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
2921	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
2922	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
2923	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
2924	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
2925	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）
2926	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
2927	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
2928	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
2929	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
2930	2026-03-02	Lateral Cephalometric Radiography: Principles, Common Positioning Errors, and AI-Driven Quality Control 2026-Feb-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040543 PMID:41750692	综述	本文对侧位头影测量X线摄影（LCR）的原理、常见定位误差及人工智能驱动的质量控制进行了当代综述	聚焦于人工智能（特别是深度学习模型）在LCR自动标志点检测和误差标记中的应用，以提升工作流程的一致性，并讨论了AI工具在泛化性方面的局限性及需要人工监督	当前的人工智能工具需要进一步验证，并且在泛化性方面存在局限性，需要人工监督	增强侧位头影测量X线摄影的诊断可靠性，并探讨技术整合（尤其是人工智能）对其的影响	侧位头影测量X线摄影（LCR）的成像技术、患者定位误差、以及与锥形束计算机断层扫描（CBCT）的比较	数字病理	NA	侧位头影测量X线摄影（LCR），锥形束计算机断层扫描（CBCT）	深度学习模型	X射线图像	NA	NA	NA	NA	NA
2931	2026-03-02	Deep Learning for Emergency Department Sustainability: Interpretable Prediction of Revisit 2026-Feb-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14040464 PMID:41753977	研究论文	本研究开发了一种基于深度学习的可解释临床决策支持系统，用于预测急诊科患者的非计划再就诊风险	提出了一种多模态CNN模型，整合了结构化变量（生命体征、药物、实验室计数、ICD-10共病指标）和非结构化医师笔记，并通过SHAP分析实现模型可解释性	研究为单中心回顾性研究，样本可能受特定医院实践模式影响；模型性能需在更多外部数据集中验证	开发预测急诊科患者非计划再就诊风险的工具，以支持针对性出院规划和随访，缓解急诊科过度拥挤问题	急诊科患者的电子健康记录数据	医疗人工智能	急诊医学	电子健康记录分析，自然语言处理	CNN	多模态数据（结构化变量、非结构化文本）	184,653例急诊科就诊记录（2018年1月至2022年12月）	NA	多模态CNN	敏感性，准确率，AUROC	NA
2932	2026-03-02	Hybrid Deep Learning-Geostatistical Mapping of Forest Aboveground Biomass in Lishui, China 2026-Feb-12, Plants (Basel, Switzerland) DOI:10.3390/plants15040587 PMID:41754293	研究论文	本研究提出了一种结合CNN-Transformer模型与地统计学克里金插值的混合框架，用于改进中国丽水市森林地上生物量的区域制图	提出了一种混合深度学习-地统计学框架，首次将CNN-Transformer模型与残差的克里金插值结合，以同时捕捉空间自相关并提高森林地上生物量制图精度	研究仅基于398个森林样地，样本量相对有限，且模型在丽水市特定区域的适用性需进一步验证	改进区域森林地上生物量制图精度，支持森林管理和保护规划	中国浙江省丽水市的森林地上生物量	机器学习和遥感	NA	遥感影像分析（Sentinel-2、ALOS-2 PALSAR-2 SAR、ALOS DEM）	CNN-Transformer, Random Forest	多源遥感影像数据（光学、雷达、高程）	398个森林样地	NA	CNN-Transformer	R, RMSE	NA
2933	2026-03-02	HEOCP: Hybrid Energy-Optimized Clustering Protocol for WSNs Using Analytical Modeling and Deep Learning Integration 2026-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s26041188 PMID:41755129	研究论文	本文提出了一种结合无线电能耗分析建模与深度学习辅助簇头选择的混合能量优化聚类协议（HEOCP），以延长无线传感器网络的寿命	首次将无线电能耗分析建模与深度学习（ResNet-50）相结合，用于簇头选择，并通过遗传算法优化配置，实现了实时预测，避免了重复的启发式优化	研究基于仿真验证，未在真实大规模物联网部署中进行实际测试	优化无线传感器网络的能量管理，延长网络寿命	无线传感器网络（WSNs）中的传感器节点	机器学习	NA	NA	深度学习	网络配置数据	多种网络规模下的仿真场景	TensorFlow, PyTorch	ResNet-50	网络寿命延长百分比，首节点死亡延迟，整体能量效率	未明确指定，但提及适用于大规模物联网部署
2934	2026-03-02	EEG-Based Emotion Estimation Model Integrating Structural and Time-Series Information Based on Deep Learning Architecture Optimization 2026-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s26041210 PMID:41755151	研究论文	本文提出了一种基于深度学习的脑电图情绪识别模型，该模型通过集成结构信息和时间序列信息，并利用架构自动搜索技术来优化性能	首次将图卷积网络、长短期记忆网络、通道注意力机制和可微分架构搜索集成到脑电图情绪识别中，实现了对电极连接性和个体差异性的自适应建模	未在论文摘要中明确提及	开发一种能够自动优化架构、提高识别准确性和适应性的脑电图情绪识别模型	脑电图信号	机器学习	NA	脑电图	GCN, LSTM	时间序列信号	NA	NA	图卷积网络, 长短期记忆网络	准确率	NA
2935	2026-03-02	An educational machine learning demonstration framework for plastic surgeons using open datasets 2026-Feb-12, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2026.02.010 PMID:41762764	研究论文	本文介绍了一个名为DermAI-Melanoma的开放数据演示框架，旨在帮助整形外科医生通过公开数据集学习和实践机器学习，以黑色素瘤分类作为教学案例	开发了一个专门针对整形外科医生的教育性机器学习演示框架，利用公开数据集实现深度学习模型的透明化训练和部署，并优化了适用于智能手机的轻量级模型	研究仅基于单一公开数据集（SIIM-ISIC 2020），且主要作为演示框架，可能未涵盖临床实践中的所有复杂情况	通过教育性框架促进整形外科医生参与数据科学，利用开放数据集构建可部署的人工智能工具	整形外科医生及医学教育者，使用黑色素瘤图像数据进行机器学习模型训练	机器学习	黑色素瘤	深度学习	CNN	图像	基于SIIM-ISIC 2020黑色素瘤数据集，具体样本数量未在摘要中明确说明	TensorFlow.js	EfficientNet-B3, MobileNetV3-Small	准确率, AUC-ROC, F1分数	标准智能手机（用于MobileNetV3-Small模型部署），具体训练资源未在摘要中明确说明
2936	2026-03-02	Unveiling the Digital Phenotype of Physical Activity Behavior in Community-Dwelling Older Adults Using Machine Learning 2026-Feb-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020205 PMID:41749744	研究论文	本研究应用机器学习方法预测社区居住老年人的体力活动模式，并识别影响这些行为的关键因素	结合可穿戴传感器数据与机器学习和深度学习方法，揭示老年人体力活动的数字表型，并识别心理动机因素与历史步数数据在预测中的重要性	研究未明确提及样本的多样性或数据收集的地理范围限制，可能影响模型的泛化能力	预测老年人体力活动模式并识别关键影响因素	社区居住的老年人	机器学习	老年疾病	可穿戴传感器数据收集	线性回归, 逻辑回归, Elastic Net, LightGBM, GRU, LSTM	横断面数据, 纵向时间序列数据	NA	LightGBM, TensorFlow或PyTorch（基于GRU/LSTM使用推断）	LightGBM, GRU, LSTM	NA	NA
2937	2026-03-02	A Sophisticated Onscreen Smart Framework for Predicting Diabetes in Remote Healthcare 2026-Feb-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040532 PMID:41750681	研究论文	本文提出了一种基于优化集成深度学习的自动化糖尿病预测框架（BOLD），用于远程医疗应用	结合了Brassy Pelican Optimization（BPO）进行特征选择、Deer Hunting Optimization（DHO）进行超参数优化，并采用Hunting Optimized RNN-LSTM进行分类，提高了预测的鲁棒性和精确性	未明确提及模型在更广泛或不同人群数据集上的泛化能力测试	设计并开发一种用于慢性病（糖尿病）诊断的自动化工具，以提高预测的准确性、可靠性和效率	糖尿病患者与非糖尿病患者	机器学习	糖尿病	深度学习，优化算法	RNN-LSTM	结构化医疗数据	使用了PIDD、印度尼西亚糖尿病数据库和肾脏疾病数据集，具体样本数量未明确说明	NA	RNN-LSTM	RMSE, Cohen's Kappa, 精确率, 召回率, 准确率, AUC	NA
2938	2026-03-02	Hybrid Ensemble Model for Knee Osteoarthritis Grading: Integrating CNNs with GLCM Features and XAI 2026-Feb-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16040539 PMID:41750687	研究论文	本研究提出了一种结合CNN深度特征与GLCM手工纹理特征的混合集成模型，用于膝关节X光片的骨关节炎严重程度自动分级	将微调的ResNet-101和EfficientNetB7提取的深度特征与手工GLCM纹理描述符相结合，并通过软投票集成进行最终预测，同时使用Grad-CAM提供模型可解释性	研究中仅使用了KL-0、KL-2、KL-3和KL-4四个等级进行分类，未包含所有KL分级；测试准确率为73%，仍有提升空间	开发自动分类膝关节骨关节炎严重程度的可靠且可解释的方法	膝关节前后位X光图像	计算机视觉	骨关节炎	X射线成像	CNN, 集成学习	图像	未明确说明	未明确说明	ResNet-101, EfficientNetB7	准确率, 宏F1分数, 加权F1分数	未明确说明
2939	2026-03-02	A Deep Learning-Based Method for Non-Destructive Estimation of Carbonate Carbon Storage in Biogenic Shells on Marine Engineering Materials 2026-Feb-11, Materials (Basel, Switzerland) DOI:10.3390/ma19040691 PMID:41753411	研究论文	本研究开发了一种基于深度学习的非破坏性框架，用于从原位图像中估计海洋工程材料上生物贝壳的碳酸盐碳储量	提出了一种结合改进Mask R-CNN和目标识别、异速生长关系及实测碳分数的非破坏性碳储量估计方法，避免了传统破坏性采样的限制	研究仅在特定近岸水域（六横岛）进行了五个月的监测，样本量有限（90张面板图像），且模型在复杂近岸条件下的性能仍有提升空间	开发一种非破坏性方法，用于长期监测海洋工程材料表面硬壳生物积累的碳酸盐碳储量	海洋工程材料表面附着的藤壶和双壳类生物	计算机视觉	NA	原位图像采集、异速生长关系分析、碳酸盐碳分数测量	CNN	图像	90张面板图像，采集自不同表面材料的面板，监测时间为5个月（6月至10月）	NA	改进的Mask R-CNN	召回率, 精确率, 相关系数R, 估计误差	NA
2940	2026-03-02	Rethinking Nature's Pharmacy: AI Era and Natural Product Drug Discovery 2026-Feb-11, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19020301 PMID:41754841	综述	本文回顾了人工智能在天然产物药物发现领域的最新进展、挑战与潜力	探讨了人工智能（包括机器学习、深度学习和生成模型）如何变革传统天然产物药物发现流程，将成功率从低于1%提升至超过10%，并可能将发现时间缩短高达70%	数据集中天然产物仅占约5%的筛选化合物；“黑箱”模型的可解释性问题；以及在生物多样性地区进行生物勘探的伦理担忧	旨在通过人工智能技术加速和革新天然产物药物发现，以满足未满足的医疗需求并符合全球可持续发展目标	天然产物及其衍生的化学库、分子相互作用以及新型支架设计	机器学习	NA	虚拟筛选、分子相互作用预测、生成模型	机器学习, 深度学习, 生成模型	化学库数据、分子数据	NA	NA	NA	成功率、发现时间缩短比例	NA