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
1201	2026-06-03	Digital learning outcomes and sustainable learning in higher education: The roles of music-integrated pedagogy and deep learning orientation 2026-Jun-01, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107152 PMID:42224891	研究论文	探讨数字高等教育中音乐融合教学法与深度学习导向如何影响可持续学习成果	首次将变革学习理论应用于音乐融合教学法对可持续学习成果的影响研究，并引入深度学习导向的中介作用与数字学习成果的调节作用	采用非概率便利抽样，样本来自北塞浦路斯，可能限制结果的普适性	考察数字高等教育中音乐融合教学法通过深度学习导向对可持续学习成果的影响机制	北塞浦路斯375名本科生和研究生	机器学习	NA	NA	NA	问卷数据	375名学生（本科生与研究生）	SmartPLS 4	偏最小二乘结构方程模型	路径系数、显著性水平	NA
1202	2026-06-03	A reproducible data-driven parameter optimization framework for classical skull stripping methods across heterogeneous brain MRI datasets 2026-Jun-01, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7574 PMID:42225119	研究论文	提出一种可复现的数据驱动参数优化框架，用于经典颅骨剥离方法在不同脑MRI数据集上的应用	通过数据集导出统计描述符约束参数空间，避免逐受试者调优，首次提出BSE的统计调优策略以提升参数可复现性	深度学习方法在边界误差上仍优于经典方法，且经典方法虽计算效率高但需权衡精度与硬件依赖	构建一种可复现的经典颅骨剥离方法参数优化框架，确保在不同异构数据集上的鲁棒性和性能	脑MRI数据集（LPBA40、NFBS、CC359）中的颅骨剥离任务	数字病理学	NA	MRI	经典算法（BSE、BET）和深度学习模型（HDBET、SynthStrip）	图像（脑MRI）	三个公开数据集，总计涉及多个受试者样本	NA	BSE、BET、HDBET、SynthStrip	Dice相似系数（DSC）、95%百分位豪斯多夫距离（HD95）	CPU（经典方法每受试者0.8-1.0分钟），深度学习需GPU加速但引入额外硬件依赖
1203	2026-06-03	Toward Autonomous Histotripsy: Integrating Deep Learning Segmentation With Robotic Control for Glioblastoma 2026-Jun-01, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.04.023 PMID:42225519	研究论文	提出一种结合深度学习分割与机器人控制的闭环框架，用于胶质母细胞瘤的自动化边界勾画和组织粉碎消融	首次将深度学习实时超声分割与机器人控制集成，实现组织粉碎治疗的自动化闭环框架	治疗区域与预期区域存在轻微偏差，需进一步优化瞄准精度	开发自动化肿瘤勾画和组织粉碎消融的闭环框架，提高治疗自动化程度	小鼠胶质母细胞瘤模型	数字病理学, 机器人控制	胶质母细胞瘤	术中超声	深度学习模型	超声图像	小鼠胶质母细胞瘤模型（具体数量未提及）	NA	NA	实时分割性能指标（具体指标未提及）	NA
1204	2026-06-03	Universal and transferable attacks on pathology foundation models using microscopic perturbations 2026-Jun-01, Light, science & applications DOI:10.1038/s41377-026-02347-w PMID:42225639	研究论文	介绍一种针对病理基础模型的通用且可迁移的对抗性扰动方法（UTAP），通过微小噪声模式破坏模型特征表示能力	首次提出适用于病理基础模型的通用且可迁移的对抗性攻击方法，该扰动与具体模型或数据集无关，展现跨视野和跨模型的黑盒攻击能力	未涉及对防御机制的深入探讨或实际部署中的对抗样本检测策略	揭示病理基础模型的脆弱性并建立模型鲁棒性评估基准	多种病理基础模型及多数据集上的下游任务性能	计算机视觉, 数字病理学	NA	深度学习, 对抗性攻击	基础模型	图像	多种数据集，未见具体数量	PyTorch	NA	性能下降幅度	NA
1205	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
1206	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
1207	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
1208	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
1209	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
1210	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
1211	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
1212	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
1213	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
1214	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
1215	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
1216	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
1217	2026-06-03	Artificial Intelligence Methods in Early Detection of Autism Spectrum Disorder: A DSM-5 Criterion-Based Systematic Review 2026-Jun-01, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70279 PMID:42226557	系统性综述	本系统性综述评估了基于人工智能的儿童自闭症谱系障碍早期检测方法，分析了其分布、性能、与DSM-5标准的一致性以及方法学质量	首次基于DSM-5标准系统地评估AI在ASD早期检测中的应用，揭示了不同AI技术（经典机器学习、深度学习、混合方法）的分布与表现，并发现直接符合DSM-5标准的研究具有更高的准确性中位数	Criterion B（限制性/重复性行为）覆盖率不足，研究地理偏向高收入地区，方法学不一致（如57%的患者选择不明确、43%的指数测试风险不明确），且未进行引文追踪	评估人工智能方法在早期检测自闭症谱系障碍（ASD）中的潜力，提供比主观行为评估更客观的替代方案	0-18岁临床诊断为ASD的儿童	机器学习	自闭症谱系障碍	NA	卷积神经网络、支持向量机、经典机器学习、深度学习、混合方法	可观察行为数据	43项研究（从1018篇记录中筛选）	NA	CNN、SVM	accuracy	NA
1218	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
1219	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
1220	2026-06-03	MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54489-x PMID:42225724	研究论文	提出一种名为MedNet-FS的小样本学习框架，用于基于3D MRI的膝关节损伤分类	将针对膝关节MRI数据的领域特定预训练与广义端到端（GE2E）损失相结合，在数据稀缺环境下显著超越通用预训练或标准交叉熵损失模型	对于模糊的部分撕裂病例（AUC 0.58）性能下降，且当前性能未达到自主临床部署的阈值	开发一种有效的小样本学习解决方案，以减少对大量标注MRI数据的依赖，实现数据高效的医疗图像分析	3D膝关节MRI影像数据	计算机视觉, 数字病理学	膝关节损伤	MRI	小样本学习网络	3D MRI影像	内部MRNet数据集中每类40个样本，外部KneeMRI数据集用于验证	NA	NA	AUC	NA