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
7461	2026-01-03	A deep learning-based early prediction framework for weight management using real-world lifelog data: GRU-ODE-Bayes model development and validation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406656 PMID:41473832	研究论文	本研究开发了一个基于GRU-ODE-Bayes的深度学习框架，利用真实世界的生活日志数据预测体重管理中的早期成功减重	提出了一种结合门控循环单元、常微分方程和贝叶斯方法的深度学习框架，以处理真实世界数据中常见的缺失和不规则采样问题，实现早期体重管理预测	研究基于特定健康追踪应用（Noom Coach）的用户数据，可能无法泛化到其他平台或人群；数据为回顾性队列，可能存在选择偏倚	开发一个能够利用真实世界生活日志数据早期预测体重管理成功率的深度学习模型	使用Noom Coach健康追踪应用的用户，其生活日志数据包括体重、运动、餐食记录等	机器学习	肥胖	深度学习	GRU-ODE-Bayes	时间序列数据（生活日志）	34,322名用户，分为训练集（24,292）、验证集（6,074）和测试集（3,375）	NA	GRU-ODE-Bayes	ROC AUC, PRC AUC	NA
7462	2026-01-03	MultiFAR: Multidimensional information fusion with attention-driven representation learning for student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333099 PMID:41134863	研究论文	提出了一种名为MultIFAR的多维信息融合模型，通过注意力机制驱动的深度学习来预测学生表现	融合了学生人口统计、评估和虚拟学习环境交互等多维信息，并采用注意力机制结合双向长短期记忆网络和卷积网络来高效学习学生表示	未明确提及具体局限性，但可能包括对数据质量和多样性的依赖	预测学生表现，特别是早期识别有风险和高表现学生	学生行为数据，包括人口统计、评估和虚拟学习环境交互信息	机器学习	NA	深度学习	BiLSTM, CNN	多维数据（人口统计、评估、交互）	使用Open University Learning Analytics数据集，具体样本数未明确	NA	BiLSTM, CNN	准确率	NA
7463	2026-01-03	Emerging Brain-to-Content Technologies from Generative AI and Deep Representation Learning 2024-Nov, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/msp.2024.3484629 PMID:40786597	综述	本文探讨了生成式AI和深度表示学习在脑机接口（BCI）领域催生的新兴脑到内容技术	提出了由生成式AI和深度学习驱动的BCI 2.0系统，将传统脑机接口升级为能够生成内容的范式转变技术	NA	回顾并展望生成式AI与深度学习在脑到内容技术中的应用与发展	脑机接口系统及其与生成式AI结合的技术	自然语言处理, 计算机视觉, 机器学习	NA	生成式AI, 深度表示学习	NA	信号, 图像, 语音, 文本	NA	NA	NA	NA	NA
7464	2026-01-03	HAMIL-QA: Hierarchical Approach to Multiple Instance Learning for Atrial LGE MRI Quality Assessment 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72378-0_26 PMID:41473352	研究论文	本研究提出了一种名为HAMIL-QA的分层多示例学习框架，用于自动化评估心房纤维化LGE MRI图像的质量	提出了一种分层袋与子袋结构的多示例学习方法，能够在子袋内进行针对性分析并在体积层面聚合信息，从而减少对大量标注的依赖、降低计算负担，并专注于诊断关键特征	未在摘要中明确说明	开发一种自动化、可扩展的解决方案，用于评估左心房纤维化3D LGE MRI图像的质量，以提高诊断准确性、标准化评估并改善患者预后	左心房纤维化的3D晚期钆增强（LGE）MRI图像	数字病理学	心血管疾病	晚期钆增强（LGE）MRI	多示例学习（MIL）	图像	NA	NA	分层多示例学习框架（HAMIL-QA）	准确率, AUROC, F1分数	NA
7465	2026-01-03	Real-time counting of wheezing events from lung sounds using deep learning algorithms: Implications for disease prediction and early intervention 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294447 PMID:37983213	研究论文	本研究开发了一种基于深度学习算法的实时喘息事件计数方法，用于肺部声音分析，以改善症状自我管理和远程医疗监测	提出了一种创新的实时喘息计数算法，能够将单个呼吸周期详细标记为三种类型（间歇、正常、喘息），并捕获异常声音的位置、持续时间和在整个呼吸周期中的关系，包括非典型模式	未明确说明算法在更广泛人群或不同环境下的泛化能力，也未讨论实时处理对计算资源的具体要求	开发实时喘息计数算法，用于肺部疾病预测和早期干预	肺部声音（呼吸音）	数字病理学	肺部疾病	深度学习算法	CNN, LSTM	音频（肺部声音）	535个呼吸周期，来自多个数据库（儿童模拟肺声音模拟器、EMTprep开源数据库、临床患者记录、ICBHI 2017挑战数据库）	NA	一维卷积神经网络（1D-CNN）与长短期记忆网络（LSTM）组合模型	分类准确率	NA
7466	2026-01-03	Transformer based neural network for daily ground settlement prediction of foundation pit considering spatial correlation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294501 PMID:37983239	研究论文	本文提出了一种基于Transformer的深度学习方法，用于考虑基坑监测点时空相关性的每日地面沉降预测	首次将Transformer模型应用于基坑沉降预测，并同时考虑了监测点之间的空间相关性和时间相关性	未明确说明模型在处理极端天气或地质条件变化时的鲁棒性	提高基坑每日地面沉降预测的准确性，确保施工安全	基坑监测点的沉降数据	机器学习	NA	深度学习	Transformer, LSTM, RNN-LSTM	时间序列数据	NA	NA	Transformer	准确性	NA
7467	2026-01-03	Hybrid deep learning models with multi-classification investor sentiment to forecast the prices of China's leading stocks 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294460 PMID:38011183	研究论文	本研究结合深度学习和投资者情绪分析，预测中国A股市场五大关键行业领先股票的价格	首次基于现代心理学四种情绪类型构建了中国股市的情绪多分类数据集，并利用Bi-LSTM-ATT和CNN-Bi-LSTM-ATT模型分析多分类投资者情绪对股价预测的影响	NA	预测中国A股市场领先股票价格，并分析投资者情绪对预测准确性的影响	中国A股市场五大关键行业的领先股票	机器学习	NA	NA	Bi-LSTM, CNN	文本	NA	NA	Bi-LSTM-ATT, CNN-Bi-LSTM-ATT	准确性	NA
7468	2026-01-03	Combining finite element and reinforcement learning methods to design superconducting coils of saturated iron-core superconducting fault current limiter in the DC power system 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294657 PMID:38019828	研究论文	本文提出了一种结合有限元方法和深度强化学习来优化直流电力系统中饱和铁芯超导故障限流器超导线圈设计的方法	将有限元模拟与深度Q网络算法结合，实现超导线圈设计参数的实时优化，解决了传统仿真耗时长的难题	研究基于实验室规模模型，大规模高压直流系统的实际应用效果尚待验证	优化饱和铁芯超导故障限流器中超导线圈的设计参数	直流电力系统中的饱和铁芯超导故障限流器超导线圈	机器学习	NA	有限元方法, 深度强化学习	深度Q网络	仿真数据	NA	NA	深度Q网络	NA	NA
7469	2026-01-03	DTLR-CS: Deep tensor low rank channel cross fusion neural network for reproductive cell segmentation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294727 PMID:38032913	研究论文	本文提出了一种名为DTLR-CS的深度张量低秩通道交叉融合神经网络，用于改进U-Net在生殖细胞分割中的性能	提出了一种新的网络架构DTLR-CS，通过张量低秩模块和交叉融合连接模块替代U-Net中的简单跳跃连接，以解决全局多尺度建模不稳定和特征融合中的语义鸿沟问题	未在摘要中明确提及	改进医学图像分割，特别是生殖细胞分割的准确性和稳定性	生殖细胞	数字病理学	NA	深度学习	CNN	图像	未在摘要中明确提及	未在摘要中明确提及	U-Net, DTLR-CS	未在摘要中明确提及	未在摘要中明确提及
7470	2026-01-03	FakeStack: Hierarchical Tri-BERT-CNN-LSTM stacked model for effective fake news detection 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294701 PMID:38039283	研究论文	本文提出了一种名为FakeStack的深度学习模型，用于准确检测假新闻	结合了预训练的BERT嵌入、具有跳跃卷积块的深度CNN和LSTM，有效利用上下文线索和跳跃连接	仅基于英文假新闻数据集进行训练和测试，未涉及多语言或跨领域验证	开发一个高效的假新闻检测系统	假新闻文章	自然语言处理	NA	NA	BERT, CNN, LSTM	文本	NA	NA	Tri-BERT-CNN-LSTM stacked model	准确率, 精确率, 召回率, F1分数	NA
7471	2026-01-03	Population preferences for AI system features across eight different decision-making contexts 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295277 PMID:38039320	研究论文	本研究通过横断面调查，探讨了丹麦成年人口在八个不同决策情境下对AI系统五个保护性特征的偏好	首次将AI系统偏好研究从医疗领域扩展到包括公共和商业部门在内的多种决策情境，揭示了偏好随决策重要性变化的规律	研究仅基于丹麦人口样本，可能无法推广到其他文化背景；采用横断面设计，无法确定因果关系	调查公众在不同决策情境下对AI系统保护性特征的偏好差异	丹麦成年人口	机器学习	NA	横断面调查	深度学习架构	调查数据	NA	NA	NA	NA	NA
7472	2026-01-03	Investigation on the fault monitoring of high-voltage circuit breaker using improved deep learning 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295278 PMID:38039313	研究论文	本文开发了一种断路器故障监测装置，通过监测振动信息数据诊断高压断路器的机械故障，并采用改进的深度学习方法进行训练和分类识别	采用改进的深度学习方法训练高压断路器的振动信息，结合系统化研究方法识别断路器故障，实现了超过95%的准确率	NA	准确评估高压断路器的运行状态并进行故障评估，以保障电网的安全性和可靠性	高压断路器的机械故障	机器学习	NA	振动监测	深度学习	振动数据	NA	NA	NA	准确率	NA
7473	2026-01-03	Detection of surface defect on flexible printed circuit via guided box improvement in GA-Faster-RCNN network 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295400 PMID:38051736	研究论文	本文提出了一种基于GA-Faster-RCNN网络和引导框改进的方法，用于柔性印刷电路板表面的缺陷检测	提出了一种引导框改进方法，以解决FPC缺陷检测中小目标和极端长宽比目标的检测挑战，并在GA-Faster-RCNN网络中实现，显著提升了检测精度	NA	开发一种用于柔性印刷电路板表面缺陷检测的算法，提高检测精度	柔性印刷电路板表面的缺陷	计算机视觉	NA	NA	CNN	图像	NA	NA	GA-Faster-RCNN, Faster-RCNN	准确率	NA
7474	2026-01-03	Increased interpretation of deep learning models using hierarchical cluster-based modelling 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295251 PMID:38060472	研究论文	本研究将层次聚类建模方法扩展到深度学习模型，以提高模型的可解释性	将先前发表的层次聚类偏最小二乘回归（HC-PLSR）方法扩展到深度学习领域，提出了层次聚类卷积神经网络（HC-CNN）、层次聚类循环神经网络（HC-RNN）和层次聚类支持向量回归（HC-SVR）模型	对于FT-IR数据集，使用比HC-PLSR更复杂的模型在预测能力上提升有限	通过局部建模提高深度学习模型的可解释性	光谱数据（FT-IR测量）和模拟数据集	机器学习	NA	傅里叶变换红外光谱（FT-IR）	CNN, RNN, SVR, PLSR	光谱数据	NA	NA	层次聚类卷积神经网络（HC-CNN），层次聚类循环神经网络（HC-RNN），层次聚类支持向量回归（HC-SVR），层次聚类偏最小二乘回归（HC-PLSR）	预测能力	NA
7475	2026-01-03	Olfactory system-inspired electronic nose system using numerous low-cost homogenous and hetrogenous sensors 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295703 PMID:38064527	研究论文	本文提出了一种受生物嗅觉系统启发的电子鼻系统，使用大量低成本同质和异质传感器进行化学化合物分类	通过增加同类型传感器的数量而非依赖高精度传感器，利用传感器输出的微小差异作为目标气体的独特信号，实现了高分类准确率	实验仅使用三种挥发性醇类化合物进行评估，样本多样性有限，且未在更复杂的气体混合物中进行测试	开发一种基于低成本传感器的电子鼻系统，以替代昂贵的商业电子鼻系统	挥发性醇类化合物	机器学习	NA	电子鼻传感器技术	深度学习模型	传感器信号	30个传感器（6种不同类型，每种5个重复）	NA	NA	分类准确率	NA
7476	2026-01-03	Weed target detection at seedling stage in paddy fields based on YOLOX 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294709 PMID:38091355	研究论文	本研究提出了一种基于YOLOX的稻田杂草目标检测方法，旨在实现水稻苗期小密集杂草的精准识别，为智能农业设备部署提供支持	首次将YOLOX模型应用于水稻苗期杂草检测，通过优化模型架构提升了对遮蔽和密集小目标的检测性能，并验证了其在嵌入式平台部署的可行性	YOLOX-tiny模型仅在本文数据集中表现最佳，其普适性尚未得到全面验证	实现稻田杂草的精准检测，以支持从大面积喷洒向精准喷洒的农业转型	水稻苗期稻田中的杂草	计算机视觉	NA	深度学习驱动的计算机视觉方法	CNN	图像	NA	NA	YOLOX, CSPDarknet, FPN, YOLO Head	mAP, F1, 召回率	智能农业设备（嵌入式计算平台）
7477	2026-01-03	Research on distribution network fault processing technology based on knowledge of graph 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295421 PMID:38096310	研究论文	本文提出了一种基于知识图谱的配电网故障处理技术，用于分析配电网中的风险传播过程并确保电力系统安全可靠运行	结合知识图谱与深度学习方法，构建面向馈线和台区的多维配电网故障处理知识图谱模型，并基于知识图谱邻接矩阵搜索非计划孤岛	NA	分析配电网风险传播过程，确保电力系统安全可靠运行	配电网信息系统、低压配电网模型	机器学习	NA	知识图谱方法、深度学习	NA	多维信息数据、配电网参数	NA	NA	NA	NA	NA
7478	2026-01-02	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP特别兴趣小组的建立及其在促进社区持续对话和跨学科合作方面的作用	通过建立特别兴趣小组和在线研讨会系列，打破了传统CASP活动仅在预测季节和会议期间交流的限制，实现了社区全年持续互动	NA	促进CASP社区内的持续对话和跨学科合作，降低领域新人的入门门槛	CASP社区成员，包括深度学习专家、NMR专家等科学家	计算生物学	NA	NA	NA	NA	NA	NA	NA	NA	NA
7479	2026-01-02	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种先进深度学习模型，采用基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对深度，同时改进了模型排名策略	存在需要进一步改进的领域，特别是在与其它组预测结果显著不同的目标上	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA分子	计算生物学	NA	多序列比对, 深度学习	深度学习模型	序列数据, 结构数据	NA	NA	NuFold	排名（第一和第三）	NA
7480	2026-01-02	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	研究论文	本文总结了CASP16社区实验的结果，评估了计算结构生物学中深度学习方法的最新进展和瓶颈	揭示了在蛋白质单体结构预测方面，深度学习方法已达到接近实验不确定性的极限，而在RNA结构预测中，深度学习方法目前并不优于传统方法	对于RNA结构预测，深度学习方法目前不成功；在缺乏结构同源性的情况下，预测结果较差；对于大分子集合，目标集较小限制了结论的普适性	评估计算结构生物学领域，特别是深度学习方法在蛋白质、RNA、蛋白质复合物等结构预测中的最新进展和挑战	蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构及亲和力	计算结构生物学	NA	深度学习、传统物理启发方法	AlphaFold变体及相关技术	蛋白质结构数据、RNA结构数据、蛋白质复合物数据	CASP16目标集（具体数量未提及）	NA	AlphaFold	结构一致性、界面准确性	NA