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
261	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
262	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
263	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
264	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
265	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
266	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
267	2026-03-31	Satellite On-Orbit Chip-Level Deep Learning Model for Real-Time Dust Storm Monitoring 2026-Mar-19, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c14697 PMID:41855461	研究论文	本文提出了一种卫星在轨芯片级深度学习模型，用于实时监测沙尘暴，显著减少了数据处理延迟	采用在轨深度学习框架，直接在卫星上执行沙尘暴检测和定量反演，将延迟从半小时至数小时减少到5.62分钟，并引入级联设计和尾部感知损失函数以提高极端浓度下的准确性	研究基于模拟部署在资源受限的卫星计算环境（如NVIDIA Jetson AGX Orin平台），实际在轨性能可能受硬件和环境因素影响	开发一种实时、低延迟的沙尘暴监测系统，用于暴露评估和早期预警	沙尘暴事件，特别是高浓度PM10和PM2.5颗粒物	计算机视觉	NA	深度学习，卫星遥感	CNN, LSTM	卫星观测图像	案例研究（2023年5月19-20日；2025年4月15日）	PyTorch, TensorFlow	级联设计（轻量级事件门和多任务反演器）	RMSE	NVIDIA Jetson AGX Orin平台，功耗约10W，内存占用<3GB
268	2026-03-31	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	提出了一种名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	在序列预测模型中显式整合了蛋白质残基信息和配体信息，克服了现有方法主要依赖蛋白质序列而忽略配体信息的局限	未明确说明模型对未见配体或蛋白质的泛化能力，也未讨论计算复杂度或运行时间	开发一种能够准确预测蛋白质-配体结合残基的序列深度学习模型，以支持虚拟筛选和药物发现	蛋白质序列和配体信息	生物信息学/计算生物学	NA	深度学习	深度学习模型	序列数据（蛋白质序列）	NA	NA	NA	NA	NA
269	2026-03-31	Molecular Pathology, Artificial Intelligence, and New Technologies in Hematologic Diagnostics: Translational Opportunities and Practical Considerations 2026-Mar-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060913 PMID:41897649	综述	本文探讨了人工智能、自动化及数字形态学平台在血液病理学和分子诊断中的应用及其转化潜力	综合评估了AI在血液诊断多个环节（如数字形态学、流式细胞术、分子病理学）的应用，并强调与WHO HAEM5和国际共识分类框架对齐的多模态模型发展	成功转化依赖于疾病特异性验证、多模态模型开发以及保持专家监督的实验室治理，这些因素可能限制即时广泛应用	改善血液疾病诊断的准确性和患者护理，通过技术应用应对实验室日益增长的病例复杂性和人员挑战	血液疾病诊断技术，包括数字形态学平台、AI辅助的血液和骨髓解读、AI赋能的流式细胞术、自动化及机器人系统	数字病理学	血液疾病	数字形态学分析、流式细胞术、分子测试	深度学习	图像、流式细胞术数据、分子数据	NA	NA	NA	一致性、性能可比性、吞吐量增益	NA
270	2026-03-31	Enhancing Pig Behavior Recognition in Complex Environments: A Transfer Learning-Assisted YOLO11 Network with Wavelet Convolution and Synergistic Attention 2026-Mar-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16060964 PMID:41897941	研究论文	本文提出了一种基于轻量级YOLO11n优化的猪行为识别方法，通过引入小波卷积和协同注意力机制，旨在提升复杂环境下猪行为识别的准确性和效率	提出了三种基于YOLO11n的优化策略：在C3k2层嵌入SCSA-CBAM以增强多尺度特征判别力；在颈部引入WFU进行动态跨尺度特征融合；在骨干网络中用WTConv替换标准卷积以降低计算开销	模型在自建数据集上进行验证，其泛化能力在其他养殖环境或不同品种猪群中仍需进一步测试	开发一种轻量、高效且泛化能力强的猪行为识别模型，以支持实时智能畜牧管理	猪的行为	计算机视觉	NA	深度学习，迁移学习，数据增强	YOLO	图像	2480张原始图像，按8:2比例分层随机抽样分为训练集和验证集	PyTorch	YOLO11n-SCSA-WFU-WT	mAP@0.5, mAP@0.5:0.95, 参数量, GFLOPs, FPS	NA
271	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
272	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
273	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
274	2026-03-31	Prediction of Bandgap and Key Feature Analysis of Lead-Free Double Perovskite Oxides Based on Deep Learning 2026-Mar-19, Molecules (Basel, Switzerland) DOI:10.3390/molecules31061032 PMID:41900131	研究论文	本研究利用深度学习模型预测无铅双钙钛矿氧化物的带隙，并通过SHAP方法分析关键特征	系统比较了MLP、深度集成学习、PINN和Transformer四种模型在带隙预测中的性能，并利用SHAP方法进行特征重要性分析以增强模型可解释性	MLP模型对含有Si和Mg等元素的中高带隙系统泛化能力有限	实现无铅双钙钛矿氧化物带隙的高精度预测和机理解释，为材料设计和性能优化提供理论支持	无铅双钙钛矿氧化物	机器学习	NA	深度学习	MLP, 深度集成学习, PINN, Transformer	结构化特征数据	2367个有效数据集	NA	MLP, 深度集成学习, PINN, Transformer	R值, MAE, MSE, RMSE	NA
275	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
276	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
277	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
278	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
279	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
280	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