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
2701	2026-03-02	Progression-Aware and Explainable CNN-Transformer Framework for Multiclass Alzheimer's Disease Staging Using MRI 2026-Feb-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040593 PMID:41750741	研究论文	本文提出了一种轻量级混合CNN-Transformer框架DeepAttentionADNet，用于基于MRI图像进行阿尔茨海默病的多阶段分类	结合卷积特征提取与Transformer全局上下文建模，引入进展感知的序数学习目标以捕捉疾病严重程度的顺序性，并利用一致性正则化增强鲁棒性	未明确提及研究的具体局限性	开发一种鲁棒且可解释的阿尔茨海默病严重程度多阶段分类方法	阿尔茨海默病患者的MRI图像	计算机视觉	阿尔茨海默病	MRI	CNN, Transformer	图像	NA	NA	CNN-Transformer混合架构	F1-score, AUROC	NA
2702	2026-03-02	Physics-Informed Neural Networks for Modeling Postprandial Plasma Amino Acids Kinetics in Pigs 2026-Feb-16, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16040634 PMID:41751095	研究论文	本研究开发了一种物理信息神经网络框架，用于建模猪餐后血浆氨基酸动力学，相比传统非线性最小二乘回归方法，在数据受限条件下展现出更高的鲁棒性和预测准确性	首次将机械常微分方程直接整合到深度学习损失函数中，构建物理信息神经网络框架，用于解决餐后血浆氨基酸动力学的逆问题，无需重复采血和精确初始化	研究基于基准数据集进行回顾性分析，未在更大规模或不同品种猪群中进行外部验证	开发一种更稳健、数据高效的替代方法，用于建模猪餐后血浆氨基酸动力学，以评估消化效率和系统代谢状态	猪的餐后血浆氨基酸动力学	机器学习	NA	物理信息神经网络	PINN	血浆氨基酸浓度时间序列数据	基准数据集（具体数量未明确说明）	NA	物理信息神经网络	均方根误差	NA
2703	2026-03-02	Prospective Assessment of Embryoid Body by Deep Learning on Label-Free Time-Lapse Images from the Microwell Array 2026-Feb-16, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020445 PMID:41751344	研究论文	本研究开发了一个基于深度学习的前瞻性框架，利用无标记延时图像预测胚胎体形成结果和最终直径	首次将早期阶段明场延时成像与三维卷积神经网络结合，实现胚胎体形成的前瞻性、非侵入性质量预测	研究依赖于平衡数据集构建，可能未涵盖所有变异情况，且模型性能在更广泛的应用场景中需进一步验证	开发一个前瞻性、非侵入性框架，以提高胚胎体生产的可重复性	胚胎体在微孔阵列上的形成过程	计算机视觉	NA	明场延时成像	3D-CNN	图像序列	通过欠采样构建的平衡数据集，具体数量未明确说明	NA	三维卷积神经网络	准确率, 平均绝对误差	NA
2704	2026-03-02	A Robust mmWave Radar Framework for Accurate People Counting and Motion Classification 2026-Feb-16, Sensors (Basel, Switzerland) DOI:10.3390/s26041289 PMID:41755228	研究论文	本文提出了一种基于60 GHz毫米波雷达的室内人员计数与运动分类系统，通过增强的ResNet-50深度学习模型处理多普勒和距离谱图，实现高精度且保护隐私的监控	利用毫米波雷达技术克服传统摄像头和红外方法的隐私风险与光照依赖问题，结合增强的ResNet-50模型在复杂室内环境中实现鲁棒的人员计数和运动分类	实验仅在典型室内环境中进行，样本规模有限，且人员计数范围仅覆盖0-3人，未验证更大规模或更复杂场景下的性能	开发一种准确、隐私保护且鲁棒的室内人员计数与运动分类系统，用于智能建筑管理、安全控制和资源优化	室内环境中的人员及其运动状态	计算机视觉	NA	毫米波雷达信号处理，多普勒和距离谱图分析	CNN	雷达回波信号，谱图	在典型室内环境中收集的实验数据，具体样本数未明确说明	NA	ResNet-50	准确率	NA
2705	2026-03-02	Autoregressive and Residual Index Convolution Model for Point Cloud Geometry Compression 2026-Feb-16, Sensors (Basel, Switzerland) DOI:10.3390/s26041287 PMID:41755225	研究论文	本研究提出了一种混合点云压缩方法，通过从八叉树节点转换到体素占用估计，并使用二进制算术范围编码器寻找其下界比特率	引入了自回归分组方法以迭代方式处理体素占用，并在骨干架构中添加蒸馏层以增强特征贡献，从而在时间和内存消耗上实现显著改进	未明确提及具体局限性，但可能涉及模型在更复杂点云场景下的泛化能力或计算资源需求	开发高效的点云几何压缩方法，以提升压缩性能并降低复杂度	点云数据	计算机视觉	NA	二进制算术范围编码，1D卷积，交叉熵优化	自回归模型，卷积神经网络	点云	三个数据集	NA	自回归和残差索引卷积模型	比特率，时间消耗，内存消耗	NA
2706	2026-03-02	Young White Pine Detection Using UAV Imagery and Deep Learning Object Detection Models 2026-Feb-16, Sensors (Basel, Switzerland) DOI:10.3390/s26041284 PMID:41755222	研究论文	本研究结合无人机影像与深度学习目标检测模型，用于监测白松幼树的森林再生情况	首次在ArcGIS Pro软件中系统评估20种深度学习目标检测模型对白松幼树的识别性能，并采用图像旋转（无其他增强）策略显著提升模型精度	研究仅限于纽约州圣劳伦斯县的特定区域，未涵盖不同气候或土壤条件下的白松再生情况	开发一种基于无人机和深度学习的自动化森林再生评估工具，减少人工野外调查工作量	白松幼树（分为三个尺寸等级，并在低、中、高密度区域进行分层）	计算机视觉	NA	无人机遥感、多光谱成像	深度学习目标检测模型	RGB三波段与五波段多光谱正射影像	纽约州圣劳伦斯县多个研究点的白松幼树样本（按尺寸与密度分层）	ArcGIS Pro 3.4	Faster R-CNN	平均精度、总体准确率、混淆矩阵	NA
2707	2026-03-02	A Survey on Deep Learning Techniques for Fingerprint Presentation Attack Detection 2026-Feb-16, Sensors (Basel, Switzerland) DOI:10.3390/s26041283 PMID:41755223	综述	本文综述了基于深度学习的指纹呈现攻击检测技术，探讨了近年来的方法、分类、基准指标和公开数据集，并展望了未来研究方向	专注于深度学习在指纹呈现攻击检测领域的应用，系统性地分类和总结了现有方法，为未来研究提供方向	仅关注深度学习技术，未涵盖传统手工方法，且为综述性质，缺乏原创实验验证	综述基于深度学习的指纹呈现攻击检测方法，以提升指纹认证系统的安全性	指纹呈现攻击检测技术	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	基准指标	NA
2708	2026-03-02	MCADS: Simultaneous Detection and Analysis of 18 Chest Radiographic Abnormalities Using Multi-Label Deep Learning 2026-Feb-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040585 PMID:41750732	研究论文	本研究提出了一种名为MCADS的多标签深度学习系统，用于自动检测和分析胸片中的18种异常	开发了一个集成预训练DenseNet121模型和Grad-CAM可视化技术的端到端平台，能够同时快速检测18种胸部放射学异常	未提及系统在真实临床环境中的长期验证结果或与放射科医生的直接比较研究	解决全球放射科医生短缺导致的胸片解读延迟问题，提高诊断效率	胸部X光图像	计算机视觉	胸部疾病	深度学习	CNN	图像	使用八个大型公开数据集（具体样本数量未说明）	TorchXRayVision	DenseNet121	AUC	中央服务器（具体配置未说明）
2709	2026-03-02	Non-Destructive Freshness Assessment of Atlantic Salmon (Salmo salar) via Hyperspectral Imaging and an SPA-Enhanced Transformer Framework 2026-Feb-15, Foods (Basel, Switzerland) DOI:10.3390/foods15040725 PMID:41750916	研究论文	本研究提出了一种结合高光谱成像和Transformer深度学习架构的新颖检测框架，用于大西洋鲑鱼新鲜度的非破坏性评估	首次将Transformer架构与高光谱成像结合用于水产品新鲜度评估，并系统比较了多种预处理协议和特征波长选择算法，验证了注意力机制在光谱数据分析中的优越性	研究仅针对大西洋鲑鱼单一物种，未验证其他水产品的适用性；实验在受控条件下进行，实际冷链物流环境的复杂性可能影响模型性能	开发一种实时、非侵入性的水产品新鲜度检测方法，以满足现代食品工业对智能供应链的需求	大西洋鲑鱼	计算机视觉	NA	高光谱成像	Transformer	高光谱图像	NA	NA	Transformer	决定系数	NA
2710	2026-03-02	Comparison of CNN-Based Image Classification Approaches for Implementation of Low-Cost Multispectral Arcing Detection 2026-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s26041268 PMID:41755208	研究论文	本文比较了基于CNN的图像分类方法，用于实现低成本多光谱电弧检测系统	采用集成模型进行传感器融合，评估了使用更廉价、易获取和易更换硬件进行多光谱电弧检测的可行性	训练数据存在缺口时系统冗余性会降低，除非采取其他预防措施	评估低成本传感器选项在电弧检测应用中的可行性	无人机搭载传感器采集的多光谱图像数据	计算机视觉	NA	多光谱成像	CNN, 集成模型	图像	NA	NA	NA	NA	NA
2711	2026-03-02	RIME-Net: A Physics-Guided Unpaired Learning Framework for Automotive Radar Interference Mitigation and Weak Target Enhancement 2026-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s26041277 PMID:41755216	研究论文	本文提出了一种名为RIME-Net的物理引导无配对学习框架，用于联合实现汽车雷达干扰抑制和弱目标增强	提出了一种无需配对训练样本的物理引导无配对学习框架，结合了干扰抑制网络和目标增强网络，通过谱一致性损失、恒等映射约束以及显著性先验来同时处理干扰和增强弱目标	未明确说明框架在极端复杂电磁环境或极端低信噪比条件下的性能边界，也未讨论实时计算效率是否满足车载部署需求	解决汽车毫米波雷达因互干扰和宽带噪声导致的信噪比下降及弱目标丢失问题，提升雷达感知可靠性	汽车毫米波雷达的距离-多普勒（RD）地图	机器学习	NA	NA	GAN, CNN	图像（距离-多普勒地图）	NA	NA	CycleGAN（循环一致对抗架构）, 多尺度残差块, 通道-空间注意力机制	SINR（信号与干扰加噪声比）, 召回率, 结构相似性	NA
2712	2026-03-02	Knowledge-Guided Framework for Synthesizing Contrast-Dependent Data from Multi-Sequence Non-Contrast MRI 2026-Feb-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040576 PMID:41750724	研究论文	本文提出了一种知识引导的框架KGSynth，用于从多序列非对比MRI合成对比增强MRI图像	提出了一种结合知识估计器和风格映射网络的框架，通过显式建模病变和解剖特征以及对比特异性视觉特征，以提高合成图像的病理保真度	未明确提及具体局限性，但暗示当前深度学习方法在保留病变细节方面存在不足	开发一种无需钆基对比剂的虚拟对比增强方法，为禁忌症患者提供诊断质量的MRI图像	心脏和脑部MRI图像，具体针对心肌瘢痕和脑肿瘤的病理特征	医学影像分析	心血管疾病，脑肿瘤	磁共振成像，对比增强MRI，包括晚期钆增强和脑血容量图	生成模型	图像	NA	NA	知识估计器，风格映射网络	SSIM, PSNR	NA
2713	2026-03-02	A Code-Conforming Computer Vision Framework for Visual Inspection of Reinforced and Prestressed Concrete Bridges 2026-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s26041242 PMID:41755182	研究论文	本研究开发了一个名为VIADUCT的计算机视觉软件工具，用于辅助检测钢筋混凝土和预应力混凝土桥梁的典型劣化模式	与以往仅关注有限缺陷类型的研究不同，本研究旨在训练深度学习模型识别更广泛的缺陷类型，这些缺陷符合当前意大利桥梁评估规范的要求，并采用了多模态注意力机制（包括语义分割和分块缩减方法）来提升在复杂背景图像中的检测性能	训练数据集规模较小（仅包含1045张照片），可能限制了模型的泛化能力	探索人工智能在桥梁结构劣化视觉检测中的应用，以支持基础设施维护和安全评估	钢筋混凝土（RC）和预应力混凝土（PRC）桥梁	计算机视觉	NA	深度学习，对象检测，语义分割	YOLOv8n, SAM, U-Net	图像（广角或细节照片）	1045张在常规检查中拍摄的照片	NA	YOLOv8n, U-Net	精度	NA
2714	2026-03-02	Artificial Intelligence in Pediatric Inflammatory Bowel Disease: Applications in Diagnosis, Monitoring, and Therapeutic Decision-Making 2026-Feb-13, Children (Basel, Switzerland) DOI:10.3390/children13020260 PMID:41749616	综述	本文是一篇叙述性综述，旨在批判性地综合当前关于人工智能在儿童炎症性肠病的诊断、监测和治疗中应用的证据	强调了人工智能在儿童IBD中整合多模态数据（内窥镜、组织学、影像学、临床和生物标志物）进行自动化分析、患者中心监测以及治疗反应预测方面的应用潜力，特别是在儿科环境中对重复、无创监测的需求	由于儿童特异性人工智能研究有限，大量证据来自成人或混合队列；方法学异质性、儿科特异性验证不足以及未解决的伦理和监管挑战阻碍了其向常规临床实践的转化	评估人工智能在儿童炎症性肠病的诊断、监测和治疗决策中的应用	儿童炎症性肠病	数字病理学	炎症性肠病	机器学习，深度学习	NA	内窥镜数据，组织学数据，影像数据，临床数据，生物标志物数据	NA	NA	NA	NA	NA
2715	2026-03-02	Bridging Species with AI: A Cross-Species Deep Learning Model for Fracture Detection and Beyond 2026-Feb-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020213 PMID:41749752	研究论文	本研究开发了一种基于深度学习的跨物种骨折检测模型，通过结合人类骨折数据进行预训练，并利用马匹影像数据进行微调，实现了对赛马骨折的高精度检测	首次提出跨物种迁移学习框架，将人类医学影像数据应用于兽医领域，结合Vision Transformer和ResNet架构优化特征提取与适应性	研究主要针对马匹骨折检测，在其他兽医物种和人类医疗中的泛化能力仍需进一步验证	开发跨物种AI模型以提升骨折检测精度，并探索其在多物种健康监测中的潜在应用	纯种赛马（Thoroughbred racehorses）的骨折检测，并延伸至其他兽医物种（猫、狗等）及人类医疗	计算机视觉	骨折	放射影像（X光片）	深度学习	图像	来自公共档案和马医院的综合放射影像数据库，涵盖骨折与非骨折多种情况	未明确提及	Vision Transformer, ResNet	准确率, IoU（交并比）	未明确提及
2716	2026-03-02	Early Diagnosis of Parkinson's Disease Through Lite HGWA-Net Model: A Hybrid CNN Based on Wavelet Transform and Attention Mechanism 2026-Feb-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040550 PMID:41750699	研究论文	本文提出了一种基于小波变换和注意力机制的轻量级混合CNN模型（Lite HGWA-Net），用于通过MRI图像实现帕金森病的早期诊断	提出了一种轻量级深度学习框架，无需复杂网络架构或手动区域勾画，即可捕获空间、纹理和频域的PD生物标志物；模型集成了GhostNet与集成学习，结合了局部和全局空间信息；采用基于小波的频域特征提取而非下采样，并引入注意力模块聚焦于相关图像区域（特别是黑质区域）	未明确提及具体局限性	开发一个高效、高性能的深度学习框架，用于基于MRI的帕金森病可靠识别，实现自动化早期检测并支持临床可扩展、计算轻量的筛查工具	帕金森病患者与健康对照者	计算机视觉	帕金森病	磁共振成像（MRI）	CNN, 混合模型	图像（T2加权MRI）	来自PPMI数据库的MRI数据（具体样本数量未明确说明）	NA	Lite HGWA-Net（基于GhostNet、小波变换和注意力机制的混合架构）	F1分数	模型参数量为203万，计算量为4.36 GFLOPs（表明为轻量级设计）
2717	2026-03-02	A Comparative Study of Machine Learning and Deep Learning Models for Long-Term Snow Depth Inversion 2026-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s26041220 PMID:41755161	研究论文	本研究基于长期气象观测数据，系统比较了机器学习和深度学习模型在反演日积雪深度方面的性能	首次系统比较了多种机器学习和深度学习模型在长期积雪深度反演中的表现，并发现模型复杂度与预测性能并非简单正相关	ERA5-Land积雪物理参数的加入并未显著提升模型精度，研究仅基于中国黑龙江两个气象站的数据	比较机器学习和深度学习模型在长期积雪深度反演中的性能，为水文过程和气候变化研究提供有效解决方案	中国黑龙江漠河和密山两个气象站1961-2015水文年的日地面气象观测数据及ERA5-Land再分析数据中的积雪物理参数	机器学习	NA	气象观测, ERA5-Land再分析数据	机器学习模型, 深度学习模型	时间序列数据, 气象数据	1961-2015水文年的长期日观测数据（两个气象站）	NA	XGBoost, 1D CNN, LSTM, 1D CNN-LSTM	决定系数(R), 均方根误差(RMSE)	NA
2718	2026-03-02	Non-Intrusive Load Monitoring Model Based on SimCLR and Visualized Color V-I Trajectories 2026-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s26041230 PMID:41755171	研究论文	本文提出了一种基于SimCLR和可视化彩色V-I轨迹的非侵入式负载监测模型，用于解决跨域负载识别问题	结合对比学习和对抗训练，利用彩色V-I轨迹实现跨域特征对齐，减少对大量标注数据的依赖	NA	提升非侵入式负载监测在跨域场景下的识别性能	电力负载数据	机器学习	NA	非侵入式负载监测	深度学习模型	图像（RGB彩色V-I轨迹）	使用PLAID（源域）和WHITED（目标域）数据集	NA	SimCLR	学习效率，识别鲁棒性	NA
2719	2026-03-02	Improving Normal/Abnormal and Benign/Malignant Classifications in Mammography with ROI-Stratified Deep Learning 2026-Feb-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020206 PMID:41749745	研究论文	本研究通过基于感兴趣区域（ROI）存在与否对乳腺X光图像进行分层，利用多种深度学习模型评估了该方法在正常/异常和良性/恶性分类中的准确性提升	提出了一种基于ROI存在与否的图像分层策略，并证明随着数据量的增加，该策略能有效提升乳腺X光图像的分类诊断准确性	未明确说明模型在特定数据集上的泛化能力或临床验证的细节，且未讨论分层策略的计算复杂度	提高乳腺X光图像在正常/异常和良性/恶性分类中的诊断准确性	乳腺X光图像	计算机视觉	乳腺癌	深度学习	CNN, Transformer	图像	使用了VinDr、CDD-CESM和DMID三个公开数据集，具体样本数量未明确说明	未明确说明，可能包括TensorFlow、PyTorch等	ResNet, EfficientNet, SwinTransformer, ConvNeXt, MobileNet	分类准确性	NA
2720	2026-03-02	Deep-Learning-Based Classification of Lung Adenocarcinoma and Squamous Cell Carcinoma Using DNA Methylation Profiles: A Multi-Cohort Validation Study 2026-Feb-12, Cancers IF:4.5Q1 DOI:10.3390/cancers18040607 PMID:41749859	研究论文	本研究提出了一种基于深度神经网络的方法，利用全基因组DNA甲基化数据对非小细胞肺癌进行肺腺癌和肺鳞状细胞癌的亚型分类，并在多队列中进行了验证	首次将深度神经网络应用于基于DNA甲基化数据的非小细胞肺癌亚型分类，并采用SHAP方法解释关键CpG生物标志物	研究依赖于特定平台（Illumina HumanMethylation450 BeadChip）的数据，可能限制了在其他甲基化数据上的泛化能力	开发一种可靠的深度学习方法，用于非小细胞肺癌的精确亚型分类，以辅助治疗决策和预后评估	非小细胞肺癌（NSCLC）患者，具体为肺腺癌（LUAD）和肺鳞状细胞癌（LUSC）亚型	机器学习	肺癌	DNA甲基化分析，使用Illumina HumanMethylation450 BeadChip平台	深度神经网络	DNA甲基化数据	使用TCGA数据集进行训练和验证，并在两个独立的GEO数据集（GSE39279和GSE56044）上进行外部验证，具体样本数量未明确说明	未明确说明，可能为TensorFlow或PyTorch	五层深度神经网络，包含批归一化和丢弃正则化	准确率，AUC-ROC	未明确说明