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
441	2026-07-10	Dynamic analysis for employment substitution effect of robots fused with deep learning models and artificial intelligence 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51853-9 PMID:42115653	研究论文	提出一种融合图卷积网络和双向长短期记忆网络的动态耦合模型，分析机器人对就业的替代效应	设计门控融合机制，在每个时间步动态整合时序特征和网络嵌入，实现替代过程的精细模拟	NA	解决分析机器人就业替代效应时时间动态与网络结构分离的问题	中国制造业企业的就业替代效应	机器学习	NA	NA	图卷积网络、双向长短期记忆网络	面板数据	327个中国制造业企业样本，覆盖2018-2022年	NA	GCN, Bi-LSTM	准确率、AUC	NA
442	2026-07-10	Deep learning-based automated segmentation and quantification of aortic arch calcification at chest radiograph 2026-May-11, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-026-07615-3 PMID:42116010	研究论文	开发了一种基于深度学习的自动分割和量化方法，用于在胸部X光片中检测和量化主动脉弓钙化	首次利用深度学习实现胸部X光片中主动脉弓钙化的自动分割和量化，并结合影像组学特征分析其与心血管风险的关联	研究为回顾性设计，样本量相对较小（347例），且未在独立外部验证集中测试模型泛化性	实现胸部X光片中主动脉弓钙化的自动分割和量化，评估其与心血管疾病风险的关联	主动脉弓钙化区域及其影像组学特征	计算机视觉	心血管疾病	NA	深度卷积神经网络	图像	347名患者（中位年龄77岁，224名女性），分为训练集242例和测试集69例	NA	NA	AUC, 准确率, 灵敏度, 特异度	NA
443	2026-07-10	A unified RepVGG model factory with plug-in SE attention and GeM pooling for fine-grained agricultural classification 2026-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51099-5 PMID:42108239	研究论文	提出一种统一RepVGG模型工厂，集成SE注意力和GeM池化，用于细粒度农业分类中的杂草识别	创新性在于利用RepVGG结构重参数化技术实现高效推理，同时通过SE注意力通道重校准和GeM池化自适应特征聚合增强判别能力，并建立统一模型构建接口支持系统化基准测试	本文未明确说明局限性	实现细粒度杂草分类的高精度与计算效率平衡，以便在资源受限的农业环境中部署实时系统	CottonWeedID15数据集中不同类型的杂草图像	计算机视觉	不适用	深度学习	RepVGG	图像	CottonWeedID15数据集	PyTorch	RepVGG, SE注意力, GeM池化, ResNet, DenseNet, EfficientNet	F1分数, 推理时间	NA
444	2026-07-10	AI-based visual analysis of photovoltaic panels for fault detection and maintenance support 2026-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51711-8 PMID:42108269	研究论文	基于EfficientNet的深度学习框架实现光伏面板故障自动检测与分类	系统比较了微调迁移学习、深度特征提取+分类器和替代微调设置三种策略在光伏缺陷检测中的表现，并引入基于折的稳定性分析	仅使用单一光伏图像数据集进行验证，未在不同光照和天气条件下评估模型泛化能力	开发自动化光伏面板异常分类诊断框架，提高大规模太阳能装置的检测效率	光伏面板表面缺陷类型（物理损伤、积雪覆盖等）	计算机视觉	不适用	深度迁移学习	CNN	图像	光伏面板图像数据集（具体数量未知）	PyTorch	EfficientNet	准确率, 宏F1分数, 折稳定性分析	不适用
445	2026-07-10	Enhancing weld performance of AA2024-T351 using drilled-to-bossed geometry and deep learning prediction in direct drive friction welding 2026-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52231-1 PMID:42108284	研究论文	针对AA2024-T351铝合金的直接驱动摩擦焊接，引入钻孔-凸起几何结构以增强机械互锁，并利用深度学习模型预测接头强度	首次将传统榫卯结构启发的钻孔-凸起几何设计应用于摩擦焊接，结合集成残差网络等深度学习模型预测焊接性能	深度学习模型预测精度R²约为0.81，仍有改进空间；实验仅针对特定铝合金型号和参数范围，泛化性有限	优化AA2024-T351铝合金直接驱动摩擦焊接的工艺参数，提高接头强度，并建立预测模型	AA2024-T351铝合金接头的强度和焊接工艺参数	机器学习	NA	直接驱动摩擦焊接	集成残差网络、紧凑注意力网络、自适应多尺度网络	焊接工艺参数和强度测试结果	基于L正交阵列的实验设计，包含多种工艺参数组合	NA	集成残差网络、紧凑注意力网络、自适应多尺度网络	R²	NA
446	2026-07-10	Quantifying wildfire impacts on atmospheric pollutants using fire exposure metrics and machine-deep learning approaches 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51766-7 PMID:42103802	研究论文	本研究通过整合暴露建模、相关性分析和机器学习技术，量化野火活动对大气气体浓度的影响	创新性地提出了野火暴露指数（FEI）来动态量化野火烟羽对观测站的影响，并构建了将LightGBM、LSTM、GRU和BiLSTM结合的堆叠集成架构，显著提升了预测性能	研究仅在特定气象和地理条件下进行验证，可能限制了模型在其他区域的泛化能力	量化野火对大气污染物浓度的影响，并开发可解释的预测策略以支持空气质量管理	大气污染物（CO、CO₂、CH₄、BC）和野火数据集（火灾位置、过火面积、持续时间）	机器学习	NA	大气观测、火焰暴露建模	梯度提升、随机森林、决策树、LSTM、GRU、BiLSTM、堆叠集成	时间序列观测数据、地理空间野火数据	连续大气观测数据集和野火数据集	LightGBM	LightGBM, LSTM, GRU, BiLSTM	R²	NA
447	2026-07-10	Research on a lightweight model for laser-cut diamond defect detection based on multi-module collaborative optimization 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51745-y PMID:42103926	研究论文	基于多模块协同优化开发了一种用于激光切割钻石缺陷检测的轻量级模型FAS-YOLO	提出FAS-YOLO轻量级缺陷检测模型，通过FDConv模块重构特征提取、ADown模块优化下采样和SEAM注意力机制增强检测头，在保持竞争力的同时显著减少参数量和计算量	未提及在其他类型数据集或更广泛场景下的泛化能力验证	实现资源受限设备上激光切割钻石缺陷的高效准确检测	激光切割钻石缺陷（如裂纹、烧蚀等）	计算机视觉	不适用	不适用	YOLO	图像	未明确提及	PyTorch	YOLOv11n, FDConv, ADown, SEAM	精确率, 召回率, mAP50	未明确提及
448	2026-07-10	Photon absorption remote sensing (PARS): comprehensive absorption imaging enabling label-free biomolecule characterization and mapping 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43740-0 PMID:42106441	研究论文	介绍一种名为光子吸收遥感（PARS）的新型吸收显微镜技术，该技术能够同时捕获吸收事件后的辐射和非辐射弛豫过程，实现对多种生物分子的无标记表征和成像	PARS技术首次同时采集辐射（自发荧光）和非辐射（光热和光声）弛豫过程，提供对多种生物分子的增强特异性，无需染色或深度学习方法即可进行分子病理表征	NA	开发一种新型吸收显微镜技术以解决现有无标记光学吸收显微镜在特异性和对比度方面的挑战，实现对复杂组织中临床相关生物分子的直接表征和映射	人类皮肤和鼠脑组织样本中的临床相关生物分子（如白质和灰质）	数字病理学	NA	光子吸收遥感（PARS）技术、紫外（266 nm）和可见光（532 nm）激发	高斯混合模型（GMM）、非负最小二乘（NNLS）	图像	人类皮肤和鼠脑组织样本（具体数量未提供）	Scikit-learn	NA	NA	NA
449	2026-07-10	RAN: A randomness-anchored watermark attacking network with stealth and effectiveness 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52298-w PMID:42106495	研究论文	提出一种基于深度学习的随机锚定水印攻击网络 (RAN)，通过将水印攻击为随机噪声来增强隐蔽性和有效性	引入替代水印损失，通过锚定随机性而非原始水印将水印攻击为随机噪声，实现隐蔽且有效的攻击	未明确提及局限性	提出一种基于深度学习的水印攻击方法，为鲁棒水印技术提供新的攻击基准	水印图像及其攻击方法	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	NA	视觉保真度、攻击能力	NA
450	2026-07-10	Machine learning approaches for resource management and forecasting in energy consumption systems 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52189-0 PMID:42106533	研究论文	本文探讨了利用机器学习方法解决可再生能源系统中的资源管理和预测问题，特别是结合深度学习模型与优化算法提高预测精度和系统稳定性	创新性地结合四阶段数据清洗方法与两阶段AI稳定系统，将Markowitz模型用于确定风能和太阳能的最优混合比例，并采用电池平滑过程减少残余波动	NA	通过人工智能和机器学习方法解决可再生能源系统的间歇性、预测不确定性和电网集成问题	可再生能源系统中的风能和太阳能发电预测、资源管理及维护调度	机器学习	NA	NA	支持向量机（SVM）、随机森林（RF）、长短期记忆网络（LSTM）	时间序列数据	NA	NA	Markowitz模型、LSTM	决定系数（R）、方差缩减率	NA
451	2026-07-10	Reducing social biases in text-based emotion prediction using semantic blinding and semantic propagation graph neural networks 2026-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46749-7 PMID:42103793	研究论文	提出语义传播图神经网络（SProp GNN），通过语义盲化减少文本情感预测中的社会偏见	首创语义盲化机制，使模型仅依赖句法结构和情感线索，避免特定词语导致的政治或性别偏见，同时保持较高预测性能	与基于Transformer的模型相比仍有约5.7%的准确率差异，且在情感维度预测任务上相关度存在0.075至0.145的差距	开发一种可解释、低偏见的机器学习情感预测架构，以公平有效地从文本中理解人类行为	文本情感预测任务，涵盖离散情感分类和维度情感预测	自然语言处理	NA	语义传播图神经网络	图神经网络（GNN）	文本	NA	NA	语义传播图神经网络（SProp GNN）	准确率（Accuracy）、相关系数（Correlation）	NA
452	2026-07-10	Evaluation of image quality between hybrid iterative reconstruction and deep learning reconstruction in low dose abdominopelvic CT in low body mass index individuals 2026-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52554-z PMID:42103976	研究论文	比较低体重指数个体在低剂量腹盆部CT中，混合迭代重建与深度学习重建的图像质量	首次在低BMI患者中系统评估深度学习重建相对于混合迭代重建在低剂量CT中的图像质量提升效果	样本量较小（50例），仅评估单一剂量水平，未进行泛化性验证	确定深度学习重建能否在给定剂量下提供更优的图像质量	低BMI（<18.5 kg/m²）患者接受低剂量增强CT腹盆部扫描的图像	计算机视觉	NA	CT扫描、iDose4迭代重建、深度学习图像重建（精确图像PI）	深度学习重建（DLIR）	图像	50例低BMI患者	NA	NA	信噪比、对比噪声比、图像噪声、Likert评分（5点量表）、组内相关系数	Philips 128层CT扫描仪
453	2026-07-10	Effective real-time self-rehabilitation exercise monitoring and correctness system for low back pain management 2026-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51088-8 PMID:42098294	研究论文	提出一种基于计算机视觉和深度学习的低成本、高效、用户友好的低位背痛康复运动实时监测与姿势纠正系统	利用单层64单元长短期记忆网络轻量模型，通过3D人体骨架关键点角度计算实现九种LBP康复运动姿势的实时识别与反馈，无需额外硬件或专业摄像头	未提及	开发低成本、高效的远程低位背痛康复运动监测与姿势纠正系统	低位背痛患者的康复运动姿势	计算机视觉	低位背痛	计算机视觉	长短期记忆网络	视频	未提及	NA	单层64单元LSTM	交叉验证准确率	普通RGB摄像头
454	2026-07-10	Adnexal torsion diagnosis framework with CT-based adaptive preprocessing and deep neural networks 2026-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50736-3 PMID:42098354	研究论文	本文评估了基于CT自适应预处理和深度神经网络在附件扭转自动诊断中的可行性	首次结合直方图聚类自适应窗宽和TotalSegmentator分割模型实现CT图像预处理，并对比2D多实例学习与3D卷积神经网络在附件扭转诊断中的效果	未提及	评估深度学习模型用于附件扭转CT自动诊断的可行性	回顾性收集自两家韩国三级医院的514名女性的1191次CT扫描	计算机视觉	妇科急症（附件扭转）	CT扫描	3D EfficientNet	CT图像	514名女性，其中259例手术确诊附件扭转和255例无扭转的附件囊肿，共1191次CT扫描	PyTorch	EfficientNet	AUC, 准确率, 特异性	NA
455	2026-07-10	Artificial Intelligence Diagnosis of Obstructive Sleep Apnoea using Overnight Pulse Oximetry: A Systematic Review and Bayesian Meta-Analysis 2026-May-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80349 PMID:42138698	系统性综述与贝叶斯荟萃分析	评估基于夜间脉搏血氧饱和度的人工智能模型诊断阻塞性睡眠呼吸暂停的诊断准确性	首次对仅基于血氧数据的AI模型进行定量综合荟萃分析，并评估了发表偏倚和方法学局限性，提供了更清晰可靠的AI-血氧诊断性能证据基础	需要在不同人群和低患病率环境中进行前瞻性外部验证后才能广泛应用；存在中低偏倚风险	评估基于脉搏血氧读数的AI模型在诊断阻塞性睡眠呼吸暂停中的准确性	基于夜间SpO₂记录的AI诊断模型	机器学习	阻塞性睡眠呼吸暂停	脉搏血氧测量	神经网络分类器、深度学习特征提取模型	血氧饱和度时间序列数据	25项研究，共23,171名参与者，平均年龄40-63岁，平均BMI 25-37	NA	神经网络、深度学习特征提取网络	敏感性、特异性、诊断优势比、AUC	NA
456	2026-07-10	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-05-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	本研究通过建模内部不确定性，建立了无参考质量的评估基准，用于可靠深度学习重建生物NMR波谱	首次将三种不确定性量化框架（Deep Ensemble、MC Dropout、Evidential Deep Learning）集成到深度学习重建中，提供预测可靠性评估，无需参考数据	未提及具体局限性	提高深度学习加速多维NMR波谱的可靠性，避免过度自信预测和错误生物学解释	蛋白质的二维和三维NMR波谱	机器学习	NA	NMR波谱	深度学习模型	波谱数据	蛋白质二维和三维NMR波谱数据	NA	Deep Ensemble, Monte Carlo Dropout, Evidential Deep Learning	重建精度、不确定性图与重建残差一致性、全局重建和频率级细节可靠性	NA
457	2026-07-10	An Integrated Wasserstein GAN-Transformer Deep Learning Framework for Accurate Raman Spectral Identification of Escherichia coli Strains 2026-05-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00429 PMID:42007758	研究论文	提出一种结合Wasserstein生成对抗网络和Transformer分类器的集成深度学习框架，用于大肠杆菌菌株的拉曼光谱准确识别	首次将WGAN与Transformer结合用于拉曼光谱分析，通过生成式数据增强解决小样本和高光谱相似性问题，建立了生成增强-判别深度分析的通用范式	文中未明确提及具体局限性	实现大肠杆菌菌株（包括致病性和非致病性变体）的快速精准识别，用于临床诊断和食品安全监测	八种代表性大肠杆菌菌株	机器学习	大肠杆菌感染	拉曼光谱	WGAN与Transformer	拉曼光谱数据	每种菌株约300个原始光谱	NA	Wasserstein生成对抗网络，Transformer分类器	准确率	NA
458	2026-07-10	Interpretable Wavelet-CNN for Accurate Serum Raman Lung Cancer Diagnosis under Leakage-Safe, Patient-Level Splits 2026-05-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06703 PMID:42007946	研究论文	本文展示了将连续小波变换-卷积神经网络结合可解释性分析应用于血清拉曼光谱的肺癌诊断，在患者级数据拆分下实现了高准确率，并通过梯度加权类激活映射识别了与癌症代谢相关的关键拉曼峰	首次在临床血清样本中验证了CWT-CNN对生物变异的鲁棒性，并引入Grad-CAM与逆CWT重建实现特征归因的可解释性分析，揭示了诊断决策与癌症代谢相关的分子特征（如苯丙氨酸、脂质、核苷酸和色氨酸的拉曼峰）	未提及	验证CWT-CNN深度学习在临床血清拉曼光谱诊断中的准确性、鲁棒性和可解释性	213例患者血清样本（106例肺癌、107例对照），每例仅需5 μL血清和10分钟采集时间	机器学习、数字病理学	肺癌	拉曼光谱	卷积神经网络（CNN）	光谱数据	213例患者血清样本（回顾性队列）	NA	连续小波变换-卷积神经网络（CWT-CNN）	准确率、灵敏度、特异性	NA
459	2026-07-10	Automated deep learning by recurrent hyperparameter optimization 2026-May-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72413-9 PMID:42082472	研究论文	本文提出了一种名为Rocket的循环超参数优化框架，通过自我对弈强化学习自动调整混合类型超参数，无需领域知识	首次提出基于自我对弈强化学习的循环超参数优化方法，处理混合类型超参数，并设计了奖励近似机制以加速在大型数据集上的学习	未明确提及局限性，可能涉及对超参数类型的完全覆盖或极端复杂任务的适应性	自动化深度学习模型超参数优化，减少对领域专家和计算资源的依赖	深度学习模型的超参数（混合类型）	机器学习	NA	NA	深度学习模型（基于强化学习的策略代理）	未明确指定，但涉及大规模数据集	跨8个深度学习任务和32个基准测试	PyTorch（推测，基于常见强化学习实现）	策略代理（基于强化学习）	优化时间、成本、模型性能（达到专家调优结果）	未明确指定，但提到在工业部署中减少优化时间和成本
460	2026-07-10	A large-scale 12-lead electrocardiogram dataset for acute coronary syndrome prediction containing 19,955 ECGs 2026-May-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07278-0 PMID:42082497	研究论文	提供了一个包含19,955份心电图的大规模12导联心电图数据集，用于急性冠脉综合征预测	首次公开了大规模、带有造影金标准标签的12导联心电图数据集，用于ACS预测，并提供了基线深度学习模型	未明确说明，但可能包括数据集的样本量相对有限、研究仅基于单中心数据等潜在局限	为急性冠脉综合征预测提供公开的大规模心电图数据集和基线模型，推动AI在该领域的研究	19,955份10秒12导联心电图记录，来自18,909名接受数字减影血管造影的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	19,955份心电图记录，来自18,909名患者	NA	NA	NA	NA