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
421	2026-08-19	Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor 2024-10-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101785 PMID:39413732	研究论文	提出一种利用病理先验信息区分结直肠神经内分泌肿瘤和结直肠癌的深度学习方法，基于病理图像实现高准确率分类	利用病理形态学描述与图像块之间的相似性，仅选择2%的诊断相关图像块进行训练和推理，以提高效率并保持高准确率	未明确说明局限性，可能包括对外部数据集的泛化能力依赖等未提及细节	开发一种经济有效的深度学习模型，准确区分结直肠神经内分泌肿瘤与结直肠癌，以减少不必要的免疫组化检测并改善患者治疗	结直肠神经内分泌肿瘤和结直肠癌的病理图像	数字病理学	结直肠神经内分泌肿瘤	病理图像分析	深度学习模型	病理图像	内部数据集和两个外部数据集（具体样本数量未提供）	NA	NA	AUROC（受试者工作特征曲线下面积）	NA
422	2026-08-19	A deep learning-based toolkit for 3D nuclei segmentation and quantitative analysis in cellular and tissue context 2024-07-15, Development (Cambridge, England) DOI:10.1242/dev.202800 PMID:39036998	研究论文	本文介绍了一套用于三维细胞核分割和定量分析的计算工具包，实现了对不同组织和条件下的细胞核进行准确分割，并提供了相关分析功能。	提出了一种新的地面真值生成和迭代训练方法，提高了三维细胞核分割的准确性和适用性；提供了两个高质量的预训练模型和约10000个细胞核的数据集；扩展了MorphoGraphX软件用于细胞核与周围细胞的关联分析；在PlantSeg中引入校对工具进行细胞分割修正。	未明确提及局限性。	开发并验证一种广泛适用的三维细胞核分割和定量分析工具包，以支持细胞和组织层面的研究。	从不同植物和动物组织获取的固定或活体样本中的细胞核。	数字病理学、计算机视觉	不适用	荧光显微成像	深度学习分割模型（CellPose、PlantSeg、StarDist）	三维图像数据	约10,000个细胞核	未明确提及	CellPose、PlantSeg、StarDist	未明确提及	未明确提及
423	2026-08-19	Molecular architecture of the actin cytoskeleton: From single cells to whole organisms using cryo-electron tomography 2024-06, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2024.102356 PMID:38608425	综述	讨论低温电子断层扫描技术在肌动蛋白细胞骨架研究中的最新进展，从单细胞到整个生物体。	强调深度学习和序列提升取样技术在自动化注释和样本制备方面的进步，使高分辨率结构生物学扩展到多细胞生物和类器官。	未提及明显的局限性，但作为综述，可能缺乏原始实验数据的验证。	概述低温电子断层扫描在肌动蛋白细胞骨架结构生物学中的最新进展和未来潜力。	肌动蛋白细胞骨架	结构生物学	无特定疾病	低温电子断层扫描	深度学习模型（具体类型未指定）	三维断层图像	不适用（综述文章）	NA	NA	NA	NA
424	2026-08-19	The association between DNA methylation and human height and a prospective model of DNA methylation-based height prediction 2024-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-024-02659-0 PMID:38507014	研究论文	本研究通过线性回归和机器学习方法，探讨DNA甲基化与人类身高的关联，并开发基于DNA甲基化的身高预测模型	首次在中国人群中利用靶向甲基化测序面板和深度学习技术构建身高预测模型，其准确性优于基于SNP的预测模型	未明确说明局限性	探究DNA甲基化与人类身高的关联，并开发基于DNA甲基化的身高预测模型	中国人群的DNA甲基化数据及身高表型	机器学习	不适用	甲基化测序	深度神经网络	甲基化数据及表型数据	11,730个与身高相关的CpG位点	NA	核主成分分析（KPCA）和深度神经网络	均方根误差（RMSE）、平均绝对误差（MAE）、相关系数（R）	NA
425	2026-08-19	Fuzzy ensemble of fined tuned BERT models for domain-specific sentiment analysis of software engineering dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300279 PMID:38805433	研究论文	提出了一种基于模糊逻辑集成的微调BERT模型，用于软件工程领域的情感分析	采用模糊逻辑集成多个微调BERT变体，以提高软件工程领域情感分析的性能，特别是中性情感预测	未明确提及局限性，但可能涉及计算资源需求和模型复杂度	开发一种适用于软件工程领域的领域特定情感分析工具，以克服现有工具的局限性并提高情感分类准确性	软件工程社区问答数据集，包括Stack Overflow、JavaLib、Jira和Code Review	自然语言处理	不适用	深度学习，微调BERT模型	BERT及其变体（Bert-Base、Bert-Large、Bert-LSTM、Bert-GRU、Bert-CNN）	文本数据	四个公开基准数据集	未明确提及	BERT、LSTM、GRU、CNN	F1-score	未明确提及
426	2026-08-19	Accelerated construction of stress relief music datasets using CNN and the Mel-scaled spectrogram 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300607 PMID:38787824	研究论文	提出一种基于卷积神经网络和梅尔频谱图的深度学习方法，以加速构建减压音乐数据集	首次将深度学习应用于减压音乐数据集的自动构建，直接从音乐中提取频率、振幅和波形等关键声学元素，无需依赖生物反应测量，实现高效、经济且个性化的音乐选择	未提及具体局限性	提供一种更高效、经济的减压音乐数据集生成方法，以解决减压音乐选择有限且不个性化的问题	减压音乐数据集及其梅尔频谱图	机器学习	不适用	梅尔频谱图	卷积神经网络（CNN）	图像（梅尔频谱图）	未提及	未提及	卷积神经网络	准确率	未提及
427	2026-08-19	Res2Net-based multi-scale and multi-attention model for traffic scene image classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300017 PMID:38768119	研究论文	提出了一种基于Res2Net的多尺度与多注意力模型，用于交通场景图像分类，通过特征细化金字塔模块和注意力机制提升分类准确率	引入了自适应特征细化金字塔模块（AFRPM）增强多尺度特征提取，并整合频域、空间和通道注意力机制以提升复杂背景和不同尺度物体的识别能力	未提及具体限制，可能包括数据集规模有限或未在更多样化的真实场景中验证	提高交通场景图像分类的准确性和鲁棒性，解决多尺度特征提取和注意力机制结合上的不足	交通场景图像	计算机视觉	不适用	深度学习（基于Res2Net的特征提取）	卷积神经网络（Res2Net）	图像	Traffic-Net数据集（具体样本量未在摘要中给出）	PyTorch（推测，未明确提及）	Res2Net, 自适应特征细化金字塔模块（AFRPM）, 频域注意力和空间-通道注意力模块	准确率	NA
428	2026-08-19	Learning multi-site harmonization of magnetic resonance images without traveling human phantoms 2024, Communications engineering DOI:10.1038/s44172-023-00140-w PMID:38420332	研究论文	提出一种无需人类受试者跨站点旅行的深度学习网络，用于多站点磁共振图像协调，通过解缠站点特定外观和站点不变解剖信息生成目标站点图像	首次实现无需旅行人类幻影数据的无监督多站点MRI协调，通过解缠机制保留解剖细节并生成逼真站点特异性外观	未明确提及局限性，但可能依赖于多站点数据的质量和一致性	开发一种无需额外数据收集的回顾性多站点MRI协调方法，以增强跨站点数据整合的一致性	多站点T1和T2加权磁共振图像	计算机视觉, 数字病理学	不适用	磁共振成像	深度神经网络	图像	超过6000张多站点T1和T2加权图像	不适用	不适用	不适用	不适用
429	2026-08-19	The applications of anterior segment optical coherence tomography in glaucoma: a 20-year bibliometric analysis 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18611 PMID:39619196	研究论文	对2004年至2023年间关于眼前节光学相干断层扫描（AS-OCT）在青光眼领域应用的文献进行计量学分析，探讨研究热点和趋势	首次对AS-OCT在青光眼领域20年间的文献进行全面的计量学分析，揭示研究热点和前沿趋势	文献仅来源于SCI数据库，可能遗漏其他重要研究；未涉及临床效果或技术细节的深入评估	通过文献计量方法探讨眼前节光学相干断层扫描在青光眼领域的研究热点和趋势	2004年至2023年间SCI数据库中关于AS-OCT在青光眼应用的931篇文献	文献计量学	青光眼	NA	NA	文献数据	931篇文献	NA	NA	NA	NA
430	2026-08-19	Automatic Kidney Stone Composition Analysis Method Based on Dual-energy CT 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230908111745 PMID:37691210	研究论文	提出一种基于双能CT图像的自动肾结石成分分析方法，包括深度学习分割和机器学习分类	实现了肾结石的自动分割和混合成分分析，无需手动描绘结石位置，提高了成分预测的准确性	未提及具体局限，但可能依赖双能CT数据，且混合成分分析的准确性仍有提升空间	开发一个准确的方法来自动分析肾结石成分，以辅助术前规划和治疗决策	肾结石	计算机视觉, 机器学习	肾结石病	双能CT成像	深度学习（分割）, 机器学习（分类）	图像（双能CT图像）	未提及具体样本数量	未提及	未提及具体架构，但包含深度学习分割模型和多标签分类模型	AUC, 准确率, 敏感性, 特异性, F1分数, 精确匹配比	未提及
431	2024-10-02	Deep learning sharpens vistas on biodiversity mapping 2024-10-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2416358121 PMID:39348547	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
432	2026-08-18	Single-cell analysis via manifold fitting: A framework for RNA clustering and beyond 2024-09-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2400002121 PMID:39226348	研究论文	提出scAMF框架，通过流形拟合去噪单细胞RNA测序数据，提高聚类准确性和数据可视化	引入流形拟合模块，通过展开数据在环境空间中的分布来去噪，并改善细胞间的空间分布，捕获类一致的邻域	未提及具体限制	提高单细胞RNA测序数据分析中的聚类准确性和数据可视化清晰度	单细胞RNA测序数据（scRNA-seq）	机器学习	NA	单细胞RNA测序（scRNA-seq）	流形拟合	基因表达数据	25个公开可用的scRNA-seq数据集，涵盖多种测序平台、物种和器官类型	NA	NA	聚类效率、数据可视化清晰度	NA
433	2026-08-18	Joint trajectory inference for single-cell genomics using deep learning with a mixture prior 2024-09-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2316256121 PMID:39226366	研究论文	本文介绍了VITAE，一种结合潜在层次混合模型与变分自编码器的统计方法，用于单细胞基因组学中的轨迹推断和数据整合。	VITAE首次将层次混合模型与变分自编码器结合，实现同时轨迹推断和数据整合，并提供不确定性量化。	文中未明确提及局限性。	提出一种具备统计模型和不确定性量化的轨迹推断方法，并实现多数据集整合分析。	单细胞RNA测序数据及多组学数据。	机器学习	NA	单细胞RNA测序	变分自编码器	基因表达数据	小鼠新皮层的三个单细胞RNA测序数据集	NA	变分自编码器	准确性	NA
434	2026-08-18	Deep learning models map rapid plant species changes from citizen science and remote sensing data 2024-09-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2318296121 PMID:39236239	研究论文	利用深度学习和遥感图像及公民科学数据绘制超过2000种植物物种的高分辨率分布图	首次将公民科学观测与遥感图像结合训练深度学习模型，实现几米分辨率下的物种分布精细绘图，并能检测野火等干扰后的快速变化	未明确提及限制，可能包括对数据质量的依赖和模型的可迁移性未知	开发深度学习模型以高空间、时间及分类分辨率绘制植物物种分布变化，支持生物多样性监测	美国加利福尼亚州的2000多种植物物种	计算机视觉, 机器学习	NA	遥感成像, 公民科学观测	深度学习模型	遥感图像, 公民科学观测数据	超过50万条公民科学观测记录	NA	NA	AUC	NA
435	2026-08-18	A multimodal Transformer Network for protein-small molecule interactions enhances predictions of kinase inhibition and enzyme-substrate relationships 2024-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012100 PMID:38768223	研究论文	本文提出了ProSmith，一种利用多模态Transformer网络同时处理蛋白质序列和小分子字符串的机器学习框架，以增强蛋白质-小分子相互作用的预测性能	提出了ProSmith框架，首创在同一输入中融合蛋白质氨基酸序列和小分子字符串的多模态Transformer网络，促进两种分子间信息交换，并结合梯度提升与独立深度学习表示进行预测	训练蛋白质之外的泛化能力有限，导致现有模型性能受限	提高蛋白质-小分子相互作用的预测准确性，以加速制药和生物技术研究	蛋白质与小分子的相互作用，包括激酶抑制、酶底物关系及米氏常数KM	机器学习	NA	多模态Transformer网络	多模态Transformer网络、梯度提升	蛋白质氨基酸序列和小分子字符串	NA	NA	Transformer网络、梯度提升	预测性能指标，如准确率、精确率、召回率、F1分数、AUC等	NA
436	2026-08-18	UNNT: A novel Utility for comparing Neural Net and Tree-based models 2024-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011504 PMID:38683879	研究论文	开发了一个名为UNNT的开源库，用于比较神经网络和树模型在癌症药物反应预测中的性能，并证明XGBoost优于CNN	提出了一个专门用于比较神经网络和树模型的开源工具UNNT，并通过案例研究展示了树模型在单一药物反应问题上的优势	案例研究仅聚焦于癌症药物反应数据集，实际应用中可能需针对其他领域进行调整	开发一个用户友好的工具，以简化神经网络和树模型的训练与比较，并验证树模型在药物反应预测中的优势	癌症药物反应数据集，以及化学等其他领域的数据集	机器学习	癌症	NA	CNN, XGBoost	表格数据（药物反应数据）	NA	NA	CNN, XGBoost	准确性	NA
437	2026-08-18	Offensive language detection in low resource languages: A use case of Persian language 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304166 PMID:38905214	研究论文	本文针对低资源语言波斯语，构建了包含6000条标注推文的攻击性语言语料库，并评估了多种机器学习、深度学习和基于Transformer的模型，提出了集成模型以提高检测性能	首次为波斯语提供了大规模的标注攻击性语言语料库，并引入了包含单语和跨语言预训练语言模型的集成方法，显著提升了检测效果	语料库规模相对较小，且标注过程可能受主观性影响；实验仅在单一平台（Twitter）上采样，可能限制了泛化能力	解决低资源语言（波斯语）中的攻击性语言检测问题，减少社交网络用户的潜在伤害	波斯语社交网络帖子（来自X/Twitter的微博客）	自然语言处理	NA	文本标注、基于Transformer的预训练模型（如ParsBERT）	支持向量机（SVM）、深度学习模型、神经网络、集成模型	文本数据（社交网络帖子）	6000条从520,000条随机采样的X（Twitter）帖子	NA	SVM、Transformer（如ParsBERT）、多层感知机等	宏F1分数	NA
438	2026-08-18	The potential of the transformer-based survival analysis model, SurvTrace, for predicting recurrent cardiovascular events and stratifying high-risk patients with ischemic heart disease 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304423 PMID:38889124	研究论文	本研究评估了基于Transformer的生存分析模型SurvTrace在预测复发性心血管事件和识别高风险患者方面的准确性，并与传统评分系统进行比较	首次将Transformer-Based生存分析模型SurvTrace应用于缺血性心脏病患者复发性心血管事件的预测和高风险分层，并利用真实世界数据验证其优越性	研究基于单中心数据，可能导致泛化性受限；未提及模型解释性和计算成本	评估SurvTrace模型预测复发性心血管事件和高风险患者分层的准确性，并对比传统评分系统	接受经皮冠状动脉介入治疗（PCI）的缺血性心脏病患者	机器学习	缺血性心脏病	NA	Transformer	临床数据	3938例患者，其中394例用于测试，3544例用于训练	NA	Transformer	Harrell's c-index, Kaplan-Meier曲线, 对数秩检验	NA
439	2026-08-18	Visual explanations for polyp detection: How medical doctors assess intrinsic versus extrinsic explanations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304069 PMID:38820304	研究论文	本研究调查了医学专业人员对应用于胃肠道疾病检测的现有人工智能可解释性方法的看法，比较了内在和外在解释，并发现内在解释更受青睐	首次从医学专家角度系统比较内在与外在解释方法在临床应用中的价值	未提供具体样本量和统计细节，可能限制结果的普遍性	评估医学专业人员对深度学习中可解释性方法的意见，以优化未来医学人工智能解释的设计	医学专业人员（医生）及其对可解释性方法的主观评价	计算机视觉	胃肠道疾病	深度学习	神经网络	医学图像	未提供	未提及	未提及	未提供	未提及
440	2026-08-18	Multimodal MALDI imaging mass spectrometry for improved diagnosis of melanoma 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304709 PMID:38820337	研究论文	本研究开发了一种多模态分类流程，结合预训练人工神经网络的显微镜图像特征和质谱成像数据，以提高黑色素瘤与痣病变的鉴别诊断性能	首次将预训练神经网络提取的组织病理图像形态特征与质谱成像数据融合进行分类，避免了对大量显微镜数据的训练需求	未明确提及局限性，但可能受限于样本量（331例）和预训练网络的特征提取通用性	开发并验证基于深度学习的多模态分类流程，以改善黑色素细胞肿瘤的分类性能	331例患者的黑色素瘤和痣病变组织样本，包括MALDI质谱成像数据和H&E染色切片图像	数字病理学	黑色素瘤	MALDI成像质谱	预训练人工神经网络	质谱成像数据、组织病理图像	331例患者	未明确提及	预训练人工神经网络（具体架构未提及）	ROC-AUC	未明确提及