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
2481	2026-01-14	Deep Learning Wavefront Sensing from Object Scene for Directed Energy HEL Systems 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010268 PMID:41516703	研究论文	本文提出了一种基于深度学习的波前传感方法，直接从场景图像中预测大气湍流引起的波前畸变，无需专用波前传感器或参考光束	利用深度学习直接从场景图像预测波前畸变（以Zernike系数表示），无需传统自适应光学系统中的专用波前传感器和参考光束，简化了系统并降低了成本	模型训练依赖于特定无人机（如Reaper UAV）的畸变图像，且湍流水平范围有限；虽然展示了泛化能力，但未在所有可能的无人机类型或极端湍流条件下进行全面验证	开发一种无需专用波前传感器和参考光束的波前传感方法，以改善高能激光系统在大气湍流中的性能	Reaper无人机和Mongoose无人机的畸变图像，用于训练和测试深度学习模型	计算机视觉	NA	深度学习波前传感	深度学习模型	图像	使用Reaper无人机在不同湍流水平（D/r0，其中D=30 cm，r0=3、5、7 cm）下的畸变图像进行训练，并测试了Mongoose无人机的图像	NA	NA	准确性	NA
2482	2026-01-14	Dual-source cone-beam CT for HDR brachytherapy in-suite imaging: Simulation studies of limited angle image reconstruction based on deep image prior 2026 Jan-Feb, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.09.001 PMID:41077519	研究论文	本研究通过模拟研究，提出了一种新型超紧凑移动双源锥束CT（dCBCT）设计，用于高剂量率（HDR）近距离放射治疗中的有限角度图像重建	设计了一种新型超紧凑移动双源锥束CT（dCBCT），结合深度学习图像重建技术，实现了超短扫描和实时立体成像，解决了传统C臂锥束CT的数据截断问题	本研究为模拟研究，未涉及实际临床数据或硬件实现，可能未完全考虑实际应用中的技术挑战	开发一种适用于高剂量率（HDR）近距离放射治疗室的快速3D和实时平面成像系统	双源锥束CT（dCBCT）系统及其在有限角度下的图像重建性能	医学影像	NA	锥束CT（CBCT）、深度学习图像重建	深度学习模型（具体未指定）	模拟CT图像数据	NA	NA	Deep Image Prior（DIP）	图像质量（未指定具体指标）	NA
2483	2026-01-14	Deep Reinforcement Learning-Based Intelligent Water Level Control: From Simulation to Embedded Implementation 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010245 PMID:41516680	研究论文	本文介绍了一种基于深度强化学习的智能水位控制系统，从仿真到嵌入式实现的设计、仿真与实时部署	将基于深度确定性策略梯度算法的深度强化学习控制器部署在资源受限的微控制器上，并在真实扰动和传感器噪声下验证了其可行性	NA	开发并实现一种用于智能水位控制的深度强化学习系统，以提升控制精度和鲁棒性	水位控制系统	机器学习	NA	深度强化学习	深度确定性策略梯度	仿真数据、实时传感器数据	NA	MATLAB	Actor-Critic神经网络	稳态误差、超调量、跟踪精度	Arduino Uno嵌入式平台
2484	2026-01-14	Fault Diagnosis of Motor Bearing Transmission System Based on Acoustic Characteristics 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010259 PMID:41516694	研究论文	本文提出了一种基于声学特征和深度学习的电机轴承传动系统故障诊断框架	结合声学信号的非接触式传感优势，设计了一个CNN-注意力机制-LSTM模型，并引入了基于ReliefF的特征选择算法以提高模型效率	未明确提及实验数据集的规模或多样性限制，也未讨论模型在更复杂工业环境中的泛化能力	开发一种基于声学特征的轴承故障诊断方法，以克服传统振动方法需要接触测量的限制	电机轴承传动系统，包括正常、内圈、外圈和混合缺陷的轴承	机器学习	NA	声学信号分析，Mel频率倒谱系数特征提取	CNN, LSTM, 注意力机制	一维序列特征（声学信号）	NA	NA	1D-CNN, ECA注意力机制, LSTM	诊断准确率	NA
2485	2026-01-14	Magnetic Barkhausen Noise Sensor: A Comprehensive Review of Recent Advances in Non-Destructive Testing and Material Characterization 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010258 PMID:41516693	综述	本文全面综述了磁巴克豪森噪声传感器在无损检测和材料表征领域的最新进展，涵盖理论基础、传感器设计、信号处理方法和工业应用	整合了从理论到应用的全面进展，特别强调了深度学习在材料分类和性能预测中的优越性能，以及传感器在挑战性环境中的测量能力	存在标准化需求、先进材料表征、机器学习鲁棒性以及自主系统集成等新兴挑战	综述磁巴克豪森噪声技术在无损检测和材料表征领域的最新发展，以支持安全、高效的工程实践	铁磁材料，包括其微观结构特征、机械性能和应力状态	机器学习和信号处理在无损检测中的应用	NA	磁巴克豪森噪声测量	深度学习	信号数据（时域、频域、时频变换）	NA	NA	NA	应力测量不确定度（±15-20 MPa），硬度测量不确定度（±20 HV）	NA
2486	2026-01-14	Advancing a Hybrid Decision-Making Model in Anesthesiology: Applications of Artificial Intelligence in the Perioperative Setting 2025-Dec-31, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14010097 PMID:41517028	综述	本文综述了人工智能在麻醉学围手术期环境中的应用，重点探讨了结合AI与人类临床专业知识的混合决策模型的演进与实施	提出了一个强调AI增强而非替代临床判断的互补性混合决策模型，将计算效率与麻醉医师不可替代的上下文理解和伦理推理相结合	实施挑战包括算法偏见、数据安全问题、临床验证要求以及关于AI生成内容的伦理考量	探索人工智能在麻醉学围手术期环境中的应用，以提升安全性、精确性和效率	麻醉学实践、围手术期护理、临床决策过程	机器学习	NA	机器学习算法、深度学习网络、大数据分析	NA	临床记录、脑电图数据、解剖结构图像	NA	NA	NA	NA	NA
2487	2026-01-14	tRNA isodecoder analysis using Nanopore ionic current signals and deep learning 2025-Dec-30, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.27.696718 PMID:41497629	研究论文	本文介绍了利用Nanopore直接tRNA测序和离子电流信号，结合深度学习进行细菌和酵母tRNA同解码器水平分析的方法	应用深度学习直接从原始纳米孔离子电流信号预测tRNA同解码器，并结合序列比对策略提高tRNA序列比对效率	NA	开发一种基于纳米孔测序和深度学习的tRNA同解码器分析方法，以提升tRNA序列比对和化学修饰解析能力	细菌和酵母的tRNA分子	机器学习	NA	Nanopore直接tRNA测序，离子电流信号分析	深度学习	离子电流信号	NA	NA	NA	比对率，比对身份	NA
2488	2026-01-14	A TabNet-Based Multidimensional Deep Learning Model for Predicting Doxorubicin-Induced Cardiotoxicity in Breast Cancer Patients 2025-Dec-30, Cancers IF:4.5Q1 DOI:10.3390/cancers18010117 PMID:41514628	研究论文	本研究开发并验证了一个基于TabNet架构的可解释深度学习模型，用于通过整合多维临床数据预测乳腺癌患者中阿霉素诱导的心脏毒性	首次将TabNet架构应用于预测阿霉素诱导的心脏毒性，并整合了多维临床数据，同时通过注意力机制和SHAP分析提供了模型的可解释性	研究为回顾性设计，样本来自单一中心，可能限制了模型的泛化能力	开发一个可解释的深度学习模型，用于预测乳腺癌患者中阿霉素诱导的心脏毒性	接受阿霉素化疗的乳腺癌患者	机器学习	乳腺癌	NA	TabNet	临床、生化、心电图和超声心动图参数	2034名患者	NA	TabNet	AUC, C-index	NA
2489	2026-01-14	Research on Intelligent Wood Species Identification Method Based on Multimodal Texture-Dominated Features and Deep Learning Fusion 2025-Dec-30, Plants (Basel, Switzerland) DOI:10.3390/plants15010108 PMID:41515052	研究论文	本研究提出了一种基于多模态纹理主导特征与深度学习融合的智能木材树种识别方法	结合了光谱相似性指标、Max-Min策略选择代表性波段、多尺度小波融合以及ST-former模型实现类别自适应的光谱-纹理特征融合	NA	解决传统木材树种识别依赖人工经验、识别速度慢和鲁棒性不足的问题	中国云南普洱地区常见的10种典型木材树种的横截面高光谱图像	计算机视觉	NA	高光谱成像	Transformer	高光谱图像	10种木材树种的高光谱图像数据	NA	SpectralFormer++, TextureFormer, ST-former	整体分类准确率	NA
2490	2026-01-14	Outdoor Walking Classification Based on Inertial Measurement Unit and Foot Pressure Sensor Data 2025-Dec-30, Sensors (Basel, Switzerland) DOI:10.3390/s26010232 PMID:41516667	研究论文	本研究开发了基于惯性测量单元和足底压力传感器的自动行走条件分类工具，比较了不同传感器模态和步态周期分割方法	比较了多种传感器模态（如下肢IMU、足部IMU、骨盆IMU、压力鞋垫及其组合）以及步态分割与滑动窗口方法对分类性能的影响，并评估了机器学习和深度学习模型在自动行走条件分类中的表现	样本量较小（仅20名参与者），且研究仅针对特定户外行走条件（平坦、上下楼梯、上下坡），未涵盖更复杂的行走环境或不同人群	开发自动行走条件分类工具，以评估不同传感器模态和数据处理方法对分类性能的影响	20名参与者在平坦、上下楼梯、上下坡等行走条件下的惯性测量单元和足底压力传感器数据	机器学习	NA	惯性测量单元（IMU）和足底压力传感器	Extreme Gradient Boosting, Convolutional Neural Network + Long Short-Term Memory	传感器数据（IMU和压力数据）	20名参与者	NA	CNN + LSTM	F1分数	NA
2491	2026-01-14	A Method for Explainable Epileptic Seizure Detection Through Wavelet Transforms Obtained by Electroencephalogram-Based Audio Recordings 2025-Dec-30, Sensors (Basel, Switzerland) DOI:10.3390/s26010237 PMID:41516672	研究论文	本文提出了一种基于脑电图音频记录的可解释性癫痫发作检测方法，通过小波变换和卷积神经网络实现	将脑电图信号转换为音频波形，并利用Morlet和墨西哥帽两种连续小波变换生成时频表示，结合类激活映射技术增强模型可解释性	NA	开发一种可解释的深度学习方法来检测癫痫发作	脑电图信号	数字病理学	癫痫	连续小波变换	CNN	图像	NA	NA	卷积神经网络	准确率	NA
2492	2026-01-14	Transformer-Based Classification of Transposable Element Consensus Sequences with TEclass2 2025-Dec-29, Biology DOI:10.3390/biology15010059 PMID:41514900	研究论文	本文介绍了一种基于Transformer架构的深度学习软件TEclass2，用于将转座子共识序列分类为十六个超家族	采用线性Transformer架构结合k-mer标记化和序列特定适配，提升了转座子分类的准确性和灵活性	未明确提及模型在复杂或低质量序列数据上的性能限制	开发一种可靠且高效的转座子共识序列分类工具，以支持基因组注释和生物信息学研究	真核生物基因组中的转座子共识序列	自然语言处理	NA	深度学习，k-mer标记化	Transformer	序列数据	NA	NA	线性Transformer	NA	NA
2493	2026-01-14	AI-Driven Digital Pathology: Deep Learning and Multimodal Integration for Precision Oncology 2025-Dec-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27010379 PMID:41516254	综述	本文综述了基于深度学习和多模态整合的AI驱动数字病理学在精准肿瘤学中的应用进展	重点介绍了基于Transformer的基础模型在数字病理学中的突破，包括可扩展表示学习、增强跨队列鲁棒性以及支持少样本甚至零样本推理，并探讨了多模态基础模型整合异质数据的能力	NA	探讨AI驱动数字病理学如何通过深度学习和多模态整合推动精准肿瘤学的发展	数字病理学中的诊断、预后和生物标志物预测任务	数字病理学	肿瘤	NA	CNN, Transformer	图像, 文本, 分子数据	NA	NA	NA	NA	NA
2494	2026-01-14	Deep Learning-Based Multi-Lead ECG Reconstruction from Lead I with Metadata Integration and Uncertainty Estimation 2025-Dec-29, Sensors (Basel, Switzerland) DOI:10.3390/s26010212 PMID:41516646	研究论文	提出了一种基于双分支深度学习框架，从单导联心电图信号重建标准12导联心电图，并整合临床元数据和不确定性估计以提高重建保真度和可解释性	首次将预测性不确定性估计引入心电图重建任务，并结合临床可解释的元数据增强重建性能	研究未明确讨论模型在不同人群或病理条件下的泛化能力，且数据集规模相对有限	开发一种更可靠、临床有用的可穿戴心电图系统，通过单导联输入重建完整12导联心电图	心电图信号，特别是从单导联Lead I重建标准12导联心电图	机器学习	心血管疾病	心电图信号处理	CNN, BiLSTM	时间序列数据（心电图信号），结构化数据（临床元数据）	10,646条心电图记录	NA	CNN-BiLSTM分支与全连接分支结合的双分支架构	皮尔逊相关系数，均方根误差	NA
2495	2026-01-14	Gaussian Connectivity-Driven EEG Imaging for Deep Learning-Based Motor Imagery Classification 2025-Dec-29, Sensors (Basel, Switzerland) DOI:10.3390/s26010227 PMID:41516662	研究论文	本文提出了一种结合高斯连接性驱动的EEG成像表示和正则化LeNet架构的端到端框架，用于运动想象分类	提出了EEG-GCIRNet，一种将原始EEG信号与功能连接性地形图整合到变分自编码器框架中的新方法，通过多目标损失联合优化重构保真度、分类精度和潜在空间正则化，有效缓解了BCI文盲问题	未明确说明模型的计算复杂度、训练时间或对更大数据集的泛化能力	开发一种鲁棒、可解释的基于EEG的运动想象脑机接口分类框架	基于脑电图(EEG)的运动想象(MI)脑机接口(BCI)	机器学习	NA	脑电图(EEG)	CNN, 变分自编码器(VAE)	EEG信号, 地形图	NA	NA	LeNet, EEG-GCIRNet	准确率, 变异性	NA
2496	2026-01-14	AI-Enabled Precision Nutrition in the ICU: A Narrative Review and Implementation Roadmap 2025-Dec-28, Nutrients IF:4.8Q1 DOI:10.3390/nu18010110 PMID:41515227	综述	本文综述了人工智能在重症监护病房营养治疗中的应用现状与前景，并提出了实施路线图	整合了机器学习、深度学习、自然语言处理和强化学习等多种AI技术，并强调了多组学数据整合以实现精准营养的创新路径	数据质量与标准化、系统互操作性、模型可解释性、人员培训以及治理（隐私、公平、问责）是主要实施障碍	回顾ICU中AI在营养治疗领域的应用潜力、障碍及伦理考量，并提出实施路径	重症监护病房（ICU）患者的营养治疗	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 自然语言处理, 强化学习	文本, 生理数据, 生物标志物数据	NA	NA	NA	NA	NA
2497	2026-01-14	Explainable Mammogram Analysis with EfficientNetV2 and Grad-CAM++ for Robust Cancer Diagnosis 2025-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010105 PMID:41515600	研究论文	本文提出了一种结合EfficientNetV2、CBAM和Grad-CAM++的可解释深度学习框架，用于乳腺X线摄影图像的乳腺癌分类	提出了一种集成了CLAHE预处理、EfficientNetV2特征提取、CBAM注意力机制和Grad-CAM++可解释性技术的端到端框架，在多个公开数据集上实现了高精度分类并提供了模型决策的可视化解释	研究仅使用了公开数据集，未在更大规模或更具多样性的临床数据上进行验证，且未讨论模型在不同设备或采集参数下的泛化能力	开发一种高精度且可解释的深度学习系统，用于辅助乳腺X线摄影图像的乳腺癌自动诊断	乳腺X线摄影图像（乳腺X光片）	计算机视觉	乳腺癌	深度学习，图像处理	CNN	图像	三个公开数据集（MIAS, DDSM, InBreast）	未明确提及	EfficientNetV2, CBAM	准确率, F1分数, 敏感性, 时间复杂性	未明确提及
2498	2026-01-14	Quantifying Explainability in OCT Segmentation of Macular Holes and Cysts: A SHAP-Based Coverage and Factor Contribution Analysis 2025-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010097 PMID:41515592	研究论文	本研究使用基于深度学习的模型对OCT图像中的黄斑裂孔和囊肿进行自动分割，并利用GradientSHAP进行可解释性量化分析	首次将SHAP可解释性方法应用于OCT黄斑裂孔和囊肿分割任务，提出了基于覆盖率和因子贡献的量化评估指标	数据集规模有限（125只眼睛），未在外部数据集验证模型泛化能力	开发自动分割OCT图像中黄斑裂孔和囊肿的深度学习模型，并定量评估模型决策可靠性	OCT黄斑体积图像中的黄斑裂孔和囊肿	计算机视觉	眼科疾病	光学相干断层扫描	CNN	医学图像	119名患者的125只眼睛，共3859张OCT B扫描图像	PyTorch	UNet-48	Dice系数，IoU，HD95，ECE，APILτ，ARILτ，Leakτ，COM-dist	NA
2499	2026-01-14	Factors Impacting the Performance of Deep Learning Detection of Pulmonary Emboli 2025-Dec-26, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.12.028 PMID:41456841	研究论文	本研究评估了一款FDA批准的商业肺栓塞检测AI模型在真实世界中的性能，并识别了影响其性能的技术、人口统计学和临床因素	首次在真实世界大规模临床数据中系统评估商业AI肺栓塞检测模型的性能，并量化了多种技术参数和临床合并症对模型性能的影响	研究为单中心回顾性研究，可能无法完全代表其他医疗机构的实际情况	评估AI肺栓塞检测模型在真实临床环境中的性能，并识别导致性能差异的因素，以指导产品选择和部署后监控	11,144例CT肺动脉造影检查	数字病理学	肺栓塞	CT肺动脉造影	深度学习模型	医学影像	11,144例CT检查，其中1,193例为肺栓塞阳性	NA	NA	敏感性, 阳性预测值	NA
2500	2026-01-14	Artificial Intelligence in Routine IVF Practice 2025-Dec-26, Biology DOI:10.3390/biology15010042 PMID:41514884	综述	本文综述了人工智能在常规体外受精实践中的应用、潜力、挑战及未来方向	系统性地从六个关键维度评估AI在IVF中的角色，并提出了负责任采用的综合路线图	大规模随机对照试验尚未能明确证明AI相比胚胎学家选择在每次移植的活产率上有统计学显著提升	评估人工智能在体外受精中的作用，并为生殖医学中负责任地采用AI提供全面路线图	体外受精（IVF）实践，包括胚胎选择、治疗个性化和结果预测	数字病理学	生殖系统疾病	深度学习，计算机视觉	NA	图像	NA	NA	NA	准确性	NA