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
3981	2026-04-27	XTC-Net: an explainable hybrid model for automated atelectasis detection from chest radiographs 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28694-z PMID:41462544	研究论文	提出一个可解释的混合深度学习模型，结合Xception、Transformer和胶囊网络组件，用于从胸部X光片中自动检测肺不张	首次将Xception、Transformer和胶囊网络三者协同集成，用于可解释的肺不张自动检测，兼顾空间特征提取、长程依赖建模和细微结构变化敏感性	未明确指出，需进一步在实际临床环境中进行验证和推广	开发一个可解释的深度学习模型，提高肺不张检测的自动化精度和诊断效率	肺不张病变区域（部分或完全肺塌陷）	计算机视觉	肺不张	深度学习	混合模型（Xception、Transformer、胶囊网络）	图像（胸部X光片）	使用公开胸部X光数据集（内部训练验证）；外部验证使用NIH ChestX-ray数据集	NA	Xception, Transformer, Capsule Network	准确率、灵敏度、F1分数	NA
3982	2026-04-27	An AM-CNN-BiGRU network with spatiotemporal feature fusion for industrial robot predictive maintenance 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29255-0 PMID:41462560	研究论文	提出一种基于AM-CNN-BiGRU网络的工业机器人预测性维护方法，通过融合时空特征实现早期故障诊断	首次将CNN与双向门控循环单元结合注意力机制，实现多源振动、电流和转矩数据融合，并通过Lion优化器提升训练效率	未说明在真实工业场景中不同工况变化的适应性，且未涉及在线学习或迁移学习方法应对数据分布偏移	针对工业机器人因老化与高负荷导致的故障，开发高精度预测性维护模型	工业机器人关节的振动、电流和转矩数据	机器学学习	不适用	多传感器信号采集	AM-CNN-BiGRU混合网络	时间序列信号	未说明	未说明	CNN, BiGRU	R², MAE, MAPE, RMSE	未说明
3983	2026-04-27	Efficient blood cell classification from microscopic smear images using U-Net segmentation and a lightweight CNN 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26947-5 PMID:41453980	研究论文	提出一种基于深度学习的高效血细胞分类系统，结合U-Net分割与轻量级CNN（BloodCell-Net），用于从显微涂片图像中自动分类和计数9类血细胞	首次将U-Net分割与轻量级自定义CNN相结合，实现九类血细胞的高效分类，并采用流域算法分离重叠细胞	未提及模型在极端复杂背景或低质量图像下的鲁棒性验证，且未与其他现有方法进行广泛比较	开发自动化血细胞分类与计数系统，以替代费时费力的手动方法，辅助血液疾病诊断	9类血细胞：红细胞、有核红细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞、未成熟粒细胞和血小板	计算机视觉	贫血、白血病、淋巴瘤、血小板减少症等血液相关疾病	光学显微镜成像	U-Net, 轻量级卷积神经网络 (LWCNN)	显微涂片图像	未明确给出样本数量，但使用了5折交叉验证	NA	U-Net, BloodCell-Net（自定义轻量级CNN）	准确率、精确率、敏感性、交并比（IOU）、Dice系数、召回率、F1分数	NA
3984	2026-04-27	Comprehensive framework of machine learning and deep learning architectures with metaheuristic optimization for high-fidelity prediction of nanofluid specific heat capacity 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28268-z PMID:41455692	研究论文	利用多种机器学习和深度学习模型及元启发式优化算法，高精度预测纳米流体比热容	首次将堆叠集成学习与两种元启发式优化算法（粒子群优化和灰狼优化）结合，并引入基于多项式/傅里叶展开和自编码器的数据增强策略，显著提升了纳米流体比热容预测精度	未明确阐述数据增强方法对模型泛化能力的潜在过拟合风险，且仅基于批处理式训练，未考虑在线学习或迁移学习场景的适用性	开发高精度预测纳米流体比热容的混合机器学习/深度学习框架，以优化其在工程和工业应用中的性能	1269个实验纳米流体样本，包括混合型和直接型纳米流体，关键输入为纳米流体类型、温度和体积浓度	机器学习	NA	NA	多层感知机、CatBoost、LightGBM等12种机器学习与深度学习模型	数值数据	1269个实验纳米流体样本	Scikit-learn, PyTorch（推断）	多层感知机、CatBoost、LightGBM、堆叠集成模型	R²分数、均方误差、均方根误差	NA
3985	2025-12-29	Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3986	2026-04-27	Hydraulic support pressure prediction via deep learning with multilevel temporal feature integration 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13089-x PMID:41455725	研究论文	提出一种基于LSTM-PatchTST的液压支架压力预测方法，实现多维度特征依赖融合	将LSTM的短期波动与长期趋势捕捉能力与PatchTST的局部细节与全局依赖建模能力相结合，通过残差连接保证多层时序特征的完整保留	仅基于两个煤矿的实际数据进行验证，泛化能力可能需要更多场景的测试	提高液压支架压力预测的准确性，保障煤矿安全	液压支架压力数据	机器学习	NA	NA	LSTM, PatchTST, Transformer	时间序列数据	两个煤矿（付村煤矿和耿村煤矿）的实际压力数据	NA	LSTM, PatchTST	RMSE, MAE	NA
3987	2025-12-29	Low-SNR and BER reduction in UWOC systems using DESN and CNN-TCN deep learning models 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31837-x PMID:41455766	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3988	2026-04-27	A hybrid ensemble deep learning framework with novel metaheuristic optimization for scalable malicious website detection 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33695-z PMID:41436869	研究论文	提出一种集成深度学习框架，结合随机森林、极端梯度提升和轻梯度提升方法与深度神经网络，用于准确识别恶意网站	采用两种新元启发算法（象甲损伤优化算法和能量谷优化器）进行超参数调优，并集成了模型解释性模块SHAP	未在真实时间流上测试，数据集可能存在偏差	构建准确、可扩展且可解释的恶意网站检测系统以增强网络安全防御	恶意网站与良性网站的URL数据	机器学习	NA	NA	深度学习神经网络（DNN）	文本（URL特征数据）	63,191个URL样本	Scikit-learn, PyTorch	随机森林、极端梯度提升、轻梯度提升、深度神经网络	准确率	NA
3989	2026-04-27	Deep learning optimization of teaching schedules in sports dance education 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28249-2 PMID:41444315	研究论文	提出一个基于深度学习的体育舞蹈教学调度框架，整合历史调度数据、教师可用性和学生表现指标，生成最优课程表	首次将递归神经网络与强化学习结合用于体育舞蹈教学调度，实现冲突解决、教师工作负载平衡和课程连续性的协同优化	实验数据仅来自五年真实课程数据，可能未完全覆盖所有教育机构场景；模型对动态约束的处理能力需进一步验证	解决体育舞蹈教育中调度冲突、课程分配低效和个性化训练计划需求等问题	教育机构的体育舞蹈课程历史数据、教师可用性信息和学生成绩指标	机器学习	不适用	不适用	RNN, 强化学习	结构化数据	五年真实体育舞蹈课程数据	不适用	RNN, 强化学习	冲突解决率, 工作负载平衡效率, 课程连续性, 调度执行时间	不适用
3990	2026-04-27	Enhancing groundwater level prediction with a hybrid deep learning model in Jinan City, China 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28200-5 PMID:41444734	研究论文	提出一种混合深度学习模型STGPM，用于提高济南市地下水位的预测精度	集成图神经网络和循环神经网络，同时捕捉监测井之间的水文连通性和多尺度时间依赖关系，克服传统时间序列模型的局限	NA	提高地下水位预测精度，为可持续地下水资源管理和泉水保护策略提供决策支持工具	济南市的地下水监测井数据	机器学习	NA	NA	图神经网络，循环神经网络	数值数据	NA	NA	时空图预测模型（STGPM）	MAE， RMSE， R	NA
3991	2026-04-27	Cardiac function assessment with deep-learning-based automatic segmentation of free-running four-dimensional whole-heart cardiovascular magnetic resonance 2025-Dec-24, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102677 PMID:41453741	研究论文	开发并验证一种基于深度学习的全自动分割框架，用于自由呼吸无需心电门控的4D全心心血管磁共振图像，以实现快速准确的解剖和功能分析	首次针对自由呼吸动态5D心脏MRI数据提出各向同性3D+心动周期的深度学习分割框架，利用4D传播数据增强方法提升时间一致性	右心室指标的一致性界限较宽，基于手动分割的传播依赖可能与疾病状态存在差异	实现自由呼吸动态心脏MRI的快速、准确、临床有意义的解剖和功能分析	左、右心室血池和左心室心肌的自动分割	计算机视觉	心血管疾病	自由呼吸心脏磁共振成像	3D nnU-Net	医学影像	未明确说明样本量，使用来自1.5T和3T扫描仪的对比增强和非对比增强数据集	NA	3D nnU-Net	Dice相似系数, 相对体积差, 组内相关系数, 偏差	NA
3992	2026-04-27	Prediction of electricity consumption and hydropower production in the smart power grid based on the gated recurrent unit neural network and modified future search algorithm 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32294-2 PMID:41429848	研究论文	提出基于门控循环单元神经网络和改进未来搜索算法的智能电网电耗与水电产量预测模型	首次将改进未来搜索算法与GRU神经网络结合用于智能电网的电力消耗与水电产量预测	NA	开发基于GRU和MFSA的优化预测模型，提高智能电网中能源消耗和水电产量的预测精度	智能电网中的电力消耗行为和水力发电量	机器学习	NA	GRU神经网络，改进未来搜索算法	GRU（门控循环单元）	经济和社会数据，气候数据	NA	NA	GRU	预测精度	NA
3993	2026-04-27	A novel sub-differentiable hausdorff loss combined with BCE for MRI brain tumor segmentation using UNet variants 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33136-x PMID:41429890	研究论文	提出一种新型亚可微Hausdorff损失函数，结合二元交叉熵损失，用于基于UNet变体的MRI脑肿瘤分割	提出一种亚可微Hausdorff损失（SDHL），通过引入平滑可微公式实现稳定梯度学习和鲁棒边界对齐，并首次将其与二元交叉熵结合以平衡边界精度和区域准确性	未明确说明局限性	解决脑肿瘤分割中的类别不平衡、对小肿瘤敏感性低以及标准损失函数无法强调病变边界的问题	MRI脑肿瘤图像	数字病理学	脑肿瘤	MRI	UNet变体（UNet、UNet+、VNet、UNet++、Attention UNet）	图像	未明确说明	PyTorch	UNet, UNet+, VNet, UNet++, Attention UNet	准确率，精确率，召回率，Dice系数，交并比，F1分数，马修斯相关系数	未明确说明
3994	2026-04-27	Fuzzy logic and deep learning approach for automated white blood cell detection and classification via multi-CNN feature fusion 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28354-2 PMID:41430086	研究论文	提出一种结合多CNN特征融合与模糊逻辑EDAS的白细胞自动检测与分类新框架	首次将DenseNet121、MobileNetV2和ResNet101的多CNN特征融合与模糊EDAS方法结合，处理类内变异和成像不均匀性，并通过模糊优先排序提高可解释性和鲁棒性	未来需解决实时实现及在不同数据集上的泛化性验证	开发一种高精度、可解释且适用于临床的白细胞自动分类检测方法	中性粒细胞、嗜酸性粒细胞、单核细胞和淋巴细胞四种白细胞	计算机视觉	血液疾病（如白血病）	多CNN特征融合	CNN（DenseNet121、MobileNetV2、ResNet101）	图像	8013张来自Kaggle血细胞图像数据集的白细胞图像	NA	DenseNet121, MobileNetV2, ResNet101	总体精度, 精确率, 敏感度, F1分数	NA
3995	2026-04-27	A lightweight and generalizable deep learning framework for early detection of rice leaf diseases in complex field environments 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32568-9 PMID:41430365	研究论文	提出一种轻量级、可泛化的深度学习框架，用于复杂田间环境下水稻叶片疾病的早期检测	创新点包括：多分支大核融合深度可分离（MLFD）模块增强多尺度上下文特征提取；多尺度扩张变换注意力（MDTA）模块融合空间与通道注意力机制；轻量级检测头（Lo-Head）利用分组和深度可分离卷积降低模型复杂度而不牺牲准确性	未提及具体局限性	实现复杂田间环境下水稻叶片疾病的早期、准确、轻量级检测，并验证跨作物泛化能力	水稻、马铃薯、番茄的叶片疾病	计算机视觉	水稻叶片疾病	深度学习	CNN	图像	水稻叶片疾病数据集（具体数量未提及）；独立数据集包含马铃薯和番茄叶片疾病	NA	YOLOv11n（基线）, MLFD, MDTA, Lo-Head	mAP@0.5:0.95	NA
3996	2025-12-22	Advanced customer churn prediction for a music streaming digital marketing service using attention graph-based deep learning approach 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28357-z PMID:41422130	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3997	2026-04-27	Trustworthy deep learning for malaria diagnosis using explainable artificial intelligence 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28387-7 PMID:41419508	研究论文	本研究利用可解释人工智能技术，评估深度学习模型在疟疾诊断中的性能与可解释性	结合四种CNN模型与两种混合架构，并采用三种XAI技术（Grad-CAM、LIME、SHAP）分别从空间、超像素和像素层面解释模型决策，揭示误诊样本中的形态和染色伪影	未提及模型在不同疟原虫种类或混合感染场景下的泛化能力，且外部验证仅依赖单一数据集	开发高精度、可解释且泛化能力强的疟疾自动诊断框架，适用于资源有限的医疗环境	血涂片图像中的疟疾感染情况	计算机视觉	疟疾	血涂片成像	CNN（卷积神经网络）	图像	27,090张来自Kaggle疟疾数据集的血涂片图像，外加哈佛Dataverse的厚涂片图像	TensorFlow, Keras	MobileNetV2, VGG19, InceptionV3, ResNet18, Xception, Inception-ResNetV2	F1分数, 准确率	NA
3998	2026-04-27	Multi-sensor observer-based residual learning with Auto-Permutation Feature Importance for fault diagnosis of multistage centrifugal pumps under variable pressures 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32726-z PMID:41402517	研究论文	提出一种融合多传感器观测器残差学习和自动排列特征重要性的框架，用于变压力下多级离心泵故障诊断	首次将自回归观测器残差建模与自动排列特征重要性机制结合，在变压力条件下实现高精度、低数据需求的故障诊断	未提及在更复杂故障模式或多工况组合下的验证，且未讨论模型对传感器故障的鲁棒性	实现变压力条件下离心泵故障的高效、可解释诊断，减少对大量标注数据的依赖	多级离心泵在3、3.5和4巴压力水平下的正常与故障状态信号	机器学习	NA	多传感器融合、自回归建模	高斯混合模型	多传感器时序信号	不同压力水平下的多组数据，具体数量未提及	NA	自回归观测器、自动排列特征重要性、高斯混合模型	准确率、t-SNE可视化、ROC曲线、混淆矩阵	NA
3999	2026-04-27	Reliable wrist PPG monitoring by mitigating poor skin sensor contact 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31883-5 PMID:41407831	研究论文	提出一种深度学习框架，用于缓解静坐条件下皮肤传感器接触不良导致的光电容积描记信号失真问题	首次系统性关注静坐条件下皮肤-传感器接触不良问题，提出对抗训练深度生成模型与定制损失函数相结合的CP-PPG框架	NA	提升可穿戴设备在非运动场景下PPG信号的可靠性和生理参数监测精度	受接触压力干扰的腕部PPG信号	机器学习	心血管疾病	光电容积描记法	对抗生成网络	生理信号	NA	PyTorch	生成对抗网络	平均绝对误差	NA
4000	2026-04-27	Automatic crack detection in civil infrastructure based on a hybrid fine tuned MnasNet and adaptive patching 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28604-3 PMID:41402465	研究论文	提出一种结合轻量级MnasNet CNN与自适应补丁机制的混合框架，用于土木基础设施自动裂缝检测	首次将混沌理论和莱维飞行动力学应用于结构健康监测的优化算法（ULEO），并采用动态补丁机制根据图像复杂度调整补丁大小，无需增加运行时间即可提升精度	NA	开发一种高效、低资源消耗的视觉裂缝检测框架，适用于实时和移动平台	土木基础设施中的裂缝	计算机视觉	NA	CNN	MnasNet CNN，ULEO优化算法	图像	CRACK500数据集	NA	MnasNet，VGG16，OpenMV-CNN，XGBoost，XAI/t-SNE	准确率，敏感度，特异度，F1分数	每张图像计算时间0.05秒，适用于移动和嵌入式平台