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
3181	2026-03-01	An attention-guided residual 3D U-net with focal Tversky-Dice loss for multi-modal pancreatic tumor segmentation using synthetic volumetric imaging 2026-Feb-18, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101146 PMID:41762607	研究论文	本文提出了一种结合注意力机制和残差学习的3D U-Net模型CAAG-UNet3D，用于多模态胰腺肿瘤分割	提出了结合条件特定注意力机制和残差卷积块的3D U-Net架构，并采用合成多模态成像与混合损失函数（Focal Tversky Loss + Dice Loss）来改善小肿瘤区域的分割	研究基于合成多模态CT数据集，未明确说明真实临床数据的验证情况	开发自动化胰腺导管腺癌（PDAC）分割方法以支持临床影像组学	胰腺导管腺癌（PDAC）肿瘤区域	数字病理学	胰腺癌	合成多模态成像（T1, T1ce, T2, FLAIR）	CNN	医学影像（CT）	未明确说明	PyTorch（基于AdamW优化器和OneCycleLR调度器推断）	3D U-Net, 残差卷积块, 注意力门机制	Dice分数, IoU, VOE	NA
3182	2026-03-01	TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models 2026-Feb-17, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.15.706007 PMID:41756895	研究论文	本文提出了一种名为TITAN-BBB的多模态深度学习架构，用于预测血脑屏障渗透性，通过整合表格、图像和文本特征并利用注意力机制，在分类和回归任务上均优于现有方法	首次将传统化学描述符与深度学习嵌入相结合，并利用注意力机制整合多模态特征，构建了迄今为止最大的血脑屏障渗透性数据集	未明确说明模型在外部验证集上的泛化能力，以及计算资源需求的具体细节	开发一种高效、高精度的计算方法来预测血脑屏障渗透性，以替代传统实验方法	血脑屏障渗透性预测	机器学习	NA	多模态深度学习	深度学习模型	表格数据, 图像数据, 文本数据	多个文献来源聚合的最大血脑屏障渗透性数据集	NA	基于注意力机制的多模态架构	平衡准确率, 平均绝对误差	NA
3183	2026-03-01	Current Applications and Future Perspectives of Artificial Intelligence in Face-Driven Orthodontics: A Scoping Review 2026-Feb-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11020146 PMID:41744592	综述	本文是一篇范围综述，分析了人工智能在面部驱动正畸学中的当前应用，并探讨了其未来前景	聚焦于人工智能在面部美学导向的正畸治疗中的整合应用，强调了从单纯关注咬合向优化面部平衡与和谐的范式转变	纳入研究存在数据集异质性、缺乏标准化验证方案、外部验证有限以及临床适用性不足等关键局限性	分析人工智能在面部驱动正畸学中的当前应用，并探讨其未来前景	2021年至2025年间发表的关于人工智能在正畸学中应用的研究文献	计算机视觉	NA	NA	深度学习模型	图像数据（面部图像）	54项初步识别的研究，其中24项符合纳入标准	NA	NA	诊断准确性	NA
3184	2026-03-01	Prediction of Left Atrial Volume Parameters from Resting ECGs and Tabular Data Using Deep Learning in the UK Biobank 2026-Feb-16, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.13.26346205 PMID:41757178	研究论文	本研究开发了一种深度学习模型，利用标准12导联心电图和基本患者数据预测左心房体积参数	提出了一种结合心电图和患者特征的低成本、可扩展的左心房体积预测方法，并利用Shapley值提供可解释的特征重要性	NA	开发一种替代MRI的左心房体积测量方法，以提高临床可及性	UK Biobank中的患者数据，包括心电图和基本患者信息	机器学习	心血管疾病	深度学习	深度学习模型	心电图信号, 表格数据	NA	NA	NA	NA	NA
3185	2026-03-01	Research Progress on the Application of Radiomics and Deep Learning in Liver Fibrosis 2026-Feb-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020082 PMID:41745446	综述	本文综述了影像组学和深度学习在肝纤维化诊断、分期、预后预测及病因鉴别中的最新研究进展与应用价值	总结了AI驱动的影像分析策略在肝纤维化领域的潜力，包括多模态影像融合及克服早期诊断障碍的新视角	模型泛化性、标准化、可解释性以及技术整合与多模态融合方面仍面临挑战	探讨影像组学和深度学习在肝纤维化非侵入性诊断中的应用，以促进精准医疗	肝纤维化患者	医学影像分析	肝纤维化	磁共振成像(MRI)、计算机断层扫描(CT)、超声	深度学习模型	医学影像	NA	NA	NA	NA	NA
3186	2026-03-01	Robust Trajectory Prediction for Mobile Robots via Minimum Error Entropy Criterion and Adaptive LSTM Networks 2026-Feb-15, Entropy (Basel, Switzerland) DOI:10.3390/e28020227 PMID:41751729	研究论文	本文提出了一种结合最小误差熵准则和自适应LSTM网络的鲁棒轨迹预测框架MEE-LSTM，用于提升移动机器人在非高斯脉冲噪声环境下的预测性能	首次将最小误差熵准则与LSTM网络结合用于轨迹预测，并提出了基于Silverman的自适应退火策略动态调节核带宽，有效抑制了异常值影响	研究主要基于ETH和UCY数据集进行验证，在更复杂或更大规模的真实场景中的泛化能力有待进一步验证	提升移动机器人在存在传感器故障和遮挡等非高斯脉冲噪声环境下的轨迹预测鲁棒性	移动机器人的运动轨迹	机器学习	NA	NA	LSTM	轨迹数据	ETH和UCY数据集	NA	LSTM	平均位移误差	NA
3187	2026-03-01	Feasibility of BMI-based sub-milliSievert low-dose CT in individualized detection of lung nodules 2026-Feb-14, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12372-3 PMID:41691132	研究论文	本研究评估了基于BMI的亚毫西弗低剂量CT协议结合多种重建算法在图像质量和肺结节检测中的性能	首次系统评估基于BMI分层的亚毫西弗低剂量CT协议，并比较深度学习图像重建与传统算法在肺结节检测中的表现	样本量相对有限（214名参与者），且为单中心前瞻性研究	评估个性化低剂量CT协议在肺结节检测中的可行性和性能	肺结节患者	数字病理学	肺癌	低剂量CT扫描，深度学习图像重建	深度学习图像重建模型	CT图像	214名参与者	NA	DLIR-H, DLIR-M	结节检出率，尺寸测量准确性，Lung-RADS一致性，图像质量评分	NA
3188	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
3189	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
3190	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
3191	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
3192	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
3193	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
3194	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
3195	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
3196	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
3197	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
3198	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
3199	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
3200	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