• 人工智能在肺叶分割和功能性定量方面的临床应用（结合SPECT/CT技术）：开源模型与定制模型的对比

  摘要使用SPECT/CT进行肺叶量化对于治疗计划至关重要，但由于工具不足，其在临床应用中仍存在局限性。尽管基于人工智能（AI）的方法显示出潜力，但其临床验证仍有限。本研究比较了使用开源模型和自主研发的分割模型进行SPECT/CT肺叶量化的临床准确性。我们整理了一个包含200张不同

  来源：Scientific Reports

  时间：2026-06-11

• 在J-CKD-DB-Ex研究中，基于肌酐的估算公式与基于胱氨酸-C的估算公式在估算肾小球滤过率（eGFR）方面的差异在亚洲人群中也具有重要意义

  摘要最近的研究表明，较大的负估算肾小球滤过率（eGFR）差异（eGFRdiff），即基于胱氨酸C的eGFR减去基于肌酐的eGFR，与肾脏疾病的发生有关。然而，这种关联是否适用于日本人群尚不清楚。本研究评估了负eGFRdiff在日本人群中的重要性。这是一项使用J-CKD-DB-Ex

  来源：Scientific Reports

  时间：2026-06-11

• 一项关于物理康复与不进行物理康复的随机对照重复试验（DRAW2）

  摘要全髋关节置换术（THA）和膝关节置换术（TKA）是治疗晚期骨关节炎的有效外科方法，旨在缓解疼痛并改善关节功能。尽管术后普遍推荐进行物理康复，但其相对于自然恢复的额外临床益处仍不确定。在DRAW1试验中，未观察到物理康复相较于不进行物理康复有任何优势。我们的目标是通过比较THA

  来源：Scientific Reports

  时间：2026-06-11

• 一种具有自适应特征重校准和基于置信度的集成方法的多视图自动编码器架构，用于心脏病分类

  摘要心脏病继续对全球健康构成重大挑战，这凸显了开发早期、准确预测模型的必要性。在这项研究中，我们提出了一个全新的混合智能框架，旨在显著提升心脏病的分类能力。我们的方法结合了多视图深度特征提取、自适应特征重校准和动态集成学习，以提供更可靠的预测结果。该过程首先使用多视图自动编码器分

  来源：Scientific Reports

  时间：2026-06-11

• 整合转录组学和机器学习分析确定了糖尿病视网膜病变中与细胞外基质相关的关键基因

  摘要细胞外基质（ECM）的重塑会导致视网膜血管基底膜增厚，这是糖尿病视网膜病变（DR）的早期结构特征。本研究旨在识别与DR相关的关键ECM相关基因（ECMGs）。通过整合MatrixDB中DR和ECMGs的转录组数据，筛选出差异表达的ECMGs。研究采用了六种机器学习（ML）模型

  来源：Scientific Reports

  时间：2026-06-11

• 通过多目标反事实解释提高医疗保健的可解释性

  摘要基于人工智能的决策支持系统具有改善健康结果的能力。然而，先进的人工智能系统面临着可解释性和实际应用速度缓慢的挑战，这主要是由于使用了抽象的、黑盒式的模型。因此，可解释人工智能（XAI）方法正在不断发展，以提供对预测结果的解释。尽管如此，现有的XAI方法仍存在一些显著的缺点。首

  来源：Scientific Reports

  时间：2026-06-11

• 用于超声图像中周围神经分割的掩码自动编码器预训练

  摘要尽管医学图像分割技术最近取得了进展，但深度学习在肌肉骨骼超声领域的应用仍受到标注数据集规模小和临床应用范围有限的制约。现有研究大多集中在正中神经上，而其他具有临床意义的外周神经则研究不足。本研究探讨了使用掩码自编码器（MAE）进行预训练作为一种可扩展的方法，以克服外周神经分割

  来源：Scientific Reports

  时间：2026-06-11

• 对产β-内酰胺酶的肺炎克雷伯菌（Klebsiella pneumoniae）的耐药基因组（resistome）、毒力基因组（virulome）和移动基因组（mobilome）进行计算机模拟（in silico）分析

  摘要肺炎克雷伯菌（K. pneumoniae）是一种主要的多重耐药性病原体，与医院内感染密切相关，尤其是在免疫功能低下的患者中，对全球的发病率和死亡率有显著影响。本研究对产生β-内酰胺酶的肺炎克雷伯菌分离株进行了全面的基因组分析。从美国国家生物技术信息中心-序列读取档案（NCBI

  来源：Scientific Reports

  时间：2026-06-11

• 对诺阿卡利地区禽源大肠杆菌进行的全面基因组分析揭示了其多重耐药性、金属耐药性以及人畜共患特征

  摘要由禽源致病性大肠杆菌（APEC）引起的弯曲杆菌病在全球范围内导致了严重的家禽损失和经济损失，尤其是在孟加拉国，这凸显了实施有效监测和控制策略的紧迫性。本研究通过对来自禽类宿主及其周围环境的大肠杆菌分离株进行全基因组测序（WGS），获得了基因组和进化方面的见解。结果显示，这些菌

  来源：Scientific Reports

  时间：2026-06-11

• 通过使用自动编码器和预测因子的分层集成方法，从临床前扰动筛选中预测基因的必需性和药物反应

  摘要高通量临床前扰动筛选技术通过对疾病模型进行系统的遗传、化学或环境因素扰动测试，因其规模庞大和具有因果关系而展现出在机器学习辅助药物发现方面的巨大潜力。基于此类数据集训练的预测模型可以用于：(i) 推断尚未测试的疾病模型的扰动响应；(ii) 描述影响扰动响应的生物学背景。现有的

  来源：Scientific Reports

  时间：2026-06-11

知名企业招聘：