法，从15个特征中选取最具判别性能的特征，提升检测准确性。	摘要中未提及明确局限性。	开发一种成本低、非侵入且可广泛获取的COVID-19检测方法，以替代传统PCR测试的限制。	咳嗽音频信号及其特征。	机器学习	COVID-19	音频信号分析	多层集成深度学习（MLEDL）框架	音频数据	未明确说明样本量。	未明确说明。	多层集成深度学习（MLEDL）框架，具体架构未明确。	特异性、灵敏度、准确率、AUC分数	未明确说明。
350	2026-08-21	MultiSC: a deep learning pipeline for analyzing multiomics single-cell data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae492 PMID:39376034	研究论文	提出一个名为MultiSC的深度学习流程，用于分析多组学单细胞数据，整合基因表达、染色质可及性和转录因子蛋白表达，并预测基因调控网络	首次提出针对多组学单细胞数据的综合分析流程，结合多模态约束自编码器（单细胞层次约束自编码器）和矩阵分解模型（scMF）进行数据整合及下游预测	未提及	解决多组学单细胞数据整合分析工具缺乏的问题，提供更全面的细胞活动和基因调控网络分析	使用NEAT-seq技术获得的单细胞多组学数据，包括基因表达、染色质可及性和转录因子蛋白表达	深度学习、多组学分析、单细胞分析	NA	NEAT-seq	自编码器、矩阵分解模型（scMF）、多元线性回归模型	多组学单细胞数据（基因表达、染色质可及性、蛋白表达）	未提及	NA	多模态约束自编码器（单细胞层次约束自编码器）、scMF（矩阵分解模型）	未提及	未提及
351	2026-08-21	Harnessing deep learning for SNP-based disease prediction in genomics 2024-Jul-04, International journal of information technology : an official journal of Bharati Vidyapeeth's Institute of Computer Applications and Management DOI:10.1007/s41870-025-02624-8 PMID:40822924	研究论文	本研究探讨了利用深度学习模型从单核苷酸多态性（SNP）数据预测疾病状态的方法	本研究的新颖之处在于对所有数据集应用了标准化的预处理、特征选择和模型训练流程，从而能够直接且公平地比较模型性能	未明确提及，但可能包括数据集规模有限、泛化能力待验证等	研究目的是利用深度学习模型从SNP数据中预测疾病状态，并比较不同模型架构的性能	研究对象为八个GEO数据集中的SNP基因型数据及其对应的疾病状态	机器学习	未明确指定，泛指多种疾病	SNP基因分型	前馈网络、自编码器、CNN、RNN	基因型数据（SNP）	八个GEO数据集，具体样本量未说明	未明确提及	前馈网络、自编码器、CNN、RNN	未明确提及，可能包括准确率、AUC等	未明确提及
352	2026-08-21	The human hypothalamus coordinates switching between different survival actions 2024-06, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3002624 PMID:38941452	研究论文	本研究通过虚拟掠食者与猎物互动范式，利用深度学习分割和功能磁共振成像，首次揭示人类下丘脑在切换生存行为（狩猎与逃跑）中的协调作用。	首次识别人类下丘脑在生存行为切换中的作用，结合深度学习分割、优化成像序列和模型-based fMRI分析，展示了多体素连接性及预测性行为协调。	未明确提及，但样本量有限（假设），且依赖虚拟场景可能影响生态效度。	探究人类下丘脑在生存行为切换中的具体作用及其神经机制。	人类志愿者，下丘脑及其亚核，以及相关脑区（海马、导水管周围灰质、杏仁核）。	神经科学	NA	功能磁共振成像（fMRI），深度学习分割	计算模型	影像数据（MRI），行为数据	两个实验，具体志愿者数量未提及	NA	深度学习分割模型（具体未指定）	参数解码准确率（基于计算模型参数）	未提及
353	2026-08-21	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	系统回顾了自然语言处理在甲状腺相关疾病中的应用，总结了当前挑战和未来方向	首次系统性地综述了NLP在甲状腺学中的应用，包括方法、应用、条件、数据来源、性能指标和发展阶段	纳入研究的NLP应用缺乏外部验证，且尚无应用进入临床实践；存在临床文档不一致和模型可移植性等问题	综述自然语言处理在甲状腺相关疾病中的应用，并总结挑战与未来方向	2012年1月1日至2022年11月4日发表的英文NLP应用于甲状腺条件的研究，并补充至2023年4月1日	自然语言处理	甲状腺结节、甲状腺癌、功能性或自身免疫性甲状腺疾病	NA	深度学习、规则基础、传统机器学习、混合方法	电子健康记录、影像报告、健康论坛、医学文献数据库、基因组数据库	24项合格研究	NA	NA	性能指标（具体未指明）	NA
354	2026-08-21	S-Net: an S-shaped network for nodule detection in 3D CT images 2024-04-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2b96 PMID:38382097	研究论文	提出了一种名为S-Net的S形网络，用于3D CT图像中的肺结节检测，以提高早期肺癌诊断的准确性	针对现有检测网络结构自身的缺点，采用U形网络作为骨干，引入信息融合分支传播低层细节和位置信息，采用头共享尺度自适应检测策略捕获不同尺度信息，并利用特征解耦检测头使分类和回归分支专注于各自所需信息	未在摘要中明确提及研究的局限性	开发一种基于深度学习的肺结节检测算法，以改善早期肺癌诊断的准确性	肺结节，3D CT图像	计算机视觉	肺癌	深度学习	S形网络（S-Net）	3D CT图像	LUNA16数据集（具体样本数量未提及）	NA	U-Net（作为骨干），ResSENet，SANet，OSAF-YOLOv3，MSANet（R+SC+ECA）	CPM分数	NA
355	2026-08-21	Hybrid-supervised deep learning for domain transfer 3D protoacoustic image reconstruction 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3327 PMID:38471184	研究论文	本文开发了一种混合监督深度学习方法，用于解决质子治疗中三维原声成像的有限视角问题，实现实时剂量验证。	提出了一种两阶段重构-增强深度学习方法，包括基于Transformer的重构网络和3D U-net增强网络，采用混合监督训练策略，结合迭代重构监督、迁移学习和基于数据保真度的自监督。	未在摘要中明确提及局限性，但可能受限于数据集规模和特定患者群体。	解决原声成像中有限视角引起的伪影问题，实现实时三维剂量验证，以提高质子治疗的精度和效果。	126例前列腺癌患者的原声成像数据。	计算机视觉, 深度学习	前列腺癌	原声成像	Transformer, 3D U-net, 混合监督学习	图像, 原始声学信号	126例前列腺癌患者数据	未提及	Transformer, 3D U-net	均方根误差, 结构相似性指数, Gamma指数	未提及
356	2026-08-21	Semi-supervised iterative adaptive network for low-dose CT sinogram recovery 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2ee7 PMID:38422540	研究论文	本文提出了一种半监督迭代自适应网络（SIA-Net），用于低剂量CT正弦图恢复，通过结合有标签和无标签数据，在统一框架中整合监督与无监督学习过程	SIA-Net创新性地将监督与无监督学习结合在同一网络中，利用未标记的低剂量正弦图信息，通过迭代自适应学习转移特征分布	未明确提及局限，但可能依赖于临床数据集的特定性，以及迭代过程可能增加计算复杂度	开发一种半监督方法用于低剂量CT成像，以减少辐射剂量并保持图像质量	低剂量CT正弦图及其对应的标准剂量图像，以及仅低剂量的正弦图	医学图像处理	不适用	CT成像	迭代自适应网络	正弦图	两个临床数据集	未指定	未指定具体架构	噪声降低和结构保持的竞争性表现	未指定
357	2026-08-21	Hierarchical decomposed dual-domain deep learning for sparse-view CT reconstruction 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad31c7 PMID:38457843	研究论文	提出一种基于层次化分解的双域深度学习框架，用于稀疏视图CT重建，以提升重建质量和降低辐射剂量	利用深度卷积框架理论（DCF）和测量的层次化分解，揭示了传统图像域和投影域深度学习方法的局限性，并提出新的双域深度学习框架	未明确提及	为稀疏视图CT重建提供理论上合理的深度学习方法，实现高质量重建和低辐射剂量	稀疏视图CT重建中的投影数据及图像	计算机视觉、医学影像处理	不适用	稀疏视图CT成像	深度学习网络（基于深度卷积框架）	CT投影数据及图像	未明确提及	PyTorch（推测，因其GitHub链接）	神经网络结构（未具体指定，但可能有U-Net或类似）	重建质量指标（如PSNR、SSIM等，但未明确列出）	未明确提及
358	2026-08-21	Multi-scale adversarial learning with difficult region supervision learning models for primary tumor segmentation 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3321 PMID:38471170	研究论文	本文提出了一种结合多尺度对抗学习和困难区域监督学习的级联方法，用于肿瘤分割，以提高分割精度。	创新点在于将多尺度对抗学习与困难区域监督学习相结合，并采用级联的粗到细策略，将复杂的多分类分割问题转化为多个简单的二分类问题，同时提出MSALDS-UNet模型，在解码路径上应用多个判别器以实现多尺度对抗学习，并引入困难区域监督损失以有效处理模糊边界等难分割区域。	未在摘要中明确提及局限性。	开发一种精确的肿瘤分割方法，以应对肿瘤形状多样、类型复杂和空间分布不可预测等挑战。	肿瘤区域，具体包括肾脏肿瘤、脑肿瘤和胰腺肿瘤。	计算机视觉	肿瘤	深度学习	生成对抗网络（GAN）	医学影像	三个独立的公共数据库：KiTS21、MSD的脑和胰腺数据集	NA	UNet（MSALDS-UNet）	Dice相似系数、Jaccard相似系数、HD95	NA
359	2026-08-21	Spectrum learning for super-resolution tomographic reconstruction 2024-04-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a94 PMID:38373346	研究论文	提出一种名为频谱学习（SPEAR）网络的深度学习新方法，用于CT图像超分辨率重建，结合图像域全局信息和频率域高频信息以提高重建质量。	利用频谱对称性减少频率域权重参数，并引入频谱损失以同时保留高频成分和全局信息。	未提及	开发一种改进的超分辨率技术，能够保留小结构和细节，同时有效捕获高频信息。	CT图像（低分辨率与高分辨率图像对，以及低剂量与正常剂量图像对）	计算机视觉	不适用	CT成像	深度学习网络（SPEAR）	图像	未提及	未提及	SPEAR网络	图像重建质量	未提及
360	2026-08-21	De novo generation of dual-target ligands for the treatment of SARS-CoV-2 using deep learning, virtual screening, and molecular dynamic simulations 2024-04, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2234481 PMID:37449757	研究论文	开发了一种用于SARS-CoV-2双靶点配体全新生成的深度学习框架，结合虚拟筛选和分子动力学模拟，生成的新分子对PLpro和3CLpro靶点具有高结合亲和力。	提出了双靶点配体生成网络，利用序列型SMILES生成器通过随机策略探索化学空间，并实现了针对两个不同靶点的全新药物分子生成。	未明确提及，但可能包括对生成分子实验验证的缺乏以及仅依赖计算预测。	利用深度学习生成具有双靶点生物活性的新型化合物，用于SARS-CoV-2治疗。	SARS-CoV-2的PLpro和3CLpro两个药物靶点。	机器学习	COVID-19	深度学习、虚拟筛选、分子动力学模拟	生成模型	化学分子SMILES序列	未明确提供，涉及SARS-CoV-2靶点分子数据集。	未明确提及，可能包括深度学习框架如TensorFlow或PyTorch。	未明确指定，可能为基于RNN或Transformer的生成模型。	结合亲和力、虚拟筛选得分，与瑞德西韦比较。	未明确提及。