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
281	2026-03-31	Enhanced Visualization: Transforming Non-Contrast into Contrast-Enhanced Computed Tomography Images Through Advanced Generative Adversarial Networks 2026-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060861 PMID:41897594	研究论文	本研究利用生成对抗网络（GAN）将非对比增强CT图像转换为合成对比增强CT图像，以辅助禁忌使用碘对比剂患者的纵隔和淋巴结评估	开发了一种基于GAN的模型，能够在不注射对比剂的情况下，从NCCT生成sCECT，为禁忌患者提供了一种替代可视化方案	合成增强是基于学习的强度变换，而非真实的碘基衰减，其定量相似性提升有限，且PCC有所下降	探索利用深度学习技术生成合成对比增强CT图像，以克服传统CECT在特定患者群体中的使用限制	淋巴瘤或转移性淋巴结病患者	计算机视觉	淋巴瘤	CT扫描	GAN	图像	训练集：400例CECT扫描（2024年3月至7月）；测试集：20例患者（2025年1月至7月）	NA	NA	MAE, RMSE, PSNR, SSIM, PCC, SNR, CNR	NA
282	2026-03-31	Lightweight Deep Learning for Automated Dental Caries Screening from Pediatric Oral Photographs 2026-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060862 PMID:41897595	研究论文	本研究探讨了使用轻量级卷积神经网络从儿童口腔照片中自动筛查龋齿的可行性	证明了轻量级、部署友好的模型架构（如MobileNetV3-Small）在保持临床意义性能的同时，显著降低了计算复杂度，适用于社区和移动环境	数据集规模相对较小（435张图像），且仅包含3-14岁儿童的图像，可能限制了模型的泛化能力	开发一种适用于社区和移动环境的自动化龋齿筛查方法	儿童早期龋齿（ECC）	计算机视觉	龋齿	NA	CNN	图像	435张来自3-14岁儿童的腔内图像	NA	ResNet-18, MobileNetV3-Small, EfficientNet-B0	灵敏度, 特异度, 平衡准确度, ROC-AUC, PR-AUC, 加权F1分数	NA
283	2026-03-31	Artificial Intelligence Applications in Gastric Cancer Surgery: Bridging Early Diagnosis and Responsible Precision Medicine 2026-Mar-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062208 PMID:41899133	综述	本文是一篇关于人工智能在胃癌手术中应用的叙述性综述，涵盖从早期诊断到围手术期风险预测等多个领域	系统性地综合了人工智能在胃癌手术中从解剖识别、早期检测到围手术期预测及伦理考量的多方面应用，并强调了以人为中心、伦理为基础的开发框架	现有证据大多基于小型且异质性的数据集，外部验证不足，并且在数据隐私、算法可解释性及医疗法律责任方面存在未解决的问题	评估人工智能在胃癌手术领域的应用潜力、现状及面临的挑战	聚焦于胃癌手术中的人工智能技术应用	数字病理学	胃癌	AI辅助内窥镜检测，拉曼光谱，计算机视觉，深度学习	深度学习算法	内窥镜图像，光谱数据，临床数据	NA	NA	NA	NA	NA
284	2026-03-31	Deep Learning-Driven Pathological Prediction of Lymph Node Metastasis in Patients with Head and Neck Squamous Cell Carcinoma Using Primary Whole Slide Images 2026-Mar-13, Cancers IF:4.5Q1 DOI:10.3390/cancers18060933 PMID:41899537	研究论文	本研究开发了一种基于深度学习的全切片图像模型和整合列线图，用于术前预测头颈部鳞状细胞癌患者的颈部淋巴结转移风险	采用双阶段多示例学习框架从全切片图像生成预测，并首次将深度学习衍生的病理风险评分与临床变量结合构建预测列线图	研究为回顾性分析，需要前瞻性研究验证；外部验证队列的样本量相对较小	提高头颈部鳞状细胞癌患者颈部淋巴结转移的术前个体化风险分层准确性	头颈部鳞状细胞癌患者的组织病理学全切片图像	数字病理学	头颈部鳞状细胞癌	全切片图像分析	多示例学习	图像	内部队列：355张FFPE WSI和282张冰冻WSI；外部队列：329张FFPE WSI	NA	双阶段多示例学习框架	AUC, 校准曲线, 决策曲线分析	NA
285	2026-03-31	Brain-Oct-Pvt: A Physics-Guided Transformer with Radial Prior and Deformable Alignment for Neurovascular Segmentation 2026-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030332 PMID:41899863	研究论文	本研究开发了一种名为Brain-OCT-PVT的深度学习框架，专门用于神经血管光学相干断层扫描（OCT）图像的分割任务	提出了一种物理引导的Transformer模型，引入了径向先验模块、可变形跨尺度融合模块和边界感知注意力模块，以优化神经血管OCT图像的分割性能	研究仅基于13个临床病例进行评估，样本量较小，可能限制模型的泛化能力	开发一个专门针对神经血管OCT成像物理特性的深度学习框架，以提升血管分割的准确性和鲁棒性	神经血管OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	Transformer	图像	13个临床病例	PyTorch	Swin-Transformer	Dice相似系数, 95% Hausdorff距离（HD95）, BoundaryIoU	NA
286	2026-03-31	Uncovering Hidden Prognostic Patterns in Colorectal Cancer Histology Using Unsupervised Learning: A Computational Pathology Study 2026-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030334 PMID:41899865	研究论文	本研究利用无监督深度学习，从结直肠癌组织学图像中发现具有预后意义的细微形态学模式	首次将卷积神经网络与深度聚类相结合，从大量结直肠癌组织图像中自动识别出30个不同的组织形态学簇，并发现其中三个簇与患者预后独立相关，为传统临床因素提供了补充信息	研究仅基于组织图像，未整合分子或基因组数据；识别出的形态学模式与特定生物学机制的联系尚不明确；模型性能提升幅度有限	发现结直肠癌组织学中隐藏的、具有预后价值的形态学模式，以改进患者风险分层	结直肠癌患者的组织病理学图像	数字病理学	结直肠癌	组织病理学成像	CNN, 深度聚类	图像	训练集来自493名患者的23,341个图像块；独立验证集包含2,590名患者	NA	NA	生存分析（单变量、多变量Cox分析），逻辑回归	NA
287	2026-03-31	Artificial Intelligence for Microbial Isolation and Cultivation: Progress and Challenges 2026-Mar-13, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030654 PMID:41900412	综述	本文综述了过去三十年间人工智能技术在微生物分离与培养领域的发展历程与应用	提出了一个包含五个阶段（萌芽期、早期探索期、快速发展期、深度学习爆发期和AI整合期）的AI技术发展框架，并阐述了AI如何推动微生物研究方法从经验驱动向数据驱动、从单目标向系统整合、从被动筛选向主动设计的转变	NA	从微生物资源发现的角度，全面审视人工智能技术在克服微生物分离与培养瓶颈方面的作用	微生物资源，包括基因组、个体和群落水平	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
288	2026-03-31	Deep-Learning-Derived Facial Electromyogram Signatures of Emotion in Immersive Virtual Reality (bWell): Exploring the Impact of Emotional, Cognitive, and Physical Demands 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061827 PMID:41901995	研究论文	本研究探讨了利用多通道面部肌电图结合时空深度学习模型，在沉浸式虚拟现实环境中对情绪和认知负荷状态进行连续监测的可行性	提出了一种结合CNN-TCN的端到端时空深度学习模型，能够使用单一共享模型对原始面部肌电图信号进行跨被试分类，并将校准表情学习迁移到VR任务引发的自发行为中	样本量较小（仅12名成人参与者），研究结果需要在更大样本和更广泛的VR场景中进行验证	开发一种能够在沉浸式VR环境中可靠监测情绪和认知负荷状态的生理信号建模方法	成人在沉浸式VR环境中的面部肌电图信号及对应的情绪与认知负荷状态	机器学习	NA	多通道面部肌电图	CNN, TCN	生理信号（肌电图）	12名成人	NA	卷积神经网络-时序卷积网络	宏平均F1分数, ROC曲线下面积	NA
289	2026-03-31	Advancing Defect Detection in Laser Welding: A Machine Learning Approach Based on Spatter Feature Analysis 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061825 PMID:41901990	研究论文	本文提出了一种基于红外热成像和深度学习的传感器驱动框架，用于激光焊接过程中的无损监测和自动缺陷检测	提出了一种结合红外热成像与混合CNN-Transformer模型的传感器驱动框架，用于实时监测激光焊接缺陷，并通过可解释的时空特征分析飞溅动力学	实验仅在09G2S管道钢上进行验证，未涉及其他材料或更广泛的工业环境	开发一种非破坏性监测和自动缺陷检测系统，以提升激光焊接的工业可扩展性和质量控制	激光焊接过程中的缺陷，包括不完全穿透、下垂、收缩沟槽和线性错位	机器视觉	NA	红外热成像	CNN, Transformer	热信号时间序列	在09G2S管道钢上进行实验验证，具体样本数量未明确说明	NA	混合CNN-Transformer	平均精度均值	CPU用于近实时推理
290	2026-03-31	BactoRamanBioNet: A Multimodal Neural Network for Bacterial Species Identification Using Raman Spectroscopy and Biological Knowledge 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061828 PMID:41901996	研究论文	本文提出了一种名为BactoRamanBioNet的多模态神经网络，用于结合拉曼光谱和生物学知识进行细菌物种的准确识别	采用ResNet-Transformer架构捕获复杂光谱模式，并结合CLIP文本编码器整合描述性生物学信息，实现多模态分类，显著提升了识别精度	未明确说明模型对数据噪声或样本异质性的鲁棒性，以及在实际临床或环境样本中的泛化能力	开发一种准确、快速的细菌物种识别方法，以服务于公共卫生、临床诊断和环境监测	细菌物种	机器学习	NA	拉曼光谱	多模态神经网络	光谱数据, 文本数据	NA	NA	ResNet-Transformer, CLIP	准确率, F1分数, 精确率, 召回率	NA
291	2026-03-31	Correction: Costache et al. Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors. Sensors 2021, 21, 280 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061815 PMID:41902180	更正	本文是对原论文中参考文献相关性问题进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
292	2026-03-31	A Hybrid Multimodal Cancer Diagnostic Framework Integrating Deep Learning of Histopathology and Whispering Gallery Mode Optical Sensors 2026-Mar-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060848 PMID:41897581	研究论文	本文提出了一种结合深度学习组织病理学图像分析和WGM光学传感的混合多模态癌症诊断框架，旨在提高癌症分类的准确性和可靠性	创新点在于整合了基于深度学习的组织病理学图像分析与WGM光学传感技术，通过形态学和生化信息的互补，提供更稳健的诊断决策支持	未明确提及具体局限性，如数据集规模、泛化能力或临床验证的不足	增强癌症诊断，通过混合框架整合组织病理学图像分析和WGM光学传感进行互补组织表征	癌症组织样本，使用BreakHis数据集进行肿瘤分类	数字病理学	癌症	组织病理学图像分析，WGM光学传感	CNN, GAN, Transformer	图像，光学信号	使用BreakHis数据集，具体样本数量未明确	TensorFlow, PyTorch	EfficientNet-B0, InceptionV3, Vision Transformer, DCGAN	准确率	NA
293	2026-03-31	Development and Internal Multicenter Validation of a Deep Learning Model for Predicting Post-Hepatectomy Liver Failure in Patients with Hepatocellular Carcinoma: A Multicenter Study 2026-Mar-12, Cancers IF:4.5Q1 DOI:10.3390/cancers18060926 PMID:41899530	研究论文	本研究开发并内部验证了一个深度学习模型，用于预测肝细胞癌患者肝切除术后肝衰竭的风险	首次利用多中心临床数据构建深度学习模型，显著提升了预测肝切除术后肝衰竭的准确性，并优于传统逻辑回归模型	研究为回顾性设计，且仅在内部验证，缺乏外部验证，可能影响模型的泛化能力	开发并验证一个深度学习模型，以更准确地预测肝细胞癌患者肝切除术后肝衰竭的发生	接受根治性肝切除术的肝细胞癌患者	数字病理学	肝细胞癌	临床数据整合与分析	深度神经网络	临床数据（包括术前生化参数、术中手术变量和肿瘤相关特征）	来自六个中心的498名患者	NA	深度神经网络	AUC, 精确率-召回率曲线, Brier分数, 决策曲线分析	NA
294	2026-03-31	PLM-Net: Perception Latency Mitigation Network for Vision-Based Lateral Control of Autonomous Vehicles 2026-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s26061798 PMID:41901967	研究论文	提出一种名为PLM-Net的模块化深度学习框架，用于缓解基于视觉模仿学习的车道保持系统中的感知延迟问题	通过插件式架构在不改变原有控制流程的前提下，利用时序动作预测模型和插值方法自适应地缓解恒定和时变感知延迟对控制性能的影响	研究仅在固定速度的闭环确定性仿真环境中进行评估，未在真实车辆或更复杂的动态场景中验证	提升基于视觉的自动驾驶车辆横向控制系统的稳定性和跟踪性能	自动驾驶车辆的车道保持系统	计算机视觉	NA	模仿学习	深度学习框架	视觉数据	NA	NA	PLM-Net（包含冻结基础模型和时序动作预测模型）	平均绝对误差	NA
295	2026-03-31	Design and Implementation of an IoT-Based Low-Power Wearable EEG Sensing System for Home-Based Sleep Monitoring 2026-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s26061803 PMID:41901973	研究论文	本文设计并实现了一种基于物联网的低功耗可穿戴单通道脑电图系统，用于家庭睡眠监测和自动睡眠分期	提出了一种硬件-软件协同设计的系统，集成了低噪声、低功耗的硬件架构和专为边缘-云协同执行优化的轻量级深度学习模型SleePyCo，结合了对比表示学习和时间依赖性建模	研究仅在10名健康受试者中进行了现场试验，样本量较小，且未在临床患者或更大样本人群中进行验证	开发一种用于长期家庭睡眠监测的节能、可穿戴脑电图传感系统	可穿戴单通道脑电图（EEG）传感系统及其在睡眠分期中的应用	物联网与可穿戴传感	睡眠健康管理	单通道脑电图（EEG）传感	深度学习模型	脑电图（EEG）信号	ISRUC数据集和10名健康受试者的现场试验	NA	SleePyCo	准确率, F1分数	边缘-云协同架构（硬件：TI ADS1298模拟前端，STM32F4微控制器；云端部署模型）
296	2026-03-31	X-ViTCNN: A Novel Network-Level Fusion of Transfer Learning and Customized Vision Transformer for Multi-Stage Alzheimer's Disease Prediction Using MRI Scans 2026-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060835 PMID:41897568	研究论文	提出了一种名为X-ViTCNN的新型网络级融合框架，结合定制化Vision Transformer与预训练CNN，用于基于MRI扫描的多阶段阿尔茨海默病预测	提出网络级融合方法，将定制化Vision Transformer的全局表征与CNN的局部结构特征相结合，并采用对比增强预处理和贝叶斯优化进行超参数调优	未明确说明模型在外部验证集上的泛化能力，计算资源需求可能较高	开发准确、可解释的阿尔茨海默病多阶段预测方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI扫描	Vision Transformer, CNN	图像	ADNI和OASIS数据集（具体数量未说明）	未明确说明	定制化Vision Transformer, DenseNet201, MobileNetV2	准确率, 敏感性, 特异性	未明确说明
297	2026-03-31	Evaluating the Predictive Potential of an AI-Driven Deep Learning Model for Pneumonia-Associated Sepsis 2026-Mar-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062125 PMID:41899050	研究论文	本研究评估了一种AI驱动的深度学习模型在预测肺炎相关脓毒症方面的性能	开发了一种能够提前4小时预测院内脓毒症的AI模型，在肺炎患者中表现优于传统评分系统，并提供了显著提前的预警时间	回顾性、单中心研究设计，需要进一步的前瞻性研究来验证其在实时临床应用中的有效性	评估AI模型在早期检测肺炎相关脓毒症方面的预测潜力	肺炎患者（通过胸部X光或CT确诊）	数字病理学	肺炎	深度学习	深度学习模型	临床数据、影像数据（胸部X光/CT）	7715例肺炎病例	NA	NA	AUROC, 敏感性, 特异性, 预警时间	NA
298	2026-03-31	Engineering the Image Representation for Deep Learning in Contrast-Enhanced Mammography: A Systematic Analysis of Preprocessing and Anatomical Masking 2026-Mar-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030322 PMID:41899853	研究论文	本文系统分析了对比增强乳腺摄影图像预处理和乳腺掩模对深度学习模型性能的影响	首次将预处理作为独立设计变量进行系统工程分析，并证明乳腺掩模能显著提升模型鲁棒性和泛化能力	未涉及非确定性预处理方法或更广泛的临床验证	研究对比增强乳腺摄影图像预处理对深度学习分类性能的影响	对比增强乳腺摄影图像	数字病理学	乳腺癌	对比增强乳腺摄影	CNN	图像	NA	NA	卷积神经网络	AUROC, AUPRC	NA
299	2026-03-31	From Physical Replacement to Biological Symbiosis: Evolutionary Paradigms and Future Prospects of Auditory Reconstruction Brain-Computer Interfaces 2026-Mar-11, Micromachines IF:3.0Q2 DOI:10.3390/mi17030343 PMID:41900229	综述	本文批判性地审视了听觉重建脑机接口从静态物理替换到动态生物共生的演进范式，并评估了未来前景	提出了从物理替换到生物共生的范式转变，并综合了软性生物集成电子学、仿生拓扑结构以及深度学习驱动的非线性映射和自适应闭环神经调控等新兴方法	NA	分析听觉重建脑机接口的演进范式、生理障碍及未来发展方向	听觉脑机接口	脑机接口	感音神经性听力损失	NA	深度学习	NA	NA	NA	NA	NA	NA
300	2026-03-31	LPA-Tuning CLIP: An Improved CLIP-Based Classification Model for Intestinal Polyps 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061764 PMID:41901934	研究论文	本研究提出了一种名为LPA-Tuning CLIP的多模态框架，通过整合内窥镜图像与结构化病理描述，以改进肠道息肉的分类准确性	采用跨模态投影匹配与ID损失替代CLIP的实例级对比损失，引入结构化临床语义模板编码WHO诊断标准，并开发了保留病变特征的医学感知数据增强方法	未提及	通过多模态学习提升肠道息肉的分类性能，以辅助结直肠癌的预防	肠道息肉的内窥镜图像与对应的病理文本描述	计算机视觉	结直肠癌	多模态学习	CLIP	图像, 文本	未提及	未提及	CLIP	准确率, F1分数	未提及