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
81	2026-09-18	Evaluating Explainable Artificial Intelligence (XAI) techniques in chest radiology imaging through a human-centered Lens 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308758 PMID:39383147	研究论文	通过对胸部X光和CT图像诊断肺炎和COVID-19的深度学习模型进行用户研究，从人类视角评估两种可视化XAI技术（Grad-CAM和LIME）	从人类视角对胸部放射学中的XAI技术进行用户研究评估，比较Grad-CAM和LIME在临床相关性、连贯性和用户信任方面的表现，并强调多模态可解释性和包容性设计的需求	医学专业人员对XAI系统的价值和实践方面缺乏认知，Grad-CAM的临床可用性受到关注，需要进一步的多模态可解释性研究	评估可视化XAI系统在胸部放射学诊断中的效果，从人类视角验证其临床相关性、连贯性和用户信任，并识别用户驱动的可解释性需求	胸部X光和CT扫描图像，用于诊断肺炎和COVID-19的深度学习模型生成的视觉解释，以及参与用户研究的医学专业人员	医学影像分析，数字病理学（可扩展至放射学）	肺炎，COVID-19	胸片和CT扫描成像，深度学习算法	卷积神经网络（CNN），具体为Grad-CAM和LIME解释方法	图像（胸部X光和CT扫描）	用户研究涉及医学专业人员（具体数量未提及），模型数据集未指定	NA	CNN（用于诊断），Grad-CAM，LIME	准确率（肺炎90%，COVID-19 98%），临床相关性，连贯性，用户信任	NA
82	2026-09-18	LTPLN: Automatic pavement distress detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309172 PMID:39388401	研究论文	本文提出了一种基于轻量级Transformer补丁标记网络（LTPLN）的新型方法，用于自动路面病害检测，通过直方图均衡化预处理、图像分块、增强Transformer模型、深度可分离卷积模块以及基于期望最大化的标签蒸馏策略，提高了检测效率和泛化能力	提出了一种轻量级Transformer补丁标记网络（LTPLN），通过整合特征图标签、引入深度可分离卷积模块以及采用基于期望最大化的标签蒸馏策略，降低了计算复杂度并增强了模型轻量性	与基线模型相比，AUC准确率下降了1.2个百分点	提高自动路面病害检测的效率，克服现有方法在复杂场景下效果有限和泛化能力差的问题	路面病害图像	计算机视觉	路面病害	直方图均衡化，图像分块，弱监督学习	Transformer	图像	使用了一个私有路面病害数据集和一个公开数据集，具体样本数量未提及	NA	轻量级Transformer补丁标记网络（LTPLN），深度可分离卷积	AUC，准确率，速度，Flops	NA
83	2026-09-18	Path of career planning and employment strategy based on deep learning in the information age 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308654 PMID:39405324	研究论文	本文探讨了信息时代基于深度学习的职业规划与就业策略路径，旨在帮助大学生提升就业竞争力和自我发展	将深度学习技术应用于职业规划与就业策略路径的研究，结合定量与定性方法，通过设置对照组和实验组评估职业规划教育效果	未提及具体使用的深度学习模型架构、数据集规模以及计算资源等细节，可能影响研究的可重复性和普适性	研究信息时代基于深度学习的职业规划与就业策略路径，帮助大学生提升职业意识和就业竞争力	大学生（职业规划教育中的学生群体）	机器学习	NA	深度学习、问卷调查、描述性统计、相关性分析	NA	文本（问卷数据）	NA（未提及具体样本量，但包含对照组和实验组）	NA	NA	职业意识提升35%、自我提升15%	NA
84	2026-09-18	DPNet: Scene text detection based on dual perspective CNN-transformer 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309286 PMID:39432472	研究论文	本文提出了一种基于双视角CNN-Transformer的场景文本检测方法DPNet，通过将通道增强自注意力模块和空间增强自注意力模块集成到ResNet骨干网络中，并结合特征解码器，有效提升了场景文本检测的性能	提出了通道增强自注意力模块（CESAM）和空间增强自注意力模块（SESAM），将双视角自注意力机制集成到传统ResNet骨干网络中，有效学习全局上下文信息和文本位置关系；引入特征解码器细化特征图中的有效文本信息，增强细节感知能力	摘要中未明确提及该方法的局限性	解决复杂背景和多样文本形式下的场景文本检测问题，提升模型对不同类型文本检测的鲁棒性，特别是缓解小目标文本检测的挑战	场景文本图像中的文本区域	计算机视觉	NA	深度学习	CNN, Transformer	图像	Total-Text数据集、ICDAR 2015数据集、MSRA-TD500数据集	NA	ResNet, Transformer	准确率	NA
85	2026-09-18	NIDS-FGPA: A federated learning network intrusion detection algorithm based on secure aggregation of gradient similarity models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308639 PMID:39446819	研究论文	本文提出了一种基于梯度相似度模型聚合的联邦学习网络入侵检测算法，结合Paillier同态加密和2DCNN-BIGRU深度学习模型，用于工业物联网环境下的入侵检测。	创新点包括：1）提出梯度相似度模型聚合算法，动态选择和加权模型更新以降低通信开销；2）将联邦学习与Paillier同态加密结合，确保训练过程安全；3）设计2DCNN-BIGRU模型处理不完整数据特征和缺失标签。	摘要中未明确提及 limitations	解决工业物联网中现有入侵检测系统面临的数据特征不完整、标签缺失、参数泄露和通信开销高等问题，提升网络安全性。	工业物联网网络流量数据	机器学习	NA	联邦学习、Paillier同态加密	2DCNN-BIGRU	网络流量数据	使用了Edge-IIoTset和CIC IoT 2023两个数据集，具体样本数量未提供	NA	2DCNN, BIGRU	准确率	NA
86	2026-09-18	Automated Quantification of Eye Tics Using Computer Vision and Deep Learning Techniques 2024-01, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.29593 PMID:38146055	研究论文	本研究应用计算机视觉和深度学习技术，自动检测视频中的眼部抽动，以量化抽动秽语综合征患者的抽动症状	采用计算机视觉方法训练监督式深度学习算法，自动检测视频中的眼部抽动，克服了传统人工评分和依赖人工评估者的局限性	在训练样本量小的情况下，算法的泛化能力有限	应用计算机视觉方法训练监督式深度学习算法，以检测视频中的眼部抽动	11名青少年抽动秽语综合征患者的视频	计算机视觉	抽动秽语综合征	计算机视觉，深度学习	监督式深度学习	视频	54个视频，包含1775个眼部抽动事件和3680个非抽动事件	NA	NA	AUC	NA
87	2026-09-18	MMM and MMMSynth: Clustering of heterogeneous tabular data, and synthetic data generation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302271 PMID:38630664	研究论文	本文提出了两种针对异构表格数据的新算法：基于EM的聚类算法MMM和合成数据生成算法MMMsynth	提出了一种新颖的基于EM的聚类算法MMM，能够优于标准算法在合成异构数据中确定聚类并恢复真实数据结构；基于此提出了MMMsynth合成数据生成算法，通过预聚类输入数据并假设聚类特定的数据分布来生成合成数据	未明确说明	解决异构表格数据中的聚类问题，并生成合成表格数据以应对生物医学数据共享中的患者隐私问题	异构表格数据集（包含数值、序数、分类数据类型）	机器学习	NA	NA	NA	表格数据	NA	NA	NA	NA	NA
88	2026-09-16	Evaluating the Cumulative Benefit of Inspiratory CT, Expiratory CT, and Clinical Data for COPD Diagnosis and Staging through Deep Learning 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240005 PMID:39665633	研究论文	本研究通过深度学习评估了吸气相CT、呼气相CT和临床数据在COPD诊断和分期中的累积益处	通过深度学习综合评估了单相CT、吸呼气双相CT和临床数据对COPD分期的累积贡献，并发现当提供临床数据时，单相CT与双相CT的诊断准确性相当	本研究为回顾性研究，可能存在选择偏倚；样本仅来自COPDGene I期队列，外部验证不足；未详细说明计算资源	量化单相CT、吸气-呼气CT和临床数据对基于卷积神经网络的COPD分期的益处	COPDGene I期队列的8893名参与者	医学图像分析	慢性阻塞性肺疾病	CT成像，肺功能测试	CNN	图像，临床数据	8893名参与者（平均年龄59.6岁，53.3%男性）	NA	CNN	ICC，准确率	NA
89	2026-09-16	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	本文提出了一种名为SHARP的新方法，通过信号分解和多尺度注意力机制来增强Hi-C数据的分辨率，避免人工结构的产生	将数据分解为三种信号类型（一维邻近性、连续域和其他精细结构），仅对第三类信号应用深度学习，避免分块对前两类信号增强的影响；使用局部和全局注意力机制捕获多尺度上下文信息	未明确提及	从有限分辨率的全基因组Hi-C数据中推断高分辨率特征，并克服深度学习增强中产生的人工结构问题	Hi-C数据（染色体构象捕获数据）	基因组学	NA	Hi-C	深度学习	Hi-C接触矩阵	新样本数据和另一物种的数据	NA	NA	分辨率增强准确性、避免人工结构、识别显著相互作用、染色质状态富集	NA
90	2026-09-16	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-07-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	提出了一种名为DP2LM的新方法，结合深度神经网络和惩罚部分线性模型来处理高维中介变量和复杂混杂因素，并进行中介效应的估计和假设检验	结合深度神经网络处理混杂因素的非线性效应，并使用惩罚部分线性模型处理高维中介变量，同时开发了检验直接和间接中介效应的检验程序，并证明其保持第一类错误率	未明确说明限制	解决传统线性中介分析在处理高维中介变量和复杂混杂因素时的局限性，准确估计和严格推断中介效应	高维中介变量和复杂混杂因素	机器学习	NA	深度学习，惩罚部分线性模型	深度神经网络	模拟数据，DNA甲基化数据	涉及大量中介变量和经历童年创伤的个体	NA	NA	第一类错误率，估计准确性	NA
91	2026-09-16	DeLIVR: a deep learning approach to IV regression for testing nonlinear causal effects in transcriptome-wide association studies 2024-04-15, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxac051 PMID:36610078	研究论文	本文提出了一种名为DeLIVR的深度学习方法，用于在转录组范围关联研究中测试非线性因果效应	通过估计相关但不同的目标函数并包含假设检验框架，克服了DeepIV的主要缺点，实现了更快更稳定的非线性因果效应测试	未明确提及	开发一种深度学习方法，用于在转录组范围关联研究中测试非线性因果效应，以识别复杂性状和疾病的因果基因	基因表达与性状之间的非线性因果关系	机器学习	心血管疾病	转录组范围关联研究	深度学习	基因表达数据	NA	NA	NA	NA	NA
92	2026-09-16	Substrate recruitment via eIF2γ enhances catalytic efficiency of a holophosphatase that terminates the integrated stress response 2024-04-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320013121 PMID:38547060	研究论文	结合深度学习、分子动力学模拟、X射线晶体学和生物化学方法，揭示eIF2γ亚基与PPP1R15A N端重复螺旋肽段的结合机制，及其对eIF2α去磷酸化和ISR终止效率的影响	首次发现PPP1R15A的N端四个重复螺旋肽段通过Phe和Trp残基插入eIF2γ表面疏水沟槽，提出了远离活性位点的亚基接触如何促进全磷酸酶催化效率的新机制	未明确说明深度学习模型的具体架构和性能评估指标，研究主要基于体外和细胞实验，缺乏体内动物模型验证	探究哺乳动物PPP1R15A中保守核心以外的区域在去磷酸化天然底物eIF2三聚体中的功能作用及其分子机制	人源PPP1R15A蛋白、eIF2三聚体（特别是eIF2γ亚基）、PP1催化亚基、G-actin共因子	机器学习	NA	深度学习、全原子分子动力学模拟、X射线晶体学、生物化学	NA	蛋白质结构数据、序列数据	NA	NA	NA	NA	NA
93	2026-09-16	Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs : A Risk Prediction Study 2024-04, Annals of internal medicine IF:19.6Q1 DOI:10.7326/M23-1898 PMID:38527287	风险预测研究	本研究开发并测试了一种深度学习模型CXR CVD-Risk，该模型可从常规胸部X光片估计10年主要不良心血管事件风险，并与传统ASCVD风险评分进行比较	利用常规胸部X光片通过深度学习模型估计心血管风险，为因数据缺失而无法计算ASCVD风险评分的患者提供机会性风险评估方法	回顾性研究设计，使用电子病历数据	开发和测试深度学习模型CXR CVD-Risk，从常规胸部X光片估计10年MACE风险，并与传统ASCVD风险评分比较	门诊患者，包括8869名ASCVD风险未知的门诊患者和2132名ASCVD风险已知的门诊患者	医学影像分析, 心血管疾病预测	心血管疾病	深度学习, 胸部X光片分析	深度学习模型	胸部X光图像, 电子病历数据	11001名门诊患者（8869名ASCVD风险未知 + 2132名ASCVD风险已知）	NA	CXR CVD-Risk	风险比, 95%置信区间	NA
94	2026-09-16	Factors affecting the intention to use COVID-19 contact tracing application "StaySafe PH": Integrating protection motivation theory, UTAUT2, and system usability theory 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306701 PMID:39088508	研究论文	该研究旨在确定菲律宾民众使用StaySafe PH接触者追踪应用的意愿，通过整合保护动机理论、UTAUT2和系统可用性量表，并采用结构方程模型、深度学习神经网络和SUS进行分析	首次在菲律宾评估和评价接触者追踪应用，并首次整合PMT、UTAUT2和SUS框架以提供全面的测量，涵盖健康行为、技术接受和可用性视角	该应用的SUS得分为D，表明其可用性较差；研究可能受限于特定国家背景，结果推广性有限；未详细说明深度学习神经网络的具体架构和计算资源	确定菲律宾民众使用StaySafe PH接触者追踪应用的意愿，并探讨影响使用意图的因素	菲律宾的StaySafe PH接触者追踪应用及其用户	机器学习	COVID-19	NA	深度学习神经网络	文本	646名菲律宾受访者	NA	NA	NA	NA
95	2026-09-16	AmiR-P3: An AI-based microRNA prediction pipeline in plants 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308016 PMID:39088479	研究论文	本文提出了AmiR-P3，一种基于深度学习的植物miRNA从头预测流程，无需测序reads或参考基因组即可从基因组或转录组序列中识别保守和新的候选miRNA	AmiR-P3是一种新型的从头植物miRNA预测流程，不需要测序reads或组装好的参考基因组，可从任何基因组或转录组序列中识别保守和新的候选miRNA，且不依赖于目标生物miRNA库的先验知识，适用于研究较少的植物物种	摘要中未明确提及该研究的局限性	开发一种基于AI的植物miRNA预测流程，解决现有标准miRNA预测工具主要针对动物序列优化、难以适用于植物miRNA预测的问题	多种植物物种的基因组和转录组序列中的miRNA	机器学习	NA	NA	深度学习分类模型	基因组序列, 转录组序列	NA	NA	NA	NA	Docker容器
96	2026-09-16	Natural language processing augments comorbidity documentation in neurosurgical inpatient admissions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303519 PMID:38723044	研究论文	本研究探讨了自然语言处理技术是否能够仅利用住院头部影像的文本报告来识别两种常见的神经外科住院合并症	利用自然语言处理技术从影像报告中自动识别神经外科合并症，并与医生记录进行比较	样本量有限，仅来自单一医院，仅针对两种合并症，需要进一步验证	建立自然语言处理技术是否能仅使用住院头部影像的文本报告来识别两种常见的神经外科住院合并症	979份脑部CT或MRI扫描报告，来自2021年6月神经外科住院患者或2021年7月1-8日急诊科患者，以及一个76例的子集比较队列	自然语言处理	神经系统疾病	自然语言处理	随机森林	文本	979份影像报告（训练集84%，测试集16%），以及76例子集比较队列	NA	随机森林	准确率, AUC, 灵敏度	NA
97	2026-09-16	Fruit-In-Sight: A deep learning-based framework for secondary metabolite class prediction using fruit and leaf images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308708 PMID:39116159	研究论文	本文开发了一个基于深度学习的框架，利用果实和叶片图像预测次生代谢物的浓度等级，并集成到移动应用中	首次证明仅使用果实和叶片图像即可预测次生代谢物的浓度等级，无需昂贵的实验室设备和复杂的分析程序，并开发了移动应用Fruit-In-Sight	未明确提及	测试是否可以使用果实和叶片图像开发深度学习模型来预测代谢物浓度等级（高或低）	印楝树的果实和叶片	计算机视觉	NA	高效液相色谱	CNN	图像	1045个果实和叶片样本	NA	YOLOv5, GoogLeNet, InceptionNet, EfficientNet_B0, Resnext_50, Resnet18, SqueezeNet	F1分数, 灵敏度, 特异性	NA
98	2026-09-16	Chicken swarm optimization modelling for cognitive radio networks using deep belief network-enabled spectrum sensing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305987 PMID:39116190	研究论文	本文提出了一种基于深度信念网络和鸡群优化算法的认知无线电网络频谱感知技术（SST-CRN），用于提高频谱感知的准确性和效率	提出了一种结合深度信念网络（DBN）和鸡群优化算法（CSA）的频谱感知方法，通过非线性阈值实现频谱感知，并采用离线和在线两阶段处理流程	未来研究需要改进鸡群优化算法以更好地优化频谱感知过程，并提高基于深度信念网络的感知技术的可靠性	解决传统能量检测模型在认知无线电网络频谱感知中因低信噪比和信号样本不足导致的性能问题	认知无线电网络中的频谱感知过程	机器学习	NA	深度信念网络, 鸡群优化算法	深度信念网络 (DBN), 卷积神经网络 (CNN)	频谱信号数据	NA	NA	深度信念网络 (DBN), 卷积神经网络 (CNN)	检测概率 (Pd)	NA
99	2026-09-16	An unconstrained palmprint region of interest extraction method based on lightweight networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307822 PMID:39121173	研究论文	本文提出了一种基于轻量级网络的无约束掌纹感兴趣区域（ROI）提取方法，使用YOLOv5-lite进行手掌检测和定位，改进的UNet进行关键点检测，并在混合数据库上验证了方法的有效性	1. 结合YOLOv5-lite和轻量级UNet实现无约束掌纹ROI提取，兼顾精度和计算效率；2. 改进UNet减少参数量并提升性能；3. 结合高斯热图回归和直接回归，提出基于JS loss和L2 loss的联合损失函数进行监督	未明确提及	解决无约束环境下掌纹ROI提取的挑战，提出一种轻量级、高精度且适用于嵌入式设备的提取方法	掌纹图像	计算机视觉	NA	NA	CNN	图像	5个数据库组成的混合数据库	PyTorch	YOLOv5-lite, UNet	准确率, 平均检测时间, 成功率, 模型大小	GPU
100	2026-09-16	F-Net: Follicles Net an efficient tool for the diagnosis of polycystic ovarian syndrome using deep learning techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307571 PMID:39146307	研究论文	该研究利用YOLOv8检测卵巢卵泡并结合模糊C均值活动轮廓分割，提取统计特征后使用多种机器学习和深度学习模型对多囊卵巢综合征进行分类，并提出自定义F-Net模型	提出了结合YOLOv8卵泡检测与模糊C均值活动轮廓分割的混合方法，并开发了自定义F-Net模型用于PCOS分类，在两个数据集上分别达到95%和97.5%的分类准确率，优于所有对比的机器学习和深度学习分类器	数据集规模较小（数据集1共100例，数据集2共200例），未提及外部验证或多中心数据，模型的泛化能力有待进一步验证	实现卵巢卵泡的自动检测与分割，并评估机器学习和深度学习分类器在检测多囊卵巢综合征中的有效性	多囊卵巢综合征患者和正常受试者的卵巢超声图像	计算机视觉	多囊卵巢综合征	YOLOv8目标检测，模糊C均值活动轮廓分割，灰度共生矩阵特征提取	CNN，Transformer	图像	数据集1：50例正常和50例PCOS受试者（共100例）；数据集2：100例正常和100例PCOS受试者（共200例）	NA	YOLOv8，MobileNet，ResNet152V2，DenseNet121，Vision Transformer，F-Net（自定义模型）	准确率	NA