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
341	2026-03-31	Cross-Modality Transfer Learning from PSG to FMCW Radar for Event-Level Apnea-Hypopnea Segmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030283 PMID:41899814	研究论文	本研究提出了一种结合1D U-Net、多头自注意力和跨模态迁移学习的深度学习框架，用于从FMCW雷达信号中检测睡眠呼吸暂停-低通气事件	提出了一种从PSG到FMCW雷达的跨模态迁移学习框架，利用大型PSG数据集预训练模型以学习可迁移的呼吸事件表征，然后在较小的雷达数据集上进行微调，实现了非接触式、低成本的睡眠呼吸暂停筛查	模型在较小的临床标注雷达数据集上进行微调，可能受到数据稀缺性的限制；相对于PSG信号存在明显的域偏移问题	开发一种基于FMCW雷达的准确、低成本、非接触式睡眠呼吸暂停筛查方法，支持在家庭环境中进行可扩展的纵向监测	睡眠呼吸暂停-低通气综合征（SAHS）患者	机器学习	睡眠呼吸暂停-低通气综合征	频率调制连续波（FMCW）雷达传感	CNN, Transformer	雷达呼吸信号，PSG信号	使用大型公共PSG数据集进行预训练，并在较小的临床标注雷达呼吸数据集上进行微调	NA	1D U-Net	精确度，召回率，F1分数	NA
342	2026-03-31	Time-Frequency Respiratory Impedance Maps Enable Within-Breath Deep Learning for Small Airway Dysfunction Identification 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030280 PMID:41899810	研究论文	本研究提出了一种基于脉冲振荡法（IOS）的双域互补深度学习框架，利用呼吸周期内的阻抗动态变化来识别小气道功能障碍（SAD）	提出了时频呼吸阻抗图（TFRIM）来捕捉呼吸周期内的阻抗动态，并设计了一种双流架构联合学习TFRIM和原始时序信号的互补特征，同时引入了人口统计学驱动的自适应特征调制模块以减轻受试者间基线变异性	需要进一步的外部验证才能应用于筛查部署	开发一种基于IOS的深度学习框架，用于识别小气道功能障碍（SAD）	小气道功能障碍（SAD）患者	机器学习	慢性气道疾病	脉冲振荡法（IOS）	深度学习	时间序列信号，时频图	2510名受试者	NA	双流架构	准确率	NA
343	2026-03-31	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中定量测量空间距离	FISH-Dist结合了深度学习斑点分割、3D高斯拟合和两种互补的色差校正方法，专门针对短基因组距离下的标准共聚焦成像技术挑战，显著减少了通道间距离测量误差	该方法主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发自动化流程以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的荧光信号空间距离	数字病理学	NA	荧光原位杂交，共聚焦显微镜成像	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA
344	2026-03-31	Digital watermarking for virtual physically unclonable function data concealment and authentication 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35159-4 PMID:41741498	研究论文	本文提出了一种新颖的数字水印方法，用于增强基于分裂学习的虚拟物理不可克隆功能在物联网网络中的安全性	提出了一种结合深度学习与Jake模型模拟瑞利衰落的数字水印框架，在不增加显著硬件或计算开销的情况下为VPUF响应提供额外的安全层，并支持双因素认证	未明确说明该方法在极端网络条件或大规模攻击场景下的具体性能表现	提高基于分裂学习的虚拟物理不可克隆功能在物联网网络中的安全性，抵御窃听和重放攻击	物联网网络中的虚拟物理不可克隆功能数据	机器学习	NA	数字水印技术，深度学习	自编码器	VPUF响应数据，信道信息	NA	NA	自编码器	保真度，可靠性，不可伪造性	NA
345	2026-03-31	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	本研究提出了一种名为Hybrid-Sumo的深度学习模型，通过整合蛋白质结构和序列特征来预测SUMOylation位点	结合了三种先进的特征提取技术（HSE、PSSM-DWT和BERT），并采用SHAP算法进行最优特征选择，显著提升了预测准确性	未明确提及模型在更广泛或不同物种数据集上的泛化能力限制	开发一个准确预测SUMOylation位点的计算工具，以促进蛋白质功能和修饰分析的研究	SUMOylation位点（一种关键的翻译后修饰位点）	机器学习	NA	蛋白质结构特征提取（HSE）、序列特征提取（PSSM-DWT）、自然语言处理嵌入（BERT）	DNN	蛋白质序列和结构特征数据	基准数据集和独立数据集（平衡与不平衡），具体样本数量未明确	NA	Deep Neural Network	准确率	NA
346	2026-02-28	Global solar energy potential forecasting through machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41357-x PMID:41741590	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
347	2026-03-31	A novel lightweight hybrid CNN-ViT for maize leaf disease classification 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41190-2 PMID:41741594	研究论文	本文提出了一种轻量级混合CNN-ViT模型，用于玉米叶片病害分类	提出了一种基于混合专家架构的轻量级混合模型，能够根据输入特征自适应地强调局部或全局特征，解决了CNN难以捕获全局上下文信息以及ViT需要大数据集和高计算资源的问题	未明确说明模型在更广泛作物病害或不同环境条件下的泛化能力	开发适用于实际农业部署的高性能自动化植物病害诊断方法	玉米叶片病害	计算机视觉	植物病害	NA	CNN, ViT	图像	未明确说明	NA	CNN-ViT混合架构	分类准确率	NA
348	2026-03-31	Deep residual and hybrid CNN models for confidence-aware real-world waste classification for sustainable waste management 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41001-8 PMID:41741626	研究论文	本文提出了一种基于深度学习的异构废物多分类系统，用于可持续废物管理	引入了混合模型（如ResNet101+InceptionV3）以提高复杂类别（如纺织品和杂项垃圾）的分类精度，并提出了置信度评分评估策略来评估模型可靠性	未明确说明模型在极端污染或严重变形物品上的性能，以及实时部署的计算效率	开发一个鲁棒且可扩展的智能废物分类系统，以促进回收和实现可持续废物管理	真实世界废物分类，包括混合、变形和受污染的废物物品	计算机视觉	NA	深度学习	CNN	图像	RealWaste数据集（具体数量未在摘要中说明）	NA	InceptionV3, ResNet101, DenseNet, VGG, EfficientNet, MobileNet	准确率, 损失值, F1分数	NA
349	2026-03-31	Artificial Intelligence in the Diagnosis and Prognostic Stratification of Hepatocellular Carcinoma: Current Evidence, Clinical Applications, and Future Perspectives 2026-Feb-25, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14030505 PMID:41898151	综述	本文综述了人工智能（AI）在肝细胞癌（HCC）诊断、预后分层和临床管理中的应用、当前证据及未来展望	探讨了AI在HCC诊疗中的新兴应用，包括通过影像学预测微血管侵犯、基因突变状态和肿瘤复发，以及辅助个体化治疗规划	AI的广泛应用面临挑战，包括泛化能力有限、患者隐私保护、伦理问题以及需要前瞻性验证	评估AI在肝细胞癌诊断、预后分层和治疗管理中的应用与前景	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	超声、计算机断层扫描（CT）、磁共振成像（MRI）、正电子发射断层扫描（PET）	卷积神经网络（CNN）	影像数据	NA	NA	卷积神经网络（CNN）	NA	NA
350	2026-03-31	Improving Tree-Based Lung Disease Classification from Chest X-Ray Images Using Deep Feature Representations 2026-Feb-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030267 PMID:41899797	研究论文	本研究提出了一种结合CNN和树模型的混合框架，用于从胸部X光图像中自动分类多种肺部疾病	提出了一种混合CNN-树框架，通过使用预训练的ResNet-18提取深度特征，并结合PCA降维和SMOTE处理类别不平衡，最后用可解释的树模型进行分类，在保持高精度的同时降低了计算复杂度和提高了可解释性	研究使用了公开数据集，可能无法完全代表所有临床环境的真实情况；模型性能可能受到数据集合并引入的异质性影响	开发一种计算效率高、可解释性强且适用于资源受限临床环境的自动化肺部疾病分类方法	胸部X光图像	计算机视觉	肺癌	胸部X光成像	CNN, 决策树, 随机森林, XGBoost	图像	来自四个公开数据集的合并数据，包含五类样本（COVID-19、肺炎、结核病、肺癌、正常）	PyTorch（推断，因使用ResNet），Scikit-learn（推断，因使用PCA和树模型）	ResNet-18	加权F1分数	未明确指定，但提及框架支持节能和可扩展部署，暗示对计算资源要求较低
351	2026-03-31	A Physics-Informed Hybrid Neural Network for High-Precision Temperature Prediction in Semiconductor Process Equipment 2026-Feb-25, Micromachines IF:3.0Q2 DOI:10.3390/mi17030287 PMID:41900173	研究论文	本文提出了一种结合物理模型与深度学习的混合神经网络，用于半导体工艺设备的高精度温度预测	通过频率域分析将温度波动衰减器置于加热器上游以过滤中高频扰动，并开发了基于残差学习的Physics-CNN-LSTM预测器来补偿未建模动态	未明确说明模型在极端高频扰动或不同设备配置下的泛化能力	实现半导体工艺设备的高精度热控制，通过前馈补偿提高温度稳定性	半导体工艺设备中的温度控制系统	机器学习	NA	频率域分析，深度学习建模	CNN, LSTM	工业数据	NA	NA	Physics-CNN-LSTM	均方根误差, R2	NA
352	2026-02-25	Clinical accuracy of cephalometric analysis using deep learning-based automated landmark identification on CBCT in class I and class II malocclusions 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41408-3 PMID:41730989	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
353	2026-03-31	A novel approach to mural enhancement using MSR CAB and lacuna extraction from ancient mural paintings using random forest 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36973-6 PMID:41735343	研究论文	本文提出了一种用于古代壁画中漆层脱落区域（lacunae）自动提取的新方法	提出了一种结合MSR-CAB、自适应混合和双边滤波的新型预处理方法，以增强图像质量并解决低光照、灰尘遮挡和光照不均等问题，同时保留细节和历史真实性；并采用成本敏感的随机森林分类器处理类别不平衡问题	未明确提及，但暗示了文化遗产领域通常可用的数据集较小	开发一种低资源消耗且可解释的自动化方法，用于从古代壁画中提取漆层脱落区域，以支持文化遗产机构的记录、监测和保护规划	阿尔及利亚贝伊宫等地的古代壁画	计算机视觉	NA	图像处理，特征提取	随机森林	RGB图像	NA	NA	随机森林	准确率，精确率，召回率	NA
354	2026-03-31	A switching-based deep learning framework for personalized and adaptive E-commerce recommendations 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40024-5 PMID:41735446	研究论文	提出一种基于切换的深度学习框架，用于个性化且自适应的电子商务推荐系统，以应对用户多样性和实时适应性挑战	构建基于切换的混合推荐系统，根据用户交互历史和参与度将用户分为新手、轻度用户和重度用户三类，并优化包括产品浏览在内的多目标信号	未明确提及框架在极端数据稀疏或跨领域推荐中的泛化能力限制	开发一个能够处理多样化用户档案、数据稀疏性、冷启动问题及实时适应性的推荐系统	电子商务推荐系统中的用户，根据交互历史分为新手、轻度用户和重度用户	机器学习	NA	深度学习	混合推荐系统	用户交互数据（如产品浏览）	NA	NA	NA	验证损失, HR@10, NDCG@10, 准确率, 精确率, 召回率, F1分数	NA
355	2026-03-31	Contextual anatomy-guided deep learning for accurate fovea segmentation in diabetic retinopathy fundus images 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40287-y PMID:41735453	研究论文	本文提出了一种基于解剖学上下文引导的深度学习框架，用于在糖尿病视网膜病变眼底图像中准确分割黄斑中心凹	采用数据为中心的方法，通过逐步整合关键解剖标志（视盘、视网膜和血管）到训练标签中，并引入多类别约束机制，显式利用解剖结构间的相互依赖关系，而非单纯增加模型复杂度	未明确讨论模型在更广泛或更具挑战性的临床场景中的泛化能力，以及计算效率的详细分析	提高糖尿病视网膜病变筛查中黄斑中心凹分割的准确性，以支持糖尿病性黄斑水肿的临床管理决策	糖尿病视网膜病变的眼底图像	数字病理学	糖尿病视网膜病变	深度学习	深度学习模型	图像	81张图像（54张训练，27张测试）	NA	MNv4Fovea	IoU, F1-score, 平均欧几里得距离	NA
356	2026-03-31	Real-time identification and quantification of apple scab on fruit in preharvest and postharvest conditions using YOLO11: a deep learning approach 2026-Feb-22, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01508-7 PMID:41725009	研究论文	本研究提出了一种基于深度学习的框架，利用YOLO11模型在收获前和收获后条件下实时识别和量化苹果黑星病症状	采用两阶段微调过程，结合高分辨率图像，显著提升了细尺度病变的分割精度，相比先前YOLO架构提高了50%以上，并支持实时图像和视频处理	面临光照变化和症状异质性等挑战，分割模型的精确度相对较低（0.64）	开发一种准确、可扩展的苹果黑星病表型分析方法，以克服传统视觉评估的局限性	苹果果实上的黑星病症状	计算机视觉	苹果黑星病	深度学习	YOLO	图像	NA	NA	YOLO11	精确度, 召回率, mAP50, mAP50-95	NA
357	2026-03-29	Electrocardiogram-based deep learning score for coronary artery calcification reclassifies cardiovascular risk and identifies screening candidates 2026-Feb-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03400-9 PMID:41723484	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
358	2026-03-31	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	本研究提出了一种多分支融合通道注意力网络（MBFCA-Net），用于利用纵向结构磁共振成像数据诊断阿尔茨海默病，并分析疾病进展中脑区的动态变化	提出MBFCA-Net网络，整合多时间序列数据和不同脑组织特征，利用纵向扫描的时间相关性进行疾病诊断，并进行回顾性可解释性分析以量化疾病各阶段脑区的贡献	未明确说明样本量的具体规模或数据集的局限性，可能影响模型的泛化能力	开发深度学习模型以识别阿尔茨海默病进展过程中的脑部变化，支持早期诊断和病理理解	阿尔茨海默病患者和正常衰老个体的纵向结构磁共振成像数据	数字病理学	阿尔茨海默病	结构磁共振成像（sMRI）	深度学习模型	图像	NA	NA	多分支融合通道注意力网络（MBFCA-Net）	NA	NA
359	2026-03-31	Robust and interpretable unit level causal inference in neural networks for pediatric myopia 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02442-7 PMID:41714699	研究论文	本文提出了一种集成到神经网络中的因果推断框架，用于评估个体特征对预测的影响，并应用于儿童近视进展的研究	将单位级因果推理融入深度学习，通过干预估计直接和间接因果效应，增强了AI系统的可解释性和可靠性	未明确提及具体限制，但可能依赖于数据质量和模型假设	开发透明可靠的AI系统，以支持精准医疗和公平医疗保健	超过3000名儿童的前瞻性儿科眼科队列，具有纵向随访数据	机器学习	近视	因果推断	神经网络	纵向数据	超过3000名儿童	NA	NA	NA	NA
360	2026-03-31	Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02455-2 PMID:41714822	研究论文	开发并外部验证了一个分层深度学习流程，用于自动化测量颈椎矢状面参数，特别处理C7椎体在侧位X光片中被遮挡的情况	采用分层（粗到细）的深度学习策略，结合全局关键点检测器和基于多层感知机的C2/C7专家模型，在C7遮挡率高达82%的挑战性外部数据上实现高精度测量	未明确说明模型在更广泛临床环境或不同成像设备下的泛化能力，以及计算效率的具体分析	开发一个鲁棒且可泛化的自动化系统，用于在真实世界条件下（尤其是C7椎体被遮挡时）可靠评估颈椎对齐参数	颈椎侧位X光片，特别是那些C7椎体被部分或完全遮挡的图像	计算机视觉	颈椎疾病	X射线成像	CNN, 多层感知机	图像	5604张图像用于训练，并在内部和外部队列（外部队列C7遮挡率为82%）进行测试	NA	NA	组内相关系数, 平均绝对误差, 偏差, 一致性界限	NA