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
2641	2026-03-31	Enhanced Lateral Resolution in Acoustic Imaging: From High- to Super-Resolution 2026-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s26061992 PMID:41902160	综述	本文系统性地总结了克服声学成像（尤其是超声）横向衍射极限分辨率的最新进展，并对未来研究方向提出了建议	系统性地比较了从传统聚焦技术到基于深度学习的算法优化等多种提升横向分辨率方法的差异与优缺点，并提出了未来研究的清晰方向	NA	克服声学成像的横向衍射极限分辨率限制，提升成像质量	声学成像（尤其是超声成像）技术	医学影像分析	NA	声学成像，超声	NA	声学信号/图像	NA	NA	NA	NA	NA
2642	2026-03-31	Explicit Features Versus Implicit Spatial Relations in Geomorphometry: A Comparative Analysis for DEM Error Correction in Complex Geomorphological Regions 2026-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s26061995 PMID:41902163	研究论文	本研究比较了显式特征工程与隐式空间关系在复杂地貌区域DEM误差校正中的性能，评估了几何深度学习与特征工程范式的优劣	揭示了在稀疏高程监督下，几何深度学习模型（如GNN）相比系统优化的特征工程方法（如XGBoost）未表现出显著精度优势，并提出了“物理优先”的范式	研究基于稀疏高程数据（平均间距约485米），可能限制了模型在更高分辨率地形中的表现，且仅在中国四川省进行了验证	评估在稀疏高程监督约束下，几何深度学习是否比传统特征工程范式在DEM误差校正中带来性能提升	全球数字高程模型（DEM）产品，包括ALOS World 3D、Copernicus DEM、SRTM GL1和TanDEM-X	机器学习	NA	高程采样、特征工程	GNN, XGBoost	高程数据、地形特征	使用中国四川省作为代表性自然实验室，涉及四个主流DEM产品	NA	混合GNN模型	RMSE	NA
2643	2026-03-31	Enhanced Multi-Scale Defect Detection in Steel Surfaces via Innovative Deep Learning Architecture 2026-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s26062001 PMID:41902169	研究论文	本研究提出了一种创新的深度学习架构CTG-YOLO，用于增强钢铁表面多尺度缺陷检测的准确性	通过集成CBY并行网络结构、TFF-PANet颈部网络和GS-Head检测头，模型实现了卓越的特征提取和融合能力	NA	提高钢铁表面缺陷检测的准确性和效率	钢铁表面缺陷	计算机视觉	NA	深度学习	YOLO	图像	NEU-DET和GC10-DET数据集	NA	CTG-YOLO, YOLOv8s	平均精度均值(mAP)	NA
2644	2026-03-31	Evolutionary Diffusion Framework Empowering High-Performance Freeform Terahertz Metasurface Sensing 2026-Mar-21, Sensors (Basel, Switzerland) DOI:10.3390/s26061972 PMID:41902140	研究论文	本文提出了一种多模型驱动的生成-进化策略，用于按需逆向设计定制化的太赫兹超表面传感器	提出了一种结合条件扩散生成器和注意力增强残差网络的多模型生成-进化策略，能够探索包含2100种可能配置的广阔设计空间，并分阶段选择性生成高潜力数据以克服数据瓶颈	NA	克服传统超表面设计方法计算密集、试错过程繁琐的局限性，以及现有深度学习方案数据需求大、自由形式设计空间探索有限的问题	太赫兹超表面传感器	机器学习	NA	全波仿真	条件扩散生成器, 注意力增强残差网络	NA	NA	NA	条件扩散生成器, 注意力增强残差网络	高对比度共振峰, 灵敏度	NA
2645	2026-03-31	Deep Robust Moving Horizon Estimation for Nonlinear Multi-Rate Systems 2026-Mar-21, Sensors (Basel, Switzerland) DOI:10.3390/s26061967 PMID:41902135	研究论文	本文研究了一种基于移动水平估计的异步多速率非线性系统状态估计问题，通过伪测量同步建模、时间折扣目标函数及深度学习框架来提升估计的鲁棒性	提出了结合伪测量同步建模、时间折扣目标函数的移动水平估计策略，并引入深度学习框架来学习估计器的权重参数，同时利用障碍函数正则化确保线性矩阵不等式可行性条件	NA	解决异步多速率非线性系统的状态估计问题，提升估计的鲁棒性和准确性	异步多速率非线性系统	机器学习	NA	移动水平估计，深度学习	深度学习框架	测量数据	NA	NA	NA	NA	NA
2646	2026-03-31	TFMPHGNN: Two-Fold multi-perspective heterogeneous graph neural network for sentiment analysis 2026-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108885 PMID:41904902	研究论文	本文提出了一种用于情感分析的双重多视角异构图神经网络（TFMPHGNN），通过联合建模情感、情绪和上下文依赖关系来提升分析性能	提出了一个双阶段异构图框架，第一阶段结合元路径编码器和胶囊网络捕获分层语义关系，第二阶段使用多通道图卷积网络学习互补的拓扑、语义和协作表示，并引入变分自编码器进行去噪和精炼	未明确提及模型的计算复杂度、可扩展性以及对其他领域或语言的泛化能力	解决情感分析中因情感表达、上下文线索和情绪特征在异构数据源中复杂交织关系带来的挑战	情感、情绪和上下文依赖关系	自然语言处理	NA	NA	异构图神经网络, 胶囊网络, 图卷积网络, 变分自编码器	文本	基于新开发的VaKSent-2025语料库进行实验	NA	TFMPHGNN (Two-Fold Multi-Perspective Heterogeneous Graph Neural Network), MC-GCN (多通道图卷积网络), VAE (变分自编码器)	准确率, F1-micro, F1-weighted	NA
2647	2026-03-31	DualStream-RTNet: A Multimodal Deep Learning Framework for Grape Cultivar Classification and Soluble Solid Content Prediction 2026-Mar-20, Foods (Basel, Switzerland) DOI:10.3390/foods15061095 PMID:41897816	研究论文	本文提出了一种名为DualStream-RTNet的多模态深度学习框架，用于同时进行葡萄品种分类和可溶性固形物含量预测	提出了一个统一的多模态深度学习框架，通过双流架构整合RGB-HSV融合图像和PCA压缩的高光谱光谱，并引入Transformer增强的融合模块来强化全局表征和跨模态关联，实现了品种分类和品质预测任务的联合处理	研究仅使用了5个葡萄品种的864个浆果样本，样本多样性和规模可能有限	开发一种准确、非破坏性的葡萄品质评估方法，用于智能葡萄栽培	葡萄浆果	计算机视觉	NA	高光谱成像，PCA压缩	CNN, Transformer	图像（RGB-HSV融合图像），光谱数据（高光谱）	5个葡萄品种的864个浆果	NA	DualStream-RTNet, ResNet18	准确率, R2p, RMSE	NA
2648	2026-03-31	Machine Learning Models for Predicting Bleeding Risk in Anticoagulated Patients with Atrial Fibrillation and Venous Thromboembolism: A Comparative Evidence Synthesis 2026-Mar-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062370 PMID:41899294	综述	本文通过系统综述比较了机器学习模型与传统临床评分在预测接受抗凝治疗的心房颤动和静脉血栓栓塞患者出血风险中的表现	首次系统性地综合比较了机器学习算法（如随机森林、XGBoost和神经网络）与传统临床评分（如HAS-BLED、RIETE）在预测抗凝患者出血风险方面的证据，并发现机器学习模型具有更优的判别能力	效应量改善有限（ΔAUC 0.05-0.15），临床实用性尚不确定，缺乏更广泛的验证、校准评估以及对临床结局影响的证明	综合比较机器学习模型与传统临床评分在预测接受抗凝治疗的心房颤动和静脉血栓栓塞患者出血风险方面的证据	接受口服抗凝药物治疗的心房颤动和静脉血栓栓塞患者	机器学习	心血管疾病	NA	随机森林, XGBoost, 神经网络	临床数据	总计464,523名参与者（7项心房颤动研究，6项静脉血栓栓塞研究）	NA	深度学习集成模型	AUC	NA
2649	2026-03-31	Deep Learning-Based Calibration of a Multi-Point Thin-Film Thermocouple Array for Temperature Field Measurement 2026-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s26061956 PMID:41902124	研究论文	本文提出了一种基于深度学习的多点薄膜热电偶阵列校准方法，用于提高大面积温度场测量的精度	开发了基于深度学习的校准方法，通过独立训练的三层MLP模型补偿多点阵列中传感节点间的耦合效应，显著降低了测量误差	未明确说明模型在极端温度或不同环境条件下的泛化能力，以及长期稳定性的评估	提高多点薄膜热电偶阵列在温度场测量中的准确性，以支持工程应用如飞机发动机热状态评估和工业过程控制	多点阵列薄膜热电偶传感器及其在温度场测量中的应用	机器学习	NA	精密焊接、电喷雾雾化沉积绝缘层	MLP	传感器测量数据（温度）	未明确指定具体样本数量，但使用8:2的训练-测试分割	未明确指定，但使用Adam优化器	三层隐藏层的多层感知器	MAE, MSE, R	NA
2650	2026-03-31	Prediction of Cataract Severity Using Slit Lamp Images from a Portable Smartphone Device: A Pilot Study 2026-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s26061954 PMID:41902122	研究论文	本研究探索了使用便携式智能手机裂隙灯设备拍摄的图像，通过深度学习预测白内障严重程度的可能性	首次尝试利用便携式智能手机裂隙灯原型设备（无需散瞳）的图像，结合Swin Transformer和原型网络进行白内障严重程度的客观预测	这是一项初步研究，样本量相对较小（99名患者，198只眼），且需要在更大、更多样化的白内障患者群体中进行验证	开发一种无需散瞳、基于便携式设备的客观白内障筛查方法	白内障患者的裂隙灯图像	计算机视觉	白内障	裂隙灯成像	Transformer	图像	99名患者（198只眼）的1900张图像	NA	Swin Transformer, 原型网络	准确率	NA
2651	2026-03-31	FedIHRAS: A Privacy-Preserving Federated Learning Framework for Multi-Institutional Collaborative Radiological Analysis with Integrated Explainability and Automated Clinical Reporting 2026-Mar-19, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14030713 PMID:41898357	研究论文	提出一个名为FedIHRAS的隐私保护联邦学习框架，用于多机构协作的放射学分析，并集成了可解释性和自动化临床报告功能	将多任务深度学习（分类、分割）、可解释性（Grad-CAM）和基于SNOMED CT的自动化报告生成整合到一个统一的联邦学习框架中，解决了现有方法任务孤立、缺乏集成流程的局限	实验在模拟的机构节点上进行，未明确提及在真实多机构部署中的具体挑战（如网络延迟、机构参与意愿等）	开发一个可扩展、隐私保护且具有临床意义的放射学人工智能系统，以支持多机构协作	胸部X光图像	计算机视觉	NA	联邦学习	深度学习	图像	约874,000张图像，来自四个大规模胸部X光数据集	NA	ResNet-50	诊断性能、跨机构泛化能力、鲁棒性、通信效率、隐私-效用权衡、与放射科专家评估的一致性	NA
2652	2026-03-31	MidFusionEfficientV2: Improving Ophthalmic Diagnosis with Mid-Level RGB-LBP Fusion and SE Attention 2026-Mar-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062352 PMID:41899275	研究论文	提出了一种名为MidFusionEfficientV2的深度学习混合模型，用于对包括葡萄膜炎、结膜炎、白内障、眼睑下垂和正常状况在内的眼部疾病进行分类	提出了一种双分支架构，在中间层融合RGB图像和LBP纹理特征，并在LBP分支中集成了SE注意力机制以增强纹理特征的显著性	NA	通过融合颜色和纹理特征改进眼部疾病的自动诊断	眼部疾病（葡萄膜炎、结膜炎、白内障、眼睑下垂）和正常眼部状况	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	EfficientNetV2-S, ResNetV2, ConvNeXt, DenseNet-121, EfficientNet-B1, MobileNetV3 Large	准确率, 召回率, F1分数	NA
2653	2026-03-31	Digital Gait Biomarkers for Parkinson's Disease: Subject-Wise Validated Explainable AI Framework Using Vertical Ground Reaction Force Signals 2026-Mar-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030360 PMID:41899891	研究论文	本研究提出了一种基于垂直地面反作用力信号的两阶段可解释AI框架，用于帕金森病的检测和连续严重程度估计	提出了一个两阶段可解释AI框架，结合了深度学习和XGBoost回归，实现了帕金森病的可重复检测和连续严重程度量化，并利用集成梯度方法提供了模型解释性	未明确说明模型在外部验证集上的泛化性能，且临床量表H&Y本身存在主观性和离散分级的局限性	开发一种基于步态数字生物标志物的可解释AI框架，用于帕金森病的客观检测和疾病进展的连续量化	帕金森病患者（使用TREND前瞻性纵向队列，n=696）	数字病理学	帕金森病	垂直地面反作用力信号分析	TCN, BiGRU with attention, FCNN-Transformer, XGBoost	时间序列信号（VGRF信号）	TREND前瞻性纵向队列（n=696名受试者）	未明确指定，但提及了XGBoost	时间卷积网络, 双向门控循环单元注意力机制, 全连接神经网络-Transformer	AUC, Spearman相关系数, 平均绝对误差, 均方根误差, 决定系数	NA
2654	2026-03-31	RD-GuideNet: A Depth-Guided Framework for Robust Detection, Segmentation, and Temporal Tracking of White Button Mushrooms 2026-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s26061935 PMID:41902103	研究论文	本研究开发了一个名为RD-GuideNet的深度引导计算机视觉框架，用于自动化检测、分割和追踪白蘑菇，以支持机器人选择性采摘	提出了一种新颖的图像处理算法，该算法整合了RGB和深度图像，并实现了一个定制的深度引导追踪算法，以在密集蘑菇床中保持蘑菇的身份跨帧一致性	其追踪一致性（92.7%）略低于对比模型YOLOv8（95.3%）和YOLOv11（94.6%），未来工作将研究结合深度几何推理与深度学习的混合框架的全面定量评估	开发一个自动化框架以解决蘑菇农场劳动力短缺问题，支持及时、选择性的机器人采摘	白蘑菇	计算机视觉	NA	图像处理算法，深度引导追踪算法	深度学习模型	RGB图像，深度图像	NA	NA	RD-GuideNet, YOLOv8, YOLOv11	F1-score，追踪一致性	NA
2655	2026-03-31	CSFPR-RTDETR-CR: A Causal Intervention Enhanced Framework for Infrared UAV Small Target Detection with Feature Debiasing 2026-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s26061941 PMID:41902108	研究论文	本文提出了一种基于因果推理增强的红外无人机小目标检测框架，旨在解决特征偏差问题并提升检测性能	提出了一种结合因果干预的三路径特征去偏方法，包括因果数据增强模块、反事实推理模块和因果注意力机制模块，以分离和强化因果特征	NA	提升红外图像中无人机小目标检测的准确性和鲁棒性	红外图像中的无人机小目标	计算机视觉	NA	红外成像	Transformer	图像	HIT-UAV公共数据集	PyTorch	CSFPR-RTDETR	mAP@50, mAP@50:95	NA
2656	2026-03-31	Enhanced ovarian cancer diagnosis using deep learning on pelvic ultrasound with integrated clinical data: retrospective multicenter study 2026-Mar-19, Journal of gynecologic oncology IF:3.4Q2 DOI:10.3802/jgo.2026.37.e84 PMID:41906782	研究论文	本研究旨在通过整合盆腔超声图像与年龄、CA-125等临床数据，开发深度学习模型以提升卵巢良恶性肿瘤的鉴别诊断能力	创新点在于将超声图像分割为囊性和实性成分进行特征提取，并结合临床数据（年龄、CA-125）集成到深度学习分类器架构中，显著提高了模型性能	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限（804例患者），且未在外部独立队列中进行验证	开发一个深度学习模型，用于增强卵巢良恶性肿瘤的鉴别诊断	卵巢肿瘤患者（包括良性和恶性）	数字病理学	卵巢癌	盆腔超声成像	CNN	图像, 临床数据	804例患者（446例良性，358例恶性）	PyTorch, TensorFlow	ResNet50, DenseNet121	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
2657	2026-03-31	Artificial Intelligence in ALK-Rearranged NSCLC: Forecasting Response and Resistance 2026-Mar-18, Cancers IF:4.5Q1 DOI:10.3390/cancers18060973 PMID:41899575	综述	本系统综述评估并综合了人工智能在利用影像、病理、分子和临床数据预测ALK重排非小细胞肺癌状态及治疗相关结局方面的证据	通过文献计量共现分析识别出分子表征和计算方法两大研究主题，并观察到近期向治疗特异性及整合性分析的转变	方法学异质性大、外部验证有限、缺乏前瞻性研究，这些因素限制了临床转化	评估人工智能在ALK重排非小细胞肺癌的诊断、预后和治疗评估中的应用潜力	ALK重排的非小细胞肺癌患者	数字病理学	肺癌	影像学、病理学、分子数据及多模态数据	机器学习、深度学习	影像、病理、分子、多模态数据	NA	NA	NA	曲线下面积	NA
2658	2026-03-31	DuDeM: A Dual-Network Model for Early Gastric Cancer Detection Based on Capsule Endoscopy 2026-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030356 PMID:41899887	研究论文	本研究提出了一种名为DuDeM的双网络模型，用于基于胶囊内镜的早期胃癌检测，通过整合ResNet50卷积分支和CapsuleNet分支，结合动态路由和注意力加权策略，以应对胃部解剖部位、患者姿势变化和胃蠕动带来的干扰	开发了结合ResNet50卷积分支与CapsuleNet动态路由的双网络模型，采用注意力加权特征融合策略，有效建立局部-全局特征关联，提升了在干扰条件下的早期胃癌检测鲁棒性	未明确说明模型在不同医院数据间的泛化能力细节，也未提及对严重图像扰动（如重度运动伪影）的鲁棒性测试	开发一种鲁棒的深度学习模型，以解决胶囊内镜中早期胃癌检测因胃部解剖部位、患者姿势变化和胃蠕动带来的挑战	胶囊内镜图像	计算机视觉	胃癌	胶囊内镜	CNN, CapsuleNet	图像	来自中国九家医院和公共数据集的胶囊内镜图像（具体数量未在摘要中说明）	NA	ResNet50, CapsuleNet	AUC, F1-score, 灵敏度, 特异性, 精确度	NA
2659	2026-03-31	AI-Based Myocardial Segmentation and Attenuation Mapping Improved Detection of Myocardial Ischemia and Infarction on Emergency CT Angiography 2026-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030355 PMID:41899885	研究论文	本研究探讨了基于AI的心肌分割与衰减映射技术是否能改善急诊CT血管造影中心肌缺血和梗死的检测	首次将深度学习心肌分割与基于体素的衰减归一化映射相结合，用于急诊CT血管造影，并证明其能提高检测敏感性和阅片者间一致性	研究为回顾性设计，样本量有限（119例），且仅纳入48小时内接受侵入性冠状动脉造影的患者，可能存在选择偏倚	改进急诊CT血管造影中心肌缺血和梗死的检测准确性	119例急性胸痛患者	数字病理学	心血管疾病	心电图门控CT血管造影	深度学习	医学影像	119例患者	nnU-Net	U-Net	敏感性，阅片者间一致性	NA
2660	2026-03-31	VIS-NIR-SWIR Hyperspectral Imaging and Advanced Machine and Deep Learning Algorithms for a Controlled Benchmark of Bean Seed Identification and Classification 2026-Mar-18, Plants (Basel, Switzerland) DOI:10.3390/plants15060933 PMID:41901452	研究论文	本文利用VIS-NIR-SWIR高光谱成像和先进的机器学习与深度学习算法，对32种豆类种子进行识别和分类的基准测试	首次将VIS-NIR-SWIR高光谱成像与多种机器学习及深度学习模型结合，用于豆类种子的非破坏性分类，并探索了波段缩减对传感器设计的指导意义	研究在受控实验室条件下进行，结果可能无法直接推广到实际部署环境；波段缩减发现仅为传感器设计提供探索性指导，而非已验证的部署就绪规格	开发一种非破坏性、可扩展的种子种质鉴定方法，以支持种质资源保护、可追溯性和育种工作	32种豆类种子，包括30个普通豆地方品种和2个外群豆类	计算机视觉	NA	VIS-NIR-SWIR高光谱成像	线性判别分析, 支持向量机, 多层感知机, 卷积神经网络, 循环神经网络, 注意力机制	高光谱图像	3200颗种子（每种100颗）	NA	MLP_Wide, 卷积神经网络, 循环神经网络, 注意力机制	准确率, 宏F1分数, 平衡准确率, 精确率, 召回率	NA