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	2026-03-31	Digital Gait Biomarkers for Parkinson's Disease: Subject-Wise Validated Explainable AI Framework Using Vertical Ground Reaction Force Signals 2026-Mar-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030360 PMID:41899891	研究论文	本研究提出了一种基于垂直地面反作用力信号的两阶段可解释AI框架，用于帕金森病的检测和连续严重程度估计	提出了一个两阶段可解释AI框架，结合了深度学习和XGBoost回归，实现了帕金森病的可重复检测和连续严重程度量化，并利用集成梯度方法提供了模型解释性	未明确说明模型在外部验证集上的泛化性能，且临床量表H&Y本身存在主观性和离散分级的局限性	开发一种基于步态数字生物标志物的可解释AI框架，用于帕金森病的客观检测和疾病进展的连续量化	帕金森病患者（使用TREND前瞻性纵向队列，n=696）	数字病理学	帕金森病	垂直地面反作用力信号分析	TCN, BiGRU with attention, FCNN-Transformer, XGBoost	时间序列信号（VGRF信号）	TREND前瞻性纵向队列（n=696名受试者）	未明确指定，但提及了XGBoost	时间卷积网络, 双向门控循环单元注意力机制, 全连接神经网络-Transformer	AUC, Spearman相关系数, 平均绝对误差, 均方根误差, 决定系数	NA
302	2026-03-31	Prediction of Bandgap and Key Feature Analysis of Lead-Free Double Perovskite Oxides Based on Deep Learning 2026-Mar-19, Molecules (Basel, Switzerland) DOI:10.3390/molecules31061032 PMID:41900131	研究论文	本研究利用深度学习模型预测无铅双钙钛矿氧化物的带隙，并通过SHAP方法分析关键特征	系统比较了MLP、深度集成学习、PINN和Transformer四种模型在带隙预测中的性能，并利用SHAP方法进行特征重要性分析以增强模型可解释性	MLP模型对含有Si和Mg等元素的中高带隙系统泛化能力有限	实现无铅双钙钛矿氧化物带隙的高精度预测和机理解释，为材料设计和性能优化提供理论支持	无铅双钙钛矿氧化物	机器学习	NA	深度学习	MLP, 深度集成学习, PINN, Transformer	结构化特征数据	2367个有效数据集	NA	MLP, 深度集成学习, PINN, Transformer	R值, MAE, MSE, RMSE	NA
303	2026-03-31	RD-GuideNet: A Depth-Guided Framework for Robust Detection, Segmentation, and Temporal Tracking of White Button Mushrooms 2026-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s26061935 PMID:41902103	研究论文	本研究开发了一个名为RD-GuideNet的深度引导计算机视觉框架，用于自动化检测、分割和追踪白蘑菇，以支持机器人选择性采摘	提出了一种新颖的图像处理算法，该算法整合了RGB和深度图像，并实现了一个定制的深度引导追踪算法，以在密集蘑菇床中保持蘑菇的身份跨帧一致性	其追踪一致性（92.7%）略低于对比模型YOLOv8（95.3%）和YOLOv11（94.6%），未来工作将研究结合深度几何推理与深度学习的混合框架的全面定量评估	开发一个自动化框架以解决蘑菇农场劳动力短缺问题，支持及时、选择性的机器人采摘	白蘑菇	计算机视觉	NA	图像处理算法，深度引导追踪算法	深度学习模型	RGB图像，深度图像	NA	NA	RD-GuideNet, YOLOv8, YOLOv11	F1-score，追踪一致性	NA
304	2026-03-31	CSFPR-RTDETR-CR: A Causal Intervention Enhanced Framework for Infrared UAV Small Target Detection with Feature Debiasing 2026-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s26061941 PMID:41902108	研究论文	本文提出了一种基于因果推理增强的红外无人机小目标检测框架，旨在解决特征偏差问题并提升检测性能	提出了一种结合因果干预的三路径特征去偏方法，包括因果数据增强模块、反事实推理模块和因果注意力机制模块，以分离和强化因果特征	NA	提升红外图像中无人机小目标检测的准确性和鲁棒性	红外图像中的无人机小目标	计算机视觉	NA	红外成像	Transformer	图像	HIT-UAV公共数据集	PyTorch	CSFPR-RTDETR	mAP@50, mAP@50:95	NA
305	2026-03-31	Enhanced ovarian cancer diagnosis using deep learning on pelvic ultrasound with integrated clinical data: retrospective multicenter study 2026-Mar-19, Journal of gynecologic oncology IF:3.4Q2 DOI:10.3802/jgo.2026.37.e84 PMID:41906782	研究论文	本研究旨在通过整合盆腔超声图像与年龄、CA-125等临床数据，开发深度学习模型以提升卵巢良恶性肿瘤的鉴别诊断能力	创新点在于将超声图像分割为囊性和实性成分进行特征提取，并结合临床数据（年龄、CA-125）集成到深度学习分类器架构中，显著提高了模型性能	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限（804例患者），且未在外部独立队列中进行验证	开发一个深度学习模型，用于增强卵巢良恶性肿瘤的鉴别诊断	卵巢肿瘤患者（包括良性和恶性）	数字病理学	卵巢癌	盆腔超声成像	CNN	图像, 临床数据	804例患者（446例良性，358例恶性）	PyTorch, TensorFlow	ResNet50, DenseNet121	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
306	2026-03-31	Artificial Intelligence in ALK-Rearranged NSCLC: Forecasting Response and Resistance 2026-Mar-18, Cancers IF:4.5Q1 DOI:10.3390/cancers18060973 PMID:41899575	综述	本系统综述评估并综合了人工智能在利用影像、病理、分子和临床数据预测ALK重排非小细胞肺癌状态及治疗相关结局方面的证据	通过文献计量共现分析识别出分子表征和计算方法两大研究主题，并观察到近期向治疗特异性及整合性分析的转变	方法学异质性大、外部验证有限、缺乏前瞻性研究，这些因素限制了临床转化	评估人工智能在ALK重排非小细胞肺癌的诊断、预后和治疗评估中的应用潜力	ALK重排的非小细胞肺癌患者	数字病理学	肺癌	影像学、病理学、分子数据及多模态数据	机器学习、深度学习	影像、病理、分子、多模态数据	NA	NA	NA	曲线下面积	NA
307	2026-03-31	DuDeM: A Dual-Network Model for Early Gastric Cancer Detection Based on Capsule Endoscopy 2026-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030356 PMID:41899887	研究论文	本研究提出了一种名为DuDeM的双网络模型，用于基于胶囊内镜的早期胃癌检测，通过整合ResNet50卷积分支和CapsuleNet分支，结合动态路由和注意力加权策略，以应对胃部解剖部位、患者姿势变化和胃蠕动带来的干扰	开发了结合ResNet50卷积分支与CapsuleNet动态路由的双网络模型，采用注意力加权特征融合策略，有效建立局部-全局特征关联，提升了在干扰条件下的早期胃癌检测鲁棒性	未明确说明模型在不同医院数据间的泛化能力细节，也未提及对严重图像扰动（如重度运动伪影）的鲁棒性测试	开发一种鲁棒的深度学习模型，以解决胶囊内镜中早期胃癌检测因胃部解剖部位、患者姿势变化和胃蠕动带来的挑战	胶囊内镜图像	计算机视觉	胃癌	胶囊内镜	CNN, CapsuleNet	图像	来自中国九家医院和公共数据集的胶囊内镜图像（具体数量未在摘要中说明）	NA	ResNet50, CapsuleNet	AUC, F1-score, 灵敏度, 特异性, 精确度	NA
308	2026-03-31	AI-Based Myocardial Segmentation and Attenuation Mapping Improved Detection of Myocardial Ischemia and Infarction on Emergency CT Angiography 2026-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030355 PMID:41899885	研究论文	本研究探讨了基于AI的心肌分割与衰减映射技术是否能改善急诊CT血管造影中心肌缺血和梗死的检测	首次将深度学习心肌分割与基于体素的衰减归一化映射相结合，用于急诊CT血管造影，并证明其能提高检测敏感性和阅片者间一致性	研究为回顾性设计，样本量有限（119例），且仅纳入48小时内接受侵入性冠状动脉造影的患者，可能存在选择偏倚	改进急诊CT血管造影中心肌缺血和梗死的检测准确性	119例急性胸痛患者	数字病理学	心血管疾病	心电图门控CT血管造影	深度学习	医学影像	119例患者	nnU-Net	U-Net	敏感性，阅片者间一致性	NA
309	2026-03-31	MM-WAE: Multimodal Wasserstein Autoencoders for Semi-Supervised Wafer Map Defect Recognition 2026-Mar-18, Micromachines IF:3.0Q2 DOI:10.3390/mi17030367 PMID:41900253	研究论文	本文提出了一种基于多模态Wasserstein自编码器的半监督晶圆图缺陷识别方法，以解决实际产线中标记数据稀缺、类别分布长尾和特征表示有限的问题	提出了多模态Wasserstein自编码器框架，通过空间、频率和纹理三个并行特征分支，结合多头注意力和门控机制进行自适应多模态融合，并引入最大均值差异损失和逆类别频率加权交叉熵损失进行联合优化	未明确说明模型在极端长尾分布或新型未知缺陷模式下的泛化能力，也未讨论计算复杂度对工业实时部署的影响	提高集成电路制造中晶圆图缺陷模式识别的准确性和鲁棒性，特别是在标记数据稀缺和类别不平衡的条件下	晶圆图缺陷模式	计算机视觉	NA	NA	自编码器	图像	NA	NA	多模态Wasserstein自编码器	准确率	NA
310	2026-03-31	Yixin Yangshen Granules Target HIF-1 Signaling to Modulate the Neuroimmune Microenvironment in Alzheimer's Disease: Insights from Integrative Multi-Omics and Deep Learning 2026-Mar-18, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19030502 PMID:41901348	研究论文	本研究通过整合多组学分析和深度学习，揭示了益心养神颗粒通过靶向HIF-1信号通路调节阿尔茨海默病神经免疫微环境的多靶点作用机制	首次结合单核RNA测序、多组学整合分析和深度学习框架DTIAM，系统揭示了益心养神颗粒在阿尔茨海默病中的多靶点作用机制，并识别出其关键活性成分甘孢内酯A	研究主要基于Aβ诱导的动物模型，尚未在更广泛的AD模型或临床样本中进行验证；深度学习预测的活性成分结合机制仍需进一步的实验验证	阐明益心养神颗粒在阿尔茨海默病中的多靶点作用机制	阿尔茨海默病小鼠模型、HT22细胞系、人AD海马体单核RNA测序数据	生物信息学, 深度学习	阿尔茨海默病	UPLC-QTOF-MS, snRNA-seq, 转录组学, 蛋白质组学, ELISA, qRT-PCR, Western blot, 分子对接, 分子动力学模拟	深度学习	单细胞RNA测序数据, 转录组数据, 蛋白质组数据, 分子结构数据	公共人类AD海马体snRNA-seq数据集、Aβ诱导的小鼠模型、HT22细胞系	DTIAM	NA	NA	NA
311	2026-03-31	VIS-NIR-SWIR Hyperspectral Imaging and Advanced Machine and Deep Learning Algorithms for a Controlled Benchmark of Bean Seed Identification and Classification 2026-Mar-18, Plants (Basel, Switzerland) DOI:10.3390/plants15060933 PMID:41901452	研究论文	本文利用VIS-NIR-SWIR高光谱成像和先进的机器学习与深度学习算法，对32种豆类种子进行识别和分类的基准测试	首次将VIS-NIR-SWIR高光谱成像与多种机器学习及深度学习模型结合，用于豆类种子的非破坏性分类，并探索了波段缩减对传感器设计的指导意义	研究在受控实验室条件下进行，结果可能无法直接推广到实际部署环境；波段缩减发现仅为传感器设计提供探索性指导，而非已验证的部署就绪规格	开发一种非破坏性、可扩展的种子种质鉴定方法，以支持种质资源保护、可追溯性和育种工作	32种豆类种子，包括30个普通豆地方品种和2个外群豆类	计算机视觉	NA	VIS-NIR-SWIR高光谱成像	线性判别分析, 支持向量机, 多层感知机, 卷积神经网络, 循环神经网络, 注意力机制	高光谱图像	3200颗种子（每种100颗）	NA	MLP_Wide, 卷积神经网络, 循环神经网络, 注意力机制	准确率, 宏F1分数, 平衡准确率, 精确率, 召回率	NA
312	2026-03-31	The Evolving Landscape of COPD Typization 2026-Mar-18, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62030564 PMID:41901645	综述	本文综述了慢性阻塞性肺疾病（COPD）分型领域的最新进展，重点分析了生物标志物、先进定量成像和多组学技术的整合应用	提出了向GETomics（遗传、环境、时间）框架的转变，作为超越传统分类系统局限性和实现真正个性化医疗的基础前提	作为一篇叙述性综述，未涉及原始研究数据或具体实验验证	分析COPD表征的演变格局，探讨精准医疗背景下从通用症状管理向特定可治疗特征识别的范式转变	慢性阻塞性肺疾病（COPD）的临床和生物学异质性	数字病理学	肺病	生物标志物、先进定量成像、多组学技术	深度学习	影像数据、组学数据	NA	NA	NA	NA	NA
313	2026-03-31	Physics-Guided Variational Causal Intervention Network for Few-Shot Radar Jamming Recognition 2026-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s26061900 PMID:41902069	研究论文	提出一种物理引导的变分因果干预网络，用于解决雷达主动干扰识别中训练样本稀缺和因果混淆问题	首次将物理先验与因果推断结合，通过结构化因果模型解耦信号特征，并引入变分信息瓶颈优化互信息，以消除环境混淆因素导致的虚假相关性	方法基于半物理仿真数据集验证，在真实复杂电磁环境中的泛化性能尚未充分评估	提高在训练样本稀缺条件下雷达主动干扰识别的准确性和鲁棒性	雷达主动干扰信号	机器学习	NA	半物理仿真	深度学习模型	时频图像表示	极低样本量机制下的数据集	NA	物理引导的变分因果干预网络	识别准确率	NA
314	2026-03-31	A Multimodal Biomedical Sensing Approach for Muscle Activation Onset Detection 2026-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s26061907 PMID:41902075	研究论文	提出一种轻量级时序注意力方法，用于慢速肌肉激活起始检测，结合表面肌电信号和光学运动图像数据，在低计算复杂度下提升检测性能	引入轻量级时序特征编码、慢激活感知的时序注意力机制及噪声抑制的稳定决策策略，有效增强对渐进激活信号的建模能力	未提及具体的数据集规模或跨受试者设置的详细限制	解决慢速肌肉激活起始检测中的准确识别问题，应用于康复训练、姿势调节和精细运动控制等场景	表面肌电信号和同步获取的光学运动图像数据	生物医学传感	NA	表面肌电信号分析，光学运动成像	深度学习	信号，图像	包含多种慢激活运动类型的数据集，使用五折交叉验证	NA	轻量级时序注意力框架	准确率，召回率，精确率，平均检测误差，检测延迟，假阳性率	NA
315	2026-03-31	C-EMDNet: A Nonlinear Morphological Deep Framework for Robust Speech Enhancement 2026-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s26061917 PMID:41902086	研究论文	本文提出了一种名为C-EMDNet的非线性语音增强方法，结合了CEEMDAN的自适应分解能力和深度卷积架构，直接在时间-本征模态函数域中操作	将CEEMDAN的本征模态函数解释为形态学潜在空间，以捕捉语音的多尺度结构，并采用U-Net类网络估计模态掩码，实现选择性噪声抑制	NA	开发一种鲁棒的语音增强框架，通过非线性形态学表示提升语音去噪性能	噪声语音信号	自然语言处理	NA	CEEMDAN, 深度卷积架构	CNN, U-Net	语音信号	标准噪声语音数据集	NA	U-Net	NA	NA
316	2026-03-31	Deep Learning-Based Image Classification of Pupae from 11 Lepidoptera Pest Species 2026-Mar-17, Insects IF:2.7Q1 DOI:10.3390/insects17030327 PMID:41898987	研究论文	本研究利用深度学习模型对11种鳞翅目害虫蛹的多角度图像进行分类，实现了高精度的自动化识别	首次建立了标准化的多角度鳞翅目害虫蛹图像数据集，并系统评估了包括CNN和Transformer在内的六种深度学习模型，将蛹的形态识别转化为可解决的计算机视觉任务	所有模型在特定物种（如Helicoverpa armigera、Helicoverpa assulta和Spodoptera litura）间存在一致的轻微混淆，这些错误源于有限样本的特定拍摄角度	探索鳞翅目害虫蛹的自动化形态识别解决方案，为蛹期害虫监测开发图像工具提供基础	11种具有经济重要性的鳞翅目害虫的蛹	计算机视觉	NA	多角度图像采集	CNN, Transformer	图像	11种害虫蛹的多角度图像数据集	NA	Vit-Small（及其他五种模型，具体架构未明确列出）	准确率, F1分数	NA
317	2026-03-31	Real-Time Application of Artificial Intelligence for Automatic Detection of High-Grade Squamous Intraepithelial Lesions During High-Resolution Anoscopy 2026-Mar-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062268 PMID:41899192	研究论文	本文首次描述了在实时高分辨率肛门镜检查中使用基于深度学习的YOLO目标检测模型自动检测高级别鳞状上皮内病变	首次在临床实践中实现实时AI增强的高分辨率肛门镜检查，用于自动检测HSIL	仅在三名患者中进行了演示，需要多中心验证研究	提高肛门癌筛查中病变检测和分化的准确性	接受肛门癌筛查的高分辨率肛门镜检查患者	计算机视觉	肛门癌	高分辨率肛门镜检查	YOLO	图像	三名患者	NA	YOLO	NA	NA
318	2026-03-31	Denoising and Baseline Correction of Low-Scan FTIR Spectra: A Benchmark of Deep Learning Models Against Traditional Signal Processing 2026-Mar-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030347 PMID:41899878	研究论文	本文提出了一种基于物理信息级联Unet的深度学习模型，用于同时处理低扫描FTIR光谱的去噪和基线校正任务，以加速临床FTIR成像速度	提出了一种包含确定性物理桥的级联Unet架构，通过嵌入SNIP层强制网络分离随机噪声与化学信号，而非学习统计近似，从而消除光谱幻觉并提高泛化能力	研究仅使用人类下咽癌细胞系（FaDu）数据集进行验证，未在其他细胞类型或更复杂组织样本中测试	开发一种能够同时处理噪声和基线漂移的稳健方法，以加速傅里叶变换红外成像的临床速度	人类下咽癌细胞（FaDu）的低扫描FTIR光谱数据	机器学习	下咽癌	傅里叶变换红外成像	深度学习, CNN	光谱数据	人类下咽癌细胞系（FaDu）数据集	NA	Unet, 级联Unet	RMSE, 峰值感知指标	NA
319	2026-03-31	A Range-Aware Attention Framework for Meteorological Visibility Estimation 2026-Mar-17, Sensors (Basel, Switzerland) DOI:10.3390/s26061893 PMID:41902062	研究论文	本文提出了一种用于气象能见度估计的范围感知注意力框架，并引入了一个新的高分辨率能见度数据集	提出了Range-Aware Attention Framework (RAT-Attn)，这是一种将经典范围特定大气建模转化为可微分深度学习操作的自适应注意力机制，并引入了包含11,148张高分辨率图像的香港珠海学院能见度数据集(HKCHC-VD)	未明确说明模型在极端天气条件下的泛化能力或计算效率	提高气象能见度估计的准确性，以增强交通和环境监测系统的安全性与可靠性	雾和霾等大气条件导致的非线性视觉退化现象	计算机视觉	NA	深度学习	CNN, Vision Transformer	图像	11,148张高分辨率图像	未明确说明	ResNet, ViT	均方误差(MSE), 平均绝对误差(MAE), 分类准确率	NA
320	2026-03-31	Improved Point Cloud Representation via a Learnable Sort-Mix-Attend Mechanism 2026-Mar-17, Sensors (Basel, Switzerland) DOI:10.3390/s26061888 PMID:41902056	研究论文	本文提出了一种可学习的排序-混合-注意力机制（SMA），用于增强基于MLP的点云主干网络的表示能力	提出了一种可微分模块，能够动态地对局部点集施加任务驱动的规范结构，通过生成几何基并使用可微分排序机制来序列化邻域，从而高效建模丰富的特征交互	未明确说明方法在更广泛点云任务（如配准、生成）上的泛化能力，也未与其他最先进复杂算子进行全面的计算效率对比	提升3D点云的深度学习表示能力，特别是增强高效点级MLP主干网络的表征容量	3D点云数据	计算机视觉	NA	NA	MLP	3D点云	NA	NA	PointNeXt, PointNet++	总体准确率（OA）	NA