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
241	2026-02-14	Artificial Intelligence and the Expanding Universe of Cardio-Oncology: Beyond Detection Toward Prediction and Prevention of Therapy-Related Cardiotoxicity-A Comprehensive Review 2026-Feb-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030488 PMID:41681806	综述	本文全面回顾了人工智能在癌症治疗相关心脏毒性预测和预防中的应用	整合了从心电图、生物标志物、蛋白质组学、细胞外囊泡、基因组学、先进成像到放射治疗剂量建模（剂量组学）等多个领域的AI应用，并涵盖了临床前动物模型和体外系统的转化见解	大多数模型受限于小样本队列、方法学异质性和缺乏外部验证	探索人工智能在心脏肿瘤学中从被动检测转向主动预防心脏毒性的潜力	癌症治疗（化疗和放疗）相关的心脏毒性	数字病理学	心血管疾病	心电图、生物标志物分析、蛋白质组学、细胞外囊泡分析、基因组学、超声心动图、心脏磁共振、计算机断层扫描、核成像、放射治疗剂量建模（剂量组学）	机器学习, 深度学习	图像, 文本, 生物标志物数据, 多组学数据	NA	NA	NA	NA	NA
242	2026-02-14	Integrating Artificial Intelligence into Ventilation on Demand: Current Practice and Future Promises 2026-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s26031042 PMID:41682557	综述	本文全面回顾了人工智能在按需通风技术中的集成现状，涵盖传感与预测模型、控制策略及优化框架	探讨了混合深度学习架构（如CNN-LSTM和Bi-LSTM）在预测中的应用，以及AI驱动的优化方法在传感器和执行器布局中的潜力	依赖窄AI模型，长期预测能力有限，且验证主要基于仿真而非实际现场部署	提升地下金属矿山通风系统的能源效率、安全性及整体性能	按需通风系统及其在深部极端采矿环境中的应用	机器学习	NA	NA	CNN, LSTM, Bi-LSTM	实时操作与环境数据	NA	NA	CNN-LSTM, Bi-LSTM	NA	NA
243	2026-02-14	Highly Efficient Deep Learning-Enabled Parameterization and 3D Reconstruction of Traditional Chinese Roof Structures 2026-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s26031054 PMID:41682569	研究论文	本研究提出了一种基于深度学习的网络TCRSym-Net，用于从中国传统屋顶点云中识别对称性，并通过参数化建模实现高效的三维重建	开发了TCRSym-Net网络以自动检测中国传统屋顶点云中的对称结构，结合参数化建模脚本，利用“镜像复制”技术减少建模参数和难度，实现高效三维重建	未明确提及方法的泛化能力或对不同类型屋顶的适应性限制，也未讨论计算效率或数据规模的详细约束	旨在通过深度学习技术实现中国传统屋顶结构的对称性检测和参数化三维重建，以支持历史建筑信息模型（HBIM）	中国传统屋顶结构，特别是具有对称特征、曲面和上翘屋檐的古代建筑屋顶	计算机视觉	NA	无人机倾斜摄影测量、激光扫描技术、点云处理	深度学习网络	点云数据	未明确指定样本数量，但涉及五种不同类型的中国传统屋顶	未明确指定，可能基于常见的深度学习框架如TensorFlow或PyTorch	TCRSym-Net	未明确指定具体评估指标，仅提及对称性检测网络的有效性和方法可靠性	未明确指定
244	2026-02-14	Hybrid Deep Learning Model for EI-MS Spectra Prediction 2026-Feb-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27031588 PMID:41684007	研究论文	本研究提出了一种混合深度学习模型，用于直接从分子结构预测电子电离质谱（EI-MS）谱图	结合了图神经网络编码器与残差神经网络解码器，并采用交叉注意力、双向预测和基于化学知识的概率掩码进行细化	在泛化能力和谱图唯一性方面仍存在挑战	开发一种数据驱动模型来补充现有的EI-MS谱库，减少实验谱图获取的成本和努力	分子结构（≤500 Da）及其对应的EI-MS谱图	机器学习	NA	电子电离质谱（EI-MS）	GNN, ResNet	分子结构图, 质谱数据	基于NIST14 EI-MS数据库（≤500 Da）	NA	图神经网络编码器, 残差神经网络解码器	Recall@10, 谱图相似度	NA
245	2026-02-14	A Comparative Study of RQA-Guided Attention Mechanisms with LSTM Autoencoder for Bearing Anomaly Detection 2026-Feb-04, Sensors (Basel, Switzerland) DOI:10.3390/s26031015 PMID:41682531	研究论文	本文提出了一种基于递归量化分析引导注意力机制的LSTM自编码器框架，用于旋转机械在噪声条件下的无监督异常检测	创新性地将混沌理论描述符（如递归率、确定性等RQA指标）系统性地注入LSTM自编码器的注意力机制中，以显式地结合非线性动力学特征	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	提升旋转机械在噪声条件下的无监督异常检测性能，特别是在早期故障检测中	轴承振动数据	机器学习	NA	递归量化分析	LSTM, 自编码器	振动信号	三个广泛使用的轴承振动数据集（IMS、CWRU、HUST）	NA	LSTM自编码器	F1分数, AUC	NA
246	2026-02-14	I-GhostNetV3: A Lightweight Deep Learning Framework for Vision-Sensor-Based Rice Leaf Disease Detection in Smart Agriculture 2026-Feb-04, Sensors (Basel, Switzerland) DOI:10.3390/s26031025 PMID:41682541	研究论文	本文提出了一种基于GhostNetV3的轻量级深度学习框架I-GhostNetV3，用于智能农业中基于视觉传感器的水稻叶片病害检测	引入了自适应并行注意力模块和融合坐标通道注意力模块，以增强病变相关表示并抑制背景干扰，同时控制计算开销	仅在特定数据集上进行实验，未来需要在实际田间目标域和边缘设备上进行进一步验证	开发一种轻量级深度学习框架，用于智能农业中的水稻叶片病害检测	水稻叶片病害	计算机视觉	水稻病害	RGB图像分析	CNN	图像	NA	NA	GhostNetV3	Top-1准确率	NA
247	2026-02-14	MobileSteelNet: A Lightweight Steel Surface Defect Classification Network with Cross-Interactive Efficient Multi-Scale Attention 2026-Feb-04, Sensors (Basel, Switzerland) DOI:10.3390/s26031022 PMID:41682538	研究论文	本文提出了一种名为MobileSteelNet的轻量级深度学习框架，用于钢铁表面缺陷分类，旨在平衡实时部署的准确性与效率	引入了两个新模块：用于融合多阶段特征的多尺度特征融合模块，以及统一了通道间交互、并行多尺度空间提取和分组高效计算的交叉交互高效多尺度注意力机制	NA	开发一种适用于视觉传感器系统实时部署的轻量级钢铁表面缺陷分类方法	钢铁表面缺陷	计算机视觉	NA	深度学习	CNN	图像	NEU-DET数据集	NA	MobileSteelNet	平均准确率	NA
248	2026-02-14	Screening toxic transformation products of emerging pollutants in advanced oxidation processes with 3D deep learning and in vitro assays 2026-Feb-03, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125499 PMID:41679042	研究论文	开发了一种名为ToxD4C的多模态深度学习框架，用于快速评估化学污染物及其在水处理过程中产生的副产物的毒性	提出了首个同时整合三维分子几何结构、图注意力网络和SE(3)-等变Transformer架构的深度学习框架，并利用预训练的Uni-Mol模型通过迁移学习进行微调，显著提升了毒性预测的可靠性和泛化能力	未明确说明模型在处理未知或极端复杂分子结构时的性能限制，以及计算资源需求对实际应用的影响	开发一种快速、精确的毒性评估方法，以应对水处理和环境中毒性污染物及其转化产物评估的挑战	化学污染物及其在水处理过程中产生的转化产物	机器学习	NA	密度泛函理论（DFT），体外实验（JC-1线粒体膜电位、CCK-8细胞活力、核受体/应激反应报告基因检测）	图注意力网络（GAT），Transformer	三维分子几何结构，分子图数据	NA	PyTorch（推断，基于Uni-Mol模型的使用）	SE(3)-等变Transformer，Uni-Mol	分类与回归性能（具体指标未列明），通过SHAP进行特征归因分析	NA
249	2026-02-14	Multi-Center Prototype Feature Distribution Reconstruction for Class-Incremental SAR Target Recognition 2026-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s26030979 PMID:41682495	研究论文	本文提出了一种用于合成孔径雷达自动目标识别的类增量学习方法，通过多中心原型特征分布重建来缓解灾难性遗忘	设计了多尺度混合注意力特征提取器，并采用多原型表示和参数化高斯扩散建模来保留旧类知识，无需存储历史原始数据	未在更广泛的数据集或实际部署场景中进行验证，计算复杂度可能较高	解决合成孔径雷达自动目标识别系统中的类增量学习问题，使系统能够持续学习新目标类别而不遗忘旧知识	合成孔径雷达图像中的目标识别	计算机视觉	NA	合成孔径雷达成像，属性散射中心数据提取	深度学习	图像，结构化特征数据	公开SAR数据集（具体数量未说明）	NA	多尺度混合注意力特征提取器	NA	NA
250	2026-02-14	Trends in Vibrational Spectroscopy: NIRS and Raman Techniques for Health and Food Safety Control 2026-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s26030989 PMID:41682506	综述	本文综述了振动光谱技术在健康和食品安全控制中的趋势，重点介绍了手持和微型化仪器	强调了振动光谱技术从实验室向现场和在线部署的扩展，以及结合深度学习、化学计量学和机器学习的最新进展	NA	探讨振动光谱技术在食品安全和健康应用中的发展趋势	振动光谱技术（如拉曼、近红外光谱、高光谱成像）在食品和健康领域的应用	机器学习和化学计量学	NA	振动光谱技术，包括拉曼光谱、表面增强拉曼光谱、中红外和近红外光谱、高光谱成像	深度学习	光谱数据、图像数据	NA	NA	NA	NA	NA
251	2026-02-14	A Method for 3D Building Individualization Integrating SAMPolyBuild and Multiple Spatial-Geometric Features 2026-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s26030999 PMID:41682516	研究论文	本文提出了一种结合SAMPolyBuild与多种空间几何特征的3D建筑个体化方法，旨在从城市倾斜摄影3D模型中有效提取独立建筑模型	利用SAMPolyBuild的零样本学习能力进行粗提取，并引入Jensen-Shannon散度和Earth Mover's距离等统计参数优化建筑识别过程	方法可能对非典型空间结构的建筑提取效果有限，且依赖特定数据集进行验证	解决3D建筑模型建立中的个体化问题，提高自动化提取效率	城市倾斜摄影3D模型中的建筑个体	计算机视觉	NA	倾斜摄影测量，3D建模	零样本学习模型	3D网格数据	基于Semantic Urban Meshes (SUM)数据集	NA	SAMPolyBuild	F1分数	NA
252	2026-02-14	Central Nervous System Involvement in Acute Myeloid Leukemia: From Pathophysiology to Neuroradiologic Features and the Emerging Role of Artificial Intelligence 2026-Feb-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15031187 PMID:41682868	综述	本文综述了急性髓系白血病中枢神经系统受累的神经影像学特征，并探讨了人工智能在提高检测和表征能力中的新兴作用	首次系统性地将人工智能和影像组学在类似中枢神经系统疾病中的应用潜力，与急性髓系白血病中枢神经系统受累的神经影像学特征相结合进行探讨	该疾病较为罕见，且缺乏大规模、带标注的数据集，限制了人工智能模型的进展和应用	总结急性髓系白血病中枢神经系统受累的神经影像学证据，并探索人工智能在改善其诊断和表征中的作用	急性髓系白血病患者的中枢神经系统受累情况	数字病理学	白血病	MRI, CT, PET/CT	机器学习, 深度学习	医学影像	NA	NA	NA	NA	NA
253	2026-02-14	Fine-Grained Detection and Sorting of Fresh Tea Leaves Using an Enhanced YOLOv12 Framework 2026-Feb-03, Foods (Basel, Switzerland) DOI:10.3390/foods15030544 PMID:41683130	研究论文	本文提出了一种增强的YOLOv12检测框架，用于新鲜茶叶的细粒度检测与分级，以提升茶叶采摘与分选的智能化水平	集成了C3k2_EMA、A2C2f_DYT和RFAConv三个关键模块，增强了模型对细小茶芽特征的捕捉能力，提高了检测精度与鲁棒性	未明确说明模型在更复杂自然环境（如不同光照、天气条件）下的泛化性能，也未与其他先进检测框架进行广泛对比	解决机器采摘茶叶时因形态复杂、目标尺寸小、空间分布密集而导致的类别识别不准问题，提升茶叶智能分级的准确性与一致性	新鲜茶叶（特别是优质茶芽）的图像	计算机视觉	NA	机器视觉，深度学习	目标检测模型	图像	NA	NA	YOLOv12（增强版），集成了C3k2_EMA， A2C2f_DYT， RFAConv模块	mAP@0.5，精确率，召回率	NA
254	2026-02-14	Single-cell Multiome Analysis of Chromatin State and Transcriptome in the Human Basal Ganglia 2026-Feb-03, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.03.703645 PMID:41684930	研究论文	本文通过单细胞多组学分析，首次绘制了人类基底神经节八个区域的组蛋白修饰和转录组图谱，揭示了细胞类型特异性基因调控网络和表观基因组景观的区域异质性	首次构建人类基底神经节的单细胞多组学图谱，结合组蛋白修饰和转录组数据，并整合空间转录组MERFISH数据，揭示了细胞身份的组合性同源盒转录因子代码和跨物种保守性	NA	解析基底神经节细胞类型身份和功能的基因调控程序，以解释疾病相关的非编码变异	来自神经典型成年人类捐赠者的八个基底神经节区域	计算生物学	神经精神疾病	单细胞多组学分析, 组蛋白修饰分析, 转录组分析, 空间转录组MERFISH	深度学习模型	单细胞多组学数据, 空间转录组数据	NA	NA	NA	NA	NA
255	2026-02-14	Deep Learning-Based Semantic Segmentation and Classification of Otoscopic Images for Otitis Media Diagnosis and Health Promotion 2026-Feb-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030467 PMID:41681785	研究论文	本研究开发了一种基于深度学习的AI诊断框架，用于耳镜图像的语义分割和分类，以辅助中耳炎的诊断和健康促进	提出了一种结合半监督学习、语义分割、区域特征提取和疾病分类的三步式AI诊断框架，实现了对耳镜图像的高精度、自动化分析	样本量相对有限（共607张图像），且为回顾性收集数据，未来需要更大规模的前瞻性研究进行验证	开发一种客观、可重复的自动化诊断工具，以辅助中耳炎的准确诊断和健康筛查	临床耳镜图像	计算机视觉	中耳炎	半监督学习，语义分割，特征提取	CNN	图像	607张临床耳镜图像（正常耳220张，急性中耳炎157张，慢性中耳炎伴鼓膜穿孔230张），其中485张用于训练，122张用于独立测试	NA	U-Net, PSPNet, HRNet, DeepLabV3+	像素精度，Dice相似系数，诊断准确率	NA
256	2026-02-14	Review of CNN-Based Approaches for Preprocessing, Segmentation and Classification of Knee Osteoarthritis 2026-Feb-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030461 PMID:41681779	综述	本文综述了基于卷积神经网络（CNN）的膝关节骨关节炎预处理、分割和分类方法	系统性地分析和比较了文献中基于CNN的KOA分类方法，并指出了现有研究的方法学局限性和未来研究方向	本文是一篇综述，不涉及原始研究，因此不包含自身研究的局限性	回顾和比较用于膝关节骨关节炎自动评估的深度学习方法	膝关节骨关节炎（KOA）	计算机视觉	骨关节炎	X射线，MRI	CNN	图像	NA	NA	NA	准确率	NA
257	2026-02-14	MRI-Based Radiomics for Non-Invasive Prediction of Molecular Biomarkers in Gliomas 2026-Feb-02, Cancers IF:4.5Q1 DOI:10.3390/cancers18030491 PMID:41681963	系统综述	本文系统综述了基于MRI的影像组学在胶质瘤分子生物标志物无创预测中的应用	系统性地总结了当前影像组学在预测胶质瘤关键分子标志物（如IDH突变、ATRX、MGMT甲基化、1p/19q共缺失）方面的应用趋势、方法学异质性和诊断性能，并评估了其临床转化准备度	研究间存在显著的异质性（如成像协议、分割方法、特征提取平台），标准化不足，外部验证有限，方法学严谨性不一，因此未进行荟萃分析	旨在综合当前影像组学在胶质瘤分子生物标志物无创预测中的应用，评估方法学趋势、性能指标和转化准备度	人类胶质瘤	数字病理学	胶质瘤	MRI（包括T2加权、对比增强T1WI、T1WI、FLAIR、扩散加权成像）	机器学习, 深度学习	图像	总计10,324名患者（平均每项研究140名，范围23-628）	NA	卷积神经网络	AUC	NA
258	2026-02-14	Engineering-Oriented Ultrasonic Decoding: An End-to-End Deep Learning Framework for Metal Grain Size Distribution Characterization 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030958 PMID:41682473	研究论文	本文提出了一种面向工程的端到端深度学习框架，用于通过超声解码来表征金属晶粒尺寸分布	提出了一种结合多模态超声特征与空间编码的深度学习架构，引入了厚度编码分支进行物理约束下的特征解耦，并采用椭圆空间融合策略优化预测	NA	开发一种准确且适应性强的金属晶粒尺寸分布表征方法	GH4099金属材料的晶粒尺寸分布	机器学习	NA	超声C扫描测量	编码器-解码器模型	超声A扫描信号及其时频表示	NA	NA	双卷积压缩网络与全连接解码器组合	平均绝对误差, 标准偏差, KL散度	NA
259	2026-02-14	An Intelligent Sensing Framework for Early Ransomware Detection Using MHSA-LSTM Machine Learning 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030952 PMID:41682470	研究论文	提出了一种基于MHSA-LSTM机器学习模型的智能感知框架，用于早期勒索软件检测	核心创新在于引入了基于信息增益的相关性系数（μ）增强的自注意力机制，能自主优先处理最具区分度的行为特征，过滤噪声并克服初始攻击阶段的数据稀缺问题	未明确说明框架在实时部署中的计算开销或延迟表现	开发一种主动、早期阶段的勒索软件检测解决方案	勒索软件与良性应用程序的行为特征	机器学习	NA	动态分析	LSTM, CNN-LSTM	行为特征序列数据	39,378个勒索软件样本和9,732个良性应用程序	NA	Multi-Head Self-Attention LSTM (MHSA-LSTM), CNN-LSTM, Stacked LSTM	准确率, 误报率, F1分数	NA
260	2026-02-14	Research and Application of Safety Hazard Perception and Responsibility Traceability System in University Laboratories 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030953 PMID:41682471	研究论文	本文提出了一种基于深度学习的实验室安全隐患感知与责任追溯系统，以解决高校实验室安全管理中的挑战	引入通道注意力机制SE和NWD损失函数于YOLOv5s模型，结合DeepSORT跟踪，实现了实验室场景中的多目标跟踪与隐患感知，并提出了责任匹配算法和可视化追溯机制	NA	解决高校实验室安全管理中责任追溯对高风险行为监管不足的问题	高校实验室中的安全隐患行为，如实验人员未穿实验服	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv5s	平均精度均值(mAP)	NA