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
761	2026-03-01	BeamNet: Unsupervised Beamforming for ISAC Systems Under Imperfect CSI 2026-Feb-03, Entropy (Basel, Switzerland) DOI:10.3390/e28020175 PMID:41751678	研究论文	本文提出了一种用于不完美信道状态信息下ISAC系统的无监督波束成形深度学习框架BeamNet	提出了一种无监督深度学习框架，无需波束成形标签或嵌入式优化求解器，通过最大化通信速率和感知速率的加权和来学习CR-SR帕累托前沿	NA	研究在不完美信道状态信息下集成感知与通信系统的波束成形问题	双功能雷达通信系统	机器学习	NA	深度学习	深度学习模型	信道状态信息	NA	NA	BeamNet	通信速率, 感知速率	NA
762	2026-03-01	Squeeze-Excitation Attention-Guided 3D Inception ResNet for Aflatoxin B1 Classification in Almonds Using Hyperspectral Imaging 2026-Feb-02, Toxins IF:3.9Q1 DOI:10.3390/toxins18020076 PMID:41745742	研究论文	本研究提出了一种基于注意力引导的3D Inception ResNet网络，利用高光谱成像技术对杏仁中的黄曲霉毒素B1进行快速精确分类	结合了多尺度特征提取、残差学习和注意力机制，增强了空间-光谱特征表示，提高了分类精度和处理效率	未提及	开发一种快速、非破坏性的方法，用于检测杏仁中的黄曲霉毒素B1污染，以确保食品安全	杏仁	计算机视觉	NA	高光谱成像	3D深度学习模型	高光谱图像	未提及	未提及	注意力引导的Inception ResNet 3D网络	准确率, F1分数, AUC	未提及
763	2026-03-01	MFE-YOLO: A Multi-Scale Feature Enhanced Network for PCB Defect Detection with Cross-Group Attention and FIoU Loss 2026-Feb-02, Entropy (Basel, Switzerland) DOI:10.3390/e28020174 PMID:41751677	研究论文	本文提出了一种基于YOLOv5的贝叶斯增强检测框架MFE-YOLO，用于提高PCB缺陷检测的准确性和可靠性	通过贝叶斯视角重新解释CBAM作为特征级不确定性加权机制，并设计了一种新颖的FIoU损失函数以在概率框架内改进边界框回归并隐式捕获定位不确定性	未明确说明模型在极端复杂背景或极小缺陷尺寸下的性能极限，也未讨论计算效率与实时性之间的权衡	提高工业质量控制中PCB缺陷检测的准确性和操作可靠性，特别是在小目标和复杂背景的挑战性场景下	印刷电路板（PCB）上的缺陷	计算机视觉	NA	深度学习	CNN	图像	未明确指定具体样本数量，但提及构建了一个多背景PCB缺陷数据集，包含多样化的基板颜色和形状	PyTorch	YOLOv5, CBAM	mAP@0.5, mAP@0.5:0.95	NA
764	2026-03-01	Construction and validation of hepatocellular carcinoma survival prediction models based on machine learning 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03456-1 PMID:41184613	研究论文	本研究基于SEER和TCGA数据库的肝细胞癌患者数据，构建并验证了基于机器学习的生存预测模型，通过引入自注意力机制和残差网络模块改进DeepSurv和DeepHit模型，并开发了一种基于Cox神经网络的集成模型	首次在生存分析中应用自注意力机制和残差网络模块改进DeepSurv和DeepHit模型，并首次开发基于Cox神经网络的集成模型	未明确说明模型在外部验证集上的泛化能力或临床部署的可行性	提高肝细胞癌患者生存预测的准确性和可靠性，以支持个性化治疗	肝细胞癌患者	机器学习	肝细胞癌	NA	DeepSurv, DeepHit, Cox神经网络, 随机生存森林	临床数据	来自SEER和TCGA数据库的肝细胞癌患者数据	NA	自注意力机制, 残差网络模块	C指数, Brier分数	NA
765	2026-03-01	A deep learning-based MRI automatic detection model for spinal schwannoma and meningioma 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03468-x PMID:41222816	研究论文	本研究开发了一种基于深度学习的MRI自动检测模型，用于检测脊柱神经鞘瘤和脑膜瘤	以YOLOv8n为基线模型，引入了选择性核融合模块替换原始颈部特征融合层，并添加了递归门控卷积，提出了改进的特征融合模型YOLOv8n-SKNeck	研究为回顾性分析，样本量相对有限（103例），且数据来自单一医院	开发自动化检测模型以辅助脊柱神经鞘瘤和脑膜瘤的早期诊断和鉴别诊断，减轻临床决策负担	经病理证实的脊柱神经鞘瘤和脑膜瘤病例	计算机视觉	脊柱肿瘤	磁共振成像	CNN	图像	103例经病理证实的SCH和MEN病例的MRI扫描	NA	YOLOv8n, YOLOv8n-SKNeck	平均准确率, 平均召回率, 平均F1分数	NA
766	2026-03-01	The Diagnosis and Treatment Technology of Port-Wine Stain, and the Prospect of Future Treatment 2026-Feb, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-026-01651-y PMID:41557111	综述	本文综述了鲜红斑痣的诊断与治疗技术，并展望了未来治疗前景	探讨了人工智能和深度学习技术在提高鲜红斑痣诊断准确性和治疗个性化方面的应用前景	非侵入性诊断方法存在穿透深度有限、操作者依赖性、实时定量分析挑战及主观解释等共同局限性	回顾鲜红斑痣的关键诊断与治疗技术及进展	鲜红斑痣（一种先天性毛细血管畸形）	数字病理学	皮肤血管畸形	皮肤镜检查、高频超声、光声成像、光学相干断层扫描、激光散斑对比成像、VISIA-CR™系统、反射共聚焦显微镜、脉冲染料激光、紫翠玉激光、掺钕钇铝石榴石激光、强脉冲光、光动力疗法	NA	图像	NA	NA	NA	NA	NA
767	2026-03-01	A Symmetric Encoder-Decoder Network with Enhanced Group-Shuffle Modules for Robust Lung Nodule Detection in CT Scans 2026-Feb-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11020092 PMID:41744538	研究论文	本研究提出了一种改进的对称编码器-解码器分割网络，通过增强的组洗牌模块（IGSM）来提升CT扫描中肺结节检测的鲁棒性	提出了改进的组洗牌模块（IGSM），该模块通过分层分组、独立变换和随机通道交换来增强特征处理，模拟人脑皮层处理机制，以提高特征多样性和空间判别能力	未明确说明模型的计算复杂度或训练时间，也未提及在更广泛数据集上的泛化性能验证	开发一种更强大的特征处理方法，以克服肺结节分割中特征多样性高、空间判别力低和模型过拟合的问题	CT扫描图像中的肺结节	计算机视觉	肺癌	CT扫描	CNN	图像	NA	NA	对称编码器-解码器网络	平均交并比（mIoU）, Dice分数, 准确率, 灵敏度, 特异性	NA
768	2026-03-01	An ODE-based multi-resolution parallel network for respiratory motion estimation 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03463-2 PMID:41085891	研究论文	本文提出了一种基于神经常微分方程的多分辨率并行网络，用于估计肺部呼吸运动，以提高穿刺手术中的运动估计准确性和生理一致性	结合神经常微分方程显式建模4DCT数据的时间连续性，解决肺部运动估计中的非真实变形问题，并采用多分辨率并行结构递归细化肺部特征	NA	快速准确地估计肺部呼吸运动，为手术提供指导	肺部呼吸运动，特别是细纹理的大变形和内部结构（如气道和血管）的复杂运动	计算机视觉	肺癌	4DCT	神经网络	4DCT图像	TCIA和DirLab数据集	NA	基于神经常微分方程的多分辨率并行网络	定性评估，定量评估	NA
769	2026-03-01	M 2 C A - Net : Multi-scale and multi-frequency channel attentional neural network for invasive coronary angiography segmentation 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03454-3 PMID:41139360	研究论文	本文提出了一种多尺度多频率通道注意力神经网络，用于增强侵入性冠状动脉造影图像的分割性能	设计了一种基于2D离散余弦变换的多频率通道注意力块，融合空间和频率域信息，以提升通道区分能力	NA	提高侵入性冠状动脉造影图像的分割准确性，以辅助冠状动脉疾病的诊断	侵入性冠状动脉造影图像	计算机视觉	心血管疾病	NA	CNN	图像	NA	NA	M2CA-Net	NA	NA
770	2026-02-28	Fabrication of NbC/GaN Nanofilm Sensor via Photolithography and its Investigation as a Sensor for Trimethylamine Mixed Gas Detection Using Dual-Feature Extraction and Deep Learning 2026-Feb-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c02507 PMID:41543399	研究论文	本研究通过光刻技术制备了NbC/GaN纳米薄膜传感器，结合双特征提取和深度学习算法，用于三甲胺混合气体的检测	创新性地采用光刻和蚀刻技术优化了NbC纳米薄膜的均匀性和厚度，并结合KPCA与多项式特征工程进行双特征提取，提升了气体传感器的性能	NA	开发一种高性能的气体传感器，用于精确识别混合气体中的目标成分	三甲胺（TMA）混合气体	传感器技术	NA	光刻技术、蚀刻技术	深度学习算法	传感器阵列数据	NA	NA	NA	准确率	NA
771	2026-02-28	Multiscale Analysis of Deep Learning and Machine Learning: New Insights into the Adsorption Mechanism of VOCs Gas-Sensitive Materials 2026-Feb-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c03820 PMID:41626786	研究论文	本研究通过整合第一性原理计算与机器学习，系统预测了纳米复合材料上挥发性有机化合物（VOCs）的吸附能，旨在为肺癌相关VOC生物标志物的快速筛选和高性能气体传感器的设计提供理论工具	首次基于第一性原理数据，对深度学习和传统机器学习方法在纳米复合材料VOC吸附预测中的性能进行了比较评估，并构建了一个通用的预测模型	研究基于336个吸附案例的数据集，样本量相对有限，且模型性能可能受限于所选择的特定算法和特征	高效筛选和准确预测VOCs在气体敏感材料上的吸附性能，以设计用于早期无创诊断的下一代气体传感器	与肺癌相关的挥发性有机化合物（VOCs）及其在纳米复合材料上的吸附行为	机器学习	肺癌	第一性原理计算	SVR, GBR, GPR, XGBoost, MLP, KRR, Transformer	数值数据（吸附能等）	336个吸附案例	NA	Transformer	R²	NA
772	2026-02-28	Interpretable Multimodal Graph Learning Platform for Rational Design of AIEgens: From Molecular Structure and Microenvironments to Photophysical Properties 2026-Feb-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04324 PMID:41643048	研究论文	本研究构建了一个数据驱动且可解释的多模态深度学习平台GATM，用于从分子结构、微环境到光物理性质的关系解析，以指导AIEgens的理性设计	整合了多源数据（分子结构、光物理参数、溶剂环境），并利用图注意力网络（GAT）实现溶剂-溶质相互作用机制的可视化与关键结构特征影响的深度解析，为AIEgens的理性设计提供了新范式	未明确提及模型在更广泛或更复杂分子体系中的泛化能力，以及数据来源的潜在偏差	系统阐明聚集诱导发光分子（AIEgens）的结构-性质关系，并构建一个智能预测平台以指导其理性设计	聚集诱导发光分子（AIEgens）	机器学习	NA	NA	图神经网络，机器学习算法	分子结构数据，光物理参数数据，溶剂环境数据	NA	NA	图注意力网络	预测准确度（均值 > 0.90），检测限（0.4 nM），判别准确度（100%）	NA
773	2026-02-28	NLP in Support of Pharmacovigilance: QUality Adverse Drug Reaction AcTIve Control (QUADRATIC) 2026-Feb-27, Clinical pharmacology and therapeutics DOI:10.1002/cpt.70250 PMID:41757758	研究论文	本研究开发并评估了用于从电子出院摘要中检测和提取药物不良反应信息的自然语言处理系统	提出了一种结合逻辑回归与词袋模型的NLP系统，在模拟部署中检测到的确认ADR出院摘要数量是正则表达式系统的近两倍	研究基于瑞士南部多站点医院网络的回顾性数据，样本量有限（400份出院摘要用于训练，100份用于评估），可能影响泛化能力	通过自然语言处理技术增强药物警戒，提高药物不良反应的检测效率	电子出院摘要中的临床叙述文本	自然语言处理	NA	自然语言处理	逻辑回归, 深度学习, 基于Transformer的命名实体识别	文本	400份出院摘要用于训练，100份用于手动注释评估	NA	Transformer	精确度, 召回率, F1分数, AUC, 自定义top-k排序指标	NA
774	2026-02-28	DNAwhisper: An Integrated Deep Learning Pyramidal Framework for Multi-Trait Genomic Prediction and Adaptive Marker Prioritisation 2026-Feb-27, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.70619 PMID:41757800	研究论文	本研究提出了DNAwhisper，一个用于多性状基因组预测和自适应标记优先排序的深度学习框架	DNAwhisper整合了级联架构GFIformer，通过共享网络参数跨分区标记块，在分层金字塔中自适应压缩遗传特征，并利用群体遗传结构预训练来正则化特征学习，建立可泛化的潜在表示	未明确说明	加速植物育种中的遗传增益，通过深度学习框架进行多性状基因组预测和标记优先排序	玉米、小麦、番茄和葡萄数据集	机器学习	NA	基因组选择	深度学习	基因组数据	未明确说明	PyTorch	GFIformer	预测准确率	NA
775	2026-02-28	Automatic acromegaly detection using deep learning on hand images: a multicenter observational study 2026-Feb-27, The Journal of clinical endocrinology and metabolism DOI:10.1210/clinem/dgag027 PMID:41757900	研究论文	本研究开发了一种基于手部图像的深度学习模型，用于自动检测肢端肥大症，并在多中心研究中验证其性能优于内分泌专家	提出了一种注重隐私的深度学习模型，仅使用手背和拳头征象图像进行肢端肥大症检测，避免了传统外观AI模型可能涉及的隐私问题	需要更大规模的数据集进行进一步验证，包括健康个体和多种疾病样本，以增强模型的泛化能力	开发一种注重隐私的深度学习工具，用于肢端肥大症的早期诊断	肢端肥大症患者和对照组的手部图像	计算机视觉	肢端肥大症	深度学习	CNN	图像	716名患者（317名肢端肥大症患者和399名对照组），共11,480张图像，来自15个日本垂体中心	PyTorch	ResNet-50	灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数, AUC	NA
776	2026-02-28	Two stage fine-tuned multimodal generative AI for automated ECG based cardiovascular report generation 2026-Feb-26, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2e01 PMID:41406494	研究论文	本文提出了一种轻量级多模态生成式AI框架，用于自动解读心电图图像并生成结构化临床报告	采用两阶段微调策略，基于SmolVLM-500M-Instruct模型，通过量化低秩适应（QLoRA）实现高效部署，并整合视觉编码器、跨模态融合机制和语言解码器，以对齐视觉心电图表征与诊断叙述	未明确提及模型在外部验证集上的泛化能力或临床部署中的具体限制	开发一个可扩展、可解释且资源高效的AI框架，用于心脏诊断，以弥合深度学习研究与真实世界临床实践之间的差距	心血管疾病（CVDs）患者的心电图图像及对应的临床报告	计算机视觉, 自然语言处理	心血管疾病	量化低秩适应（QLoRA）	生成式AI, 多模态模型	图像, 文本	NA	NA	SmolVLM-500M-Instruct	BLEU, ROUGE-L, BERTScore	标准硬件
777	2026-02-28	A Bottom-Up Design Framework for Multifunctional Lattice Metamaterials 2026-Feb-26, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518923 PMID:41742849	研究论文	本文提出了一种结合生成式AI和深度学习的自下而上设计框架，用于开发具有能量吸收和宽带吸声功能的多功能晶格超材料	引入了一种结合3D高斯体素生成与深度学习的生成式AI框架，克服了传统逆设计方法（如拓扑优化）在探索设计空间方面的局限性，实现了更高的结构复杂性和设计自由度	NA	开发一种能够优化能量吸收和宽带吸声功能的多功能晶格超材料设计框架	壳晶格结构	机器学习	NA	3D打印	CNN, GAN	3D体素数据	NA	TensorFlow, PyTorch	3D卷积神经网络, 条件深度卷积生成对抗网络	能量吸收性能, 吸声系数	NA
778	2026-02-28	Trends and Research Hotspots in Technology-Enhanced Dental Education: A Bibliometric Analysis 2026-Feb-26, European journal of dental education : official journal of the Association for Dental Education in Europe IF:1.7Q2 DOI:10.1111/eje.70120 PMID:41747017	研究论文	本文通过文献计量分析，探讨了2015年至2025年间技术增强牙科教育的研究热点、趋势和概念结构	首次对技术增强牙科教育领域进行全面的文献计量分析，揭示了从传统教学向数字和模拟学习转变的趋势，并识别了四大核心研究领域	研究仅基于Scopus数据库，可能未涵盖所有相关文献；分析时间范围截至2025年，未来趋势可能变化	绘制牙科教育中教育技术的研究热点、趋势和概念结构图	2015年至2025年间发表的749篇与牙科教育技术相关的学术出版物	NA	NA	文献计量分析	NA	文献数据	749篇出版物	Bibliometrix (R), VOSviewer	NA	NA	NA
779	2026-02-28	Survey of Latest Advancements in Deep Learning for Point Cloud Completion 2026-Feb-26, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3668741 PMID:41747119	综述	本文全面综述了截至2025年12月，基于深度学习的点云补全方法的最新进展	提供了对2024年至2025年最新文献的更新综述，并基于网络具体组件的改进进行了分析性回顾	作为一篇综述文章，其本身不提出新的方法或模型，主要依赖现有文献进行分析	回顾和总结深度学习在点云补全任务中的最新研究进展	点云数据	计算机视觉	NA	NA	深度学习	点云	NA	NA	NA	NA	NA
780	2026-02-28	Deep Learning for Classification and Prognosis of Melanoma in Whole-Slide Images: A Review 2026-Feb-26, The American Journal of dermatopathology DOI:10.1097/DAD.0000000000003239 PMID:41747151	综述	本文系统回顾了2020年至2024年间发表的关于使用深度学习对黑色素瘤全切片图像进行诊断分类和预后评估的研究现状、趋势与挑战	首次系统性地梳理了深度学习在黑色素瘤全切片图像诊断与预后领域的最新进展，并明确了模型泛化性、可解释性及临床整合等关键挑战与未来研究方向	作为一篇综述文章，其局限性在于主要基于对现有文献的分析，未提出新的实验数据或模型	概述深度学习在黑色素瘤全切片图像分类与预后评估领域的应用现状、趋势与挑战，并为该领域从研究向临床实践的转化提供指导	关于深度学习应用于黑色素瘤全切片图像诊断与预后的相关研究文献	数字病理学	黑色素瘤	NA	深度学习	全切片图像	NA	NA	NA	NA	NA