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	2026-10-01	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
82	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
83	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
84	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
85	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
86	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
87	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
88	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
89	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
90	2026-09-28	Exploring the Terra incognita of AI-based domain classifications 2025-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70392 PMID:41288334	研究论文	本研究分析了664个候选新折叠（CNF）结构域，这些结构域被TED和DPAM方法以低置信度分类，研究揭示了新折叠的多样性并创建了190个新的Pfam家族	创建了190个新的Pfam家族，其中许多被归类为未知功能结构域（DUFs），并揭示了锌结合和富含二硫键的结构，有助于扩展折叠空间	部分CNF由于截短序列或紧密堆积的结构域重复导致结构域边界预测错误，一些CNF与已知折叠相似但经历了拓扑重排或环状排列	探索基于AI的结构域分类未知领域，解决新颖蛋白质折叠分类的挑战	来自TED数据库的664个候选新折叠（CNF）结构域	结构生物信息学	NA	深度学习模型如AlphaFold2用于蛋白质结构预测	AlphaFold2	蛋白质结构数据	664个候选新折叠（CNF）结构域	NA	NA	NA	NA
91	2026-09-28	Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22006 PMID:40302983	研究论文	研究合成数据对深度学习模型在对比增强乳腺摄影中病变检测和分类训练的影响	使用合成数据模拟微钙化簇，并研究不同比例合成数据与真实数据训练对模型性能的影响，证实了仅用合成数据也能检测恶性病变	合成数据提高检测敏感性的同时降低了精确度，模型性能在敏感性0.80处达到平台；集成模型性能反而下降，可能由于假阳性可疑感兴趣区域	探究在训练中引入合成数据（模拟微钙化簇）是否能提升对比增强乳腺摄影中病变检测和分类模型的性能	对比增强乳腺摄影中的病变（包括增强肿块和微钙化簇）	医学图像分析	乳腺癌	对比增强乳腺摄影	深度学习模型	图像	782名无病变乳腺患者（用于合成数据生成）、850名真实数据训练患者、212名内部验证患者、279名外部验证患者	NA	NA	检测敏感性、精确度、接收者操作特征曲线下面积	NA
92	2026-09-28	Multi-model approach to understand and predict past and future dengue epidemic dynamics 2025-Nov, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.241870 PMID:41200242	研究论文	该研究利用秘鲁北部2010-2021年的数据，采用多模型方法整合波浪分析、贝叶斯分层模型和深度学习预测模型，以理解和预测登革热疫情的时空动态	提出了一个多模型框架，结合波浪分析、贝叶斯分层模型与气候知情的深度学习预测模型（包括基础时间序列、时间卷积网络和共形推断），并引入训练和未训练的概率集成方法，辅以可解释的疫情检测指标	研究仅基于秘鲁北部地区的数据，可能限制模型的泛化能力；未明确讨论计算资源需求及模型在其他地区的适用性	理解并预测登革热疫情的过去和未来动态，为公共卫生决策和规划提供支持	秘鲁北部2010-2021年的登革热疫情数据及相关气候变量	机器学习	登革热	波浪分析, 贝叶斯分层模型, 深度学习, 时间卷积网络, 共形推断	贝叶斯分层模型, 时间卷积网络, 基础时间序列模型	时间序列数据, 气候数据	秘鲁北部2010-2021年的登革热疫情数据（具体样本量未提及）	NA	时间卷积网络, 基础时间序列模型	NA	NA
93	2026-09-28	Uncertainty quantification and explainable AI in orthopaedic imaging: A timely call to action 2025-Nov, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2025.103208 PMID:41089298	评论	本文主张在骨科影像人工智能中整合不确定性量化和可解释人工智能，以提升临床信任度和安全性	强调在骨科影像AI中整合不确定性量化和可解释AI并非可选，而是当务之急	作为论坛文章，未提供具体技术实现或实验验证	呼吁骨科界采取行动，将不确定性量化和可解释AI纳入骨科影像AI模型	骨科影像AI模型及其临床应用	计算机视觉	骨科疾病	NA	NA	NA	NA	NA	NA	NA	NA
94	2026-09-28	Performance Degradation between Development and Deployment of a Predictive Model for Central Line-Associated Bloodstream Infections in Hospitalized Children 2025-08, Applied clinical informatics IF:2.1Q4 DOI:10.1055/a-2605-1847 PMID:40355126	研究论文	本文报告了儿科中心静脉导管相关血流感染预测模型从开发到部署过程中性能下降的问题，并分析了根本原因	创建了新颖的基础设施来复制深度学习模型所需的复杂预处理，包括组织当前数据和构建历史数据存储及API；前瞻性实施并验证了模型在临床实践中的性能	模型性能从回顾性数据的AUROC 0.97下降到部署时的<0.60，主要由于训练/服务偏差、特征泄漏和过拟合等问题，未能达到预期性能	前瞻性实施儿科CLABSI预测模型，并在离线验证中达到足够性能以用于临床实践	住院儿童的中心静脉导管相关血流感染预测	机器学习	中心静脉导管相关血流感染	NA	深度学习模型	电子健康记录数据	NA	NA	NA	AUROC	NA
95	2026-09-28	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	综述	本文综述了用于阿尔茨海默病诊断的神经影像数据机器学习模型，并评估了其可重复性和泛化性	对开源机器学习模型进行了可重复性和泛化性评估，发现模型在不同数据队列间泛化性降低	模型在不同数据队列间泛化性降低，多数方法未应用于临床	综述用于阿尔茨海默病诊断的神经影像数据机器学习技术，并评估开源模型的可重复性和泛化性	阿尔茨海默病患者（包括稳定型MCI和进展型MCI）的神经影像数据	数字病理学	阿尔茨海默病	结构磁共振成像、功能磁共振成像、正电子发射断层扫描	传统机器学习, 深度学习	影像	NA	NA	NA	NA	NA
96	2026-09-28	Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72539-0 PMID:39962172	研究论文	该研究基于常规MRI，结合影像组学与深度学习，预测颈段脊髓损伤患者术后上肢肌力改善情况	结合影像组学与深度迁移学习特征，利用多中心数据预测颈段脊髓损伤术后预后	样本量较小，仅82例，且为回顾性研究	评估基于机器学习的影像组学方法在预测脊髓损伤患者预后中的准确性	颈段脊髓损伤患者	医学影像分析	脊髓损伤	MRI影像组学，深度学习	随机森林，ResNet34	MRI图像	82例脊髓损伤患者（来自三家医院），其中预后良好组49例，预后不良组33例	NA	随机森林，ResNet34	准确率，AUC	NA
97	2026-09-28	Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90115-y PMID:39962212	研究论文	该研究提出了一种基于多模态皮层表面特征的Transformer模型，用于阿尔茨海默病的早期诊断，通过交叉注意力机制融合MRI和PET数据	首次利用多模态轻量级皮层表面特征（而非计算密集的三维体积特征）进行AD诊断，并采用中间融合策略结合交叉注意力机制高效整合不同模态特征	未明确说明样本量以外的具体局限性，但依赖于ADNI数据集，可能缺乏外部验证	利用多模态轻量级皮层表面特征实现阿尔茨海默病的早期诊断，提供一种比传统三维体积特征方法更高效且准确的替代方案	阿尔茨海默病患者及ADNI数据集中的受试者	医学图像分析、计算机视觉	阿尔茨海默病	T1加权MRI、FDG PET、Aβ PET、Tau PET	Transformer	图像	ADNI系列数据集（具体样本量未在摘要中说明）	NA	Transformer	早期AD诊断准确率、计算效率	NA
98	2026-09-28	A unified framework harnessing multi-scale feature ensemble and attention mechanism for gastric polyp and protrusion identification in gastroscope imaging 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90034-y PMID:39962226	研究论文	本研究提出了一种名为MultiAttentiveScopeNet的深度学习模型，结合多层特征集成和注意力机制，用于胃镜图像中胃息肉与胃突出的识别	提出了MultiAttentiveScopeNet模型，该模型集成了多层特征集成和注意力机制，并采用弱监督标注策略构建了大型多类胃镜图像数据集	未明确提及研究的局限性	解决胃息肉与胃突出鉴别诊断中的挑战，提高诊断准确性和成本效益	胃镜图像中的胃息肉和胃突出	计算机视觉	胃癌	胃镜成像	CNN	图像	大型多类胃镜图像数据集	NA	MultiAttentiveScopeNet	准确率, 微精确率, 宏精确率, 微召回率, 宏召回率, 微AUC, 宏AUC	NA
99	2026-09-28	A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90164-3 PMID:39962290	研究论文	本文提出了一种结合1D残差卷积神经网络（1D-ResCNN）与混合优化策略的深度学习架构，用于头皮脑电信号中的癫痫棘波检测	将1D-ResCNN与混合优化策略（LAMB和AdamW）相结合，并首次在Typhoon HIL仿真器中利用嵌入式C2000微控制器进行实时硬件验证	未明确提及	实现头皮脑电信号中癫痫棘波的实时检测	癫痫患者的头皮脑电信号	机器学习	癫痫	脑电图	CNN	信号	CHB-MIT数据集包含12名患者的24通道脑电记录；Siena数据集包含14名成年患者的脑电数据	NA	1D-ResCNN	准确率, 灵敏度, 特异性, 假阳性率, F1分数	Typhoon HIL仿真器, 嵌入式C2000微控制器
100	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