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
2681	2026-03-31	Correction: Costache et al. Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors. Sensors 2021, 21, 280 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061815 PMID:41902180	更正	本文是对原论文中参考文献相关性问题进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2682	2026-03-31	A Hybrid Multimodal Cancer Diagnostic Framework Integrating Deep Learning of Histopathology and Whispering Gallery Mode Optical Sensors 2026-Mar-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060848 PMID:41897581	研究论文	本文提出了一种结合深度学习组织病理学图像分析和WGM光学传感的混合多模态癌症诊断框架，旨在提高癌症分类的准确性和可靠性	创新点在于整合了基于深度学习的组织病理学图像分析与WGM光学传感技术，通过形态学和生化信息的互补，提供更稳健的诊断决策支持	未明确提及具体局限性，如数据集规模、泛化能力或临床验证的不足	增强癌症诊断，通过混合框架整合组织病理学图像分析和WGM光学传感进行互补组织表征	癌症组织样本，使用BreakHis数据集进行肿瘤分类	数字病理学	癌症	组织病理学图像分析，WGM光学传感	CNN, GAN, Transformer	图像，光学信号	使用BreakHis数据集，具体样本数量未明确	TensorFlow, PyTorch	EfficientNet-B0, InceptionV3, Vision Transformer, DCGAN	准确率	NA
2683	2026-03-31	Development and Internal Multicenter Validation of a Deep Learning Model for Predicting Post-Hepatectomy Liver Failure in Patients with Hepatocellular Carcinoma: A Multicenter Study 2026-Mar-12, Cancers IF:4.5Q1 DOI:10.3390/cancers18060926 PMID:41899530	研究论文	本研究开发并内部验证了一个深度学习模型，用于预测肝细胞癌患者肝切除术后肝衰竭的风险	首次利用多中心临床数据构建深度学习模型，显著提升了预测肝切除术后肝衰竭的准确性，并优于传统逻辑回归模型	研究为回顾性设计，且仅在内部验证，缺乏外部验证，可能影响模型的泛化能力	开发并验证一个深度学习模型，以更准确地预测肝细胞癌患者肝切除术后肝衰竭的发生	接受根治性肝切除术的肝细胞癌患者	数字病理学	肝细胞癌	临床数据整合与分析	深度神经网络	临床数据（包括术前生化参数、术中手术变量和肿瘤相关特征）	来自六个中心的498名患者	NA	深度神经网络	AUC, 精确率-召回率曲线, Brier分数, 决策曲线分析	NA
2684	2026-03-31	PLM-Net: Perception Latency Mitigation Network for Vision-Based Lateral Control of Autonomous Vehicles 2026-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s26061798 PMID:41901967	研究论文	提出一种名为PLM-Net的模块化深度学习框架，用于缓解基于视觉模仿学习的车道保持系统中的感知延迟问题	通过插件式架构在不改变原有控制流程的前提下，利用时序动作预测模型和插值方法自适应地缓解恒定和时变感知延迟对控制性能的影响	研究仅在固定速度的闭环确定性仿真环境中进行评估，未在真实车辆或更复杂的动态场景中验证	提升基于视觉的自动驾驶车辆横向控制系统的稳定性和跟踪性能	自动驾驶车辆的车道保持系统	计算机视觉	NA	模仿学习	深度学习框架	视觉数据	NA	NA	PLM-Net（包含冻结基础模型和时序动作预测模型）	平均绝对误差	NA
2685	2026-03-31	Design and Implementation of an IoT-Based Low-Power Wearable EEG Sensing System for Home-Based Sleep Monitoring 2026-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s26061803 PMID:41901973	研究论文	本文设计并实现了一种基于物联网的低功耗可穿戴单通道脑电图系统，用于家庭睡眠监测和自动睡眠分期	提出了一种硬件-软件协同设计的系统，集成了低噪声、低功耗的硬件架构和专为边缘-云协同执行优化的轻量级深度学习模型SleePyCo，结合了对比表示学习和时间依赖性建模	研究仅在10名健康受试者中进行了现场试验，样本量较小，且未在临床患者或更大样本人群中进行验证	开发一种用于长期家庭睡眠监测的节能、可穿戴脑电图传感系统	可穿戴单通道脑电图（EEG）传感系统及其在睡眠分期中的应用	物联网与可穿戴传感	睡眠健康管理	单通道脑电图（EEG）传感	深度学习模型	脑电图（EEG）信号	ISRUC数据集和10名健康受试者的现场试验	NA	SleePyCo	准确率, F1分数	边缘-云协同架构（硬件：TI ADS1298模拟前端，STM32F4微控制器；云端部署模型）
2686	2026-03-31	Engineering the Image Representation for Deep Learning in Contrast-Enhanced Mammography: A Systematic Analysis of Preprocessing and Anatomical Masking 2026-Mar-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030322 PMID:41899853	研究论文	本文系统分析了对比增强乳腺摄影图像预处理和乳腺掩模对深度学习模型性能的影响	首次将预处理作为独立设计变量进行系统工程分析，并证明乳腺掩模能显著提升模型鲁棒性和泛化能力	未涉及非确定性预处理方法或更广泛的临床验证	研究对比增强乳腺摄影图像预处理对深度学习分类性能的影响	对比增强乳腺摄影图像	数字病理学	乳腺癌	对比增强乳腺摄影	CNN	图像	NA	NA	卷积神经网络	AUROC, AUPRC	NA
2687	2026-03-31	LPA-Tuning CLIP: An Improved CLIP-Based Classification Model for Intestinal Polyps 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061764 PMID:41901934	研究论文	本研究提出了一种名为LPA-Tuning CLIP的多模态框架，通过整合内窥镜图像与结构化病理描述，以改进肠道息肉的分类准确性	采用跨模态投影匹配与ID损失替代CLIP的实例级对比损失，引入结构化临床语义模板编码WHO诊断标准，并开发了保留病变特征的医学感知数据增强方法	未提及	通过多模态学习提升肠道息肉的分类性能，以辅助结直肠癌的预防	肠道息肉的内窥镜图像与对应的病理文本描述	计算机视觉	结直肠癌	多模态学习	CLIP	图像, 文本	未提及	未提及	CLIP	准确率, F1分数	未提及
2688	2026-03-31	FLF-RCNN: A Fine-Tuned Lightweight Faster RCNN for Precise and Efficient Industrial Quality Inspection 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061768 PMID:41901939	研究论文	本文提出了一种用于工业质检的微调轻量级Faster RCNN框架，旨在平衡检测精度与计算效率	提出了轻量级骨干网络LSNet，通过大核卷积与小核卷积的协同机制增强感受野；引入了基于K-means聚类的自适应锚框调整模块；在Faster R-CNN框架中实现了精度与效率的更好平衡	实验仅在Tianchi数据集上进行验证，未在其他工业质检数据集上测试泛化能力；未讨论模型在实时检测场景中的表现	解决工业质量检测中精度与计算效率的权衡问题，提升模型对多尺度缺陷的适应性	工业产品缺陷检测	计算机视觉	NA	深度学习	Faster R-CNN	图像	Tianchi数据集（具体数量未说明）	NA	Faster R-CNN, LSNet	mAP50, GFLOPs, 参数量	NA
2689	2026-03-31	Acoustic Source Drone Detection System Using Tetrahedral Microphone Array and Deep Neural Networks 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061778 PMID:41901947	研究论文	本文提出了一种基于四面体麦克风阵列和深度神经网络的声学源无人机检测系统，用于解决无人机在民用空域中的安全挑战	提出了一种深度学习框架，将原始声学数据与传感器几何元数据融合，并引入了复合损失函数以独立优化平面和高度坐标，从而提高了三维定位精度	NA	开发一种被动声学分析系统，用于精确检测和定位无人机，以应对关键基础设施和个人隐私的保护需求	无人机（UAVs）	机器学习	NA	声学分析	深度神经网络	声学数据	使用自定义的真实世界无人机飞行数据集	NA	NA	定位性能	NA
2690	2026-03-31	Advances, Challenges, and Recommendations for Non-Destructive Testing Technologies for Wind Turbine Blade Damage: A Review of the Literature from the Past Decade 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061773 PMID:41901943	综述	本文系统回顾了过去十年中用于风力涡轮机叶片损伤的非破坏性测试和结构健康监测技术，并讨论了其工程应用、挑战及未来方向	强调数据驱动方法与工程实践的整合，评估机器学习在故障分类和异常诊断中的作用，以及深度学习在图像和信号数据自动缺陷检测中的贡献	存在环境噪声鲁棒性、复杂叶片结构内信号衰减以及实验室方法与现场部署之间的持续差距等关键工程障碍	从工程应用角度，系统评估风力涡轮机叶片的非破坏性测试和结构健康监测技术，以支持从被动维护向预测性维护的转变	风力涡轮机叶片	机器视觉, 机器学习	NA	非破坏性测试, 结构健康监测, 视觉方法, 声学方法, 振动分析, 超声波, 红外热成像	机器学习, 深度学习	图像, 信号数据	NA	NA	NA	检测性能, 成本, 自动化水平	NA
2691	2026-03-31	Toward Energy-Efficient and Low-Carbon Intrusion Detection in Edge and Cloud Computing Based on GreenShield Cybersecurity Framework 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061780 PMID:41901949	研究论文	本文提出GreenShield框架，旨在通过轻量级密码学、节能深度学习及碳感知系统优化，实现边缘和云计算中高效能、低碳的入侵检测	结合分层联邦学习架构、知识蒸馏和碳感知调度控制器，动态调整安全响应执行，显著提升能源效率和降低碳排放	未明确讨论框架在更广泛数据集或实际部署环境中的泛化能力及长期稳定性	开发一个能源高效且低碳的入侵检测系统，以应对边缘云计算基础设施中的网络安全挑战	边缘和云计算环境中的入侵检测系统	机器学习	NA	轻量级密码学、深度学习	深度学习模型	网络入侵检测数据集	基于UNSW-NB15和CIC-IDS2017数据集进行实验	NA	分层联邦学习架构	检测准确率	NA
2692	2026-03-31	A Gated Attention-Based Multiple Instance Learning and Test-Time Augmentation Approach for Diagnosing Active Sacroiliitis in Sacroiliac Joint MRI Scans 2026-Mar-10, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062101 PMID:41899025	研究论文	本研究提出了一种基于门控注意力多示例学习和测试时增强的方法，用于在骶髂关节MRI扫描中自动诊断活动性骶髂关节炎	将门控注意力多示例学习框架与测试时增强相结合，用于建模骶髂关节MRI中异质性的炎症分布，并通过注意力热图实现可解释性	研究在单一中心数据集上进行，需要更大规模、多中心的数据集验证以确保泛化性	评估基于深度学习的模型在自动检测骶髂关节炎方面的诊断性能，并探索其作为早期中轴型脊柱关节炎诊断决策支持工具的潜力	骶髂关节的MRI扫描图像	数字病理学	中轴型脊柱关节炎	磁共振成像	CNN, MIL	图像	554名受试者（276名患者，278名健康对照）	PyTorch	ResNet-18	准确率, 灵敏度, 特异性, F1分数	NA
2693	2026-03-31	Towards Feasible Home ECG Monitoring: AI-Driven Detection of Clinically Critical Arrhythmias Using Single-Lead Signals 2026-Mar-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030317 PMID:41899848	研究论文	本研究开发了一种基于深度学习的模型，用于从单导联心电信号中自动分类五种关键的心律失常模式	提出了一种结合时间注意力和Time2Vec嵌入的深度学习架构，专门用于处理单导联短时程（10秒）心电信号，以支持可行的家庭心电监测	模型训练数据主要来自公开数据集（PhysioNet/CiC Challenge 2020等），可能未涵盖所有临床场景或人群变异；使用单导联信号虽简化了家庭监测，但可能限制了某些复杂心律失常的鉴别能力	开发一种准确、可行的家庭心电监测方案，通过AI自动检测临床关键性心律失常，以支持家庭医疗保健和临床决策	单导联心电信号	机器学习	心血管疾病	心电信号分析	深度学习模型	时序信号（心电信号）	训练集：1500条单导联10秒心电信号；测试集：2297条心电信号	NA	结合时间注意力和Time2Vec嵌入的定制架构	准确率, 灵敏度, 特异性	NA
2694	2026-03-31	Limitations of MMSE in Cognitive Assessment: Revealing Latent Risk via Structural Brain Atrophy 2026-Mar-10, Life (Basel, Switzerland) DOI:10.3390/life16030451 PMID:41900969	研究论文	本研究评估了MMSE和nWBV在认知阶段分类中的相对贡献，并提出了一个可解释的深度学习框架来整合两者，以揭示MMSE正常人群中的潜在风险	提出了一个整合MMSE与结构性脑萎缩指标nWBV的可解释深度学习分析框架，用于认知障碍阶段分类和潜在风险筛查，并系统评估了各变量的相对贡献	MMSE对早期或细微认知衰退的敏感性有限，且可能因天花板效应无法充分反映大脑结构变化	评估MMSE和nWBV在认知阶段分类中的相对贡献，并研究MMSE正常人群中的潜在风险	认知障碍阶段分类及MMSE正常人群的潜在风险筛查	机器学习	老年疾病	深度学习，特征消融分析，可解释性分析	MLP, Tab ResNet, Tab Transformer, FT Transformer	表格数据	NA	NA	MLP, Tab ResNet, Tab Transformer, FT Transformer	分类性能	NA
2695	2026-03-31	Systematic Evaluation of Machine Learning and Deep Learning Models for IoT Malware Detection Across Ransomware, Rootkit, Spyware, Trojan, Botnet, Worm, Virus, and Keylogger 2026-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s26061750 PMID:41901920	研究论文	本研究对27种机器学习和18种深度学习模型在物联网恶意软件检测中的性能进行了大规模系统评估，涵盖了勒索软件、Rootkit、间谍软件、木马、僵尸网络、蠕虫、病毒和键盘记录器八类恶意软件	首次对45种ML和DL模型在物联网恶意软件检测中进行大规模系统比较，并构建了包含8类恶意软件的5万样本数据集，提出了针对性的特征选择流程	研究仅基于Any.Run平台收集的样本，可能无法完全代表所有物联网恶意软件变种；特征选择流程可能遗漏某些重要特征	评估和比较不同机器学习和深度学习模型在物联网恶意软件检测中的性能，为实际部署提供指导	物联网环境中的恶意软件检测	机器学习	NA	静态和行为遥测分析	机器学习模型, 深度学习模型	表格特征数据	50,000个可执行样本（包括8,000个恶意软件实例和42,000个良性样本）	NA	CatBoost, LightGBM, XGBoost, Extra Trees, Random Forest, TabNet, FT-Transformer	准确率, 假阳性率	商用CPU硬件
2696	2026-03-31	A Fully Automated Deep Learning Pipeline for Anatomical Landmark Localization on Three-Dimensional Pelvic Surface Scans 2026-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s26061760 PMID:41901931	研究论文	本研究提出了一种全自动深度学习流水线，用于从原始三维点云数据中定位骨盆后部区域的解剖标志点	开发了一个模块化深度学习框架，集成了三个独立训练的神经网络，分别用于提取感兴趣区域、姿势标准化和标志点定位，实现了全自动、近实时的骨盆解剖标志点识别	研究仅针对骨盆后部区域，未涵盖整个骨盆或更广泛的解剖结构；性能评估在特定数据集上进行，泛化能力需进一步验证	开发一种自动化方法以提高三维骨盆表面扫描中解剖标志点定位的准确性和可重复性	三维骨盆表面扫描数据	计算机视觉	NA	三维点云扫描	CNN	三维点云数据	未明确指定样本数量	未明确指定	PelvicROINet, PelvicAlignNet, PelvicLandmarkNet	中位误差, 重复性, 组内相关系数	未明确指定
2697	2026-03-31	MyoNet: Deep Learning-Based Myocardial Strain Quantification from Cine Cardiac MRI 2026-Mar-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030310 PMID:41899841	研究论文	本文开发并评估了MyoNet，一种基于深度学习的网络，用于从电影心脏磁共振图像中测量心肌区域功能，并将其与ResMyoNet进行比较	MyoNet通过优化的卷积操作和损失函数，在心肌应变测量中表现出优于ResMyoNet的性能，并与SinMod参考方法高度一致	研究基于Dahl盐敏感大鼠模型，可能限制了在人类或其他疾病模型中的直接适用性	开发并评估一种深度学习网络，用于从电影心脏磁共振图像中量化心肌应变	Dahl盐敏感大鼠模型，接受放射治疗	计算机视觉	心血管疾病	电影心脏磁共振成像	CNN	图像	NA	NA	MyoNet, ResMyoNet	SSIM, ICC, Pearson CC	NA
2698	2026-03-31	Multimodal AI Screening of Developmental Language Disorder in Tunisian Arabic Children: Clinical Markers and Computational Detection 2026-Mar-06, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16030375 PMID:41898037	研究论文	本研究提出了一种多模态生物医学信息学框架，整合临床评估、语音录音和人工智能，用于早期检测突尼斯阿拉伯语儿童的发育性语言障碍	首次为突尼斯阿拉伯语这一代表性不足的方言建立了标准化的DLD数据集和计算基准，并开发了结合临床特征和声学嵌入的多模态AI筛查系统	研究基于特定方言（突尼斯阿拉伯语），可能限制了在其他阿拉伯语方言或语言中的泛化能力，且样本规模未明确说明	开发一种AI辅助的早期筛查工具，用于检测突尼斯阿拉伯语儿童的发育性语言障碍	突尼斯阿拉伯语儿童，包括典型发育儿童和患有发育性语言障碍的儿童	自然语言处理	发育性语言障碍	语音录音、临床语言任务评估	Random Forest, 深度学习模型	语音、结构化临床和语言特征	NA	NA	Wav2Vec2	F1分数	NA
2699	2026-03-31	Deep Learning Enabled 3D Multi-Omic Analysis Reveals Molecular Signatures of Heterogeneous Response to Chemotherapy in Pancreatic Cancer 2026-Mar-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.03.709150 PMID:41867770	研究论文	本研究开发了一种基于深度学习的3D多组学分析流程，用于揭示胰腺癌对化疗异质性反应的分子特征	首次结合深度学习形态分类与空间多组学技术，在临床样本中实现3D分析，以识别化疗敏感与持续肿瘤细胞群	研究样本量有限，且仅针对胰腺癌，未在其他癌症类型中验证	识别胰腺癌对化疗产生耐药性的潜在机制	接受新辅助化疗的人类胰腺癌临床样本	数字病理学	胰腺癌	空间蛋白质组学, 空间转录组学	深度学习模型	3D形态图像, 空间多组学数据	一个人类胰腺癌样本队列	NA	NA	NA	NA
2700	2026-03-31	Multi-Architecture Deep Learning for Early Alzheimer's Detection in MRI: Slice- and Scan-Level Analysis 2026-Mar-05, International journal of environmental research and public health DOI:10.3390/ijerph23030322 PMID:41899699	研究论文	本研究提出了一种双层次评估框架，比较了十五种深度学习架构在ADNI数据集上对阿尔茨海默病、轻度认知障碍和认知正常受试者进行分类的性能，重点关注预处理流程对模型可靠性的影响	通过系统优化预处理步骤以减少数据变异性并增强特征一致性，确立了预处理质量作为神经影像深度学习中性能的关键决定因素，并揭示了多切片聚合对不同架构的不对称影响	研究主要基于ADNI数据集，可能无法完全推广到其他人群或数据采集协议，且未详细探讨模型在不同疾病亚型或病程阶段的具体表现	开发可靠的自动化方法，用于阿尔茨海默病的早期检测，特别是在前驱期如轻度认知障碍阶段	阿尔茨海默病、轻度认知障碍和认知正常的受试者	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer, 混合模型	图像	ADNI数据集中的受试者（具体数量未在摘要中明确说明）	NA	ConvNeXtV2-L, EfficientNetV2-L, VGG19, SwinV1-L	准确率	NA