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
4381	2026-08-13	Classifying histopathological growth patterns for resected colorectal liver metastasis with a deep learning analysis 2024-10-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae127 PMID:39471410	研究论文	开发并验证了一种基于深度学习的神经图像压缩算法，用于自动区分结直肠癌肝转移的促结缔组织增生性和非促结缔组织增生性组织学生长模式	首次将神经图像压缩技术应用于结直肠癌肝转移的组织学生长模式自动分类，实现了高准确率的二分类，并在外部验证中保持稳定性能	未明确提及局限性，但可能包括单中心开发数据集的偏差、对全切片图像的依赖以及模型在不同染色或扫描仪下的泛化性问题	开发并验证一种自动化的深度学习算法，以客观、高效地评估结直肠癌肝转移的组织学生长模式，促进其在临床实践和研究中的应用	结直肠癌肝转移患者的数字化苏木精-伊红染色全切片图像	数字病理学	结直肠癌肝转移	数字病理图像分析	深度学习模型（神经图像压缩）	全切片图像	开发队列932例患者（3641张全切片图像），外部验证队列870张全切片图像	NA	神经图像压缩	曲线下面积、多变量风险比	NA
4382	2026-08-13	An efficient brain tumor detection and classification using pre-trained convolutional neural network models 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36773 PMID:39281484	研究论文	本文提出使用预训练卷积神经网络模型进行脑肿瘤检测与分类，并评估其性能	结合预训练CNN模型（如ResNet50和EfficientNet）并利用数据增强技术，提高脑肿瘤检测的准确率、精确率和召回率	未在摘要中提及明确的局限性	开发并评估一种高效的脑肿瘤检测和分类方法，以提高诊断准确性	脑肿瘤MRI图像，包括三类肿瘤样本和一类非肿瘤样本	计算机视觉	脑肿瘤	MRI成像	卷积神经网络（CNN）	图像	未在摘要中明确提及样本数量	未指定	ResNet50, EfficientNet	准确率, 精确率, 召回率, 验证损失, 混淆矩阵, 总体损失	未提及
4383	2026-08-13	Decoding dynamic visual scenes across the brain hierarchy 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012297 PMID:39093861	研究论文	本研究利用艾伦视觉编码-神经像素数据集和深度学习模型，研究大脑层次结构中动态自然视觉场景的神经编码和解码机制	首次利用解码神经网络模型作为度量指标，系统评估动态自然视觉场景在不同脑区的编码质量，并揭示解码性能与解剖和功能层次指数之间的强相关性	摘要中未明确提及研究的局限性	探索大脑层次结构中动态自然视觉场景的神经编码机制，并验证解码模型作为编码质量度量的有效性	大脑各区域的神经群体活动，包括视觉皮层、皮层下核团和海马体神经元	神经科学	不适用	神经像素记录	深度学习神经网络模型	神经电生理数据（神经像素记录）和动态自然视觉刺激	来自艾伦视觉编码-神经像素数据集的多个脑区神经群体数据	未指明	未指明	解码性能指标（未具体说明）	未指明
4384	2026-08-13	Understanding patient-derived tumor organoid growth through an integrated imaging and mathematical modeling framework 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012256 PMID:39093897	研究论文	本文介绍了一种整合高内涵成像深度学习和数学建模的工作流程，用于分析和理解患者来源肿瘤类器官的生长动态，并应用于结肠癌类器官	创新地将高内涵成像深度学习平台与数学建模相结合，引入灵活的成长规律和可变休眠时间，以定量描述类器官生长动态	未明确提及局限性	建立对类器官生长动态基本特性和变异性的定量理解，以支持临床预测	患者来源的结肠癌肿瘤类器官	计算机视觉, 机器学习	结肠癌	高内涵成像	深度学习模型（未指定具体类型，如CNN）	图像	未明确提及样本数量	未明确提及	未明确提及，但可能包括卷积神经网络	未明确提及，可能包括生长率、休眠时间等	未明确提及
4385	2026-08-13	A transfer learning approach to identify Plasmodium in microscopic images 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012327 PMID:39102445	研究论文	本研究评估了使用预训练深度学习架构的迁移学习方法，用于在显微镜图像中自动识别疟原虫，并验证了DenseNet201模型的性能。	采用迁移学习技术，结合本地采集的疟疾图像数据，并进行了100次不同分区的交叉验证，证明了DenseNet201在疟原虫识别中的优越性和快速处理时间。	依赖有限的图像数据，未来需要扩展数据量并开发用户友好的计算机辅助诊断界面。	开发并验证基于迁移学习的自动化方法，用于在显微镜图像中识别疟原虫，以支持临床计算机辅助诊断。	疟原虫寄生虫在显微镜图像中的感染区域（感染或未感染）。	计算机视觉	疟疾	迁移学习	CNN（DenseNet201）	图像	6222个感兴趣区域（ROI），其中6002个来自BBBC数据库，220个由作者在FIOCRUZ本地采集。	NA	DenseNet201	AUC	NA
4386	2026-08-13	Reliable estimation of tree branch lengths using deep neural networks 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012337 PMID:39102450	研究论文	本研究探索使用深度学习模型来预测系统发育树中的分支长度，作为概念验证，并展示了在某些困难参数区域中相对于最大似然方法的优势	首次使用深度学习框架在固定树拓扑上从多序列比对或其表示中预测分支长度，并发现在这些困难参数区域中性能优于传统最大似然推断	仅作为概念验证，未在真实数据或变拓扑下测试	探索机器学习模型预测系统发育树分支长度的可能性，并评估其准确性和计算效率	系统发育树分支长度，来自多序列比对数据	机器学习	NA	多序列比对	深度学习模型	序列数据	NA	NA	NA	准确性，计算效率	NA
4387	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
4388	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
4389	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
4390	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
4391	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
4392	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
4393	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
4394	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
4395	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
4396	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。
4397	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
4398	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
4399	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
4400	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