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
1681	2026-08-20	TacticAI: an AI assistant for football tactics 2024-03-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45965-x PMID:38503774	研究论文	提出TacticAI，一种与利物浦足球俱乐部专家合作开发的AI足球战术助手，专注于分析角球并预测结果和生成球员站位建议	结合预测和生成组件，通过几何深度学习实现数据高效，在有限数据下提出有效的角球战术分析和推荐系统	未提及	开发并验证一种AI辅助工具，用于分析和改进足球角球战术，提供预测和生成球员站位建议	足球角球战术，以利物浦足球俱乐部的角球数据为研究对象	机器学习，计算机视觉（如果适用）	NA	几何深度学习	生成模型和预测模型	足球角球比赛数据（可能为轨迹或图数据）	未明确提及，但提到有限的黄金标准数据	未在提供的信息中明确，但可能使用PyTorch或TensorFlow	未明确，但可能包括图神经网络（GNN）或类似架构	包括预测接收者、射门尝试和推荐站位调整的评估指标，以及定性研究中的偏好率（90%时间偏好的比例）	未提及
1682	2026-08-20	CRISPR-M: Predicting sgRNA off-target effect using a multi-view deep learning network 2024-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011972 PMID:38483980	研究论文	提出了一种名为CRISPR-M的多视角深度学习网络，用于预测sgRNA脱靶效应	提出了新的编码方案和新型多视角深度学习模型，利用卷积神经网络和双向长短期记忆递归神经网络构建三支网络，从多个视角预测含插入缺失和错配的靶位点的脱靶效应	未明确提及	提高sgRNA脱靶效应预测能力，以支持基因编辑应用	sgRNA脱靶效应预测	机器学习	NA	CRISPR-Cas9	卷积神经网络（CNN）和双向长短期记忆递归神经网络（BiLSTM）	序列数据	真实世界数据集（具体样本数未提及）	NA	卷积神经网络和双向长短期记忆递归神经网络	多种指标（具体未提及）	NA
1683	2026-08-20	Drug target prediction through deep learning functional representation of gene signatures 2024-02-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46089-y PMID:38424040	研究论文	开发了一种名为FRoGS的深度学习框架，将基因签名投影到其生物学功能上（类似于word2vec），以增强基于OMICS数据集的化合物-靶点预测	不同于传统基于基因身份匹配的方法，FRoGS利用基因功能的预训练知识，通过深度学习将基因签名转化为功能表示，从而提升预测效果	摘要中未明确提及局限性，可能包括依赖预定义的功能注释库及L1000数据集的特性	通过功能表示基因签名，改进化合物-靶点预测和机制作用研究	基因签名、化合物、靶点、L1000数据集	机器学习	NA	深度学习	深度学习模型	基因表达数据	NA	NA	NA	NA	NA
1684	2026-08-20	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.08.579268 PMID:38370815	研究论文	本文通过活体成像和深度学习分割技术，研究增殖上皮中局部和整体细胞密度变化如何引发3D包装的重组	首次结合活体成像和深度学习分割，动态解析细胞密度、组织压实和细胞增殖对3D上皮包装中scutoid形成的相对贡献	研究主要基于海星胚胎模型，可能不适用于其他物种或组织类型，且对scutoid形成的分子机制涉及较少	阐明增殖上皮中3D细胞包装重组的动态变化及scutoid形成的驱动因素	海星胚胎的上皮组织	数字病理学、计算机视觉、机器学习	不适用	活体成像、深度学习分割	深度学习分割模型（未具体指定）	图像	海星胚胎样本（具体数量未提供）	深度学习（具体框架未提供）	未指定	未指定	未提供
1685	2026-08-20	Designing and development of agricultural rovers for vegetable harvesting and soil analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304657 PMID:38905232	研究论文	本文设计并开发了一种用于蔬菜采摘和土壤分析的农业机器人，利用深度学习算法实现自主作业	将YOLOv5深度学习算法与农业机器人技术相结合，实现了蔬菜自动采摘和土壤分析的一体化系统	摘要未提及局限性信息	开发能够提高作物生产力和土壤健康管理的自主农业机器人，以支持可持续农业实践并实现联合国可持续发展目标2（零饥饿）	农业机器人（硬件和软件系统）、土壤分析系统、番茄成熟度检测系统	计算机视觉	NA	深度学习（YOLOv5）、土壤传感技术	YOLOv5（目标检测模型）	图像	NA	NA	YOLOv5	精确度（0.8518%）、召回率（0.7624%）	NA
1686	2026-08-20	Research on multi-defects classification detection method for solar cells based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304819 PMID:38905246	研究论文	针对太阳能电池制造过程中的表面缺陷，提出一种基于深度学习的多缺陷分类检测方法，通过优化YOLOv5s模型和轻量级分类网络MobileNetV2实现缺陷精准检测。	采用K-means算法重新聚类专用锚框以解决YOLOv5s默认锚框与电池失配缺陷标签框尺度不匹配问题，并通过图像预处理、锚框优化和检测头替换改进YOLOv5s模型，同时利用轻量级网络MobileNetV2提高易检测缺陷的检测速度，实现多模型融合的缺陷分类检测。	未提及模型的泛化能力、计算资源消耗或对其他类型缺陷的适用性。	提高太阳能电池表面缺陷的检测精度和速度，实现对难检测、一般和易检测缺陷的有效分类。	太阳能电池表面缺陷，包括失配、气泡、玻璃裂纹、电池裂纹和玻璃倒置五类。	计算机视觉	不适用	深度学习	CNN	图像	未明确指定，但涉及失配、气泡、玻璃裂纹、电池裂纹和玻璃倒置缺陷的检测数据集	PyTorch	YOLOv5s, MobileNetV2	检测精度、分类准确率、检测速度（帧/秒）	未提及
1687	2026-08-20	ACL-DUNet: A tumor segmentation method based on multiple attention and densely connected breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307916 PMID:39485757	研究论文	提出一种基于多重注意力和密集连接U-Net的乳腺超声图像肿瘤分割方法，在Mendeley和BUSI数据集上取得了优于其他深度学习方法的性能	在编码阶段采用密集连接网络增强特征提取能力，并在解码阶段集成注意力门、通道注意力和尺度注意力三种模块以更好捕获最相关特征	未提及	实现乳腺超声图像中肿瘤的准确分割，以辅助临床诊断决策	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声成像	U-Net	图像	Mendeley数据集250张图像（100良性，150恶性），BUSI数据集780张图像（133正常，487良性，210恶性）	NA	密集连接U-Net，注意力门，通道注意力，尺度注意力	Dice相似系数（DSC）	NA
1688	2026-08-20	Non-small cell lung cancer detection through knowledge distillation approach with teaching assistant 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306441 PMID:39504338	研究论文	本研究利用CT扫描图像，通过知识蒸馏技术（含助教模型）对非小细胞肺癌进行分类，并评估了模型的性能与可解释性	采用三阶段知识蒸馏框架（教师-助教-学生），并通过代价敏感学习和超参数（alpha和温度）调优提升学生模型性能，同时结合可解释性AI和Web应用增强实用性和透明度	未提及具体局限性，如样本多样性、模型泛化能力或外部验证等	利用CT图像高效分类非小细胞肺癌，并通过知识蒸馏和助教框架提高模型性能且适配内存受限的边缘设备	非小细胞肺癌CT扫描图像	计算机视觉、机器学习	非小细胞肺癌	CT扫描、知识蒸馏、代价敏感学习、可解释性AI（Shapley值）	CNN、VGG19、ResNet152v2、Swin、CCT、ViT	图像（CT扫描）	未明确说明	NA	ResNet152（助教）、CNN（学生）等	准确率	未明确说明，但提及模型适用于内存受限的边缘设备
1689	2026-08-20	Deep learning algorithms reveal increased social activity in rats at the onset of the dark phase of the light/dark cycle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307794 PMID:39514582	研究论文	本研究利用深度学习算法分析半自然条件下大鼠在光暗周期转换时的社交行为和超声发声，发现关灯可增加攻击行为但未增加积极情感相关发声。	首次利用DeepLabCut、SimBA和DeepSqueak等深度学习工具联合分析大鼠在光暗转换期间的社交行为与超声发声，揭示了关灯刺激对攻击行为的增强作用。	未能证明关灯刺激增加积极情感（享乐性超声发声），且研究仅基于成对大鼠和特定半自然条件，可能限制结果的普适性。	探索光暗周期转换期间大鼠的社交行为特征及其伴随的超声发声变化，并验证深度学习算法在这类行为分析中的实用性。	半自然条件下饲养的大鼠成对个体	计算机视觉, 机器学习	不适用	视频和音频记录	卷积神经网络（DeepLabCut）, 随机森林（SimBA）, 深度学习（DeepSqueak）	视频, 音频	6天连续观察，具体大鼠数量未提及	DeepLabCut, SimBA, DeepSqueak	DeepLabCut（基于ResNet）, SimBA（随机森林模型）, DeepSqueak（卷积循环网络）	未明确提及	未明确提及
1690	2026-08-20	Harnessing hybrid deep learning approach for personalized retrieval in e-learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308607 PMID:39536054	研究论文	提出一种名为深度学习课程推荐系统（DLCRS）的混合深度学习方法，结合序列GRU与adam优化器及协同过滤技术，用于在线学习中的个性化课程推荐	首次将混合序列GRU+adam优化器与协同过滤技术结合，并利用ELMO词嵌入进行学习者和课程特征提取，以提升推荐准确性和个性化程度	文中未明确提及局限性	解决在线学习平台中因用户知识框架差异而导致的课程选择困难，提供准确且以学习者为中心的课程推荐	在线学习平台中的学习者及其课程资料	机器学习	NA	协同过滤、词嵌入（ELMO）	GRU	文本数据	来自知名公共组织的真实数据集，具体样本数量未提及	NA	GRU	AUC值、命中率（hit ratio）	NA
1691	2026-08-20	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	开发了一种基于掩码注意力引导的动态图聚合网络框架，用于提升事件抽取性能	引入了掩码注意力机制平衡词向量和序列语义，并通过动态图聚合模块强化事件间及事件与属性间的关联	未明确指出，但可能受限于特定数据集和计算资源需求	解决传统深度学习方法在事件抽取中忽略词特征与序列信息关联的问题，提高抽取性能	事件抽取任务中的词向量、字符向量及相关事件属性	自然语言处理	NA	NA	动态图聚合网络	文本	两个基准数据集（DuEE和CCKS2020）	NA	动态图聚合网络、双向独立循环单元	F1分数	NA
1692	2026-08-20	Using spatio-temporal graph neural networks to estimate fleet-wide photovoltaic performance degradation patterns 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297445 PMID:38354115	研究论文	提出一种基于时空图神经网络的分解方法，用于估计大规模光伏系统的性能退化模式	首次将图深度学习用于光伏系统性能退化率的估计，通过时空相干性分解老化与波动成分，并在损失函数中引入平坦性和平滑性正则化以实现有效解耦	基于模拟数据集验证，可能未充分考虑实际光伏系统的复杂性和噪声	精确估计光伏系统性能损失率（PLR），改善传统统计方法的局限，为光伏行业提供实时监测和产品改进支持	大规模光伏系统中的性能退化模式	机器学习	NA	NA	图神经网络	光伏功率时间序列数据	三个模拟光伏数据集，包含5个场地的100个逆变器	PyTorch	时空图神经网络	平均绝对百分比误差（MAPE）、欧氏距离（ED）	NA
1693	2026-08-20	Prospective evaluation of deep learning image reconstruction for Lung-RADS and automatic nodule volumetry on ultralow-dose chest CT 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297390 PMID:38386632	研究论文	本文前瞻性评估了深度学习图像重建在超低剂量胸部CT中对Lung-RADS分类和自动结节体积测量的可行性。	首次前瞻性评估DLIR在超低剂量CT中用于Lung-RADS分类和结节体积测量的性能，并与常规剂量CT进行比较。	样本量较小（仅40名患者），且为单中心研究，可能影响结果的普适性。	评估深度学习图像重建在超低剂量胸部CT中是否能实现与低剂量CT相当的Lung-RADS分类和结节体积测量。	接受低剂量和超低剂量胸部CT检查的患者，以及其肺结节的Lung-RADS分类和体积测量。	医学影像，计算机辅助诊断	肺结节，肺癌	CT成像，深度学习图像重建（DLIR），自适应统计迭代重建（ASIR-V）	深度学习（具体架构未提及）	胸部CT图像	40名患者（平均年龄66±12岁，21名女性），每名患者接受LDCT和ULDCT扫描	NA	NA	信噪比（SNR），主观图像质量评分，敏感性（Lung-RADS分类和结节检测），结节体积差异的一致性（95%一致性界限），体积差异百分比	NA
1694	2026-08-20	SegX-Net: A novel image segmentation approach for contrail detection using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298160 PMID:38442105	研究论文	提出了一种基于深度学习的新型图像分割方法SegX-Net，用于飞机尾迹检测，以应对气候变化	结合DeepLabV3+和ResNet-101架构，提出高效轻量级的SegX-Net模型，显著提高分割精度	未提及具体局限性	利用图像分割技术自动识别和监测飞机尾迹，以缓解全球变暖	飞机尾迹（凝结尾迹）图像	计算机视觉	NA	深度学习图像分割	CNN	图像	来自Google research的综合数据集	NA	DeepLabV3+, ResNet-101	IoU, F1分数, 敏感性, Dice系数	NA
1695	2026-08-20	Deep learning algorithm for the automated detection and classification of nasal cavity mass in nasal endoscopic images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297536 PMID:38478548	研究论文	开发了一个基于鼻内镜图像的深度学习模型，用于自动检测和分类鼻腔肿块病变，包括正常、鼻息肉、良性肿瘤和恶性肿瘤，并与人工评估比较了性能。	首次使用大规模多中心数据训练深度学习模型来区分广泛的鼻腔肿块病变类型，包括良性、恶性肿瘤，且模型在恶性肿瘤和良性肿瘤分类上优于人工评估。	未明确提及局限性，但可能包括数据集类别不均衡（良性肿瘤和恶性肿瘤样本较少）和外部验证不足。	开发并验证基于鼻内镜图像的深度学习模型，用于检测和分类鼻腔肿块病变，并评估其临床可行性。	鼻腔肿块病变图像，包括正常鼻腔、鼻息肉、良性肿瘤和恶性肿瘤。	计算机视觉，数字病理学	鼻腔肿块病变，包括鼻息肉、良性肿瘤、恶性肿瘤	内镜检查图像	CNN	图像	训练和验证数据集共包含149,043张正常鼻腔图像、311,043张鼻息肉图像、9,271张良性肿瘤图像和5,323张恶性肿瘤图像；测试集包含400张图像	NA	Xception	准确率，AUC，F1分数，敏感性	NA
1696	2026-08-20	DVFNet: A deep feature fusion-based model for the multiclassification of skin cancer utilizing dermoscopy images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297667 PMID:38507348	研究论文	提出了一种基于深度特征融合的DVFNet模型，用于皮肤癌皮肤镜图像的多分类检测	结合VGG19和HOG特征提取，并使用SMOTE Tomek处理类别不平衡，通过特征向量图实现多分类	未提及	早期识别和分期皮肤癌，提高检测准确性	皮肤癌皮肤镜图像	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	ISIC 2019数据集（图像数量未提及）	未提及	VGG19, HOG, CNN	准确率	未提及
1697	2026-08-20	A deeply supervised adaptable neural network for diagnosis and classification of Alzheimer's severity using multitask feature extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297996 PMID:38530836	研究论文	本研究利用MRI图像通过混合特征提取和传统机器学习方法以及CNN模型来诊断和分类阿尔茨海默病的严重程度	采用12种特征提取方法的混合方案，并提出了一个深度监督的自适应CNN架构，以多任务特征提取方式提高诊断准确性	未明确说明研究的局限性，可能包括数据集规模有限或仅依赖单一影像模态	利用MRI图像自动诊断和分类阿尔茨海默病的严重程度，并比较传统机器学习方法与先进CNN模型的性能	阿尔茨海默病患者的MRI脑部图像，包含四个严重程度等级	机器学习, 医学影像分析	阿尔茨海默病	MRI	CNN, 决策树, K近邻, 线性判别分析, 朴素贝叶斯, 支持向量机, 集成学习	图像（MRI）	未明确说明具体样本数量，但包含四个严重程度等级的数据集	NA	CNN架构（未具体说明类型）	准确率	NA
1698	2026-08-20	A deep learning approach for Named Entity Recognition in Urdu language 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300725 PMID:38547173	研究论文	本文提出了一种利用FastText和Floret词嵌入的深度学习方法，用于乌尔都语命名实体识别，显著提升了识别性能	利用公开的FastText和Floret词嵌入结合上下文信息改进特征提取，并组合多种深度学习模型（LSTM, BiLSTM, GRU, CRF）进行训练，在乌尔都语NER任务中取得了最高F值0.98的性能	仅针对乌尔都语数据集，未涉及其他语言；错误率仍有1.24%至3.63%的波动	提出一种改进的深度学习方法，以提高乌尔都语命名实体识别的性能	乌尔都语文本中的命名实体，涉及多个基准数据集	自然语言处理	NA	FastText词嵌入, Floret词嵌入	LSTM, BiLSTM, GRU, CRF	文本	四个乌尔都语基准数据集	NA	LSTM, BiLSTM, GRU, CRF	F值, 错误率	NA
1699	2026-08-20	DEW: A wavelet approach of rare sound event detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300444 PMID:38547253	研究论文	本文提出了一种基于小波的罕见声音事件检测系统，利用小波多分辨率分析和去噪技术，结合峰值检测和K-medoids聚类来定位事件，并通过小波散射网络提取特征，使用支持向量机进行分类	该系统无需可学习参数，训练仅需一个epoch，计算高效且轻量，适合资源受限设备上的实时应用	未明确提及局限性	开发一种适用于开放环境中罕见声音事件检测的高效轻量级系统	开放环境中的罕见声音事件	机器学习	NA	小波多分辨率分析，小波去噪，小波散射网络	支持向量机	音频	未明确提及具体样本数量，但输入为30秒音频片段，并处理1秒的片段	NA	小波散射网络，支持向量机	错误率	未明确提及，但强调计算高效和轻量
1700	2026-08-20	Deep learning-based near-field effect correction method for Controlled Source Electromagnetic Method and application 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308875 PMID:39527626	研究论文	提出一种基于深度学习（LSTM-CNN）的受控源电磁法近场效应校正方法，并通过理论数据和实测数据验证其有效性。	首次将LSTM-CNN深度学习网络应用于受控源电磁法的近场效应校正，通过正演模拟生成多样数据集，实现对近场效应的自动校正，提升了校正精度和抗噪能力。	原文未明确提及局限性，但可能受限于层状地质模型假设、数据生成范围以及实测数据的多样性。	开发一种基于深度学习的受控源电磁法近场效应校正方法，以消除近场效应的影响，更准确地反映真实地质结构。	受控源电磁法（CSEM）中的近场效应校正问题，涉及理论数据和实测数据。	深度学习、地球物理勘探	不适用	正演模拟、深度学习	LSTM-CNN	电磁场模拟数据、实测CSEM数据	未明确样本数量，但生成了多样化的层状地质模型数据集。	未明确指定，但可能使用TensorFlow或PyTorch等。	LSTM-CNN	与模拟数据的一致性、抗噪性能、实测数据的校正效果（如消除虚假高阻异常）。	未明确指定。