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
841	2026-05-30	Recent Developments and Applications of Drone Swarm: Techniques, Strategies, and Challenges 2026-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s26102943 PMID:42197752	综述	详细回顾无人机集群系统的最新进展、应用领域及关键技术	将人工智能与深度学习技术融入无人机集群的路径规划、任务分配及协调控制，并重点探讨反无人机集群策略的战略意义	未列出具体实验验证方法或定量性能分析，主要基于文献综述提出研究趋势	系统综述无人机集群技术发展、应用及反制策略，为未来研究提供创新视角	无人机集群系统、人工智能与深度学习集成方法、反无人机集群策略	机器学习, 计算机视觉	NA	NA	NA	文本（文献综述）	NA	NA	NA	NA	NA
842	2026-05-30	Deep Learning-Based Automatic Modulation Classification for OFDM Signals: From Synthetic Training to OTA Evaluation 2026-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s26102945 PMID:42197754	研究论文	评估卷积神经网络在正交频分复用信号自动调制分类中，从合成训练到实际空中传输测试的跨领域泛化能力	首次系统评估数据集规模、合成损伤和硬件诱导信号损伤对基于二维幅度-相位直方图的卷积神经网络在正交频分复用自动调制分类任务中跨领域泛化性能的影响	未提及具体局限性，但可能仅限于室内空中传输场景的评估	研究数据生成策略对卷积神经网络在正交频分复用自动调制分类中跨领域泛化性能的影响	正交频分复用信号	机器学习	NA	自动调制分类	卷积神经网络	信号特征图（二维幅度-相位直方图）	五个不同数据集，包括合成信号和硬件数据集，以及13个不同位置的室内空中传输数据集	NA	卷积神经网络	准确率	NA
843	2026-05-30	A Lightweight Identity Authentication Protocol for Vehicle Ad Hoc Network Based on PUF-Obfuscation 2026-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s26102971 PMID:42197780	研究论文	提出一种基于PUF混淆的轻量级车载自组网身份认证协议，结合ECC和自适应偏差锁定PUF实现动态CRP混淆，以抵御建模攻击并降低通信开销	首次将ECC与高可靠自适应偏差锁定PUF（SDL PUF）结合，设计动态挑战-响应对混淆机制，将机器学习/深度学习攻击预测成功率降低约35%	未提及硬件实现成本、大规模部署时的注册中心可靠性及极端环境（如高移动性、低信噪比）下的性能表现	实现车载自组网中安全、高效、匿名的V2X通信，同时减少计算和通信开销	车载自组网中的实体身份认证与V2X通信安全	自然语言处理	NA	NA	NA	仿真数据（SUMO和Omnetpp生成的VANET流量数据）	NA（仿真评估中未明确样本数量）	NA	NA	计算开销（6.77 ms/实体）、通信开销（192字节）、预测成功率降低率（约35%）	NA（仿真环境未明确硬件配置）
844	2026-05-30	Multi Omics Integration in Colorectal Cancer: From Molecular Insights to Precision Oncology 2026-May-07, Cancers IF:4.5Q1 DOI:10.3390/cancers18101504 PMID:42192865	综述	本文综述了基因组学、转录组学、蛋白质组学、代谢组学和微生物组分析等多组学整合如何重新定义结直肠癌生物学和精准肿瘤学	讨论了人工智能方法（包括因子分析、深度学习、图模型和可解释AI）在改进亚型分类、生物标志物发现和治疗反应预测中的应用	临床转化面临批次效应、跨平台变异、外部验证有限、监管限制和成本等主要障碍	批判性地评估多组学整合在结直肠癌生物学和精准肿瘤学中的进展与挑战	结直肠癌的多组学数据，包括基因组学、转录组学、蛋白质组学、代谢组学和微生物组数据	机器学习	结直肠癌	全基因组测序、RNA测序、蛋白质组学、代谢组学、微生物组分析	深度学习、图模型、因子分析、可解释AI	组学数据（基因组、转录组、蛋白质组、代谢组、微生物组）	276例TCGA结直肠癌样本、95例CPTAC蛋白质基因组学肿瘤、2023例全基因组测序病例	NA	NA	NA	NA
845	2026-05-30	iDualG4: A Dual-Channel Deep Learning Framework for Predicting In Vivo G-Quadruplexes 2026-May-07, Biomolecules IF:4.8Q1 DOI:10.3390/biom16050693 PMID:42194040	研究论文	提出一个名为iDualG4的双通道深度学习框架，仅利用DNA序列预测体内G-四链体结构	利用预训练Enformer模块从DNA序列推断表观基因组代理特征，避免了对昂贵大规模测序实验的依赖	未提及，但可推断依赖预训练Enformer模块的泛化能力，可能对某些细胞系预测精度有限	开发仅需DNA序列输入的高精度、可解释体内G4预测工具	体内G-四链体（G4）结构及其形成机制	机器学习	NA	DNA测序	双通道深度学习框架	DNA序列	跨多个细胞系，包括K562	PyTorch	Enformer	AUPR	NA
846	2026-05-30	Artificial Intelligence-Based MRI Segmentation in Glioblastoma and Single Brain Metastasis: An Exploratory Study of Diagnostic and Prognostic Value 2026-May-07, Life (Basel, Switzerland) DOI:10.3390/life16050779 PMID:42195335	研究论文	本研究评估了基于AI的自动分割及多室体积比率在胶质母细胞瘤与单发脑转移鉴别诊断和生存预测中的价值	利用CE认证的深度学习工具进行自动多室分割，提取归一化体积比率作为新的影像生物标志物，相比传统手动体积测量显著提升生存预测能力（AUC-ROC提升21.2%）	回顾性设计、缺乏分子分型信息、样本量相对有限，结论需在前瞻性多中心研究中验证	探索AI辅助MRI自动分割是否可提高胶质母细胞瘤与单发脑转移的鉴别诊断准确性及生存预测能力	123例患者（84例胶质母细胞瘤，39例单发脑转移）的1.5T MRI影像	数字病理学	胶质母细胞瘤, 单发脑转移	MRI	深度学习分割模型, 机器学习模型	MRI图像	123例患者（84例胶质母细胞瘤，39例单发脑转移）	NA	CE认证深度学习分割工具	相关系数, AUC-ROC	NA
847	2026-05-30	Food Origin Authenticity Using Deep Learning and Citizen Science: Bananas Case Study 2026-May-07, Foods (Basel, Switzerland) DOI:10.3390/foods15101628 PMID:42195832	研究论文	本研究利用深度学习和公民科学图像预测香蕉原产国，提出了一种基于人工智能的食品欺诈检测概念验证方法	首次将卷积神经网络与公民科学平台iNaturalist生成的图像结合，用于香蕉产地溯源，展现了人工智能在食品欺诈主动检测中的新应用维度	当前评估框架反映的是早期实验环境，数据量有限（6000张图像），且模型性能（验证准确率0.79）仍有提升空间，需要更大规模独立验证	开发基于人工智能的方法，利用公民科学图像预测香蕉（卡文迪什品种）的原产国，以主动检测食品欺诈行为	来自六个国家的卡文迪什香蕉品种的图像数据	计算机视觉	不适用	深度学习、迁移学习	卷积神经网络	图像	6000张来自iNaturalist平台的香蕉图像	TensorFlow, Keras	MobileNetV1, 以及其他8种预测练模型	准确率, 蒙特卡洛交叉验证, 5折交叉验证	不适用
848	2026-05-30	Correction: Chen et al. Deep Learning Applied to Defect Detection in Powder Spreading Process of Magnetic Material Additive Manufacturing. Materials 2022, 15, 5662 2026-May-07, Materials (Basel, Switzerland) DOI:10.3390/ma19101911 PMID:42195817	更正	本文对Chen等人关于深度学习应用于磁性材料增材制造粉末铺展过程缺陷检测的文章进行了同行评审流程相关问题的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
849	2026-05-30	Cardio-Dense: Diagnosis of Cardiac Abnormalities Based on Phonocardiogram Using Improved Swin Transformer Through Lightweight Dense Blocks 2026-May-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101421 PMID:42196788	研究论文	提出Cardio-Dense混合框架，利用改进的Swin Transformer和轻量级DenseBlock从心音图信号中检测多类心脏异常	将Swin Transformer与轻量级DenseBlock结合，同时捕获全局上下文依赖和高效局部特征细化，实现低计算开销下的高精度心脏病分类	仅依赖特定PCG数据集，未提及在真实临床环境中的泛化能力验证	开发低成本、非侵入性的多类心血管疾病自动诊断方法	心音图信号中的心脏瓣膜疾病类别	机器学习	心血管疾病	连续小波变换	Swin Transformer，DenseBlock	心音图信号（转换为二维时频谱图）	多个PCG数据集	NA	Swin Transformer，DenseBlock	准确率，敏感性，特异性，F1分数，AUC，精确率	低计算开销，适合实时推理
850	2026-05-30	Radiomics-Based Differential Diagnosis of Radicular Cysts and Apical Granulomas on CBCT Images Using RadC-CNN Architecture 2026-May-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101428 PMID:42196794	研究论文	评估基于锥形束CT影像的放射组学特征在区分根尖囊肿与根尖肉芽肿中的诊断性能，并比较传统机器学习算法与新型深度学习模型RadC-CNN的表现	提出新型深度学习模型RadC-CNN（放射组学囊肿卷积神经网络）用于CBCT影像中根尖囊肿和根尖肉芽肿的鉴别诊断，并证明其优于传统机器学习算法	未明确提及，但可能包括样本量较小（98例患者）及单中心回顾性研究的局限性	评估CBCT影像放射组学特征在区分根尖囊肿和根尖肉芽肿中的诊断价值，并比较传统机器学习与深度学习模型的效果	98例患者的CBCT影像数据（55例根尖囊肿，43例根尖肉芽肿），所有病例均有组织病理学确诊	医学影像分析	根尖囊肿、根尖肉芽肿	CBCT成像、放射组学分析、组织病理学诊断	CNN（卷积神经网络）	图像（CBCT影像）	98例患者（55例根尖囊肿，43例根尖肉芽肿）	PyTorch	RadC-CNN（放射组学囊肿卷积神经网络）	准确性、敏感性、精确率	NA
851	2026-05-30	IHPP: Improved Human Parts as Points for Multi-Person Pose Regression 2026-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s26102916 PMID:42197726	研究论文	提出一种改进的多人姿态回归方法，通过增强上下文建模和身体部位分支提升效率与精度	在AdaptivePose基础上，沿水平和垂直轴增加方向上下文建模以改进远端点定位，并重新设计第二阶回归阶段，采用部位级分支减少部位间特征干扰，保持轻量级架构	未明确说明局限性，但可能受限于卷积特征的感受野，以及特定数据集上的泛化性需进一步验证	提升多人姿态估计的单阶段回归方法的性能和效率，优化准确性与速度间的权衡	多人姿态估计中的身体部位及关键点	计算机视觉	NA	NA	CNN	图像	MS COCO和CrowdPose数据集（具体样本量未提及）	NA	IHPP-S, IHPP-M, IHPP-L	AP, 帧率 (fps), 参数量	NA
852	2026-05-30	Surface Electromyography for Parkinson's Disease Monitoring: A Review of Machine and Deep Learning Techniques 2026-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s26102927 PMID:42197737	综述	系统综述机器学习和深度学习方法在利用表面肌电图监测帕金森病中的应用	首次对帕金森病监测中结合机器学习与深度学习的sEMG方法进行结构化综述，弥补了现有文献的空白，并提出了代表性的处理流程以支持临床转化	数据集规模有限、缺乏标准化方法、模型泛化能力不足	综述ML和DL技术应用于sEMG监测帕金森病的研究现状，分析数据采集、预处理、特征提取、模型架构及评估协议，并识别未来趋势	基于表面肌电信号的帕金森病诊断、震颤分析、冻结步态检测和步态评估	机器学习	帕金森病	表面肌电图	机器学习, 深度学习	肌电信号	NA	NA	NA	NA	NA
853	2026-05-30	Conditional Diffusion Models for CT Image Synthesis from CBCT: A Systematic Review 2026-May-06, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050064 PMID:42188705	综述	本文系统评估了条件扩散模型在CBCT到CT图像合成中的应用，重点关注架构策略、定量结果和临床相关性	首次系统综述条件扩散模型在CBCT到CT合成中的应用，分析了解剖先验、空间频率引导等不同策略的优劣	证据基础较小且高度异质，研究对象、维度、监督策略和评估指标不一致，限制了直接比较的可能	评估条件扩散模型用于CBCT到CT合成的研究现状和临床潜力	CBCT到CT合成的条件扩散模型相关研究	计算机视觉	NA	CBCT, CT	条件扩散模型	图像	11项研究	NA	NA	NA	NA
854	2026-05-30	Artificial intelligence and radiomics for pediatric brain tumor classification and molecular characterization: a systematic review 2026-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03976-z PMID:41894040	综述	系统评价人工智能和影像组学在儿童脑肿瘤分类和分子特征化中的诊断应用和方法学质量	首次系统性综述人工智能和影像组学在儿童脑肿瘤影像学中的应用，涵盖放射组学/机器学习和深度学习两种方法，并评估方法学质量	前瞻性设计缺乏，外部验证率极低（12.5%），限制了泛化能力	评估人工智能模型（包括放射组学/机器学习和深度学习）在儿童脑肿瘤影像学中的诊断应用、性能和方法学质量	儿童脑肿瘤影像数据（MRI为主）	计算机视觉, 机器学习	儿童脑肿瘤	NA	NA	NA	NA	NA	NA	NA	NA
855	2026-05-30	Real-Time Cardiac Arrhythmia Classification Using TinyML on Ultra-Low-Cost Microcontrollers: A Feasibility Study for Resource-Constrained Environments 2026-May-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050532 PMID:42194289	研究论文	提出一种基于量化一维卷积神经网络（1D-CNN）的实时心律失常分类系统，部署在8位Arduino UNO微控制器上，实现超低成本硬件环境的端到端ECG信号处理与分类	首次在极度资源受限的8位单片机（Arduino UNO）上实现基于TinyML的实时心律失常分类，通过模型量化将内存占用降至24KB以下，推理时间控制在200ms以内	仅使用健康志愿者信号进行实时验证，没有带注释的金标准数据，因此未评估诊断性能；仅考虑三类心律分类（正常、室性、室上性）	探索在超低成本微控制器上部署轻量级深度学习模型进行实时心律失常分类的可行性	心电图信号和心律失常分类	边缘计算, 嵌入式人工智能	心血管疾病	ECG信号采集（AD8232模拟前端）、信号预处理、心跳分割	一维卷积神经网络（1D-CNN）	时间序列信号	使用MIT-BIH心律失常数据库进行训练和评估；使用健康志愿者采集的实时信号进行功能验证	TensorFlow 2.15, TensorFlow Lite	量化一维卷积神经网络（1D-CNN）	准确率、内存占用、推理时间	8位Arduino UNO微控制器（ATmega328P）、AD8232模拟前端、OLED显示屏
856	2026-05-30	Decoding Skin Aging Through Transcriptomic Clocks: Gene Expression Signatures, Associated Pathways, and Explainable AI 2026-May-01, Genes IF:2.8Q2 DOI:10.3390/genes17050542 PMID:42194999	综述	本文通过文献检索，综述了人类皮肤转录组衰老时钟的研究进展，重点包括基因表达特征、关键生物通路和计算建模策略	综述了转录组衰老时钟在皮肤中的最新进展，并评估了包括深度学习、通路引导模型及可解释人工智能在提高模型透明度和生物可解释性中的作用	该综述基于有针对性的文献检索，可能未涵盖所有相关研究，且未涉及多组学整合和数字孪生等未来方向的实验验证	探讨转录组衰老时钟在人类皮肤中的基因表达特征、关键通路及计算建模策略，并评估可解释人工智能的作用	人类皮肤中的转录组衰老时钟及相关基因表达特征	自然语言处理, 机器学习	皮肤病相关衰老	RNA测序	深度学习, 通路引导模型	文本	NA	NA	SkinAGE等代表性模型	NA	NA
857	2026-05-30	Leveraging 3D Heart Visualisation and Data Balancing Techniques for ECG Classification 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050525 PMID:42194282	研究论文	提出了一种结合数据平衡技术与3D心脏可视化框架的深度学习流程，用于心律失常的自动分类	引入了新颖的3D可视化框架，可交互式地呈现与心电图分类相关的精确解剖心脏区域，提供增强的诊断洞察	需要更严格的患者间交叉验证以充分确立泛化能力	实现心律失常的自动分类，并通过3D可视化提升诊断准确性	心电图信号	机器学习	心血管疾病	NA	深度学习模型	心电图信号	NA	NA	NA	NA	NA
858	2026-05-30	Artificial Intelligence Algorithm Based on Genetics to Predict Responses to Interferon-Beta Treatment in Multiple Sclerosis Patients 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050523 PMID:42194280	研究论文	提出一种基于遗传算法的模糊系统人工智能算法，用于预测多发性硬化症患者对干扰素-β治疗的反应	结合模糊系统与遗传算法优化深度学习模型超参数，并利用遗传生物标志物进行预测，提高对干扰素-β反应不佳患者的识别准确率	仅使用了遗传生物标志物，未纳入其他可能影响治疗反应的临床或环境因素，样本量较小且来自单一中心，泛化能力有限	开发一种基于遗传算法的人工智能算法，以提高对多发性硬化症患者干扰素-β治疗反应的预测准确性	多发性硬化症患者及其对干扰素-β治疗的反应	机器学习	多发性硬化症	遗传测序（用于获取遗传生物标志物）	模糊系统、人工神经网络（ANN）、多层感知机（MLP）	遗传数据（遗传生物标志物）	未明确提及样本量	NA	模糊系统、遗传算法、人工神经网络（ANN）、多层感知机（MLP）	分类效率、准确率	NA
859	2026-05-30	Impact of Simulated Artifacts on the Classification Performance of Apical Views in Transthoracic Echocardiography Using Convolutional Neural Networks 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050522 PMID:42194279	研究论文	评估模拟伪影（运动模糊、声影和散斑噪声）对基于卷积神经网络的经胸超声心动图心尖切面分类性能的影响	首次系统评估不同图像伪影（运动模糊、声影和散斑噪声）对深度学习模型在TTE切面分类中的影响，并揭示仅基于参考质量图像的评估无法完全反映模型鲁棒性	研究范围有限，仅涉及心尖切面，且伪影类型和强度为模拟生成，未覆盖真实临床中所有可能的图像退化情况	评估图像伪影对自动TTE切面分类性能的影响，并提出需在退化条件下进行结构化鲁棒性分析以补充标准模型评估	217个TTE视频片段（2170帧），覆盖心尖两腔、三腔、四腔和五腔切面	计算机视觉	NA	经胸超声心动图（TTE）	CNN	图像	217个TTE视频片段（2170帧）	PyTorch	ResNet-18, ResNet-34, EfficientNet-B0, ViT, HOG + SVM	准确率, 平衡准确率	NA
860	2026-05-30	An Explainable Plane-Wise ConvNet Approach for Detecting Femoral Head Osteonecrosis from Magnetic Resonance Images 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050529 PMID:42194286	研究论文	提出一种基于可解释平面级深度学习的分类方法，利用磁共振图像将股骨头坏死分为早期和晚期	首次采用ConvNeXt Tiny作为分类骨干网络，对轴向和冠状位MR图像进行平面依赖性分析，并利用加权重损失和决策阈值优化减少类别不平衡影响，实现可解释的Grad-CAM可视化聚焦于股骨头负重区	数据集来自单一中心，缺乏外部多中心验证；未使用配对患者级轴向-冠状位图像进行联合分析	开发一种可靠且可解释的自动决策支持方法，用于根据Ficat-Arlet分期系统分类股骨头坏死的早期与晚期	股骨头坏死患者，使用来自Fırat大学医院骨科与创伤科的MR图像数据集	计算机视觉	股骨头坏死	磁共振成像	卷积神经网络	图像	未指定具体患者数量，数据集按80:20划分为训练集和测试集，并进行了10折交叉验证	NA	ConvNeXt Tiny	准确率、敏感度、特异度、F1分数、AUC	NA