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
541	2026-06-16	Prediction of pedicle screw fixation strength under craniocaudal cyclic load: comparison of various models trained on quantitative CT based finite element analysis 2026-Jun-13, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10048-6 PMID:42287380	研究论文	利用机器学习与深度学习模型，基于定量CT有限元分析预测颅尾循环负荷下椎弓根螺钉固定强度	首次通过人工智能模型高效预测有限元分析导出的螺钉固定强度，并探索其作为椎弓根螺钉松动风险替代标志物的可行性	回顾性研究设计及有限的数据量可能影响模型泛化性	预测颅尾循环负荷下螺钉固定强度并评估其作为椎弓根螺钉松动风险替代指标的作用	112名患者术前CT及618条螺钉轨迹数据	机器学习	脊柱疾病	定量CT	多层感知器(MLP)和三维ResNet-18	CT图像及螺钉轨迹数据	112名患者共618条螺钉轨迹（外部验证126条轨迹）	PyTorch	MLP, 3D ResNet-18	均方误差(MSE), 决定系数(R²), AUC	NA
542	2026-06-16	Deep learning for predicting lumbar segmental instability using neutral lateral lumbar radiographs: a retrospective study 2026-Jun-13, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10092-2 PMID:42287379	研究论文	开发深度学习模型利用中立位腰椎侧位X光片预测腰椎节段不稳，并识别关键影像特征	首次将DenseNet121堆叠集成模型与SVM、随机森林和Softmax分类器结合用于腰椎不稳预测，并使用Grad-CAM定位关键解剖区域	NA	开发可预测腰椎节段不稳的深度学习模型，并识别相关影像特征	中立位腰椎侧位X光片影像	计算机视觉	腰椎疾病	NA	深度学习模型	图像	NA	NA	DenseNet121, 支持向量机, 随机森林, Softmax分类器	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
543	2026-06-16	Super-resolution deep learning reconstruction improves the depiction of peripancreatic arteries and image quality in pancreatic cancer CT 2026-Jun-13, Abdominal radiology (New York) DOI:10.1007/s00261-026-05596-w PMID:42287433	研究论文	比较超分辨率深度学习重建、正常分辨率深度学习重建和混合迭代重建在胰腺癌CT中显示胰周动脉的效果	首次评估超分辨率深度学习重建在胰腺癌CT中改善胰周小动脉显示和图像质量的优势	单中心回顾性研究，样本量较小，仅纳入40例患者	评估超分辨率深度学习重建在胰腺导管腺癌CT中对胰周动脉显示和图像质量的改善作用	40例病理确诊的胰腺导管腺癌患者	医学影像	胰腺癌	动态CT	超分辨率深度学习重建	CT图像	40例胰腺导管腺癌患者	NA	NA	CT衰减值、图像噪声、对比度噪声比、边缘上升斜率、边缘上升距离、定性评分	NA
544	2026-06-16	Normative volumetric growth modeling of the whole fetal body, placenta, and amniotic fluid for three-dimensional T2-weighted magnetic resonance imaging 2026-Jun-13, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06682-3 PMID:42287424	研究论文	开发了一种自动化管道，用于三维T2加权胎儿MRI中的全子宫体积测量，并建立了胎儿、胎盘和羊水体积的规范生长模型	首次提出用于三维胎儿MRI中同步全子宫体积测量的自动化管道，并建立了跨妊娠期的规范生长模型	仅基于正常对照数据集，未涉及异常妊娠病例的全面验证；部分病例仍需少量手动修正	开发自动化全子宫体积测量管道，推导胎儿、胎盘和羊水体积的规范生长模型	胎儿、胎盘和羊水	计算机视觉	妊娠相关疾病	MRI	3D U-Net	三维图像	357个正常对照数据集（16-41周胎龄）及43个独立数据集	NA	3D U-Net	Dice系数, 体积误差	NA
545	2026-06-16	Deciphering small sequence differences in T cell receptor-antigen pairing 2026-Jun-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73396-3 PMID:42288475	研究论文	开发深度学习模型pMTnet-omni，用于预测T细胞受体与抗原之间的结合及其强度差异	首次能够区分序列相似的TCR与抗原结合强弱差异，并集成实验室循环机制实现变体TCR的精准预测	依赖已知结合数据，可能无法完全覆盖所有低亲和力或稀有变异情况	解析TCR与抗原配对中微小序列变化对结合影响的生物学规则，并提供预测工具	T细胞受体与抗原肽-MHC复合物之间的结合关系	机器学习	NA	深度学习、高通量结合实验	深度学习模型	序列数据	NA	PyTorch	pMTnet-omni	结合/非结合预测准确率、结合强弱区分准确率	NA
546	2026-06-16	Research on comprehensive drought index prediction model based on CNN-LSTM 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50694-w PMID:42288522	研究论文	基于CNN-LSTM混合模型构建区域综合干旱指数预测模型，并在鄂尔多斯地区进行验证	首次将CNN与LSTM混合模型应用于区域综合干旱指数预测，相比单一模型显著提升了预测精度，降低了均方根误差和平均绝对误差	未说明模型的泛化能力是否适用于其他气候区域，且未探讨模型对长期干旱趋势的预测稳定性	提高区域干旱指数预测精度，为鄂尔多斯地区干旱监测和预测提供技术参考	鄂尔多斯地区的干旱事件及区域综合干旱指数	机器学习	NA	NA	CNN, LSTM, CNN-LSTM	数值数据（温度、降水、NDVI、土壤湿度、土地利用类型、DEM）	2001-2020年期间的数据用于模型训练、验证和测试	NA	CNN, LSTM, CNN-LSTM	相关系数, 均方根误差, 平均绝对误差	NA
547	2026-06-16	An intelligent ethereum blockchain technology for pest detection and smart irrigation in IoT using hybrid deep learning model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55818-w PMID:42288532	研究论文	该研究结合物联网与以太坊区块链技术，利用混合深度学习模型实现作物病虫害检测和智能灌溉，以提升智慧农业效率	提出混合卷积自适应递归移动网络（HC-ARMNet）结合改进秘书鸟优化（ISBO）算法，并将区块链用于物联网数据安全存储与传输	未来需改进特征提取策略以减少处理时间	构建基于物联网和区块链的安全高效智慧农业框架，实现植物病害分类、害虫检测和智能灌溉	植物病害、害虫、农田灌溉数据	物联网、智慧农业	植物病害、害虫	物联网传感器、以太坊区块链	混合深度学习模型	图像数据	PlantifyDr数据集（植物病害）、Pest Detection数据集（害虫检测）、田间手动采集的图像（智能灌溉）	NA	HC-ARMNet（混合卷积自适应递归移动网络）	准确率、精确率、假阴性率（FNR）、灵敏度、特异性、均方误差（MSE）、对称平均绝对百分比误差（SMAPE）、平均绝对缩放误差（MASE）	NA
548	2026-06-16	Deep learning model for real time moisture content detection and prediction in white tea withering using near infrared spectroscopy 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57739-0 PMID:42288587	研究论文	提出一种新型深度学习模型STA-BiGRU-XGBoost，用于利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	首次将时空注意力机制、双向门控循环单元与XGBoost算法集成，用于白茶萎凋水分含量的近红外光谱预测，并引入最大相关最小冗余算法进行关键变量选择	当前验证仅在特定生产季节和鲜叶来源区域进行，跨不同地理起源、品种和极端天气条件的泛化能力需要进一步的多季节和跨区域验证	利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	白茶萎凋过程中的茶叶样本	机器学习	NA	近红外光谱	深度学习模型	光谱数据	生产线上采集的数据集，来自2025年3-5月生产季的政和县，样本数量未明确说明	PyTorch	STA-BiGRU-XGBoost（时空注意力+双向GRU+XGBoost）	均方根误差、平均绝对误差、R平方	NA
549	2026-06-16	MAE-YOLO improves small object detection for intelligent inspection 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57661-5 PMID:42288606	研究论文	提出一种名为MAE-YOLO的智能检测模型，通过多尺度边缘空间特征提取、自适应多尺度上下文融合和空洞共享检测头等技术，提升小目标检测的准确性和轻量化程度	创新性地提出了多尺度边缘空间特征提取模块来优化边缘和空间特征提取，引入自适应多尺度上下文融合网络有效整合不同尺度特征，并设计自适应空洞共享检测头进一步降低多尺度检测中的误检和漏检率	未提及具体局限性	解决复杂背景下小目标检测的高误检率和漏检率以及计算复杂度高的问题，实现实时、高精度的智能检测	工业场景中的小目标（如绝缘子裂纹、变压器腐蚀、车辆异常、机械表面缺陷、螺栓和阀门等小零件）	计算机视觉	NA	Sobel边缘增强	YOLO（MAE-YOLO）	图像	VisDrone2019公开数据集和自采集数据集	NA	YOLOv8n（改进版MAE-YOLO）	mAP@50, 准确率, 模型大小（MB）, 参数量减少比例	NA
550	2026-06-16	Deep learning based apple leaf disease detection using spatially modulated continuouslayer 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57763-0 PMID:42288613	研究论文	提出一种基于自定义ContinuousLayer的深度学习框架，用于自动检测苹果叶部病害	设计了一种空间自适应卷积层ContinuousLayer，利用可训练的高斯基函数实现空间特征调制，并通过混合复合损失函数正则化核的不规则性，以克服标准CNN的局限性	研究在受控环境中进行，模型在真实田间条件下的泛化能力未得到验证	开发一种高精度的苹果叶部病害自动检测方法，支持可持续农业中的精准病害管理	苹果叶片及其四种状态（黑腐病、锈病、疮痂病、健康）	计算机视觉	苹果叶部病害	深度学习	CNN	图像	3164张苹果叶片图像，通过双三次上采样平衡为均匀类别分布	PyTorch	ContinuousLayer	准确率, F1分数	NA
551	2026-06-16	Integrating AI for sustainable architectural space optimization and heritage-conscious street design 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56501-w PMID:42288626	研究论文	提出一种集成深度学习、图技术和强化学习的AI框架，用于优化历史文化街区空间布局，同时保留遗产价值	提供了一个动态、数据驱动的方法，能够根据行人流量、交通和环境条件的实时变化自适应调整，结合CNN、GNN和RL实现空间优化	文中未提及具体的局限性	优化历史文化街区的空间布局，平衡现代化与历史真实性保护	历史文化街区	计算机视觉	不适用	CNN、GNN、强化学习	CNN、GNN、强化学习	空间特征、网络连接性、动态布局调整数据	在多个具有历史意义的城市中测试，未给出具体样本数量	不适用	CNN, GNN, 强化学习	拥堵减少率、绿地增加率、行人可达性改善率	未提及
552	2026-06-16	Deep learning analysis of trajectories and spatial variations in HPV vaccine discussions on Chinese Weibo 2026-Jun-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01720-5 PMID:42288636	研究论文	利用深度学习分析中国微博上关于HPV疫苗讨论的时间轨迹和空间变化	首次应用深度学习驱动的社交媒体监听技术，大规模分析中国微博上HPV疫苗讨论的长期趋势和地理差异	NA	评估公众对HPV疫苗的看法、感知障碍和促进因素，利用深度学习进行社交媒体实时监听	2018年至2023年中国微博上关于HPV疫苗的讨论帖子	自然语言处理	宫颈癌	社交媒体监听、深度学习	深度学习模型（未具体说明架构）	文本（社交媒体帖子）	1,972,495条相关微博帖子，其中6,600条进行了人工注释	NA	NA	预测准确率（0.78-0.96）	NA
553	2026-06-16	Deep learning-based artificial intelligence can improve the diagnosis of small bowel obstruction: stratified comparison study and hierarchical Bayesian model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57999-w PMID:42288632	研究论文	开发基于深度学习的人工智能技术，用于自动提取小肠梗阻的CT影像特征，并评估其对医生诊断的改善效果	首次采用分层比较研究和层次贝叶斯模型分析，系统评估AI辅助对不同经验水平医生诊断小肠梗阻的效能提升	NA	评估深度学习AI技术在提高小肠梗阻诊断准确性及效率方面的临床可行性	158次增强CT检查（含5200张标注图像）用于训练，30名急诊疑似SBO患者的CT图像作为测试集；17名住院医师和10名外科医生参与诊断评估	计算机视觉	小肠梗阻	增强CT成像	深度学习模型（具体类型未明确）	医学图像（CT影像）	158次增强CT检查（训练集5200张图像），30名患者CT图像（测试集），27名医生（17名住院医师+10名外科医生）	NA	NA	精确率、召回率、Dice系数、诊断正确率、诊断时间	NA
554	2026-06-16	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT框架，整合迁移学习与Kolmogorov-Arnold网络，基于分子SMILES表示同时预测天然产物的功效与不良反应	首次将迁移学习与KAN架构统一用于天然产物的双标签预测，解决现有模型在天然产物预测中泛化能力不足的问题	未明确说明，但可推断模型依赖特定数据集且迁移学习策略仅部分缓解数据稀缺问题	开发一种可持续且资源高效的深度学习框架，用于天然产物的功效和不良反应预测，以加速新药发现	天然产物及其分子SMILES表示	机器学习	NA	分子SMILES表示	Kolmogorov-Arnold Network (KAN)	分子结构数据，文本（SMILES）	大约3800种药物用于预训练，400种天然产物用于微调	PyTorch	KAN	准确率，精确率，召回率，F1分数，AUC	NA
555	2026-06-16	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种基于可解释神经网络的渐进性神经退行性疾病诊断学习模型	结合最小冗余最大相关性与ReliefF方法的混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并引入SHAP可解释性方法增强模型透明度	NA	开发可解释的深度学习模型用于亨廷顿病的精准诊断	亨廷顿病患者的临床特征数据	机器学习	亨廷顿病	临床数据分析	特征分词器-变换器模型	临床结构化数据	来自Kaggle的亨廷顿病数据集	NA	特征分词器-变换器	准确率	NA
556	2026-06-16	IDMBD: Intelligent Diagnostic Modelling of Bipolar Disorder at its early onset 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57662-4 PMID:42288667	研究论文	提出一种基于移动计算设备的双相情感障碍早期发病智能诊断建模方法	利用移动计算设备采集多模态异质特征，结合深度神经网络实现高粒度患者画像，并采用标准量表预测双相情感障碍的危急状态	未明确提及评估的数据集规模及外部验证情况	开发基于移动计算设备的双相情感障碍早期智能诊断模型	双相情感障碍患者的早期状态评估	机器学习	双相情感障碍	多模态特征采集与分析	深度神经网络、随机森林、决策树	多模态异质特征数据	未明确提及	NA	深度神经网络、随机森林、决策树	多个性能指标（未具体列出）	移动计算设备
557	2026-06-16	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究了基于视觉深度学习的字母手语识别方法，系统评估了多种卷积神经网络架构在美国手语字母数据集上的性能	构建了统一的实验框架，系统比较了ConvNeXtXLarge、EfficientNet、VGG19和ResNet-50等多种先进架构在字母手语识别中的表现	未提及具体局限性	探究视觉深度学习方法在手语字母图像数据中的识别效果，为可扩展可靠的手语识别系统提供模型选择依据	美国手语字母数据集中的手部姿势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	使用基准美国手语字母数据集，未提供具体样本数量	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
558	2026-06-16	Correction: Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening 2026-Jun-13, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13695-8 PMID:42288739	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
559	2026-06-16	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	结合影像组学和深度学习特征的混合元启发式特征选择方法用于数字乳腺摄影中的乳腺癌检测	首次提出混合蝗虫优化算法与乌鸦搜索算法框架结合多约束适应度函数进行特征选择，并整合影像组学和深度学习特征	真实数据样本量小导致性能评估有限，合成实验中的崩溃预防惩罚尚未在真实乳腺摄影数据上得到经验验证	开发并验证一种结合影像组学和深度学习特征的混合元启发式特征选择框架用于乳腺癌检测	CBIS-DDSM数据集中的乳腺病变感兴趣区域	计算机视觉	乳腺癌	影像组学与深度学习特征提取	多层感知器	乳腺X线图像	CBIS-DDSM子集22例，合成数据集16例	NA	EfficientNet-B5	AUC, 灵敏度	NA
560	2026-06-16	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	基于深度学习的两阶段训练与类别加权损失函数方法识别网络欺凌施暴者	结合两阶段训练策略与类别加权损失函数处理行为数据集中极端类别不平衡问题	未明确提及，但样本量较小且仅针对中国大学生群体	提高网络欺凌施暴者的识别准确率并解决类别不平衡问题	中国大学生的网络欺凌施暴行为预测因素	机器学习	NA	深度学习	深度神经网络	结构化行为数据	660名中国大学生（含54名自报施暴者）	NA	深度神经网络	召回率	NA