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
1761	2026-09-18	A novel deep learning prediction method for PM2.5 integrating improved MSTL decomposition and FATA optimization algorithm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358271 PMID:42743193	研究论文	本文提出了一种融合改进MSTL分解与FATA优化算法的深度学习PM2.5浓度预测模型FATA-GSPMSTL-CNN-LSTM	结合RFECV与Pearson相关分析确定最优特征集；在MSTL基础上引入谱密度分析和网格搜索策略构建自适应分解算法GSPMSTL；采用新提出的Fata morgana优化算法FATA优化模型超参数	仅针对广州和咸阳两个城市进行验证，样本城市数量有限，未在其他地区广泛验证	解决PM2.5时间序列准确预测的难题，提升PM2.5浓度预测精度和稳定性，为空气质量预警和污染控制提供应用价值	广州和咸阳城市的PM2.5浓度时间序列数据	机器学习	NA	NA	CNN, LSTM, CNN-LSTM	时间序列	NA	NA	CNN-LSTM	NA	NA
1762	2026-09-18	Research on a lead-acid battery fault detection method based on LSTM-AE-Cosine 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357237 PMID:42743213	研究论文	本文提出了一种基于LSTM自编码器（LSTM-AE）和余弦相似度的无监督深度学习框架，用于商用车辆铅酸电池的故障检测。	1. 采用无监督学习框架，解决了标记故障数据不足的问题；2. 将LSTM与自编码器结合，增强时序建模能力；3. 系统评估多种重构误差度量，发现余弦相似度性能最佳；4. 使用贝叶斯优化确定各度量的最优检测阈值。	未提及模型的计算复杂度或实时性；未与其他先进的无监督方法进行对比；仅在特定数据集上验证。	提高铅酸电池故障检测的准确性，解决标记数据稀缺问题，实现无监督异常检测。	商用车辆铅酸电池	机器学习	NA	无监督深度学习	LSTM-Autoencoder	时间序列数据	未提及具体样本量，使用电池数据集（包括静态和驾驶条件）	NA	LSTM-Autoencoder	重构误差度量（包括余弦相似度等）	NA
1763	2026-09-18	Differential effects of free viewing and goal-directed search on visual attention: An eye-tracking study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357289 PMID:42743248	研究论文	本文利用眼动追踪技术，分析自由观看和目标导向搜索两种任务范式下的视觉注意力差异，并提出CNN-TransGaze模型来区分不同任务条件下的眼动行为模式	本文提出了CNN-TransGaze模型，结合了CNN和Transformer架构，用于区分不同任务条件下的眼动行为模式，并系统比较了不同层级视觉特征在两种任务范式下对注视行为的影响	摘要未提及具体局限性	研究自由观看和目标导向搜索两种任务范式下，外部刺激和内部目标对眼动行为的共同影响，并开发模型区分不同任务条件下的眼动模式	自然场景下的眼动行为数据	计算机视觉	神经退行性疾病	眼动追踪	CNN, Transformer	图像	NA	NA	CNN, Transformer	NA	NA
1764	2026-09-18	Multi-view attention-based deep learning for benign-malignant classification of pulmonary nodules 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357963 PMID:42743330	研究论文	本文提出了一种结合病变引导注意力和视角加权融合的三视角肺结节分类框架，用于肺结节的良恶性分类	提出了病变引导注意力（LGA）机制，引入病变掩膜作为弱空间先验来细化病变相关特征响应，同时保留上下文信息；提出了视角加权融合（VWF）方法，学习样本依赖的权重来自适应地聚合轴向、冠状和矢状三个视角的表示	仅在LIDC-IDRI公开数据集上进行了评估，样本量为869个结节，未在外部独立数据集上验证泛化能力	提高肺结节良恶性分类的准确性，以实现早期肺癌诊断	肺结节（869个结节，其中448个良性，421个恶性）	计算机视觉, 数字病理学	肺癌	CT影像分析, 多视角特征提取	CNN, 注意力机制	图像	869个肺结节（448个良性，421个恶性），来自LIDC-IDRI数据集	NA	NA	准确率, AUC, F1分数	NA
1765	2026-09-18	Mapping coastal forest retreat using convolutional neural networks and different satellite imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357346 PMID:42743351	研究论文	该研究利用卷积神经网络和不同卫星影像（Landsat 8 和 Sentinel-2）对沿海森林退化（幽灵森林）进行制图，并分析1985至2021年的长期土地覆盖变化及其驱动因素	结合多光谱、双季节、地形和物候指标提升深度学习模型对幽灵森林的分类性能，并利用长时间序列Landsat数据量化沿海森林转换的动态与路径	未明确说明模型泛化能力、不同区域适用性以及计算资源细节	量化沿海森林景观转换的动态和路径，识别导致变化的因素，以理解沿海生态系统退化进程并预测未来变化	美国北卡罗来纳州沿海平原的沿海森林，特别是幽灵森林、沼泽、灌木等土地覆盖类型	计算机视觉	NA	遥感影像分析、卷积神经网络、土地覆盖分类	CNN	图像	Landsat 8 和 Sentinel-2 影像覆盖北卡罗来纳州沿海平原，时间跨度为1985至2021年	NA	NA	F1分数	NA
1766	2026-09-18	IoT-RiceMobileNet: An improved lightweight MobileNetV2 Model for real-time multi-class rice disease detection using IoT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0356383 PMID:42743358	研究论文	本文提出了一种改进的轻量级 MobileNetV2 模型 IoT-RiceMobileNet，用于基于物联网的实时多类水稻病害检测	构建了包含 7092 张水稻叶片图像的自采与 Kaggle 混合数据集，并提出轻量级改进 MobileNetV2 模型，可有效集成到所开发的物联网系统中，在保持低计算复杂度的同时实现高精度	未明确说明模型在更广泛真实田间条件下的泛化能力，数据集仍以自采和 Kaggle 样本为主，可能无法完全覆盖所有实际水稻病害场景	解决传统深度学习模型计算资源需求大、难以在移动或边缘设备上实时部署的问题，实现智能农业中可扩展的水稻病害检测	水稻叶片病害，包括多类水稻叶片疾病	计算机视觉	水稻病害	物联网、迁移学习、轻量级深度学习	CNN	图像	7092 张水稻叶片图像，包括自采样本和 Kaggle 样本	NA	MobileNetV2	准确率、精确率、FPS、分层 5 折交叉验证准确率、分层 10 折交叉验证准确率	NA
1767	2026-09-18	Investor sentiment and stock portfolio construction: A study based on the black-litterman model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358348 PMID:42743381	研究论文	本研究将Black-Litterman模型与深度学习技术相结合，利用投资者情绪构建股票投资组合	将基于BERT的情绪指数与LSTM收益预测融入Black-Litterman框架，实现非结构化文本数据与经典资产配置模型的整合	未明确提及	验证文本情绪分析在量化投资中的应用，通过整合非结构化数据与经典资产配置模型进行方法创新	上证50指数中八只代表性股票	机器学习	NA	深度学习，文本情感分析	LSTM，BERT	文本，数值	八只代表性股票，来自东方财富股吧的评论数据	NA	LSTM，BERT	年化收益率，夏普比率，索提诺比率，预测误差	NA
1768	2026-09-18	Comprehensive application of artificial intelligence in preserved ratio impaired spirometry: A systematic literature review 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0353021 PMID:42748063	系统综述	本文系统综述了人工智能在保留比值受损肺功能（PRISm）中的诊断与分类应用	首次系统总结AI在PRISm领域的研究进展，涵盖影像组学、机器学习、深度学习及多源数据融合建模	仅纳入11项研究，领域尚处早期阶段，缺乏多中心数据整合与外部验证	分析人工智能在PRISm中的应用现状与不足，以指导未来研究方向	PRISm相关研究文献（共11项研究）	医学人工智能	呼吸系统疾病	影像组学，机器学习，深度学习	机器学习，深度学习	影像，代谢组学，环境暴露数据	11项研究	NA	NA	NA	NA
1769	2026-09-18	Multimodal deep learning ensemble framework for skin cancer detection 2025-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30534-z PMID:41469782	研究论文	本文提出了一种基于迁移学习和集成学习的多模态深度学习框架，用于皮肤癌的检测与分类，融合了图像和元数据，并在多个数据集上验证了其性能	提出了一种自适应加权集成方法，动态地为每个模型分配权重，并融合了预训练模型（ResNet50、Xception、EfficientNetB0）与元数据，同时使用SMOTE处理类别不平衡	未明确说明	评估迁移学习技术在增强CNN性能方面的效果，并开发一个高精度的皮肤癌检测与分类框架	皮肤癌（包括多种类型）	计算机视觉	皮肤癌	深度学习，迁移学习，集成学习	CNN	图像，元数据	ISIC 2018数据集、ISIC 2019数据集和Derm7pt数据集（具体样本数未提及）	NA	ResNet50, Xception, MobileNet, EfficientNetB0, DenseNet121	准确率，精确率，召回率，F1分数，AUC	NA
1770	2026-09-18	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	该论文提出了一种结合鱼鹰优化算法（OOA）和图神经网络（GNN）的OOA-GNN框架，用于无线传感器网络中的入侵检测，并在WSN-DS数据集上取得了99.68%的准确率。	将鱼鹰优化算法与图神经网络相结合，利用OOA自动优化GNN的超参数，并通过图结构表示捕获WSN数据中的网络模式，从而提升入侵检测性能。	仅在WSN-DS数据集上验证，未在大规模或多种真实WSN环境中测试；未详细讨论计算开销和实时部署的可行性。	提高无线传感器网络中入侵检测的准确性并降低误报率，以增强网络安全。	无线传感器网络中的网络流量数据（WSN-DS数据集）。	机器学习	NA	SMOTE	GNN	网络流量数据	NA	NA	GNN	准确率, 假阳性率	NA
1771	2026-09-18	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	本研究提出了一种基于超材料太赫兹探测器吸收峰位移的无标记乙醇液体检测方法，并利用深度神经网络（DNN）优化了探测器的结构参数	采用深度神经网络（DNN）优化超材料液体探测器的结构参数，设计了一种五层结构的超材料探测器（包含叉指铜金属线、聚酰亚胺介质层、嵌套双字母形VO₂开环方环和铜金属板），实现了高吸收率和高位移值，并揭示了VO₂在不同温度下对吸收波调控的作用机制	摘要中未明确提及研究局限性	开发一种高效、精确的乙醇液体检测新方法，为食品安全、环境监测和生物医学等领域的未来应用提供参考	乙醇液体	机器学习	NA	太赫兹超材料检测，CST仿真	DNN	仿真数据（CST仿真）	NA	NA	深度神经网络（DNN）	灵敏度（3.33 THz/RIU），品质因数（FOM，66 RIU⁻¹），吸收率	NA
1772	2026-09-18	Efficient blood cell classification from microscopic smear images using U-Net segmentation and a lightweight CNN 2025-12-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26947-5 PMID:41453980	研究论文	本文提出了一种基于深度学习的方法，结合U-Net分割和轻量级CNN，用于从显微镜血涂片图像中自动分类和计数九种血细胞	提出了一种结合U-Net分割和自定义轻量级卷积神经网络（LWCNN）的BloodCell-Net方法，用于九种血细胞的分类，并采用分水岭算法分离重叠细胞	未明确讨论模型在临床环境中的泛化能力、数据集规模和多样性限制，以及计算资源需求	开发基于深度学习的自动化系统，用于从显微镜血涂片图像中分类和计数血细胞，以辅助血液相关疾病的诊断	显微镜血涂片图像中的九种血细胞，包括红细胞、成红细胞、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	数字病理学	血液疾病	深度学习，图像分割，图像分类	CNN	图像	NA	NA	U-Net, LWCNN	准确率, 精确率, 灵敏度, 交并比(IoU), Dice系数, 召回率, F1分数	NA
1773	2026-09-18	Deep Learning-aided 1H-MR Spectroscopy for Differentiating between Patients with and without Hepatocellular Carcinoma 2025-Dec-25, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0064 PMID:40790529	研究论文	本研究利用深度学习辅助的质子磁共振波谱（1H-MRS）技术，通过光谱模拟增强数据，区分乙肝病毒相关肝硬化患者是否患有肝细胞癌	结合深度学习与1H-MRS，并通过光谱模拟生成大规模数据集来训练卷积神经网络，以区分HBV-LC患者是否伴有HCC	样本量较小，且基于模拟数据集开发模型，可能影响泛化能力	探索肝脏1H-MRS结合深度学习在区分HBV-LC患者伴或不伴HCC方面的潜力	37名接受MRI监测的乙肝病毒相关肝硬化患者，其中20名无HCC，17名伴有HCC	数字病理学, 机器学习	肝癌	质子磁共振波谱（1H-MRS）	卷积神经网络（CNN）	光谱数据	37名患者（20名HBV-LC，17名HBV-LC-HCC），模型评估使用17名患者（10名HBV-LC，7名HBV-LC-HCC）	NA	卷积神经网络（CNN）	灵敏度, 特异度, 准确率	NA
1774	2026-09-18	Systematic hyperparameter analysis of GRU and LSTM across demand pattern types: a demand-characteristic-driven meta-learning framework for rapid optimization 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31508-x PMID:41449176	研究论文	本文系统研究了GRU和LSTM在不同需求模式下的超参数影响，并提出了一个需求特征驱动的元学习框架以实现快速优化	提出了需求复杂度指数（DCI）作为综合度量，并构建了一个集成框架，根据输入需求特征定制超参数选择，从而提高准确性并加速处理	仅分析了三种需求模式，可能未覆盖所有实际需求类型；研究基于特定数据集，泛化能力有待验证	探究需求特征和深度学习超参数对多期预测准确性的影响，并开发一个基于需求特征的元学习框架来快速优化超参数	需求预测中的时间序列数据，具体为平滑需求、无 spikes 的 erratic 需求和有 spikes 的 erratic 需求三种模式	机器学习	NA	NA	GRU, LSTM	时间序列数据	NA	NA	GRU, LSTM	WMAPE%	NA
1775	2026-09-18	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	本文提出了一种混合集成深度学习框架，结合随机森林、XGBoost、LightGBM和深度神经网络，并利用新型元启发式优化算法，用于可扩展的恶意网站检测	结合三种集成学习模型与深度神经网络，并采用Weevil Damage Optimization Algorithm和Energy Valley Optimizer两种新型元启发式算法进行超参数调优，同时引入主成分分析降维和SHAP模型可解释性分析	未明确提及	提高恶意网站检测的准确性、可扩展性和可解释性，以应对快速演变的网络攻击	恶意网站与良性网站的URL及相关网络特征	机器学习	NA	NA	CNN, LSTM, GAN	文本	63,191个URL	Scikit-learn, TensorFlow, PyTorch	Random Forest, XGBoost, LightGBM, Deep Neural Network	准确率, 精确率, 召回率, F1分数, AUC	NA
1776	2026-09-18	Exploiting fuzzy weights in CNN model-based taxonomic classification of 500-bp sequence bacterial dataset 2025-12-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24836-5 PMID:41436515	研究论文	本文提出了一种改进的模糊加权卷积神经网络（F-CNN），用于细菌DNA序列（特别是500-bp片段）的分类学分类	将模糊逻辑与深度学习结合，引入模糊加权系统处理分类层中相似类别的不确定性，并采用特征选择阶段优化参数	在属水平上500-bp片段的分类准确率仅为84.03%，仍有提升空间；未与其他先进方法进行广泛比较	克服传统分类方法的局限，提高基于500-bp片段的细菌DNA序列分类准确率	细菌DNA序列，特别是500-bp片段	机器学习	NA	NA	CNN	文本	超过140万条细菌基因序列（来自RDP 11数据集）	NA	模糊加权卷积神经网络（F-CNN）	准确率	NA
1777	2026-09-18	Fuzzy logic and deep learning approach for automated white blood cell detection and classification via multi-CNN feature fusion 2025-12-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28354-2 PMID:41430086	研究论文	本文提出了一种结合多CNN特征融合与模糊逻辑EDAS方法的框架，用于白细胞（WBC）的自动检测与分类，并在Kaggle血细胞图像数据集上取得了高精度结果	将DenseNet121、MobileNetV2和ResNet101三种CNN模型的特征进行融合，并引入基于模糊逻辑的EDAS方法对融合特征进行优先级排序，以提高临床决策的可解释性和鲁棒性	尚未实现实时应用，且未在多样化数据集上验证模型的泛化能力	实现白细胞的自动检测与分类，以辅助血液疾病（如白血病）的诊断	白细胞（中性粒细胞、嗜酸性粒细胞、单核细胞和淋巴细胞）	计算机视觉	血液疾病（白血病）	多CNN特征融合、模糊逻辑EDAS	CNN	图像	8013张血细胞图像	NA	DenseNet121, MobileNetV2, ResNet101	精确率, 灵敏度, F1分数	NA
1778	2026-09-18	A novel deep learning framework with temporal attention convolutional networks for intrusion detection in IoT and IIoT networks 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32697-1 PMID:41390854	研究论文	本文提出一种结合多尺度CNN、LSTM和时间注意力机制的TACNet深度学习框架，用于IoT和IIoT网络入侵检测	提出TACNet混合架构，融合多尺度CNN进行多粒度特征提取、LSTM捕获时序依赖和时间注意力机制聚焦关键时间步，有效同时处理网络流量中的空间和时间数据	未明确讨论模型的计算复杂度、实时部署可行性以及在对抗性攻击下的鲁棒性	开发一种鲁棒的深度学习模型，能够检测多种网络威胁并适应IoT和IIoT网络的动态特性	IoT和IIoT网络中的网络流量数据	机器学习	NA	深度学习入侵检测	CNN, LSTM, 注意力机制	网络流量数据	使用了CICIDS 2018、DNN-EdgeIIoT、CIC IoT-DIAD 2024、TabularIoTAttack-2024和N-BaIoT五个数据集，具体样本量未提及	NA	多尺度CNN, LSTM, 时间注意力机制	准确率	NA
1779	2026-09-18	Integrating RNA sequencing with deep learning-based metabolic toxicity prediction: A new perspective on screening prioritized liquid crystal monomers 2025-12-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140465 PMID:41237628	研究论文	本研究提出了一种基于RNA测序与深度学习相结合的快速高通量筛选方法，用于识别自然水体中的优先液晶单体（LCMs），并开发了LCMsT-MTP预测模型以同时识别21种代谢毒性。	首次将RNA测序与基于深度学习的代谢毒性预测模型（LCMsT-MTP）相结合，整合了LCMs结构表示与代谢毒性靶序列的综合表征，突破了传统方法仅限单一靶点和机制的局限，可同时识别21种代谢毒性，并提出了LCMs代谢毒性优先清单。	研究主要基于斑马鱼模型和计算预测，LCMsT-MTP模型的预测结果仍需更多实验验证；非氟化LCMs的应用受限于适用域测试；对水生生态系统的实际毒性效应尚需进一步评估。	建立一种快速、高通量的筛选方法，用于识别自然水体中的优先液晶单体（LCMs），填补LCMs毒性数据空白，特别是对水生生物的毒性数据。	液晶单体（LCMs），包括6种氟化LCMs和857种可能引起代谢紊乱的其他LCMs，以及非氟化LCMs；模式生物为斑马鱼。	机器学习	NA	RNA测序	深度学习	序列数据，文本	6种氟化LCMs用于RNA测序实验，857种LCMs用于预测分析，非氟化LCMs满足适用域测试	NA	LCMsT-MTP	NA	NA
1780	2026-09-18	GoFlow: efficient transition state geometry prediction with flow matching and E(3)-equivariant neural networks 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00283d PMID:41189760	研究论文	该论文提出GoFlow，一种基于最优传输流匹配和E(3)-等变神经网络的高效过渡态几何预测方法，用于从2D反应图生成过渡态几何	将过渡态生成建模为最优传输流问题，使用E(3)-等变流匹配与几何张量网络求解，相比最先进的扩散模型实现了超过百倍的推理加速并提高了几何精度	未明确提及	开发一种高效准确的深度学习方法来预测化学反应过渡态几何，以用于高通量计算化学工作流	化学反应的过渡态几何	机器学习	NA	流匹配，E(3)-等变神经网络，几何张量网络	流匹配模型	2D反应图	NA	NA	E(3)-等变流匹配网络	几何精度，推理速度	NA