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
4321	2026-08-13	Predicting diffusion-FLAIR mismatch from B1000 and ADC without FLAIR: A deep learning-based approach 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55388-x PMID:42230928	研究论文	本研究开发了一种基于深度学习的模型，仅使用B1000和表观扩散系数图像预测弥散-液体衰减反转恢复错配，无需FLAIR序列，并在多中心验证中表现优于人类专家	首次提出仅利用B1000和ADC图像预测DFM的深度学习方法，无需FLAIR序列，克服了急性临床环境中FLAIR获取受限的问题	未明确说明局限性	开发并评估仅使用B1000和ADC图像预测弥散-FLAIR错配的深度学习模型性能	多中心卒中登记队列中的急性卒中患者影像数据	深度学习	急性卒中	磁共振成像	深度学习模型	医学影像	推导队列2369例，外部验证队列679例	NA	NA	AUROC	NA
4322	2026-08-13	Multiparametric MRI-Based Integrated Analysis of Clinical, Radiomics, Deep Learning, and Machine Learning for Predicting Tumor Proliferation and Prognosis in Locally Advanced Rectal Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.033 PMID:41956924	研究论文	本研究旨在开发并验证一种整合临床、影像组学、深度学习及机器学习特征的多参数MRI预测模型，用于预测局部晚期直肠癌患者的肿瘤增殖状态和预后	首次将临床、影像组学、深度学习及机器学习特征整合到一个多参数MRI预测模型中，用于预测LARC患者的Ki-67表达和预后	未提及局限性的具体内容	开发和验证整合多参数MRI、临床、影像组学、深度学习和机器学习特征的预测模型，以预测LARC患者的肿瘤增殖状态和预后	局部晚期直肠癌（LARC）患者	医学影像分析	直肠癌	多参数MRI（T2WI、DWI、T1WI、增强T1WI）	机器学习算法（包括glmBoost、Stepglm等）	MRI影像数据及临床数据	来自三个中心的384名LARC患者	NA	NA	AUC、校准曲线、决策曲线分析（DCA）、Kaplan-Meier生存分析	NA
4323	2026-08-13	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	提出一种结合卷积神经网络和深度神经网络的混合深度学习框架，用于锂电池剩余使用寿命预测，并通过二进制粒子群优化进行特征选择，以提高预测准确性。	集成CNN和DNN的混合模型，利用CNN自动提取特征，DNN建模非线性关系，并首次应用二进制粒子群优化进行特征选择，以提高预测性能。	未提及模型的实时性、泛化性验证以及在不同电池类型上的适用性，且数据集规模有限。	开发一种高精度、鲁棒的锂电池剩余使用寿命预测方法，以支持智能电池管理系统。	锂电池退化数据集，包含680个样本的电、热和健康相关参数。	机器学习	NA	NA	CNN-DNN混合模型	数值型时间序列数据	680个样本，来自锂电池退化数据集	NA	CNN, DNN	均方误差, 平均绝对百分比误差, 中位绝对误差, 平均绝对误差, 决定系数	NA
4324	2026-08-13	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	本研究提出了一种结合深度学习和ES-MDA的混合工作流，用于径向复合油藏的压力瞬态反演和渗透率估计。	将深度学习的预测结果作为ES-MDA历史拟合的初始输入，显著加快了收敛速度并降低了最终拟合误差。	研究依赖于合成的径向复合油藏数据，未在真实油田数据上验证。	提高径向复合油藏中渗透率估计的准确性和历史拟合的效率。	径向复合油藏中的渗透率分布，包括内区渗透率、流度比和复合半径。	机器学习, 数字油藏	不适用	压力瞬态测试模拟	CNN, 全连接网络	合成压力导数响应	十个集成实现	不适用	CNN, 全连接网络	预测准确率, 拟合误差	不适用
4325	2026-08-13	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	提出了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，并验证了其高精度和计算效率	结合高效通道注意力（ECA）、自适应核尺寸策略和Leaky ReLU激活的新架构，实现了高分类精度与低计算成本，并通过组件消融研究验证每个组件的贡献	未提及具体局限性	开发一种轻量级且鲁棒的深度学习模型，用于圆锥滚子轴承的故障分类，以支持工业状态监测和避免停机	圆锥滚子轴承的五种故障状态	机器学习	NA	NA	卷积神经网络（CNN）	振动信号（隐含）	未指定，但实验运行十次，使用分层5折交叉验证	NA	ConvECA-Net（基于ECA、自适应核尺寸和Leaky ReLU）	准确率、可训练参数数量、模型大小、FLOPs、推理延迟、均值±标准差	未指定GPU信息，但提及了192 MFLOPs和0.82 ms/样本的推理延迟
4326	2026-08-13	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	研究论文	本研究评估了三种基于卷积神经网络的分割模型（标准UNet、Efficient-UNet和VGG19-UNet）在真实三维地震数据中的断层自动检测性能，并采用故障平衡补丁提取策略解决类别不平衡问题	提出了一种故障感知的数据集准备策略，包括从富断层区域提取训练样本、断层掩膜膨胀和数据增强，以解决断层解释中严重的类别不平衡问题	框架在研究所用数据集上表现良好，但更广泛的地质环境适用性仍是未来研究的重要方向	评估并比较标准UNet、Efficient-UNet和VGG19-UNet三种深度学习分割模型在自动地震断层检测中的性能，并强调数据集设计和架构选择的重要性	从真实三维地震体中提取的二维地震补丁，用于自动断层检测	计算机视觉	不适用	不适用	卷积神经网络	图像	未提供具体样本数量，但使用了从真实三维地震体中提取的二维地震补丁	不适用	标准UNet, Efficient-UNet, VGG19-UNet	Dice, IoU, F1分数	未提供具体计算资源信息
4327	2026-08-13	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	本研究提出了一种结合多模态数据融合与深度强化学习的方法，用于在需求变化场景下实现智能制造系统中的动态资源调度	创新性地融合了传感器、生产和市场等多模态数据，并采用LSTM注意力模型预测需求，结合Double Deep Q-Network控制调度决策	在高峰时段性能不佳，导致12.8%的交付延迟，且跨行业泛化能力有限，计算效率较低	解决智能制造系统在需求变化下的动态资源调度问题	智能制造系统中的资源调度决策	机器学习	NA	NA	LSTM, Double Deep Q-Network (DDQN)	传感器数据、生产数据、市场数据	模拟场景数据	NA	LSTM, DDQN	资源利用率、按时交付率、预测准确率	NA
4328	2026-08-13	Deep learning-based neuroanatomical profiling reveals population-specific brain changes in multiple sclerosis: a large-scale Middle Eastern study 2026-06-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02481-2 PMID:42226149	研究论文	利用基于深度学习的神经解剖学分析，对中东人群（伊朗西北部）多发性硬化症患者与健康对照者的大脑结构变化进行大规模统计比较，并建立人群特异性参考范围	首次为中东人群建立MS神经影像生物标志物的初步人群特异性参考范围，并揭示以脑室周围为主的病变积累模式；使用深度学习自动化分割方法在大规模队列中进行分析	未明确提及限制，但可能限于单一地区（伊朗西北部）的回顾性观察设计，以及性别差异分析中缺乏显著差异可能受样本量影响	比较MS患者与健康对照组的大脑结构变化，建立中东人群的神经影像生物标志物参考范围	1,381名受试者（1,000名健康对照，381名MS患者）	深度学习, 医学影像分析	多发性硬化症	NA	CNN	MRI影像（FLAIR序列）	1,381名受试者（健康对照1,000名，MS患者381名）	NA	U-Net	Dice相似系数, 95%豪斯多夫距离, 归一化比值, t统计量, Cohen's d, Mann-Whitney U统计量, 秩双列相关系数, 皮尔逊相关系数	NA
4329	2026-08-13	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	本文综述了深度学习在泛素化研究中的应用，涵盖从调控机制解析到靶向蛋白质降解的治疗应用。	全面总结了深度学习在泛素化研究中的多层面应用，包括预测泛素化位点、解析特异性机制以及促进靶向蛋白降解等转化应用。	未来需要开发更可解释的模型、整合生理背景并加强实验验证。	综述深度学习如何重塑泛素化研究，从描述性预测向机制理解和治疗应用推进。	泛素化系统，包括E3泛素连接酶、去泛素化酶、泛素链及相关调控网络。	机器学习, 生物信息学	癌症, 神经退行性疾病, 免疫功能障碍, 代谢性疾病	深度学习	卷积神经网络, 循环神经网络, Transformer, 蛋白质语言模型, 图神经网络, 生成模型, 强化学习	序列数据, 结构数据, 多模态数据	不适用	不适用	卷积神经网络, 循环神经网络, Transformer, 蛋白质语言模型, 图神经网络, 生成模型, 强化学习	预测准确性	不适用
4330	2026-08-13	Fine-grained evaluation of neighborhood quality in China using street view images and big data technologies 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53650-w PMID:42230815	研究论文	本文利用街景图像和深度学习等大数据技术，以中国232个地级市的5829个主要社区（街道）为研究对象，设计并评估了包含软环境和硬环境维度的社区质量体系，揭示了社区质量的空间分布特征及其影响因素。	创新性地将社区质量评估从城市或国家尺度细化到街道级小尺度，结合街景图像和深度学习技术获取微观数据，构建了同时衡量城市软环境和硬环境的评估体系。	未明确说明局限性，但可能包括街景图像数据覆盖度和质量对评估结果的影响，以及评估体系可能未覆盖所有软环境维度。	评估中国城市社区质量，分析其空间分布和影响因素，为城市规划、城市更新和城市化政策优化提供理论支持。	中国232个地级市的5829个社区（街道）。	计算机视觉, 数字病理	不适用	街景图像分析, 深度学习	深度学习模型（具体类型未提及）	图像（街景图像）和统计数据	5829个社区（街道）	不适用	不适用	熵值法（评估指标）	不适用
4331	2026-08-13	Deep Learning-Based OCT Segmentation for Stiffness Quantification in Evaluating Low-Level Laser Therapy for Wound Healing 2026-06, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70291 PMID:42252133	研究论文	本研究评估了低水平激光疗法对伤口组织短期生物力学反应的影响，通过U-Net模型自动分割OCT图像来量化皮肤刚度变化	结合OCT成像与空气喷射压痕系统实现非接触式皮肤刚度测量，并采用U-Net深度学习模型自动分割OCT图像，以精确评估LLLT对伤口组织生物力学特性的影响	摘要未提供明确的局限性信息	评估低水平激光疗法对伤口组织短期生物力学反应的影响，特别是通过皮肤刚度变化来量化	伤口组织在不同肢体区域的皮肤刚度	数字病理学、深度学习	伤口愈合	光学相干断层扫描（OCT）、低水平激光疗法（LLLT）	U-Net	图像	未明确说明	未明确说明	U-Net	分割准确率	未明确说明
4332	2026-08-13	Intelligent financial forecasting using transformers, neuro-symbolic AI, and agent-based systems 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49558-0 PMID:42218199	研究论文	本文提出一个结合序列到预测变压器模型、神经符号AI和基于代理的系统的AI驱动框架，用于准确且可解释的股票价格预测，重点预测NIFTY消费耐用品指数。	首次将变压器深度学习与LLM驱动的决策机制（神经符号AI和高级AI代理）相结合，以增强预测的准确性和可解释性。	摘要未提及明确限制，可能包括依赖历史数据和外部信息源的可靠性问题。	开发一个灵活且可解释的股票市场预测方法，以提高金融预测的准确性和可用性。	NIFTY消费耐用品指数的股票价格预测。	机器学习, 自然语言处理	NA	变压器深度学习、LLM决策、神经符号推理、代理系统	变压器、LLM、代理系统	时间序列数据、文本数据	NA	NA	序列到预测变压器	准确性、可解释性	NA
4333	2026-08-13	MRI-based deep learning radiomics model for automated classification of disc degeneration in the lumbar spine 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56056-w PMID:42218311	研究论文	本研究开发并评估了结合深度学习和影像组学特征的机器学习模型，利用多参数腰椎MRI自动预测椎间盘退变的Pfirrmann分级	首次在椎间盘退变分类中系统比较TabPFN、LightGBM和随机森林三种模型，并进行了12项补充分析，包括特征族消融、序数回归、留一扫描仪泛化测试等	中间等级（PG 2-4）的区分仍具挑战性，需要序数建模和外部验证；冻结的ImageNet预训练ResNet50特征未增加可测量的判别价值	开发和评估结合深度学习和影像组学特征的机器学习模型，用于腰椎MRI上椎间盘退变的自动分类（Pfirrmann分级预测）	218例腰痛患者的腰椎间盘，包含矢状T1、T2和T2 SPACE MRI图像	医学影像分析，机器学习	腰椎间盘退变	多参数腰椎MRI	TabPFN，LightGBM，随机森林	MRI图像	218例腰痛患者的腰椎间盘（按60%/20%/20%分割为训练/验证/测试集）	PyRadiomics	ResNet50	AUROC，AUPRC，F1分数，准确率，MCC，Brier分数	NA
4334	2026-08-13	Automated leukemia detection from microscopic images using deep transfer learning with explainable AI-based analysis 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55415-x PMID:42218261	研究论文	本研究使用深度迁移学习和可解释人工智能技术，对十四种预训练的卷积神经网络架构进行综合比较，用于从显微镜血液涂片图像中自动检测白血病。	提供了十四种CNN架构的综合比较，并集成了Grad-CAM和LIME可解释性分析，以提高模型透明度和临床可信度，且通过重复实验和统计检验确保鲁棒性。	仅使用一个公开的二元分类数据集，限制了跨成像设备、染色方案和临床地点的泛化能力，需多中心外部验证。	开发并评估一种基于深度迁移学习和可解释AI的自动化白血病检测方法，以提高诊断准确性和临床可解释性。	显微镜血液涂片图像，来自Kaggle数据集的10,700张带标签图像。	计算机视觉	白血病	深度学习（迁移学习）	CNN	图像	10,700张显微镜图像，分为训练（7,500）、验证（1,600）和测试（1,600）子集	未指定（可能为TensorFlow或PyTorch）	EfficientNetB1, EfficientNetB3, EfficientNetB5, Xception, InceptionV3, InceptionResNetV2, DenseNet201, ResNet50, ResNet101, ResNet152, VGG16, VGG19, MobileNet	准确率, 召回率, F1分数, AUC	未指定
4335	2026-08-13	A unified deep learning application framework for forensic shoeprint analysis under data-limited conditions 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52505-8 PMID:42215506	研究论文	本研究提出一种数据高效的深度学习框架，用于在数据有限条件下进行法医鞋印匹配，并提供了模型选择、增强和适配的实用指导。	不提出新架构，而是系统性地研究如何调整现有深度学习组件以提高数据有限和域偏移条件下的可靠性。	结合生成式与标准增强策略的互补性探索仍为开放问题，系统化的组合探索尚未完成。	为数据有限和域偏移条件下的法医鞋印分析提供实践指导，并扩展到其他相似约束的领域。	法医鞋印图像，包括两个互补的鞋印数据集。	计算机视觉	NA	卷积自编码器	卷积神经网络、卷积自编码器	图像	两个鞋印数据集，具体样本数未在摘要中说明	NA	卷积自编码器、预训练骨干网络	性能一致性、性能稳定性（未明确具体指标，如准确率、精确率等）	NA
4336	2026-08-13	MSML-DenseXmer: harnessing vision transformers through integration with novel dense networks for medical image fusion 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52181-8 PMID:42215519	研究论文	提出一种结合改进DenseNet与Swin Transformer的医学图像融合框架MSML-DenseXmer，以提升多模态医学图像融合质量	融合改进DenseNet捕获局部细粒度特征和Swin Transformer提取全局结构及长距离依赖，并设计混合L1、L2和无穷范数生成注意力权重，以及整合像素损失、结构相似性和纹理保留的新型损失函数	摘要中未明确提及局限性	改进多模态医学图像融合方法，以更全面地表示结构性和功能性细节，提高诊断和治疗效果	多模态医学图像，包括MRI-SPECT、MRI-PET、MRI-CT以及肺部PET-CT图像	计算机视觉	不适用	深度学习图像融合	DenseNet与Swin Transformer结合的混合模型	医学图像	使用Whole Brain Atlas数据集和Lung-PET-CT-Dx数据集（具体样本量未在摘要中提及）	NA	改进DenseNet，Swin Transformer	图像清晰度、结构完整性、特征保留、对比度改善和整体视觉准确性相关指标	NA
4337	2026-08-13	Leveraging large language models for gastrointestinal injury detection in athletes: a medical image analysis approach 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42779-3 PMID:42215522	研究论文	本研究提出一个融合多模态运动医学数据的AI框架，用于运动员胃肠道损伤检测与康复管理	创新性地整合生物力学信号、医学影像、生理指标和运动表现数据，并开发了BANNet和ARPOS两个核心组件	未提及具体局限性，可能包括数据获取困难、模型泛化性验证不足等	提升运动员胃肠道损伤的早期检测准确性和康复效率，优化临床决策支持	运动员，特别是遭受胃肠道损伤的运动员	医学图像分析，深度学习	胃肠道损伤	医学影像分析，深度学习	神经网络（BANNet），强化学习（ARPOS）	多模态数据（生物力学信号、医学影像、生理指标、运动表现指标）	未在标题和摘要中提及	未提及具体框架	层次化深度学习架构（BANNet）	损伤分类准确率、康复效率、临床决策支持能力	未提及具体计算资源
4338	2026-08-13	An explainable spatio-temporal deep learning framework for crop yield prediction and recommendation 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54439-7 PMID:42215534	研究论文	提出了一种用于作物产量预测与推荐的可解释时空深度学习框架，并取得良好性能。	融合了混合特征选择、注意力增强的核极限学习机用于产量预测，以及基于PantheraCobra元启发式优化的时空可解释组增强Transformer网络用于作物推荐，并采用Grad-CAM和Integrated Gradients保障模型可解释性。	未在摘要中明确提及局限性。	实现精准的作物产量预测和数据驱动的作物选择，以促进可持续高效的农业管理。	农业数据集，包括土壤性质、地形、气候变量和历史产量记录。	机器学习	NA	NA	注意力增强的混合核极限学习机、时空可解释组增强Transformer网络。	表格数据，包括土壤、地形、气候和历史产量数据。	未在摘要中明确样本量。	NA	ELM, Transformer	RMSE, R², 准确率, ROC-AUC	未在摘要中明确计算资源。
4339	2026-08-13	A deep learning-based model for automatic syntactic complexity assessment in L2 English writing: development and pedagogical application 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53282-0 PMID:42215569	研究论文	提出一种基于深度学习模型的自动句法复杂度评估方法，用于第二语言英语写作，并验证其教学应用效果。	首次将预训练BERT表示与图注意力网络集成，采用多任务学习框架同时预测多个句法复杂度维度。	自动模型的贡献与其他教学因素难以区分，需要进一步研究。	开发自动句法复杂度评估模型，并评估其在第二语言写作教学中的应用效果。	第二语言英语写作中的句法复杂度。	自然语言处理	NA	NA	深度学习模型，包括BERT与图注意力网络	学习者语料库文本	186名中国大学生，进行一学期的准实验研究	NA	BERT与图注意力网络集成	Pearson相关系数、效应量	NA
4340	2026-08-13	VeNet: a lightweight neural network for efficient brain vessel segmentation in endovascular robotic surgery 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54176-x PMID:42215575	研究论文	提出一种轻量级神经网络VeNet，用于内血管机器人手术中脑部血管的3D分割，并在IXI队列上生成了半自动标注的磁共振血管造影数据集，该模型已集成到带有触觉反馈的机器人平台以支持患者特定血管重建和交互式模拟	VeNet使用基于矩阵的算子，仅包含约6000个可训练参数，使得在标准CPU硬件上能够高效训练和推理，且在小数据条件下表现出稳健的分割性能	标题和摘要中未明确提及限制	轻量级、数据高效地分割脑部血管，以支持机器人内血管手术中的血管重建和模拟	脑部血管分割，源自IXI队列的磁共振血管造影数据	医学影像, 数字病理学, 计算机视觉	脑血管相关疾病	磁共振血管造影	轻量级神经网络（矩阵运算）	3D医学影像（磁共振血管造影）	来源于IXI队列的大规模数据集，半自动标注后经专家审查	NA	VeNet（基于矩阵运算的轻量级架构）	分割性能（具体指标如Dice系数等未明确说明，但提及稳健的分割性能）	标准CPU硬件，用于训练和推理