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
481	2026-09-05	ET-Network: A novel efficient transformer deep learning model for automated Urdu handwritten text recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302590 PMID:38758731	研究论文	提出了一种名为ET-Network的基于Transformer的高效深度学习模型，用于乌尔都语手写文本的自动识别	将自注意力机制集成到EfficientNet中进行特征提取，并结合Transformer进行语言建模，以捕捉长距离依赖，提升识别性能	未明确说明，但可能受限于乌尔都语手写数据集的有限性和多样性	解决乌尔都语手写文本自动识别中的挑战，提高识别准确性	乌尔都语手写文本图像	计算机视觉, 自然语言处理	NA	NA	Transformer, EfficientNet	图像, 文本	使用了三个数据集：NUST-UHWR, UPTI2.0, 和 MMU-OCR-21	NA	EfficientNet, Transformer	字符错误率, 词错误率	NA
482	2026-09-05	Predicting hotspots for disease-causing single nucleotide variants using sequences-based coevolution, network analysis, and machine learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302504 PMID:38743747	研究论文	开发了一个基于蛋白质残基接触网络的序列变异位点预测流程，结合共进化分析、网络分析和机器学习，以预测致病性单核苷酸变异的 hotspots。	整合多个基于深度学习的共进化分析工具构建残基接触网络，并利用机器学习融合多种网络中心性得分来预测疾病突变热点，区别于以往忽视了残基间相互作用或依赖已知结构的方法。	未明确提及，但可能受限于数据集规模（107种蛋白质）和依赖序列预测的准确性。	提高致病性突变热点预测的准确性和通量，以支持个性化医疗和药物设计。	疾病相关蛋白质的残基变异位点，尤其关注致病性单核苷酸变异。	机器学习, 生物信息学	遗传病	共进化分析（RaptorX, DeepMetaPSICOV, SPOT-Contact）, 机器学习	随机森林, 梯度提升, 极限梯度提升	蛋白质序列数据	107种富含疾病突变的蛋白质	NA	NA	NA	NA
483	2026-09-05	Multi-strategy modified sparrow search algorithm for hyperparameter optimization in arbitrage prediction models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303688 PMID:38748753	研究论文	本研究提出一种多策略改进的麻雀搜索算法（MSMSSA）用于优化LSTM网络超参数，构建套利价差预测模型，并在中国期货市场的实际数据上验证其高精度预测性能。	引入良好点集理论、比例自适应策略和改进的位置更新方法，增强麻雀搜索算法的空间探索能力，并将该算法应用于LSTM超参数优化，形成MSMSSA-LSTM模型，显著提高套利价差预测精度。	未明确提及局限，但可能包括模型复杂度和计算资源需求较高，以及对特定市场数据的适用性。	利用改进的麻雀搜索算法优化LSTM超参数，提升套利价差预测模型的准确性和稳定性，为投资者提供参考。	中国期货市场中螺纹钢和热轧卷板的期货套利价差数据。	机器学习	NA	启发式优化算法（麻雀搜索算法改进）、时间序列预测	LSTM	时间序列数据（期货价差数据）	NA（使用真实套利价差数据，具体样本数未在摘要中提供）	NA	LSTM	平均绝对百分比误差、均方根误差、平均绝对误差	NA
484	2026-09-05	Attention pyramid pooling network for artificial diagnosis on pulmonary nodules 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302641 PMID:38753596	研究论文	提出一种基于注意力金字塔池化网络（APPN）的自动化工具，用于提高CT图像中肺结节分类的准确性	提出注意力主金字塔模块，结合注意力机制和金字塔池化，实现多尺度特征融合并聚焦重要特征，同时采用门控空间记忆技术解码特征，以提高肺结节分类性能	未在摘要中提及具体限制	开发自动工具以改进肺结节分类，降低肺癌死亡率	肺结节CT图像	计算机视觉	肺癌	NA	卷积神经网络	图像	LIDC-IDRI数据集	NA	VGG16、注意力金字塔池化网络	灵敏度、特异性、准确性、阳性预测值、阴性预测值、AUC	NA
485	2026-09-05	MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310121 PMID:39475971	研究论文	本文提出了一种噪声鲁棒的深度学习模型MosquitoSong+，用于从翅膀声音中分类蚊子的种类和性别	通过调整1D-CNN架构并引入噪声增强和翅膀音量变化两种数据增强技术，提高模型对环境噪声和飞行音调相对体积的鲁棒性	未明确提及，但可能受限于特定数据集和背景噪声类型，需进一步验证在真实环境中的广泛适用性	开发一种实用的深度学习模型，以自动、准确地识别蚊子的种类和性别，从而支持蚊媒疾病风险评估和防控工作	蚊子个体，包括不同种类和性别的蚊子，基于其翅膀声音进行分类	机器学习	蚊媒疾病	翅膀声音分析	一维卷积神经网络（1D-CNN）	翅膀声音数据	多个翅膀声音数据集，具体数量未在摘要中提及	NA	1D-CNN	准确率	NA
486	2026-09-05	Exploring the feasibility of FOCUS DWI with deep learning reconstruction for breast cancer diagnosis: A comparative study with conventional DWI 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313011 PMID:39480865	研究论文	本研究比较了基于深度学习重建的FOCUS DWI与传统DWI在乳腺癌诊断中的可行性，发现FOCUS-DLR DWI图像质量更优	首次将深度学习重建技术应用于FOCUS DWI进行乳腺成像，并与传统DWI进行系统性比较，证明DLR能提升图像质量	样本量较小（49例），且为单中心研究，可能影响结果的普适性	评估深度学习重建的FOCUS DWI相比传统DWI在乳腺癌诊断中的图像质量优势，以支持其临床应用	49例疑似乳腺癌的女性患者	医学影像	乳腺癌	扩散加权成像（DWI）、FOCUS DWI、深度学习重建（DLR）	深度学习重建模型（具体未提及）	MRI图像	49例患者	NA	NA	主观评分（图像质量、解剖细节、病灶可见性、伪影、畸变）以及客观指标：信噪比（SNR）、对比噪声比（CNR）、表观扩散系数（ADC）	NA
487	2026-09-05	Improving traffic accident severity prediction using MobileNet transfer learning model and SHAP XAI technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300640 PMID:38593130	研究论文	本研究旨在利用多种迁移学习技术构建交通事故严重程度预测模型，并通过SHAP可解释性技术分析各特征对预测结果的影响，以提高模型透明度。	首次将可解释性分析（如SHAP）应用于多种迁移学习模型（特别是MobileNet）以预测事故严重性，并强调模型解释的重要性。	未提及，论文可能未包含模型局限性讨论。	创建使用多种迁移学习技术的预测模型，并利用Shapley值提供最具影响力因素的见解，以提高事故预测的准确性和可信度。	高速公路交通事故及其严重程度（伤亡程度）。	机器学习	不适用	迁移学习	MLP、CNN、LSTM、ResNet、EfficientNetB4、InceptionV3、Xception、MobileNet	结构化交通数据（表格数据）	未明确提及样本数量	未指定	MobileNet、ResNet、EfficientNetB4、InceptionV3、Xception	准确率（accuracy）	未提及
488	2026-09-05	An improved breast cancer classification with hybrid chaotic sand cat and Remora Optimization feature selection algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300622 PMID:38603682	研究论文	本文提出了一种改进的乳腺癌分类方法，结合混合混沌沙猫与Remora优化特征选择算法，并在BreakHis数据集上实现了高精度分类	提出混合混沌沙猫优化与Remora优化算法相结合的特征选择方法，并使用条件变分自编码器进行分类	未在摘要中提及明显局限性	提高乳腺癌组织学图像分类的准确性和效率	乳腺癌组织学图像	计算机视觉、数字病理学	乳腺癌	图像处理技术（滤波、分割）	条件变分自编码器（Conditional Variational Autoencoder）	图像	使用BreakHis数据集（未明确样本数量）	NA	条件变分自编码器	准确率、精确率、召回率、F分数、特异性、FDR、FNR、FPR、MCC、NPV	NA
489	2026-09-05	Spatiotemporal denoising of low-dose cardiac CT image sequences using RecycleGAN 2023-09-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acf223 PMID:37604139	研究论文	提出使用RecycleGAN对低剂量心脏CT图像序列进行时空去噪，以提高图像质量并减少辐射剂量。	利用RecycleGAN的循环网络结构，在图像转换中融入时间信息，实现时空去噪，相比仅考虑空间信息的CycleGAN有所创新。	研究表明在模拟数据（XCAT phantom）和临床数据上的性能提升，但存在如训练数据有限、需进一步验证泛化能力等限制。	开发一种时空深度学习方法，增强在减少辐射剂量下采集的心脏CT图像序列的质量。	低剂量心脏CT图像序列（包括模拟和临床数据）。	计算机视觉，深度学习	冠状动脉疾病	CT成像	生成对抗网络（GAN），具体为RecycleGAN和CycleGAN	图像序列（心脏CT图像）	模拟数据18例（训练14例，验证2例，测试2例），临床数据50例	未提及	RecycleGAN（基于CycleGAN，含循环网络）	视觉检查、定量指标（具体指标未在摘要中列出，可能包括PSNR、SSIM等）	未提及
490	2026-09-05	Protein Family Classification from Scratch: A CNN Based Deep Learning Approach 2021 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2020.2966633 PMID:31944984	研究论文	本文提出了一种基于CNN的深度学习方法，用于从头进行蛋白质家族分类，利用有限的已表征蛋白质并考虑氨基酸位置信息。	创新点在于：1) 使用CNN进行氨基酸表示学习，摒弃了传统的N-Gram特征提取，同时关注基序及基序与邻近氨基酸的亲和性信息；2) 在有限样本下进行训练，并利用UniProt数据库中已审阅和未审阅的蛋白质序列进行验证	尚未提供明确的局限性说明	利用CNN和氨基酸表示学习，提高蛋白质家族分类的准确性，特别是对于未表征蛋白质。	蛋白质家族分类，以及来自UniProt数据库的蛋白质序列。	机器学习	不适用	NGS，CNN	CNN	蛋白质序列数据	不明确，但包含UniProt数据库中已审阅和未审阅的蛋白质序列	不明确	CNN	不明确	不明确
491	2026-09-04	Deep Learning Model for Extensive Diagnosis of Corneal Deposits 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004018 PMID:41236421	研究论文	开发了一种扩展的深度学习模型（CorneAI），用于分类角膜沉积相关疾病，并评估其性能与专家和住院医师的比较。	首次在CorneAI中集成深度学习模型，以诊断7种角膜沉积相关疾病，包括多种罕见类型。	模型在分类淀粉样变性和凝胶状滴状营养不良方面精度不足。	提高CorneAI诊断角膜沉积相关疾病的能力。	角膜沉积相关疾病（包括淀粉样变性、带状角膜病变、颗粒状角膜营养不良、格子状角膜营养不良、凝胶状滴状营养不良、施奈德角膜营养不良、斑点状角膜营养不良）。	计算机视觉	角膜疾病	裂隙灯成像	卷积神经网络（CNN）	图像（裂隙灯图像）	1546张裂隙灯图像（训练），303张测试图像	PyTorch	YOLOv5	阳性预测值	NA
492	2026-09-04	Artificial Intelligence for Diagnosing Meibomian Gland Dysfunction: A Systematic Review and Meta-Analysis of Diagnostic Test Accuracy Studies 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004151 PMID:41931504	系统综述和Meta分析	对基于人工智能的睑板腺成像解读与人工分级在诊断睑板腺功能障碍中的性能进行系统综述和Meta分析	首次对人工智能诊断睑板腺功能障碍的诊断测试准确性研究进行系统综述和Meta分析，采用Cochrane方法和GRADE框架评估证据质量	大多数研究存在高偏倚风险和应用性问题，整体证据确定性低至极低	评估和综合基于人工智能的睑板腺成像解读在诊断睑板腺功能障碍中的诊断性能	睑板腺成像图像，来自14项研究中的5511名参与者	医学影像分析	睑板腺功能障碍	非接触式红外成像和体内共聚焦显微镜成像	深度学习模型	图像	14项研究，5511名参与者，18926张睑板腺图像	NA	深度学习架构（具体未指定）	敏感性、特异性、置信区间	NA
493	2026-09-04	Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Poststroke Outcomes 2026-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9289 PMID:41826063	研究论文	开发并验证一种基于CTA的自动定量侧支指数（qCI），利用深度学习U-Net分割框架，评估其预测急性缺血性脑卒中患者预后和功能结局的能力	提出全自动CTA衍生定量侧支指数（qCI），结合血管形态学指标，并验证其在预测卒中预后中优于CTP灌注指标的性能	单中心回顾性研究设计，样本量有限（230例）	评估自动CTA衍生侧支评分及形态学指标对急性缺血性脑卒中患者治疗后恢复和功能结局的预测能力	2019至2023年间接受血管内血栓切除术（EVT）的230例急性缺血性脑卒中（AIS）患者	医学影像分析	急性缺血性脑卒中	CTA血管成像	U-Net和梯度提升决策树（GBDT）	影像数据（CTA和CTP扫描）	230例急性缺血性脑卒中患者	NA	U-Net、梯度提升决策树	准确性、Pearson相关系数、Cohen κ、AUROC、Brier评分	NA
494	2026-09-04	Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study 2026-09-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253513 PMID:41346133	研究论文	该回顾性单中心研究评估了深度学习重建相较迭代重建在常规临床CT扫描中的辐射剂量降低效果及其图像质量影响	大规模单中心研究，覆盖四种不同CT协议，全面评估深度学习重建的剂量降低一致性和有效性	回顾性单中心设计，可能导致选择偏倚，且未提及跨中心泛化性验证	评估深度学习重建能否在保持或提高图像质量的前提下降低常规临床CT扫描的辐射剂量，并分析其在不同协议中的一致性和有效性	13,060名接受四种CT协议（胸部、头部、胸腹盆肿瘤、下肢CTA）的患者，其中亚样本200名用于图像质量评估	医学图像分析	不适用	CT成像	深度学习重建	CT图像	13,060名患者（图像质量评估亚样本200名）	NA	NA	信噪比、对比噪声比	NA
495	2026-09-04	Artificial intelligence for the prediction of synchronous and metachronous liver metastasis in colorectal cancer patients: a systematic review and meta-analysis 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05433-0 PMID:41721867	系统综述与荟萃分析	本系统综述和荟萃分析评估了人工智能模型（包括放射组学和深度学习）预测结直肠癌患者同步和异时性肝转移的能力。	本研究首次对放射组学和深度学习模型在预测结直肠癌肝转移方面的性能进行了全面的系统评价和荟萃分析，包括对亚组和异质性来源的深入分析。	纳入研究的方法学和报告质量普遍偏低，存在偏倚风险，特别是在参考标准和指数测试方面。	评估人工智能模型是否能准确预测结直肠癌患者的同步和异时性肝转移。	结直肠癌患者的医学影像数据和人工智能预测模型。	医学影像分析	结直肠癌肝转移	NA	放射组学模型和深度学习模型	医学影像数据（如CT、MRI等）	包含21项研究，涉及6759个研究记录	NA	深度学习架构（如CNN等），具体未指明	敏感性、特异性、SROC曲线AUC、阳性似然比、阴性似然比、阳性预测值、阴性预测值	NA
496	2026-09-04	NPSVC++: A Representation Learning Framework for Nonparallel Classifiers 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3661343 PMID:41758861	研究论文	提出NPSVC++框架，通过多目标优化实现非平行支持向量分类器及其特征的联合学习	首次将多目标优化用于非平行支持向量分类器的表示学习，通过Pareto最优性保证特征最优性和类间独立性	未在标题和摘要中明确提及限制	打破非平行支持向量分类器无法通过表示学习（尤其深度学习）提升性能的瓶颈	非平行支持向量分类器及其特征学习问题	机器学习	NA	多目标优化，对偶优化	非平行支持向量分类器	NA	NA	NA	K-NPSVC++和D-NPSVC++	未在摘要中明确提及，但实验对比了现有方法	NA
497	2026-09-04	Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05419-y PMID:41801379	系统综述	本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测和手术指导中的应用。	系统分层评估AI/DL算法在不同任务（检测、预测、指导）中的性能，并整合QUADAS-2及AI扩展工具进行质量评估	研究存在方法学异质性和证据确定性低（GRADE评级），限制了荟萃分析的可行性	系统回顾并综合AI和深度学习算法在超声肾结石诊断和管理中的应用证据	超声图像中的肾结石，包括检测、分类、并发症预测和手术指导	医学影像分析	肾结石	超声成像	CNN变体、机器学习集成模型	超声图像和临床数据	9项研究	NA	CNN	准确率、AUC	NA
498	2026-09-04	A Deep Learning Approach for Dynamic Modeling of Stimulated Raman Scattering in Chalcogenide Microstructured Optical Fibers 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670396 PMID:41818024	research paper	提出一种基于混合神经网络的深度学习框架，用于快速准确预测硫系微结构光纤中的受激拉曼散射行为，相比传统方法显著提升计算速度。	首次成功在2微米直接泵浦的悬浮芯AsS微结构光纤中产生中红外受激拉曼散射，并利用混合神经网络实现动态建模，大幅加快预测速度。	未提及	开发一种快速且精确的深度学习模型，用于模拟非线性脉冲传播中的受激拉曼散射，替代计算代价高的传统方法。	硫系微结构光纤中的受激拉曼散射过程	机器学习	NA	NA	混合神经网络	模拟数据和实验数据	未明确报告；可能基于特定的光纤配置和多种输入参数	NA	混合神经网络（具体架构未指定）	与SSFM相比在GPU上快了116倍，在CPU上快了44倍；未明确给出精度指标	GPU和CPU环境对比
499	2026-09-04	Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670186 PMID:41886318	研究论文	提出一种基于图神经网络（GNN）的稳健端到端时延预测模型，通过全局路由表示、路由感知注意力和掩码子图采样，克服现有深度学习模型对路由序列编码的依赖，提升泛化能力	引入全局拓扑-路由统一表示、路由感知注意力机制以及掩码子图采样策略，无需路由序列即可推断全局路由相关性，增强对未知路由方案的泛化能力	未来仍需在更复杂和动态的路由场景中进一步验证模型	实现稳健的端到端时延预测，以支持智能网络管理	网络拓扑中的端到端时延预测，涉及多种路由配置	机器学习	NA	NA	图神经网络（GNN）	网络拓扑数据、路由数据	四个公开数据集（TnCwD, NSFNET, GBN, GEANT2）	NA	GNN	预测准确度	NA
500	2026-09-04	Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675381 PMID:41911145	研究论文	提出一种语义提示与图卷积结构蒸馏框架，用于遥感图像语义分割，通过多模态特征增强和双路径知识蒸馏实现高效性能	设计双路径知识蒸馏方案，包括基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏，并引入两个轻量模块以融合去噪nDSM和RGB特征	本文摘要未明确提及局限性	解决高分辨率遥感语义分割中模态异质性、细粒度物体结构和深度学习高计算成本的问题	Vaihingen和Potsdam遥感数据集	计算机视觉	不适用	数字表面模型（nDSM）	知识蒸馏、图卷积网络、轻量级架构	图像	Vaihingen和Potsdam数据集	PyTorch（推断）	SPGSNet-S*（包含ASFE和RGB表示模块、双蒸馏模块）	竞争性性能（具体指标未在摘要中列出，如准确率和FLOPs）	未明确提及，但参数8.89M，FLOPs 2.29G，推断对资源需求低