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
1	2026-10-16	Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319078 PMID:40173410	研究论文	该研究使用传统机器学习模型（如逻辑回归、SVM、决策树、随机森林、MLP等）预测肝炎感染，并通过超参数调优和集成建模提升性能，同时进行可解释性分析	结合了超参数调优、集成建模和可解释性分析，实现了高精度的肝炎预测，并识别出最有效的特征	未明确说明，但可能包括数据集的泛化能力、样本来源单一等	探索传统机器学习模型在肝炎预测中的应用，并提高预测性能	肝炎感染患者的数据	机器学习	肝炎	NA	逻辑回归, 支持向量机, 决策树, 随机森林, 多层感知机	表格数据	NA	Scikit-learn	逻辑回归, SVM, 决策树, 随机森林, MLP	准确率, AUC, 精确率, 召回率, F1分数	NA
2	2026-10-16	Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318620 PMID:40193955	研究论文	本研究开发并评估了一种集成深度学习模型，通过整合VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，从MRI扫描中精确识别阿尔茨海默病标志物	提出了一种创新的集成深度学习模型，整合三种预训练模型（VGG16、MobileNet、InceptionResNetV2）的特征，克服了单一模型在处理不同图像形状和纹理时的局限性，从而提高了诊断准确性	摘要中未提及	开发精确的阿尔茨海默病诊断方法，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗	阿尔茨海默病患者的MRI扫描图像	计算机视觉	阿尔茨海默病	MRI	CNN	图像	NA	NA	VGG16, MobileNet, InceptionResNetV2	准确率, 特异性, 灵敏度, 精确率, F1分数	NA
3	2026-10-16	CWMS-GAN: A small-sample bearing fault diagnosis method based on continuous wavelet transform and multi-size kernel attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319202 PMID:40215467	研究论文	提出一种基于连续小波变换和多尺度核注意力机制的GAN方法，用于小样本轴承故障诊断	提出连续小波卷积策略取代传统卷积以捕获频域特征，设计多尺度核注意力机制自适应选择重要特征，并采用结构相似性指数量化评估生成信号质量	未明确说明方法在更复杂工况或更大规模数据集上的泛化能力，也未讨论计算复杂度	解决工业场景下轴承故障信号稀缺导致深度学习诊断模型性能下降的问题	轴承振动信号	机器学习	NA	连续小波变换、生成对抗网络	GAN	振动信号	CWRU和MFPT数据集	NA	GAN	结构相似性指数	NA
4	2026-10-16	Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images 2025, Simplifying medical ultrasound. International Workshop on Advances in Simplifying Medical Ultrasound DOI:10.1007/978-3-031-73647-6_13 PMID:40463734	研究论文	本文评估了公开的最先进3D交互式分割模型，并与人在回路方法进行对比，用于3D超声图像中的胎盘分割任务	评估了公开的最先进3D交互式分割模型在3D超声胎盘分割任务中的表现，并与人在回路方法进行对比，同时评估了人在回路模型作为提示数量函数的效率	尚未明确提及	评估公开的最先进3D交互式分割模型，并与人在回路方法进行对比，用于3D超声图像中的胎盘分割任务	3D超声图像中的胎盘	医学图像分割	妊娠相关疾病	3D超声	交互式分割模型	3D超声图像	未明确提及	未明确提及	未明确提及	Dice分数, 归一化表面Dice, 平均对称表面距离, 95%豪斯多夫距离	未明确提及
5	2026-10-08	Enhancing machine learning performance in cardiac surgery ICU: Hyperparameter optimization with metaheuristic algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311250 PMID:39928609	研究论文	该研究利用集成机器学习模型（LDA、CatBoost、ANN、XGBoost）并结合元启发式算法（模拟退火和遗传算法）进行超参数优化，以预测心脏外科ICU患者的呼吸机需求	将模拟退火和遗传算法用于集成机器学习模型的超参数优化，显著提升了模型性能	未提及具体局限性	提高心脏外科ICU中预测患者呼吸机需求的机器学习模型性能	心脏外科ICU患者	机器学习	心血管疾病	机器学习	集成模型	结构化数据	未提及	未提及	LDA, CatBoost, ANN, XGBoost	灵敏度	未提及
6	2026-10-08	Diagnostic of fatty liver using radiomics and deep learning models on non-contrast abdominal CT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310938 PMID:39946425	研究论文	本研究探讨了非增强腹部CT的放射组学和深度学习模型在准确诊断脂肪肝方面的潜力	系统比较了2D和3D放射组学模型以及深度学习模型在四类脂肪肝诊断中的性能，并提供了更广泛的视角来确定最佳模型	回顾性研究，样本来自单一中心，可能存在选择偏倚	探索非增强腹部CT放射组学和深度学习模型在准确诊断脂肪肝中的潜力	接受非增强腹部CT和定量CT检查的个体	医学影像分析	脂肪肝	非增强腹部CT、定量CT	放射组学模型、深度学习模型、机器学习模型	图像	840名参与者（训练集539名，测试集301名）	NA	随机森林、Bagging决策树	AUC、敏感性、特异性、准确性、精确率、F1分数	NA
7	2026-10-08	Unsupervised neural network-based image stitching method for bladder endoscopy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311637 PMID:39964991	研究论文	本文提出了一种基于无监督神经网络的膀胱内窥镜图像拼接方法，无需标注数据，包含无监督对齐网络和无监督融合网络两个模块	首次将无监督深度学习应用于膀胱内窥镜图像拼接领域，消除了对标注数据的依赖，并实现了从特征到像素的图像融合，同时去除伪影和增强分辨率	尚未实现膀胱内窥镜视频图像的实时全景拼接，仅对图像拼接进行了验证	解决膀胱内窥镜图像拼接中监督学习需要大量标注数据难以获取的问题，扩大膀胱内窥镜的视野	膀胱内窥镜图像	计算机视觉	膀胱癌	NA	CNN	图像	NA	NA	NA	拼接成功率	NA
8	2026-10-08	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	研究论文	本研究提出了一种基于深度学习的神经影像技术SWI-BITR-UNet模型，用于评估中风后遗症和脑肿瘤的康复效果，并在Bra2020数据集上验证了其分割精度	结合了SWIN Transformer的局部感受野和移位机制与U-Net架构的有效特征融合策略，引入了3D CNN编码器-解码器、CBAM注意力模块和跳跃连接，提高了多模态MRI中脑损伤区域分割的准确性	未明确提及	克服传统方法在中风后遗症评估和康复效果监测中的局限性，特别是脑损伤区域的准确识别和跟踪	中风后遗症和脑肿瘤患者	数字病理学, 计算机视觉	中风, 脑肿瘤	磁敏感加权成像 (SWI), 多模态MRI	SWI-BITR-UNet, 3D CNN, SWIN Transformer, U-Net	图像	Bra2020数据集（具体样本量未明确）	未指定	SWIN Transformer, U-Net, 3D CNN, CBAM	召回率, 精确率, F1分数, Kappa系数, 平均交并比, ROC-AUC, Hausdorff距离, DICE系数	未指定
9	2026-10-08	Author name disambiguation based on heterogeneous graph neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310992 PMID:40009590	研究论文	该论文提出了一种基于关系图异质注意力神经网络的作者姓名消歧方法，通过提取论文的语义和关系信息，利用图卷积嵌入和多重注意力机制，改进传统层次聚类，在Aminer数据集上取得了0.834的平均F1值	1. 提出了基于关系图异质注意力神经网络的作者姓名消歧方法；2. 在现有图异质神经网络基础上增加多重注意力机制，并通过消融实验验证其影响；3. 改进传统层次聚类方法，结合图关系和拓扑结构，使用训练向量代替距离计算，能自动确定最优k值，提高聚类准确性和效率	未明确提及	解决作者姓名消歧问题，准确地将新发表的论文分配给各自的作者	学术论文作者姓名消歧	机器学习	NA	异质图神经网络	图神经网络	文本	NA	NA	关系图异质注意力神经网络	F1值	NA
10	2026-10-08	Model interpretability on private-safe oriented student dropout prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317726 PMID:40163446	研究论文	本文提出了一种基于改进的预处理核诱导点数据蒸馏技术（PP-KIPDD）的学生辍学预测框架，通过生成模拟学生信息分布的合成数据来保护隐私，并利用SHAP值增强模型可解释性	首次引入改进的预处理核诱导点数据蒸馏技术（PP-KIPDD），专门用于蒸馏表格结构化数据集，并创新性地用于重建新样本作为模拟学生信息分布的合格训练集，在性能和效率上优于条件生成对抗网络等传统数据合成技术，同时结合SHAP值提升模型可解释性	摘要中未明确提及研究局限性	解决学生辍学预测中依赖真实学生数据导致的伦理问题和信息泄露风险，以及模型可解释性差导致教育管理应用困难的问题	学生辍学预测数据及学生群体	机器学习	NA	预处理核诱导点数据蒸馏技术（PP-KIPDD），SHAP值分析	NA	表格结构化数据	NA	NA	NA	NA	NA
11	2026-10-08	Switching State Space Modeling via Constrained Inference for Clinical Outcome Prediction 2025, Proceedings of machine learning research PMID:42835837	研究论文	本文提出了一种通过约束推理训练切换状态空间模型（AR-HMM）的方法，结合知识蒸馏从黑盒LSTM教师模型迁移预测行为，实现临床结果预测的高准确性和可解释性。	开发了一种约束推理方法，训练可解释的AR-HMM，通过知识蒸馏从高容量LSTM教师模型转移预测行为，同时使用相似性保持约束确保表示一致性，从而在临床时间序列中学习可解释的离散潜在状态。	未明确说明限制。	结合黑盒判别模型（如深度神经网络）的预测能力和潜在变量模型的可解释性，提高临床结果预测的准确性和可解释性。	多变量临床时间序列数据，用于预测不良患者结果。	机器学习	NA	NA	LSTM, AR-HMM	时间序列	两个真实世界临床数据集	NA	LSTM, AR-HMM	NA	NA
12	2026-10-07	Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images 2025, Health data science DOI:10.34133/hds.0256 PMID:40170800	研究论文	评估了ChatGPT-4和LLaVA-1.6两种多模态大语言模型在皮肤镜图像识别皮肤疾病中的性别和年龄偏见，并与CNN模型和视觉Transformer模型进行了性能比较	首次系统评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见，并发现ChatGPT-4在跨性别和年龄组识别皮肤疾病时基本无偏见，而LLaVA-1.6在年龄组间基本无偏见，相比之下Swin-B在识别黑色素细胞痣时存在偏见	使用的数据集规模有限（约10000张图像，仅3种皮肤疾病），需要未来使用更大规模和更多样化的数据集进行进一步验证和评估LLM在医疗保健中的可靠性和公平性	探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见	皮肤镜图像中的黑色素瘤、黑色素细胞痣和良性角化病样病变	计算机视觉	皮肤癌	皮肤镜成像	多模态大语言模型, CNN, 视觉Transformer	图像	约10000张皮肤镜图像	NA	ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B	准确率, F1分数	NA
13	2026-10-07	Verification and application of deep learning models in daily sports activities of teenagers 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322166 PMID:40465756	研究论文	本文提出并验证了一种结合VGG16、BiLSTM和CBAM的深度学习模型，用于青少年日常羽毛球动作识别。	将CBAM注意力模块嵌入VGG16最后一个卷积层后，并将CBAM与BiLSTM级联，增强时空特征表达。	未明确说明模型在更复杂场景或其它运动中的泛化能力，且可能依赖特定数据集。	提高青少年日常羽毛球动作识别的准确率，促进运动安全并纠正错误姿势。	青少年日常羽毛球运动动作	计算机视觉	NA	深度学习	CNN, LSTM, 注意力机制	视频图像	使用Roboflow公开数据集中的羽毛球训练数据集，具体样本量未提及	NA	VGG16, BiLSTM, CBAM	准确率, F1分数	NA
14	2026-10-07	3D-MRI brain glioma intelligent segmentation based on improved 3D U-net network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325534 PMID:40512721	研究论文	本文提出了一种基于改进3D U-Net网络的3D-MRI脑胶质瘤智能分割方法，通过引入空间金字塔池化、多尺度融合注意力机制以及Dice与Focal组合损失函数，显著提升了胶质瘤分割性能	引入空间金字塔池化模块增强网络对不同尺度特征的感知能力，提出多尺度融合注意力机制使模型聚焦胶质瘤细节并抑制无关背景信息，采用Dice与Focal组合损失函数解决类别不平衡问题并增强对误分类体素的学习	未明确说明	提高胶质瘤分割精度，为医学诊断、分级和治疗策略选择提供重要指导	BraTS2023公开数据集中的胶质瘤病例	计算机视觉	脑胶质瘤	3D-MRI	CNN	3D医学图像	来自BraTS2023公开数据集的胶质瘤病例数据	NA	3D U-Net	DSC, Recall, Precision	NA
15	2026-10-07	A method for feature division of Soccer Foul actions based on salience image semantics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322889 PMID:40512805	研究论文	本文提出了一种基于显著性图像语义的足球犯规动作特征划分方法，利用深度学习模型实现犯规行为的自动识别与分类	提出了结合改进的DeepPlaBV 3+架构进行显著区域检测、图卷积网络进行特征提取以及深度神经网络进行分类的DLSPM模型，减少了传统图像处理和人工特征提取的依赖	未提及	实现足球比赛中犯规行为的自动识别与分类，提高整体识别准确率	足球比赛中的犯规动作	计算机视觉	NA	深度学习	CNN, GCN, DNN	图像, 视频	多个视频运动识别数据集	NA	DeepPlaBV 3+, 图卷积网络, 深度神经网络	准确率	NA
16	2026-10-07	RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325483 PMID:40522942	研究论文	本文提出了一种基于重参数化技术的无锚框脑肿瘤检测与分类网络 RRFNet，通过引入 RepConv、RepC3 和 FGConcat 模块优化检测性能	提出使用 RepConv 和 RepC3 构建主干网络，并设计 FGConcat 特征图拼接模块，实现无锚框脑肿瘤检测，在保持低参数量和高推理速度的同时提高检测精度	未明确说明；摘要中未提及具体局限性	研究深度学习在脑肿瘤检测中的应用，分析模型参数量、输入数据批次大小和锚框使用对检测性能的影响，并优化脑肿瘤检测模型	脑肿瘤医学影像	计算机视觉	脑肿瘤	CT、MRI	CNN	图像	NA	NA	RRFNet（基于RepConv、RepC3、FGConcat）	mAP	NA
17	2026-10-07	An image and text-based fake news detection with transfer learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324394 PMID:40526614	研究论文	本文提出了一种结合图像和文本的多模态假新闻检测方法，利用CLIP模型提取特征并通过MLP进行分类，同时采用LoRA技术进行高效微调	结合图像和文本多模态信息进行假新闻检测，并首次将LoRA参数高效微调技术应用于CLIP模型以提升低资源场景下的数据效率	仅使用单层MLP进行分类，模型结构较为简单，且仅在有限数据集上验证，泛化能力有待进一步验证	提升假新闻检测的准确性，特别是在标注数据稀缺的低资源场景下，通过多模态学习实现鲁棒检测	包含图像和文本的多模态新闻数据	自然语言处理	NA	迁移学习，参数高效微调（LoRA）	CLIP，MLP	图像，文本	NA	NA	CLIP，MLP	准确率	NA
18	2026-10-07	Prediction of future aging-related slow gait and its determinants with deep learning and logistic regression 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325172 PMID:40526703	研究论文	本文利用深度学习神经网络和逻辑回归预测未来与衰老相关的步态缓慢及其决定因素	首次将神经网络用于预测未来与衰老相关的步态缓慢，并与传统逻辑回归进行基准比较	未明确提及	预测与衰老相关的步态缓慢（加速衰老的预测因子）及其决定因素	巴尔的摩老龄化纵向研究中的1363名参与者	机器学习	老年疾病	NA	神经网络, 逻辑回归	临床数据	1363名参与者，进行6年和10年随访	NA	NA	灵敏度, 特异度	NA
19	2026-10-07	Advancing breast cancer prediction: Comparative analysis of ML models and deep learning-based multi-model ensembles on original and synthetic datasets 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326221 PMID:40531928	研究论文	该研究比较了多种机器学习模型和基于深度学习的多模型集成方法在原始数据集和合成数据集上预测乳腺癌的效果	结合了多种机器学习算法、AutoML以及基于深度学习的集成策略，并采用高斯Copula和TVAE合成数据生成方法来提升乳腺癌预测性能	未明确讨论模型的可解释性、临床验证的充分性以及合成数据生成方法可能引入的偏差	比较不同机器学习模型和深度学习方法在原始与合成数据集上诊断乳腺癌的效率和准确性，以推动乳腺癌诊断的进步	乳腺癌诊断	机器学习	乳腺癌	NA	KNN, SVM, ANN, RF, XGBoost, 集成模型, AutoML, 深度学习	表格数据	NA	H2O, AutoML	KNN, SVM, ANN, RF, XGBoost, H2OXGBoost	准确率	NA
20	2026-10-07	PoseNet++: A multi-scale and optimized feature extraction network for high-precision human pose estimation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326232 PMID:40560945	研究论文	本文提出了一种名为PoseNet++的多尺度和优化特征提取网络，用于高精度人体姿态估计	提出了三项关键创新：多尺度空间金字塔注意力沙漏模块（MSPAHM）、坐标-通道先验卷积注意力（C-CPCA）和PinSK瓶颈残差模块（PBRM），在提高精度的同时大幅降低模型复杂度和计算量	未明确提及	解决人体姿态估计中遮挡、复杂姿态和复杂多人场景下的挑战，实现高精度姿态估计	人体姿态估计任务中的图像数据，包括MPII、LSP、COCO和CrowdPose数据集	计算机视觉	NA	深度学习	CNN	图像	MPII验证集、LSP、COCO和CrowdPose数据集（具体样本数量未说明）	NA	3-stacked hourglass architecture, MSPAHM, C-CPCA, PBRM	PCKh score	NA