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
901	2026-08-28	Real-time Adaptation of Deep Learning Walking Speed Estimators Enables Biomimetic Assistance Modulation in an Open-Source Bionic Leg 2025-May, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3550642 PMID:42638950	研究论文	本研究提出一种实时持续学习算法，用于在动力膝踝假肢行走过程中逐步提升基于深度学习的步行速度估计器性能，并通过仿生缩放机制调整假肢辅助。	无需预先收集用户依赖数据，通过实时自适应自标记数据优化估计器，并集成仿生缩放机制以调节假肢辅助。	未提及具体限制。	实现动力假肢对新用户的即时适应，通过精确的实时步行速度估计提供仿生辅助。	单侧膝上截肢者（N=10）在跑步机和地面行走中的步态数据。	机器学习，生物医学工程	截肢（膝上截肢）	不适用	深度学习模型（估计器）	步态运动学数据（步行速度）	10名单侧膝上截肢患者	不适用（未提及具体框架）	不适用（未指定具体架构）	平均绝对误差（MAE）、相关系数（r）、显著性（p值）	不适用（未提及计算资源）
902	2026-08-28	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	提出了一种基于物理信息神经网络（PINNs）的传染病预测模型，该模型将疾病传播的动力学系统表示纳入损失函数，结合流行病学理论和数据，以提高预测准确性	创新性地利用物理信息神经网络（PINNs）整合流行病学理论到损失函数中，以防止深度学习模型仅靠观测数据训练时的过拟合，并添加子网络以考虑流动性和疫苗剂量等协变量对传播率的影响	研究仅使用加利福尼亚州的新冠疫情数据进行了验证，可能限制了模型对其他地区或疾病的通用性和外部效度	旨在改进传染病预测方法，提高对病例数、死亡数和住院人数的预测能力，以辅助公共卫生政策制定	加利福尼亚州各州的新冠疫情数据，包括病例数、死亡数和住院人数	机器学习	传染病	NA	物理信息神经网络（PINNs）	时间序列数据	未明确，使用加利福尼亚州的州级数据	NA	PINN，包含主网络和子网络，子网络处理协变量（如流动性和疫苗剂量）	与基线预测和序列深度学习模型（RNN、LSTM、GRU、Transformer）及高斯感染状态预测模型比较	未明确
903	2026-08-28	A deep learning pipeline for three-dimensional brain-wide mapping of local neuronal ensembles in teravoxel light-sheet microscopy 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02583-1 PMID:39870865	研究论文	提出了一种基于三维深度学习的端到端流水线ACE，用于在太字节级光片显微镜图像中绘制全脑局部神经元集群。	集成三维深度学习分割模型和先进的簇级统计算法，能够在层状和亚群体水平上进行无偏映射，超越传统图谱定义区域。	未提及具体限制信息。	实现对全脑局部神经活动和连接性的高精度、高泛化性映射。	小鼠大脑样本的神经影像数据。	数字病理学	NA	光片荧光显微镜	深度学习分割模型	太字节级三维细胞分辨率图像	未提及具体样本量	NA	NA	准确性、泛化性能	未提及具体计算资源
904	2026-08-28	Retinal Arteriovenous Information Improves the Prediction Accuracy of Deep Learning-Based baPWV Index From Color Fundus Photographs 2025-02-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.63 PMID:39998460	研究论文	本研究比较了不同深度学习模型从彩色眼底照片预测肱踝脉搏波传导速度（baPWV）的准确性，并验证了视网膜动静脉信息对预测精度的提升作用	首次将基于改良深度U-net（HURVS模型）自动计算的视网膜小动脉和小静脉概率图作为通道注意力应用到baPWV预测中，通过三输入模型显著提高了预测准确性	研究为回顾性设计，样本量相对较小（696例），且未提及外部验证队列	比较不同深度学习模型从彩色眼底照片预测baPWV的准确性，并评估视网膜动静脉信息对预测的贡献	696名健康体检者的彩色眼底照片和对应的肱踝脉搏波传导速度数据	深度学习	心血管疾病	视网膜血管分割	深度U-net、深度可分网络	眼底图像	696名受试者的彩色眼底照片和baPWV数据	NA	U-Net、深度可分网络	相关系数	NA
905	2026-08-28	Analysis of TEM micrographs with deep learning reveals APOE genotype-specific associations between HDL particle diameter and Alzheimer's dementia 2025-Jan-27, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100962 PMID:39874947	研究论文	利用深度学习模型YOLOv7从透射电子显微镜图像中测量超过180万个高密度脂蛋白颗粒直径，并发现载脂蛋白E基因型与阿尔茨海默病相关的HDL颗粒大小特异性关联	首次将YOLOv7深度学习模型应用于HDL颗粒直径的大规模精确测量，比传统图像分析软件更高效准确，并揭示了APOE基因型特异性的HDL亚类分布差异与痴呆症的关系	未在摘要中提及局限性	开发一种准确、高效的HDL颗粒直径测量方法，并探索其与阿尔茨海默病及APOE基因型的关联	183份HDL样本（包括痴呆患者和认知正常对照者）中的超过180万个HDL颗粒	计算机视觉	阿尔茨海默病	透射电子显微镜	YOLOv7	图像	183份HDL样本，包含超过1800000个HDL颗粒	NA	YOLOv7	效率、准确性	NA
906	2026-08-28	Identification, characterization, and design of plant genome sequences using deep learning 2025-01, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17190 PMID:39666835	综述	本文综述了深度学习在植物基因组序列分析中的应用，包括基因表达预测、染色质相互作用、表观遗传特征预测、基序挖掘、功能元件设计、蛋白质结构与功能预测以及基因组预测等方面	系统性地总结了深度学习在植物基因组序列分析中的最新进展，并详细阐述了基于生成对抗网络、大模型和注意力机制的基序挖掘与功能元件设计方法，以及大模型在植物基因组学中的应用前景	未提及具体的技术限制或挑战，未提供实验对比或量化评估	全面回顾深度学习在植物基因组序列分析中的应用，并展望未来发展方向，包括多组学数据、算法优化、大语言模型、序列设计和智能育种	植物基因组序列及其相关功能特征，如基因表达、染色质相互作用、表观遗传标记、蛋白质结构和功能	机器学习	NA	深度学习、生成对抗网络、注意力机制、大模型	深度学习模型，包括生成对抗网络、大语言模型等	基因组序列数据、表观遗传数据、蛋白质结构数据	NA	NA	生成对抗网络、大模型、注意力机制	NA	NA
907	2026-08-28	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024 Nov-Dec, Brain stimulation IF:7.6Q1 DOI:10.1016/j.brs.2024.10.010 PMID:39476952	研究论文	本文介绍了一种名为多肢体光遗传运动映射（MOMM）的新技术，结合光遗传刺激和深度学习姿态估计，在清醒小鼠中同时绘制多个肢体的运动表征，并揭示了皮层对协调运动的组织原则。	开发了MOMM技术，首次实现了在清醒小鼠中对多个肢体进行高保真度的并发光遗传运动映射，并结合3D三角测量和DeepLabCut姿态估计，能够追踪协调的、多肢体的自然运动。	未明确提及局限性，但可能包括光遗传刺激的穿透深度限制和清醒动物运动的变异性。	开发MOMM技术以同时映射多个肢体的运动表征，并探究皮层上协调性和行为相关运动的地形组织。	清醒小鼠的皮层运动映射，涉及多个肢体（如前肢、后肢）的运动表现。	神经科学	NA	光遗传学	深度学习（DeepLabCut）	图像（3D运动捕捉数据）	未指定具体样本数量	NA	DeepLabCut	地图地形图一致性、重叠程度	NA
908	2026-08-28	Diagnosing schizophrenia using deep learning: Novel interpretation approaches and multi-site validation 2024-06-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.148876 PMID:38513996	研究论文	本研究利用多中心数据验证3D ResNet模型在精神分裂症诊断中的泛化能力，并通过SHAP方法提供神经解剖学解释	采用留一中心交叉验证策略，利用来自九个全球中心的大型多样样本评估模型泛化性，并结合解剖图谱改进SHAP方法以提供精确的脑区功能解释	未明确提及局限性，但可能受限于样本多样性、模型可解释性的固有挑战及验证方法的计算成本	提高精神分裂症诊断的准确性和客观性，增强深度学习模型的可解释性和泛化能力，以促进临床应用	精神分裂症患者和健康对照个体	深度学习	精神分裂症	NA	3D ResNet	图像（脑部影像）	来自九个全球中心的大型多样样本（具体数量未提供）	NA	3D ResNet	曲线下面积（AUC）	NA
909	2026-08-28	Deep learning identifies histopathologic changes in bladder cancers associated with smoke exposure status 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305135 PMID:39083547	研究论文	本研究利用深度学习模型分析膀胱癌全切片组织学图像，以预测患者的吸烟暴露状态，并在外部验证集上评估其性能	首次利用深度学习从膀胱癌组织学图像中预测吸烟暴露状态，并发现与吸烟状态相关的常见组织学模式	外部验证集样本量较小，模型预测性能（AUC为0.67）中等，且未涵盖所有吸烟状态类别	探讨膀胱癌组织学图像与吸烟暴露状态之间的关联，并开发预测模型	膀胱癌患者的全切片组织学图像	数字病理学	膀胱癌	全切片成像	深度学习模型	图像	285例膀胱癌患者的483张全切片图像，其中开发集66例，外部验证集94例	NA	NA	AUC，特异性，灵敏度，比值比	NA
910	2026-08-28	Triple-0: Zero-shot denoising and dereverberation on an end-to-end frozen anechoic speech separation network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301692 PMID:39012881	研究论文	本文提出了一种在端到端冻结的消声语音分离网络上进行零样本语音去噪和去混响的新方法，该方法无需架构更改或微调即可处理噪声和混响环境	提出在冻结的预训练网络上直接进行零样本去噪去混响，无需架构更改或微调，利用双耳间线索提取目标语音	未明确提及，但可能受限于预训练网络仅在消声条件下训练，对极端噪声或混响场景的鲁棒性未知	实现零样本条件下的语音去噪和去混响，提升语音质量和可懂度	冻结的双耳消声语音分离网络及噪声混响环境中的语音信号	语音处理	不适用	深度学习	深度神经网络	音频	未明确提及	未明确提及	端到端消声语音分离网络	语音质量客观指标和可懂度指标（具体包括四种指标，如PESQ、STOI等）	未明确提及
911	2026-08-28	Computationally intelligent real-time security surveillance system in the education sector using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301908 PMID:38990958	research paper	提出了一种基于改进FaceNet网络的实时安全监控系统，用于教育领域的人脸检测与识别。	通过改进损失函数增强FaceNet网络，并采用RetinaFace进行快速人脸检测与对齐，实现高精度实时人脸识别。	未提及具体的局限性。	开发一种实时安全监控系统，以提高教育领域中人脸检测与识别的准确性和效率。	教育领域中的实时安全监控系统及其人脸检测与识别性能。	computer vision	NA	深度学习	FaceNet, RetinaFace	图像	未提及	NA	FaceNet, RetinaFace	准确率	未提及
912	2026-08-28	Enhanced deep learning model for precise nodule localization and recurrence risk prediction following curative-intent surgery for lung cancer 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300442 PMID:38995927	研究论文	本研究开发了一种基于Mask R-CNN的深度学习模型，用于术前CT图像中肺癌结节的精确定位和复发风险预测	使用Mask R-CNN模型结合优化的训练策略（包括预处理代码、动态学习率和超参数调整）实现肺癌复发部位的准确预测和可视化	未提及明显局限性	利用术前CT图像预测肺癌患者术后复发风险，以支持更积极的治疗方案和强化辅助治疗决策	接受根治性肺切除术的非小细胞肺癌患者	计算机视觉	肺癌	CT成像	Mask R-CNN	医学图像	未提及具体样本数量	NA	Mask R-CNN	边界框损失（bounding box）、分类损失（classification）、掩码损失（mask）、区域提议网络边界框（RPN bounding box）、区域提议网络分类（RPN classification）	NA
913	2026-08-28	Deep learning-based automatic image classification of oral cancer cells acquiring chemoresistance in vitro 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310304 PMID:39485749	研究论文	本研究利用深度学习模型（EfficientNet-B3）对口腔癌细胞系进行自动图像分类，以区分非癌细胞、无化疗耐药性和有化疗耐药性的癌细胞，并通过集成学习近似估计耐药细胞比例。	首次使用EfficientNet-B3模型结合过采样和欠采样技术，对形态几乎无法通过肉眼或显微镜区分但具有化疗耐药性的口腔癌细胞进行三分类，并利用集成学习方法准确预测耐药细胞比例。	研究仅在体外细胞系中进行，尚需验证其在临床样本或体内的有效性。	评估深度学习图像分析能否识别由化疗引起的细胞形态变化，并实现对耐药性细胞的自动分类及比例估算。	口腔癌细胞系（包括对化疗耐药和亲本非耐药细胞）以及非癌细胞。	计算机视觉	口腔癌	显微镜图像分析	卷积神经网络（CNN）	细胞图像	未明确说明具体样本数量，但涉及口腔癌细胞系及其耐药变体和非癌细胞。	PyTorch	EfficientNet-B3, 集成学习（Ensemble Learning）	准确率（accuracy）、均方根误差（RMSE）	未明确说明具体硬件，但推测使用GPU加速训练深度学习模型。
914	2026-08-28	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	开发了一个预测模型，利用电子健康记录和邮政编码级别数据指导阿片类药物使用障碍的治疗选择	首次将电子健康记录与邮政编码级别数据结合，用于预测丁丙诺啡和美沙酮的治疗反应，以指导治疗选择	邮政编码级别数据未显著提升模型性能，且模型一致推荐丁丙诺啡，需要探索其他建模方法和更全面的社会外部因素	建立一个预测模型以辅助阿片类药物使用障碍的治疗选择，提高药物使用率	阿片类药物使用障碍患者的治疗反应（住院期间及出院后90天内无不良结局）	机器学习	阿片类药物使用障碍	NA	广义线性回归、随机森林、梯度提升机、深度学习模型	电子健康记录和邮政编码级别数据	NA	NA	NA	NA	NA
915	2026-08-28	Advancing crop classification in smallholder agriculture: A multifaceted approach combining frequency-domain image co-registration, transformer-based parcel segmentation, and Bi-LSTM for crop classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299350 PMID:38427638	研究论文	该研究提出了一种结合频域图像配准、基于Transformer的地块分割和Bi-LSTM的多方面方法，以提高小农农业中的作物分类精度	采用开源工具进行传感器间和传感器内图像配准，并强调使用SAM-GEOs进行植被地块分割，以及开发Bi-LSTM深度学习模型用于作物分类，在验证集上实现了超过94%和96%的准确率	未在摘要中明确说明局限性	为小农经济体中的农业遥感应用提出优化解决方案，以克服农场规模缩小、数据缺乏和高成本等挑战	小农农业农场中的作物，使用代表不同生长季节的主要作物数据集	计算机视觉	NA	遥感图像配准、SAM-GEOs分割	Bi-LSTM	图像	两个数据集，在不同生长季节收集	NA	Transformer（用于SAM-GEOs分割）、Bi-LSTM	准确率、均方根误差	NA
916	2026-08-28	Vision transformer with masked autoencoders for referable diabetic retinopathy classification based on large-size retina image 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299265 PMID:38446810	研究论文	本研究利用基于掩码自编码器的视觉Transformer模型，对大规模视网膜图像进行可转诊糖尿病视网膜病变的分类，并取得了较好的性能。	首次将掩码自编码器预训练应用于大规模视网膜图像上的视觉Transformer模型，以分类可转诊糖尿病视网膜病变，并证明其优于使用ImageNet预训练的方法。	研究仅使用了公开数据集，且预训练数据集规模远小于ImageNet，可能影响模型的泛化能力。	开发一种基于视觉Transformer和掩码自编码器的模型，以在有限数量的大尺寸视网膜图像上提高可转诊糖尿病视网膜病变的分类性能。	超过10万张大于224×224的公开眼底视网膜图像。	计算机视觉，数字病理学	糖尿病视网膜病变	图像分类	视觉Transformer（ViT）	图像	超过100,000张视网膜图像	未提及	视觉Transformer（ViT），掩码自编码器（MAE）	准确率，曲线下面积（AUC），敏感性，特异性	未提及
917	2026-08-28	Development of a multi-wear-site, deep learning-based physical activity intensity classification algorithm using raw acceleration data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299295 PMID:38452147	研究论文	本研究开发了一种基于原始加速度数据、利用深度神经网络进行多佩戴部位和活动强度分类的算法，并评估其性能优于基于计数的传统算法。	创新性地提出了能够同时分类佩戴部位和活动强度的深度神经网络模型，打破了传统算法对特定佩戴部位的依赖，提高了分类准确率。	研究仅在实验室环境下进行，样本量较小，可能限制模型在真实世界场景中的泛化能力。未提及模型在不同人群或长期监测中的稳定性评估。	开发并评估一种基于原始加速度数据的深度学习算法，用于准确分类物理活动强度，并确定加速度计的佩戴部位，以提高设备的可用性和用户依从性。	54名参与者（包括26名成人和28名儿童），其髋部、手腕和胸部佩戴加速度计，采集原始加速度数据和代谢率作为标签。	机器学习	非特定疾病，属于健康监测领域	加速度计	长短期记忆网络（LSTM）	时间序列加速度数据、人口统计学特征	54名参与者，其中成人26名（平均年龄26.9±8.7岁），儿童28名（平均年龄12.1±2.3岁）	NA	长短期记忆网络（LSTM）	准确率（Accuracy）	NA
918	2026-08-28	Time series classification of multi-channel nerve cuff recordings using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299271 PMID:38470880	研究论文	本研究探讨了利用深度学习技术，特别是针对时间序列应用的网络，来提高多接触神经袖带电极记录的选择性	将专为时间序列数据设计的卷积神经网络应用于外周神经记录，并系统评估了窗口长度和数据增强对分类性能的影响	未明确提及具体局限性	确定深度学习技术能否增加多接触神经袖带电极的记录选择性	Long-Evans大鼠坐骨神经的56通道神经袖带记录，包括三种机械刺激诱发的传入信号	深度学习	不适用	神经袖带电极记录	卷积神经网络	神经信号	未明确具体样本数量，但使用了来自Long-Evans大鼠的56通道神经袖带记录数据集	未明确提及	卷积神经网络，具体架构未指明	准确率、F1分数	未明确提及
919	2026-08-28	GNViT- An enhanced image-based groundnut pest classification using Vision Transformer (ViT) model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301174 PMID:38527074	研究论文	本研究引入了GNViT模型，一种基于预训练Vision Transformer的图像分类方法，用于检测和分类花生作物中的害虫	提出了专门针对花生害虫分类的GNViT模型，利用在ImageNet上预训练的ViT，并通过数据增强显著提升了训练准确率	信息不足，未在标题和摘要中明确说明	实现花生作物害虫的自动检测与分类，以减少作物损失并增强全球粮食安全	花生作物及其害虫，包括蓟马、蚜虫、夜蛾和地老虎	计算机视觉	农业害虫相关，具体为花生害虫	深度学习，基于预训练模型迁移学习	视觉变换器 (ViT)	图像	使用了来自IP102数据集的综合数据，具体样本数量未在摘要中提及	NA	ViT (Vision Transformer)	F1分数、召回率、准确率	NA
920	2026-08-28	Automatic segmentation of lower limb muscles from MR images of post-menopausal women based on deep learning and data augmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299099 PMID:38564618	研究论文	本研究探索三种卷积神经网络（UNet、Attention UNet和新型Spatial Channel UNet）在磁共振图像中自动分割绝经后女性下肢肌肉的能力，并采用数据增强技术训练模型	提出了一种新颖的Spatial Channel UNet架构，并结合数据增强技术，实现了对23块下肢肌肉（髋部、大腿和小腿）的自动分割	分割性能依赖于受试者和网络类型，且模型仅针对特定采集参数的T1加权磁共振图像进行验证	评估深度学习技术在下肢肌肉自动分割中的可行性，以克服手动分割的耗时和重复性问题	绝经后女性下肢肌肉（髋部、大腿和小腿的23块肌肉）	深度学习	肌肉骨骼疾病	磁共振成像 (MRI)	卷积神经网络 (CNN)	图像	6名受试者的磁共振图像	NA	UNet, Attention UNet, Spatial Channel UNet	相对体积误差 (RVE), Dice相似系数 (DSC), Hausdorff距离 (HD)	NA