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	2026-03-01	A Spatially Distributed Perturbation Strategy with Smoothed Gradient Sign Method for Adversarial Analysis of Image Classification Systems 2026-Feb-09, Entropy (Basel, Switzerland) DOI:10.3390/e28020193 PMID:41751696	研究论文	本文提出了一种名为SD-SGSM的对抗攻击框架，通过空间分布扰动策略和平滑梯度符号方法，以最大化攻击效果并最小化感知失真	SD-SGSM框架首次整合了决策依赖区域识别、空间自适应扰动分配和梯度平滑，以利用模型敏感性的空间异质性，相比现有方法在攻击成功率和视觉保真度上表现更优	实验仅在CIFAR-10数据集上进行，未在其他更复杂或更大规模的数据集上验证，且未考虑实际安全关键应用中的动态防御机制	评估和改进深度学习模型在图像分类系统中的对抗鲁棒性，以增强AI系统的安全性和可靠性	深度学习模型（特别是深度神经网络）在图像分类任务中的对抗脆弱性	计算机视觉	NA	对抗攻击，梯度平滑	深度神经网络	图像	CIFAR-10数据集（包含60,000张32x32彩色图像）	NA	NA	攻击成功率，ℓ2失真，结构相似性指数	NA
2922	2026-03-01	Artificial Intelligence for the Diagnosis of Respiratory Diseases in Dogs and Cats: A Systematic Review 2026-Feb-07, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci13020163 PMID:41745957	综述	本文系统综述了2019年以来发表的24项研究，评估了人工智能在犬猫呼吸系统疾病诊断中的应用，重点关注音频、图像和多模态方法	首次对人工智能在兽医呼吸系统疾病诊断中的应用进行系统性综述，并聚焦于犬猫这一特定领域，综合评估了多种数据模态的AI方法	数据稀缺、缺乏标准化数据集、真实世界验证有限，且纳入研究数量较少（24项）	评估人工智能在犬猫呼吸系统疾病诊断中的应用现状、效果与挑战	犬和猫的呼吸系统疾病	机器学习	呼吸系统疾病	NA	CNN, Transformer	音频（呼吸音）、图像（胸部X光片）、多模态数据	NA	NA	卷积神经网络, Transformer架构	准确率	NA
2923	2026-03-01	Unified imputation of missing data modalities and features in multi-omic data via shared representation learning 2026-Feb-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.04.703630 PMID:41676545	研究论文	提出了一种名为MIMIR的深度学习框架，用于统一处理多组学数据中的缺失模态和缺失特征值	首次通过共享表示学习提供了一个统一框架，能够同时处理缺失的数据模态和模态内的缺失值，克服了现有方法只能单独处理其中一种问题的局限	未明确说明模型在样本量极小的数据集上的表现，也未讨论计算复杂度对大规模数据集的应用影响	开发一个能够统一处理多组学数据中缺失模态和缺失特征值的深度学习框架	多组学数据	机器学习	泛癌症	多组学测序	深度学习	多组学数据	NA	NA	掩码自编码器	NA	NA
2924	2026-03-01	A hybrid learning framework for automated multiclass electrocardiogram classification with SimCardioNet 2026-Feb-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36932-1 PMID:41644577	研究论文	本文提出了一种名为SimCardioNet的混合自监督与监督深度学习框架，用于多类心电图图像分类	提出了一种结合自监督预训练与监督微调的混合学习框架，并采用改进的SimCLR对比学习策略与混合损失函数，增强了模型在数据稀缺情况下的性能	未明确提及模型在更广泛或更复杂临床环境中的泛化能力测试，以及计算资源需求的具体分析	开发一个自动化、高精度的心电图分类系统，以减少对标注数据的依赖并提升诊断效率	心电图图像数据	计算机视觉	心血管疾病	深度学习	CNN, 自注意力机制	图像	三个数据集：一个4类巴基斯坦临床ECG数据集、一个外部Kaggle心电图数据集、以及大规模PTB-XL基准数据集	未明确指定，但基于深度学习框架	自定义多尺度卷积神经网络，结合残差连接和多头自注意力机制	准确率, 精确率, 召回率, F1分数	未明确指定
2925	2026-03-01	An Evolutionary-Algorithm-Driven Efficient Temporal Convolutional Network for Radar Image Extrapolation 2026-Feb-06, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11020122 PMID:41744568	研究论文	本文提出了一种结合进化算法优化的高效时间卷积网络，用于雷达图像外推以改进短期气象预报	提出了E-HEOA架构，包含两个核心创新：1) 融合高斯变异ESOA和柯西变异HEOA的混合元启发式优化器，用于自动优化学习率和dropout参数；2) 嵌入ConvLSTM2D模块以增强时空特征保持能力	未在摘要中明确说明	改进雷达图像外推的准确性和可靠性，以提升短期气象预报能力	雷达回波图像序列	计算机视觉	NA	深度学习，进化算法	时间卷积网络，ConvLSTM	雷达图像序列	170,000个雷达回波样本	未在摘要中明确说明	时间卷积网络，ConvLSTM2D	预测保真度，收敛效率，结构相似性指标	未在摘要中明确说明
2926	2026-03-01	Automated Radiological Report Generation from Breast Ultrasound Images Using Vision and Language Transformers 2026-Feb-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020068 PMID:41745433	研究论文	本文提出了一种基于多模态Transformer的框架，用于从乳腺超声图像自动生成放射学报告	首次将Vision Transformer与预训练语言模型（如BERT、BioBERT和GPT-2）结合，通过跨注意力机制整合视觉和文本信息，以建模长距离依赖和复杂临床语义，用于乳腺超声报告生成	未明确提及模型在临床部署中的实际验证或泛化能力到不同设备或人群的局限性	开发一个自动化系统，以支持乳腺超声图像的放射学报告生成，减少人工劳动并提高一致性	乳腺超声图像及其对应的放射学报告	计算机视觉	乳腺癌	超声成像	Transformer	图像	NA	NA	Vision Transformer (ViT), BERT, BioBERT, GPT-2	BLEU, ROUGE-L, METEOR, CIDEr	NA
2927	2026-03-01	Application of the Two-Layer Regularized Gated Recurrent Unit (TLR-GRU) Model Enhanced by Sliding Window Features in Water Quality Parameter Prediction 2026-Feb-06, Entropy (Basel, Switzerland) DOI:10.3390/e28020186 PMID:41751689	研究论文	本研究提出了一种结合滑动窗口特征增强、主成分分析和双层正则化门控循环单元的水质参数预测框架，用于实时预测溶解氧、氨氮、总磷和总氮等关键水质参数	提出了一种结合滑动窗口特征增强和双层正则化门控循环单元的预测框架，通过样本熵量化时间序列规律性，并利用正则化技术避免过拟合	模型未来需要进一步优化，并整合多源数据以提高预测性能	实现水产养殖和灌溉用水中关键水质参数的高精度实时预测	典型水产养殖灌溉水体的水质参数	机器学习	NA	滑动窗口特征增强、主成分分析	GRU	时间序列数据	4970条水质记录（2020-2023年，4小时采样间隔）	NA	双层正则化门控循环单元	R2, RMSE	NA
2928	2026-03-01	Entropy-Guided Regime Switching for Railway Passenger Flow Forecasting: An Adaptive EA-ARIMA-Informer Framework 2026-Feb-05, Entropy (Basel, Switzerland) DOI:10.3390/e28020182 PMID:41751685	研究论文	本研究提出了一种名为EA-ARIMA-Informer的自适应预测框架，用于铁路客流量预测，该框架通过熵引导的机制区分稳定和波动状态，并动态切换线性与非线性模型	提出了一个结合熵增强ARIMA和Informer的自适应预测框架，并引入了条件熵增长因子（CEGF）这一新指标来检测状态转换，提供了物理可解释的模型切换信号	未明确提及	解决铁路客流量预测在面对罕见但高影响事件时性能下降的问题，提高预测的准确性和适应性	铁路客流量时间序列数据	机器学习	NA	时间序列分析，熵分析	ARIMA, Informer	时间序列数据	覆盖近300个中国城市、为期三年（2017-2019年）的大规模数据集	NA	EA-ARIMA, EA-Informer	MAPE	NA
2929	2026-03-01	BeamNet: Unsupervised Beamforming for ISAC Systems Under Imperfect CSI 2026-Feb-03, Entropy (Basel, Switzerland) DOI:10.3390/e28020175 PMID:41751678	研究论文	本文提出了一种用于不完美信道状态信息下ISAC系统的无监督波束成形深度学习框架BeamNet	提出了一种无监督深度学习框架，无需波束成形标签或嵌入式优化求解器，通过最大化通信速率和感知速率的加权和来学习CR-SR帕累托前沿	NA	研究在不完美信道状态信息下集成感知与通信系统的波束成形问题	双功能雷达通信系统	机器学习	NA	深度学习	深度学习模型	信道状态信息	NA	NA	BeamNet	通信速率, 感知速率	NA
2930	2026-03-01	General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study 2026-Feb-02, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106077 PMID:41638432	研究论文	本研究开发了一种基于CycleGAN的虚拟染色模型，将H&E图像转换为虚拟Masson三色染色图像，以提升供体肾脏评估中（尤其是间质纤维化）的诊断准确性	首次将深度学习虚拟染色技术应用于供体肾脏评估，显著缩小了普通病理医生与肾脏专科病理医生在纤维化评估方面的诊断差距	研究为回顾性-前瞻性设计，样本量相对有限（187对全切片图像，46例冰冻切片前瞻验证），且仅针对特定染色（Masson三色）进行虚拟转换	评估人工智能虚拟染色技术是否能提升供体肾脏（特别是间质纤维化和慢性病变）的评估质量	供体肾脏组织切片	数字病理学	肾脏疾病	H&E染色，Masson三色染色，虚拟染色	GAN	图像	187对H&E与Masson三色染色全切片图像，46例冰冻切片用于前瞻验证	NA	CycleGAN	加权Kappa系数，观察者间一致性百分比	NA
2931	2026-03-01	Squeeze-Excitation Attention-Guided 3D Inception ResNet for Aflatoxin B1 Classification in Almonds Using Hyperspectral Imaging 2026-Feb-02, Toxins IF:3.9Q1 DOI:10.3390/toxins18020076 PMID:41745742	研究论文	本研究提出了一种基于注意力引导的3D Inception ResNet网络，利用高光谱成像技术对杏仁中的黄曲霉毒素B1进行快速精确分类	结合了多尺度特征提取、残差学习和注意力机制，增强了空间-光谱特征表示，提高了分类精度和处理效率	未提及	开发一种快速、非破坏性的方法，用于检测杏仁中的黄曲霉毒素B1污染，以确保食品安全	杏仁	计算机视觉	NA	高光谱成像	3D深度学习模型	高光谱图像	未提及	未提及	注意力引导的Inception ResNet 3D网络	准确率, F1分数, AUC	未提及
2932	2026-03-01	MFE-YOLO: A Multi-Scale Feature Enhanced Network for PCB Defect Detection with Cross-Group Attention and FIoU Loss 2026-Feb-02, Entropy (Basel, Switzerland) DOI:10.3390/e28020174 PMID:41751677	研究论文	本文提出了一种基于YOLOv5的贝叶斯增强检测框架MFE-YOLO，用于提高PCB缺陷检测的准确性和可靠性	通过贝叶斯视角重新解释CBAM作为特征级不确定性加权机制，并设计了一种新颖的FIoU损失函数以在概率框架内改进边界框回归并隐式捕获定位不确定性	未明确说明模型在极端复杂背景或极小缺陷尺寸下的性能极限，也未讨论计算效率与实时性之间的权衡	提高工业质量控制中PCB缺陷检测的准确性和操作可靠性，特别是在小目标和复杂背景的挑战性场景下	印刷电路板（PCB）上的缺陷	计算机视觉	NA	深度学习	CNN	图像	未明确指定具体样本数量，但提及构建了一个多背景PCB缺陷数据集，包含多样化的基板颜色和形状	PyTorch	YOLOv5, CBAM	mAP@0.5, mAP@0.5:0.95	NA
2933	2026-03-01	Construction and validation of hepatocellular carcinoma survival prediction models based on machine learning 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03456-1 PMID:41184613	研究论文	本研究基于SEER和TCGA数据库的肝细胞癌患者数据，构建并验证了基于机器学习的生存预测模型，通过引入自注意力机制和残差网络模块改进DeepSurv和DeepHit模型，并开发了一种基于Cox神经网络的集成模型	首次在生存分析中应用自注意力机制和残差网络模块改进DeepSurv和DeepHit模型，并首次开发基于Cox神经网络的集成模型	未明确说明模型在外部验证集上的泛化能力或临床部署的可行性	提高肝细胞癌患者生存预测的准确性和可靠性，以支持个性化治疗	肝细胞癌患者	机器学习	肝细胞癌	NA	DeepSurv, DeepHit, Cox神经网络, 随机生存森林	临床数据	来自SEER和TCGA数据库的肝细胞癌患者数据	NA	自注意力机制, 残差网络模块	C指数, Brier分数	NA
2934	2026-03-01	A deep learning-based MRI automatic detection model for spinal schwannoma and meningioma 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03468-x PMID:41222816	研究论文	本研究开发了一种基于深度学习的MRI自动检测模型，用于检测脊柱神经鞘瘤和脑膜瘤	以YOLOv8n为基线模型，引入了选择性核融合模块替换原始颈部特征融合层，并添加了递归门控卷积，提出了改进的特征融合模型YOLOv8n-SKNeck	研究为回顾性分析，样本量相对有限（103例），且数据来自单一医院	开发自动化检测模型以辅助脊柱神经鞘瘤和脑膜瘤的早期诊断和鉴别诊断，减轻临床决策负担	经病理证实的脊柱神经鞘瘤和脑膜瘤病例	计算机视觉	脊柱肿瘤	磁共振成像	CNN	图像	103例经病理证实的SCH和MEN病例的MRI扫描	NA	YOLOv8n, YOLOv8n-SKNeck	平均准确率, 平均召回率, 平均F1分数	NA
2935	2026-03-01	The Diagnosis and Treatment Technology of Port-Wine Stain, and the Prospect of Future Treatment 2026-Feb, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-026-01651-y PMID:41557111	综述	本文综述了鲜红斑痣的诊断与治疗技术，并展望了未来治疗前景	探讨了人工智能和深度学习技术在提高鲜红斑痣诊断准确性和治疗个性化方面的应用前景	非侵入性诊断方法存在穿透深度有限、操作者依赖性、实时定量分析挑战及主观解释等共同局限性	回顾鲜红斑痣的关键诊断与治疗技术及进展	鲜红斑痣（一种先天性毛细血管畸形）	数字病理学	皮肤血管畸形	皮肤镜检查、高频超声、光声成像、光学相干断层扫描、激光散斑对比成像、VISIA-CR™系统、反射共聚焦显微镜、脉冲染料激光、紫翠玉激光、掺钕钇铝石榴石激光、强脉冲光、光动力疗法	NA	图像	NA	NA	NA	NA	NA
2936	2026-03-01	A Symmetric Encoder-Decoder Network with Enhanced Group-Shuffle Modules for Robust Lung Nodule Detection in CT Scans 2026-Feb-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11020092 PMID:41744538	研究论文	本研究提出了一种改进的对称编码器-解码器分割网络，通过增强的组洗牌模块（IGSM）来提升CT扫描中肺结节检测的鲁棒性	提出了改进的组洗牌模块（IGSM），该模块通过分层分组、独立变换和随机通道交换来增强特征处理，模拟人脑皮层处理机制，以提高特征多样性和空间判别能力	未明确说明模型的计算复杂度或训练时间，也未提及在更广泛数据集上的泛化性能验证	开发一种更强大的特征处理方法，以克服肺结节分割中特征多样性高、空间判别力低和模型过拟合的问题	CT扫描图像中的肺结节	计算机视觉	肺癌	CT扫描	CNN	图像	NA	NA	对称编码器-解码器网络	平均交并比（mIoU）, Dice分数, 准确率, 灵敏度, 特异性	NA
2937	2026-03-01	An ODE-based multi-resolution parallel network for respiratory motion estimation 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03463-2 PMID:41085891	研究论文	本文提出了一种基于神经常微分方程的多分辨率并行网络，用于估计肺部呼吸运动，以提高穿刺手术中的运动估计准确性和生理一致性	结合神经常微分方程显式建模4DCT数据的时间连续性，解决肺部运动估计中的非真实变形问题，并采用多分辨率并行结构递归细化肺部特征	NA	快速准确地估计肺部呼吸运动，为手术提供指导	肺部呼吸运动，特别是细纹理的大变形和内部结构（如气道和血管）的复杂运动	计算机视觉	肺癌	4DCT	神经网络	4DCT图像	TCIA和DirLab数据集	NA	基于神经常微分方程的多分辨率并行网络	定性评估，定量评估	NA
2938	2026-03-01	M 2 C A - Net : Multi-scale and multi-frequency channel attentional neural network for invasive coronary angiography segmentation 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03454-3 PMID:41139360	研究论文	本文提出了一种多尺度多频率通道注意力神经网络，用于增强侵入性冠状动脉造影图像的分割性能	设计了一种基于2D离散余弦变换的多频率通道注意力块，融合空间和频率域信息，以提升通道区分能力	NA	提高侵入性冠状动脉造影图像的分割准确性，以辅助冠状动脉疾病的诊断	侵入性冠状动脉造影图像	计算机视觉	心血管疾病	NA	CNN	图像	NA	NA	M2CA-Net	NA	NA
2939	2026-03-01	Ensemble Entropy with Adaptive Deep Fusion for Short-Term Power Load Forecasting 2026-Jan-31, Entropy (Basel, Switzerland) DOI:10.3390/e28020158 PMID:41751662	研究论文	本文提出了一种用于短期多特征电力负荷预测的新框架EEADF，通过集成瞬时熵提取和自适应深度融合来提升预测精度	提出了集成瞬时熵提取模块，实时计算并融合多种熵类型；设计了任务自适应的分层融合机制，针对不同任务复杂度选择特征拼接或多头自注意力融合；构建了并行处理原始序列和熵特征的双分支深度学习模型	未在更多真实世界数据集上进行广泛验证；框架复杂度较高，可能影响计算效率	提高短期电力负荷预测的准确性，以保障电力系统的安全经济运行	电力负荷数据	机器学习	NA	时间序列分析，熵计算	LSTM, MLP	时间序列数据	模拟多模态数据集和真实世界ETDataset	NA	LSTM, MLP	MSE, MAE, R, RMSE, MAPE	NA
2940	2026-03-01	A Cross-Domain Benchmark of Intrinsic and Post Hoc Explainability for 3D Deep Learning Models 2026-Jan-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020063 PMID:41745428	研究论文	本文提出了一个统一的基准测试框架，用于评估三维深度学习模型的内在和事后可解释性方法	首次为三维数据可解释性方法提供了一个标准化的、多领域的定量评估框架，涵盖了医学影像、CAD模型和点云数据	评估仅限于特定的数据集和方法，可能未覆盖所有三维XAI技术；框架的通用性有待在更广泛的数据集上验证	评估和比较三维深度学习模型的可解释性方法，以促进标准化基准的建立	三维深度学习模型的可解释性方法，包括Grad-CAM、Integrated Gradients、Saliency、Occlusion和ResAttNet-3D	计算机视觉	NA	NA	CNN	三维数据（体积CT扫描、体素化CAD模型、真实世界点云）	三个代表性数据集：MosMed（CT扫描）、ModelNet40（CAD模型）、ScanObjectNN（点云）	NA	ResAttNet-3D	正确性（AOPC）、完整性（AUPC）、紧凑性	NA