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
161	2026-09-08	Towards development of functional climate-driven early warning systems for climate-sensitive infectious diseases: Statistical models and recommendations 2024-05-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118568 PMID:38417659	综述	本文概述了开发面向气候敏感传染病的气候驱动早期预警系统的方法，重点关注统计模型的适用性与选择，并给出利用时空模型和机器学习技术的建议	系统性地总结了气候驱动早期预警系统开发中统计模型的选择与适用性，结合时空模型和机器学习技术，提出针对未来研究的建议	未明确提及具体局限性，但指出气候-疾病相互作用的复杂性和非线性需要更先进的技术来整合和分析多样数据	探讨如何利用统计建模和先进技术开发气候驱动的传染病早期预警系统，以提高公共卫生应对能力	气候敏感传染病及其与环境、气候因素的关系	机器学习	传染病	NA	时间序列回归模型、时空模型、机器学习、深度学习、神经网络	气候、天气、环境变化数据、疾病发生数据、基于网络的数据	NA	NA	NA	NA	NA
162	2026-09-08	Precise and Rapid Whole-Head Segmentation from Magnetic Resonance Images of Older Adults using Deep Learning 2024-Mar, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00090 PMID:38465203	研究论文	提出一种名为GRACE的深度学习方法，用于老年人MRI全脑分割，精确且快速，支持有限元建模	针对老年人头部结构（如脑萎缩）优化的全脑分割方法，使用迄今最大的手动校正数据集（177例MRI）进行训练和验证	未在论文标题和摘要中明确提及局限性	开发并验证一种适用于老年人T1加权MRI的通用、快速、全面的全脑组织分割方法	老年人头部MRI扫描，涵盖11种组织类型（如白质、灰质、脑脊液等）	深度学习	年龄相关脑疾病	MRI（T1加权）	深度学习，基于3D U-Net的变体	MRI图像	177例手动校正的MRI分割数据	PyTorch	3D U-Net	Hausdorff Distance，平均3秒处理时间	未在标题和摘要中明确提及
163	2026-09-08	Lumpy skin disease diagnosis in cattle: A deep learning approach optimized with RMSProp and MobileNetV2 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302862 PMID:39102387	研究论文	提出一种基于MobileNetV2和RMSProp优化器的深度学习方法，用于牛结节性皮肤病的诊断，准确率达95%	将MobileNetV2与RMSProp优化器结合应用于牛结节性皮肤病诊断，较现有基准提升4-10%的准确率	未在摘要中提及具体限制	开发一种高效的深度学习方法来诊断牛结节性皮肤病，以减少畜牧业损失	牛结节性皮肤病（LSD）的患病和健康牛只图像	计算机视觉	牛结节性皮肤病	深度学习图像分类	MobileNetV2	图像	数据集包含健康牛和患结节性皮肤病牛的图像（具体数量未提及）	NA	MobileNetV2	准确率	NA
164	2026-09-08	PredIL13: Stacking a variety of machine and deep learning methods with ESM-2 language model for identifying IL13-inducing peptides 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309078 PMID:39172871	研究论文	本文开发了PredIL13，一种结合ESM-2蛋白质语言模型和多种机器学习与深度学习方法的集成学习方法，用于识别IL13诱导肽	首次将ESM-2语言模型与168个单特征模型的堆叠集成，通过迭代基于绝对权重系数的顺序删除方法选择最优模型，构建了预测性能显著优于现有工具的元分类器	未在摘要中提及	提高IL13诱导肽的计算预测能力，以加速发现能诱导IL-13的肽段，辅助COVID-19等相关疾病的研究	IL13诱导肽序列	机器学习	COVID-19	蛋白质语言模型（ESM-2）	集成学习（堆叠泛化）	肽序列	未在摘要中提及	NA	ESM-2, 逻辑回归元分类器	准确性	NA
165	2026-09-08	LERCause: Deep learning approaches for causal sentence identification from nuclear safety reports 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308155 PMID:39172869	研究论文	本文介绍了LERCause数据集，并比较了多种方法（包括BERT模型、机器学习方法和深度学习CNN）用于从核安全报告中识别因果句，其中BioBERT取得了最佳性能	首次在核安全领域应用BERT中心模型进行因果句分类，并公开共享带标签的数据集和代码以促进可重复性研究	NA	为核安全领域的因果句分类提供基础数据集和自动化技术，并评估不同方法的性能	核安全报告中的因果句分类	自然语言处理	NA	NA	BERT, BioBERT, SciBERT, CNN, 逻辑回归, 梯度提升, 支持向量机	文本数据（核事件报告中的句子）	10,608个带注释的句子	NA	BERT, BioBERT, SciBERT, CNN	准确率, 精确率, 召回率, F1分数	NA
166	2026-09-07	Recent applications of artificial intelligence in RNA-targeted small molecule drug discovery 2024-04, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2024.2313455 PMID:38321848	综述	本文综述了人工智能在RNA靶向小分子药物发现中的最新应用，包括RNA靶标识别、结构测定、化合物库筛选和先导化合物优化。	讨论了AI在RNA靶向小分子药物发现中的最新应用，并展望了下一代AI工具的潜在用途。	AI工具在理解RNA动态和RNA-小分子相互作用方面有待改进，且高质量全面的数据仍需生成。	总结AI在RNA靶向小分子药物发现中的应用现状，并讨论其影响、局限和未来方向。	RNA靶向小分子药物发现中的RNA靶标、RNA结构、化合物库和先导化合物。	机器学习	NA	NA	机器学习、深度学习	文本、数据	NA	NA	NA	NA	NA
167	2026-09-07	Deep learning-based material decomposition of iodine and calcium in mobile photon counting detector CT 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306627 PMID:39058758	研究论文	本研究提出了一种基于深度学习的MD-Unet方法，用于移动光子计数探测器CT中碘和钙的材料分解	提出MD-Unet架构，利用三能级数据训练，并通过模拟数据和增强策略解决数据不足问题，以提高材料分解精度	未明确提及局限性	提高光子计数探测器CT中材料分解的准确性并减少噪声	动物活体数据	计算机视觉、医学影像分析	不适用	光子计数探测器CT	深度学习模型（Unet）	图像（CT图像）	动物数据（具体数量未提供）	未提供具体框架	Unet	准确性、噪声减少	未提供具体计算资源信息
168	2026-09-07	CNNs trained with adult data are useful in pediatrics. A pneumonia classification example 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306703 PMID:39052572	研究论文	本研究以肺炎分类为例，探索使用成人胸部X光图像训练的CNN在儿科人群中的适用性，并评估胸腔分割对模型注意力及性能的影响	首次系统地验证了用成人数据训练的CNN可直接应用于儿科肺炎分类，并提出通过胸腔分割减少模型注意偏向以提升泛化能力	仅以一个特定疾病（肺炎）为例，且儿科数据年龄范围有限（1-5岁），未涵盖更广泛的儿科疾病或更年长儿童	评估成人训练的CNN在儿科医疗场景中的适应性和有效性，以减少对有限儿科数据训练新模型的需求	胸部X光图像，包括成人训练数据和1至5岁儿童的评估数据	计算机视觉	肺炎	胸部X光成像	CNN（卷积神经网络）	图像（胸部X光）	训练集包含来自多个成人数据集的46,947张胸部X光图像；评估集包含5,856张1至5岁儿童的胸部X光图像	NA	CNN（具体架构未指定，可能为ResNet等，但文中未明确）	AUC	NA
169	2026-09-06	Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response From Histologic Slides 2024-10-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.02641 PMID:39083703	研究论文	本研究开发了DeepHRD深度学习平台，利用常规苏木精-伊红染色组织切片预测乳腺癌和卵巢癌的同源重组缺陷状态，并评估其预测铂类药物反应的能力	首次使用H&E染色组织学切片直接预测HRD状态，无需分子检测，并能通过迁移学习适用于卵巢癌，分类出更多HRD患者且显示更好的临床结局	未提及具体限制，但可能包括样本选择偏倚、泛化性验证范围有限或依赖TCGA数据等（基于摘要推断）	开发一种从常规病理切片预测HRD和铂类药物反应的深度学习方法，以提供替代分子检测的快速诊断工具	乳腺癌和卵巢癌患者样本，包括原发和转移性癌症，以及接受铂类或非铂类治疗的临床队列	数字病理学, 深度学习	乳腺癌, 卵巢癌	组织病理学切片分析	深度学习平台	苏木精-伊红染色组织切片图像	训练集：1008例乳腺癌和459例卵巢癌；验证集：349例乳腺癌和141例卵巢癌（来自多个独立数据集）	PyTorch	卷积神经网络	接受者操作特性曲线下面积、风险比和置信区间	未提及具体GPU或计算资源
170	2026-09-06	High-Throughput Deep Learning Detection of Mitral Regurgitation 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.069047 PMID:39129623	研究论文	本研究开发并验证了一种全自动深度学习流程，用于从经胸超声心动图中识别彩色多普勒的二尖瓣反流并检测其严重程度	提出了一种全自动管道，结合视图分类和MR严重度检测，并在多机构大规模数据上验证了高性能	未见明确局限性描述	开发并验证一种自动检测临床显著二尖瓣反流的深度学习管道，以实现自动化筛查和监测	经胸超声心动图视频，包括心尖四腔切面彩色多普勒视频	计算机视觉、医学影像	二尖瓣反流	超声心动图、彩色多普勒成像	深度学习模型（具体未指定）	超声心动图视频	开发集包含58,614项研究（2,587,538个视频）；内部测试集1,800项研究（80,833个视频）；外部测试集915项研究（46,890个视频）	未明确	未明确	AUC、敏感性、特异性	未明确
171	2026-09-06	Automated expert-level scleral spur detection and quantitative biometric analysis on the ANTERION anterior segment OCT system 2024-05-21, The British journal of ophthalmology DOI:10.1136/bjo-2022-322328 PMID:37798075	研究论文	独立验证深度学习算法在ANTERION前节OCT系统中自动检测巩膜突及基于巩膜突的生物测量指标的准确性。	首次在独立患者群体中验证Heidelberg Engineering开发的深度学习算法，能够达到专家水平的巩膜突检测和生物测量精度。	未提及，标题和摘要中无明确信息。	评估深度学习算法在AS-OCT图像中自动检测巩膜突位置并测量生物参数的性能。	117名接受常规眼科护理患者的1308张前节OCT图像。	计算机视觉（医学影像）	眼科疾病（如闭角型青光眼评估）	前节光学相干断层扫描（AS-OCT）	深度学习算法（具体模型类型未明确）	医学图像	1308张AS-OCT图像来自117名参与者	未在标题和摘要中明确	未在标题和摘要中明确	差异中位数（µm）、组内相关系数（ICC）	未在标题和摘要中明确
172	2026-09-06	A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss 2024-03-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04079-y PMID:38468273	研究论文	本研究提出了一种级联学习方法，利用SegFormer模型进行牙周骨丧失的影像学测量	创新性地将深度学习中的SegFormer模型应用于两级联任务（牙位识别和牙齿语义分割），并结合主成分分析主轴进行牙周骨丧失的定量测量	未提供具体限制信息，可能包括样本量有限或需要临床验证等	旨在建立一种精确测量特定牙位放射学骨丧失的级联学习方法，以辅助牙周病诊断	全景X射线图像中的牙齿及牙周骨结构	医学影像分析	牙周病	深度学习、图像分割	SegFormer	图像	未在摘要中明确说明样本量	未明确说明，但可能使用如PyTorch等深度学习框架	SegFormer	交并比、F1分数、相关系数、精确率、敏感度	未在摘要中说明，但可能使用GPU进行训练
173	2026-09-06	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-03-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强乳腺MRI在乳腺癌原发性全身治疗反应评估和预测中的应用，并讨论了其临床实施的挑战和局限性	全面总结了传统机器学习和深度学习在MRI预测乳腺癌对PST反应中的应用，涵盖治疗前和早期治疗阶段	临床实施面临挑战，包括定性主观评估的局限性、验证不足及技术转化障碍	评估和总结人工智能增强MRI在乳腺癌原发性全身治疗反应评估与预测中的当前应用	乳腺癌患者，特别是接受原发性全身治疗的局部晚期或早期乳腺癌患者	医学影像分析	乳腺癌	磁共振成像	传统机器学习、深度学习	医学图像	不适用	不适用	不适用	不适用	不适用
174	2026-09-06	Deep learning-based respiratory muscle segmentation as a potential imaging biomarker for respiratory function assessment 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306789 PMID:39058719	研究论文	本研究利用深度学习技术自动分割和分类CT图像中的三种呼吸肌，并评估其与肺功能测试参数的相关性	首次采用Attention U-Net架构在大规模CT图像数据集上进行呼吸肌分割与分类，并发现呼吸肌体积可作为呼吸功能的潜在影像生物标志物	肌肉密度与肺功能参数的相关性较弱，未明确探讨其临床应用的局限性	开发自动化方法分割和分类三种呼吸肌，并评估其作为呼吸功能评估的影像生物标志物的潜力	三种呼吸肌：胸大肌、竖脊肌和肋间肌	数字病理学	呼吸系统疾病	CT成像	Attention U-Net	CT图像	约3,200名个体的600,000张胸部CT图像	NA	Attention U-Net	Dice系数，广义Dice系数，F1分数	NA
175	2026-09-06	Field pea leaf disease classification using a deep learning approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307747 PMID:39052602	研究论文	本研究采用深度学习的迁移学习方法，自动分类田间豌豆叶部疾病，如白粉病、叶斑病和亚麻疫病。	提出了一种基于迁移学习和软最大化分类器的自动诊断方法，用于田间豌豆叶部疾病，显著提高了检测的准确性和效率，降低了成本和人工需求。	未提及研究的局限性，如数据集多样性、模型泛化能力或与其他方法的比较。	开发一种快速、自动、低成本且准确的田间豌豆叶部疾病检测方法，以克服传统视觉观察方法的缺点。	田间豌豆叶部图像，包括健康叶和三种疾病叶（亚麻疫病、叶斑病、白粉病）。	计算机视觉	植物疾病	NA	迁移学习，基于预训练的卷积神经网络（如DenseNet121）	图像	1600张健康和患病叶的图像	NA	DenseNet121	训练准确率、验证准确率、测试准确率	NA
176	2026-09-06	Data modeling analysis of GFRP tubular filled concrete column based on small sample deep meta learning method 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305038 PMID:38985781	研究论文	本文提出了一种基于小样本深度元学习的数据建模分析方法，用于优化玻璃纤维增强塑料（GFRP）包裹混凝土短柱的性能。	将元学习中的优化型数据增强与传统回归模型相结合，提出深度神经网络方法，解决了工程数据分析中的小样本回归问题。	未提及具体局限性。	解决小样本回归问题，优化GFRP包裹混凝土柱的设计和性能分析。	GFRP管状填充混凝土柱，包括GFRP材料和混凝土短柱。	机器学习	NA	NA	深度元学习网络	数值数据（小样本工程数据）	小样本数据（未提及具体数量）	NA	深度神经网络	与SVR、GPR、RBFNN进行性能对比	NA
177	2026-09-06	Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304847 PMID:38968206	研究论文	本研究提出了一种多标签集成深度学习分类器，以缓解前列腺组织病理学图像中补丁级别Gleason评分中的标签不一致问题，从而提高评分准确性	利用三种不同的单对全部深度学习模型的集成方法，从组织病理学图像中学习多样特征，以多标签方式指示每个补丁中是否存在一个或多个Gleason等级，从而有效缓解标签不一致问题	研究仅基于SICAPv2数据集，且依赖单一CNN架构，可能影响泛化能力	提高补丁级别Gleason评分的准确性，解决标签不一致问题，从而改进前列腺癌的诊断和预后	前列腺组织病理学图像中的补丁及其对应的Gleason等级	计算机视觉	前列腺癌	NA	CNN（集成模型）	图像	SICAPv2前列腺数据集	NA	ResNet18（变体）	准确率、F1分数	NA
178	2026-09-06	A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293053 PMID:38768123	研究论文	本研究采用混杂因素控制的机器学习方法，基于静息态功能网络连接对阿尔茨海默病和精神分裂症进行分组分析与分类	直接比较不同研究收集的AD和SZ患者，并通过控制年龄和扫描协议等混杂因素来识别两种疾病之间的共享和独特生物标志物	摘要未提供明确局限性信息	比较和对比AD与SZ患者的静息态功能网络连接异常，并利用机器学习与深度学习模型进行诊断分类	阿尔茨海默病及晚期轻度认知障碍患者、精神分裂症患者和认知正常受试者	机器学习	阿尔茨海默病, 精神分裂症	NA	支持向量机, 逻辑回归, 随机森林, K近邻, 全连接神经网络	图像数据	162例AD/LMCI患者，181例精神分裂症患者，315例认知正常受试者	NA	NA	准确率	NA
179	2026-09-06	Boosted Harris Hawks Shuffled Shepherd Optimization Augmented Deep Learning based motor imagery classification for brain computer interface 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313261 PMID:39570847	研究论文	本文提出了一种基于增强型Harris Hawks洗牌牧羊人优化和深度学习的运动想象分类方法，用于脑机接口系统。	引入改进的Harris Hawks和Shuffled Shepherd Optimization算法进行超参数调优，增强DenseNet特征提取，并结合卷积自编码器实现高效分类。	标题和摘要中未明确提及限制条件，可能包括仅依赖基准数据集，未进行临床验证。	提高脑机接口中运动想象分类的准确性，以帮助运动障碍患者控制外部设备。	脑电信号中的运动想象分类任务。	机器学习和深度学习	运动障碍疾病	脑电图（EEG）	卷积神经网络（CNN）和卷积自编码器（CAE）	信号数据	使用BCIC-III和BCIC-IV数据集，但具体样本量未指定	NA	DenseNet, 卷积自编码器	准确率	NA
180	2026-09-05	Enhanced interpretable thyroid disease diagnosis by leveraging synthetic oversampling and machine learning models 2024-11-29, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02780-0 PMID:39614307	研究论文	本研究提出一种基于SMOTE-NC和LGBM的可解释性甲状腺疾病诊断方法，以提高早期诊断性能。	结合过采样与LGBM，并使用SHAP增强模型可解释性	未提供明确的局限性信息	提出一种有效的AI方法用于甲状腺疾病的早期诊断	甲状腺疾病患者（3,772例男性和女性观察记录）	机器学习	甲状腺疾病	SMOTE-NC（过采样）	LGBM	表格数据	3,772例观察记录	NA	NA	准确率	NA