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
981	2026-06-03	A hybrid CNN-DNN model for battery remaining useful life RUL prediction 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54423-1 PMID:42225713	研究论文	提出一种混合CNN-DNN模型用于锂电池剩余使用寿命预测，并结合二进制粒子群优化进行特征选择	将卷积神经网络与深度神经网络结合，并采用二进制粒子群优化进行最优特征选择，以提升预测性能并减少特征冗余	未提及局限性	提高锂电池剩余使用寿命预测的准确性和鲁棒性，以增强能源存储系统的可靠性、安全性和维护规划	锂电池的退化数据，包括电气、热和健康相关参数	机器学习	NA	NA	混合CNN-DNN	数值数据	680个样本，包含电气、热和健康相关参数	NA	CNN, DNN	均方误差, 平均绝对百分比误差, 中位数绝对误差, 平均绝对误差, 决定系数	NA
982	2026-06-03	Hybrid deep learning and ES-MDA for pressure transient inversion in radial composite reservoirs 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55349-4 PMID:42225747	研究论文	提出一种结合深度学习与集成平滑器多次数据同化（ES-MDA）的混合工作流，用于径向复合储层压力瞬变反演及渗透率估计	首次将CNN预测结果作为ES-MDA历史拟合的初始猜测，实现AI引导的初始化，相较于随机初始化加速收敛并降低拟合误差	仅针对径向复合结构储层，未扩展到非结构化或任意地质渗透率场；合成数据验证，未用现场实际数据测试	为径向复合储层提供一种高效且物理一致的渗透率估计与历史拟合工作流	结构化径向复合储层渗透率分布	机器学习	NA	瞬时压力瞬变分析	卷积神经网络, 全连接网络	合成压力导数响应	NA	TensorFlow, PyTorch	CNN, FC	预测精度，鲁棒性（高斯噪声测试），收敛速度，压力导数拟合误差	NA
983	2026-06-03	Overcoming resolution constraints in automated colony counting via a high-performance deep learning framework using SAHI 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55724-1 PMID:42225748	研究论文	通过SAHI和分块训练推理的深度学习框架，克服自动化菌落计数中的分辨率限制	提出结合分块训练和基于SAHI的分块推理流水线，在保持原生分辨率的同时显著提升轻量级模型在高分辨率培养皿图像中的菌落计数性能	未提及在多种真实实验室条件下的泛化能力及极端菌落密度场景的表现	解决轻量级模型在自动菌落计数中因图像缩放下放的性能下降问题	细菌菌落，使用包含24类菌落的公开数据集	计算机视觉	NA	NA	YOLO（YOLOv5n、YOLOv8n、YOLOv11n）	高分辨率培养皿图像	包含24类菌落的公开数据集	PyTorch	YOLOv5n、YOLOv8n、YOLOv11n	mAP@0.5、mAP@0.5:0.95、参数数量、推断时间	笔记本电脑上的RTX 3050 GPU
984	2026-06-03	CNN-based classifier for automated identification of magnetic states in spin dynamics simulations 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54755-y PMID:42225785	研究论文	提出了一种基于EfficientNetV1B0卷积神经网络的自动深度学习模型，用于对自旋动力学模拟中九种不同磁态（包括铁磁和反铁磁自旋纹理）进行分类，并构建了人工标注的RGB图像数据集	首次将EfficientNetV1B0卷积神经网络应用于磁态自动分类，解决了传统手工特征或人工检查方法在复杂自旋纹理识别上的局限，并构建了新的标注数据集	NA	实现自旋动力学模拟中磁态的高效自动分类，替代传统依赖手工特征或人工检查的方法	九种不同磁态，包括铁磁和反铁磁自旋纹理（如反铁磁斯格明子和反铁磁带畴）	计算机视觉	NA	NA	卷积神经网络	RGB图像	NA	TensorFlow, PyTorch	EfficientNetV1B0	准确率, F1分数	NA
985	2026-06-03	ConvECA-Net: A lightweight convolutional neural network for fault diagnosis of tapered roller bearings 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54553-6 PMID:42225790	研究论文	提出一种轻量级卷积神经网络ConvECA-Net，用于圆锥滚子轴承的故障诊断	结合高效通道注意力（ECA）、自适应核大小策略和Leaky ReLU激活函数，实现高精度轻量级故障分类	未提及在多类别或更复杂故障场景下的性能，以及在实际工业部署中的长期稳定性验证	开发一种高效、鲁棒的故障诊断模型，用于旋转机械中圆锥滚子轴承的状态监测，预防非计划停机	圆锥滚子轴承的五种故障状态	机器学习	NA	NA	CNN（卷积神经网络）	信号（振动数据）	未明确样本数量，但使用了不同转速（三种）和负载水平的数据进行跨条件验证，以及高斯白噪声和粉红噪声测试	NA	ConvECA-Net（结合ECA注意力、自适应核和Leaky ReLU）	准确率（95.07%）、模型参数数量（563K）、模型大小（2.2 MB）、计算量（192 MFLOPs）、推理延迟（0.82 ms/样本）、交叉验证准确率（94.82% ± 0.38%）	NA
986	2026-06-03	Attention-enhanced GNN model for fungal disease classification in spinach leaves using monospectral imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54574-1 PMID:42225821	研究论文	提出一种注意力增强的图神经网络模型，用于菠菜叶片真菌病害的分类，利用单谱成像技术提高农业病害诊断的准确性和可解释性	通过将叶片图像建模为图结构，利用注意力机制突出病害相关节点，并结合Grad-CAM可解释性方法，首次实现了对多个植物叶片病害的图神经网络解释性分类	未提及模型在不同成像条件或真实田间环境下的泛化能力，以及数据集的规模有限，可能影响方法的普适性	开发一个可解释的深度学习框架，用于多植物叶片病害的早期检测和分类，以提升农业产量和减少损失	菠菜和咖喱叶片的图像，涵盖15种病害及健康分类	计算机视觉	叶斑病、真菌病害等菠菜叶片病害	单谱成像	图神经网络（AE-GNN）	图像	含菠菜和咖喱叶片图像的定制数据集，具体数量未在摘要中说明	PyTorch	AE-GNN	准确率	NA
987	2026-06-03	Improving seismic fault detection through fault-balanced patch extraction and deep learning networks (UNet, Efficient-UNet, and VGG19-UNet) 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56041-3 PMID:42225901	research paper	研究通过结合断层感知的补丁提取策略和多种深度学习网络（UNet、Efficient-UNet、VGG19-UNet）提升地震断层检测的准确性	提出了一种基于断层感知的数据集准备策略，通过最小断层像素阈值、控制性断层掩膜扩张和数据增强来缓解断层解释中的类别不平衡问题	所提框架在数据集上表现优异，但其在其它地质环境中的更广泛应用仍需未来研究验证	评估三种卷积神经网络分割模型（Standard UNet、Efficient-UNet、VGG19-UNet）在基于2D地震补丁的自动断层检测中的性能	从真实3D地震体中提取的2D地震补丁	computer vision	NA	NA	CNN	image	具体样本数量未在摘要中提及；但涉及128×128的补丁，并应用了基于断层的筛选策略	NA	UNet, Efficient-UNet, VGG19-UNet	Dice, IoU, F1 score	NA
988	2026-06-03	Multi-modal data fusion and deep reinforcement learning for dynamic resource scheduling in intelligent manufacturing systems under variable market demand 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55756-7 PMID:42225920	研究论文	提出一种融合多模态数据和深度强化学习的方法，用于解决智能制造系统中动态资源调度问题，以应对多变的市场需求	首次将多模态数据融合（传感器、生产、市场数据）与LSTM注意力模型及双重深度Q网络（DDQN）相结合，用于动态资源调度，在资源利用率和按时交付方面取得显著提升	高峰时段性能不佳，导致12.8%的交付严重延迟；跨行业泛化能力有限（效率保留67.9%）；大规模场景计算效率低（18-35分钟）	解决智能制造系统中因市场需求高度变化和复杂生产条件导致的动态资源调度难题	智能制造系统中的资源调度决策	机器学习	NA	多模态数据融合（传感器、生产、市场数据）	LSTM、双重深度Q网络（DDQN）	传感器数据、生产数据、市场数据	NA	NA	LSTM注意力模型、双重深度Q网络（DDQN）	资源利用率、按时交付率、预测准确率、效率保留	NA
989	2026-06-03	A deep learning approach for keratoconus detection using spatio-temporal features from corneal imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56383-y PMID:42225912	研究论文	提出一种基于深度学习的圆锥角膜检测方法，利用角膜成像的时空特征区分健康眼和圆锥角膜眼	采用混合CNN-RNN架构结合InceptionV3和LSTM，首次从动态角膜成像序列中同时提取空间和时间特征	健康眼分类的变异性略高，缺少外部数据集验证	开发基于深度学习的分类模型用于圆锥角膜早期检测	角膜成像数据中的健康眼和圆锥角膜眼	计算机视觉	圆锥角膜	角膜成像（CORVIS系统）	CNN-RNN混合模型	动态图像序列	NA	NA	InceptionV3, LSTM	准确率, 精确率, 召回率, F1分数	NA
990	2026-06-03	A two-step deep learning framework for predicting difficult video laryngoscopy from ultrasound images: a prospective cohort study 2026-Jun-01, BMC anesthesiology IF:2.3Q2 DOI:10.1186/s12871-026-03948-z PMID:42226131	研究论文	提出一种两步深度学习框架，利用超声图像预测困难视频喉镜插管	首次将人工智能与超声影像结合用于预测困难视频喉镜插管，并通过热图识别与困难插管相关的超声测量指标	未在摘要中明确提及局限性	评估基于人工智能的超声技术预测困难视频喉镜插管的可行性，并识别相关超声测量指标	接受超声气道检查的患者	计算机视觉	麻醉相关并发症	超声成像	CNN, LightGBM	图像	1474例患者，其中95例发生困难视频喉镜插管	NA	ResNet-18, LightGBM	AUROC, 敏感性, 特异性, 比值比	NA
991	2026-06-03	Deep learning-based neuroanatomical profiling reveals population-specific brain changes in multiple sclerosis: a large-scale Middle Eastern study 2026-Jun-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02481-2 PMID:42226149	研究论文	利用深度学习神经解剖学分析，揭示中东人群多发性硬化症的特定脑部变化	首次针对中东人群建立多发性硬化症的神经影像学生物标志物群体特异性参考范围，并利用自动化深度学习分割进行大规模比较	NA	对多发性硬化症患者与健康对照进行脑结构变化的全面统计特征分析，并建立中东人群的群体特异性参考范围	多发性硬化症患者与健康对照	计算机视觉	多发性硬化症	FLAIR序列成像	CNN	图像	1381名受试者（1000名健康对照，381名多发性硬化症患者）	NA	U-Net	Dice相似系数，Hausdorff距离95百分位数	NA
992	2026-06-03	Deep learning-driven decoding of ubiquitination: from regulatory mechanisms to targeted protein degradation 2026-Jun-01, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00848-7 PMID:42226266	综述	总结深度学习在泛素化研究中的多重应用，从预测泛素化位点到机制解码和治疗转化	系统梳理了深度学习从预测到机制理解再到治疗设计的全链条应用，强调了可解释性和理性分子设计	未进行实证分析，未来需发展更可解释的模型并加强实验验证	揭示深度学习如何重塑泛素化研究，推动从描述性预测向机制理解和治疗应用转化	泛素化系统及其在疾病中的作用机制	机器学习	癌症, 神经退行性疾病, 免疫功能障碍, 代谢疾病	深度学习	卷积神经网络(CNN), 循环神经网络(RNN), Transformer, 蛋白质语言模型, 图神经网络(GNN), 生成模型, 强化学习	序列数据, 结构数据, 多模态数据	NA	NA	卷积神经网络, Transformer, 图神经网络, 生成对抗网络(GAN)	预测准确性	NA
993	2026-06-03	Predictive and interactive roles of motivation and situational learning activities on emotional and cognitive engagement 2026-Jun-01, The British journal of educational psychology DOI:10.1111/bjep.70099 PMID:42226569	研究论文	探讨课外学习活动中动机与情境学习活动对学生情感和认知参与的预测及交互作用	聚焦课外学习情境，采用经验取样法捕捉实时数据，揭示动机与情境参与的动态交互关系	未明确提及具体局限性	研究学生动机、情境参与（情绪和学习策略）与课外学习活动背景之间的关系	394名本科生，平均年龄21.26岁，来自不同种族背景和学科	机器学习	NA	NA	NA	问卷数据	394名本科生	NA	NA	NA	NA
994	2026-06-03	Machine learning in tissue engineering: a comprehensive review of applications, challenges, and prospects 2026-Jun-01, Journal of biomaterials science. Polymer edition DOI:10.1080/09205063.2026.2675360 PMID:42226588	综述	全面回顾机器学习在组织工程中的应用、挑战与前景	系统梳理了机器学习和深度学习在组织工程（包括生物材料性能预测、支架设计、组织再生和3D生物打印）中的最新应用，并指出了数据质量、模型可解释性和标准化等关键挑战	数据质量、模型可解释性和标准化问题阻碍了这些技术的全面整合	概述机器学习与深度学习在组织工程中的当前进展、挑战和未来方向	组织工程中的生物材料、支架、组织再生和3D生物打印	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
995	2026-06-02	Machine learning accelerated nonadiabatic molecular dynamics of defect-mediated recombination in alkali metal passivated Cu2ZnSnS4 2026-Jun-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0336824 PMID:42223102	研究论文	开发机器学习加速框架，模拟碱金属钝化Cu2ZnSnS4中缺陷介导的非辐射电子-空穴复合的非绝热分子动力学	将非绝热耦合演化构建为时间序列预测问题，基准测试37种深度学习架构，并采用扩展长短期记忆模型实现高精度预测，计算成本降低超过五个数量级	NA	提出机器学习加速非绝热分子动力学框架，高效模拟缺陷介导的非辐射复合过程并揭示其机制	含CuZn反位缺陷和CuZn+ZnCu反位对的Cu2ZnSnS4材料，以及碱金属（Li, Na, K）钝化效应	机器学习	NA	第一性原理非绝热分子动力学模拟，时间序列预测	递归神经网络，卷积神经网络，Transformer，混合模型，扩展长短期记忆模型	非绝热耦合时间序列数据	NA	NA	扩展长短期记忆模型，递归神经网络，卷积神经网络，Transformer	R方	NA
996	2026-06-02	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	提出一种基于深度学习模型的自动化方法，使用标准超声心动图视频检测新生儿肺动脉高压	首次利用时空卷积神经网络结合偏心指数对新生儿超声心动图进行自动化PH检测，并通过显著图增强可解释性	仅基于单一中心的回顾性数据，未在外部多中心数据集中验证，且样本年龄范围有限（3-90天）	开发并验证一种深度学习模型，用于从标准超声心动图中自动检测新生儿肺动脉高压	新生儿（3-90天）的超声心动图视频，包括五个标准视图	计算机视觉	肺动脉高压	超声心动图	卷积神经网络（CNN）	图像（超声心动图视频帧）	训练与验证集975个视频，保留测试集378个视频，共13530帧	NA	空间卷积神经网络、时空卷积神经网络	AUROC	NA
997	2026-06-02	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的深度学习模型，用于锥形束CT中下牙槽神经的自动分割	引入任务特定的CNN-注意力混合架构，包括阶段限制的排列自适应实例归一化和解码器阶段上下文细化模块，以提高薄管状神经分割的鲁棒性和解剖连续性	与nnU-Net相比改进幅度有限，且需在更大数据集上验证泛化能力	开发一种改进的自动分割框架，准确识别CBCT中的下牙槽神经，预防口腔颌面手术中的神经损伤	下牙槽神经与锥形束CT影像	计算机视觉	口腔颌面神经损伤	锥形束CT	混合CNN-Transformer	医学影像	来自两个机构的130个CBCT扫描	nnU-Net	CNN-注意力混合架构（含排列自适应实例归一化与解码器注意力模块）	Dice相似系数, HD95, 平均对称表面距离	未指定
998	2026-06-02	[Automatic micro-CT pulp cavity image segmentation based on few-shot transfer learning] 2026-Jun-01, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20260226-00134 PMID:42219731	研究论文	开发基于少样本迁移学习的微CT牙髓腔图像分割模型PulpSAM实现高效准确分割	通过跨域适应策略将自然图像分割基础模型SAM迁移至牙髓腔图像分割任务并提出PulpSAM模型	未在临床多中心数据验证，样本仅来自单一医院且为病理原因拔除的牙齿	开发微CT牙髓腔图像自动分割模型以支持三维解剖研究和数字化根管治疗	因病理原因拔除的牙齿微CT扫描图像	计算机视觉	牙科疾病	微CT	SAM（Segment Anything Model）	图像	110颗牙齿，分为训练集（10颗）、测试集（90颗）和独立测试集（10颗）	NA	PulpSAM（基于SAM）	交并比、Dice系数、精确率、准确率、95%豪斯多夫距离、平均对称表面距离	NA
999	2026-06-02	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Jun-01, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	利用机器学习方法对地中海贫血及其亚型进行分类诊断，比较传统模型与新型混合模型ThalP的性能	提出一种混合堆叠模型ThalP，将支持向量机、逻辑回归和XGBoost的概率输出通过神经网络元分类器集成，基于常规血液学参数实现地中海贫血亚型的高效分类	合成训练数据集基于真实数据的统计特性生成，可能无法完全模拟真实世界数据的异质性；模型在外部真实数据集上的准确率为83.1%，仍有提升空间	评估机器学习算法用于地中海贫血及其亚型的分类，探索混合模型作为临床决策支持工具的潜力	地中海贫血患者，包括α地中海贫血和β地中海贫血（轻型、中间型和重型）	机器学习	地中海贫血	常规血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	表格数据	合成训练数据集1534个样本，外部真实数据集349名患者	NA	支持向量机、逻辑回归、XGBoost、人工神经网络、ThalP混合堆叠模型	准确率、宏F1分数	NA
1000	2026-06-02	Deep blueprint: A literature review and guide to automated image classification for ecologists 2026-Jun-01, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.70271 PMID:42220300	综述论文	为生态学家提供基于深度学习的自动化图像分类实用指南与综述，涵盖从数据获取到模型部署的完整流程	整合常用软件工具并构建模块化工作流，同时提供Python和R代码及图形用户界面，以YOLOv8和YOLOv11模型对比分析为案例，揭示复杂模型并非总是最优	仅聚焦于图像分类任务，未涉及目标检测或图像分割等其他自动化图像分析任务；案例数据集可能具有特定性	降低深度学习在生态学研究中的应用门槛，促进计算机视觉技术的广泛采用，支持可重复、标准化和可持续的生态监测	生态学家及其自动化图像分类研究项目	计算机视觉	NA	深度学习、计算机视觉	CNN	图像	挪威海的深海生物群落ROV数据集	Ultralytics ML平台	YOLOv8系列、YOLOv11系列	准确率、宏平均性能指标	NA