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
4401	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）
4402	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
4403	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
4404	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
4405	2026-08-13	Postoperative Karnofsky performance status prediction in patients with IDH wild-type glioblastoma: A multimodal approach integrating clinical and deep imaging features 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303002 PMID:39527541	研究论文	本研究旨在开发一种结合临床数据和基于深度学习提取的MRI影像特征的多模态模型，用于预测IDH野生型胶质母细胞瘤患者术后6个月的KPS评分	结合VAE提取的MRI影像特征与临床参数，构建多模态预测模型，提高KPS预测性能，优于单一临床或影像模型	回顾性单中心分析，样本量有限（150例），需要外部验证	开发预测IDH野生型胶质母细胞瘤患者术后6个月KPS评分（<70）的多模态模型，以改善预后预测和个性化治疗	150例新诊断的IDH野生型胶质母细胞瘤患者，包括术前和术后MRI图像及临床参数	医学影像分析、深度学习	胶质母细胞瘤	MRI成像	变分自编码器（VAE）和神经网络	MRI图像和临床数据	150例患者（训练集100例，测试集50例），另使用1,476个MRI数据集用于预训练	未明确指定	变分自编码器（VAE）	AUC	未明确提及
4406	2026-08-13	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	系统分析蛋白质折叠依赖性灵活性与人工智能蛋白质结构预测之间的关系	首次大规模评估AI预测结构是否代表蛋白质的一种特定构象或平均构象，并发现预测结果与折叠类型相关	未明确说明局限性，可能包括对实验结构数量和质量的依赖	确定AI蛋白质结构预测是否反映蛋白质的灵活性，并评估这种预测与实验结构的差异是否依赖折叠类型	2878个具有至少十个不同实验结构的蛋白质，涵盖628种折叠类型	蛋白质结构预测	NA	人工智能结构预测（AlphaFold v2）和实验结构测定	深度学习模型（AlphaFold v2）	蛋白质三维结构数据	2878个蛋白质，628种折叠类型	NA	AlphaFold v2	RMSD	NA
4407	2026-08-13	Leveraging transfer learning with deep learning for crime prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296486 PMID:38630687	研究论文	本研究采用迁移学习范式，通过微调多种统计和深度学习方法，特别是基于BiLSTM的架构，来预测犯罪趋势	提出了一种基于BiLSTM的迁移学习架构，能够将犯罪知识从一个社区迁移到另一个社区，以解决数据不足和资源有限的问题	未明确指出局限性	利用迁移学习和深度学习提高犯罪预测的准确性，并减少训练时间和资源需求	芝加哥、纽约和拉合尔的犯罪数据集	机器学习	NA	迁移学习	SMA, WMA, EMA, LSTM, BiLSTM, CNN-LSTM	犯罪统计数据（时间序列）	未指明具体样本数量，但涉及三个城市的犯罪数据集	NA	BiLSTM, LSTM, CNN-LSTM	误差值（如MAE或RMSE）和运行时间	NA
4408	2026-08-13	Deep Learning Mammography Classification with a Small Set of Data 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230811142718 PMID:37860999	研究论文	本研究评估了使用七层卷积神经网络在小型数据集上对乳腺X线图像进行分类，以区分良性和恶性乳腺癌的能力。	在仅使用322张图像的有限数据集上，通过七层CNN架构实现了高精度（99.89%）的乳腺癌分类，优于以往研究。	数据集规模较小，可能影响模型的泛化能力；未提及外部验证或跨机构数据集的测试。	评估七层CNN在乳腺X线图像上区分良性和恶性肿瘤的有效性，以辅助医生诊断。	乳腺X线图像（乳腺钼靶图像）	计算机视觉	乳腺癌	乳腺X线摄影（钼靶成像）	卷积神经网络（CNN）	图像	322张乳腺X线图像（207张正常，115张异常）	未提及	七层CNN	损失率、准确率、精确率、召回率、F1分数、AUC	未提及
4409	2026-08-13	Deep-Learning-Based Segmentation of Extraocular Muscles from Magnetic Resonance Images 2023-Jun-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10060699 PMID:37370630	研究论文	本研究比较了四种深度学习框架（U-Net、U-NeXt、DeepLabV3+和ConResNet）在磁共振冠状位图像中对眼外肌进行多类像素级分割的性能	系统比较了四种深度学习模型在眼外肌MRI分割中的性能，并分析了空间不同图像平面对分割准确性的影响	未提供具体局限性信息	评估和比较深度学习模型在眼外肌MRI分割中的性能，并分析影响分割变异性和形态测量准确性的因素	眼外肌（EOMs）	深度学习，医学图像分割	NA	磁共振成像（MRI）	U-Net，U-NeXt，DeepLabV3+，ConResNet	磁共振图像	NA	NA	U-Net，U-NeXt，DeepLabV3+，ConResNet	IoU（交并比），Dice系数，质心距离偏移	NA
4410	2026-08-13	Predicting Protein-Peptide Interactions: Benchmarking Deep Learning Techniques and a Comparison with Focused Docking 2023-05-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00602 PMID:37167566	研究论文	本文评估了深度学习方法在预测蛋白质-肽相互作用中的性能，并与聚焦对接软件AutoDock CrankPep进行了比较。	首次对新的AlphaFold2多聚体模型和OmegaFold进行基准测试，并提出了结合ADCP和AlphaFold2的共识对接方法，显著提高了预测成功率。	研究仅限于99个非冗余蛋白质-肽复合物，可能无法完全代表所有蛋白质-肽相互作用的多样性，且未详细讨论计算资源消耗。	评估深度学习折叠模型在蛋白质-肽相互作用预测中的表现，并与聚焦对接软件进行比较，探索共识方法的潜力。	99个非冗余蛋白质-肽复合物。	结构生物学、深度学习	NA	深度学习（AlphaFold2, OmegaFold）、分子对接（AutoDock CrankPep）	CNN、Transformer（AlphaFold2, OmegaFold）	蛋白质-肽复合物三维结构数据	99个非冗余蛋白质-肽复合物	NA	AlphaFold2, OmegaFold, AutoDock CrankPep	对接成功率	NA
4411	2026-08-13	Determination of factors affecting customer satisfaction towards "maynilad" water utility company: A structural equation modeling-deep learning neural network hybrid approach 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13798 PMID:36873542	研究论文	本研究通过结构方程模型与深度学习神经网络的混合方法，确定影响Maynilad水务公司客户满意度的关键因素	首次将SERVQUAL维度和期望确认理论整合，并采用结构方程模型与深度学习神经网络的混合方法分析客户满意度	未在摘要中明确说明局限性	识别影响Maynilad水务公司客户满意度的关键因素，并为公司改进服务提供建议	Maynilad水务公司的725名客户	机器学习	NA	问卷调查	结构方程模型，深度学习神经网络	问卷数据	725名Maynilad客户	NA	NA	NA	NA
4412	2026-08-13	RETRACTED: A wearable-based sports health monitoring system using CNN and LSTM with self-attentions 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292012 PMID:37819909	研究论文	提出一种基于可穿戴设备、云计算和深度学习的运动健康监测系统，利用CNN、LSTM和自注意力机制预测运动员的健康状态。	融合CNN、LSTM和自注意力机制于运动健康监测，结合可穿戴设备和云平台实现实时监测与报告。	未提及局限，但文章已被撤回，可能涉及可靠性或伦理问题。	监测运动员的健康状态，以帮助其优化训练和比赛安排，防止受伤。	运动员的生理数据	机器学习	运动相关健康监测（非特定疾病）	可穿戴传感器数据采集	CNN-LSTM结合自注意力	生理时间序列数据	大型数据集（具体数量未提供）	NA	CNN, LSTM, 自注意力机制	准确率、特异性、精确率、F1分数	云计算平台（具体规格未提供）
4413	2026-08-13	Letter to the editor regarding 'deep learning for vessel-specific coronary artery calcium scoring: validation on a multi-centre dataset' 2022-12-19, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeac203 PMID:36208191	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4414	2026-08-13	Reply to: Letter to the editor regarding 'Deep learning for vessel-specific coronary artery calcium scoring: validation on a multi-centre data set' 2022-12-19, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeac213 PMID:36288548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4415	2026-08-13	Performance and usability testing of an automated tool for detection of peripheral artery disease using electronic health records 2022-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17180-5 PMID:35922657	研究论文	开发并评估一种利用电子健康记录自动检测外周动脉疾病的工具，同时调查医生对风险仪表盘表示的接受度。	使用时间工程特征训练的深度学习模型优于随机森林和传统逻辑回归模型，并首次结合医生可用性测试来评估自动化PAD检测工具的接受度。	模型尚未在前瞻性研究中得到验证，且对患者结局的影响未评估。	开发一种基于电子健康记录的自动化工具，用于识别未诊断的外周动脉疾病，并评估医生对风险仪表盘的接受度。	外周动脉疾病患者和对照组个体，以及参与可用性测试的初级和专科保健医生。	机器学习	心血管疾病	电子健康记录数据	深度学习、随机森林、逻辑回归	电子健康记录	3168名患者和16863名对照组	未指定	未指定	AUC	未指定
4416	2026-08-13	Automated wide-field malaria parasite infection detection using Fourier ptychography on stain-free thin-smears 2022-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.448099 PMID:35991917	研究论文	本研究利用傅里叶叠层成像技术生成无染色薄涂片全血样本中感染疟原虫红细胞的高分辨率定量相位图像，并结合机器学习和深度学习模型自动检测疟疾感染。	首次将傅里叶叠层成像与人工智能结合，实现全血样本中无染色、宽场、高分辨率疟疾感染检测，并利用GFP荧光标记进行自动标注。	深度学习模型的灵敏度较低（57%），可能影响实际诊断的检出率。	开发一种快速、无染色、灵敏的疟疾诊断平台，直接识别外周血中的寄生虫。	感染疟原虫的红细胞（红血细胞）和未感染的红细胞	数字病理学	疟疾	傅里叶叠层成像（Fourier ptychography）	随机森林、VGG16	定量相位图像	每个视野中数千个红细胞（具体数量未在摘要中给出）	NA	随机森林、VGG16	特异性、灵敏度	NA
4417	2026-08-12	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	本文提出了一种基于信号处理的特征提取器HBD，用于轴承故障诊断的多任务通用模型	通过理论证明结合线性和二次神经元提高逼近效率，设计双时域盲反卷积分支和频域模块的HBD架构	未提及具体限制	构建通用特征提取器以提升轴承故障诊断的准确性和可解释性	轴承故障诊断任务	机器学习	轴承故障	盲反卷积	神经网络	信号数据	未提及	NA	二次卷积网络	准确性	未提及
4418	2026-08-12	MoST: A monotone set transformer for scalable and verifiable neuro-fuzzy aggregation 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109153 PMID:42184462	研究论文	本文提出了一种名为MoST（单调集合变换器）的新型神经模糊架构，用于可扩展且可验证的集合数据聚合，满足排列不变性、单调性和计算可扩展性等理论公理	提出了双管齐下的设计：基于正核的可学习非竞争性门控机制用于近似超模协同效应，以及基于有序加权平均（OWA）的语义锚点实现显式的秩依赖聚合，复杂度为O(NlogN)，并从理论上证明了MoST保持集合包含单调性	实验结果显示，在分子任务中，严格的单调约束与无约束的预测灵活性之间存在任务依赖的权衡，表明该方法在某些任务中可能因单调性约束而损失性能	弥合深度学习架构与公理化聚合理论之间的差距，开发一种可验证的神经模糊集合聚合方法，满足安全性关键领域的严格理论公理	集合结构数据，包括合成数据集和分子任务数据集	机器学习	不适用	不适用	集合变换器（基于Transformer的变体）	集合数据，包括合成数据和分子数据	不适用	不适用	Transformer	单调认证、时间/内存缩放、预测性能	未明确说明
4419	2026-08-12	CollDTI: Dual-encoder collaborative learning for drug-target interaction prediction 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109175 PMID:42217429	研究论文	提出了一种名为CollDTI的双编码器协作学习框架，用于药物-靶点相互作用预测，通过联合建模内在结构特征和外部关系特征来提高预测性能。	提出了一种双编码器协作学习框架，结合多视图异构图神经网络和加权残差交叉注意力机制，实现结构特征与关系特征的高层语义融合。	文中未明确提及局限性，可能包括对计算资源的高需求或对特定数据集依赖等。	提高药物-靶点相互作用预测的准确性和可靠性，以支持药物发现、副作用评估和药物重定位。	药物-靶点对	机器学习	NA	图神经网络	异构图神经网络	药物和靶点的结构及关系数据	NA	NA	多视图异构图神经网络、图卷积网络、加权残差交叉注意力机制	准确性、可视化、案例研究	NA
4420	2026-08-12	DPC: Dynamic purification chain for adaptive adversarial defense 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109189 PMID:42229394	研究论文	提出动态净化链（DPC）方法，通过组合像素和几何变换并动态构建净化链，以防御强自适应对抗攻击，同时保持对干净数据的高准确性	结合像素与几何变换构建动态净化链，并通过反馈算法动态构建以避免过度净化，有效应对知道防御参数的强自适应攻击	未提及	提出一种能够防御强自适应对抗攻击的净化方法，提高深度学习模型的鲁棒性	深度学习模型在图像分类任务中的对抗攻击防御	计算机视觉	不适用	对抗净化	未明确指定	图像	使用CIFAR-10、CIFAR-100和Imagenette数据集，具体样本数未提及	未明确指定	未明确指定	准确率	未提及