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
241	2026-08-24	A week in the life of the human brain reveals stable states punctuated by chaotic-like transitions 2026-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73347-y PMID:42248858	研究论文	利用颅内和视频记录分析一周内人脑神经动态，发现其由稳定状态和混沌样转变构成，并与昼夜节律、心率和行为相关	首次在真实世界环境中利用长时间颅内记录和深度学习算法揭示大脑动态如何通过混沌转变在稳定状态间切换，以及睡眠剥夺对神经动态控制的影响	未提供明确的局限性信息	探究真实世界环境中人脑神经动态随时间的变化及其与行为和生理状态的关系	二十名参与者的脑电活动和行为视频	神经科学、机器学习	睡眠剥夺	颅内脑电记录、视频记录	动态深度学习模型	颅内脑电信号、视频	20名参与者	NA	NA	NA	NA
242	2026-08-24	Genetic architecture of white matter microstructure captured by unsupervised deep representation learning of fractional anisotropy maps 2026-Jun-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73996-z PMID:42236496	研究论文	提出一种无监督深度学习框架UDR-WM，从扩散MRI的逐体素FA图中提取脑-wide无监督深度成像表型，用于研究白质微结构的遗传结构	无需先验解剖假设，直接从FA图中学习脑-wide深度成像表型，相较于传统基于感兴趣区的方法对衰老更敏感且遗传力更高	未在文中明确提及	通过无监督深度学习表征白质微结构，以获得更精细的遗传结构视图并补充传统基于感兴趣区的FA测量	白质微结构及相关遗传变异	机器学习	NA	扩散MRI, GWAS	自编码器	图像	未在文中明确提及	NA	自编码器	遗传力, SNP关联	NA
243	2026-08-24	Utility of breath-hold half-Fourier single-shot turbo spin-echo with deep learning-based reconstruction for acquiring fat-suppressed T2-weighted images of the pancreas 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100740 PMID:41994324	研究论文	本研究比较了常规呼吸门控涡轮自旋回波、呼吸暂停涡轮自旋回波结合深度学习重建和呼吸暂停半傅里叶单次激发涡轮自旋回波结合深度学习重建三种技术，在胰腺脂肪抑制T2加权图像采集中的时间和图像质量。	首次评估了呼吸暂停半傅里叶单次激发涡轮自旋回波结合深度学习重建技术在胰腺脂肪抑制T2加权图像中的表现，显示了更短的采集时间和更好的图像质量。	未明确提及局限性。	确定获取胰腺脂肪抑制T2加权图像的最佳技术，优化采集时间和图像质量。	87例疑似胰腺疾病患者及64个局灶性胰腺病变（>5毫米）。	医学影像	胰腺疾病	磁共振成像	深度学习重建模型	磁共振图像	87名患者，64个病灶	未指定	未指定	信号噪声比，对比度噪声比，图像质量评分（5分制）	3-T磁共振扫描仪
244	2026-08-24	DOMAIN-AWARE MATRIX COMPLETION FOR PHENOTYPE IMPUTATION USING ELECTRONIC HEALTH RECORD DATA WITH APPLICATIONS IN GENOMIC RESEARCH 2026-Jun, The annals of applied statistics DOI:10.1214/26-AOAS2165 PMID:42630963	研究论文	提出一种名为 covImpute 的域感知矩阵补全方法，利用遗传协方差矩阵对电子健康记录中的表型数据进行插补，以提升下游遗传关联研究的效力。	与通用矩阵补全方法不同，covImpute 通过整合表型间的遗传协方差矩阵作为外部信息，在表型插补中融入域知识，从而更适用于遗传分析。	文中未明确提及局限性，但可能包括对遗传协方差矩阵准确性的依赖以及计算复杂性。	开发一种结合域知识（遗传协方差）的矩阵补全方法，以提高 EHR 中缺失表型数据的插补质量，从而增强遗传关联分析的统计功效。	电子健康记录中的表型数据，以及 UK Biobank 中多种疾病的遗传关联研究。	机器学习	多种疾病（未指定具体类别），涉及 UK Biobank 中的疾病。	矩阵补全、遗传协方差矩阵	矩阵补全模型（covImpute）、责任阈值模型（LTPI）、深度学习自编码器	电子健康记录数据、遗传数据、模拟数据	UK Biobank 数据，具体样本量未在摘要中提供	NA	covImpute（矩阵补全）、LTPI（责任阈值模型）、softImpute、深度学习自编码器	遗传关联研究的统计功效	NA
245	2026-08-23	Influence of sponsorship on betting intentions: from linear to deep learning models 2026-Jun-14, Harm reduction journal IF:4.0Q1 DOI:10.1186/s12954-026-01485-z PMID:42289703	研究论文	本研究探讨体育赛事中商业博彩赞助对博彩意向和实际赌博行为的影响，比较线性（PLS-SEM）和非线性（人工神经网络）预测方法。	将自我一致性、感知暴露、主观规范、善意和参与度等心理社会变量整合到一个联合预测模型中，并首次系统比较线性与非线性方法在预测赌博行为中的差异。	本研究样本仅限于西班牙人群，可能限制结果的普适性；此外，依赖自我报告数据可能存在偏差。	预测体育赛事中的博彩意向和实际赌博行为，并比较线性与非线性预测模型的效果。	西班牙个体的赌博意向和实际赌博行为。	机器学习应用（社会科学）	问题赌博	NA	偏最小二乘结构方程模型（PLS-SEM）和人工神经网络（ANN）	问卷调查数据	661名西班牙受试者	NA	NA	NA	NA
246	2026-08-23	Identifying predictive factors of cyberbullying perpetration via deep learning: a two-stage training approach to class imbalance with weighted loss 2026-Jun-13, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04980-x PMID:42288893	研究论文	本研究基于一般攻击模型和社会生态框架，采用结合两阶段训练策略与类别加权损失函数的深度学习框架，以提高网络欺凌实施者的识别效果。	创新性地提出一种结合两阶段训练策略和类别加权损失函数的深度学习方法，以解决行为数据集中极端类别不平衡问题，并显著提升少数类别的召回率。	样本仅来自中国大学生，可能限制结果的普适性；且自报数据可能存在偏差。	旨在利用深度学习框架改善网络欺凌实施者的识别，并揭示其预测因素。	660名中国大学生（包括54名自报网络欺凌实施者）	机器学习	心理行为问题（网络欺凌）	NA	深度学习模型	表格数据（包括屏幕时间、情绪、学校连接等特征）	660名中国大学生，其中54名为自报网络欺凌实施者	NA	深度神经网络（DNN）	召回率	NA
247	2026-08-23	DiffPlantCT: a training-free, annotation-free approach to cross-species plant CT image segmentation 2026-Jun-11, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01551-4 PMID:42277862	研究论文	提出一种无需训练和注释的跨物种植物CT图像分割方法，通过无监督零样本学习实现高效分割	首次实现跨物种植物CT图像的免注释、免训练分割，利用预训练稳定扩散模型的自注意力层构建判别性聚类特征	依赖于预训练模型的泛化能力，可能在极端图像质量或新物种上表现受限，但文中未明确详述	开发无需人工标注和模型训练的植物CT图像分割方法，以降低研究成本并提高跨物种表型分析的效率	植物CT图像，包括核桃果实、大麦穗、小麦穗和水稻穗	计算机视觉	NA	CT成像	扩散模型（Stable Diffusion）	图像	两个公共数据集（核桃果实和大麦穗）和两个自收集数据集（小麦穗和水稻穗）	未指定	自注意力层	平均交并比（mIoU）	NA
248	2026-08-23	A large-scale annotated Urdu corpus and deep learning benchmark for mental health classification 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56627-x PMID:42259907	研究论文	本研究开发了一个用于乌尔都语心理健康分类的深度学习框架，并构建了首个大规模公开的乌尔都语注释数据集，涵盖焦虑、抑郁和中性类别。	首次为乌尔都语这种资源匮乏语言提供大规模、公开的多类心理健康分类数据集，并通过系统评估多种深度学习架构建立了性能基准。	未明确说明局限性。	解决低资源语言（乌尔都语）在心理健康自动检测中的研究空白，提供可扩展且文化敏感的监测工具。	乌尔都语推文，分类为焦虑、抑郁和中性。	自然语言处理	焦虑和抑郁	NA	深度学习模型（CNN+BiLSTM, CNN+BiGRU, UrduBERT）	文本（推文）	36,000条乌尔都语推文	NA	CNN+BiLSTM, CNN+BiGRU, UrduBERT	准确率、精确率、召回率、F1分数	NA
249	2026-08-23	A temporal-spectral dual-stream anti-noise bearing fault diagnosis model based on adaptive mode decomposition 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55697-1 PMID:42260071	研究论文	提出一种基于自适应模式分解的时-谱双流抗噪声轴承故障诊断模型，以提高强噪声环境下的诊断准确性	设计了自适应模式分解模块来抑制噪声并增强故障相关信息，并构建时-谱双流框架以从不同视角提取互补特征，增强特征表示的丰富性和判别力	未明确提及局限性，但可能依赖特定噪声条件或需进一步验证泛化能力	提高轴承故障诊断模型在强背景噪声环境下的准确性和可靠性	轴承故障信号	机器学习	不适用	自适应模式分解	深度学习模型	信号	两个真实案例数据集	未提及	时-谱双流网络	诊断准确率	未提及
250	2026-08-23	A generalisation study in deep learning-based segmentation of lower-limb muscles across different populations 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57242-6 PMID:42260151	研究论文	本研究评估了深度学习模型在不同人群（儿童、健康年轻人和绝经后女性）下肢肌肉分割中的泛化能力，重点测试了注意力特征融合U-Net模型	首次跨队列（儿童、健康年轻人和绝经后女性）系统评估下肢肌肉分割模型的泛化能力，并引入注意力特征融合模块改进U-Net	单一类型的队列模型训练不足以提升泛化能力，较小且不规则的肌肉分割准确性较低	评估深度学习模型在不同人群中的下肢肌肉分割性能及泛化能力	下肢肌肉，包括典型发育儿童、健康年轻人和绝经后女性的T1加权磁共振图像	医学影像分析	肌肉相关疾病（如肌少症）	磁共振成像	U-Net及其变体（U-Net++、Attention U-Net、Attention-Feature-Fusion-U-Net）	医学图像（MRI）	包含儿童、健康年轻人和绝经后女性三个队列的图像数据，具体数量未在摘要中给出	未明确指定，可能使用PyTorch或TensorFlow	U-Net, U-Net++, Attention U-Net, Attention-Feature-Fusion-U-Net	Dice相似系数、相对体积误差、豪斯多夫距离、平均对称表面距离	未在摘要中提及，推断使用GPU进行深度学习训练
251	2026-08-23	Reducing normalized mean square error during channel estimation using minimum pilot symbols in massive MIMO network 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56479-5 PMID:42260065	研究论文	本文提出基于深度学习的方法，使用最小导频符号在大规模MIMO网络中估计信道系数，以降低归一化均方误差	利用全连接神经网络和卷积神经网络模型，在最小导频符号条件下实现信道估计，优于传统最小二乘和最小均方误差方法，特别是在导频污染和多小区干扰场景下	摘要未提及具体限制	在大规模MIMO网络中，使用最小导频符号进行信道估计，以降低归一化均方误差	大规模MIMO网络中的信道估计	机器学习	NA	NA	全连接神经网络、卷积神经网络	信道估计数据	NA	NA	全连接神经网络、卷积神经网络	归一化均方误差	NA
252	2026-08-23	Advances in Electrocardiogram-Based Non-Invasive Blood Glucose Monitoring Technology 2026-06, Diabetes, obesity & metabolism DOI:10.1111/dom.70638 PMID:41852256	综述	该文综述了基于心电图的非侵入性血糖监测技术的生理基础、最新进展及临床挑战和未来方向	系统总结了血糖波动对自主神经活动和心脏电生理的影响，以及机器学习、深度学习和多模态融合模型在基于ECG的血糖估计中的应用	未提及具体限制	评估基于心电图的非侵入性血糖监测技术的进展、临床挑战和未来方向	心电图信号与血糖水平之间的关系	机器学习	糖尿病	心电图（ECG）	机器学习、深度学习、多模态融合模型	心电图信号	未提及	未提及	未提及	未提及	未提及
253	2026-08-22	Hematopoietic Stem Cell Transplant and Brain Volume Changes in Adults With Sickle Cell Disease 2026-Jun-09, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000218050 PMID:42133908	研究论文	本研究评估了成人镰状细胞病（SCD）患者接受造血干细胞移植（HSCT）后脑体积和脑白质高信号（WMH）的变化，发现成功移植与脑体积保存相关，但WMH增长未受影响。	首次在成人SCD患者中纵向评估HSCT对脑萎缩和WMH增长的影响，并结合深度学习和FreeSurfer分割方法，为评估HSCT的神经保护作用提供了新证据。	研究为单中心队列，样本量有限（77名参与者），移植失败组人数较少，可能影响统计效力；未评估认知功能变化，且随访时间不等。	探讨成功HSCT是否与成人SCD患者较低的脑萎缩或WMH增长速率相关。	成人严重镰状细胞病患者，接受自体基因治疗、HLA匹配供者或半相合供者的HSCT。	医学影像分析, 数字病理学	镰状细胞病	MRI（T1加权和FLAIR序列）	深度学习算法（用于WMH分割），FreeSurfer分割（非深度学习）	MRI图像	77名参与者（平均年龄32岁，43%女性），随访中位5.3年	NA	NA	脑实质分数（BPF）和WMH体积的变化率（%/年）	NA
254	2026-08-22	Cross-modal attentive fusion network for tri-modal lesion growth prediction 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53402-w PMID:42259863	研究论文	提出了一种名为跨模态注意力融合网络（CMAFN）的深度学习模型，用于多模态医学图像中的病变生长预测	结合了深度典型相关分析（DCCA）用于非线性特征融合、跨模态注意力机制（CMAM）用于自适应模态组合和特征对齐，以及径向基函数与常规长短期记忆（RBF-ConvLSTM）用于学习线性和非线性时空生长模式	未在摘要中明确提及局限性	增强多模态医学图像的有效特征融合，实现病变进展的预测	多模态医学图像，包括乳腺X线摄影、磁共振成像和超声影像中的病变生长模式	医学图像分析	NA	多模态医学成像（乳腺X线摄影、MRI、超声）	深度典型相关分析、跨模态注意力机制、径向基函数-卷积长短期记忆网络	医学图像	NA	NA	CMAFN（包含DCCA、CMAM和RBF-ConvLSTM）	NA	NA
255	2026-08-22	A distribution-level statistical framework for reliable pipeline leak detection using multi-domain signal analysis 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56335-6 PMID:42259898	研究论文	提出了一种基于多域信号分析和分布级统计比较的管道泄漏检测框架，无需机器/深度学习模型，通过融合多种双样本统计量构建健康指标并对比统计阈值实现可靠且可解释的泄漏检测	提出分布级比较而非点级特征偏差监测，融合能量距离、最大均值差异和Hotelling T²统计量构建统一健康指标，以及基于正常数据统计推导的阈值实现有控制的误报率	依赖于正常状态下的参考分布，可能对操作条件的大幅变化敏感；未在更多样化的管道类型和压力范围下验证	开发一种无需标签故障数据、统计严谨且数据高效的管道泄漏检测方法，以实现早期可靠检测	输送气体和水、压力为13 bar和18 bar的管道，以及从管道收集的声发射信号	信号处理	不适用	声发射信号处理、小波包分解、时域和频域特征提取	不适用（非基于机器学习模型）	声发射信号	来自气体和水管道在两种压力水平下的实验声发射数据，具体样本数量未在摘要中提供	不适用	不适用	误报率（低于1%）、检测延迟（泄漏发生后1-2个样本）、检测准确率（超过99%）、p值（1e-5到1e-10）	未在摘要中提供
256	2026-08-22	Hybrid CNN BiLSTM architecture for smart grid cyberattack detection using smart meter data 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55727-y PMID:42251076	research paper	提出一种结合CNN和BiLSTM的混合深度学习架构，用于智能电网中的实时网络攻击检测，并基于智能电表数据进行评估。	结合CNN、BiLSTM、注意力机制和Extra Trees集成分类器，实现高精度、低延迟的网络攻击检测，并通过双向处理和集成学习提高性能。	基于单一数据集（密西西比州立大学电力网格测试平台），未进行跨数据集验证；未考虑多同时攻击检测和图神经网络等先进方法。	开发实时、可解释且鲁棒的智能电网网络攻击检测框架，以应对高级入侵策略。	智能电网通信基础设施中的网络攻击（如虚假数据注入、拒绝服务、重放和中间人攻击）以及正常操作数据。	机器学习	NA	NA	CNN, BiLSTM	智能电表时间序列数据（电压、电流、频率谐波等）	72,073条标注的电力网格日志数据	NA	CNN, BiLSTM, Extra Trees	准确率、精确率、召回率、F1-score、ROC-AUC、推理延迟	NA
257	2026-08-22	A fractal-enhanced deep learning framework for forecasting agricultural production in India 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55859-1 PMID:42252319	研究论文	本研究提出了一种结合分形插值函数与LSTM和Bi-LSTM的深度学习框架，用于预测印度四种主要农作物的年产量，并显著提高了预测精度。	创新性地将具有可变缩放因子的分形插值函数作为数据增强技术，以捕捉农业时间序列的非平滑特征和局部波动性，并证明其优于常数缩放因子和原始数据训练。	摘要中未提及明确的局限性。	旨在通过分形增强的深度学习框架提高印度农业生产的预测准确性，特别是针对气候敏感和依赖降雨的作物。	印度四种主要农作物（小米、玉米、小麦和水稻）的年度产量数据（1961-2023年）。	机器学习	NA	分形插值函数（FIF）数据增强	长短期记忆网络（LSTM）和双向长短期记忆网络（Bi-LSTM）	时间序列数据	四种农作物，每种60多年的年度产量数据（1961-2023年）	NA	LSTM、Bi-LSTM	MAPE、Hurst指数、分形维数、Wilcoxon检验、Diebold-Mariano检验	NA
258	2026-08-21	Super-Resolution MR Spectroscopic Imaging via Diffusion Models for Tumor Metabolism Mapping 2026-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01652-x PMID:40897835	研究论文	提出一种基于条件去噪扩散概率模型的深度学习方法，用于磁共振波谱成像的超分辨率重建，以改善胶质瘤代谢图谱的精度和分辨率。	首次将条件扩散模型应用于MRSI超分辨率重建，结合Self-Attention UNet骨干网络，能够更好地保留全局上下文特征和细节，优于传统基线方法。	研究样本量有限，且模拟数据和真实数据之间的性能差异仍需进一步验证；LPIPS改进在部分情况下统计显著性未充分说明。	开发一种基于扩散模型的超分辨率重建框架，提高MRSI的空间分辨率，以改善胶质瘤代谢异质性和边界可视化。	胶质瘤患者和健康志愿者的MRSI数据，包括突变型异柠檬酸脱氢酶胶质瘤。	磁共振成像、计算机视觉、机器学习	胶质瘤	磁共振波谱成像（MRSI）、扩散概率模型	条件去噪扩散概率模型（DDPM）、Self-Attention UNet	磁共振波谱成像数据（低分辨率图像）	模拟患者数据和少量体内数据（健康志愿者和胶质瘤患者），具体数量未详述	NA	Self-Attention UNet	结构相似性指数（SSIM）、峰值信噪比（PSNR）、学习感知图像块相似性（LPIPS）	NA
259	2026-08-20	A lightweight improved YOLOv11 framework for intracranial hemorrhage detection 2026-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58642-4 PMID:42362676	研究论文	提出了一种轻量级改进的YOLOv11框架，用于CT图像中颅内出血的检测	采用RepStem替代原始下采样卷积以增强早期病变表征，引入FDPN-DASI联合特征优化模块改善多尺度血肿聚合并抑制背景干扰，将原始C2PSA块替换为级联C2CGA注意力以捕捉小出血和模糊边界	未提及	提高颅内出血检测的精度和效率，同时保持模型轻量化，适用于实时诊断	CT图像中的颅内出血	计算机视觉	颅内出血	深度学习	YOLOv11	图像	未提及	PyTorch	YOLOv11, RepStem, FDPN-DASI, C2CGA	精确率, 召回率, mAP@0.5, mAP@0.5:0.95, FPS	未提及
260	2026-08-20	0.55 T Magnetic Resonance Imaging in the Abdomen and Pelvis: Opportunities and Challenges 2026-Jun-25, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001895 PMID:42611603	综述	本文综述了0.55 T磁共振成像在腹部和盆腔的应用，探讨了其降低成本、简化安装的优势以及信噪比降低等挑战，并讨论了深度学习重建和自由呼吸技术的潜在解决方案	探讨低场MRI（0.55 T）在腹部和盆腔成像中的独特优势，如缩短T1、延长T2*和减少金属伪影，并结合深度学习重建技术克服SNR限制	未详细讨论技术实施的具体细节或潜在副作用，且综述基于现有文献，可能缺乏最新实证数据	评估0.55 T MRI在腹部和盆腔成像中的机遇与挑战，提出利用技术改进扩大MRI可及性的策略	腹部和盆腔器官，包括肝脏、肾脏、胆管、子宫和卵巢	医学影像	不适用	磁共振成像（MRI）	深度学习（用于图像重建）	图像	不适用	不适用	深度学习（未指定具体架构）	信噪比（SNR）、伪影减少	不适用