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
2781	2026-03-02	US-ATHC: Unsupervised Multi-Class Glioma Segmentation via Adaptive Thresholding and Clustering 2026-Feb-09, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020397 PMID:41751297	研究论文	提出了一种名为US-ATHC的完全无监督两阶段流程，用于3D MRI中胶质瘤的全局检测和多类亚区分割	结合自适应阈值处理和层次聚类，无需专家标注即可实现胶质瘤的多类分割，在无监督方法中取得了优于经典聚类技术和先进深度学习模型的性能	未明确说明方法在低对比度或噪声较大的MRI图像上的鲁棒性，也未讨论对不同MRI扫描仪或采集参数的泛化能力	开发一种无监督的胶质瘤分割方法，以解决专家标注稀缺的问题，支持临床诊断、治疗规划和手术导航	3D容积MRI中的胶质瘤	数字病理学	胶质瘤	MRI	无监督学习	3D MRI图像	BraTS 2021数据集和Poitiers大学医院的Gliobiopsy数据集	NA	自适应阈值处理（Sauvola）结合形态学处理，以及优化的亲和传播聚类	NA	NA
2782	2026-03-02	Fourier-Based Non-Rigid Slice-to-Volume Registration of Segmented Petrographic LM and CT Scans of Concrete Specimens 2026-Feb-09, Materials (Basel, Switzerland) DOI:10.3390/ma19040663 PMID:41753385	研究论文	提出一种结合深度学习语义分割和基于傅里叶的切片到体积配准的工作流程，用于定量分析混凝土样本中的空隙（如裂缝和气孔）	首次将深度学习语义分割与基于傅里叶的切片到体积配准相结合，用于多模态（2D LM和3D μCT）数据融合，实现混凝土空隙的精确自动化定量分析	未明确说明样本数量或数据集的规模，可能限制方法的泛化能力评估	开发一种定量分析混凝土冻融损伤中空隙（裂缝和气孔）的方法，以改进现有定性评估标准	混凝土样本的2D光显微镜（LM）图像和3D微计算机断层扫描（μCT）数据	计算机视觉	NA	光显微镜（LM），微计算机断层扫描（μCT），深度学习语义分割，傅里叶分析	深度学习（具体架构未指定）	图像（2D LM图像和3D μCT扫描）	NA	NA	NA	成功率，相对均方根误差（RRMSE）	NA
2783	2026-03-02	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	综述	本文系统综述了从自行车到电动滑板车等微出行方式中，用于监测生理安全的可穿戴传感器技术，并指出了当前研究存在的差距	首次系统性地对比了自行车与电动滑板车环境下生理安全监测技术的差异，并明确指出了将现有自行车监测模型直接应用于高振动的电动滑板车环境存在的技术滞后问题	纳入的研究数量有限（11篇出版物，代表9项独特研究），实验室研究依赖单一冗余数据集（N=27）且缺乏独立验证，实地研究缺乏实时预测能力	识别阻碍主动安全系统发展的技术差距，推动微出行领域的生理安全监测	用于检测压力、疲劳和用力的可穿戴传感器在骑行和微出行中的应用	机器学习	NA	可穿戴生理传感	CNN-LSTM	生理传感数据	实验室研究样本量27	NA	CNN-LSTM	F1分数	NA
2784	2026-03-02	Performance Analysis of LSTM, GRU and Hybrid LSTM-GRU Model for Detecting GPS Spoofing Attacks 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041111 PMID:41755053	研究论文	本文对LSTM、GRU和混合LSTM-GRU深度学习模型在检测GPS欺骗攻击方面的性能进行了比较分析	提出并评估了混合LSTM-GRU架构，在检测GPS欺骗攻击中实现了高准确率、召回率和F1分数	研究基于模拟数据集，可能未完全覆盖真实世界攻击的复杂性	比较不同深度学习模型在检测无人机GPS欺骗攻击中的性能	无人机GPS欺骗攻击	机器学习	NA	深度学习	LSTM, GRU, LSTM-GRU混合模型	时间序列数据	使用'UAV Attack'数据集，具体样本数量未明确说明	NA	LSTM, GRU, LSTM-GRU混合架构	准确率, 召回率, F1分数, 精确率, ROC曲线, AUC值	NA
2785	2026-03-02	Development of a Deep Learning-Based Decision Framework for Optimal Process Parameter Selection in Metal Additive Manufacturing 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041124 PMID:41755065	研究论文	本研究提出了一种基于深度学习的决策框架，用于优化金属增材制造（WAAM）的工艺参数选择，以控制表面粗糙度	首次开发了一个AI框架，能够根据实时变化的焊道几何形状，快速识别接近最优的工艺参数，以控制多层WAAM过程中的表面粗糙度	可行性分析基于先前开发和验证的表面粗糙度预测模型进行，而非直接物理测量；仅使用了五个WAAM样本进行比较分析	优化金属增材制造（WAAM）的工艺参数，以提高生产率和表面质量，减少对后处理的依赖	金属增材制造（WAAM）过程中的焊道几何形状和表面粗糙度	机器学习	NA	NA	深度神经网络（DNN）	模拟数据	基于100万个焊道几何形状变化和72种工艺参数组合生成的大规模模拟数据集；使用5个先前生成的WAAM样本进行比较分析	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
2786	2026-03-02	The Evolution of Modeling Approaches: From Statistical Models to Deep Learning for Locust and Grasshopper Forecasting 2026-Feb-08, Insects IF:2.7Q1 DOI:10.3390/insects17020182 PMID:41752585	综述	本文综述了蝗虫和蚱蜢爆发预测方法从传统统计模型到深度学习（DL）的演变，并评估了DL架构在生态预测任务中的应用与挑战	系统比较了蝗虫与蚱蜢爆发预测方法的演变，特别关注了DL方法在生态预测中的应用，并提出了整合可解释AI（XAI）、迁移学习和生成模型（如GANs）的未来研究方向	数据稀缺、模型跨区域泛化能力有限以及DL模型的“黑箱”问题导致可解释性低	开发更稳健、透明且基于生态学的预测工具，以指导脆弱草原生态系统中蝗虫可持续管理的有效预警系统	蝗虫和蚱蜢的种群动态，特别是在草原生态系统（如内蒙古）中的爆发	机器学习	NA	NA	DNN, CNN, RNN, LSTM, GRU, GAN	时空数据（环境驱动因素，如天气、植被、土壤条件）	NA	NA	深度神经网络, 卷积神经网络, 循环神经网络, 长短期记忆网络, 门控循环单元, 生成对抗网络	NA	NA
2787	2026-03-02	Digitalization and Automation of Runway Inspection Using Unmanned Aerial Vehicles 2026-Feb-08, Sensors (Basel, Switzerland) DOI:10.3390/s26041100 PMID:41755043	研究论文	本文提出了一种利用无人机获取图像对机场跑道道面进行自动化检测和状况评估的端到端框架	集成了无人机数据采集、基于深度学习的像素级语义分割和基于GIS的空间聚合，生成地理参考的数字道面状况表示，为传统人工检查提供了可扩展的数据驱动替代方案	NA	实现机场跑道道面的自动化检测与状况评估，支持维护优先级决策	机场跑道道面	计算机视觉	NA	无人机图像采集	深度学习	图像	扎达尔机场整个跑道的高分辨率无人机图像	NA	NA	NA	NA
2788	2026-03-02	An Integrated Framework for Automated Image Segmentation and Personalized Wall Stress Estimation of Abdominal Aortic Aneurysms 2026-Feb-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020191 PMID:41749731	研究论文	提出一个集成框架，用于自动分割腹主动脉瘤图像并个性化估算其壁应力	将基于补丁的扩张改进U-Net模型、非均匀有理B样条（NURBS）优化分割以及非线性弹性膜分析（NEMA）应力估算相结合，为AAA计算分析提供了一种稳健高效的方法	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证范围	开发自动化工具以辅助腹主动脉瘤的监测和手术规划	腹主动脉瘤患者的CTA图像	数字病理学	心血管疾病	计算机断层扫描血管造影	CNN	图像	NA	NA	改进的U-Net	NA	NA
2789	2026-03-02	A Review of U-Net Based Deep Learning Frameworks for MRI-Based Brain Tumor Segmentation 2026-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040506 PMID:41750656	综述	本文综述了2019年至2025年间发表的35项研究，重点关注基于U-Net架构的深度学习框架在MRI脑肿瘤分割中的应用	系统性地回顾并分析了U-Net架构从原始2D/3D模型到更先进变体的演变，并总结了该领域的标准评估指标与基准数据集	作为一篇综述文章，其本身不包含新的实验数据或模型创新，主要依赖于对现有文献的分析与综合	回顾和分析基于U-Net的深度学习框架在MRI脑肿瘤自动分割中的应用与发展	MRI图像中的脑肿瘤	数字病理学	脑肿瘤	磁共振成像	U-Net	图像	NA	NA	U-Net, 2D U-Net, 3D U-Net	NA	NA
2790	2026-03-02	Cascaded Deep Learning-Based Model for Classification and Segmentation of Plaques from Carotid Ultrasound Images 2026-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020190 PMID:41749730	研究论文	提出一种级联深度学习框架，通过共享斑块位置信息，联合实现颈动脉超声图像中斑块的分类与分割	提出了一种结合分类与分割的级联框架，通过共享斑块位置信息（使用CAM作为提示）提升两项任务的性能；引入了基于真实边界的区域特征池化策略和两阶段迭代推理方法	未明确说明样本来源的多样性（如多中心数据）、模型在外部验证集上的泛化能力，以及计算效率的具体分析	提升颈动脉斑块的分类与分割精度，以支持更准确的卒中风险评估	颈动脉超声图像中的动脉粥样硬化斑块	计算机视觉	心血管疾病	超声成像	CNN, Transformer	图像	NA	PyTorch	ResNet, MedSAM	F1-score, Dice相似系数	NA
2791	2026-03-02	ICIsc: A Deep Learning Framework for Predicting Immune Checkpoint Inhibitor Response by Integrating scRNA-Seq and Protein Language Models 2026-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020187 PMID:41749727	研究论文	提出一个名为ICIsc的深度学习框架，通过整合单细胞RNA测序数据和蛋白质语言模型来预测免疫检查点抑制剂的反应	首次将单细胞RNA测序数据与蛋白质语言模型（ESM2）结合，并利用双线性注意力模块和GATv2图注意力网络来融合患者和药物表示，以建模免疫微环境异质性	未明确说明框架在更大或更多样化患者队列中的验证情况，以及计算资源需求可能较高	准确预测免疫检查点抑制剂（ICI）的治疗反应，以改善癌症免疫疗法的疗效	接受PD-1/PD-L1和CTLA-4靶向免疫检查点抑制剂治疗的癌症患者	机器学习	癌症	单细胞RNA测序（scRNA-seq），蛋白质语言模型（ESM2）	深度学习框架，图注意力网络（GATv2）	转录组数据，氨基酸序列数据，单细胞RNA测序数据	NA	PyTorch（推测，基于GATv2和深度学习框架的常见实现）	GATv2，双线性注意力模块	基准评估指标（如准确性、AUC等，具体未列明），SHAP解释性分析	NA
2792	2026-03-02	Leveraging Cross-Subject Transfer Learning and Signal Augmentation for Enhanced RGB Color Decoding from EEG Data 2026-Feb-06, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16020195 PMID:41750196	研究论文	本研究通过结合跨被试迁移学习和信号增强技术，旨在提升从脑电图数据中解码RGB颜色的性能	创新点在于整合跨被试迁移学习与信号增强（如频率切片重组和高斯噪声添加），以应对被试间变异性和数据稀缺问题，从而提高EEG信号中RGB颜色分类的准确性和泛化能力	研究基于31名被试的EEG数据集，样本规模相对有限，可能影响模型在更广泛人群中的泛化性能；且未详细探讨不同增强技术对特定颜色类别解码的差异化影响	研究目标是克服脑电图信号解码中的被试间变异性和数据不足挑战，通过迁移学习和数据增强提升RGB颜色分类性能，以推动基于视觉特征的脑机接口应用	研究对象为31名先前研究中的被试的脑电图信号数据，用于解码RGB颜色分类	机器学习	NA	脑电图信号处理	CNN, 注意力机制	脑电图信号	31名被试的EEG数据集	NA	DeepConvNet, Adaptive Temporal Convolutional Network	分类准确率	NA
2793	2026-03-02	Artificial Intelligence as a Catalyst for Antimicrobial Discovery: From Predictive Models to De Novo Design 2026-Feb-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14020394 PMID:41753681	综述	本文全面回顾了人工智能在加速抗菌药物发现和设计中的应用进展	整合了机器学习、深度学习和生成模型，特别是图神经网络、注意力机制和基于大语言模型的生成器，用于虚拟筛选、活性预测和从头设计，以识别结构新颖的化合物并促进窄谱抗菌策略	面临数据稀缺与不平衡、实验验证有限以及临床转化障碍等挑战	加速抗菌药物发现，应对抗菌素耐药性这一全球健康挑战	小分子抗生素和抗菌肽	机器学习	NA	NA	机器学习, 深度学习, 生成模型	化学和生物数据	NA	NA	图神经网络, 注意力机制, Transformer, 变分自编码器, 大语言模型	NA	NA
2794	2026-03-02	MMHC-OCPR: Prediction of Platinum Response and Recurrence Risk in Ovarian Cancer with Multimodal Deep Learning 2026-Feb-02, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020348 PMID:41751247	研究论文	本研究开发了一个多模态深度学习模型MMHC-OCPR，用于预测卵巢癌患者的铂类化疗反应和复发风险	采用弱监督多实例学习框架整合组织病理学图像与临床病理变量，并引入基于Transformer的预训练编码器UNI2-h以提升模型预测性能	研究为回顾性多中心设计，样本量相对有限（431例患者），且外部验证仅依赖TCGA公开数据	预测卵巢癌患者的铂类化疗反应和复发风险，以实现早期个性化治疗并改善预后	卵巢癌患者	数字病理学	卵巢癌	全切片图像分析	多模态深度学习	图像, 临床数据	431例患者（来自两个独立数据集），包含1182张全切片图像	NA	UNI2-h	AUC, C-index	NA
2795	2026-03-02	One Method for Improving Overlay Accuracy Through Focus Control 2026-Feb-02, Micromachines IF:3.0Q2 DOI:10.3390/mi17020207 PMID:41753863	研究论文	本文提出了一种结合光学硬件设计与软件算法的集成优化策略，以提高图像套刻对准（IBO）设备的测量精度与效率	提出了一种集成优化策略，结合了采用双波长双探测器架构的硬件方案与基于深度学习实时预测调整标记位置和离焦量的软件方案，以协同方式提升套刻测量性能	NA	解决先进工艺节点中套刻测量精度与效率之间的权衡问题	图像套刻对准（IBO）设备中的套刻标记测量	机器视觉	NA	光学反射成像	深度学习	图像	NA	NA	NA	NA	NA
2796	2026-03-02	Unpaired Learning-Enabled Nanotube Identification from AFM Images 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512504 PMID:41449757	研究论文	提出一种基于深度学习的无配对学习方法，用于从原子力显微镜图像中提取纳米管形态	利用基于cycleGAN的图像到图像翻译框架，结合专门设计的损失函数，将包含纳米管的AFM图像转换为纯基底图像，从而有效分离纳米管形态	模型泛化能力有待扩展，未来工作旨在与实时AFM成像集成	优化纳米管网络形态的表征，以支持柔性电子应用的开发	单壁碳纳米管（SWCNTs）及其在柔性聚合物基底上的网络形态	计算机视觉	NA	原子力显微镜（AFM）成像	GAN	图像	NA	NA	cycleGAN	灵敏度, 准确度	NA
2797	2026-03-02	CLinNET: An Interpretable and Uncertainty-Aware Deep Learning Framework for Multi-Modal Clinical Genomics 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512842 PMID:41604548	研究论文	本文介绍了一种名为CLinNET的可解释且具有不确定性感知的深度学习框架，用于多模态临床基因组学分析，旨在增强基因管理和VUS解释	CLinNET采用双分支设计整合多模态数据，结合生物信息学架构、基于置信度的不确定性量化以及分层SHAP解释，提高了预测准确性和生物相关性	模型主要针对神经认知障碍数据集进行训练，在其他疾病类型中的普适性仍需进一步验证	开发一个可解释且不确定性感知的深度学习框架，以识别神经认知障碍的分子驱动因子和诊断基因	神经认知障碍（NDs）相关的基因数据，包括测序数据、基因表达、生物通路和基因本体（GO）信息	机器学习	神经认知障碍	测序数据、基因表达分析、生物通路分析、基因本体（GO）分析	深度神经网络	多模态数据（测序、基因表达、通路、GO）	NA	NA	双分支深度神经网络	F1分数, 准确率, 精确率-召回曲线下面积（AUC-PR）	NA
2798	2026-03-02	CA-CAE: A deep learning-based multi-omics model for pan-cancer subtype classification and prognosis prediction 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014015 PMID:41719374	研究论文	本研究提出了一种结合通道注意力机制的卷积自编码器预后模型（CA-CAE），用于基于多组学数据进行泛癌症亚型分类和预后预测	提出了一种结合通道注意力机制的卷积自编码器模型，能够更准确地识别癌症亚型并预测生存结果，相比传统统计方法和其他深度学习方法表现更优	NA	通过整合深度学习技术，更准确地识别癌症亚型，为癌症患者的个性化治疗提供可靠依据	多种癌症类型的多组学数据	机器学习	癌症	高通量测序技术	卷积自编码器	多组学数据	NA	NA	卷积自编码器	生存预测性能	NA
2799	2026-03-02	Yin-Dan-Ping-Gan Capsule Mitigates CCL4-Induced Liver Fibrosis via Regulating PPAR γ/GPX4 Signaling and Suppressing Ferroptosis 2026-Feb-01, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19020251 PMID:41754793	研究论文	本研究探讨了银丹平肝胶囊通过调控PPARγ/GPX4信号通路抑制铁死亡，从而减轻四氯化碳诱导的小鼠肝纤维化的作用机制	首次结合蛋白质组学、深度学习和网络药理学方法，系统揭示了银丹平肝胶囊通过调控PPARγ/GPX4信号通路抑制铁死亡来抗肝纤维化的新机制	研究仅基于小鼠模型，尚未在人体中进行验证；机制研究主要集中于PPARγ/GPX4通路，可能存在其他未探索的作用途径	探究银丹平肝胶囊治疗肝纤维化的分子机制	四氯化碳诱导的肝纤维化小鼠模型	数字病理学	肝纤维化	蛋白质组学、Western blot、深度学习、网络药理学	深度学习模型	蛋白质组数据、生化指标数据、图像数据	小鼠模型样本（具体数量未明确说明）	NA	NA	纤维化指数、肝功能指标、MDA含量、铁含量、GSH活性	NA
2800	2026-03-02	PolyAseqTrap: a universal tool for genome-wide identification and quantification of polyadenylation sites from different 3' end sequencing data 2026-Jan-31, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03963-w PMID:41620776	研究论文	本文提出PolyAseqTrap，一个用于从多种3'端测序数据中识别和量化多聚腺苷酸化位点的通用R包	提出了一种多聚腺苷酸化读段优先策略以精确定位polyA位点，并引入了一个可迁移的跨物种深度学习模型来缓解长期存在的内部引物问题	NA	开发一个通用工具，用于全基因组范围内识别和量化不同3'端测序数据中的多聚腺苷酸化位点	多种3'端测序技术生成的数据，涉及多个物种	生物信息学	NA	3'端测序	深度学习模型	测序数据	涉及16种不同的3'端测序技术，跨多个物种	R	NA	NA	NA