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
301	2026-02-14	Multi-Scale Feature Fusion and Attention-Enhanced R2U-Net for Dynamic Weight Monitoring of Chicken Carcasses 2026-Jan-28, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16030410 PMID:41681391	研究论文	本文提出了一种基于深度学习图像分割和回归的肉鸡胴体重量检测模型，用于实现肉鸡重量的实时监测	提出了一种源自R2U-Net的新型分割网络AR2U-AtNet，并引入了卷积块注意力模块（CBAM）和选择性核注意力（SKAttention）来增强网络对目标胴体的关注和处理不同体型条件图像的能力	研究仅使用了301只太湖黄鸡的2709张图像，数据集规模和多样性可能有限，且模型在屠宰场生产线上的实际应用效果需进一步验证	开发一种快速、准确的肉鸡胴体重量自动检测方法，以替代传统低效的人工称重	肉鸡（太湖黄鸡）胴体	计算机视觉	NA	图像分割，回归分析	CNN	图像	301只太湖黄鸡的2709张图像	NA	R2U-Net, AR2U-AtNet	平均交并比（mIoU），Dice系数，F1分数，R2值	NA
302	2026-02-14	Enhanced Precision of Fluorescence In Situ Hybridization (FISH) Analysis Using Neural Network-Based Nuclear Segmentation for Digital Microscopy Samples 2026-Jan-28, Sensors (Basel, Switzerland) DOI:10.3390/s26030873 PMID:41682389	研究论文	本文评估了基于AI的3D核分割方法在提高荧光原位杂交（FISH）分析精度和诊断可靠性方面的应用	比较了多种AI驱动的3D核分割算法（如NucleAIzer和StarDist）与传统2D阈值分割方法，在密集或重叠核样本中显著改善了核分离和信号定位	Cellpose算法对低强度信号敏感度有限，且2D分割方法在处理密集核时可能低估计数	提高FISH分析的准确性、可重复性和诊断可靠性，特别是在淋巴瘤等具有密集或重叠核的样本中	福尔马林固定的滤泡性淋巴瘤组织切片，用于BCL2基因重排的FISH标记	数字病理学	淋巴瘤	荧光原位杂交（FISH），多层Z-stack数字扫描	深度学习	3D数字显微镜图像	未明确指定样本数量，但基于滤泡性淋巴瘤组织切片	未明确指定，但提及了NucleAIzer、StarDist和Cellpose等算法	未明确指定具体架构，但使用了基于AI的3D分割模型	精度、方差（VP/VS ≈ 0.96）、基因点相关性（r > 0.82）、核计数准确性	未明确指定
303	2026-02-14	Geometric Monitoring of Steel Structures Using Terrestrial Laser Scanning and Deep Learning 2026-Jan-27, Sensors (Basel, Switzerland) DOI:10.3390/s26030831 PMID:41682347	研究论文	本研究提出了一种结合地面激光扫描与深度学习的方法，用于自动检测工业钢结构在施工阶段的几何偏差	提出了一种集成点云投影、YOLOv8分割模型与合成数据增强的自动化管道，能够在几何不完整或部分遮挡情况下实现钢材截面的检测与分割	方法仅在工业钢结构组装场景中验证，未涉及其他材料或更复杂结构类型	开发自动化几何监测方法以确保钢结构施工质量符合EN 1090-2:2020标准	工业钢结构建筑物	计算机视觉	NA	地面激光扫描	CNN	3D点云, 2D图像	两个现场工业钢结构组装案例	NA	YOLOv8	mAP@50-95	NA
304	2026-02-14	A Novel Dataset for Gait Activity Recognition in Real-World Environments 2026-Jan-27, Sensors (Basel, Switzerland) DOI:10.3390/s26030833 PMID:41682349	研究论文	本文介绍了首个针对室内外多种地形及其相关步态活动标注的数据集CAHAR，旨在推动可穿戴传感器在远程步态分析中的应用	提出了首个同时标注活动和地形类别的数据集，覆盖了完整的室内外地形范围，并整合了多种传感器数据	数据仅来自20名健康参与者，可能限制了模型的泛化能力	开发能够同时进行人类活动识别和地形分类的模型，以促进远程步态分析技术的发展	健康参与者的步态活动和地形数据	机器学习	老年疾病	惯性测量单元、力敏电阻鞋垫、颜色传感器、激光雷达	深度学习分类模型	传感器数据	20名健康参与者	NA	NA	NA	NA
305	2026-02-14	Integrating Large Language Models with Deep Learning for Breast Cancer Treatment Decision Support 2026-Jan-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030394 PMID:41681712	研究论文	本研究开发了一个集成大型语言模型与深度学习的临床决策支持系统，用于乳腺癌治疗决策支持	创新性地结合了大型语言模型自动提取病理报告信息与深度学习模型进行多标签治疗预测，构建了一个集成化的临床决策支持系统	深度神经网络和Transformer模型在处理结构化临床数据时表现相对较差，可能不适合缺乏强上下文依赖性的数据	开发一个集成化的临床决策支持系统，以支持标准化和可靠的乳腺癌治疗决策	乳腺癌患者	自然语言处理, 机器学习	乳腺癌	大型语言模型, 深度学习	决策树, 随机森林, GBM, XGBoost, DNN, Transformer	文本, 结构化临床数据	5015名乳腺癌患者	NA	Meta-Llama-3-8B-Instruct, DNN, Transformer	准确率, 宏平均/微平均精确率, 召回率, F1分数, AUC	NA
306	2026-02-14	Quadra Sense: A Fusion of Deep Learning Classifiers for Mitosis Detection in Breast Cancer Histopathology 2026-Jan-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030393 PMID:41681710	研究论文	本文提出了一种名为Quadra Sense的深度学习分类器融合方法，用于乳腺癌组织病理学中的有丝分裂检测，旨在提高检测的准确性和客观性	提出了一种融合多种深度学习分类器的Quadra Sense方法，结合了改进的FCN、InceptionV4和自改进海鸥优化算法进行特征提取与选择，实现了高达99.2%的检测准确率	未在摘要中明确提及方法的局限性	提高乳腺癌组织病理学中有丝分裂检测的准确性和客观性，以支持早期干预	乳腺癌组织病理学图像中的有丝分裂细胞	数字病理学	乳腺癌	组织病理学图像分析	深度学习分类器融合	图像	NA	NA	改进的全卷积网络, 改进的InceptionV4	准确率	NA
307	2026-02-14	Quality Assessment and Prediction of Peanut Storage Life Based on Deep Learning 2026-Jan-26, Foods (Basel, Switzerland) DOI:10.3390/foods15030446 PMID:41683034	研究论文	本研究基于深度学习评估和预测花生在储存过程中的品质变化	采用深度聚类网络进行品质分级，并构建D-SCSformer时间序列预测模型，通过维度分段嵌入和统计特征融合提升预测性能	NA	为花生储存过程中的温湿度调控和货架期管理提供技术支持和决策依据	花生样本	机器学习	NA	NA	DCN, D-SCSformer	时间序列数据	在30周内不同温湿度条件下储存的花生样本	NA	Deep Clustering Network, D-SCSformer	MSE, MAE, RMSE, R	NA
308	2026-02-14	An Hour-Specific Hybrid DNN-SVR Framework for National-Scale Short-Term Load Forecasting 2026-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s26030797 PMID:41682313	研究论文	本文提出了一种结合深度神经网络和支持向量回归的混合架构，用于克罗地亚全国范围的短期负荷预测	采用小时特定的24个混合模型框架，结合DNN学习非线性表示和SVR进行最终回归，并整合全球数值天气预报数据	未明确说明模型在其他国家或地区的泛化能力，且依赖于特定历史数据范围（2006-2022年）	开发并评估一种用于全国范围日前短期负荷预测的混合模型，以提高电力系统运行效率	克罗地亚的电力负荷数据、全球数值天气预报数据及本地气象观测数据	机器学习	NA	NA	DNN, SVR, LSTM, Transformer	时间序列数据、气象数据	克罗地亚2006年至2022年的负荷数据，测试集为2022年	NA	混合DNN-SVR架构	预测误差	NA
309	2026-02-14	Traffic Forecasting for Industrial Internet Gateway Based on Multi-Scale Dependency Integration 2026-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s26030795 PMID:41682311	研究论文	本文提出了一种基于多尺度依赖集成的轻量级工业互联网网关流量预测框架，以解决资源受限网关中计算效率与预测精度之间的权衡问题	提出DOA-MSDI-CrossLinear框架，将流量预测重新定义为分层分解-交互问题，通过多尺度分解混合模块和双依赖交互模块显式建模工业流量的尺度依赖时序相关性，并采用生物启发的梦想优化算法进行超参数调优	未明确说明框架在极端流量突发情况下的鲁棒性，也未与其他最先进的轻量级模型进行广泛比较	开发适用于资源受限工业网关的高精度、高效率流量预测方法	工业物联网网关的网络流量数据	机器学习	NA	NA	线性模型, Transformer, GNN	时序数据	真实工业物联网数据集（未指定具体数量）	NA	CrossLinear, Multi-Scale Decomposable Mixing模块, Dual Dependency Interaction模块	NA	资源受限的工业网关（未指定具体硬件）
310	2026-02-14	Calibration of Low-Cost Sensors for PM10 and PM2.5 Based on Artificial Intelligence for Smart Cities 2026-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s26030796 PMID:41682312	研究论文	本研究基于人工智能方法校准低成本传感器（LCS）用于PM10和PM2.5监测，以支持智慧城市空气质量监测网络	在预处理中应用FastDTW算法，并结合相对湿度、温度和吸收流量等环境因素提升校准精度，同时比较了多种统计、机器学习和深度学习模型的性能	研究仅在波哥大一所大学的环境学院进行，可能未覆盖所有环境条件，且LCS的读数精度虽经校准但仍可能低于高成本参考传感器	开发并评估基于人工智能的低成本传感器校准方法，以改善智慧城市中颗粒物（PM10和PM2.5）监测的准确性和成本效益	低成本传感器（LCS）节点与T640X参考传感器之间的PM10和PM2.5监测数据，以及相对湿度、温度和吸收流量等环境参数	机器学习	心血管疾病	空气质量监测，传感器校准	机器学习算法，深度学习模型	时间序列数据，环境参数	在波哥大一所大学的环境学院安装的监测设备收集的数据	NA	Random Forest, XGBoost	准确性	NA
311	2026-02-14	Sickle cell disease detection in low-resource conditions using transfer-learning and contrastive-learning coupled with XAI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35831-9 PMID:41580439	研究论文	本文提出了一种结合迁移学习、对比学习和可解释人工智能的方法，用于在低资源条件下检测镰状细胞病	结合迁移学习、对比学习（使用三元组损失）和可解释人工智能，以在训练数据有限的情况下提高镰状细胞病检测模型的效率和可解释性	NA	解决在训练数据有限的情况下，深度学习模型在镰状细胞病自动检测中效率受限的问题	镰状细胞病	计算机视觉	镰状细胞病	NA	CNN	图像	NA	NA	ResNet-50, DenseNet-121, EfficientNet-B0	NA	NA
312	2026-02-14	Cattle Farming Activity Monitoring Using Advanced Deep Learning Approach 2026-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s26030785 PMID:41682301	研究论文	本研究提出了一种基于视觉的牛群活动监测方法，利用深度学习算法对牛只的精细行为进行分类	引入基于视觉的监测方法替代传感器，构建了包含2956张图像的自定义数据集，并细分为站立、躺卧、放牧和发情四类行为，超越了以往研究中常用的粗粒度活动分类	研究在单一商业农场进行，可能受光照变化、遮挡和拥挤等环境因素影响，且数据集规模相对有限	开发一种低成本、非侵入式的牛群活动监测系统，以改善健康管理、发情检测和整体畜群监督	商业Nestlé奶牛场中的牛只	计算机视觉	NA	基于视觉的监控	CNN	图像	2956张图像	PyTorch	YOLOv8, YOLOv9	mAP	NA
313	2026-02-14	Study on Auxiliary Rehabilitation System of Hand Function Based on Machine Learning with Visual Sensors 2026-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s26030793 PMID:41682309	研究论文	本研究开发了一种基于机器学习和视觉传感器的手功能辅助康复系统，用于评估中风患者手功能恢复并促进康复训练	结合深度残差网络与Focal Loss进行手势识别，并利用Leap Motion 2毫米级精度建立手部骨骼关节点映射关系，实现沉浸式增强现实交互	未明确提及系统在临床环境中的大规模验证或长期效果评估	评估中风患者手功能恢复并鼓励主动参与康复训练	中风患者（Brunnstrom中晚期阶段）	机器视觉	中风	手势识别，手部跟踪	CNN	图像，骨骼关节点数据	包含502,401帧的静态评估手势数据集	Unity, C#	ResNet	Macro F1分数，验证准确率	NA
314	2026-02-14	An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986-2024) 2026-Jan-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06549-0 PMID:41577719	研究论文	本文提出了一种新的两阶段深度学习模型，用于生成中国1986年至2024年的年度VIIRS类夜间灯光数据集（EVAL），以解决现有产品在光强低估和结构细节缺失方面的不足	提出了一种新颖的两阶段深度学习模型，首次使用高分辨率不透水面数据作为指导来细化夜间灯光数据的精细结构细节，显著提升了数据的时空一致性和与社会经济指标的相关性	研究目前仅针对中国区域，未扩展到全球范围；模型依赖于高分辨率不透水面数据的可用性和质量	生成长期、高质量且具有精细结构细节的夜间灯光遥感数据集，以支持更准确的人类活动强度与空间分布量化研究	中国区域的夜间灯光遥感数据	遥感与深度学习	NA	遥感观测、深度学习	深度学习模型	遥感图像数据、不透水面数据	覆盖中国区域1986年至2024年的年度数据	NA	两阶段深度学习模型	时间一致性、与社会经济指标的相关性	NA
315	2026-01-25	Hybrid deep learning model for air quality prediction and its impact on healthcare 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36564-5 PMID:41577974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
316	2026-02-14	Evaluating gait system vulnerabilities through PPO and GAN-generated adversarial attacks 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37011-1 PMID:41578011	研究论文	本研究探讨了基于深度学习的步态识别系统在面对对抗性攻击时的脆弱性，并提出了一种结合PPO和GAN生成对抗性补丁的攻击方法	创新性地将PPO与GAN结合，利用GAN生成欺骗性对抗样本，并使用PPO优化其放置位置，以最大化对步态识别系统的干扰	研究主要基于特定数据集（CASIA和OU-ISIR），在真实世界复杂场景中的泛化能力有待进一步验证	评估步态识别系统的安全漏洞，并开发有效的对抗性攻击方法以促进系统鲁棒性的提升	基于深度学习的步态识别系统	计算机视觉	NA	对抗性攻击	GAN, PPO	步态视频数据	CASIA Gait Database: Dataset B 和 OU-ISIR Treadmill Dataset B - Clothes variation- 两个数据集	NA	NA	识别准确率	NA
317	2026-02-14	An Intelligent Hybrid Ensemble Model for Early Detection of Breast Cancer in Multidisciplinary Healthcare Systems 2026-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030377 PMID:41681695	研究论文	本研究提出了一种集成传统机器学习、深度学习和集成学习的智能混合系统，用于基于威斯康星乳腺癌数据集进行乳腺癌早期预测	提出了一种新颖的集成模型，该模型在预测准确性、稳定性和可靠性方面显著优于单独的机器学习和深度学习模型，并超越了文献中报道的多种先进方法	研究仅使用了威斯康星乳腺癌数据集，未在其他多源或更复杂的医学数据集上进行验证	通过集成先进的数据预处理、机器学习和深度学习范式，提高乳腺癌早期预测的准确性，以支持诊断决策	乳腺癌	机器学习	乳腺癌	NA	集成学习, 机器学习, 深度学习	医学数据	威斯康星乳腺癌数据集	NA	NA	准确率, 精确率, 召回率, F1分数, 特异性, AUC	NA
318	2026-02-14	LESSDD-Net: A Lightweight and Efficient Steel Surface Defect Detection Network Based on Feature Segmentation and Partially Connected Structures 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030753 PMID:41682269	研究论文	本文提出了一种基于特征分割和部分连接结构的轻量高效钢材表面缺陷检测网络LESSDD-Net	设计了轻量化的跨阶段部分双分支下采样模块（CSPDDM）、耦合通道注意力机制（CCAttention）以及轻量部分快速跨阶段部分瓶颈模块（LP-C2f），在降低模型复杂度的同时提升了检测精度	仅在一个公开数据集（NEU-DET）上进行了验证，未说明在其他工业场景或不同缺陷类型上的泛化能力	开发一种适用于移动设备部署的轻量高效钢材表面缺陷检测方法	钢材表面缺陷	计算机视觉	NA	深度学习	CNN, 目标检测模型	图像	基于NEU-DET数据集（具体数量未说明）	未明确说明，可能为PyTorch或TensorFlow（基于YOLO系列常见实现）	LESSDD-Net（基于YOLO架构改进），包含CSPDDM, CCAttention, LP-C2f模块	平均精度均值（mAP）	未明确说明
319	2026-02-14	Distinguishing a Drone from Birds Based on Trajectory Movement and Deep Learning 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030755 PMID:41682270	研究论文	本文提出了一种基于轨迹运动和深度学习的无人机与鸟类区分方法，用于低空飞行目标识别	提出了一种模型驱动的仿真数据生成流程，利用双向LSTM网络学习轨迹级别的运动模式差异，而非依赖外观特征	方法目前主要在合成数据上进行验证，需要进一步用真实雷达或视频跟踪系统的轨迹数据进行扩展测试	解决远距离场景下无人机与鸟类目标的早期区分问题，提升低空空域安全监控能力	多旋翼无人机、固定翼无人机和鸟类三种空中目标	计算机视觉	NA	轨迹运动分析，深度学习	LSTM	轨迹序列数据（图像平面坐标和表观尺寸时间序列）	基于仿真管道生成的合成数据，包含三种目标类型的轨迹序列	NA	双向长短期记忆网络（Bidirectional LSTM）	分类可靠性（文中提及在合成测试数据上实现可靠分离），但未明确具体指标名称	NA
320	2026-02-14	A Two-Dimensional (2-D) Sensor Network Architecture with Artificial Intelligence Models for the Detection of Magnetic Anomalies 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030764 PMID:41682281	研究论文	本文提出并初步评估了一种用于磁异常检测的二维磁力计网络架构	将磁异常检测从传统的一维架构扩展到二维网络，通过大面积同步数据采集增强空间特征表征能力，实现目标运动参数的可靠估计	仅进行了地面实验验证，使用移动铁磁圆柱体作为目标，实际应用场景（如水下监测）的性能有待进一步验证	开发用于安全和水下监测应用的智能实时监控系统	移动的铁磁目标（圆柱体）	机器学习	NA	磁异常检测	深度学习模型	磁力计原始测量数据	5×5节点阵列部署在12×12米区域	NA	NA	NA	NA