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
321	2026-03-31	Acoustic Source Drone Detection System Using Tetrahedral Microphone Array and Deep Neural Networks 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061778 PMID:41901947	研究论文	本文提出了一种基于四面体麦克风阵列和深度神经网络的声学源无人机检测系统，用于解决无人机在民用空域中的安全挑战	提出了一种深度学习框架，将原始声学数据与传感器几何元数据融合，并引入了复合损失函数以独立优化平面和高度坐标，从而提高了三维定位精度	NA	开发一种被动声学分析系统，用于精确检测和定位无人机，以应对关键基础设施和个人隐私的保护需求	无人机（UAVs）	机器学习	NA	声学分析	深度神经网络	声学数据	使用自定义的真实世界无人机飞行数据集	NA	NA	定位性能	NA
322	2026-03-31	Advances, Challenges, and Recommendations for Non-Destructive Testing Technologies for Wind Turbine Blade Damage: A Review of the Literature from the Past Decade 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061773 PMID:41901943	综述	本文系统回顾了过去十年中用于风力涡轮机叶片损伤的非破坏性测试和结构健康监测技术，并讨论了其工程应用、挑战及未来方向	强调数据驱动方法与工程实践的整合，评估机器学习在故障分类和异常诊断中的作用，以及深度学习在图像和信号数据自动缺陷检测中的贡献	存在环境噪声鲁棒性、复杂叶片结构内信号衰减以及实验室方法与现场部署之间的持续差距等关键工程障碍	从工程应用角度，系统评估风力涡轮机叶片的非破坏性测试和结构健康监测技术，以支持从被动维护向预测性维护的转变	风力涡轮机叶片	机器视觉, 机器学习	NA	非破坏性测试, 结构健康监测, 视觉方法, 声学方法, 振动分析, 超声波, 红外热成像	机器学习, 深度学习	图像, 信号数据	NA	NA	NA	检测性能, 成本, 自动化水平	NA
323	2026-03-31	Toward Energy-Efficient and Low-Carbon Intrusion Detection in Edge and Cloud Computing Based on GreenShield Cybersecurity Framework 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061780 PMID:41901949	研究论文	本文提出GreenShield框架，旨在通过轻量级密码学、节能深度学习及碳感知系统优化，实现边缘和云计算中高效能、低碳的入侵检测	结合分层联邦学习架构、知识蒸馏和碳感知调度控制器，动态调整安全响应执行，显著提升能源效率和降低碳排放	未明确讨论框架在更广泛数据集或实际部署环境中的泛化能力及长期稳定性	开发一个能源高效且低碳的入侵检测系统，以应对边缘云计算基础设施中的网络安全挑战	边缘和云计算环境中的入侵检测系统	机器学习	NA	轻量级密码学、深度学习	深度学习模型	网络入侵检测数据集	基于UNSW-NB15和CIC-IDS2017数据集进行实验	NA	分层联邦学习架构	检测准确率	NA
324	2026-03-31	Thyroid Nodule Detection and Classification on Small Datasets: An Ensemble Deep Learning Approach with Attention Mechanism and Focal Loss 2026-Mar-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060825 PMID:41897558	研究论文	本研究提出了一种结合YOLO检测与增强型ResNet18分类器的集成深度学习框架，用于小数据集上的甲状腺结节检测与分类	在小型医学数据集上，通过集成卷积块注意力模块、焦点损失、加权随机采样、混合数据增强、余弦退火学习率调度及5折交叉验证集成等策略，优化轻量级ResNet18架构，提升了模型泛化能力	数据集规模较小（总样本522例），且存在明显的类别不平衡问题，可能影响模型的广泛适用性	开发一种在小规模、类别不平衡的甲状腺超声图像数据集上，具有良好泛化性能的计算机辅助诊断工具	甲状腺超声图像	计算机视觉	甲状腺结节	超声成像	CNN	图像	522名患者的522张甲状腺超声图像（训练集467张，独立测试集41张，内部验证集14张），外加36张外部验证图像	PyTorch	YOLO, ResNet18	准确率, 灵敏度, 特异性	NA
325	2026-03-31	A Gated Attention-Based Multiple Instance Learning and Test-Time Augmentation Approach for Diagnosing Active Sacroiliitis in Sacroiliac Joint MRI Scans 2026-Mar-10, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062101 PMID:41899025	研究论文	本研究提出了一种基于门控注意力多示例学习和测试时增强的方法，用于在骶髂关节MRI扫描中自动诊断活动性骶髂关节炎	将门控注意力多示例学习框架与测试时增强相结合，用于建模骶髂关节MRI中异质性的炎症分布，并通过注意力热图实现可解释性	研究在单一中心数据集上进行，需要更大规模、多中心的数据集验证以确保泛化性	评估基于深度学习的模型在自动检测骶髂关节炎方面的诊断性能，并探索其作为早期中轴型脊柱关节炎诊断决策支持工具的潜力	骶髂关节的MRI扫描图像	数字病理学	中轴型脊柱关节炎	磁共振成像	CNN, MIL	图像	554名受试者（276名患者，278名健康对照）	PyTorch	ResNet-18	准确率, 灵敏度, 特异性, F1分数	NA
326	2026-03-31	Towards Feasible Home ECG Monitoring: AI-Driven Detection of Clinically Critical Arrhythmias Using Single-Lead Signals 2026-Mar-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030317 PMID:41899848	研究论文	本研究开发了一种基于深度学习的模型，用于从单导联心电信号中自动分类五种关键的心律失常模式	提出了一种结合时间注意力和Time2Vec嵌入的深度学习架构，专门用于处理单导联短时程（10秒）心电信号，以支持可行的家庭心电监测	模型训练数据主要来自公开数据集（PhysioNet/CiC Challenge 2020等），可能未涵盖所有临床场景或人群变异；使用单导联信号虽简化了家庭监测，但可能限制了某些复杂心律失常的鉴别能力	开发一种准确、可行的家庭心电监测方案，通过AI自动检测临床关键性心律失常，以支持家庭医疗保健和临床决策	单导联心电信号	机器学习	心血管疾病	心电信号分析	深度学习模型	时序信号（心电信号）	训练集：1500条单导联10秒心电信号；测试集：2297条心电信号	NA	结合时间注意力和Time2Vec嵌入的定制架构	准确率, 灵敏度, 特异性	NA
327	2026-03-31	Limitations of MMSE in Cognitive Assessment: Revealing Latent Risk via Structural Brain Atrophy 2026-Mar-10, Life (Basel, Switzerland) DOI:10.3390/life16030451 PMID:41900969	研究论文	本研究评估了MMSE和nWBV在认知阶段分类中的相对贡献，并提出了一个可解释的深度学习框架来整合两者，以揭示MMSE正常人群中的潜在风险	提出了一个整合MMSE与结构性脑萎缩指标nWBV的可解释深度学习分析框架，用于认知障碍阶段分类和潜在风险筛查，并系统评估了各变量的相对贡献	MMSE对早期或细微认知衰退的敏感性有限，且可能因天花板效应无法充分反映大脑结构变化	评估MMSE和nWBV在认知阶段分类中的相对贡献，并研究MMSE正常人群中的潜在风险	认知障碍阶段分类及MMSE正常人群的潜在风险筛查	机器学习	老年疾病	深度学习，特征消融分析，可解释性分析	MLP, Tab ResNet, Tab Transformer, FT Transformer	表格数据	NA	NA	MLP, Tab ResNet, Tab Transformer, FT Transformer	分类性能	NA
328	2026-03-31	Systematic Evaluation of Machine Learning and Deep Learning Models for IoT Malware Detection Across Ransomware, Rootkit, Spyware, Trojan, Botnet, Worm, Virus, and Keylogger 2026-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s26061750 PMID:41901920	研究论文	本研究对27种机器学习和18种深度学习模型在物联网恶意软件检测中的性能进行了大规模系统评估，涵盖了勒索软件、Rootkit、间谍软件、木马、僵尸网络、蠕虫、病毒和键盘记录器八类恶意软件	首次对45种ML和DL模型在物联网恶意软件检测中进行大规模系统比较，并构建了包含8类恶意软件的5万样本数据集，提出了针对性的特征选择流程	研究仅基于Any.Run平台收集的样本，可能无法完全代表所有物联网恶意软件变种；特征选择流程可能遗漏某些重要特征	评估和比较不同机器学习和深度学习模型在物联网恶意软件检测中的性能，为实际部署提供指导	物联网环境中的恶意软件检测	机器学习	NA	静态和行为遥测分析	机器学习模型, 深度学习模型	表格特征数据	50,000个可执行样本（包括8,000个恶意软件实例和42,000个良性样本）	NA	CatBoost, LightGBM, XGBoost, Extra Trees, Random Forest, TabNet, FT-Transformer	准确率, 假阳性率	商用CPU硬件
329	2026-03-31	A Fully Automated Deep Learning Pipeline for Anatomical Landmark Localization on Three-Dimensional Pelvic Surface Scans 2026-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s26061760 PMID:41901931	研究论文	本研究提出了一种全自动深度学习流水线，用于从原始三维点云数据中定位骨盆后部区域的解剖标志点	开发了一个模块化深度学习框架，集成了三个独立训练的神经网络，分别用于提取感兴趣区域、姿势标准化和标志点定位，实现了全自动、近实时的骨盆解剖标志点识别	研究仅针对骨盆后部区域，未涵盖整个骨盆或更广泛的解剖结构；性能评估在特定数据集上进行，泛化能力需进一步验证	开发一种自动化方法以提高三维骨盆表面扫描中解剖标志点定位的准确性和可重复性	三维骨盆表面扫描数据	计算机视觉	NA	三维点云扫描	CNN	三维点云数据	未明确指定样本数量	未明确指定	PelvicROINet, PelvicAlignNet, PelvicLandmarkNet	中位误差, 重复性, 组内相关系数	未明确指定
330	2026-03-31	Adaptive Logit Fusion for Mitigating Class Imbalance in Multi-Category Sperm Morphology Assessment 2026-Mar-09, Life (Basel, Switzerland) DOI:10.3390/life16030438 PMID:41900957	研究论文	本文提出了一种基于深度学习的自适应对数融合方法，用于缓解多类别精子形态评估中的类别不平衡问题	采用自适应对数融合的集成策略，通过优化融合权重以最大化召回率、精确率和F1分数，有效应对类别不平衡	视觉特征不明显的缺陷类别分类性能相对较低	开发自动化精子形态分类方法以提高男性生育力评估的准确性和可靠性	精子细胞	计算机视觉	男性不育	深度学习	CNN	图像	NA	TensorFlow, PyTorch	EfficientNetV2-S, ResNet50V2	准确率, 召回率, 精确率, F1分数	自动混合精度训练以减少内存消耗和加速训练过程
331	2026-03-31	MyoNet: Deep Learning-Based Myocardial Strain Quantification from Cine Cardiac MRI 2026-Mar-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030310 PMID:41899841	研究论文	本文开发并评估了MyoNet，一种基于深度学习的网络，用于从电影心脏磁共振图像中测量心肌区域功能，并将其与ResMyoNet进行比较	MyoNet通过优化的卷积操作和损失函数，在心肌应变测量中表现出优于ResMyoNet的性能，并与SinMod参考方法高度一致	研究基于Dahl盐敏感大鼠模型，可能限制了在人类或其他疾病模型中的直接适用性	开发并评估一种深度学习网络，用于从电影心脏磁共振图像中量化心肌应变	Dahl盐敏感大鼠模型，接受放射治疗	计算机视觉	心血管疾病	电影心脏磁共振成像	CNN	图像	NA	NA	MyoNet, ResMyoNet	SSIM, ICC, Pearson CC	NA
332	2026-03-31	Multimodal AI Screening of Developmental Language Disorder in Tunisian Arabic Children: Clinical Markers and Computational Detection 2026-Mar-06, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16030375 PMID:41898037	研究论文	本研究提出了一种多模态生物医学信息学框架，整合临床评估、语音录音和人工智能，用于早期检测突尼斯阿拉伯语儿童的发育性语言障碍	首次为突尼斯阿拉伯语这一代表性不足的方言建立了标准化的DLD数据集和计算基准，并开发了结合临床特征和声学嵌入的多模态AI筛查系统	研究基于特定方言（突尼斯阿拉伯语），可能限制了在其他阿拉伯语方言或语言中的泛化能力，且样本规模未明确说明	开发一种AI辅助的早期筛查工具，用于检测突尼斯阿拉伯语儿童的发育性语言障碍	突尼斯阿拉伯语儿童，包括典型发育儿童和患有发育性语言障碍的儿童	自然语言处理	发育性语言障碍	语音录音、临床语言任务评估	Random Forest, 深度学习模型	语音、结构化临床和语言特征	NA	NA	Wav2Vec2	F1分数	NA
333	2026-03-31	EEG-TriNet++: A Transformer-Guided Meta-Learning Framework for Robust and Generalizable Motor Imagery Classification 2026-Mar-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030307 PMID:41899838	研究论文	本文提出了一种名为EEG-TriNet++的深度学习框架，用于提升脑电信号中运动想象分类的准确性和跨被试泛化能力	提出了一种结合卷积空间-频谱编码器、双向LSTM和Transformer头的多分支架构，并引入了模型无关元学习模块以快速适应新用户	未明确说明模型在更大规模或更多样化数据集上的泛化性能，也未详细讨论计算效率	开发一个鲁棒且可泛化的运动想象分类框架，以应对脑电信号的低信噪比、非平稳性和高被试间变异性	脑电信号中的运动想象分类任务	脑机接口	NA	脑电图	CNN, LSTM, Transformer	脑电信号	两个公开的运动想象数据集	NA	多分支深度学习架构（包含卷积空间-频谱编码器、双向LSTM、Transformer头）	准确率	NA
334	2026-03-31	Artificial Intelligence-Driven Discovery and Optimization of Antimicrobial Peptides Targeting ESKAPE Pathogens and Multidrug-Resistant Fungi 2026-Mar-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030591 PMID:41900351	综述	本文综述了人工智能在针对ESKAPE病原体和多重耐药真菌的抗菌肽发现与优化中的应用	整合了机器学习、深度学习和基于Transformer的蛋白质语言模型，以及生成式方法（如变分自编码器、扩散模型和强化学习），用于多目标肽设计和病原体定向优化	目前尚无完全由AI设计的抗菌肽获得监管批准，临床转化仍面临挑战	加速针对高风险耐药病原体的下一代多目标抗菌肽的临床转化	抗菌肽（AMPs）	机器学习	NA	机器学习（ML）、深度学习（DL）、Transformer模型	变分自编码器、扩散模型、强化学习	蛋白质序列数据	NA	NA	Transformer	抗菌活性、选择性、蛋白酶稳定性、宿主毒性预测	NA
335	2026-03-31	AI-Driven Drug Discovery: Focus on Targets for Solid Tumors 2026-Mar-06, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18030329 PMID:41900815	综述	本文综述了人工智能在抗肿瘤药物发现中的应用，特别是大型语言模型在固体肿瘤靶点识别方面的最新进展	重点关注过去三年人工智能，尤其是大型语言模型在药物发现中的革命性应用，并强调其在整合多组学数据和真实世界证据以促进靶点识别方面的能力	讨论了人工智能模型在多模态数据整合和可解释性方面面临的关键挑战	概述人工智能在抗肿瘤药物发现，特别是固体肿瘤靶点识别中的应用与未来方向	固体恶性肿瘤及其靶点识别	机器学习	实体肿瘤	多组学生物数据分析、真实世界证据整合	大型语言模型	多组学生物数据、真实世界证据	NA	NA	NA	NA	NA
336	2026-03-31	Deep Learning Enabled 3D Multi-Omic Analysis Reveals Molecular Signatures of Heterogeneous Response to Chemotherapy in Pancreatic Cancer 2026-Mar-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.03.709150 PMID:41867770	研究论文	本研究开发了一种基于深度学习的3D多组学分析流程，用于揭示胰腺癌对化疗异质性反应的分子特征	首次结合深度学习形态分类与空间多组学技术，在临床样本中实现3D分析，以识别化疗敏感与持续肿瘤细胞群	研究样本量有限，且仅针对胰腺癌，未在其他癌症类型中验证	识别胰腺癌对化疗产生耐药性的潜在机制	接受新辅助化疗的人类胰腺癌临床样本	数字病理学	胰腺癌	空间蛋白质组学, 空间转录组学	深度学习模型	3D形态图像, 空间多组学数据	一个人类胰腺癌样本队列	NA	NA	NA	NA
337	2026-03-31	Multi-Architecture Deep Learning for Early Alzheimer's Detection in MRI: Slice- and Scan-Level Analysis 2026-Mar-05, International journal of environmental research and public health DOI:10.3390/ijerph23030322 PMID:41899699	研究论文	本研究提出了一种双层次评估框架，比较了十五种深度学习架构在ADNI数据集上对阿尔茨海默病、轻度认知障碍和认知正常受试者进行分类的性能，重点关注预处理流程对模型可靠性的影响	通过系统优化预处理步骤以减少数据变异性并增强特征一致性，确立了预处理质量作为神经影像深度学习中性能的关键决定因素，并揭示了多切片聚合对不同架构的不对称影响	研究主要基于ADNI数据集，可能无法完全推广到其他人群或数据采集协议，且未详细探讨模型在不同疾病亚型或病程阶段的具体表现	开发可靠的自动化方法，用于阿尔茨海默病的早期检测，特别是在前驱期如轻度认知障碍阶段	阿尔茨海默病、轻度认知障碍和认知正常的受试者	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer, 混合模型	图像	ADNI数据集中的受试者（具体数量未在摘要中明确说明）	NA	ConvNeXtV2-L, EfficientNetV2-L, VGG19, SwinV1-L	准确率	NA
338	2026-03-31	A Multi-Scale Vision-Sensor Collaborative Framework for Small-Target Insect Pest Management 2026-Mar-04, Insects IF:2.7Q1 DOI:10.3390/insects17030281 PMID:41898943	研究论文	提出了一种多尺度视觉传感器协同识别方法，用于复杂农业环境下的小目标害虫管理	联合建模多尺度视觉表示与害虫生态机制，引入环境传感器数据作为先验调制视觉特征，将生态约束显式融入判别过程	NA	提高复杂条件下小目标害虫识别的准确性和稳定性，促进从经验驱动到数据驱动的害虫管理转变	小目标害虫，包括蚜虫、蓟马、白粉虱、叶蝉、蜘蛛螨和叶甲虫	计算机视觉	NA	多尺度视觉传感器协同识别	深度学习模型	图像, 传感器数据（温度、湿度、光照）	从内蒙古巴彦淖尔市临河区真实农田和温室环境收集的多模态数据集	NA	NA	准确率, 精确率, 召回率, F1分数	NA
339	2026-03-31	Current Trends in Artificial Intelligence for Recognizing Work Postures to Prevent Work-Related Musculoskeletal Disorders: Systematic Review and Meta-Analysis by Occupational Activity 2026-Mar-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030298 PMID:41899829	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了人工智能在识别工作姿势以预防工作相关肌肉骨骼障碍方面的性能	首次针对不同职业活动、姿势类别和AI方法（机器学习与深度学习）进行综合性能比较，为行业5.0背景下的人本化检测系统设计提供依据	主要限制在于所使用方法的高度多样性，可能导致结果的可比性受限	评估人工智能工作姿势识别系统在职业活动中的性能，以预防工作相关肌肉骨骼障碍	工作姿势识别系统及其在预防工作相关肌肉骨骼障碍中的应用	计算机视觉	工作相关肌肉骨骼障碍	深度学习, 机器学习	深度学习, 机器学习	NA	58项研究（来自157条独特记录）	NA	NA	准确率, 精确率, 特异性, 灵敏度, F1分数	NA
340	2026-03-31	Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708333 PMID:41867838	研究论文	本文介绍了一个名为Crop-OCT的自动化端到端图像组学管道，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变	开发了一个完全集成的自动化管道，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析	管道仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证	加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测	小鼠模型中的视网膜病变，包括遗传性视网膜疾病如色素性视网膜炎、Leber先天性黑蒙、色盲、Stargardt病、糖尿病视网膜病变和年龄相关性黄斑变性	数字病理学	视网膜病变	光学相干断层扫描	深度学习	图像	超过20,000张OCT图像，涉及13种遗传性视网膜病变模型	NA	NA	NA	NA