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
81	2026-04-01	A Two-Stage Self-Supervised Learning Framework for Winter Crop-Weed Image Classification 2026-02-24, Journal of visualized experiments : JoVE DOI:10.3791/69953 PMID:41838678	研究论文	本文提出了一种两阶段自监督学习框架，用于冬季作物与杂草图像分类	结合SimCLR风格的自监督预训练与监督微调，并引入新的冬季作物杂草图像数据集WinterCropWeedDB	仅使用单一内部验证集（30%数据）进行测试，缺乏独立测试集的额外验证	提高冬季作物与杂草图像分类的准确性，以支持精准农业	冬季作物与杂草图像	计算机视觉	NA	自监督学习，监督学习	CNN	图像	1,136张高分辨率图像，涵盖6种冬季作物和4种杂草物种	TensorFlow, PyTorch (基于SimCLR风格)	EfficientNet-B3	准确率，宏平均F1分数	NA
82	2026-04-01	Artificial Intelligence and Machine Learning in Audiology and Hearing Disorders: A Scoping Review with Bibliometric and Thematic Mapping (1995-2025) 2026-Feb-24, Audiology research IF:2.1Q1 DOI:10.3390/audiolres16020029 PMID:41874063	综述	本文通过范围综述，结合文献计量和主题映射，分析了1995年至2025年间人工智能和机器学习在听力学及听力障碍领域的应用演变、研究趋势、合作模式及临床转化现状	首次结合文献计量分析与主题映射，系统梳理了AI/ML在听力学领域近三十年的研究轨迹，并采用结构化转化分类评估了临床验证成熟度	研究仅基于Web of Science核心合集索引的文献，可能未涵盖全部相关出版物，且大多数研究仍处于概念验证或内部验证阶段，缺乏广泛的外部验证	旨在系统回顾人工智能和机器学习在听力学及听力障碍领域的应用发展，分析研究趋势、合作模式及临床转化准备度	1995年至2025年间在Web of Science核心合集中发表的关于AI/ML在听力学应用的原始研究和综述文章	机器学习	听力障碍	文献计量分析，主题映射	NA	文献数据	127篇出版物	NA	NA	NA	NA
83	2026-04-01	Plant diversity's positive effect on soil respiration diminishes with increasing productivity in global forests 2026-Feb-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69594-8 PMID:41723129	研究论文	本研究探讨了全球森林中植物多样性与土壤呼吸之间的关系，发现植物多样性在低至中等生产力森林中增强土壤呼吸，但在高生产力森林中此效应减弱	首次在全球尺度上整合植物物种丰富度数据集与基于深度学习的土壤呼吸估算，揭示了植物多样性对土壤呼吸的影响随生产力梯度变化的动态模式	研究依赖于全球数据集和模型估算，可能受数据空间异质性和模型不确定性的影响，且未详细探讨具体机制如微生物群落变化	探究植物物种丰富度如何调节全球森林土壤呼吸，并分析其在净初级生产力梯度上的变化	全球森林生态系统，包括树木和维管植物物种丰富度及土壤呼吸数据	生态学	NA	深度学习模型	深度学习模型	全球植物物种丰富度数据集和土壤呼吸观测数据	基于6355个野外观测训练的深度学习模型估算的全球土壤呼吸数据集	NA	NA	NA	NA
84	2026-04-01	Exploring chemistry and catalysis by biasing skewed distributions via deep learning 2026-Feb-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69586-8 PMID:41723118	研究论文	本文提出了一种名为Loxodynamics的机器学习驱动方法，通过偏置分子动力学探索化学和催化反应	利用局部概率分布的偏斜性动态确定低能垒方向，并引入带有偏度损失函数的Skewencoder自编码器从最小采样数据中提取反应坐标	NA	自动化发现化学和催化反应，特别是在复杂系统中克服传统方法的局限性	模型势能、气相反应（S_N2和Diels-Alder）以及酸性菱沸石中催化醇脱水反应	机器学习	NA	偏置分子动力学	Autoencoder	分子动力学模拟数据	NA	NA	Skewencoder	NA	NA
85	2026-04-01	Deep learning-integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring 2026-Feb-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea8902 PMID:41650267	研究论文	本文介绍了一种集成多层热传感与深度学习算法的软电子平台，用于实时监测血流速度和血管深度	提出了一种结合多层热梯度传感与深度学习的新型软电子平台，能够同时实时测量血流速度和血管深度，克服了传统方法对血管深度变化的限制	未在论文摘要中明确说明	开发一种用于实时血流监测的新型传感平台，以评估心血管健康和识别血管并发症	血流速度和血管深度	机器学习	心血管疾病	热传感、深度学习算法、光电容积描记术	深度学习	热梯度数据、多层热模式	未在摘要中明确说明具体样本数量，但提及了台架测试、有限元分析和体内试验	未在摘要中明确说明	未在摘要中明确说明	准确性	未在摘要中明确说明
86	2026-04-01	Sequential pattern transformer (SPT): a generative and interpretable framework for predicting disease trajectories 2026-Feb, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-025-11695-4 PMID:41907562	研究论文	本文提出了一种结合序列模式挖掘与生成式Transformer建模的新型框架SPT，用于从电子健康记录中生成可解释的疾病轨迹预测	将序列模式挖掘（PrefixSpan算法）与生成式Transformer建模相结合，从噪声数据中提炼出统计验证的疾病进展模式，并将建模范式从分类转向概率性轨迹生成	未明确说明模型在其他疾病数据集上的泛化性能，以及在实际临床工作流中部署的验证细节	开发一个超越简单预测、能够生成全面、可解释且可操作的疾病轨迹的AI模型，以促进人工智能在临床工作流中的有效整合	258,460名2型糖尿病患者的四年住院数据	自然语言处理	2型糖尿病	序列模式挖掘，生成式Transformer建模	Transformer	电子健康记录（诊断历史序列）	258,460名患者	NA	Decoder-only Transformer	Top-5准确率	NA
87	2026-03-31	Robust Cell-Level Classification for Liquid-Based Cervical Cytology Using Deep Transfer Learning: A Multi-Source Study Addressing Scanner-Induced Domain Shifts 2026-Feb-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030289 PMID:41899820	研究论文	本文提出了一种基于深度迁移学习的鲁棒细胞级分类框架，用于液体基宫颈细胞学分析，旨在解决扫描仪引起的域偏移问题	通过整合多个公共和私有数据源构建多源数据集，并系统评估不同CNN骨干网络在异质采集条件下的鲁棒性，展示了结合多样化数据源可减轻域偏移	研究仅关注细胞级分类，临床可操作的筛查需要基于整个玻片的聚合（如基于多实例学习的WSI推理），这留待未来工作集成	开发一个鲁棒的细胞级分类框架，以应对液体基宫颈细胞学分析中由扫描仪和实验室引起的域偏移	液体基宫颈细胞学样本中的细胞	数字病理学	宫颈癌	数字显微镜	CNN	图像	整合了三个公共参考库（SIPaKMeD, Herlev, CRIC Cervix）和一个包含416张全玻片图像的私有队列，这些图像来自两个医疗中心并使用不同扫描系统数字化	NA	ResNet50, EfficientNetB0, VGG16	准确率, 宏F1分数	NA
88	2026-03-31	Quantification of Craniofacial Growth Pattern Based on Deep Learning 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030277 PMID:41899807	研究论文	本研究开发了一个基于深度学习的端到端框架，用于分析大规模侧位头颅X光片，以可视化和量化颅面骨骼的时空生长动态和性别二态性	提出了一个不依赖人工标注的端到端深度学习框架，能够自主提取与连续年龄区间相关的动态成像特征；引入了两种新的定量指标（年龄相关显著性指数ASI和性别相关显著性指数SSI）来评估关键颅面区域的发育和二态性特征的重要性	研究仅基于侧位头颅X光片，可能未完全捕捉三维形态的复杂性；数据集虽然庞大，但可能未涵盖所有种族或特定病理状况的个体	开发一种客观、全面的方法来量化颅面生长模式，克服传统方法的主观性和简化问题	41,625名4-18岁个体的侧位头颅X光片	计算机视觉	NA	侧位头颅X光摄影	深度学习	图像	41,625名个体	NA	NA	年龄相关显著性指数 (ASI), 性别相关显著性指数 (SSI)	NA
89	2026-03-31	MedScanGAN: Synthetic PET & CT Scan Generation Using Conditional Generative Adversarial Networks for Medical AI Data Augmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030281 PMID:41899812	研究论文	本研究提出了一种名为MedScanGAN的条件生成对抗网络，用于生成高保真的合成PET和CT图像，以解决医学AI中的数据稀缺问题，并提升非小细胞肺癌的诊断性能	提出了一种专门针对孤立性肺结节PET和CT图像合成的条件生成对抗网络，结合了残差块、谱归一化和稳定训练策略，能够生成足以误导医疗专业人员的逼真图像，并证明合成数据能显著提升现有深度学习模型的分类性能	未明确说明合成图像与真实图像的定量差异评估细节，也未提及模型在不同医疗机构或扫描仪数据上的泛化能力	解决医学AI中数据稀缺和类别不平衡问题，提升非小细胞肺癌的计算机辅助诊断系统性能	非小细胞肺癌患者的正电子发射断层扫描和计算机断层扫描图像，特别是孤立性肺结节	计算机视觉	肺癌	PET, CT	GAN	图像	NA	NA	条件生成对抗网络, YOLOv8, VGG-16, ResNet, MobileNet	准确率	NA
90	2026-03-31	Cross-Modality Transfer Learning from PSG to FMCW Radar for Event-Level Apnea-Hypopnea Segmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030283 PMID:41899814	研究论文	本研究提出了一种结合1D U-Net、多头自注意力和跨模态迁移学习的深度学习框架，用于从FMCW雷达信号中检测睡眠呼吸暂停-低通气事件	提出了一种从PSG到FMCW雷达的跨模态迁移学习框架，利用大型PSG数据集预训练模型以学习可迁移的呼吸事件表征，然后在较小的雷达数据集上进行微调，实现了非接触式、低成本的睡眠呼吸暂停筛查	模型在较小的临床标注雷达数据集上进行微调，可能受到数据稀缺性的限制；相对于PSG信号存在明显的域偏移问题	开发一种基于FMCW雷达的准确、低成本、非接触式睡眠呼吸暂停筛查方法，支持在家庭环境中进行可扩展的纵向监测	睡眠呼吸暂停-低通气综合征（SAHS）患者	机器学习	睡眠呼吸暂停-低通气综合征	频率调制连续波（FMCW）雷达传感	CNN, Transformer	雷达呼吸信号，PSG信号	使用大型公共PSG数据集进行预训练，并在较小的临床标注雷达呼吸数据集上进行微调	NA	1D U-Net	精确度，召回率，F1分数	NA
91	2026-03-31	Time-Frequency Respiratory Impedance Maps Enable Within-Breath Deep Learning for Small Airway Dysfunction Identification 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030280 PMID:41899810	研究论文	本研究提出了一种基于脉冲振荡法（IOS）的双域互补深度学习框架，利用呼吸周期内的阻抗动态变化来识别小气道功能障碍（SAD）	提出了时频呼吸阻抗图（TFRIM）来捕捉呼吸周期内的阻抗动态，并设计了一种双流架构联合学习TFRIM和原始时序信号的互补特征，同时引入了人口统计学驱动的自适应特征调制模块以减轻受试者间基线变异性	需要进一步的外部验证才能应用于筛查部署	开发一种基于IOS的深度学习框架，用于识别小气道功能障碍（SAD）	小气道功能障碍（SAD）患者	机器学习	慢性气道疾病	脉冲振荡法（IOS）	深度学习	时间序列信号，时频图	2510名受试者	NA	双流架构	准确率	NA
92	2026-03-31	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中定量测量空间距离	FISH-Dist结合了深度学习斑点分割、3D高斯拟合和两种互补的色差校正方法，专门针对短基因组距离下的标准共聚焦成像技术挑战，显著减少了通道间距离测量误差	该方法主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发自动化流程以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的荧光信号空间距离	数字病理学	NA	荧光原位杂交，共聚焦显微镜成像	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA
93	2026-03-31	Digital watermarking for virtual physically unclonable function data concealment and authentication 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35159-4 PMID:41741498	研究论文	本文提出了一种新颖的数字水印方法，用于增强基于分裂学习的虚拟物理不可克隆功能在物联网网络中的安全性	提出了一种结合深度学习与Jake模型模拟瑞利衰落的数字水印框架，在不增加显著硬件或计算开销的情况下为VPUF响应提供额外的安全层，并支持双因素认证	未明确说明该方法在极端网络条件或大规模攻击场景下的具体性能表现	提高基于分裂学习的虚拟物理不可克隆功能在物联网网络中的安全性，抵御窃听和重放攻击	物联网网络中的虚拟物理不可克隆功能数据	机器学习	NA	数字水印技术，深度学习	自编码器	VPUF响应数据，信道信息	NA	NA	自编码器	保真度，可靠性，不可伪造性	NA
94	2026-03-31	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	本研究提出了一种名为Hybrid-Sumo的深度学习模型，通过整合蛋白质结构和序列特征来预测SUMOylation位点	结合了三种先进的特征提取技术（HSE、PSSM-DWT和BERT），并采用SHAP算法进行最优特征选择，显著提升了预测准确性	未明确提及模型在更广泛或不同物种数据集上的泛化能力限制	开发一个准确预测SUMOylation位点的计算工具，以促进蛋白质功能和修饰分析的研究	SUMOylation位点（一种关键的翻译后修饰位点）	机器学习	NA	蛋白质结构特征提取（HSE）、序列特征提取（PSSM-DWT）、自然语言处理嵌入（BERT）	DNN	蛋白质序列和结构特征数据	基准数据集和独立数据集（平衡与不平衡），具体样本数量未明确	NA	Deep Neural Network	准确率	NA
95	2026-02-28	Global solar energy potential forecasting through machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41357-x PMID:41741590	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
96	2026-03-31	A novel lightweight hybrid CNN-ViT for maize leaf disease classification 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41190-2 PMID:41741594	研究论文	本文提出了一种轻量级混合CNN-ViT模型，用于玉米叶片病害分类	提出了一种基于混合专家架构的轻量级混合模型，能够根据输入特征自适应地强调局部或全局特征，解决了CNN难以捕获全局上下文信息以及ViT需要大数据集和高计算资源的问题	未明确说明模型在更广泛作物病害或不同环境条件下的泛化能力	开发适用于实际农业部署的高性能自动化植物病害诊断方法	玉米叶片病害	计算机视觉	植物病害	NA	CNN, ViT	图像	未明确说明	NA	CNN-ViT混合架构	分类准确率	NA
97	2026-03-31	Deep residual and hybrid CNN models for confidence-aware real-world waste classification for sustainable waste management 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41001-8 PMID:41741626	研究论文	本文提出了一种基于深度学习的异构废物多分类系统，用于可持续废物管理	引入了混合模型（如ResNet101+InceptionV3）以提高复杂类别（如纺织品和杂项垃圾）的分类精度，并提出了置信度评分评估策略来评估模型可靠性	未明确说明模型在极端污染或严重变形物品上的性能，以及实时部署的计算效率	开发一个鲁棒且可扩展的智能废物分类系统，以促进回收和实现可持续废物管理	真实世界废物分类，包括混合、变形和受污染的废物物品	计算机视觉	NA	深度学习	CNN	图像	RealWaste数据集（具体数量未在摘要中说明）	NA	InceptionV3, ResNet101, DenseNet, VGG, EfficientNet, MobileNet	准确率, 损失值, F1分数	NA
98	2026-03-31	Artificial Intelligence in the Diagnosis and Prognostic Stratification of Hepatocellular Carcinoma: Current Evidence, Clinical Applications, and Future Perspectives 2026-Feb-25, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14030505 PMID:41898151	综述	本文综述了人工智能（AI）在肝细胞癌（HCC）诊断、预后分层和临床管理中的应用、当前证据及未来展望	探讨了AI在HCC诊疗中的新兴应用，包括通过影像学预测微血管侵犯、基因突变状态和肿瘤复发，以及辅助个体化治疗规划	AI的广泛应用面临挑战，包括泛化能力有限、患者隐私保护、伦理问题以及需要前瞻性验证	评估AI在肝细胞癌诊断、预后分层和治疗管理中的应用与前景	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	超声、计算机断层扫描（CT）、磁共振成像（MRI）、正电子发射断层扫描（PET）	卷积神经网络（CNN）	影像数据	NA	NA	卷积神经网络（CNN）	NA	NA
99	2026-03-31	Improving Tree-Based Lung Disease Classification from Chest X-Ray Images Using Deep Feature Representations 2026-Feb-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030267 PMID:41899797	研究论文	本研究提出了一种结合CNN和树模型的混合框架，用于从胸部X光图像中自动分类多种肺部疾病	提出了一种混合CNN-树框架，通过使用预训练的ResNet-18提取深度特征，并结合PCA降维和SMOTE处理类别不平衡，最后用可解释的树模型进行分类，在保持高精度的同时降低了计算复杂度和提高了可解释性	研究使用了公开数据集，可能无法完全代表所有临床环境的真实情况；模型性能可能受到数据集合并引入的异质性影响	开发一种计算效率高、可解释性强且适用于资源受限临床环境的自动化肺部疾病分类方法	胸部X光图像	计算机视觉	肺癌	胸部X光成像	CNN, 决策树, 随机森林, XGBoost	图像	来自四个公开数据集的合并数据，包含五类样本（COVID-19、肺炎、结核病、肺癌、正常）	PyTorch（推断，因使用ResNet），Scikit-learn（推断，因使用PCA和树模型）	ResNet-18	加权F1分数	未明确指定，但提及框架支持节能和可扩展部署，暗示对计算资源要求较低
100	2026-03-31	A Physics-Informed Hybrid Neural Network for High-Precision Temperature Prediction in Semiconductor Process Equipment 2026-Feb-25, Micromachines IF:3.0Q2 DOI:10.3390/mi17030287 PMID:41900173	研究论文	本文提出了一种结合物理模型与深度学习的混合神经网络，用于半导体工艺设备的高精度温度预测	通过频率域分析将温度波动衰减器置于加热器上游以过滤中高频扰动，并开发了基于残差学习的Physics-CNN-LSTM预测器来补偿未建模动态	未明确说明模型在极端高频扰动或不同设备配置下的泛化能力	实现半导体工艺设备的高精度热控制，通过前馈补偿提高温度稳定性	半导体工艺设备中的温度控制系统	机器学习	NA	频率域分析，深度学习建模	CNN, LSTM	工业数据	NA	NA	Physics-CNN-LSTM	均方根误差, R2	NA