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
441	2026-08-18	A Hybrid convolution neural network for the classification of tree species using hyperspectral imagery 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304469 PMID:38820430	研究论文	提出了一种结合卷积神经网络（CNN）和传统机器学习技术的混合模型，用于高光谱图像中树种的高精度分类	混合了深度学习与传统学习技术，融合相关特征选择与优化递归特征消除算法，并在网络架构中引入注意力机制，采用双分支网络提升分类性能	未提及，可能未涉及模型计算成本或对不同数据集的泛化性分析	利用高光谱遥感数据实现树种的精确分类，以支持森林资源管理和监测	树种高光谱图像数据	计算机视觉	NA	高光谱成像	CNN, SVM	高光谱图像	未明示	未提及	CNN（可能包含注意力机制，双分支网络）	分类准确率	未提及
442	2026-08-18	Long short-term memory (LSTM)-based news classification model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301835 PMID:38814925	研究论文	该研究利用单向和双向长短期记忆（LSTM）深度学习网络进行中文新闻分类，并评估上下文信息对文本分类的影响，实现了高准确率。	提出了一种结合BiLSTM和LSTM的集成架构进行特征提取和集成，并利用jieba分词、word2vec和Adam优化器优化模型性能。	未在摘要中明确说明局限性。	改进中文新闻分类的准确性，并比较双向和单向LSTM在特征提取方面的效果。	中文新闻文章。	自然语言处理	NA	NGS	LSTM, BiLSTM	文本	NA	NA	LSTM, BiLSTM, 全连接层	F1-score	NA
443	2026-08-18	Factors associated with interobserver variation amongst pathologists in the diagnosis of endometrial hyperplasia: A systematic review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302252 PMID:38683770	系统综述	本系统综述旨在识别与病理学家在子宫内膜增生诊断中观察者间变异相关的病理学家特定因素，并评估这些因素对诊断可重复性的影响。	首次系统性地评估病理学家特定因素及工作实践对子宫内膜增生诊断观察者间变异的影响，并识别出一些新的工作方法，如核异型性程度分级和半自动定量图像分析/深度学习模型的整合。	现有研究数量有限，且很少有研究专门探讨病理学家特定特征，因此证据不足；此外，由于研究设计和方法差异，无法进行定量荟萃分析。	探讨病理学家特定因素和工作实践如何影响子宫内膜增生诊断中的观察者间变异，并为提高诊断可重复性提供依据。	病理学家及其在子宫内膜增生诊断中的工作实践和诊断风格。	数字病理学	子宫内膜增生	系统综述方法，涉及文献检索和叙事综合	NA	文献数据（已发表研究）	8项研究	NA	NA	观察者间一致性（如kappa值）	NA
444	2026-08-18	De novo prediction of RNA 3D structures with deep generative models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297105 PMID:38358972	研究论文	提出一种基于深度生成模型从核酸序列预测RNA三维折叠结构的方法，结合自回归深度生成模型、蒙特卡洛树搜索和评分模型。	首次在原子分辨率下实现RNA从头结构预测的深度学习，无需多序列比对的结构接触信息或化学探针实验数据。	训练数据有限（实验测定的RNA结构数量少），可能影响泛化能力。	开发一种直接从RNA序列预测其三维结构的深度学习新方法。	RNA分子及其三维折叠结构。	机器学习	不适用	不适用	深度生成模型	序列和结构数据	实验测定的RNA结构（数量未明确）	不适用	自回归深度生成模型	竞争性结果（具体指标未列出）	不适用
445	2026-08-18	Automatic detection of cell-cycle stages using recurrent neural networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297356 PMID:38466708	研究论文	本文提出一种基于循环神经网络（RNN）的深度学习方法，用于自动预测细胞有丝分裂的不同阶段。	利用RNN提取图像序列的时间特征，相比不利用时间信息的分类器特征提取方法，显著提高了有丝分裂阶段分类性能。	未明确提及，但可能包括对特定细胞类型或成像条件的依赖。	自动检测细胞有丝分裂阶段，以支持细胞生物学研究和癌症等病理的临床诊断。	正在进行有丝分裂的细胞视频序列。	计算机视觉	癌症	视频成像	循环神经网络（RNN）	视频图像序列	未提供具体样本数量	未明确指定	RNN（具体架构未明确）	精确率、召回率、F1分数、混淆矩阵	未提供具体信息
446	2026-08-18	Predicting central choroidal thickness from colour fundus photographs using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301467 PMID:38551957	研究论文	本研究开发并验证了一种基于深度学习的方法，从彩色眼底照片估算中央脉络膜厚度，以提高疾病检测能力。	首次应用深度学习从眼底图像估算中央脉络膜厚度，并在外部多个机构数据集上进行验证。	样本来自单一机构，且排除了特定眼部病变，可能限制泛化性；验证集较小。	开发并验证深度学习模型，以从彩色眼底照片自动估算中央脉络膜厚度，辅助疾病检测。	彩色眼底照片和同日的OCT检查图像。	计算机视觉	脉络膜相关疾病	NA	深度学习模型	图像	2,548张图像用于开发，393张图像用于验证。	NA	NA	标准差	NA
447	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	提出TACIT，一种基于预定义特征的无监督算法，用于多组学空间数据的细胞类型和状态注释，无需训练数据	使用无偏阈值区分阳性细胞与背景，针对多组学测定中的模棱两可细胞，无需训练数据，实现高准确性和可扩展性	未明确提及局限性	开发一种可扩展的无监督算法，利用预定义特征自动注释空间生物学中的细胞类型和状态，以克服泛化难题	来自大脑、肠道和腺体三个生态位的五种数据集，共500万个细胞和51种细胞类型	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督算法	空间转录组和蛋白质组数据	五个数据集，共500万个细胞，51种细胞类型	NA	NA	准确性、可扩展性	NA
448	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督算法，用于空间生物学中细胞类型和状态的去卷积注释，无需训练数据，并验证其在多组学数据中的准确性和可扩展性。	TACIT算法创新性地采用无监督学习，利用预定义特征签名和基于无偏阈值的方法区分阳性细胞与背景，无需训练数据即可在多组学检测中识别模糊细胞。	摘要未明确提及局限性。	解决空间生物学中细胞类型和状态识别的耗时和易错问题，提高注释的准确性和可扩展性。	来自脑、肠道和腺体三种微环境的五个数据集，包含约5百万个细胞和51种细胞类型。	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督学习算法	空间多组学数据（包括转录组和蛋白质组）	五个数据集，约5百万个细胞，51种细胞类型。	未指定	未指定	准确性、可扩展性	未指定
449	2026-08-17	CovMediScanX: A medical imaging solution for COVID-19 diagnosis from chest X-ray images 2024-06, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.03.046 PMID:38594085	研究论文	提出CovMediScanX框架，利用深度学习从胸部X光图像中快速自动诊断COVID-19	开发了自定义CNN模型，并在独立数据集上评估，该数据集来自与训练数据不同的扫描机器，以验证泛化能力	模型对正常病例的检测性能较低，在独立数据上的总体性能需改进，可能存在数据偏差	开发一种基于深度学习的框架，用于从胸部X光图像中自动诊断COVID-19	胸部X光图像	计算机视觉, 数字病理学	COVID-19	医学影像分析	卷积神经网络（CNN）	图像（胸部X光）	未指定具体数量，但包括训练数据集和独立测试数据集	未指定	自定义CNN，预训练模型，混合迁移学习模型	准确率, 精确率, 召回率	未指定
450	2026-08-17	Advances in Clinical Care with Contemporary Cardiac SPECT 2024-06, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.02.024 PMID:38553298	综述	综述了当代心脏SPECT成像在临床实践中的最新进展和应用	涵盖了数字SPECT技术、超低剂量成像、深度学习算法、无源发射衰减校正、心肌血流定量等最新技术，并展示了其在多种心脏疾病管理中的新应用	未提供具体的研究数据或实验结果，可能缺乏对技术细节和临床效能的深入分析	总结和展示当代心脏SPECT成像在临床护理中的最新进展和实际应用	心脏SPECT成像技术及其在心肌灌注、心肌血流、淀粉样心肌病、心脏移植血管病变、肺动脉高压等临床场景中的应用	医学影像	心血管疾病	SPECT	深度学习算法	影像数据	NA	NA	NA	NA	NA
451	2026-08-16	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-12-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	研究论文	本研究开发并验证了一个深度学习系统，用于在眼底照片上准确区分视盘玻璃膜疣和视乳头水肿，包括不同亚组。	首次在大型国际多中心队列中，针对视盘玻璃膜疣和视乳头水肿的二元分类，开发和验证专用的深度学习系统，并特别关注隐藏性玻璃膜疣与轻中度视乳头水肿的区分。	未提及	训练、验证和测试一个专用深度学习系统，以在常规散瞳数字眼底照片上实现视盘玻璃膜疣与视乳头水肿的准确分类。	视盘玻璃膜疣和视乳头水肿患者	计算机视觉	眼科疾病	眼底照相	深度学习系统	图像	2180名患者的4508张彩色眼底图像（训练和内部验证），外部测试集包含221名患者（207张视盘玻璃膜疣图像和214张视乳头水肿图像）	未提及	未提及	AUC、准确率、灵敏度、特异度	未提及
452	2026-08-16	EEG-based brain-computer interface methods with the aim of rehabilitating advanced stage ALS patients 2024-11, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2024.2316312 PMID:38400897	综述	本文综述了基于EEG的脑机接口方法，旨在帮助晚期肌萎缩侧索硬化症患者进行康复，重点介绍了特征提取和分类方法。	全面比较了多种特征提取方法（如FFT、WPD、CSP等）和分类方法（如LDA、SVM、NN、DL），并指出SVM和DL的适用优势。	未详细说明各方法的实际性能对比数据，且未提及具体实验验证。	探讨EEG-based BCI方法在晚期ALS患者康复中的应用，并综述相关技术。	晚期肌萎缩侧索硬化症（ALS）患者	脑机接口	肌萎缩侧索硬化症	EEG	SVM, LDA, NN, DL	脑电信号	NA	NA	NA	准确率、可靠性	NA
453	2026-08-16	Deep learning reveals a damage signalling hierarchy that coordinates different cell behaviours driving wound re-epithelialisation 2024-09-15, Development (Cambridge, England) DOI:10.1242/dev.202943 PMID:39177163	研究论文	利用深度学习工具量化果蝇蛹翅上皮伤口再上皮化过程中细胞行为，并揭示损伤信号层级协调这些行为	首次应用深度学习工具从活体成像视频中量化细胞分裂、形状变化和迁移对伤口再上皮化的贡献，并通过基因扰动实验揭示钙信号、JNK和巨噬细胞信号在伤口修复中的层级调控关系	研究仅基于果蝇蛹翅上皮模型，可能不直接适用于哺乳动物伤口愈合；深度学习工具可能未捕捉所有细胞行为复杂性	阐明伤口再上皮化过程中不同细胞行为的贡献及其信号调控层级	果蝇蛹翅上皮伤口修复过程中的细胞行为及信号分子（Ca2+、JNK、巨噬细胞信号）	深度学习	伤口愈合（组织修复）	活体成像显微镜	深度学习模型（类型未具体说明）	图像（活体显微镜视频）	未具体说明样本量，但包括多个果蝇蛹翅上皮伤口视频	未明确提及	未明确具体架构，但使用深度学习工具（如卷积神经网络）	量化细胞行为（如细胞分裂率、形状变化、迁移速度）的指标	未明确提及
454	2026-08-16	Leveraging conformal prediction to annotate enzyme function space with limited false positives 2024-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012135 PMID:38809942	研究论文	本文提出了CPEC框架，结合深度学习与共形预测，以受控的假发现率对酶功能进行注释。	首次将共形预测与深度学习结合，用于酶功能注释，提供严格的FDR控制保证，优于现有方法在较低FDR下的预测性能。	未明确指出，但可能包括对训练数据中代表性不足的酶预测精度有限，以及依赖用户指定的FDR水平。	开发一个机器学习框架，用于在生物发现中提供FDR控制的预测，以减少假阳性，并通过酶功能注释案例验证其有效性。	蛋白质酶，特别是功能表征较少的酶。	机器学习	不适用	深度学习	深度学习模型（未具体说明）	蛋白质序列或结构数据（推断）	不适用	不适用	未具体说明	假发现率（FDR）、预测准确性	不适用
455	2026-08-16	Versatile multiple object tracking in sparse 2D/3D videos via deformable image registration 2024-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012075 PMID:38768230	研究论文	提出ZephIR，一种基于图像配准的半监督多目标跟踪框架，用于2D/3D视频中的物体跟踪	利用空间变换网络技术，通过可调节参数编码空间和时间先验，实现跨多种生物系统的通用性	需要小量标注进行交互式优化，对于缺乏独特特征和稀疏图像环境存在挑战	开发一种通用且高效的多目标跟踪工具，适用于部分相关运动的物体，减少手动标注需求	行为小鼠的身体部位和自由移动线虫大脑中的神经元	计算机视觉	NA	图像配准	空间变换网络	图像（2D/3D视频）	NA	PyTorch	ZephIR	准确率	NA
456	2026-08-16	Non-invasive load monitoring based on deep learning to identify unknown loads 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296979 PMID:38335185	研究论文	本文提出了一种基于深度学习的非侵入式负载监测方法，利用三元组神经网络和凸包重合度检测未知电器负载，并通过迁移学习快速更新分类模型。	提出了基于三元组神经网络的新编码特征空间，使用凸包重合度检测未知负载，并引入迁移学习实现预分类模型的自增类快速更新。	未提及具体限制。	解决未知电器负载的准确识别问题，提高能源利用效率，减少能源浪费。	未知电器负载。	机器学习	NA	N/A	三元组神经网络（Triplet Neural Network）	时序电信号数据（来自PLAID数据集）	PLAID数据集中的样本	N/A	三元组网络（Triplet Network）	准确率（达到99.23%）	N/A
457	2026-08-16	Deep learning segmentation and registration-driven lung parenchymal volume and movement CT analysis in prone positioning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299366 PMID:38422097	研究论文	利用深度神经网络对俯卧位CT图像进行肺实质体积和运动的定量分析	首次使用DNN分割和配准技术对俯卧位CT进行肺叶体积变化和三维像素位移的定量评估	未在摘要中明确提及限制	评估俯卧位对肺实质体积和运动的影响，并探讨其与肺纤维化程度及肺功能的相关性	疑似间质性肺异常或疾病的患者	医学影像分析	间质性肺疾病	CT成像	深度神经网络（DNN）	CT图像	108对CT图像（成功配准的病例）	NA	分割网络和变形配准网络	体积变化（毫升），最大像素位移（厘米），Spearman相关系数	NA
458	2026-08-13	Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39327 PMID:39687145	研究论文	本研究利用机器学习和深度学习模型预测膀胱癌预后并评估免疫微环境，构建了免疫相关机器学习签名（IRMLS）	结合10种机器学习算法开发IRMLS，并创建深度学习模型基于病理图像检测IRMLS亚型	摘要中未提及局限性	预测膀胱癌预后并评估肿瘤免疫微环境，以指导个性化精准治疗	膀胱癌患者	机器学习, 深度学习, 数字病理学	膀胱癌	机器学习算法集成	机器学习模型、深度学习模型	病理图像、基因组数据	未明确说明样本数量	未明确说明	未明确说明	p值	未明确说明
459	2026-08-13	Classifying histopathological growth patterns for resected colorectal liver metastasis with a deep learning analysis 2024-10-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae127 PMID:39471410	研究论文	开发并验证了一种基于深度学习的神经图像压缩算法，用于自动区分结直肠癌肝转移的促结缔组织增生性和非促结缔组织增生性组织学生长模式	首次将神经图像压缩技术应用于结直肠癌肝转移的组织学生长模式自动分类，实现了高准确率的二分类，并在外部验证中保持稳定性能	未明确提及局限性，但可能包括单中心开发数据集的偏差、对全切片图像的依赖以及模型在不同染色或扫描仪下的泛化性问题	开发并验证一种自动化的深度学习算法，以客观、高效地评估结直肠癌肝转移的组织学生长模式，促进其在临床实践和研究中的应用	结直肠癌肝转移患者的数字化苏木精-伊红染色全切片图像	数字病理学	结直肠癌肝转移	数字病理图像分析	深度学习模型（神经图像压缩）	全切片图像	开发队列932例患者（3641张全切片图像），外部验证队列870张全切片图像	NA	神经图像压缩	曲线下面积、多变量风险比	NA
460	2026-08-13	An efficient brain tumor detection and classification using pre-trained convolutional neural network models 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36773 PMID:39281484	研究论文	本文提出使用预训练卷积神经网络模型进行脑肿瘤检测与分类，并评估其性能	结合预训练CNN模型（如ResNet50和EfficientNet）并利用数据增强技术，提高脑肿瘤检测的准确率、精确率和召回率	未在摘要中提及明确的局限性	开发并评估一种高效的脑肿瘤检测和分类方法，以提高诊断准确性	脑肿瘤MRI图像，包括三类肿瘤样本和一类非肿瘤样本	计算机视觉	脑肿瘤	MRI成像	卷积神经网络（CNN）	图像	未在摘要中明确提及样本数量	未指定	ResNet50, EfficientNet	准确率, 精确率, 召回率, 验证损失, 混淆矩阵, 总体损失	未提及