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
3761	2026-08-20	Non-small cell lung cancer detection through knowledge distillation approach with teaching assistant 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306441 PMID:39504338	研究论文	本研究利用CT扫描图像，通过知识蒸馏技术（含助教模型）对非小细胞肺癌进行分类，并评估了模型的性能与可解释性	采用三阶段知识蒸馏框架（教师-助教-学生），并通过代价敏感学习和超参数（alpha和温度）调优提升学生模型性能，同时结合可解释性AI和Web应用增强实用性和透明度	未提及具体局限性，如样本多样性、模型泛化能力或外部验证等	利用CT图像高效分类非小细胞肺癌，并通过知识蒸馏和助教框架提高模型性能且适配内存受限的边缘设备	非小细胞肺癌CT扫描图像	计算机视觉、机器学习	非小细胞肺癌	CT扫描、知识蒸馏、代价敏感学习、可解释性AI（Shapley值）	CNN、VGG19、ResNet152v2、Swin、CCT、ViT	图像（CT扫描）	未明确说明	NA	ResNet152（助教）、CNN（学生）等	准确率	未明确说明，但提及模型适用于内存受限的边缘设备
3762	2026-08-20	Deep learning algorithms reveal increased social activity in rats at the onset of the dark phase of the light/dark cycle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307794 PMID:39514582	研究论文	本研究利用深度学习算法分析半自然条件下大鼠在光暗周期转换时的社交行为和超声发声，发现关灯可增加攻击行为但未增加积极情感相关发声。	首次利用DeepLabCut、SimBA和DeepSqueak等深度学习工具联合分析大鼠在光暗转换期间的社交行为与超声发声，揭示了关灯刺激对攻击行为的增强作用。	未能证明关灯刺激增加积极情感（享乐性超声发声），且研究仅基于成对大鼠和特定半自然条件，可能限制结果的普适性。	探索光暗周期转换期间大鼠的社交行为特征及其伴随的超声发声变化，并验证深度学习算法在这类行为分析中的实用性。	半自然条件下饲养的大鼠成对个体	计算机视觉, 机器学习	不适用	视频和音频记录	卷积神经网络（DeepLabCut）, 随机森林（SimBA）, 深度学习（DeepSqueak）	视频, 音频	6天连续观察，具体大鼠数量未提及	DeepLabCut, SimBA, DeepSqueak	DeepLabCut（基于ResNet）, SimBA（随机森林模型）, DeepSqueak（卷积循环网络）	未明确提及	未明确提及
3763	2026-08-20	Harnessing hybrid deep learning approach for personalized retrieval in e-learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308607 PMID:39536054	研究论文	提出一种名为深度学习课程推荐系统（DLCRS）的混合深度学习方法，结合序列GRU与adam优化器及协同过滤技术，用于在线学习中的个性化课程推荐	首次将混合序列GRU+adam优化器与协同过滤技术结合，并利用ELMO词嵌入进行学习者和课程特征提取，以提升推荐准确性和个性化程度	文中未明确提及局限性	解决在线学习平台中因用户知识框架差异而导致的课程选择困难，提供准确且以学习者为中心的课程推荐	在线学习平台中的学习者及其课程资料	机器学习	NA	协同过滤、词嵌入（ELMO）	GRU	文本数据	来自知名公共组织的真实数据集，具体样本数量未提及	NA	GRU	AUC值、命中率（hit ratio）	NA
3764	2026-08-20	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	开发了一种基于掩码注意力引导的动态图聚合网络框架，用于提升事件抽取性能	引入了掩码注意力机制平衡词向量和序列语义，并通过动态图聚合模块强化事件间及事件与属性间的关联	未明确指出，但可能受限于特定数据集和计算资源需求	解决传统深度学习方法在事件抽取中忽略词特征与序列信息关联的问题，提高抽取性能	事件抽取任务中的词向量、字符向量及相关事件属性	自然语言处理	NA	NA	动态图聚合网络	文本	两个基准数据集（DuEE和CCKS2020）	NA	动态图聚合网络、双向独立循环单元	F1分数	NA
3765	2026-08-20	Using spatio-temporal graph neural networks to estimate fleet-wide photovoltaic performance degradation patterns 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297445 PMID:38354115	研究论文	提出一种基于时空图神经网络的分解方法，用于估计大规模光伏系统的性能退化模式	首次将图深度学习用于光伏系统性能退化率的估计，通过时空相干性分解老化与波动成分，并在损失函数中引入平坦性和平滑性正则化以实现有效解耦	基于模拟数据集验证，可能未充分考虑实际光伏系统的复杂性和噪声	精确估计光伏系统性能损失率（PLR），改善传统统计方法的局限，为光伏行业提供实时监测和产品改进支持	大规模光伏系统中的性能退化模式	机器学习	NA	NA	图神经网络	光伏功率时间序列数据	三个模拟光伏数据集，包含5个场地的100个逆变器	PyTorch	时空图神经网络	平均绝对百分比误差（MAPE）、欧氏距离（ED）	NA
3766	2026-08-20	Prospective evaluation of deep learning image reconstruction for Lung-RADS and automatic nodule volumetry on ultralow-dose chest CT 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297390 PMID:38386632	研究论文	本文前瞻性评估了深度学习图像重建在超低剂量胸部CT中对Lung-RADS分类和自动结节体积测量的可行性。	首次前瞻性评估DLIR在超低剂量CT中用于Lung-RADS分类和结节体积测量的性能，并与常规剂量CT进行比较。	样本量较小（仅40名患者），且为单中心研究，可能影响结果的普适性。	评估深度学习图像重建在超低剂量胸部CT中是否能实现与低剂量CT相当的Lung-RADS分类和结节体积测量。	接受低剂量和超低剂量胸部CT检查的患者，以及其肺结节的Lung-RADS分类和体积测量。	医学影像，计算机辅助诊断	肺结节，肺癌	CT成像，深度学习图像重建（DLIR），自适应统计迭代重建（ASIR-V）	深度学习（具体架构未提及）	胸部CT图像	40名患者（平均年龄66±12岁，21名女性），每名患者接受LDCT和ULDCT扫描	NA	NA	信噪比（SNR），主观图像质量评分，敏感性（Lung-RADS分类和结节检测），结节体积差异的一致性（95%一致性界限），体积差异百分比	NA
3767	2026-08-20	SegX-Net: A novel image segmentation approach for contrail detection using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298160 PMID:38442105	研究论文	提出了一种基于深度学习的新型图像分割方法SegX-Net，用于飞机尾迹检测，以应对气候变化	结合DeepLabV3+和ResNet-101架构，提出高效轻量级的SegX-Net模型，显著提高分割精度	未提及具体局限性	利用图像分割技术自动识别和监测飞机尾迹，以缓解全球变暖	飞机尾迹（凝结尾迹）图像	计算机视觉	NA	深度学习图像分割	CNN	图像	来自Google research的综合数据集	NA	DeepLabV3+, ResNet-101	IoU, F1分数, 敏感性, Dice系数	NA
3768	2026-08-20	Deep learning algorithm for the automated detection and classification of nasal cavity mass in nasal endoscopic images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297536 PMID:38478548	研究论文	开发了一个基于鼻内镜图像的深度学习模型，用于自动检测和分类鼻腔肿块病变，包括正常、鼻息肉、良性肿瘤和恶性肿瘤，并与人工评估比较了性能。	首次使用大规模多中心数据训练深度学习模型来区分广泛的鼻腔肿块病变类型，包括良性、恶性肿瘤，且模型在恶性肿瘤和良性肿瘤分类上优于人工评估。	未明确提及局限性，但可能包括数据集类别不均衡（良性肿瘤和恶性肿瘤样本较少）和外部验证不足。	开发并验证基于鼻内镜图像的深度学习模型，用于检测和分类鼻腔肿块病变，并评估其临床可行性。	鼻腔肿块病变图像，包括正常鼻腔、鼻息肉、良性肿瘤和恶性肿瘤。	计算机视觉，数字病理学	鼻腔肿块病变，包括鼻息肉、良性肿瘤、恶性肿瘤	内镜检查图像	CNN	图像	训练和验证数据集共包含149,043张正常鼻腔图像、311,043张鼻息肉图像、9,271张良性肿瘤图像和5,323张恶性肿瘤图像；测试集包含400张图像	NA	Xception	准确率，AUC，F1分数，敏感性	NA
3769	2026-08-20	DVFNet: A deep feature fusion-based model for the multiclassification of skin cancer utilizing dermoscopy images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297667 PMID:38507348	研究论文	提出了一种基于深度特征融合的DVFNet模型，用于皮肤癌皮肤镜图像的多分类检测	结合VGG19和HOG特征提取，并使用SMOTE Tomek处理类别不平衡，通过特征向量图实现多分类	未提及	早期识别和分期皮肤癌，提高检测准确性	皮肤癌皮肤镜图像	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	ISIC 2019数据集（图像数量未提及）	未提及	VGG19, HOG, CNN	准确率	未提及
3770	2026-08-20	A deeply supervised adaptable neural network for diagnosis and classification of Alzheimer's severity using multitask feature extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297996 PMID:38530836	研究论文	本研究利用MRI图像通过混合特征提取和传统机器学习方法以及CNN模型来诊断和分类阿尔茨海默病的严重程度	采用12种特征提取方法的混合方案，并提出了一个深度监督的自适应CNN架构，以多任务特征提取方式提高诊断准确性	未明确说明研究的局限性，可能包括数据集规模有限或仅依赖单一影像模态	利用MRI图像自动诊断和分类阿尔茨海默病的严重程度，并比较传统机器学习方法与先进CNN模型的性能	阿尔茨海默病患者的MRI脑部图像，包含四个严重程度等级	机器学习, 医学影像分析	阿尔茨海默病	MRI	CNN, 决策树, K近邻, 线性判别分析, 朴素贝叶斯, 支持向量机, 集成学习	图像（MRI）	未明确说明具体样本数量，但包含四个严重程度等级的数据集	NA	CNN架构（未具体说明类型）	准确率	NA
3771	2026-08-20	A deep learning approach for Named Entity Recognition in Urdu language 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300725 PMID:38547173	研究论文	本文提出了一种利用FastText和Floret词嵌入的深度学习方法，用于乌尔都语命名实体识别，显著提升了识别性能	利用公开的FastText和Floret词嵌入结合上下文信息改进特征提取，并组合多种深度学习模型（LSTM, BiLSTM, GRU, CRF）进行训练，在乌尔都语NER任务中取得了最高F值0.98的性能	仅针对乌尔都语数据集，未涉及其他语言；错误率仍有1.24%至3.63%的波动	提出一种改进的深度学习方法，以提高乌尔都语命名实体识别的性能	乌尔都语文本中的命名实体，涉及多个基准数据集	自然语言处理	NA	FastText词嵌入, Floret词嵌入	LSTM, BiLSTM, GRU, CRF	文本	四个乌尔都语基准数据集	NA	LSTM, BiLSTM, GRU, CRF	F值, 错误率	NA
3772	2026-08-20	DEW: A wavelet approach of rare sound event detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300444 PMID:38547253	研究论文	本文提出了一种基于小波的罕见声音事件检测系统，利用小波多分辨率分析和去噪技术，结合峰值检测和K-medoids聚类来定位事件，并通过小波散射网络提取特征，使用支持向量机进行分类	该系统无需可学习参数，训练仅需一个epoch，计算高效且轻量，适合资源受限设备上的实时应用	未明确提及局限性	开发一种适用于开放环境中罕见声音事件检测的高效轻量级系统	开放环境中的罕见声音事件	机器学习	NA	小波多分辨率分析，小波去噪，小波散射网络	支持向量机	音频	未明确提及具体样本数量，但输入为30秒音频片段，并处理1秒的片段	NA	小波散射网络，支持向量机	错误率	未明确提及，但强调计算高效和轻量
3773	2026-08-20	Deep learning-based near-field effect correction method for Controlled Source Electromagnetic Method and application 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308875 PMID:39527626	研究论文	提出一种基于深度学习（LSTM-CNN）的受控源电磁法近场效应校正方法，并通过理论数据和实测数据验证其有效性。	首次将LSTM-CNN深度学习网络应用于受控源电磁法的近场效应校正，通过正演模拟生成多样数据集，实现对近场效应的自动校正，提升了校正精度和抗噪能力。	原文未明确提及局限性，但可能受限于层状地质模型假设、数据生成范围以及实测数据的多样性。	开发一种基于深度学习的受控源电磁法近场效应校正方法，以消除近场效应的影响，更准确地反映真实地质结构。	受控源电磁法（CSEM）中的近场效应校正问题，涉及理论数据和实测数据。	深度学习、地球物理勘探	不适用	正演模拟、深度学习	LSTM-CNN	电磁场模拟数据、实测CSEM数据	未明确样本数量，但生成了多样化的层状地质模型数据集。	未明确指定，但可能使用TensorFlow或PyTorch等。	LSTM-CNN	与模拟数据的一致性、抗噪性能、实测数据的校正效果（如消除虚假高阻异常）。	未明确指定。
3774	2026-08-20	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2023-Aug-18, ArXiv PMID:37645038	研究论文	提出一种基于空间和时间隐式神经表示学习的框架STINR-MR，用于从高度欠采样的数据中重建高分辨率的3D电影磁共振图像。	首次将空间和时间隐式神经表示学习结合用于3D cine-MRI重建，通过联合重建和可变形配准实现高加速因子，且为单次学习方法，无需预训练数据。	未提及明显的局限性，但基于模拟和单个人体受试者数据的评估可能限制泛化性。	实现从高度欠采样的k空间数据中准确重建3D cine-MR图像，以高时间、空间分辨率捕捉解剖动态。	3D cine-MR图像，包括来自4D XCAT数字体模和健康人体受试者的临床MR数据。	医学影像	不适用（健康受试者及数字体模，未涉及特定疾病）	磁共振成像（MRI）	隐式神经表示（INR）网络	MR图像数据（包括模拟和临床数据）	数字体模（XCAT）及一名健康人体受试者的临床MR数据	未明确提及，但可能使用PyTorch或TensorFlow等深度学习框架	空间隐式神经表示（INR）网络和时间隐式神经表示（INR）网络	图像质量、伪影、肿瘤定位精度（中心误差）	未明确提及
3775	2026-08-20	Uncovering shape signatures of resting-state functional connectivity by geometric deep learning on Riemannian manifold 2022-09, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25897 PMID:35538672	研究论文	提出了一种基于黎曼流形的几何深度学习网络Geo-Net4Net，用于学习静息态功能连接的内在低维特征表示，并揭示其形状特征以支持行为与认知。	首次利用流形上的正映射和ReLU层，结合自监督学习策略，利用任务态数据来监督静息态特征学习，从而超越传统无监督方法的限制。	依赖于任务态数据作为辅助监督信息，可能不完全适用于纯静息态场景；结论基于模拟数据和HCP数据集，泛化性需进一步验证。	探索静息态功能连接的自发波动如何支持行为与认知，通过流形上的几何模式（形状特征）来理解脑功能。	静息态功能脑网络，涉及功能磁共振成像（fMRI）数据与模拟数据。	机器学习，脑成像分析	不适用	功能磁共振成像（fMRI）	几何深度学习网络（Geo-Net4Net）	功能磁共振成像（fMRI）图像数据	来自人类连接组计划（HCP）数据库的任务态和静息态fMRI数据，具体样本数未在摘要中说明	未明确指定，但可能涉及深度学习框架如PyTorch或TensorFlow	基于黎曼流形的几何神经网络结构，包含正映射层和ReLU层	变化检测的准确率	未在摘要中说明
3776	2026-08-20	Evaluating the utility of deep learning for predicting therapeutic response in diabetic eye disease 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.852107 PMID:36744216	研究论文	本研究评估了深度学习在预测糖尿病眼病治疗反应中的效用，发现在小样本临床数据集上性能有限。	首次系统评估深度学习在预测糖尿病眼病治疗反应中的效用，并探讨了数据集大小对模型性能的影响。	临床试验数据集规模小，导致深度学习模型性能不佳，预测能力有限。	评估深度学习在眼科临床问题（如预测治疗反应）中的实用性，特别是在样本量不足的情况下。	糖尿病眼病患者，包括超广角荧光血管造影和液体分区光学相干断层扫描图像。	医学影像分析	糖尿病眼病	无特定测序技术，使用影像采集技术	CNN	图像	29名患者，217张UWFA图像，以及OCT图像	未提及	四种深度学习架构（具体未提及）	AUC	未提及
3777	2026-08-20	Deep learning for Koopman Operator Optimal Control 2021-01-06, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2021.01.005 PMID:33431116	研究论文	本文介绍了一种基于深度学习的Koopman算子方法，用于非线性动力学系统的全局线性化和最优控制	提出了两种新的网络架构DENIS和DEINA，其中DENIS通过初始状态参数化提高了控制性能，DEINA通过辅助网络非线性变换输入以处理非仿射系统，并实现了比现有实现更快的LREN	未明确提及限制，但可推测该方法依赖于数据质量和训练计算资源	开发一种基于深度学习的Koopman框架，实现非线性动力学的全局线性化和最优控制，以提高控制性能并减少对状态空间方程的依赖	非线性动力学系统，包括机器人技术和计算神经科学中的应用	机器学习	NA	深度学习	神经网络（包括LREN、DENIS、DEINA）	时间序列数据（来自非线性动力学系统）	NA	NA	LREN, DENIS, DEINA	控制性能（通过能量预算评估方法）	NA
3778	2026-08-19	Discrete Wavelet Convolution for Learnable Time-Frequency Representation with Application to Seizure Prediction 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500498 PMID:42333671	研究论文	提出一种自适应的离散小波卷积（ADWConv）作为可训练的多级小波分解前端，用于端到端的癫痫发作预测，通过联合优化策略确保滤波器的判别性和可解释性，并在CHB-MIT和SH-SDU数据库上验证了其有效性。	提出可参数化的小波滤波器，解耦核形状与尺度因子，并引入正则化损失以保持小波先验，提高特征级可解释性。	摘要未提及明显的局限性，可能包括对特定数据集的依赖或计算开销，但具体未说明。	开发一种可学习的时频表示方法，以提升癫痫发作预测的准确性和模型可解释性。	脑电图（EEG）信号，用于癫痫发作预测。	机器学习	癫痫	离散小波变换	卷积神经网络	EEG信号	CHB-MIT数据库和SH-SDU数据库，具体样本数量未在摘要中提及。	NA	ADWConv前端，结合端到端预测框架（具体架构未详述）。	事件敏感性、误报率（FPR）	NA
3779	2026-08-19	Latent Space Projections and Atlases, a Cautionary Tale in Deep Neuroimaging using Autoencoders 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S012906572650053X PMID:42376832	研究论文	本研究提出一个深度学习框架，利用简单卷积自编码器对3D脑MRI的潜在表示进行推断性探索，并在ADNI数据集上训练以保留神经解剖结构并反映临床变异性。	提出了Latent-Regional Correlation Profiling (LRCP)框架，结合统计关联和监督判别性来识别编码临床相关潜在信息的脑区。	未明确提及研究的局限性。	探索自编码器在临床神经科学中作为生物标志物发现和假设生成的工具，通过潜在表示分析阿尔茨海默病进展。	3D脑MRI图像，来自ADNI数据集的灰质分割图像。	深度学习、神经影像学	阿尔茨海默病	NA	卷积自编码器	3D脑MRI图像	NA	NA	卷积自编码器（具有层级编码器）	NA	NA
3780	2026-08-19	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	开发并多中心验证了一种针对危重创伤性颈胸脊髓损伤患者早期预测KDIGO 3期急性肾损伤的机器学习融合模型MedFusion-gP-AKI	采用多模态深度学习框架，结合GAN进行缺失数据填补和SMOTified-GAN平衡数据集，以及利用NOTEARS、变分瓶颈和对抗分析进行特征选择，并集成了多个最优基线模型构建集成模型，以提高预测性能	未在摘要中明确说明局限性	早期预测危重创伤性颈胸脊髓损伤患者的KDIGO 3期急性肾损伤，以改善临床管理	危重创伤性颈胸脊髓损伤患者	机器学习	急性肾损伤	NA	深度学习集成模型	临床数据	开发和验证队列包括MIMIC-IV/eICU联合队列，以及来自四个中国三级中心的188名患者的外部验证	NA	集成模型	AUC, AP, 校准性, 临床净收益, 总体分类性能	NA