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
141	2026-09-10	Investigation of Unsafe Construction Site Conditions Using Deep Learning Algorithms Using Unmanned Aerial Vehicles 2024-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s24206737 PMID:39460217	研究论文	本研究利用无人机搭载深度学习算法，实时检测建筑工人是否佩戴安全帽，以提升施工安全。	将无人机与Faster R-CNN算法结合，实现实时、高精度的工人安全帽佩戴检测，并集成警报系统。	实验在特定施工场景下进行，可能无法完全覆盖所有复杂环境条件。	利用无人机技术监测个人防护装备使用情况，特别是安全帽佩戴，以减少高处坠落和物体打击事故。	建筑工地工人及其安全帽佩戴状态。	计算机视觉	不适用	无人机成像	Faster R-CNN	图像	未提供具体样本数量	TensorFlow	Faster R-CNN	精确率、平均精度均值、每秒帧数	未提供具体计算资源信息
142	2026-09-10	Toward an Explainable Large Language Model for the Automatic Identification of the Drug-Induced Liver Injury Literature 2024-09-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00134 PMID:39190012	研究论文	开发了首个专门用于药物性肝损伤文献自动识别的可解释大型语言模型，基于LLaMA-2并在公开数据集上达到高准确率	首次将LLaMA-2大型语言模型应用于药物性肝损伤文献的自动识别，相比BERT、GPT等较小模型表现出更优性能，并实现了对大量文档的高通量精确分类	研究主要基于训练集的交叉验证，未提及在独立外部验证集上的表现；模型性能虽优但未达完美，可能仍有改进空间	利用大型语言模型自动、高效地识别药物性肝损伤相关科学文献，以支持药物安全监控和监管审查	CAMDA 2022文献AI挑战赛中的14203篇训练出版物	自然语言处理	药物性肝损伤	大型语言模型微调	LLaMA-2	文本（文献标题和摘要）	14203篇训练出版物	PyTorch	LLaMA-2	准确率、ROC曲线下面积	未指定
143	2026-09-10	Prediction of Cytochrome P450 Substrates Using the Explainable Multitask Deep Learning Models 2024-09-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00199 PMID:39196814	研究论文	本研究构建多任务深度学习模型，同时预测五种主要药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 1A2）的底物，并利用可解释性方法揭示与底物相关的子结构。	采用多任务学习框架结合指纹和图形神经网络，实现了多酶底物的并行预测，并引入SHAP和注意力机制进行模型解释，该解释结果通过子结构挖掘工具和文献得到验证。	摘要中未明确提及研究的局限性。	在药物开发早期阶段，提高P450底物预测的准确性，并增强模型可解释性，以支持化合物代谢性质评估。	五种主要药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 1A2）及其底物化合物。	药物发现, 机器学习	NA	多任务学习, 图形神经网络, 指纹表示	多任务深度学习模型, 图形神经网络	分子结构数据, 化合物底物标签	五种P450酶的底物数据集（具体数量未在摘要中提供）	NA	多任务指纹模型, 多任务图形神经网络	AUC	NA
144	2026-09-10	Research on precise phenotype identification and growth prediction of lettuce based on deep learning 2024-07-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118845 PMID:38570128	研究论文	本文以生菜为研究对象，利用深度学习模型基于RGB图像进行精确表型识别与生长预测，并结合损失函数优化提升预测精度。	引入自定义表型指标，并结合MSE、SSIM和感知损失来优化预测，提高生长图像和表型指数的准确性。	未提及。	实现生菜全生育期的智能监测与管理，为精准农业提供技术支持。	生菜	计算机视觉	不适用	RGB图像采集	深度学习模型	图像	未提及具体样本数量	不明确，可能使用PyTorch或TensorFlow	不明确，可能基于卷积神经网络结构	SSIM、PSNR、平均误差	未提及
145	2026-09-10	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2024-05-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2403384121 PMID:38691585	研究论文	利用自动微分算法搜索质量作用动力学模型参数空间，以发现自组装的最优动力学途径，提高组装效率和产量。	将深度学习中的自动微分算法应用于自组装动力学参数的优化，类比于深层神经网络的表达性，并展示了该方法不仅用于设计，还可用于推断亚基结合速率。	外部控制法效率较低且鲁棒性不如内部设计法，且对某些系统可能需要高精度的外部控制。	识别最优动力学协议，使得自组装过程能高效、高产量地组装，同时避免动力学陷阱。	由多个亚基组成的生物大分子复合物的自组装过程，如异源四聚体。	机器学习	NA	自动微分	质量作用动力学模型	合成时间序列数据（产量随时间变化）	异源四聚体系统，具体数量未提及	NA	NA	产量、效率、鲁棒性	NA
146	2026-09-10	DeepDRA: Drug repurposing using multi-omics data integration with autoencoders 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307649 PMID:39058696	研究论文	提出DeepDRA模型，利用自编码器和多层感知机整合多组学数据预测癌症药物反应，并促进药物再利用	采用多任务学习框架，将自编码器与MLP相连，有效降低多组学数据维度并提升药物反应预测性能	未提及	开发一种基于深度学习的模型，通过整合多组学数据、药物描述符和药物指纹预测癌症药物反应，并支持药物再利用	癌症药物反应和药物再利用相关数据及模型	机器学习	癌症	多组学数据整合	自编码器, 多层感知机	多组学数据, 药物描述符, 药物指纹	三个主要数据集：GDSC、CTRP、CCLE	NA	自编码器, MLP	AUPRC	NA
147	2026-09-10	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	提出一种结合深度学习和切片技术的两阶段船舶远距离检测方法	创新性地结合了传统和深度学习方法的优势，采用两阶段检测策略，先检测海天线区域，再对区域内切片进行船舶检测，以提高远距离小目标船舶的检测精度	未提及	提高远距离下智能船舶视觉感知中的船舶检测性能	远距离场景中的船舶	计算机视觉	NA	深度学习	目标检测模型	图像	未提及	未提及	YOLOv8	平均精度（AP50）、检测速度	未提及
148	2026-09-09	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-12, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	本研究开发并验证了一种基于人工智能的心电图算法，用于从智能手表生成的单导联心电图中预测终末期肾病患者的血清钾水平。	首次利用AI-ECG算法在智能手表单导联心电图上预测血清钾水平，并进行了多中心、前瞻性国际队列验证。	文章标题和摘要中未提及局限性。	开发并验证一种AI-ECG算法，以利用智能手表生成的心电图波形预测终末期肾病患者的血清钾水平。	终末期肾病患者。	机器学习	慢性肾病	心电图	深度学习模型	心电图信号	训练集包括152,508名患者的293,557份心电图；微调集包括1,463名ESRD患者的4,337份心电图；外部验证集和前瞻性国际队列分别来自斯坦福医疗中心（SHC）和长庚纪念医院的40名ESRD患者。	NA	Kardio-Net	AUC, 平均绝对误差（MAE）	NA
149	2026-09-09	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文展示了一种使用可解释深度学习技术moETM对高维单细胞多模态数据进行整合分析的操作流程，包括数据预处理、多组学整合、先验通路知识纳入和跨组学插补。	提出了一种名为moETM的可解释深度学习方法，专门用于高维单细胞多模态数据的整合分析。	NA	提供一种可解释的深度学习技术moETM，用于单细胞多模态数据整合分析，并给出详细操作步骤。	单细胞多模态数据，特别是来自骨髓单核细胞的多组学数据。	机器学习	NA	单细胞多组学测序技术（如scRNA-seq、scATAC-seq等）	深度学习（moETM，基于主题模型的深度学习方法）	单细胞多模态数据（例如基因表达、染色质可及性等）	使用了GSE194122数据集中的人骨髓单核细胞样本	NA	moETM（基于ETM的主题模型架构）	NA	NA
150	2026-09-09	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	介绍了一个基于动态批处理对抗自编码器的深度学习框架DB-AAE，用于单细胞RNA测序数据的去噪和排序	提出了动态批处理对抗自编码器（DB-AAE）框架，通过动态调整批处理策略来改善去噪效果和细胞排序	未明确提及局限性，可能依赖于具体数据集且需进一步验证泛化性	开发一种深度学习框架用于scRNA-seq数据的去噪和细胞排序，以提高数据分析准确性	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	scRNA-seq	对抗自编码器（AAE）	基因表达数据	NA	NA	自编码器、对抗网络	NA	NA
151	2026-09-09	Discovery of antibiotics that selectively kill metabolically dormant bacteria 2024-04-18, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2023.10.026 PMID:38029756	研究论文	本研究结合静态期筛选方法与深度学习虚拟筛选及毒性过滤，发现能选择性杀死代谢休眠细菌的抗生素，并揭示其作用机制	采用非传统筛选方法（静态期筛选）与深度学习模型结合，发现针对代谢休眠细菌的选择性抗生素，突破了传统筛选偏好活性代谢细胞的局限，并揭示药物通过结合脂多糖破坏外膜的新机制	摘要中未提及明显的局限性，但可能涉及化合物在体内有效性和安全性验证不足等未知限制	发现并开发非毒性、针对代谢休眠细菌有效的抗生素，以应对慢性感染和抗生素耐药性问题	代谢休眠细菌（包括大肠杆菌和鲍曼不动杆菌）及抗炎药物塞马莫德	机器学习	细菌感染性疾病	深度学习虚拟筛选、静态期筛选、微生物学检测、生化测量、单细胞显微镜	深度学习模型	化合物结构数据、微生物学图像及生化数据	未明确，涉及多种化合物和细菌菌株（大肠杆菌、鲍曼不动杆菌）	未提及具体框架，可能涉及常用深度学习框架	未明确指定，可能采用常用的神经网络架构	未明确提及具体指标，可能包括杀伤效率和毒性相关指标	未提及具体计算资源
152	2026-09-09	Combining enhanced spectral resolution of EMG and a deep learning approach for knee pathology diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302707 PMID:38713653	研究论文	本研究开发了一种基于肌电信号（EMG）和深度学习的方法，用于膝关节骨关节炎的诊断，通过高阶谱分析增强信号分辨率，并利用改进的ResNet101模型进行分类。	采用高阶谱分析（HOSA）增强EMG信号的频谱分辨率，结合深度学习的图像识别方法，实现了对膝关节骨关节炎的高精度诊断。	尽管所提方法表现出优越性，但仍存在一些局限，需要在未来研究中进一步解决。	开发一种基于肌电信号的膝关节病理诊断方法，特别是对膝关节骨关节炎的诊断。	正常个体和膝关节骨关节炎患者的EMG信号，涉及股四头肌、腓肠肌内侧、股直肌、半腱肌和股内侧肌等肌肉。	机器学习、数字病理学	膝关节骨关节炎	肌电图（EMG）、高阶谱分析（HOSA）	CNN	EMG信号图像	从公开数据库中提取的EMG信号，具体样本数量未在标题和摘要中指定	NA	ResNet101	准确率、AUC	NA
153	2026-09-09	A new protocol for multispecies bacterial infections in zebrafish and their monitoring through automated image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304827 PMID:39116043	研究论文	该论文提出了一种在斑马鱼内耳（耳囊）中建立和追踪单种及多种细菌感染的方案，并通过自动化图像分析进行实时监测的流程	首次建立了针对特定器官（耳囊）的多物种细菌感染斑马鱼协议，并开发了结合深度学习和荧光强度测量的自动化图像分析流程，以量化病原体频率	未明确说明局限性	开发一种用于斑马鱼多物种细菌感染研究的新协议，并通过自动化图像分析实现感染的实时追踪和量化，以探究病原体-病原体和病原体-宿主相互作用	斑马鱼（Danio rerio）及其耳囊（otic vesicle）结构；病原体包括铜绿假单胞菌、鲍曼不动杆菌和肺炎克雷伯菌	数字病理学	细菌感染性疾病	荧光成像	深度学习模型（未指定具体类型）	图像	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
154	2026-09-09	A hybrid TCN-GRU model for classifying human activities using smartphone inertial signals 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304655 PMID:39137226	研究论文	本文提出一种结合增强时间卷积网络（TCN）与门控循环单元（GRU）的轻量级混合模型，用于基于智能手机惯性信号的人体活动识别	在TCN-GRU模型中引入膨胀卷积以扩展感受野而不增加参数，并采用少量短滤波器减少参数，同时利用残差连接和GRU层进行长期时间依赖建模	目前仅使用智能手机捕获的惯性信号，未来需探索模型在不同传感器类型和更广泛数据集上的泛化能力	开发一种轻量级且高效的深度学习模型，用于智能手机基于的人体活动识别，无需繁琐的手动特征提取	智能手机惯性信号（如加速度计和陀螺仪数据）用于人体活动分类	机器学习	NA	传感器信号处理（智能手机惯性传感器）	混合深度学习模型（TCN和GRU）	时间序列信号	两个基准数据集：UCI HAR和UniMiB SHAR（具体样本数量未提及）	NA	膨胀时间卷积网络（TCN）与门控循环单元（GRU）	准确率	NA
155	2026-09-09	An end-to-end framework for private DGA detection as a service 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304476 PMID:39196905	研究论文	提出首个端到端框架，用于隐私保护的域名生成算法（DGA）检测服务，结合安全多方计算和差分隐私技术	首次提出端到端的隐私保护DGA检测服务框架，结合安全多方计算（MPC）和差分隐私（DP），并通过模型量化加速推理	未明确提及具体局限性，可能包含对多方计算协议和量化精度的假设，以及性能与隐私权衡	实现隐私保护的DGA检测分类服务，确保DNS域名和模型隐私，同时提供效率	DNS域名分类系统，区分DGA恶意域名和非DGA良性域名	机器学习	NA	NA	深度学习模型（具体类型未指明）	DNS域名文本数据	NA	NA	NA	准确性，推理时间	三方安全计算协议
156	2026-09-09	DECTNet: Dual Encoder Network combined convolution and Transformer architecture for medical image segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301019 PMID:38573957	研究论文	提出一种名为DECTNet的双编码器网络，结合卷积和Transformer架构用于医学图像分割，以提高分割准确性	新颖地结合卷积和Swin Transformer双编码器，并设计特征融合解码器与深度监督模块，以处理医学图像边界模糊和结构复杂问题	未明确提及局限性（基于标题和摘要）	解决医学图像分割中结构提取和精确分割的难题，提升分割性能	医学图像分割任务，包括皮肤病变、息肉、Covid-19病变和MRI心脏分割	医学图像分析	皮肤病变、息肉、Covid-19、心脏病	深度学习（卷积神经网络和Transformer）	双编码器网络（DECTNet），结合CNN和Swin Transformer	医学图像（皮肤病变、息肉、Covid-19病变、MRI心脏图像）	未明确提及具体样本数量	NA	DECTNet，包含卷积编码器、Swin Transformer编码器、特征融合解码器和深度监督模块	与七种模型比较，达到最先进结果（具体指标如Dice等未明确）	NA
157	2026-09-09	Semantic segmentation of urban environments: Leveraging U-Net deep learning model for cityscape image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300767 PMID:38578733	研究论文	本研究利用U-Net深度学习模型对城市景观图像进行语义分割，并在Cityscapes数据集上验证其有效性，以实现高精度的城市环境理解	提出一种基于U-Net的改进架构，通过批量归一化和丢弃层增强模型稳定性，并在城市景观分割中实现最新的性能	文中未明确提及方法的局限性	探索U-Net模型在城市景观图像语义分割中的效能，以支持城市规划、交通管理和自动驾驶等应用	城市景观图像及其语义分割结果	计算机视觉	不适用	深度学习（卷积神经网络）	U-Net	图像	未明确说明样本数量，但使用了Cityscapes数据集	未明确	U-Net（编码器-解码器结构）	准确率, 平均IoU, 平均Dice系数	未明确说明
158	2026-09-08	Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations 2024-08, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108818 PMID:38878653	研究论文	本研究首次采用深度卷积神经网络对地球静止环境监测光谱仪（GEMS）在对流层NO2柱密度（TCDNO）测量中的偏差进行校正，并通过与Pandora观测及TROPOMI数据的比较验证其效果	创新性地将深度卷积神经网络应用于GEMS TCDNO数据的偏差校正，显著提高了测量准确性	未明确提及限制，但可能包括对Pandora站点地理覆盖的依赖以及模型泛化性的潜在问题	校正GEMS TCDNO数据中的偏差，提高其准确性，并验证深度学习方法的有效性	GEMS和TROPOMI卫星的对流层NO2柱密度数据，以及Pandora地面观测数据	深度学习	NA	卫星遥感	深度卷积神经网络	卫星遥感数据和地面观测数据	Pandora站点数据（具体数量未说明），时间跨度2021-2023年	NA	深度卷积神经网络（具体架构未指定）	相关系数R，一致性指数IOA，平均绝对偏差MAB，平均绝对偏差百分比MABP	NA
159	2026-09-08	High-spatial resolution ground-level ozone in Yunnan, China: A spatiotemporal estimation based on comparative analyses of machine learning models 2024-06-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118609 PMID:38442812	研究论文	本研究比较多种机器学习和深度学习方法，利用3-D CNN模型高精度模拟中国云南省的地面臭氧浓度，生成了2021年日最大8小时平均臭氧数据集。	首次在云南省尺度上比较集成学习与深度学习模型的时间和空间泛化性能，并选用3维卷积神经网络实现高空间分辨率（0.05°×0.05°）的地面臭氧估算。	卫星数据产品缺乏地面臭氧表征，且地面观测不连续，可能导致模型泛化受限。	通过比较多种机器学习模型，开发高精度模型以模拟地面臭氧浓度，评估和提供云南省臭氧污染的时空分布数据。	云南省的地面臭氧浓度（以日最大8小时平均臭氧表示）及其时空分布。	机器学习、环境科学	NA	卫星数据、地面观测数据	3-D CNN、集成学习模型（包括随机森林、梯度提升等，具体未明确）	卫星遥感数据、地面监测站数据（包括气象和地理信息）	云南省范围内2021年的日最大8小时平均臭氧数据，具体样本数量未提及。	NA	3维卷积神经网络（3-D CNN）	决定系数（R）、均方根误差（RMSE）	NA
160	2026-09-08	The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students 2024-06-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118520 PMID:38401683	研究论文	本研究探讨校园绿色空间多种暴露指标（2D、2.5D、3D及主观指标）对大学生体力活动与健康的影响机制	创新性地开发了从二维（绿地面积）、二维半（绿地可视性）到三维（绿地体积）的系统客观暴露评估框架，结合空间分析、深度学习和无人机测量技术，并考虑校园内不同空间场景	未在摘要中明确提及局限性	解析校园绿色空间暴露与大学生体力活动和健康之间的复杂关系及中介机制，为健康导向的校园绿地规划提供参考	中国南京市820名大学生	环境健康、空间分析	不适用	空间分析、深度学习、无人机测量技术、问卷调查	广义线性模型（GLM）、结构方程模型（SEM）	问卷调查数据、空间数据、无人机影像	820名大学生	NA	NA	NA	NA