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
2941	2026-03-01	Distinguishing Early Depression from Negative Emotion via Multi-Domain EEG Feature Fusion and Multi-Head Additive Attention Network 2026-Feb-13, Entropy (Basel, Switzerland) DOI:10.3390/e28020218 PMID:41751720	研究论文	本研究提出一种轻量级神经网络框架，通过融合多领域EEG特征和注意力机制，用于区分早期抑郁状态与非病理性短暂负面情绪	采用小波包分解构建多领域特征空间，并引入多头加性注意力机制自适应调整特征权重，优于传统单域特征方法	未提及模型在更广泛人群或不同抑郁亚型中的泛化能力验证	开发客观筛查工具以区分病理性抑郁与非病理性负面情绪，促进抑郁症早期诊断	EEG信号，来自DEAP（负面情绪）和HUSM（重度抑郁障碍）数据集	机器学习	抑郁症	EEG信号分析，小波包分解	神经网络	EEG信号	DEAP和HUSM数据集，具体样本量未明确说明	未明确说明，推测为PyTorch或TensorFlow	多头加性注意力网络	准确率，F1分数	未明确说明，但提及架构具有高计算效率和快速收敛
2942	2026-03-01	Artificial Intelligence in Veterinary Education: Preparing the Workforce for Clinical Applications in Diagnostics and Animal Health 2026-Feb-12, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci13020181 PMID:41745975	综述	本文探讨了人工智能（包括机器学习和深度学习）在兽医教育中的整合，旨在为兽医临床实践中的负责任应用奠定基础	将兽医教育定位为人工智能临床转化的战略推动者，并系统性地探讨了如何通过结构化教育来模拟真实临床工作流程，培养数据解读、伦理推理等关键能力	本文是一篇叙述性综述，未涉及具体的实证研究或数据验证，主要基于现有证据的整合与分析	研究人工智能在兽医教育中的整合，以促进其在临床诊断和动物健康领域的安全有效应用	兽医教育体系、人工智能驱动的教育工具（如大语言模型、智能辅导系统、虚拟现实平台）及其在兽医课程中的应用	自然语言处理, 计算机视觉, 机器学习	NA	NA	大语言模型, 深度学习模型	文本, 图像, 多模态数据	NA	NA	NA	NA	NA
2943	2026-03-01	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了使用标准标签的文本型抑郁症估计模型的预测性能，并探讨了影响性能异质性的因素	本研究专注于使用经过验证的量表或临床诊断作为标准抑郁症标签的模型，与以往包含弱标签或异质性标签的综述相比，提供了更具临床可靠性和可比性的证据	纳入分析的模型数量相对较少（15个模型来自11项研究），可能限制了结果的普遍性，且研究时间范围限定在2014年至2025年	评估基于文本的抑郁症估计模型的预测性能，并识别影响性能异质性的因素，如文本资源、文本表示、模型架构、标注来源和报告质量	使用参与者生成的文本并采用已验证量表或临床诊断作为抑郁症标签的机器学习模型	自然语言处理	抑郁症	NA	机器学习模型，包括深度学习与浅层模型	文本	NA	NA	NA	效应量 (r), 95% 置信区间	NA
2944	2026-03-01	Detection for New Biomarkers of Tuberculosis Infection Activity Using Machine Learning Methods 2026-Feb-11, Diseases (Basel, Switzerland) DOI:10.3390/diseases14020066 PMID:41745104	综述	本文综述了利用机器学习和多组学技术识别结核感染活动性新生物标志物的研究进展	系统比较了数据生成平台、建模策略、验证方法及研究异质性，并强调了多模态整合与可解释AI在提升诊断准确性方面的应用	存在队列同质性、平台依赖性及外部验证有限等转化障碍	通过机器学习方法开发用于区分潜伏性结核感染与活动性结核的精准生物标志物诊断工具	潜伏性结核感染与活动性结核患者的转录组和蛋白质组数据	机器学习	结核病	RNA-seq, 微阵列, 蛋白质组学分析	CNN, Transformer	转录组数据, 蛋白质组数据	NA	NA	卷积神经网络, 基于Transformer的架构	灵敏度, 特异性	NA
2945	2026-03-01	A Multiphase CT-Based Integrated Deep Learning Framework for Rectal Cancer Detection, Segmentation, and Staging: Performance Comparison with Radiologist Assessment 2026-Feb-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020076 PMID:41745441	研究论文	本研究开发并评估了一个基于多期CT图像的AI辅助系统，用于直肠癌的检测、分割和分期，其性能与放射科医生评估相当	提出了一种新颖的三阶段、双期CT的AI框架，将病灶检测、分割和分期整合到一个统一的工作流程中	研究为回顾性分析，样本量相对有限（223例患者），且仅来自单一中心	开发并评估一个用于直肠癌检测和分期的AI辅助系统，以支持治疗决策	直肠癌患者的CT扫描图像	计算机视觉	直肠癌	CT扫描（包括平扫和增强扫描）	CNN, U-Net	图像	223名直肠癌患者的CT扫描	NA	RCD-CNN, U-Net, RCS-3DCNN	准确率, 召回率, 精确率, Dice系数	NA
2946	2026-03-01	Robust Detection and Localization of Image Copy-Move Forgery Using Multi-Feature Fusion 2026-Feb-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020075 PMID:41745440	研究论文	本文提出了一种基于多特征融合的图像复制-移动伪造检测与定位方法，以克服现有模型在特征融合和解码过程中的局限性	设计了多特征融合网络，融合RGB域和噪声域特征以实现互补；开发了轻量级多层感知器解码器，通过聚合跨层信息并结合局部与全局注意力机制，生成更准确的预测掩码	未提及模型在极端图像处理操作（如严重模糊或复杂几何变换）下的性能，也未讨论计算效率或实时性	提升图像复制-移动伪造检测与定位的鲁棒性和精度	图像复制-移动伪造	计算机视觉	NA	NA	深度学习	图像	NA	NA	多特征融合网络, 轻量级多层感知器解码器	检测精度, 定位性能	NA
2947	2026-03-01	Assessing Impact of Data Quality in Early Post-Operative Glioblastoma Segmentation 2026-Feb-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020073 PMID:41745438	研究论文	本研究评估了图像和标注质量对早期术后胶质母细胞瘤分割模型训练和性能的影响	首次系统性地评估了图像和标注质量在早期术后胶质母细胞瘤分割任务中的影响，并提出了数据质量对模型泛化能力的关键作用	研究仅基于挪威和瑞典两家医院的423名患者数据，可能无法完全代表全球临床场景的多样性	评估数据质量对早期术后胶质母细胞瘤分割模型性能的影响	早期术后MRI扫描的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	磁共振成像	深度学习	图像	423名患者的早期术后MRI扫描	NA	Attention U-Net	NA	NA
2948	2026-03-01	Digital Leadership, Information Entropy, and Stock Price Volatility: Evidence from CEO Social Media Behavior 2026-Feb-10, Entropy (Basel, Switzerland) DOI:10.3390/e28020200 PMID:41751703	研究论文	本研究从信息论视角结合深度学习方法，探讨CEO社交媒体行为如何影响股价波动	引入了一种新的度量指标——语义共振耗散熵（SRE），基于Kullback-Leibler散度衡量高管语义输出与市场关注之间的信息摩擦	研究主要基于雷军和埃隆·马斯克两个对比案例，样本量有限，可能影响结论的普适性	探究数字领导力、信息熵与股价波动之间的关系	CEO社交媒体行为及其对股价波动的影响	自然语言处理	NA	BERT, LDA	LSTM	文本	以雷军（小米）和埃隆·马斯克（特斯拉）作为对比案例	NA	LSTM	NA	NA
2949	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
2950	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
2951	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
2952	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
2953	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
2954	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
2955	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
2956	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
2957	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
2958	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
2959	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
2960	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