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
381	2026-08-13	Bird song comparison using deep learning trained from avian perceptual judgments 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012329 PMID:39110762	研究论文	本文利用深度学习模型基于鸟类感知判断进行鸟鸣声比较，并验证和改进现有相似性算法	首次利用自动化操作性条件反射系统收集大量斑胸草雀的鸣声相似性判断数据，并引入深度学习模型以鸟类感知为基础进行训练，显著优于传统方法	未明确提及局限性，但可能受限于特定物种（斑胸草雀）和特定鸣声类型，且未探讨跨物种泛化能力	开发一种基于鸟类感知判断的深度学习方法来比较鸟鸣声相似性，以替代依赖人类直觉的传统方法	斑胸草雀的鸣声音节相似性判断数据集	机器学习	NA	自动化操作性条件反射系统，深度学习	深度学习模型	图像（频谱图转换）、行为判断数据	大语料库，具体数量未在摘要中提供	NA	深度学习架构（具体未在摘要中指定）	准确性、与鸟类判断的接近程度	NA
382	2026-08-13	iCRBP-LKHA: Large convolutional kernel and hybrid channel-spatial attention for identifying circRNA-RBP interaction sites 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012399 PMID:39173070	研究论文	提出了一种基于深度混合网络的模型iCRBP-LKHA，用于识别circRNA-RBP相互作用位点，通过结合大核卷积、混合通道-空间注意力和双向门控循环单元，有效捕获长距离依赖和多特征交互信息	首次将大核卷积神经网络与CBAM-1D注意力机制及BiGRU相结合，实现局部信息、全局上下文和多特征交互信息的自动提取，克服现有深度学习方法在长距离依赖和多特征交互上的不足	未提及模型在计算资源需求或训练效率方面的潜在限制，也未讨论模型在不同物种或更复杂RNA类型上的泛化性	开发一种改进的深度学习模型，用于准确识别circRNA与RNA结合蛋白的相互作用位点，提升预测性能	环状RNA（circRNAs）及其RNA结合蛋白（RBP）相互作用位点	机器学习	NA	NA	混合深度学习模型（包含大核CNN、注意力机制和BiGRU）	序列数据（circRNA和线性RNA序列）	37个circRNAs数据集、37个circRNAs严格数据集和31个线性RNAs数据集	NA	大核卷积神经网络（LKCNN）、卷积块注意力模块（CBAM-1D）、双向门控循环单元（BiGRU）	NA（具体指标未在摘要中明确，可能包括准确率、AUC等）	NA
383	2026-08-13	Rigdelet neural network and improved partial reinforcement effect optimizer for music genre classification from sound spectrum images 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34067 PMID:39104510	研究论文	介绍了一种通过声音频谱图像进行音乐流派分类的新方法，使用增强型Ridgelet神经网络和改进的部分强化效应优化器进行特征提取和优化	提出了一种改进的部分强化效应优化器（IPREO）来优化Ridgelet神经网络，有效避免局部最优并增强模型的泛化能力，采用了混合CNN-双向RNN架构	摘要中未明确提及局限性	实现音乐流派的高准确率分类，并提升模型性能优于传统方法和现有深度学习架构	音乐音频信号及其声音频谱图像	计算机视觉, 音频处理	不适用	NA	Ridgelet神经网络（RNN）	图像（声音频谱图像）	GTZAN数据集（包含1000个音频片段，每段30秒，涵盖10个流派）	NA	混合CNN-双向RNN设计	准确率	NA
384	2026-08-13	Using deep learning to decipher the impact of telomerase promoter mutations on the dynamic metastatic morpholome 2024-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012271 PMID:39078811	研究论文	利用深度学习解析端粒酶启动子突变对黑色素瘤动态转移形态组的影响	创新性地结合等基因克隆细胞系和双色表达报告系统，实现端粒酶启动子突变对形态组影响的等位基因分辨率解析，并应用深度学习分析动态形态组变化	摘要中未提及研究的局限性	阐明端粒酶启动子突变（C228T和C250T）对黑色素瘤转移过程中的形态和表型影响	携带端粒酶启动子突变的等基因克隆细胞系及其野生型对照	深度学习	黑色素瘤	深度学习	深度学习模型	细胞形态图像	NA	NA	NA	NA	NA
385	2026-08-13	Achieving Occam's razor: Deep learning for optimal model reduction 2024-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012283 PMID:39024398	研究论文	本文展示了如何利用深度学习方法实现奥卡姆剃刀原理，通过提出FixFit方法，使用带瓶颈层的深度前馈神经网络来表征和预测给定模型的行为，并识别模型中的非必要参数	提出FixFit方法，利用深度前馈神经网络和瓶颈层来量化模型复杂度，实现唯一参数拟合并提供无偏方式区分有价值和无价值的实验假设	摘要中未提及具体限制	利用深度学习应用奥卡姆剃刀原理，实现最优模型简化，以减少参数冗余并提高参数估计准确性	包括开普勒轨道模型、血糖调控动态模型和多尺度脑模型在内的数学模型	机器学习	NA	NA	深度前馈神经网络	数值数据	涉及三个用例，但具体样本数量未在摘要中提及	NA	带瓶颈层的深度前馈神经网络	NA	NA
386	2026-08-13	An integrative approach to protein sequence design through multiobjective optimization 2024-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011953 PMID:38991035	研究论文	本文展示了一种通过进化多目标优化技术整合深度学习模型进行蛋白质序列设计的综合方法。	将NSGA-II多目标优化框架与AlphaFold2、ProteinMPNN和ESM-1v等深度学习模型结合，提供了一种协同整合不同模型和目标的蛋白质设计新途径，显著减少了序列恢复的偏差和方差。	未提及具体限制，但可能依赖于模型准确性和计算资源。	开发一种能够整合多模型和目标函数的蛋白质序列设计框架，提高设计效率和准确性。	折叠转换蛋白RfaH、PapD和钙调蛋白。	计算蛋白质设计	不适用	深度学习、多目标优化	NSGA-II、AlphaFold2、ProteinMPNN、ESM-1v	蛋白质序列和结构数据	三个蛋白质（RfaH, PapD, calmodulin）	自研框架	NSGA-II、AlphaFold2、ProteinMPNN、ESM-1v	序列恢复率、偏差、方差	未提及具体硬件资源
387	2026-08-13	Attention decoupled contrastive learning for semi-supervised segmentation method based on data augmentation 2024-06-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4d4f PMID:38759677	研究论文	提出了一种基于数据增强的注意力解耦对比学习半监督分割模型DADC，旨在提高医学图像分割精度	引入注意力解耦模块和对比学习，有效区分前景和背景，并通过数据增强融合标记与未标记数据信息，提升网络性能	文中未明确提及局限性	解决半监督分割中未充分利用未标记数据表示及忽视标记与未标记数据相互依赖的问题	自动化乳腺超声（ABUS）图像	计算机视觉	乳腺疾病	数据增强	对比学习模型	图像	未明确提及	NA	注意力解耦模块	分割精度	NA
388	2026-08-13	Prediction model of early recurrence of multimodal hepatocellular carcinoma with tensor fusion 2024-06-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4f45 PMID:38776945	研究论文	提出了一种基于张量融合的多模态肝细胞癌早期复发预测模型，结合影像组学与组织病理图像，并首次引入肝脏背景信息。	首次将肝脏背景纳入特征提取过程，并采用张量融合方法处理多尺度、多维度数据融合。	样本量相对较小，且为回顾性研究，可能限制模型的泛化能力。	开发一个多模态融合模型，通过结合MRI和组织病理图像，并加入肝脏背景信息，提高肝细胞癌术后早期复发的预测准确性。	176例确诊肝细胞癌患者的MRI（影像组学）和组织病理图像，以及外部验证的40例。	数字病理学, 计算机视觉	肝细胞癌（肝癌）	MRI（磁共振成像）, 组织病理学成像	深度学习分割算法（用于肝脏背景提取），张量融合神经网络	图像（MRI和组织病理图像）	训练/交叉验证176例，外部测试40例	未明确指定，推测为PyTorch或TensorFlow	分割网络（如U-Net），张量融合网络	AUC（曲线下面积）	未指定GPU类型或云平台
389	2026-08-13	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	本文介绍了一种基于机器学习的血浆ctDNA监测平台MRD-EDGE，通过信号富集实现超灵敏的肿瘤负荷监测	利用机器学习和ctDNA特异性特征空间，将WGS中SNV信号信噪比富集提升约300倍，并减少了CNV检测所需的测序深度	未在摘要中明确提及局限性	提高循环肿瘤DNA检测的灵敏度，用于微小残留病评估和治疗反应监测	多种癌症类型（包括肺癌、黑色素瘤、结直肠腺瘤）的患者样本	机器学习	肺癌, 黑色素瘤, 结直肠腺瘤, 多种实体瘤	全基因组测序	深度学习模型	基因组测序数据	未在摘要中明确提及	NA	NA	信噪比, 灵敏度	NA
390	2026-08-13	Directional TV algorithm for image reconstruction from sparse-view projections in EPR imaging 2024-05-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4a1b PMID:38729205	研究论文	提出定向全变分（DTV）算法，用于电子顺磁共振成像中稀疏视图投影的图像重建，以提高重建精度并减少扫描时间	提出定向全变分（DTV）模型，并推导出其Chambolle-Pock求解算法，相比现有FBP和TV类算法及深度学习方法，在稀疏重建中表现更优	摘要中未提及具体局限性	开发一种先进的算法，用于三维EPR成像的稀疏视图投影重建，以提高重建准确性并支持快速扫描	模拟六球体幻影和两个装有OX063三苯甲基溶液的实瓶幻影，由磁场强度为250 G的EPR成像仪扫描	图像重建	NA	EPR成像	定向全变分（DTV）算法	图像	模拟数据（六球体幻影）和两个实瓶幻影	NA	Chambolle-Pock算法	视觉检查和定量评估	NA
391	2026-08-13	DMGM: deformable-mechanism based cervical cancer staging via MRI multi-sequence 2024-05-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c50 PMID:38749463	研究论文	本文提出了一种基于可变形机制的卷积LSTM模块和可变形多序列引导模型（DMGM），用于利用多序列MRI图像进行宫颈癌分期。	首次将可变形卷积机制与ConvLSTM结合，提出DMGM模型用于宫颈癌多序列MRI分期，并引入序列增强策略以应对小样本问题。	未明确提及局限性，但小样本和模型泛化性可能仍需进一步验证。	利用深度学习方法，特别是可变形卷积层，对宫颈癌进行分期，并解决多序列识别和小样本过拟合问题。	宫颈癌患者的MRI多序列图像，以及作为外部验证的BraTS 2019多模态数据。	医学图像分析、深度学习	宫颈癌	MRI多序列成像	卷积LSTM（ConvLSTM）、可变形卷积网络	医学图像（MRI多序列）	未明确提及具体样本数量，但提及样本量有限。	NA	DMGM（包含可变形ConvLSTM模块）	比较实验和消融研究（未具体列出指标，可能包含准确率等）。	未提及。
392	2026-08-13	Enhancement of OCTen faceimages by unsupervised deep learning 2024-05-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c52 PMID:38749469	研究论文	提出一种基于无监督深度学习的管道，用于增强光学相干断层扫描（OCT）图像质量，同时改善散斑噪声和失焦问题。	采用无监督深度学习方法和循环训练策略，无需配对的训练数据，降低了数据构建的复杂性。	未提及具体局限性。	开发一种无监督方法增强OCT图像质量，以改善早期疾病的可视化。	OCT图像中的生物样本微观结构。	计算机视觉	不适用	OCT（光学相干断层扫描）	无监督深度学习模型（未指定具体类型）	图像	未提及具体样本数量；使用复杂生物样本构建数据集。	不适用	不适用	不适用	不适用
393	2026-08-13	Uncertainty estimation and evaluation of deformation image registration based convolutional neural networks 2024-05-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c4f PMID:38749468	研究论文	本研究提出一种基于卷积神经网络的新型概率多分辨率图像配准模型，用于快速估计形变图像配准及其不确定性，并通过新指标进行评估	提出一种基于卷积神经网络的概率多分辨率图像配准模型，估计多变量正态分布的稠密位移场，并引入基于Kullback-Leibler散度的新指标来评估不确定性质量	未在摘要中明确提及局限性，可能包括模型泛化性或临床应用的验证范围有限	开发和评估一种能在数秒内执行快速形变图像配准并预测其不确定性的模型，以提高临床部署的安全性和可靠性	治疗计划CT和随访锥形束CT的图像配准，用于日常自适应放疗	计算机视觉	癌症（涉及自适应放疗，但未特指癌症类型）	卷积神经网络	卷积神经网络	医学图像（CT和锥形束CT）	未在摘要中提供具体样本数量，可能涉及CT和CBCT图像对	未指定，可能使用深度学习框架如TensorFlow或PyTorch	概率多分辨率卷积神经网络	Dice相似系数，KL散度	未在摘要中提供具体计算资源信息
394	2026-08-13	An integrative approach to protein sequence design through multiobjective optimization 2024-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.01.582670 PMID:38496480	研究论文	本文提出一种基于多目标优化的蛋白质序列设计综合方法，利用NSGA-II框架整合AlphaFold2和ProteinMPNN等深度学习模型，以改进序列设计过程	首次将进化多目标优化技术适应于蛋白质设计，通过NSGA-II整合AlphaFold2和ProteinMPNN的置信度指标作为目标空间，并采用ESM-1v和ProteinMPNN组成的突变算子来排序和重新设计不利位置	摘要中未明确提及局限性	开发一种能够直接整合多种模型和目标函数的蛋白质序列设计框架，以解决复杂设计任务	折叠开关蛋白RfaH的多状态设计问题	计算蛋白质设计	不适用	多目标优化、深度学习	NSGA-II、AlphaFold2、ProteinMPNN、ESM-1v	蛋白质序列数据	以RfaH蛋白为案例，具体样本数量未提及	不适用	AlphaFold2、ProteinMPNN、ESM-1v、NSGA-II	序列恢复率（bias和方差）	不适用
395	2026-08-13	A decision-making mechanism for task offloading using learning automata and deep learning in mobile edge networks 2024-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e23651 PMID:38192752	研究论文	提出一种在移动边缘网络中利用学习自动机和深度学习进行任务卸载的决策机制，以应对工作负载波动问题	提出了一种动态资源需求下的任务卸载方法，使用学习自动机作为卸载决策者，结合长短期记忆网络进行自动缩放策略，并采用异步优势演员-评论家算法进行深度强化学习决策	未在真实环境中验证，仅通过iFogSim模拟器进行实验	解决移动边缘计算中任务卸载时动态资源需求和工作负载波动问题，提高可扩展性并降低延迟和能耗	移动边缘网络中的任务卸载机制	机器学习	NA	NA	长短期记忆网络、异步优势演员-评论家算法	模拟数据	NA	iFogSim	LSTM, A3C	延迟、能耗、可扩展性	NA
396	2026-08-13	Training immunophenotyping deep learning models with the same-section ground truth cell label derivation method improves virtual staining accuracy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1404640 PMID:39007128	研究论文	本文评估了用于免疫表型分析深度学习模型训练中，基于同一切片获取的金标准细胞标签相较于连续切片标签，能显著提升虚拟染色模型的预测性能与临床分层能力	首次系统研究了免疫表型分析深度学习模型中不同金标准细胞标签获取方法（同一切片与连续切片）对模型性能的影响，并通过同一切片方法有效提高了虚拟染色准确性	本研究以肺癌组织中的CD3+ T细胞作为概念验证，未覆盖其他免疫标记物或癌症类型，且未详细探讨同一切片方法的泛化性	评估同一切片和连续切片金标准细胞标签获取方法对H&E图像中免疫标记物预测模型性能的影响，并验证同一切片方法的临床效用	肺癌组织中的CD3+ T细胞，以及基于公共肺癌队列的患者生存分层	数字病理学	肺癌	免疫组织化学（IHC），苏木精-伊红（H&E）染色	生成对抗网络（GAN）	组织切片图像	未明确说明具体数量，涉及肺癌组织切片及公共肺癌队列	NA	Pix2Pix	预测性能指标，生存分层能力（未明确具体指标）	NA
397	2026-08-13	A high-accuracy lightweight network model for X-ray image diagnosis: A case study of COVID detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303049 PMID:38889106	研究论文	本研究提出一种基于轻量级网络MobileNetV3的改进模型，用于X射线图像的COVID-19检测，通过引入密集块、过渡层、标签平滑损失、类别加权和剪枝技术，在公开数据集上实现了高准确率和参数效率。	通过结合密集块和过渡层增强空间信息捕获，引入标签平滑损失处理类间相似性，采用类别加权解决数据不平衡，并应用剪枝技术大幅减少参数，实现了高精度与轻量化。	未提及潜在局限性，可能包括对特定数据集的依赖或泛化能力未知等（从摘要中无法提取详细信息）。	开发一种快速、可靠且轻量级的深度学习模型，用于COVID-19的X射线图像诊断，以缓解医疗资源有限地区的诊断压力。	X射线图像中的COVID-19检测，涉及公开可访问的数据库中的图像样本。	计算机视觉	COVID-19（冠状病毒病）	X射线成像	轻量级网络（基于MobileNetV3的改进模型）	图像数据（X射线图像）	未知（摘要未明确样本数量）	未指定（可能使用PyTorch或TensorFlow，但摘要未提及）	MobileNetV3、密集块、过渡层、剪枝技术	准确率（accuracy）	未提及（摘要未提供GPU型号或计算平台信息）
398	2026-08-13	Research on load clustering algorithm based on variational autoencoder and hierarchical clustering 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303977 PMID:38870191	研究论文	本文提出一种基于变分自编码器和度量学习的深度时间序列聚类方法，应用于工业负荷数据，提高了聚类准确性和速度	引入度量学习联合优化潜在空间表示，并采用对数似然和作为聚类合并标准，增强了聚类准确性和可解释性	未明确说明，但隐含大规模数据集上的可扩展性挑战仍需进一步验证	提高时间序列聚类的准确性和效率，尤其针对复杂时间序列数据	工业负荷时间序列数据	机器学习	NA	NA	变分自编码器	时间序列数据	工业负荷数据，具体样本数量未在摘要中明确	NA	门控循环单元	聚类准确率、速度	NA
399	2026-08-13	Deep learning based ECG segmentation for delineation of diverse arrhythmias 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303178 PMID:38870233	研究论文	本文介绍了一种基于深度学习的U-Net-like分割模型，用于心电图（ECG）中P波、QRS波和T波的精确分割，特别关注多种心律失常情况下的性能提升。	首次系统研究心律失常对ECG分割质量的影响，提出针对多种心律失常的U-Net-like分割模型和后处理算法，以自动确定波形边界并提高在心律失常下的表现。	未明确提及局限性，但可能包括对某些心律失常类型（如心动过速）在标准基准测试中表现不佳的问题。	旨在提高ECG分割模型在处理多种心律失常时的准确性和鲁棒性。	ECG信号中的P波、QRS波和T波。	深度学习、医学影像分析	心律失常	ECG信号处理	U-Net-like分割模型	ECG信号数据	训练集包含多种心律失常数据，评估集包括LUDB和QTDB数据集	NA	U-Net	F1分数	NA
400	2026-08-13	MRET: Modified Recursive Elimination Technique for ranking author assessment parameters 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303105 PMID:38870157	研究论文	提出了一种改进的递归消除技术（MRET）用于对作者评估参数进行排序，并利用多层感知机分类器对64种指标进行重要性评分和统计分析	首次将改进的递归消除技术（MRET）与多层感知机结合用于作者评估参数的排序，并通过对64种指标的系统性统计分析揭示参数间的潜在关联	数据仅来自数学领域，结果可能不适用于其他学科；样本仅包含525名获奖者和525名非获奖者，规模有限	识别和排序最有效的作者评估指标，以提升学术影响力评估的准确性	作者评估参数（共64种指标）以及数学领域研究人员的学术数据	数据挖掘，机器学习	不适用	大数据分析，统计建模	多层感知机（MLP）	数值型元数据，文本	525名未获奖者与525名获奖者（数学领域，共1050个样本）	不适用	多层感知机（MLP）	准确率，重要性分数，发生率	不适用