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
61	2026-06-16	The application of intelligent generation model for international discourse of grand canal culture based on artificial intelligence and BPNN model 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57456-8 PMID:42289462	研究论文	提出一种基于反向传播神经网络的大运河文化国际话语智能生成模型，以提升文化传播的准确性和效率	构建了大运河文化专用中英文平行语料库，并采用动量优化和自适应学习率衰减策略改进BPNN模型	未提及具体局限性，但可能受限于语料库覆盖范围和垂直文化领域的普适性	解决大运河文化国际传播中的术语翻译不一致、文化背景缺失和人工生成效率低的问题	大运河文化的国际话语生成模型及其在文化翻译和传播中的应用	自然语言处理	不适用	神经网络翻译和语料库构建	反向传播神经网络	文本	约15万对候选句对，筛选后12万对高质量平行句对	PyTorch	三层前馈网络	BLEU-4, ROUGE-L, TER, 人工评估文化保真度评分	NVIDIA Tesla V100 GPU
62	2026-06-16	Robust automated detection of small-scale rainfall-induced landslides in Italy Using SegFormer and high-resolution satellite imagery 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51173-y PMID:42289460	研究论文	利用SegFormer和高分辨率卫星影像对意大利降雨引发的小规模滑坡进行稳健自动检测	首次在意大利景观中应用SegFormer结合高分辨率RGB Planet影像进行小规模滑坡分割，相较UNet的局部卷积操作，其基于Transformer的注意力机制能更好捕获局部和全局特征	跨区域泛化性能仍有限（F1-score为50.01%），且未提及模型对不同地理环境和气候条件的全面适应性	评估SegFormer在降雨引发小规模滑坡自动检测中的性能，支持灾害预警	意大利艾米利亚-罗马涅和托斯卡纳地区的降雨引发小规模滑坡	计算机视觉	无	高分辨率卫星影像	SegFormer，UNet	RGB图像	艾米利亚-罗马涅（2023年5月两次大雷暴）和托斯卡纳（2025年3月大量降雨）的区域影像	PyTorch	SegFormer，UNet	F1分数，召回率，平均交并比	NA
63	2026-06-16	Intelligent fall risk prediction and real-time warning system for elderly care based on multimodal deep learning and wearable sensor fusion 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56750-9 PMID:42289546	研究论文	设计和实现了一个基于多模态深度学习与可穿戴传感器融合的老年人跌倒风险预测与实时预警系统，并进行了初步现场验证	首次将四模态传感器（三轴加速度计、陀螺仪、鞋垫压力阵列、腕式光电容积描记法）与带八头注意力的CNN-LSTM深度学习网络结合，实现连续跌倒风险评估和分级预警	极端类别不平衡（跌倒窗口仅占0.05%）导致高风险PPV仅6.25%，灵敏度估计不稳定；部署阶段的防跌倒效果是探索性次要观察结果，存在混杂因素，不能作为因果证据	开发一个能够在日常生活中连续监测老年人跌倒风险并实时预警的集成系统	120名社区居住老年人（平均年龄72.4岁），后续部署80名参与者	机器学习	老年性疾病	传感器融合	CNN-LSTM	时序信号	120名老年人进行训练，18名参与者（12,540个时间窗口，6次跌倒事件）的测试集，80名参与者进行部署	NA	CNN-LSTM, 八头注意力	准确率, AUC, 精确率, 召回率, F1分数, PPV	智能手机
64	2026-06-16	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	比较线性（PLS-SEM）与非线性（人工神经网络）方法，研究赞助对体育赛事投注意愿的影响	通过整合SEM与ANN方法，揭示线性方法无法检测的复杂非线性模式，并系统整合自我一致性、感知暴露、善意等变量形成联合预测模型	NA	探究赞助对体育投注行为的影响机制	西班牙受试者的投注意愿和实际赌博行为	机器学习	NA	NA	ANN， PLS-SEM	数值型	661名西班牙受试者	NA	人工神经网络，偏最小二乘结构方程模型	NA	NA
65	2026-06-16	CME-KGDTI: integrating clustered mutations into knowledge graph embedding for drug-target interaction prediction 2026-Jun-14, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00576-8 PMID:42289745	研究论文	构建了一个整合聚类突变、合成致死相互作用等多维生物信息的知识图谱，用于药物-靶标相互作用预测	首次将聚类突变整合到知识图谱嵌入中，并结合多模态深度学习模型，在蛋白质冷启动场景下实现更优的DTI预测性能	NA	提高药物-靶标相互作用预测的准确性和泛化能力，为精准肿瘤学提供技术支持	药物与靶标蛋白之间的相互作用	机器学习	肿瘤	NA	深度学习模型（DNN, NFM, AutoInt）	知识图谱、聚类突变、合成致死相互作用、药物结构、蛋白质序列、功能注释	NA	NA	TransE, RotatE, DistMult, Node2vec, R-GCN	NA	NA
66	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
67	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
68	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
69	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
70	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
71	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
72	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
73	2026-06-16	Photoacoustic device fingerprints induce bias in deep learning models 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53468-6 PMID:42288533	研究论文	首次多中心分析光声成像中硬件相关混淆因素对深度学习模型的影响，揭示设备指纹会导致偏倚预测	首次揭示光声成像中设备特异性指纹（硬件混淆因素）被深度学习模型利用作为捷径学习信号，导致疾病诊断模型产生偏倚和临床误导性预测	未提及具体局限性，但隐含数据稀疏性限制了模型泛化能力，且多中心部署场景存在失败风险	研究光声成像中硬件相关混淆因素对深度学习模型性能的影响，评估偏倚风险和可解释人工智能方法的价值	四种设备实例的光声图像、两项外周动脉疾病研究数据及疾病诊断分类任务	机器学习	外周动脉疾病	光声成像	深度学习模型	图像	来自四种设备实例和两项外周动脉疾病研究的数据	NA	NA	准确率	NA
74	2026-06-16	An intelligent SCADA-integrated deep learning framework for bird-safe offshore wind farm operation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55549-y PMID:42288555	研究论文	提出一个集成SCADA与深度卷积神经网络的智能框架，用于鸟瞰风电场的鸟类检测与涡轮控制	首次将深度学习的鸟类检测分类模型与SCADA系统集成，实现自动化、基于风险的涡轮响应机制，并采用多区域接近评估策略驱动控制动作	在受控数据集条件下评估，未完全代表真实海上环境（如远距离检测、运动模糊、遮挡和复杂背景），性能为上限估计，需真实海上数据验证	实现自动化鸟瞰风电场的鸟类识别，并通过SCADA系统实现涡轮控制，降低鸟类碰撞风险	海上风电场中的鸟类，包括525个物种的超过90000张图像	计算机视觉	NA	NA	深度卷积神经网络	图像	525种鸟类，超过90000张图像	NA	DCNN	准确率、精确率、召回率、F1分数	NA
75	2026-06-16	A cancelable ear recognition system via optimized deep feature fusion 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57027-x PMID:42288558	研究论文	提出一种基于优化深度特征融合的可取消耳部识别系统	采用双流特征提取策略整合MobileNetV3和DenseNet-121模型，并使用多学习策略金鹰优化算法（MLSGEO）进行特征优化，结合Comb滤波器保护机制实现非可逆的可取消生物特征模板	未明确提及局限性	开发一种高可靠性和安全性的耳部识别方法，克服图像变化带来的挑战	人类耳部作为独特的生物特征	计算机视觉	NA	深度学习、特征融合、数据增强	CNN	图像	五个基准耳部数据集：AMI、AWE、IITD-I、IITD-II和UERC	TensorFlow、PyTorch	MobileNetV3、DenseNet-121	准确率	NA
76	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
77	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
78	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
79	2026-06-16	Decision processes in 3D structural MRI schizophrenia classification evaluated with saliency maps 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57667-z PMID:42288602	研究论文	本研究通过显著性图评估了7种深度学习架构在基于3D结构MRI的精神分裂症分类中的决策过程	首次将Grad-CAM显著性图转化为通用可解释的解剖标志，并证明仅少数模型使用合理的脑结构信息进行分类	未明确提及，推测可能包括模型依赖特定数据集、样本量有限或评估指标单一	评估深度学习模型在精神分裂症分类中的可解释性，并提取潜在的生物标志物	3D结构MRI影像数据，来自精神分裂症患者和健康对照	计算机视觉	精神分裂症	MRI	CNN	图像	未指明具体样本数量，但涉及精神分裂症患者和健康对照的MRI数据	NA	7种常见深度学习架构，包括Grad-CAM使用的模型（具体名称未列出）	分类性能（具体指标未明确）	NA
80	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