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
41	2026-10-01	Improving segmentation precision in prostate cancer adaptive radiation therapy with a patient-specific network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332603 PMID:40971852	研究论文	该文章提出一种患者特异性网络（PSN）方法，用于前列腺癌自适应放疗中基于锥形束CT的临床靶区自动分割，以提高分割精度和工作流程效率	提出了患者特异性网络框架，采用两阶段策略：先预训练再通过PSNadaptive或PSNsequence进行患者特异性微调，基于Swin UNETR架构实现，与静态个性化方法不同，能够持续适应每日解剖变化	回顾性研究，样本量较小（26例患者），需要进一步前瞻性验证	提高前列腺癌自适应放疗中临床靶区自动分割的精度和效率，减少手动修正需求	26例接受CBCT引导在线自适应放疗的前列腺癌患者，共119个回顾性导出的分次	数字病理学、计算机视觉	前列腺癌	锥形束CT（CBCT）	深度学习	图像	26例前列腺癌患者，119个分次	NA	Swin UNETR	Dice相似系数（DSC）、95百分位Hausdorff距离（HD）、平均表面距离（MSD）	NA
42	2026-10-01	Detection and score grading for prostate adenocarcinoma using semantic segmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331613 PMID:40971958	研究论文	本研究提出一种基于语义分割的前列腺腺癌检测与分级方法，重点区分Gleason模式3和4	开发了一个包含100张前列腺穿刺活检全切片图像的新数据集，并提出了结合扩张注意力机制和残差卷积U-Net架构的模型	在完全未见过的外部测试数据上，模型性能下降（平均Dice为0.64，准确率为0.81），表明泛化能力有限	通过语义分割检测和分级前列腺癌，以提高诊断准确性并优化患者治疗策略	前列腺穿刺活检标本的全切片图像	数字病理学	前列腺癌	全切片图像数字化	CNN	图像	100张数字化全切片图像	NA	残差卷积U-Net	Dice系数, 准确率	NA
43	2026-10-01	Multimodal data driven deep learning based seismic impedance inversion optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331952 PMID:40982555	研究论文	本研究利用LeNet、AlexNet和传统CNN等深度学习架构进行地震阻抗反演，以提高地震分辨率和合成地震记录生成质量	将多种深度学习架构（LeNet、AlexNet、传统CNN）应用于地震阻抗反演，并结合连续小波变换进行特征提取，其中AlexNet在地震数据重建中表现最优	未明确讨论模型在地质复杂区域或不同地质条件下的泛化能力，也未提及计算成本和大规模实际应用的可扩展性	解决传统地震阻抗反演方法中噪声敏感、分辨率低和地质复杂区域效果不佳等问题，提高地震分辨率和合成地震记录生成质量	地震数据和测井数据	地球物理深度学习	NA	地震阻抗反演、连续小波变换（CWT）、合成地震记录生成	CNN	地震数据、测井数据	NA	NA	LeNet, AlexNet, CNN	MSE, RMSE, MAE, R2	NA
44	2026-10-01	RETRACTED: Sentiment analysis of classical Chinese literature: An unsupervised deep learning model with BERT and graph attention networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330919 PMID:40986623	已被撤稿的研究论文	本文提出一个结合BERT嵌入、情感词典增强和图注意力网络的无监督深度学习框架，用于古典中文文献的情感分析	将BERT上下文嵌入、NTUSD情感词典增强、图注意力网络和K-Means无监督聚类相结合，专门针对古典中文文献的隐喻和隐式情感进行分析	该论文已被撤稿；模型仅在特定数据集上验证，对更大规模和更多样化的古典中文文献的泛化能力有待验证	解决古典中文文献中由于语法、语义和情感表达复杂而难以进行情感分析的问题	古典中文文献文本	自然语言处理	NA	BERT嵌入，情感词典增强，图注意力网络，K-Means聚类	BERT，图注意力网络，K-Means	文本	NA	NA	BERT，GAT	准确率，精确率，召回率，F1分数	NA
45	2026-10-01	A GAN-Based Approach for enhancing security in satellite based IoT networks using MPI enabled HPC 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331019 PMID:40997099	研究论文	本文提出了一种名为DLGAN的安全框架，结合CNN与GAN并利用MPI在HPC上并行训练，用于卫星物联网网络的入侵检测	提出DLGAN框架，将CNN的实时异常检测能力与GAN生成合成攻击数据的能力相结合以解决数据不平衡问题，并通过MPI在HPC系统上实现可扩展的并行处理，能够检测14种不同类型的攻击	摘要中未明确提及研究的局限性	提升卫星物联网网络的安全性，实现机密信息的安全传输与实时异常检测	基于卫星的物联网网络流量数据	机器学习	NA	深度学习、生成对抗网络、MPI并行计算、HPC	CNN, GAN	网络流量数据	NA	NA	CNN, GAN	检测准确率, 训练时间	启用AI加速的GPU, HPC云端系统, MPI并行计算环境
46	2026-10-01	A hybrid deep learning framework combining transformer and logistic regression models for automatic marine mucilage detection using sentinel-1 SAR data: A case study in Armutlu-Zeytinbağı, Marmara Sea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330721 PMID:40997107	研究论文	本文提出了一种结合Transformer和逻辑回归的混合深度学习框架，利用Sentinel-1 SAR数据自动检测海洋粘液	提出了一种混合深度学习框架（Transformer + 逻辑回归）用于自动检测海洋粘液，并创建了基于Sentinel-1 VV-VH极化后向散射值的独特数据集	NA	利用Sentinel-1 SAR数据自动检测海洋粘液区域，以便早期干预	马尔马拉海Armutlu-Zeytinbağı地区2021年5月粘液事件影响的水域	计算机视觉	NA	Sentinel-1 SAR	Transformer, 逻辑回归, RNN, CNN, 决策树, 朴素贝叶斯, SVM	图像（SAR）	2600个样本（1300个粘液区域样本和1300个清洁区域样本）	NA	Transformer, RNN, CNN, 决策树, 朴素贝叶斯, SVM, 逻辑回归	准确率	NA
47	2026-10-01	A graph neural network-based approach for predicting SARS-CoV-2-human protein interactions from multiview data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332794 PMID:40997149	研究论文	本文提出了一种基于多视图图神经网络的方法，结合最优传输整合，用于预测SARS-CoV-2与人类蛋白质之间的相互作用	使用多视图图神经网络结合最优传输整合，扩展了有限的实验验证交互数据，并预测出472个高置信度相互作用	数据集仅包含有限数量的高置信度相互作用，可能影响模型的泛化能力	预测SARS-CoV-2与人类蛋白质相互作用，以支持药物重定位	SARS-CoV-2蛋白质和人类蛋白质	机器学习	COVID-19	图神经网络	GNN	多视图数据，包括蛋白质序列、基因本体术语和物理相互作用信息	280个人类蛋白质和27个SARS-CoV-2蛋白质，预测472个相互作用	NA	图神经网络	ROC-AUC, 平均精度	NA
48	2026-10-01	Automatic road damage recognition based on improved YOLOv11 with multi-scale feature extraction and fusion attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327387 PMID:41004548	研究论文	本文提出了一种基于改进YOLOv11的道路损伤检测方法，通过多尺度特征提取和融合注意力机制提升小目标检测性能	引入微小目标检测层、全局注意力机制以及轻量级卷积模块（C3k2CrossConv和C3k2Ghost），在提升检测精度的同时降低计算复杂度并提高推理速度	摘要中未明确提及	实现高效准确的道路损伤自动检测，以保障交通安全并优化维护	道路损伤图像	计算机视觉	NA	深度学习目标检测	YOLOv11	图像	RDD2022数据集（具体样本数量未提供）	NA	YOLOv11	mAP@0.50, mAP@0.50:0.95	NA
49	2026-10-01	Three-dimensional ultrastructural characterization of Drosophila melanogaster hygrosensilla across humidity conditions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314841 PMID:41021596	研究论文	该研究结合精确湿度控制、快速冷冻保存和序列块面扫描电子显微镜（SBF-SEM），利用深度学习分割流程分析果蝇湿度感受器在不同湿度条件下的三维超微结构，揭示了感器宽度和锥度的差异，提示机械转导在湿度感知中的潜在作用	整合了精确湿度控制、快速冷冻保存和SBF-SEM技术，并开发了基于深度学习的分割流程，首次对不同湿度条件下果蝇湿度感受器的三维超微结构进行了系统表征	摘要中未明确提及研究局限性	探究昆虫检测环境湿度的机制，特别是果蝇湿度感受器的超微结构基础	黑腹果蝇（Drosophila melanogaster）的湿度感受器（hygrosensilla）	计算机视觉	NA	序列块面扫描电子显微镜（SBF-SEM）、快速冷冻保存、精确湿度控制	CNN	图像	NA	NA	NA	NA	NA
50	2026-10-01	Alzheimer's disease classification using a hybrid deep learning approach with multi-layer U-net segmentation and XAI driven analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332572 PMID:41021656	研究论文	本文提出了一种结合多层U-Net分割与多尺度EfficientNet-SVM混合分类的深度学习框架，并引入可解释人工智能技术，用于阿尔茨海默病的三分类诊断	创新点在于将多层U-Net分割、多尺度EfficientNet特征提取与SVM分类器相结合，并整合显著性图定量分析的可解释AI技术，提升模型临床可信度和可解释性	模型尚未在公开可用的阿尔茨海默病MRI数据集上进行验证，未来工作需进一步评估并引入更先进的可解释AI技术	实现阿尔茨海默病的早期准确诊断与分期分类，提高分类性能和模型可解释性	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群的脑部MRI影像	计算机视觉	阿尔茨海默病	MRI影像分析	CNN, SVM	图像	NA	NA	U-Net, EfficientNet, SVM	准确率, 精确率, 召回率, F1分数	NA
51	2026-09-28	Incident duration prediction through integration of uncertainty and risk factor evaluation: A San Francisco incidents case study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316289 PMID:39746103	研究论文	本文提出了一个综合框架，用于通过整合不确定性和风险因素评估来预测事件持续时间，并以旧金山事件数据集为例进行了案例研究	引入了基于风险优先数（RPN）概念的新型特征“Risk”，强调事件地点在事件发生和预测中的重要性；提出了通过模糊聚类方法进行精细化事件分类，为边界聚类制定独特策略；每个聚类通过多准则决策（MCDM）过程获得管理见解	未明确提及	准确预测事件持续时间，并深入理解事件类型和风险因素，以优化交通管理中的资源分配和减少中断	旧金山交通事件数据	机器学习	NA	NA	传统机器学习模型和深度学习模型	表格数据	旧金山事件数据集（具体样本量未提及）	NA	NA	NA	NA
52	2026-09-28	An end-to-end implicit neural representation architecture for medical volume data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314944 PMID:39752347	研究论文	本文提出一种端到端的隐式神经表示架构，用于医学体积数据的压缩、重建和超分辨率，包含下采样、隐式神经表示和超分辨率三个模块	提出端到端架构结合下采样、隐式神经表示和超分辨率，并采用权衡点方法优化各模块，实现高达97.5%的压缩率同时保持高质量重建	仅在多参数MRI数据上进行了实验验证，未在其他模态的医学体积数据上测试	解决医学体积数据快速增长带来的组织、存储、传输、操作和渲染挑战	多参数MRI医学体积数据	计算机视觉	NA	隐式神经表示、超分辨率	NA	图像	NA	NA	NA	峰值信噪比、结构相似性指数、压缩率	GPU
53	2026-09-28	A weak edge estimation based multi-task neural network for OCT segmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316089 PMID:39752440	研究论文	该文章提出了一种基于弱边缘估计的多任务神经网络，用于OCT图像分割，通过边界回归分支和结构化剪枝提高弱边缘分割性能并减少过拟合	引入基于截断符号距离函数的自适应加权损失函数以保留弱边缘细节，提出基于空间注意力的双分支信息融合块连接分割和边界回归分支，并设计基于通道注意力的结构化剪枝方法减少参数并缓解过拟合	未明确提及	解决深度学习在OCT图像分割中对弱边缘敏感和标注数据不足导致过拟合的问题	眼底OCT图像	计算机视觉	眼底疾病	光学相干断层扫描	多任务神经网络	图像	两个数据集：HCMS和Duke	NA	多任务注意力机制网络与剪枝	Dice系数	NA
54	2026-09-28	Object detection in motion management scenarios based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315130 PMID:39752546	研究论文	本文提出了一种用于运动管理场景的监督式目标检测方法，通过结合时间偏移和空间卷积的TSM模块、可变形注意力机制以及解耦结构，提升检测性能	首次提出用于运动管理场景的监督式目标检测方法，设计了结合时间偏移和空间卷积的TSM模块、可变形注意力机制和解耦结构	未明确提及	解决运动管理场景中目标检测存在的时序信息丢失、多目标、目标重叠以及回归与分类任务耦合等问题	运动场景中的目标，包括运动员、运动器材、场地边界等	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	mAP_0.5	NA
55	2026-09-28	A networked station system for high-resolution wind nowcasting in air traffic operations: A data-augmented deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316548 PMID:39808682	研究论文	本研究针对马德拉国际机场复杂风场，利用六个气象站网络数据和深度学习技术，构建了高分辨率风场临近预报模型，可预测未来30分钟内每分钟的风速和风向	将战略性部署的传感器网络与深度学习结合，并采用高斯噪声拼接增强训练数据，实现了复杂环境下机场高分辨率风场临近预报	仅针对马德拉国际机场的特定风场条件进行验证，模型的泛化能力尚未在其他复杂地形机场得到证实	提升复杂环境下机场风场临近预报的精度和时空分辨率，以增强航空运行效率与安全	马德拉国际机场及周边六个气象站采集的风场数据	机器学习	NA	深度学习	深度学习模型（未指明具体架构）	时间序列气象数据	来自6个气象站的数据，具体样本量未明确	NA	NA	平均绝对误差（MAE）	NA
56	2026-09-28	Dynamics and triggers of misinformation on vaccines 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316258 PMID:39813203	研究论文	该研究分析了2016至2021年意大利社交媒体上关于疫苗的辩论，使用符号转移熵和深度学习模型来探究错误信息的动态和触发因素	使用符号转移熵分析新闻生产时间序列以动态确定错误信息与可靠来源之间的因果关系，并利用深度学习模型分类疫苗相关内容	研究仅针对意大利社交媒体平台，可能无法推广到其他地区；数据时间跨度为2016-2021年，可能不涵盖最新趋势	调查在线错误信息的动态和触发因素，特别是疫苗相关话题，并评估其对用户参与的影响	意大利社交媒体平台上的疫苗相关新闻和用户互动	社交媒体分析	疫苗相关疾病	符号转移熵分析，深度学习模型	NA	文本	6年（2016-2021）的意大利疫苗辩论数据，涵盖Facebook、Instagram、Twitter、YouTube等平台	NA	NA	用户参与度（例如，中值高出11倍）	NA
57	2026-09-28	A novel multi-user collaborative cognitive radio spectrum sensing model: Based on a CNN-LSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316291 PMID:39813223	研究论文	本文提出了一种基于CNN-LSTM混合模型的多用户协作认知无线电频谱感知模型，并结合多头自注意力机制提升感知性能	将CNN的局部特征提取能力与LSTM的时序数据处理优势相结合，并引入多头自注意力机制优化信息流，用于多用户协作认知无线电频谱感知	仅通过仿真实验验证，未在真实无线电环境中测试	提升多用户协作认知无线电系统中的频谱感知精度和效率	多用户协作认知无线电系统的频谱感知	机器学习	NA	NA	CNN, LSTM	仿真数据	次级用户数量分别为16、24、32、40、48的仿真实验	NA	CNN, LSTM, 多头自注意力机制	感知错误率	NA
58	2026-09-28	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70041 PMID:39822590	研究论文	该研究提出了一个名为Deep-Block的多阶段深度学习框架，将生物学知识融入其AI架构，利用大规模全基因组测序数据识别与阿尔茨海默病显著相关的遗传区域	提出了Deep-Block框架，采用三阶段方法：基于连锁不平衡模式进行基因组分割、利用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化SNP特征重要性，有效处理大规模高通量测序数据同时保留SNP交互作用，减少偏差和信息损失	研究仅使用了非西班牙裔白人参与者数据，样本种族多样性有限，可能影响框架在其他人群中的泛化能力	开发先进的分析工具，从大规模高通量测序数据中有效识别与阿尔茨海默病相关的遗传位点	阿尔茨海默病相关的遗传位点和基因区域	机器学习	阿尔茨海默病	全基因组测序（WGS）、表达数量性状位点（eQTL）分析	TabNet、随机森林	基因组序列数据	7416名非西班牙裔白人参与者（3150名认知正常老年人，4266名阿尔茨海默病患者），来自阿尔茨海默病测序计划（ADSP）	NA	TabNet、随机森林、稀疏注意力机制	NA	NA
59	2026-09-28	Glaucoma detection and staging from visual field images using machine learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316919 PMID:39823435	研究论文	本研究探讨了深度学习模型在仅使用模式偏差图的情况下，区分正常与青光眼视野、并对青光眼进行早期到晚期分期的性能，并与基于传统视野参数的机器学习分类器进行了比较	首次证明仅使用模式偏差图训练的深度学习模型能够按照Mills标准对青光眼进行分期，且性能与传统全局指标相当	样本量较小（共265个视野图像），仅使用了ResNet18和VGG16两种预训练模型，且仅基于Humphrey 24-2视野检查	研究深度学习模型能否仅利用模式偏差图区分正常与青光眼视野并对青光眼进行分期，同时与传统视野参数的机器学习分类器进行性能比较	119只正常眼和146只青光眼眼的Humphrey 24-2视野检查数据，包括265个模式偏差图和265个数值数据集	计算机视觉	青光眼	深度学习、机器学习、视野检查（Humphrey 24-2）、Grad-CAM可视化	CNN	图像	265个模式偏差图和265个数值数据集，来自119只正常眼和146只青光眼眼	NA	ResNet18, VGG16, 随机森林	F1分数, 精确率, 召回率, 特异性	NA
60	2026-09-28	Citrus diseases detection using innovative deep learning approach and Hybrid Meta-Heuristic 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316081 PMID:39841644	研究论文	该研究使用深度学习和混合元启发式方法进行柑橘病害检测，通过数据增强和迁移学习提高诊断准确率	结合预训练模型（DenseNet-201和AlexNet）与混合元启发式算法进行最优特征选择，实现了高精度的柑橘病害分类	未明确提及	开发自动化柑橘病害分类系统，提高诊断准确率、效率和成本效益	柑橘叶片	计算机视觉	植物病害	深度学习，迁移学习，数据增强，混合元启发式算法	CNN	图像	未明确提及（使用柑橘叶片数据集）	NA	DenseNet-201, AlexNet	准确率	NA