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
841	2026-08-06	Deep learning for 3D cephalometric landmarking with heterogeneous multi-center CBCT dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305947 PMID:38917161	研究论文	本文评估了一种轻量级深度学习神经网络在多中心、多民族、多设备CBCT数据集上自动定位46个临床重要头影测量标志点的临床适用性	首次使用包含芬兰和泰国患者的多中心、多民族、多设备CBCT数据集，并实现了轻量级网络快速定位46个标志点	未提及具体局限性	分析轻量级深度学习网络在临床环境中快速定位头影测量标志点的可行性和鲁棒性	来自芬兰和泰国患者的309个CBCT扫描影像	深度学习	口腔正畸相关疾病	CBCT扫描	神经网络	三维医学影像	309个CBCT扫描，包括芬兰和泰国患者	NA	NA	平均距离，临床显著性（≤2mm），误差（≤2mm或≤2°），Mann-Whitney U检验，Benjamini-Hochberg校正	单机GPU和CPU计算，平均预测时间分别为0.77秒和2.27秒
842	2026-08-06	Factor-GAN: Enhancing stock price prediction and factor investment with Generative Adversarial Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306094 PMID:38917175	研究论文	本文介绍Factor-GAN，一种利用生成对抗网络技术提升股票价格预测和因子投资性能的创新框架	提出Factor-GAN框架，将GAN技术应用于多因子定价模型，结合深度学习和金融因子投资，并进行了经济机制解释	未明确提及局限性	利用深度学习技术增强因子投资中的价格预测精度和投资策略稳定性	中国股市的股票，涉及70个公司特征因子	机器学习	NA	NA	生成对抗网络（GAN）	结构化财务数据	未明确提及，但使用了中国股市的A股和双重上市公司样本	NA	GAN	年化收益率, 夏普比率	NA
843	2026-08-06	Enhancing semantic segmentation in chest X-ray images through image preprocessing: ps-KDE for pixel-wise substitution by kernel density estimation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299623 PMID:38913621	研究论文	本文提出一种新的预处理技术ps-KDE，通过核密度估计进行像素值替换，以增强胸部X光图像中主要器官的语义分割效果	提出了一种基于核密度估计的像素值替换方法（ps-KDE），该方法根据像素值的归一化频率来增强图像对比度，与传统的CLAHE方法相比，在处理数据集异质性和不同解剖结构对比度方面表现出更好的鲁棒性	未明确提及限制，但可能包括样本多样性有限、仅针对特定器官分割进行验证等	探索ps-KDE预处理技术对深度学习算法在胸部X光图像中分割主要器官（心脏、左右肺、左右锁骨）的影响	胸部后前位X光图像中的主要器官，包括心脏、左肺、右肺、左锁骨和右锁骨	计算机视觉	肺部疾病	核密度估计	U-Net	图像	未明确提及具体样本数量，但使用了胸部X光图像数据集	未明确提及	U-Net（ResNet34骨干网络）	Dice分数	未明确提及
844	2026-08-06	Performance enhancement of short-term wind speed forecasting model using Realtime data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302664 PMID:38820359	研究论文	本文提出了一种混合模型L-LG-S，用于短期风速预测，以提高可再生能源中风力发电的效率	结合了LSTM和线性回归的混合模型，针对短期风速预测表现出优于现有模型的准确性	结论基于单一地点的数据，可能限制了模型在其他地区的通用性	提高短期风速预测的准确性，以支持风力发电的安全和高效运营	位于巴基斯坦卡拉奇的某风力涡轮机的实时风速数据	机器学习	NA	实时数据采集	混合模型（LSTM和线性回归）	数值时间序列	一个风力涡轮机的风速数据	未指定	LSTM, 线性回归	均方误差, 均方根误差, 平均绝对误差	未指定
845	2026-08-06	A model for skin cancer using combination of ensemble learning and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301275 PMID:38820401	研究论文	本文提出一种结合集成学习与深度学习的皮肤癌分类模型，旨在区分良性和恶性皮肤癌病例，以提高评估指标。	创新点在于设计了一个包含多种特征选择技术的特征选择层，并选用DenseNet-201作为主要特征提取器，结合Lasso特征选择方法和多种机器学习算法，通过集成方法优化模型性能。	摘要中未提及具体局限性。	帮助医疗专家区分良性和恶性皮肤癌病例，提高分类评估指标。	皮肤癌图像数据。	计算机视觉、机器学习	皮肤癌	迁移学习、特征提取、特征选择	集成学习、深度学习	图像	未提及具体样本量。	NA	DenseNet-201	准确性、灵敏度	NA
846	2026-08-06	DAU-Net: Dual attention-aided U-Net for segmenting tumor in breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303670 PMID:38820462	研究论文	提出了一种基于深度学习的双注意力增强U-Net方法，用于乳腺超声图像中的肿瘤分割	创新性地提出了位置卷积块注意力模块（PCBAM）和移位窗口注意力（SWA），并将其集成到残差U-Net中，显著提高了分割性能	模型在BUSI和UDIAT数据集上的Dice得分分别为74.23%和78.58%，提示仍有进一步提升空间	通过整合创新注意力机制，开发一种精确的乳腺超声图像肿瘤分割方法，以支持早期检测和诊断	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	深度学习	U-Net	图像	使用了两个广泛使用的乳腺超声图像数据集（BUSI和UDIAT）	PyTorch	残差U-Net	Dice系数	未提及
847	2026-08-06	MCE: Medical Cognition Embedded in 3D MRI feature extraction for advancing glioma staging 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304419 PMID:38820482	研究论文	提出了一种医学认知嵌入（MCE）模型，用于3D MRI特征提取，以推进脑胶质瘤分期	将医学知识特征嵌入数据驱动方法，设计两种方法模拟医生读片学习过程，并结合Radiomics特征和手动诊断特征	受限于脑胶质瘤MRI数据的可获取性，纯数据驱动算法在特征提取和质量捕获上面临挑战	提高脑胶质瘤MRI分期的准确性和临床适用性，通过嵌入医学认知改善特征提取	脑胶质瘤MRI数据	计算机视觉, 数字病理学	脑胶质瘤	MRI	深度学习模型（具体未指明）	3D MRI图像	BraTS2018和BraTS2020公开数据集	NA	MCE（医学认知嵌入）	准确率、召回率、精确率	NA
848	2026-08-06	Sampling clustering based on multi-view attribute structural relations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297989 PMID:38781184	研究论文	提出了一种基于多视图属性结构关系的采样聚类方法SLMGC，用于有效处理多视图图数据聚类任务	提出了一种简单有效的多视图图聚类方法SLMGC，无需复杂参数设置，通过图过滤、节点重要性采样和图对比正则化增强聚类性能	未明确提及局限性	解决现有基于深度学习的图聚类技术在处理多视图图数据时的问题，如无法同时探索多个视图结构与节点属性之间的关系以及处理不同特征的多视图数据	多视图图数据	机器学习	NA	NA	非神经网络算法	图数据	NA	NA	NA	综合实验验证聚类性能，但未指定具体指标	NA
849	2026-08-06	Big data analysis for Covid-19 in hospital information systems 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294481 PMID:38776299	研究论文	提出一种基于深度学习的联合框架，利用CT图像对COVID-19进行自动识别，并处理不同医疗系统间的数据分布差异	采用改进的COVID-Net网络架构和学习策略，结合潜在空间中的独立特征归一化，并引入对比训练目标以增强语义嵌入的域不变性	未明确提及局限性，可能依赖大型公开数据集，且框架性能在更广泛、多样化的临床数据上仍需验证	开发一种能够有效处理异质数据集、跨站点分布差异的深度学习联合框架，以提高COVID-19识别的准确性和泛化能力	来自不同医疗系统的CT图像数据集，具体包括两个大型公开COVID-19诊断数据集	计算机视觉	COVID-19	CT成像	深度学习模型（改进的COVID-Net）	图像（CT图像）	两个大规模公开COVID-19诊断数据集（含CT图像），具体样本数量未给出	未明确提及，可能涉及TensorFlow或PyTorch	COVID-Net（改进型），可能包含ResNet等卷积网络结构	AUC	未明确提及，可能使用GPU（如NVIDIA系列）
850	2026-08-06	Deep learning in public health: Comparative predictive models for COVID-19 case forecasting 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294289 PMID:38483948	研究论文	本研究比较了多种深度学习模型（如LSTM、双向LSTM、CNN、混合CNN-LSTM、MLP和RNN）在阿联酋和马来西亚预测COVID-19病例的应用效果	采用贝叶斯优化技术增强模型性能，并针对阿联酋和马来西亚的具体条件确定最适用的模型架构	未明确提及局限性	确定预测COVID-19病例最有效的深度学习模型，以支持公共卫生决策	阿联酋和马来西亚的COVID-19病例数据，包括确诊病例数、人口统计和社会经济因素	机器学习	COVID-19	NA	LSTM, 双向LSTM, CNN, 混合CNN-LSTM, 多层感知机, RNN	时间序列数据	NA	NA	LSTM, 双向LSTM, CNN, 混合CNN-LSTM, MLP, RNN	NA	NA
851	2026-08-06	Fine-tuning TrailMap: The utility of transfer learning to improve the performance of deep learning in axon segmentation of light-sheet microscopy images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293856 PMID:38551935	研究论文	本研究通过微调现有TrailMap模型，利用小鼠脑中去甲肾上腺素能轴突结构的专家标注数据，优化迁移学习，以提升光片显微镜图像中轴突分割的深度学习性能	通过改变交叉熵权重和使用数据增强来优化迁移学习，提高了在测试数据集上的调整F1分数	未在摘要中明确提及局限性	提升先前模型在光片显微镜图像中轴突分割的性能，通过优化迁移学习实现自动化	小鼠脑中去甲肾上腺素能轴突结构	计算机视觉	不适用	光片显微镜	深度学习模型（TrailMap）	图像	未明确提及样本数量	未明确提及	TrailMap	调整F1分数	未提及
852	2026-08-06	Enhanced PRIM recognition using PRI sound and deep learning techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298373 PMID:38691542	研究论文	本文提出了一种基于PRI声音和深度学习的三阶段PRIM识别方法，以提高电子支持措施和电子情报系统中雷达识别的准确性和鲁棒性	创新性地使用PRI声音进行PRIM识别，结合迁移学习辅助的深度卷积神经网络、极限学习机和灰狼优化器，有效应对缺失脉冲、杂散脉冲和抖动等现实扭曲	未明确提及研究局限性	提高PRIM识别的准确性和鲁棒性，以应对现实世界中的信号扭曲，推动雷达识别技术的发展	六种常见PRI模式的PRI声音信号	机器学习	NA	NA	深度卷积神经网络、极限学习机、灰狼优化器	声音数据	包含六种常见PRI模式的真实实验数据集	NA	VGG16、ResNet50V2	准确率	NA
853	2026-08-06	Fine-tuning TrailMap: The utility of transfer learning to improve the performance of deep learning in axon segmentation of light-sheet microscopy images 2023-Oct-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.23.563546 PMID:37961439	研究论文	本研究通过微调预训练的TrailMap模型，利用专家标注的小鼠脑去甲肾上腺素能轴突结构数据，优化了光片显微镜图像中轴突分割的深度学习性能，提高了召回率并有时改善了调整后的F1分数	通过微调TrailMap模型的最后两层并以较低学习率进行迁移学习，显著提高了轴突分割的召回率，并偶尔改善了调整后的F1分数，这是对现有模型性能的优化	未明确提及具体局限性，可能包括微调数据仅来自特定类型轴突（去甲肾上腺素能），且测试数据集中改进效果不一致（召回率提升但F1分数改善不总是出现）	通过优化迁移学习，提高深度学习模型在光片显微镜图像中轴突分割的性能，以自动化替代耗时的手动分割	小鼠脑中的去甲肾上腺素能轴突结构，来自光片显微镜图像	数字病理学、计算机视觉	不适用（该研究未涉及特定疾病，而是聚焦于神经解剖结构的分割）	光片显微镜、迁移学习	深度学习模型（基于TrailMap模型的神经网络）	图像（光片显微镜图像）	未明确提供样本数量，但使用了专家标注的来自小鼠脑去甲肾上腺素能轴突结构的数据	未明确指定（可能基于深度学习框架，但未提及具体如PyTorch或TensorFlow）	TrailMap模型，微调了神经网络的最后两层	召回率、调整后的F1分数	未提及具体的计算资源
854	2026-08-06	Clinical significance, challenges and limitations in using artificial intelligence for electrocardiography-based diagnosis 2022, International journal of arrhythmia DOI:10.1186/s42444-022-00075-x PMID:36212507	综述	本文综述了人工智能在心电图诊断中的临床应用意义、挑战与局限性	全面总结了AI算法在心电诊断中的挑战与局限性，如专业责任、系统性偏差、监控、网络安全及技术和后勤问题	文章未提及具体的AI算法性能数据或实证结果，可能缺乏量化比较	提高对AI在心电图诊断中应用的熟悉度和认识，并告知相关利益方其潜在用途	AI算法在心电图诊断中的应用	机器学习	心血管疾病	NA	NA	心电图数据	NA	NA	NA	NA	NA
855	2026-08-05	Deep Learning-Based Method for Damage Severity Grading of Black Shell Disease in Hong Kong Oyster (Crassostrea hongkongensis) Caused by Polydora Complex 2026-Sep, Journal of fish diseases IF:2.2Q1 DOI:10.1111/jfd.70170 PMID:41887728	研究论文	开发了一种结合注意力机制的改进Deeplabv3+语义分割模型，用于香港牡蛎黑壳病的严重程度分级，并构建了网络系统。	将CBAM注意力模块集成到Deeplabv3+中，显著提升了病灶分割性能，并开发了实用的网络系统进行疾病分级。	研究依赖于特定种类的牡蛎图像数据集，可能限制模型在其他物种或地理区域的泛化能力。	识别和分级牡蛎黑壳病的严重程度，以支持疾病监测和预防。	香港牡蛎（Crassostrea hongkongensis）的壳体图像。	数字病理学	牡蛎黑壳病	图像采集与增强技术	卷积神经网络（CNN）	图像	4590张贝类疾病图像	未提供	Deeplabv3+, CBAM	mIoU, 平均精度, mFscore	未提供
856	2026-08-05	Toward Improved Decision-making of Unruptured Intracranial Aneurysms Using Automated Segmentation from TOF-MRA with Iterative Pseudolabeling 2026-Aug-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9231 PMID:41690811	研究论文	本文开发并验证了一种基于深度学习的颅内血管和动脉瘤分割方法（DIVA-seg），利用迭代伪标签技术从TOF-MRA图像中自动分割未破裂颅内动脉瘤，以提高临床决策支持。	提出了一种基于伪标签的迭代训练策略，利用大量未标记数据增强模型性能，实现了跨数据集的稳健分割，并验证了3D形态学测量的临床适用性。	研究未在更多样化的临床数据集中验证，且伪标签选择可能引入噪声，影响模型的泛化能力。	开发并验证一种自动分割颅内血管和动脉瘤的深度学习方法，以支持未破裂颅内动脉瘤的临床决策。	未破裂颅内动脉瘤患者，来自三个TOF-MRA数据集，包括标记训练数据（57例）、测试数据（14例）、未标记伪标签数据（518例）和外部验证数据（82例）。	医学图像分割	未破裂颅内动脉瘤	飞行时间磁共振血管成像（TOF-MRA）	nnU-Net	TOF-MRA图像	训练集：57例标记；测试集：14例标记；伪标签集：518例未标记；外部验证集：82例标记。总样本数：657例。	PyTorch	nnU-Net	Dice相似系数（DSC）、95%豪斯多夫距离（HD）、3D形态学测量、盲法定性评估	未在摘要中明确提及，但nnU-Net通常需要GPU（如NVIDIA V100或A100）进行训练。
857	2026-08-05	Integrated Deep Learning-Based Intracranial Vessel Wall Imaging with DANTE Preparation: Feasibility and Technical Performance 2026-Aug-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9232 PMID:41690813	研究论文	本研究评估了在深度学习加速的T1-SPACE序列中加入DANTE准备用于颅内血管壁成像的可行性，并与未加DANTE的序列在管腔和管壁显示质量上进行比较	首次将DANTE准备与深度学习加速的T1-SPACE序列相结合，并系统评估其临床可行性和技术性能	单中心回顾性研究，样本量较小，且DANTE准备可能导致管壁显示质量下降	评估深度学习加速的DANTE准备颅内血管壁成像的可行性，并平衡管腔和管壁图像质量	颅内血管壁和管腔，包括MCA、中脑周围静脉、深脑静脉和皮层静脉等血管段	医学影像，深度学习	颅内血管病变	磁共振成像（MRI），DANTE准备，深度学习加速	NA	MRI图像	35名患者（22名女性，平均年龄57.9±17.1岁），共556对血管段	NA	NA	管腔和管壁可视化评分（4点Likert量表），静脉血流伪影评分，比值比（OR），95%置信区间，Bland-Altman分析	NA
858	2026-08-05	EMMPREDMLsub: multi-label prediction of mRNA subcellular localization based on the ESM2 large language model and MMDO-MDPU resampling strategy 2026-Aug, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2610684 PMID:41493162	研究论文	提出了一种基于ESM2大语言模型和MMDO-MDPU重采样策略的多标签mRNA亚细胞定位预测工具EMMPREDMLsub，并展示了其性能优势及解释性分析	结合曼哈顿均值方向过采样与曼哈顿密度保持欠采样的新型重采样技术，并首次将ESM2大语言模型用于mRNA序列特征提取，开发了多标签预测工具EMMPREDMLsub，通过SHAP分析揭示了深度模型依赖多特征协同作用	摘要未明确提及局限性	提高mRNA亚细胞定位多标签预测的准确性，并解释预测机制	mRNA序列及其亚细胞定位	机器学习	NA	ESM2大语言模型特征提取	深度学习和传统模型（具体未指明）	序列数据	未明确提及	NA	ESM2	多标签预测指标（具体未指明）	NA
859	2026-08-05	Artificial Intelligence in Endodontics-A Bibliometric Analysis 2026-Aug, Australian endodontic journal : the journal of the Australian Society of Endodontology Inc IF:1.3Q3 DOI:10.1111/aej.70080 PMID:42015461	研究论文	本文通过文献计量学方法，系统分析了人工智能在牙髓病学领域的研究趋势，包括发表量、作者合作、机构与国家贡献、引用模式和关键词共现	首次对人工智能在牙髓病学中的应用进行全面文献计量分析，揭示当前研究热点和合作格局	文献检索仅限于PubMed、EMBASE和Scopus三个数据库，可能遗漏部分相关研究；分析结果受数据库收录范围和时间限制影响	通过文献计量方法绘制并评估人工智能在牙髓病学中应用的研究趋势	人工智能在牙髓病诊断、治疗和教育中的应用研究	文献计量学	牙髓病	文献计量分析	NA	文献数据	220篇研究	文献计量软件	NA	发表量、引用模式、关键词共现	NA
860	2026-08-05	STAID: A Self-Refining Deep Learning Framework for Spatial Cell-Type Deconvolution with Biologically Informed Modeling 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75607 PMID:42107049	研究论文	提出一种自精炼深度学习框架STAID，用于空间转录组数据中细胞类型反卷积，通过迭代伪点精炼和图信号处理实现准确的空间细胞类型组成推断	创新性地结合伪点生成与深度学习训练，通过迭代伪点精炼形成自增强循环，并利用图信号处理捕获基因间高阶关系	摘要未提及明确局限性	实现空间转录组数据中spot级别的细胞类型组成准确反卷积，并提供组织结构和细胞异质性的深入见解	空间转录组数据中的细胞类型组成，包括临床乳腺癌组织、人类胚胎肢体数据集和克罗恩病组织	深度学习	乳腺癌, 克罗恩病	空间转录组测序	图神经网络	空间转录组数据	包含乳腺癌临床切片、人类胚胎肢体数据集和克罗恩病组织数据集	NA	图信号处理	NA	NA