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
721	2026-08-29	A denoising method based on deep learning for proton radiograph using energy resolved dose function 2024-01-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad15c4 PMID:38096569	研究论文	提出一种基于能量分辨剂量函数的深度学习方法，用于质子放射图像去噪，以提高水等效路径长度测量的准确性。	通过建立WEPL特征曲线畸变与散射质子能量及比例的关系，并采用深度学习去除散射质子和校正偏移的WEPL值，与端到端图像去噪相比具有更大优势。	未提及具体局限性。	开发一种有效的质子放射图像去噪方法，提高WEPL测量精度，为精确质子放疗奠定基础。	校准模体和拟人头模体的质子放射图像。	医学影像处理	肿瘤（针对质子放疗）	质子放射成像	深度学习模型（未指定具体类型）	图像	校准模体和拟人头模体的质子放射图像（样本量未明确）	NA	NA	平均绝对误差、平均百分比差异、相对WEPL校正率	NA
722	2026-08-29	Deep learning-based synthetic dose-weighted LET map generation for intensity modulated proton therapy 2024-01-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad154b PMID:38091613	研究论文	提出了一种基于深度学习的框架，用于从剂量分布图预测质子治疗中的剂量加权LET分布图，以简化临床环境中LET图的生成过程并提高速度	首次采用CycleGAN模型从剂量图生成合成的剂量加权LET图，避免了复杂的物理模型和蒙特卡洛模拟，显著提高了生成速度	未提及具体局限性，但可能受限于训练数据的质量和泛化能力	开发一种深度学习框架，快速准确地生成质子治疗的LET分布图，以优化治疗计划并更好地考虑可变RBE	质子治疗中的剂量分布图和LET分布图	深度学习, 医学影像	肿瘤（质子治疗相关，未指定具体癌症类型）	深度学习（CycleGAN），蒙特卡洛模拟（用于生成训练数据）	CycleGAN	图像（剂量分布图和LET分布图）	未明确给出具体样本数量	未明确说明，可能为PyTorch	CycleGAN	平均绝对误差（MAE）、峰值信噪比（PSNR）、归一化互相关（NCC）	未明确说明，可能包括GPU
723	2026-08-29	Non-coplanar lung SABR treatments delivered with a gantry-mounted x-ray tube 2024-01-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad111a PMID:38035372	研究论文	本文提出一种使用机架上安装的X射线管的非共面肺SABR治疗方案，并验证其符合RTOG 0813标准且成本低廉。	提出了一种基于320 kVp X射线管和GPU反投影的SITKA系统，结合深度学习CBCT到sCT转换和新型逆向治疗规划，实现低成本的放疗方案。	研究仅基于两个患者病例，且未提供真实临床测试数据。	开发一种适用于低收入国家的低成本、有效的非共面肺SABR治疗系统。	两个肺癌患者病例，使用SITKA系统进行放疗规划。	医学影像和放射治疗	肺癌	蒙特卡洛模拟（MC）、深度学习CBCT到sCT转换	深度学习模型（具体类型未指定）	CT影像、治疗计划数据	2个肺癌患者病例	NA	未指定具体架构	RTOG 0813剂量学标准、最大剂量、平均剂量	GPU（用于反投影和深度学习）
724	2026-08-29	M3S-Net: multi-modality multi-branch multi-self-attention network with structure-promoting loss for low-dose PET/CT enhancement 2024-01-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad14c5 PMID:38086073	研究论文	提出了一种名为M3S-Net的多模态多分支多自注意力网络，结合结构促进损失函数，用于从低剂量PET/CT图像生成标准剂量PET图像，以提高图像质量	设计了多分支卷积神经网络与多自注意力机制，并在损失函数中引入多模态结构促进项以学习CT图像的解剖信息	未提及	提高低剂量PET图像质量，以减少辐射暴露和扫描时间，同时保持图像质量与标准剂量相当	低剂量PET/CT图像及对应的标准剂量PET图像	计算机视觉	不适用	PET/CT成像	卷积神经网络	图像	未提及	未提及	多分支卷积神经网络，多自注意力机制	客观指标、肿瘤生成质量、边缘保持、噪声抑制、伪影抑制	未提及
725	2026-08-29	Automated recognition of emotional states of horses from facial expressions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302893 PMID:39008504	研究论文	本研究首次使用受控实验收集的数据，开发了基于面部表情自动识别马匹情绪状态的AI模型。	首次将AI应用于马匹情绪状态（而非仅疼痛）的自动识别，并比较了深度学习和机器学习两种方法。	预期和沮丧情绪区分困难，准确率仅为61%。	开发AI模型以自动识别马匹的情绪状态（基线、积极预期、失望和沮丧）。	马匹的面部表情视频和EquiFACS标注。	计算机视觉	NA	视频数据收集和EquiFACS行为编码	深度学习模型和机器学习模型	视频和注释数据	未在摘要中指定	NA	NA（但可能涉及CNN等）	准确率	NA
726	2026-08-29	Enhancing sports image data classification in federated learning through genetic algorithm-based optimization of base architecture 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303462 PMID:38990969	研究论文	提出一种基于遗传算法优化的基础模型生成方法，用于增强联邦学习中体育图像数据的分类性能	通过遗传算法的染色体表示、交叉和变异操作生成优化的基础模型，无需损害性能即可显著改善推理时间和存储空间，便于部署在资源受限设备上	未在摘要中明确提及限制	在不影响性能的前提下生成优化的基础模型，以提升联邦学习中体育图像分类的效率和适用性	体育图像数据，在平衡和不平衡场景下，使用不同数量的客户端	机器学习	NA	NA	CNN（AlexNet, VGG19, ResNet50, EfficientNetB3）	图像	未在摘要中明确提及具体样本数量，但涉及平衡和不平衡数据集及9个客户端	NA	AlexNet, VGG19, ResNet50, EfficientNetB3	准确率、推理时间、存储空间	未在摘要中提及，但强调可部署在资源受限设备上
727	2026-08-29	HAPI: An efficient Hybrid Feature Engineering-based Approach for Propaganda Identification in social media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302583 PMID:38985703	研究论文	介绍了一种名为HAPI的混合特征工程方法，用于在社交媒体文本内容中识别宣传信息，并通过机器学习分类器实现高准确率检测	结合传统特征工程与机器学习，采用混合特征选择技术筛选出40个关键特征，提出了一种新的二元注释方案，并在Twitter数据上验证了其有效性	研究仅关注文本数据，未涵盖图像、音频和视频等多模态内容，且深度学习算法（如ANN）未被用于实验中	开发一种高效且准确的宣传识别系统，用于检测新闻文章和社交媒体帖子中的宣传内容	Twitter上收集的文本内容，包括新闻文章和社交媒体帖子	自然语言处理	NA	特征工程（包括TF-IDF、词袋、情感特征和推文长度）	机器学习分类器（MNB、SVM、决策树、逻辑回归）	文本数据	通过Twitter API收集的数据集，包含标注为宣传和非宣传的推文，具体数量未在摘要中提供	NA	多模型比较（MNB、SVM、决策树、逻辑回归）	精确率、召回率、F1分数、准确率	NA
728	2026-08-29	COVID-19 and Pneumonia detection and web deployment from CT scan and X-ray images using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302413 PMID:38976703	研究论文	利用深度学习模型从CT扫描和X射线图像中检测COVID-19和肺炎，并部署Web应用	结合多种深度学习模型和Web部署方案，以实现COVID-19和肺炎的快速、经济高效检测	未明确说明	开发一个AI驱动的自动工具，用于快速、低成本地检测COVID-19和肺炎	CT扫描和X射线图像	计算机视觉, 数字病理学	COVID-19, 肺炎	医学影像分析	CNN	图像	两个CT和X射线图像数据集，以及两个额外的X射线图像数据集	NA	VGG-19, ResNet-50, Inception V3, Xception	准确率	NA
729	2026-08-29	Advancing precision rheumatology: applications of machine learning for rheumatoid arthritis management 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1409555 PMID:38915408	综述	本文综述了机器学习在类风湿关节炎管理中的应用，涵盖诊断、治疗预测及亚型发现	系统总结了机器学习在类风湿关节炎管理中的最新应用，包括多种数据模态（电子健康记录、影像、多组学）和不同学习范式（监督与非监督）的整合	存在模型过拟合、泛化能力不足、缺乏临床验证和可解释性差等问题，样本量小且缺乏多样性，前瞻性研究缺乏	探讨机器学习在类风湿关节炎诊断和治疗管理中的潜力，并指出当前挑战和未来方向	类风湿关节炎患者，涉及电子健康记录、影像和多组学数据	机器学习	类风湿关节炎	NA	监督学习和非监督学习模型	电子健康记录、影像、多组学数据	NA	NA	NA	AUC	NA
730	2026-08-29	Utilization of Artificial Intelligence for the automated recognition of fine arts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312739 PMID:39585839	研究论文	本文介绍了一种基于人工智能的自动化美术作品识别方法，利用卷积神经网络和高级特征提取技术，在基准数据集上实现了对美术作品的多属性分类	结合定制CNN架构和高级特征提取技术，利用数据集的客观类型、流派、材料、技法等特征进行多属性分类，显著提高了识别准确率和效率	摘要中未提及具体局限性	提升美术作品自动识别的准确性和效率，推动美术分析跨学科领域的发展	美术作品，包括不同类型、流派、材料、技法和部门的艺术品	计算机视觉	NA	卷积神经网络（CNN）和高级特征提取技术	CNN	图像	基准数据集（具体样本量未提及）	NA	定制CNN架构	准确率、效率	NA
731	2026-08-29	The multi-strategy hybrid forecasting base on SSA-VMD-WST for complex system 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300142 PMID:38635832	研究论文	本文提出了一种基于优化混合去噪和深度学习的多策略混合预测技术，用于处理复杂系统的强随机性和非平稳性数据	创新性地将麻雀搜索算法优化的变分模态分解、小波软阈值去噪与CNN-BiLSTM深度学习模型相结合，实现了对实时序列数据的高效去噪和预测	未在摘要中明确提及局限性	旨在提高复杂系统实时时间序列数据的去噪和预测精度，为各行业相关预测提供可靠方法	复杂系统的实时时间序列数据	机器学习	NA	变分模态分解、小波软阈值去噪、麻雀搜索算法优化	CNN-BiLSTM	时间序列数据	NA	NA	CNN, BiLSTM	信噪比, 相关系数, 平均绝对误差, 均方根误差, 拟合优度	NA
732	2026-08-29	A bilateral filtering-based image enhancement for Alzheimer disease classification using CNN 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302358 PMID:38640105	研究论文	本研究提出了一种基于双边滤波和直方图均衡化的图像增强方法，并结合卷积神经网络（CNN）对阿尔茨海默病（AD）进行分类，将其分为轻度认知障碍（MCI）、正常对照（NC）和阿尔茨海默病三类。	创新性地将双边滤波与直方图均衡化相结合用于图像增强，以降低噪声并提升图像质量，从而改善深度学习模型对AD分类的性能。	未在论文标题和摘要中明确提及局限性。	开发一种性能优化的卷积神经网络，用于基于MRI数据将阿尔茨海默病分类为MCI、NC或AD三类，并解决图像噪声对模型性能的影响。	阿尔茨海默病患者的MRI图像，分为MCI、NC和AD三类。	计算机视觉、深度学习	阿尔茨海默病	MRI（磁共振成像）	CNN（卷积神经网络）	图像（MRI图像）	未明确提及具体样本数量，使用了10折交叉验证。	NA	CNN（包含四个卷积层和两个隐藏层）	准确率（accuracy）、AUC	NA
733	2026-08-29	The impact of technological innovation on the green digital economy and development strategies 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301051 PMID:38662690	研究论文	本研究探讨技术创新在绿色经济背景下对数字经济的动态影响，并基于优化的多层感知器网络模型提出可持续发展策略	针对传统多层感知器网络在绿色经济背景下的局限性，提出优化模型并用于动态分析技术创新对数字经济和产业结构的影响，同时制定可持续发展策略	文中未明确提及局限性	探究技术创新、产业结构、生产方式、经济增长与环境后果之间的相互作用，并提出促进绿色经济和可持续发展的策略	传统与绿色产业的产值、技术创新对数字经济的影响以及产业结构变化	机器学习	不适用	不适用	多层感知器（MLP）	数值数据	500个样本	不适用	多层感知器（MLP）	预测准确率、精确率、敏感度、平均绝对误差	不适用
734	2026-08-29	An open-source deep learning network AVA-Net for arterial-venous area segmentation in optical coherence tomography angiography 2023-Apr-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00287-9 PMID:37069396	研究论文	开发并验证了名为AVA-Net的开源深度学习网络，用于光学相干断层扫描血管造影（OCTA）中的动静脉面积分割，并提取了七种新特征用于糖尿病视网膜病变的早期检测	首次实现OCTA中动静脉面积和血流灌注强度的定量分析，提出了七个新特征，并验证了AV-PIDR作为早期DR检测最敏感特征的有效性	未明确说明限制，但可能包括样本量有限、特征在更广泛人群中的通用性需进一步验证	开发一种用于OCTA中定量动静脉分析的方法，通过分割动静脉区域并提取灌注特征，以实现糖尿病视网膜病变的早期检测	OCTA图像中的动静脉区域，以及健康对照、无DR糖尿病和轻度DR患者的OCTA图像	计算机视觉	糖尿病视网膜病变	OCTA（光学相干断层扫描血管造影）	深度学习网络（AVA-Net）	OCTA图像	包括健康对照组、无DR糖尿病组和轻度DR组，具体样本量未在摘要中说明	NA	AVA-Net（具体架构未详细说明）	敏感性，显著性差异（基于Bonferroni校正）	NA
735	2026-08-29	Automated identification of clinical features from sparsely annotated 3-dimensional medical imaging 2021-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00411-w PMID:33686212	研究论文	提出一种新的深度学习技术SLIVER-net，用于从稀疏标注的三维医学影像中自动识别临床特征，并在年龄相关性黄斑变性进展风险因素预测中验证其有效性	基于迁移学习，通过2D图像平铺和新增层利用3D结构，有效处理三维医学影像，克服标注数据稀缺问题	训练样本相对较少，阳性示例仅几十个，且主要针对特定疾病（AMD）进行验证	开发一种深度学习方法，以利用有限标注数据自动识别三维医学影像中的临床特征，提高医学诊断效率	年龄相关性黄斑变性（AMD）患者的光学相干断层扫描（OCT）三维体积	机器学习, 数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习网络（SLIVER-net，基于迁移学习）	三维医学影像（OCT体积）	数百个标注体积，数十个阳性训练示例	NA	SLIVER-net（使用2D平铺和3D结构增强）	准确率、召回率、F1分数、AUC（未明确列出，但提及优于现有技术及专家比较）	NA
736	2026-08-28	Single Au@Pt bimetallic nanoparticle collision electrochemistry: Deep learning-assisted prediction and ultrasensitive matrix metalloproteinase-9 sensing 2026-10-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345895 PMID:42618104	研究论文	本研究提出了一种结合金-铂双金属纳米颗粒电催化信号切换和深度学习算法的单颗粒碰撞电化学检测策略，用于超灵敏检测基质金属蛋白酶9（MMP-9）	首次将深度学习算法与单颗粒碰撞电化学相结合，实现了对复杂矩阵干扰下的肿瘤标志物的超灵敏和高特异性定量分析	未能提供具体局限性信息	开发一种高灵敏度、高特异性的单颗粒水平检测方法，用于复杂生物样品中基质金属蛋白酶9的定量分析	金-铂双金属纳米颗粒（Au@Pt NPs）和基质金属蛋白酶9（MMP-9）	电化学、纳米技术、深度学习	肿瘤疾病	电化学碰撞技术、深度学习	深度学习模型	电化学信号数据（i-t曲线）	不同浓度MMP-9触发的碰撞信号数据集	未提及	未提及具体架构	未提及具体指标	未提及
737	2026-08-28	PepOSX-AI: CPP - an interpretable transformer-based deep learning model for prediction of cell-penetrating peptides 2026-10-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345991 PMID:42567568	研究论文	开发了基于Transformer架构和六种理化描述符整合特征的深度学习模型PepOSX-AI: CPP，用于预测细胞穿透肽。	利用自注意力机制捕捉氨基酸序列的长程依赖，实现注意力模式的可解释性，并提供了新型计算工具和理论基础。	摘要中未提及局限性。	开发一个高效且可解释的深度学习模型，用于预测细胞穿透肽，以替代传统的耗时筛选方法。	细胞穿透肽（CPPs）	机器学习	NA	NA	Transformer	氨基酸序列	数据集（具体数量未提及）	NA	Transformer	AUC, 准确率	NA
738	2026-08-28	Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05289-x PMID:42399390	研究论文	评估商业深度学习算法在站立全脊柱X光片中测量脊柱骨盆参数的准确性，并探讨其在融合手术后的局限性。	首次评估商业AI软件在临床队列中测量脊柱骨盆参数的准确性，并特别关注其在脊柱融合术后患者中的表现。	AI在脊柱融合术后患者中的测量准确性下降，且对腰椎前凸的测量一致性仅为中等。	评估商业AI软件在站立全脊柱X光片中测量脊柱骨盆参数的准确性，并与放射科医生的测量结果进行比较。	495张站立全脊柱X光片，来自临床队列。	医学影像分析	脊柱疾病	X光	深度学习算法	图像	495张X光片（其中50张用于评估人类评分者间信度）	NA	NA	平均绝对误差, 组内相关系数, Spearman等级相关系数, 灵敏度, 特异度, 预测值	NA
739	2026-08-28	Deep learning-based CT-derived vertebral bone mineral density and metformin therapy: a longitudinal study in the Multi-Ethnic Study of Atherosclerosis 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05263-7 PMID:42218332	研究论文	本研究通过模拟目标试验，评估了二甲双胍治疗与基于深度学习的CT椎体骨密度变化之间的关联，并进行了亚组分析。	利用深度学习从CT图像中分割和校准椎体，量化骨密度，并结合目标试验模拟方法，对二甲双胍骨骼效应进行了纵向研究。	观察性研究，可能存在未测量的混杂因素，样本量有限，亚组分析的统计功效可能不足。	评估二甲双胍治疗对CT椎体骨密度的影响，并探讨不同亚组间的异质性，以支持二甲双胍的骨骼安全性。	来自动脉粥样硬化多种族研究（MESA）的参与者的CT影像数据。	医学影像分析	骨质疏松症	CT成像	深度学习模型	影像数据	238个试验条目（86个二甲双胍使用者，152个对照组）	NA	NA	NA	NA
740	2026-08-28	Deep learning-based chemical shift-artifact correction of ZTE MRI for enhanced bone depiction of the lumbar spine 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05290-4 PMID:42406056	研究论文	本研究评估了基于深度学习的化学位移校正重建在腰椎零回波时间MRI中增强骨骼描绘的效果，并与标准深度学习及非深度学习重建方法进行比较。	提出了一种结合化学位移校正的深度学习重建算法（DLCSC），能显著提高零回波时间MRI中骨骼的清晰度和图像质量。	该研究为单中心回顾性研究，样本量较小（38例），且未涉及多中心验证。	评估深度学习结合化学位移校正的重建方法对腰椎ZTE MRI骨骼描绘的改善效果。	腰椎ZTE MRI图像及骨骼结构	医学影像分析	骨骼疾病（腰椎相关）	ZTE MRI	深度学习（DL）	MRI图像	38例患者的腰椎ZTE MRI数据	NA	NA	图像锐度、信噪比、对比度噪声比、病理分类和骨骼描绘质量评分（4点量表）、加权Cohen's kappa	NA