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
2781	2026-08-07	Structure-Aware Annotation of Leucine-rich Repeat Domains 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.27.562987 PMID:37961157	研究论文	开发基于结构感知的降维方法，用于注释富含亮氨酸重复结构域的重复单元，并纠正现有序列基预测工具的误差	利用深度学习预测的蛋白质结构，通过降维方法改进序列基域注释，能够自动检测发夹环和结构异常	方法仅在特定蛋白质家族（LRR）和植物物种中验证，可能不适用于其他域类型	改进蛋白质结构域注释的准确性，特别是针对富含亮氨酸重复结构域	拟南芥中127个含LRR结构域的细胞内先天免疫蛋白的预测结构，以及172个手动注释LRR域的基准数据集	结构生物学	NA	深度学习蛋白质结构预测、降维分析	HMM（作为基线）	蛋白质结构数据、序列数据	127个预测结构、172个手动注释LRR域	NA	NA	准确性、错误纠正能力	NA
2782	2026-08-07	Whole genome deconvolution unveils Alzheimer's resilient epigenetic signature 2023-08-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40611-4 PMID:37587197	研究论文	开发了一种名为Cellformer的深度学习方法，用于从批量ATAC-seq数据中解卷积出细胞类型特异的染色质开放状态，并应用于阿尔茨海默病韧性研究	首次提出基于深度学习的全基因组批量ATAC-seq解卷积方法Cellformer，能高效低成本地实现大规模队列中细胞类型特异的开放染色质分析	未提及明显的局限性	开发一种深度学习工具，从批量ATAC-seq数据中推断细胞类型特异的基因调控机制，并识别阿尔茨海默病韧性的表观遗传学特征	191个来自3个脑区的批量ATAC-seq样本，涉及阿尔茨海默病韧性个体	深度学习	阿尔茨海默病	ATAC-seq	深度学习模型	基因表达谱（ATAC-seq数据）	191个批量样本，来自3个脑区	NA	Transformer	NA	NA
2783	2026-08-07	A sequence-based global map of regulatory activity for deciphering human genetics 2022-07, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-022-01102-2 PMID:35817977	研究论文	本文介绍Sei框架，通过深度学习方法整合人类遗传学数据与序列信息，预测大规模染色质谱图，提供全球调控活动图谱，以解析人类遗传变异的功能影响。	首次提出基于序列的全局调控活动图谱框架Sei，能够从任意序列或变异映射到调控活性，并学习调控活动词汇表（序列类别），实现细胞类型特异性的增强子功能等多样调控活性的分类和定量。	未明确提及限制，可能包括依赖参考表观基因组数据、对罕见变异预测的准确性和缺乏实验验证等。	建立从DNA序列到调控活性的系统映射，以揭示复杂性状和疾病的调控机制，为人类遗传学提供解读工具。	人类基因组中的调控序列和遗传变异，包括增强子等调控元件。	机器学习	NA	深度学习（预测染色质谱图）	深度学习模型（可能包含CNN或Transformer）	染色质谱图数据（表观基因组学）	超过1300种细胞系和组织类型的21,907个染色质谱图。	NA	NA	组织特异性表达支持、表达数量性状位点关联、进化保守性。	NA
2784	2026-08-07	DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI 2021-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93427-x PMID:34238951	研究论文	开发了DEEPMIR，一种基于深度卷积神经网络的MRI分割方法，用于同时检测脑微出血和基底节铁沉积	提出了一种同时手动标注脑微出血和非出血性铁沉积的方案，并调整U-Net模型增加分辨率层以检测微小病变，且整合多模态MRI数据（特别是QSM）以提高检测性能	样本量较小（24名参与者），训练和评估可能在更大规模数据集上需要进一步验证，且本研究未涉及外部验证或临床实际应用环境	开发一种适用于同时分割脑微出血和铁沉积的深度学习方法，并评估多模态MRI数据的效用	脑微出血病变和基底节非出血性铁沉积区域，以及多模态MRI图像（T2加权、SWI、QSM）	计算机视觉、数字病理学、机器学习	脑血管疾病、神经退行性疾病	MRI（包括T2加权成像、磁敏感加权成像、定量磁化率成像）	卷积神经网络（CNN）	MRI图像	来自MESA队列的24名参与者的影像数据	NA	U-Net	灵敏度、精确度	NA
2785	2026-08-06	Application of artificial intelligence in brain arteriovenous malformations: Angioarchitectures, clinical symptoms and prognosis prediction 2026-Aug, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199241238798 PMID:38515371	综述	本文总结了人工智能在脑动静脉畸形管理中的应用，包括血管构筑、临床症状和预后预测。	系统综述了1999-2022年间AI在脑动静脉畸形管理中的应用，特别关注机器学习和深度学习模型的进展。	基于文献综述，可能缺乏最新研究，且未进行定量荟萃分析。	总结AI在脑动静脉畸形管理中的应用进展、局限性和未来研究方向。	脑动静脉畸形患者的相关数据，包括影像、临床症状和预后。	机器学习	脑动静脉畸形	影像组学	机器学习模型	影像数据	NA	NA	NA	NA	NA
2786	2026-08-06	Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach 2025-05, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968231215324 PMID:38014538	研究论文	利用迁移学习在1型糖尿病数据上预训练卷积神经网络，预测胰岛素治疗的2型糖尿病患者的低血糖事件	首次将迁移学习应用于从1型糖尿病到2型糖尿病的持续葡萄糖监测数据，以缓解数据稀缺问题	未明确提及外部验证数据集的多样性或模型在不同人群中的泛化能力	开发一种深度学习模型，通过迁移学习提高2型糖尿病患者低血糖预测的准确性	226名1型糖尿病患者和180名2型糖尿病患者的持续葡萄糖监测数据	机器学习	2型糖尿病	持续葡萄糖监测	卷积神经网络	时间序列数据	406名患者（226名1型糖尿病，180名2型糖尿病），外部验证334,711个一小时样本	NA	卷积神经网络	AUC, 阳性预测值, 特异性, 敏感性	NA
2787	2026-08-06	Progression or Aging? A Deep Learning Approach for Distinguishing Glaucoma Progression From Age-Related Changes in OCT Scans 2024-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.04.030 PMID:38703802	研究论文	开发了一种名为噪声正无标记（Noise-PU）的弱监督时间序列深度学习算法，用于从OCT扫描中区分青光眼进展与年龄相关的变化	提出了一种无需参考标准的弱监督时间序列学习方法，能够区分青光眼进展和年龄相关变化	未明确提及，但可能受限于回顾性设计、使用替代参考标准以及特定设备（Spectralis OCT）	开发深度学习算法，在没有参考标准的情况下，利用OCT图像检测青光眼进展	青光眼和健康眼的OCT B扫描序列	计算机视觉	青光眼	OCT成像	CNN-LSTM	图像	8785个随访序列，来自3253只眼（1859名受试者）	NA	卷积神经网络（CNN）和长短期记忆（LSTM）网络组合	命中率（作为敏感性的代理），特异性	NA
2788	2026-08-06	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本研究评估了深度神经网络在手术相关结果遗传风险预测中的价值，利用英国生物库数据构建线性和深度学习模型，比较了仅遗传、仅临床和联合模型的性能。	首次将深度神经网络与基因组学结合用于手术相关结果的预测，并评估了其相对于传统线性模型的增量价值。	研究仅基于英国生物库数据，可能限制了结果的普遍性；深度学习的性能提升有限，且未探讨模型在临床实践中的实际影响。	评估深度神经网络与遗传信息结合在预测手术相关并发症中的潜在价值。	英国生物库中的手术患者数据，涉及房颤、静脉血栓栓塞和肺炎等手术相关结果。	机器学习	心血管疾病、肺炎	GWAS	深度神经网络、线性模型	SNP数据、临床数据	英国生物库中的大型数据集（具体数量未在摘要中提供）	NA	NA	ROC-AUC、精确率、召回率	NA
2789	2026-08-06	Research on improved gangue target detection algorithm based on Yolov8s 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293777 PMID:38980881	研究论文	提出一种基于Yolov8s的改进煤矸石目标检测算法，以提高检测速度和精度并降低模型复杂度。	采用轻量级网络Fasternet作为主干，替换Slimneck的C2F部分，引入Detect-DyHead、DIoU损失函数和BAM块注意力机制，显著提升检测性能。	未提及具体局限性。	旨在解决煤矸石目标检测中深度学习速度慢、参数多和计算成本高的问题，提供高效实时的检测方案。	煤矸石目标	计算机视觉	不适用	深度学习目标检测	YOLOv8s（改进）	图像	未提及具体样本数量	未提及具体框架，但可能使用PyTorch	Fasternet、C2F、Detect-DyHead、BAM块	检测精度、参数数量、计算量、模型存储大小	未提及具体计算资源
2790	2026-08-06	The analysis of the internet of things database query and optimization using deep learning network model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306291 PMID:38941309	研究论文	本研究探讨了深度学习网络模型在物联网数据库查询和优化中的应用效果，通过优化策略改进模型，并通过实验验证了其高效性	将深度学习网络模型用于物联网数据库查询优化，并通过优化策略提高模型在训练、参数优化、资源消耗和延迟方面的性能	未明确提及局限性，可能包括实验数据规模有限或模型泛化能力待验证	分析深度学习网络模型在物联网数据库查询和优化中的性能表现，并验证优化模型的优势	物联网数据库查询和优化任务	机器学习	NA	NA	深度学习网络模型	文本数据	未明确样本数，但实验涉及不同数据量（如2000、4000）	NA	未明确指定具体架构（如ResNet、Transformer等）	训练时间、参数优化时间、资源消耗（CPU/GPU使用率、内存使用）、吞吐量、延迟	NA
2791	2026-08-06	Deep learning for 3D cephalometric landmarking with heterogeneous multi-center CBCT dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305947 PMID:38917161	研究论文	本文评估了一种轻量级深度学习神经网络在多中心、多民族、多设备CBCT数据集上自动定位46个临床重要头影测量标志点的临床适用性	首次使用包含芬兰和泰国患者的多中心、多民族、多设备CBCT数据集，并实现了轻量级网络快速定位46个标志点	未提及具体局限性	分析轻量级深度学习网络在临床环境中快速定位头影测量标志点的可行性和鲁棒性	来自芬兰和泰国患者的309个CBCT扫描影像	深度学习	口腔正畸相关疾病	CBCT扫描	神经网络	三维医学影像	309个CBCT扫描，包括芬兰和泰国患者	NA	NA	平均距离，临床显著性（≤2mm），误差（≤2mm或≤2°），Mann-Whitney U检验，Benjamini-Hochberg校正	单机GPU和CPU计算，平均预测时间分别为0.77秒和2.27秒
2792	2026-08-06	Factor-GAN: Enhancing stock price prediction and factor investment with Generative Adversarial Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306094 PMID:38917175	研究论文	本文介绍Factor-GAN，一种利用生成对抗网络技术提升股票价格预测和因子投资性能的创新框架	提出Factor-GAN框架，将GAN技术应用于多因子定价模型，结合深度学习和金融因子投资，并进行了经济机制解释	未明确提及局限性	利用深度学习技术增强因子投资中的价格预测精度和投资策略稳定性	中国股市的股票，涉及70个公司特征因子	机器学习	NA	NA	生成对抗网络（GAN）	结构化财务数据	未明确提及，但使用了中国股市的A股和双重上市公司样本	NA	GAN	年化收益率, 夏普比率	NA
2793	2026-08-06	Enhancing semantic segmentation in chest X-ray images through image preprocessing: ps-KDE for pixel-wise substitution by kernel density estimation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299623 PMID:38913621	研究论文	本文提出一种新的预处理技术ps-KDE，通过核密度估计进行像素值替换，以增强胸部X光图像中主要器官的语义分割效果	提出了一种基于核密度估计的像素值替换方法（ps-KDE），该方法根据像素值的归一化频率来增强图像对比度，与传统的CLAHE方法相比，在处理数据集异质性和不同解剖结构对比度方面表现出更好的鲁棒性	未明确提及限制，但可能包括样本多样性有限、仅针对特定器官分割进行验证等	探索ps-KDE预处理技术对深度学习算法在胸部X光图像中分割主要器官（心脏、左右肺、左右锁骨）的影响	胸部后前位X光图像中的主要器官，包括心脏、左肺、右肺、左锁骨和右锁骨	计算机视觉	肺部疾病	核密度估计	U-Net	图像	未明确提及具体样本数量，但使用了胸部X光图像数据集	未明确提及	U-Net（ResNet34骨干网络）	Dice分数	未明确提及
2794	2026-08-06	Performance enhancement of short-term wind speed forecasting model using Realtime data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302664 PMID:38820359	研究论文	本文提出了一种混合模型L-LG-S，用于短期风速预测，以提高可再生能源中风力发电的效率	结合了LSTM和线性回归的混合模型，针对短期风速预测表现出优于现有模型的准确性	结论基于单一地点的数据，可能限制了模型在其他地区的通用性	提高短期风速预测的准确性，以支持风力发电的安全和高效运营	位于巴基斯坦卡拉奇的某风力涡轮机的实时风速数据	机器学习	NA	实时数据采集	混合模型（LSTM和线性回归）	数值时间序列	一个风力涡轮机的风速数据	未指定	LSTM, 线性回归	均方误差, 均方根误差, 平均绝对误差	未指定
2795	2026-08-06	A model for skin cancer using combination of ensemble learning and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301275 PMID:38820401	研究论文	本文提出一种结合集成学习与深度学习的皮肤癌分类模型，旨在区分良性和恶性皮肤癌病例，以提高评估指标。	创新点在于设计了一个包含多种特征选择技术的特征选择层，并选用DenseNet-201作为主要特征提取器，结合Lasso特征选择方法和多种机器学习算法，通过集成方法优化模型性能。	摘要中未提及具体局限性。	帮助医疗专家区分良性和恶性皮肤癌病例，提高分类评估指标。	皮肤癌图像数据。	计算机视觉、机器学习	皮肤癌	迁移学习、特征提取、特征选择	集成学习、深度学习	图像	未提及具体样本量。	NA	DenseNet-201	准确性、灵敏度	NA
2796	2026-08-06	DAU-Net: Dual attention-aided U-Net for segmenting tumor in breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303670 PMID:38820462	研究论文	提出了一种基于深度学习的双注意力增强U-Net方法，用于乳腺超声图像中的肿瘤分割	创新性地提出了位置卷积块注意力模块（PCBAM）和移位窗口注意力（SWA），并将其集成到残差U-Net中，显著提高了分割性能	模型在BUSI和UDIAT数据集上的Dice得分分别为74.23%和78.58%，提示仍有进一步提升空间	通过整合创新注意力机制，开发一种精确的乳腺超声图像肿瘤分割方法，以支持早期检测和诊断	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	深度学习	U-Net	图像	使用了两个广泛使用的乳腺超声图像数据集（BUSI和UDIAT）	PyTorch	残差U-Net	Dice系数	未提及
2797	2026-08-06	MCE: Medical Cognition Embedded in 3D MRI feature extraction for advancing glioma staging 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304419 PMID:38820482	研究论文	提出了一种医学认知嵌入（MCE）模型，用于3D MRI特征提取，以推进脑胶质瘤分期	将医学知识特征嵌入数据驱动方法，设计两种方法模拟医生读片学习过程，并结合Radiomics特征和手动诊断特征	受限于脑胶质瘤MRI数据的可获取性，纯数据驱动算法在特征提取和质量捕获上面临挑战	提高脑胶质瘤MRI分期的准确性和临床适用性，通过嵌入医学认知改善特征提取	脑胶质瘤MRI数据	计算机视觉, 数字病理学	脑胶质瘤	MRI	深度学习模型（具体未指明）	3D MRI图像	BraTS2018和BraTS2020公开数据集	NA	MCE（医学认知嵌入）	准确率、召回率、精确率	NA
2798	2026-08-06	Sampling clustering based on multi-view attribute structural relations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297989 PMID:38781184	研究论文	提出了一种基于多视图属性结构关系的采样聚类方法SLMGC，用于有效处理多视图图数据聚类任务	提出了一种简单有效的多视图图聚类方法SLMGC，无需复杂参数设置，通过图过滤、节点重要性采样和图对比正则化增强聚类性能	未明确提及局限性	解决现有基于深度学习的图聚类技术在处理多视图图数据时的问题，如无法同时探索多个视图结构与节点属性之间的关系以及处理不同特征的多视图数据	多视图图数据	机器学习	NA	NA	非神经网络算法	图数据	NA	NA	NA	综合实验验证聚类性能，但未指定具体指标	NA
2799	2026-08-06	Big data analysis for Covid-19 in hospital information systems 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294481 PMID:38776299	研究论文	提出一种基于深度学习的联合框架，利用CT图像对COVID-19进行自动识别，并处理不同医疗系统间的数据分布差异	采用改进的COVID-Net网络架构和学习策略，结合潜在空间中的独立特征归一化，并引入对比训练目标以增强语义嵌入的域不变性	未明确提及局限性，可能依赖大型公开数据集，且框架性能在更广泛、多样化的临床数据上仍需验证	开发一种能够有效处理异质数据集、跨站点分布差异的深度学习联合框架，以提高COVID-19识别的准确性和泛化能力	来自不同医疗系统的CT图像数据集，具体包括两个大型公开COVID-19诊断数据集	计算机视觉	COVID-19	CT成像	深度学习模型（改进的COVID-Net）	图像（CT图像）	两个大规模公开COVID-19诊断数据集（含CT图像），具体样本数量未给出	未明确提及，可能涉及TensorFlow或PyTorch	COVID-Net（改进型），可能包含ResNet等卷积网络结构	AUC	未明确提及，可能使用GPU（如NVIDIA系列）
2800	2026-08-06	Deep learning in public health: Comparative predictive models for COVID-19 case forecasting 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294289 PMID:38483948	研究论文	本研究比较了多种深度学习模型（如LSTM、双向LSTM、CNN、混合CNN-LSTM、MLP和RNN）在阿联酋和马来西亚预测COVID-19病例的应用效果	采用贝叶斯优化技术增强模型性能，并针对阿联酋和马来西亚的具体条件确定最适用的模型架构	未明确提及局限性	确定预测COVID-19病例最有效的深度学习模型，以支持公共卫生决策	阿联酋和马来西亚的COVID-19病例数据，包括确诊病例数、人口统计和社会经济因素	机器学习	COVID-19	NA	LSTM, 双向LSTM, CNN, 混合CNN-LSTM, 多层感知机, RNN	时间序列数据	NA	NA	LSTM, 双向LSTM, CNN, 混合CNN-LSTM, MLP, RNN	NA	NA