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
3281	2026-07-30	Advances in Artificial Intelligence for Gastrointestinal Endoscopy: 2026 Update 2026-Jul-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142248 PMID:42510111	综述	人工智能在胃肠内镜领域的应用进展，涵盖计算机辅助检测、诊断、质量评估及多模态深度学习等方面	首次系统总结了AI在多种内镜技术（结肠镜、上消化道内镜、超声内镜、ERCP、胆道镜及胶囊内镜）中的最新应用进展，并重点关注了工作流整合和临床效率提升	现有证据主要基于替代结局指标而非以患者为中心的临床获益，且泛化能力、可解释性、监管监督、自动化偏差及工作流整合等挑战仍限制广泛应用	综述人工智能在胃肠内镜中的应用进展，分析当前挑战并展望未来发展方向	胃肠内镜诊疗技术及人工智能辅助系统	计算机视觉、自然语言处理、机器学习	消化道疾病	N/A	深度学习模型（多模态）	内镜图像及视频	N/A	N/A	N/A	N/A	N/A
3282	2026-07-30	A Lightweight Vision Transformer and Retinal Biomarker Fusion Framework for Early Glaucoma Detection: Toward Improved Clinical Screening 2026-Jul-18, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15145651 PMID:42513565	研究论文	提出一种基于轻量级视觉Transformer和视网膜生物标志物融合的框架，用于早期青光眼检测	将临床可解释的视网膜生物标志物与Transformer全局特征学习相结合，通过编码器-解码器CNN分割视盘和视杯，提取垂直杯盘比等指标，再与轻量级Vision Transformer学习的视网膜全局结构特征融合进行青光眼分类	未明确提及，但依赖眼底图像质量和已建立的生物标志物阈值，可能受限于数据集规模和临床验证范围	实现更早期、更一致的青光眼自动筛查以提高临床筛查效率	基于视神经结构和视网膜生物标志物的眼底图像	计算机视觉	青光眼	眼底成像	CNN, Transformer	图像	基于ORIGA和REFUGE2眼底图像数据集，具体样本数不详	PyTorch	编码器-解码器CNN, 轻量级Vision Transformer	Dice系数, IoU, F1分数, 召回率, 准确率, 精确率	未说明
3283	2026-07-30	AWARE-Net: A Lightweight Joint Optimization Framework for Robust Sensor-Based Human Activity Recognition 2026-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s26144566 PMID:42515448	研究论文	提出了一种轻量级联合优化框架AWARE-Net，用于鲁棒的传感器人体活动识别	将轻量级TS-ResNet骨干编码器与融合类别平衡损失、对比学习辅助损失和时间平滑正则化的全局损失函数结合，实现多目标联合优化	未明确讨论	解决传感器人体活动识别中准确性、噪声鲁棒性、类别不平衡适应和轻量部署需求之间的平衡问题	传感器人体活动识别方法	机器学习	NA	传感器技术	TS-ResNet	传感器数据	三个公开数据集：OPPORTUNITY, PAMAP2, USC-HAD（具体样本量未提供）	NA	TS-ResNet	NA（文中未明确列出具体指标）	NA
3284	2026-07-30	Regional differences in foveal avascular zone morphology in cynomolgus macaques using a normative OCTA database 2026-07-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60198-2 PMID:42471406	研究论文	利用规范性OCTA数据库研究食蟹猴中心凹无血管区形态的区域差异	首次基于自动化OCT/OCTA图像处理流程，结合深度学习分割技术，建立了健康食蟹猴中心凹无血管区（FAZ）的规范性参考数据库，并揭示了地理来源对FAZ形态的显著影响	研究仅基于实验室小规模群体，未评估年龄、长期纵向变化或其他潜在混杂因素对FAZ形态的影响	建立食蟹猴FAZ形态的规范性参考数据库，支持临床前眼科研究中的结构性和血管性变化准确解读	健康食蟹猴的OCT/OCTA图像数据	数字病理学	眼科疾病	OCT, OCTA	深度学习（卷积神经网络）	图像	多个健康食蟹猴（具体样本数量未在摘要中明确提及）	NA	U-Net（用于OCT分割）	FAZ面积、周长、长宽比、圆形度、坚固度	NA
3285	2026-07-30	Accurate Segmentation of Overlapping Cervical Cells Using an Optimized Deep Learning Framework for Cytology Screening 2026-Jul-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142240 PMID:42510103	研究论文	开发了一个优化的深度学习框架用于宫颈细胞实例分割，专门针对巴氏涂片图像中重叠细胞的分离	利用生物学启发的锚定尺度（16, 32, 64, 128, 256）改进区域建议网络，并结合软校准后处理提升小细胞检测和掩膜细化	需要在更大规模的多中心数据集上进行进一步验证后才能进行常规临床应用	开发用于宫颈细胞实例分割的优化深度学习框架，提升重叠细胞的分离效果	巴氏涂片图像中的宫颈细胞，特别是重叠细胞	数字病理学	宫颈癌	NA	Mask R-CNN	图像	460张宫颈涂片图像用于开发和内部评估，210张独立图像作为外部临床评估集	PyTorch	Mask R-CNN, ResNet-50, 特征金字塔网络	AP50, Mask IoU, APs, APm, APl, 临床检测准确率	NA
3286	2026-07-30	Development of a Deep Learning Model to Estimate Anemia from Palpebral Conjunctiva Taken with a Portable Slit-Lamp Microscope 2026-Jul-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070824 PMID:42510489	研究论文	开发一种深度学习模型，利用便携式裂隙灯显微镜拍摄的睑结膜图像来估计贫血	首次使用智能手机兼容的裂隙灯显微镜拍摄的睑结膜图像，结合ConvNeXt回归模型进行血红蛋白浓度估计和贫血筛查	模型性能中等，需进一步提高准确性并开展前瞻性多中心验证才能实现临床应用	开发和验证一种基于睑结膜图像的非侵入性血红蛋白估算和贫血筛查系统	225名日本参与者（20-92岁）的睑结膜图像和血液检测数据	计算机视觉	贫血	NA	ConvNeXt回归模型	图像	225名参与者，9903张高质量睑结膜图像（训练集8082张，测试集1821张）	PyTorch	ConvNeXt	AUC, 准确率, 灵敏度, 特异度, 相关系数	NA
3287	2026-07-30	AGTS-Net: Anatomically Guided Two-Stage Network for Actionable Stroke Classification in Complete NCCT Studies 2026-Jul-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070827 PMID:42510492	研究论文	提出AGTS-Net，一种基于解剖引导的两阶段深度学习框架，用于完整的非增强CT检查中的中风分类	创新性地采用先分配切片至解剖区域再应用区域特定分类器的两阶段架构，并通过Grad-CAM提供可解释的视觉指导	基于小规模专有数据集（99名患者），外部验证仅针对解剖预分类器，缺乏区域分类器的外部标签支持	开发支持紧急中风分类的可解释深度学习工具，应对早期缺血迹象细微和解剖变异性挑战	完整的非增强CT检查中的中风分类，包括出血性中风、后部缺血性中风、前部缺血性中风或无中风	计算机视觉, 数字病理学	中风	非增强CT	两阶段神经网络	图像	99名患者的3440张NCCT切片用于内部训练，7012张Kaggle数据集用于外部评估	NA	两阶段网络, Grad-CAM	解剖路由准确率（0.99），迁移学习效果	NA
3288	2026-07-30	Image-Based Artificial Intelligence for Predicting Malignant Transformation of Oral Potentially Malignant Disorders: A Scoping Review 2026-Jul-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15145623 PMID:42513537	综述	本文综述了基于图像的AI方法在口腔潜在恶性病变恶变预测中的应用现状	首次系统梳理了计算病理组学、临床照片深度学习和光学/光谱图像分析三种AI路径在OPMD风险分层中的应用，并识别出放射组学在OPMD中未被探索的研究空白	纳入研究中仅44%包含外部验证，仅6%为前瞻性研究，且对IBSI、TRIPOD-AI和CLAIM标准的依从性有限	评估基于图像的AI方法在OPMD诊断、预后和风险分层中的证据现状、方法学特征和预测准确性，并确定未来研究优先领域	口腔潜在恶性病变（OPMD）患者队列	计算机视觉, 机器学习	口腔癌	计算病理组学, 临床照片深度学习, 光学/光谱图像分析	深度学习, 机器学习	图像	24项研究（16项主要图像研究，8项背景综述）	NA	NA	AUROC	NA
3289	2026-07-30	Identification of Roll Defect or Damage Based on Rayleigh Waves and Deep Convolutional Neural Network Models 2026-Jul-17, Materials (Basel, Switzerland) DOI:10.3390/ma19143089 PMID:42513824	研究论文	基于瑞利波和深度卷积神经网络模型识别轧辊缺陷或损伤	提出基于瑞利波信号和特定采样率功率谱图像的深度学习方法，实现四种常见损伤类型（空洞、孔洞、裂纹、粘附）的自动识别，并比较了不同结构的DenseNet模型在准确率和训练时间上的性能	未提及	提高超声波检测识别轧辊损伤的智能化水平	轧辊损伤类型（空洞、孔洞、裂纹、粘附）	机器视觉	NA	超声波检测	卷积神经网络	时域信号和功率谱图像	未提及	TensorFlow, PyTorch	ResNet, GoogLeNet, DenseNet, AlexNet	准确率, 训练时间	NA
3290	2026-07-30	Wind Turbine Blade Fault Diagnosis Integrating Multi-Scale Enhanced Hierarchical Fuzzy Entropy, Isolation Forest and GWO-GRU 2026-Jul-16, Entropy (Basel, Switzerland) DOI:10.3390/e28070810 PMID:42511419	研究论文	提出一种结合多尺度增强层次模糊熵、孤立森林和灰狼优化门控循环单元的风力发电机叶片故障诊断方法	首次将多尺度增强层次模糊熵（MEHFE）用于提取叶片振动信号的“尺度-频率”双维特征，并结合孤立森林进行特征筛选与灰狼优化算法优化GRU网络超参数，实现高精度故障诊断	未详细讨论算法在真实风力发电机叶片上的部署可行性及不同工况下的泛化能力	从复杂振动信号中有效提取故障特征，提升深度学习网络在风力发电机叶片故障诊断中的性能	风力发电机叶片典型故障的振动信号	机器学习	NA	MEHFE, 孤立森林, GWO-GRU	GRU	振动信号	典型风力发电机叶片故障仿真实验数据集	NA	GRU	准确率	NA
3291	2026-07-30	AI-Augmented Multi-Omics for Abiotic Stress Responses: A New Frontier in Plant Hormone Systems Biology 2026-Jul-16, Plants (Basel, Switzerland) DOI:10.3390/plants15142185 PMID:42514552	综述	综述人工智能增强的多组学方法在植物激素系统生物学中应对非生物胁迫的应用	提出利用人工智能（包括深度学习和机器学习）克服传统多组学在空间分辨率低、静态采样和无法捕获非线性相互作用方面的局限，并聚焦于林木激素生物学研究	未明确说明具体局限，但传统多组学方法存在空间分辨率低、采样静态和无法捕获非线性相互作用等限制	探讨人工智能技术如何增强多组学在植物激素系统生物学中应对非生物胁迫的应用，并展望未来方向	植物（特别是森林树种）的激素调控网络及其对非生物胁迫的响应	机器学习	NA	多组学、人工智能、深度学习、机器学习	深度学习、机器学习模型	多组学数据（高维数据）	NA	NA	NA	NA	NA
3292	2026-07-30	A Multimodal Feature Sensing and Fusion Neural Network for Damage Localization by Ultrasonic Guided Waves 2026-Jul-16, Sensors (Basel, Switzerland) DOI:10.3390/s26144525 PMID:42515409	研究论文	提出一种多模态特征感知与融合神经网络（MSFN），用于基于超声导波的复合材料损伤定位	提出创新的多模态输入模式，同时利用损伤信号、散射波信号和能量密度信号三种不同模态，并采用注意力机制引导的特征融合策略，实现高精度损伤定位	未提及明显的局限性	实现复合材料中基于超声导波的高效准确损伤定位	复合材料中的超声导波损伤定位	数字病理学	NA	超声导波	CNN, GRU, BiGRU	信号	NA	NA	CNN-based DS-encoder, GRU-based SW-encoder, BiGRU-based ES-encoder, attention-guided fusion module	准确率（98.13%），鲁棒性，定位速度，泛化能力	NA
3293	2026-07-30	Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization 2026-Jul-16, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19071097 PMID:42515778	研究论文	开发了一种整合深度学习框架，通过等位基因特异性增强子预测来指导药物优先级排序	首次将非编码遗传变异预测与药物重定位结合，通过转录因子和基因两种互补策略实现	仅以MCF7乳腺癌细胞系作为概念验证系统，未在其他细胞类型或疾病背景下验证	利用深度学习模型预测非编码调控变异，建立药物重定位框架	乳腺癌风险变异及相关候选药物	机器学习	乳腺癌	深度学习模型、GWAS分析、基因表达谱分析	深度学习模型	基因表达数据、GWAS数据	1537个乳腺癌风险变异、347个靶基因	NA	NA	NA	NA
3294	2026-07-30	Investigation of the Use of Artificial Intelligence in Anterior Loop Detection: A Panoramic Radiography Study 2026-Jul-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142213 PMID:42510076	研究论文	评估基于深度学习的YOLOv8x模型在曲面断层片中自动检测前袢的性能	首次将YOLOv8x模型应用于曲面断层片中的前袢自动检测任务	模型敏感性和泛化能力仍需进一步改进	评估深度学习方法在曲面断层片中自动检测前袢的性能	下牙槽神经的前袢	计算机视觉	口腔疾病	曲面断层摄影	YOLOv8x	图像	305张曲面断层片，包含413个前袢标注	PyTorch	YOLOv8x	精确率、召回率、F1分数、mAP@0.5	NA
3295	2026-07-30	Lightweight Container Orchestration for Reproducible AI and Deep Learning Segmentation of Coronary Arteries and the Aorta in Coronary CT Angiography 2026-Jul-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142214 PMID:42510077	研究论文	开发并评估一种轻量级容器编排器，用于可重复执行冠状动脉CT血管成像中的深度学习分割模型	提出一种无需Kubernetes的跨平台容器编排方案，利用Podman实现标准化REST API、异步作业和并行推理，降低部署复杂性	计算资源争用导致高负载下延迟增加；系统仅在分割任务上验证，未测试多类型工作流	实现心血管分割模型在本地研究环境中的可重复、标准化和便携式部署	冠状动脉和主动脉的CT血管成像分割模型	深度学习	心血管疾病	冠脉CT血管成像	nnU-Net	图像	200例独立外部测试队列的CT血管成像检查	PyTorch	nnU-Net v2	Dice相似系数, 交并比, 延迟, 吞吐量, 资源利用率	GPU加速（具体型号未说明），CPU回退模式
3296	2026-07-30	Industrial Object Counting from Traditional Machine Vision to Open-World Foundation Models: A Systematic Review 2026-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s26144494 PMID:42515377	综述	系统回顾了工业目标计数技术从传统机器视觉到开放世界基础模型的发展历程	以技术演进为核心线索，深入分析了从特定类别计数到类别无关计数和无示例计数、再到大型基础模型的范式转变，系统梳理了FSC-147、NWPU-MOC、OmniCount-191等主流数据集，并提出了轻量级模型设计、无监督学习、多模态融合和基于提示的交互式计数等未来研究方向	未明确提及本文的局限性	全面系统地综述工业目标计数领域过去十五年（2010-2025）的技术变革，分析不同方法的核心挑战与未来方向，为学术界和工业界提供完整技术蓝图	工业目标计数任务，包括传感器方法、模板匹配、CNN、Transformer、Mamba状态空间模型以及大型基础模型等不同技术范式	计算机视觉	NA	机器视觉、深度学习	CNN, Transformer, Mamba状态空间模型, 大型基础模型	图像	NA	NA	NA	平均绝对误差（MAE）, 均方根误差（RMSE）, PrACo指标系统	NA
3297	2026-07-30	Noise Robustness Evaluation of Time-Frequency Networks (TFNs) for Intelligent Mechanical Fault Diagnosis 2026-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s26144492 PMID:42515376	研究论文	评价时间-频率网络在智能机械故障诊断中的噪声鲁棒性，纠正方法学问题后评估五种架构性能	引入校正协议消除窗口级数据泄露和训练周期选择偏差，揭示了时频感知卷积核的噪声鲁棒性优于通用注意力机制	仅研究加性高斯噪声和脉冲噪声，未考虑实际工业环境中其他噪声类型；评估局限于特定SNR范围和五种架构	评估时间-频率网络在机械故障诊断中的噪声鲁棒性，并纠正方法学问题以获取可靠结论	时间-频率网络五种架构（Backbone CNN、Random CNN、TFN-Chirplet、TFN-Morlet和squeeze-and-excitation注意力CNN基线）	机器学习	NA	振动信号分析	CNN	振动信号	未明确提及具体样本数量	PyTorch	Backbone CNN, Random CNN, TFN-Chirplet, TFN-Morlet, squeeze-and-excitation CNN	准确率	NA
3298	2026-07-30	Thrivaad: A Multilingual, Predictive Eye-Sign-Based AAC System Powered by Optimized Deep Learning 2026-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s26144503 PMID:42515387	研究论文	提出一种名为Thrivaad的多语言、基于眼部信号的增强性和替代性沟通系统，利用优化的深度学习技术提高系统在变化环境下的适应性	首次将Optuna优化的YOLOv5模型应用于眼部信号检测，并集成多语言支持和文本预测功能以提升沟通效率	可能未充分讨论模型在极端光照条件或不同人群（如眼部疾病患者）中的表现，且系统实时性能可能受计算资源限制	开发一种鲁棒的多语言眼部信号沟通系统，克服现有方法在适应性、多语言支持和照明变化方面的局限性	言语障碍患者，特别是由脑瘫和肌萎缩侧索硬化症引起的患者	计算机视觉, 数字病理学	神经退行性疾病	眼部信号捕捉、文本预测	YOLOv5	图像（眼部信号图像）	60名参与者（分三年龄段），共35,263张眼部信号图像	Optuna, YOLOv5	YOLOv5	未明确指定，但可能包括准确率、精确率、召回率等	NA
3299	2026-07-30	Deep Multimodal Phenotyping and Sensor Fusion for Preharvest Cotton Quality Assessment and Agricultural Economic Decision Support 2026-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s26144493 PMID:42515381	研究论文	提出一种自监督多模态感知框架，用于连接棉花铃前状态、环境条件和采后纤维质量	首次将自监督学习应用于棉花铃前质量评估，通过跨模态对比融合对齐图像和环境特征，实现多模态融合的时序建模	文中未明确提及实验规模和数据局限性，仅在田间试验中进行验证	实现棉花铃前质量评估与收获决策支持	棉花铃的成熟度、异常状态、环境传感器记录、管理信息和采后纤维质量测量数据	机器学习	NA	NA	自监督编码器、跨模态对比融合网络	图像（棉花铃图像）、时间序列数据（温度、湿度、光照、土壤湿度、降雨等环境变量）	田间实验采集的棉花铃图像、环境传感器记录、管理信息和采后纤维质量测量数据	PyTorch	Cotton Boll Visual Phenotype Self-Supervised Encoding Module（基于掩码图像重建）、Agricultural Sensor Temporal Masked Modeling Module（基于掩码传感器重建）、Vision-Environment Cross-Modal Contrastive Fusion Module	准确率、F1分数、AUC	NA
3300	2026-07-30	Cross-Species Behavioral Representation Learning Using Domain-Adversarial Adaptation on Wearable IMU Signals 2026-Jul-15, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11070496 PMID:42505529	研究论文	提出一种跨物种行为表征学习框架，利用域对抗适应从可穿戴IMU信号中提取可迁移的运动结构	首次将域对抗适应与行为本体论结合，实现多物种间的行为表征迁移，并引入双头架构同时处理多标签和单标签行为结构	需在更多物种、传感器位置和部署条件下进行外部验证，无监督负迁移问题仍需进一步解决	实现跨物种的可迁移动物行为识别，减少对大规模标记数据集的依赖	狗、山羊和马的运动行为数据	机器学习	NA	IMU信号分析	域对抗神经网络 (DANN)	可穿戴IMU信号时间序列	狗、山羊和马的运动数据，具体样本量未提供	PyTorch	双头架构 (处理多标签和单标签结构)	Macro-F1	NA