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
141	2026-04-27	A cycle-aware and physics-informed framework for battery remaining useful life prediction 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28505-5 PMID:41476082	研究论文	提出一个基于物理信息且考虑充放电周期一致性的锂电池剩余使用寿命预测框架	在输入层面引入周期感知的分段方法，将时间序列按实际充放电周期分割，并在目标层面引入物理信息一致性损失函数，使预测与物理退化曲线一致	未明确提及局限	提高锂电池剩余使用寿命预测的准确性	锂电池的剩余使用寿命	机器学习	NA	NA	图神经网络	时间序列	NA	NA	Bat-T-GNN	NA	NA
142	2026-04-27	Multimodal deep learning ensemble framework for skin cancer detection 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30534-z PMID:41469782	研究论文	提出一种基于多模态深度学习的集成框架用于皮肤癌检测	采用迁移学习和自适应加权集成方法，结合元数据与图像数据，提升卷积神经网络在皮肤癌检测中的性能	在外部数据集Derm7pt上准确率较低，表明模型泛化能力有限	提高皮肤癌检测和分类的准确性和鲁棒性	多类型皮肤癌图像数据和元数据	数字病理学	皮肤癌	卷积神经网络、迁移学习、集合方法、SMOTE过采样	CNN	图像, 元数据	ISIC 2018数据集、ISIC 2019数据集、Derm7pt外部数据集	NA	ResNet50, Xception, MobileNet, EfficientNetB0, DenseNet121	准确率, 精确度, 召回率, F1分数, AUC	NA
143	2026-04-27	Fuzzy granulation-based wind speed prediction with multi-objective optimization 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28328-4 PMID:41461667	研究论文	提出一种结合模糊信息粒化与多目标优化策略的多尺度风速预测框架	通过模糊信息粒化技术降低高波动风速数据复杂度并抑制噪声干扰，创新性地将多种神经网络与启发式优化算法自适应集成，同时提升预测准确性与鲁棒性	未明确提及局限性	提升短中期风速预测的准确性与计算效率，推动可再生能源并网与脱碳目标实现	高波动风速时间序列数据	机器学习	NA	模糊信息粒化	神经网络	时间序列	蓬莱风电场数据集	NA	多种神经网络	预测精度、计算效率	NA
144	2026-04-27	Osprey optimization algorithm integrated with graph neural networks for intrusion detection in wireless sensor networks 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28359-x PMID:41461693	研究论文	提出一种结合鱼鹰优化算法与图神经网络的入侵检测模型，用于提升无线传感器网络的安全性	首次将鱼鹰优化算法与图神经网络集成，通过OOA优化GNN超参数以提升检测性能，并利用SMOTE解决数据不平衡问题	未说明在真实大规模WSN场景中的部署挑战及计算开销	设计高效入侵检测系统以准确识别无线传感器网络中的各类攻击并降低误报率	无线传感器网络中的网络流量数据及攻击模式	计算机网络	NA	NA	图神经网络 (GNN)	网络流量数据	使用WSN-DS数据集，未明确样本数量	NA	图神经网络 (GNN)	准确率, 误报率	NA
145	2026-04-27	ISAAF: an IoT security and attack prevention framework using AI-driven predictive analytics 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28516-2 PMID:41461726	研究论文	提出一个利用人工智能驱动预测分析的物联网安全与攻击防御框架，名为ISAAF	引入基于真实物联网测试平台收集的新型入侵数据集MQTTEEB-D，并开发分层式AI驱动框架，实现实时入侵检测与自动缓解，解决模拟数据集在真实环境中泛化能力差的问题	未明确提及，但框架依赖特定数据集，可能在不同物联网环境中需重新训练	设计并验证一个可部署、可扩展的跨域物联网安全解决方案，用于实时检测和缓解MQTT协议相关攻击	物联网系统中的MQTT协议，以及针对该协议的网络攻击（如DoS、暴力破解、畸形数据、洪水攻击、Slowite攻击）	机器学习, 网络安全	NA	NA	决策树（DT）, 门控循环单元（GRU）	网络流量数据	利用MQTTset和MQTTEEB-D两个数据集，具体样本数量未提及	NA	决策树（DT）, 门控循环单元（GRU）	准确率（accuracy）	未明确提及
146	2026-04-27	Ultrasound and SWE-based transfer learning for predicting fibrotic NASH 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28753-5 PMID:41461741	研究论文	利用肝脏超声、弹性成像图像和临床特征构建组合深度学习模型，预测和诊断纤维性非酒精性脂肪性肝炎	首次结合肝脏超声、剪切波弹性成像图像和临床特征的多模态深度学习模型预测纤维性NASH	未明确说明局限性	开发和验证基于超声和SWE图像的深度学习模型，用于预测和诊断纤维性NASH	高脂饮食和皮下CCl₄注射建立的大鼠肝脏脂肪变性和纤维化模型	计算机视觉	非酒精性脂肪性肝炎	超声成像, 剪切波弹性成像	CNN	图像, 临床特征	未明确说明样本量	NA	ResNet-18	AUC, ROC曲线, DCA, 校准曲线	NA
147	2026-04-27	Terahertz metamaterial liquid detector optimized by deep learning 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28757-1 PMID:41461749	研究论文	提出一种基于超材料太赫兹探测器的无标签乙醇液体检测方法，并利用深度神经网络优化结构参数	首次将深度神经网络应用于超材料太赫兹液体探测器的结构参数优化，实现高吸收率和位移值，并揭示VO₂在不同温度下的调控机制为乙醇检测提供双重保障	论文未明确讨论探测器在实际复杂液体环境中的选择性与抗干扰能力，以及大规模应用的可行性	开发高效精确的乙醇液体检测方法，为食品安全、环境监测和生物医学领域提供参考	乙醇液体及其不同浓度、体积和温度条件下的吸收峰响应特性	计算机视觉	NA	太赫兹光谱检测	深度神经网络	仿真数据	未明确样本数量，基于CST仿真模拟不同条件（液滴体积、乙醇浓度、温度）下的吸收峰数据	NA	深度神经网络	灵敏度、品质因数	NA
148	2026-04-27	Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28995-3 PMID:41461779	研究论文	利用超声图像和深度卷积神经网络自动分类葡萄膜黑色素瘤在钌-106敷贴治疗后反应模式	首次将深度学习模型（DenseNet121和ResNet34）应用于超声图像预测葡萄膜黑色素瘤敷贴治疗后肿瘤厚度变化模式（消退、复发、稳定、其他），其中DenseNet121在无预训练权重时表现最佳，且性能差异具有统计学显著性	样本量较小（192例），需进一步临床验证和探索其实际临床应用整合	应用深度学习模型预测葡萄膜黑色素瘤患者钌-106敷贴治疗后肿瘤反应模式	葡萄膜黑色素瘤患者在诊断时采集的B模式超声图像	医学图像分析	葡萄膜黑色素瘤	超声成像	卷积神经网络	图像	192例葡萄膜黑色素瘤患者	PyTorch	DenseNet121, ResNet34	宏观平均AUC, 分类准确率	NA
149	2026-04-27	Design of a hybrid learning model for establishing consistency in smart grid environment 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28986-4 PMID:41461786	研究论文	提出一种混合学习模型，利用深度学习方法实现智能电网环境中的一致性预测	结合长短期记忆网络与神经模糊自适应干扰模型，为智能电网负载预测提供新的混合方法	NA	解决智能电网中大规模数据驱动的需求预测问题	智能电网中的消费者模式、能源需求与电力传输数据	机器学习	NA	NA	混合LSTM与NFADIM	智能电网大规模数据	NA	NA	LSTM, NFADIM	NA	NA
150	2026-04-27	Secure facial biometric authentication in smart cities using multimodal methodology 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29048-5 PMID:41461811	研究论文	提出一种结合CNN、ResNet-50和ElGamal密码学的多模态深度学习模型，用于智慧城市中人脸生物特征认证的安全保护	首次将CNN的低级特征保留、ResNet-50的高级特征提取与ElGamal加密相结合，构建多模态系统以同时实现高精度人脸映射和防欺骗安全传输	未讨论模型在实时部署中的计算开销、对其他攻击类型（如深度伪造）的鲁棒性，以及数据集（CelebA）可能存在的偏差	提升智慧城市中人脸生物特征认证的安全性，防止未经授权的访问和欺骗攻击	人脸图像中的生物特征数据及其安全传输过程	计算机视觉	NA	深度学习、密码学	CNN, ResNet-50	图像	使用了CelebA人脸数据集，具体样本数量未说明	NA	CNN, ResNet-50	准确率, 平均损失	NA
151	2026-04-27	Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28914-6 PMID:41461810	研究论文	评估三种重建算法（DLIR-H、ASiR-V50%、FBP）对冠状动脉CTA中冠状动脉周围脂肪衰减指数（FAI）的影响	首次系统比较深度学习图像重建算法（DLIR-H）与传统算法（ASiR-V50%、FBP）在测量冠状动脉周围脂肪衰减指数（FAI）上的差异，揭示不同算法对FAI值的显著影响	未提及算法的泛化性验证、样本量限制及临床实际应用中的标准化协议制定细节	评估不同图像重建算法对冠状动脉CTA中冠状动脉周围脂肪衰减指数（FAI）测量值的影响，强调标准化重建方案的重要性	冠状动脉周围脂肪衰减指数（FAI）及三种重建算法（DLIR-H、ASiR-V50%、FBP）	计算机视觉, 数字病理学	冠心病	冠状动脉CT血管成像（CCTA）	深度学习重建模型（DLIR）	图像	基于有无斑块分组的冠状动脉CTA患者数据	NA	深度学习图像重建（DLIR）	脂肪衰减指数（FAI）、图像噪声	NA
152	2026-04-27	Enhancing landslide detection in Western Ghats of Kerala, India with deep learning and Explainable AI 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33065-9 PMID:41461880	研究论文	利用深度学习和可解释人工智能技术提升印度喀拉拉邦西高止山脉的滑坡检测能力	采用时间差异法结合高分辨率卫星影像训练深度学习模型，并首次将注意力多尺度U-Net应用于该区域滑坡分割，同时利用可解释AI技术揭示模型决策机制	研究仅基于特定区域（西高止山脉）和单个卫星影像源（PlanetScope），模型泛化性需进一步验证	构建印度喀拉拉邦的自动化滑坡清单系统，提升滑坡预测与风险缓解能力	印度喀拉拉邦西高止山脉的滑坡区域	计算机视觉, 数字病理	NA	高分辨率卫星遥感, 迁移学习	U-Net	高分辨率卫星影像（3米分辨率）	使用HR-GLDD数据库及时间差异数据，具体样本量未明确说明	PyTorch	简单多尺度U-Net, 注意力多尺度U-Net	精确率, F1分数	NA
153	2026-04-27	An optimized YOLOv8n based model for real time defect detection in taro strip production 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28216-x PMID:41462034	研究论文	提出一种优化的YOLOv8n模型，用于芋头条生产线的实时缺陷检测	集成了双向特征金字塔网络、VoV-GSCSP模块、共享参数检测头和嵌入式WIoU损失函数，显著提升检测精度和计算效率	未提及在更复杂生产环境或多种产品类型上的泛化能力	实现工业环境下芋头条缺陷的实时自动检测，提高效率和产品质量	芋头条生产线中的缺陷检测	计算机视觉	NA	NA	YOLOv8n	图像	NA	PyTorch	YOLOv8n，双向特征金字塔网络，VoV-GSCSP，共享参数检测头	平均检测精度（mAP50），精确率，召回率	Raspberry Pi 5
154	2026-04-27	Transfer learning models for wheat ear detection on multi-source dataset 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28351-5 PMID:41462035	研究论文	本文介绍一个名为BioS-Wheat的新型高分辨率RGB智能手机图像数据集，并评估六种深度学习模型用于麦穗检测	提出BioS-Wheat数据集，包含四个小麦品种的5696张标注图像，通过高播种密度和窄行距引入数据复杂性变化，强调农业多样性对模型性能的影响	未明确提及模型的泛化性限制，但数据集仅涵盖四个品种，可能未覆盖所有气候和种植条件下的多样性	开发低成本且可靠的自动化麦穗检测方法，支持早期产量预测	小麦麦穗的检测与计数	计算机视觉	农业科学，不涉及具体疾病	RGB智能手机图像采集和深度学习	Faster-RCNN、RetinaNet、YOLOv8、Vision Transformer（RT-DETR）	图像	5696张标注RGB图像，涵盖四个小麦品种	PyTorch	RetinaNet、YOLOv8、RT-DETR、Faster-RCNN	平均精度mAP@50	NA
155	2026-04-27	Lightweight deep learning technology for high quality development and intelligent transformation of sports under DeepLabV3 CSP Darknet53 model 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28539-9 PMID:41462421	研究论文	提出一种基于轻量级深度学习的方法，用于体育场景中人体姿态识别和运动设备检测，实现智能转型与高质量发展	结合DeepLabV3+语义分割与轻量级OpenPose网络，并引入空间注意力模块增强关键局部特征提取能力	未提及在复杂多人和遮挡场景中的鲁棒性，也未对计算资源消耗进行详细量化分析	实现高效低计算成本的运动姿态识别，推动体育产业的智能转型	体育设备和人体关键点	计算机视觉	NA	NA	CNN	图像	多个数据集（具体数量未提供）	NA	DeepLabV3+, CSP-Darknet53, OpenPose	F1分数, 准确率, 召回率, 精确率	NA
156	2026-04-27	Carbon efficient quantum AI: an empirical study of ansätz design trade-offs in QNN and QLSTM models 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28582-6 PMID:41462429	研究论文	通过对比量子神经网络（QNN）与量子长短期记忆模型（QLSTM）在N-BaIoT异常检测数据集上的表现，系统研究量子电路设计对分类性能、能耗和训练效率的影响	首次系统比较10种量子电路设计在QNN和QLSTM中的权衡关系，并分三阶段实验评估量子模型与经典机器学习模型的能耗差异及真实量子硬件部署效果	经典模型在训练时间和能耗上仍优于量子模型，真实量子硬件的能效劣势需通过硬件感知的电路设计和基础设施改进来解决	探索量子机器学习作为绿色AI替代方案的能效潜力，重点评估量子电路设计对碳足迹和性能的优化策略	QNN和QLSTM量子模型的多层电路结构及量子硬件执行特性	机器学习	NA	量子计算、GPU加速	QNN、QLSTM	网络流量数据	N-BaIoT异常检测数据集（未提供具体样本数）	IBM Qiskit	10种量子电路设计（A1-A10）	准确率、复杂度、训练时间、能耗	GPU服务器、IBM量子硬件
157	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
158	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
159	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
160	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