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
3901	2026-02-17	Trends in Vibrational Spectroscopy: NIRS and Raman Techniques for Health and Food Safety Control 2026-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s26030989 PMID:41682506	综述	本文综述了振动光谱技术在健康和食品安全控制中的应用趋势，重点关注手持和微型化仪器	强调了振动光谱技术在食品安全和健康应用中的新兴趋势，包括仪器微型化、SERS检测痕量污染物、高光谱成像与深度学习结合、化学计量学与机器学习集成以及校准转移和监管准备	NA	探讨振动光谱技术在健康和食品安全控制领域的发展趋势和应用前景	振动光谱技术（如拉曼、近红外光谱、高光谱成像）及其在食品和健康领域的应用	机器学习	NA	振动光谱技术（拉曼、表面增强拉曼-SERS、中红外和近红外光谱、高光谱成像）	NA	光谱数据	NA	NA	NA	NA	NA
3902	2026-02-17	A Method for 3D Building Individualization Integrating SAMPolyBuild and Multiple Spatial-Geometric Features 2026-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s26030999 PMID:41682516	研究论文	本文提出了一种结合SAMPolyBuild与多种空间几何特征的三维建筑单体化方法，旨在从城市倾斜摄影三维模型中有效提取单体建筑	利用SAMPolyBuild的零样本学习能力进行粗提取，并引入Jensen-Shannon散度和Earth Mover's距离两种统计参数优化建筑识别过程	未明确说明方法对非典型空间结构建筑的提取效果，且实验仅基于单一数据集进行验证	解决三维建筑模型中建筑单体化的关键问题，提高自动化提取的效率和准确性	城市倾斜摄影三维模型中的单体建筑	计算机视觉	NA	倾斜摄影测量，零样本学习	NA	三维模型（网格数据）	基于Semantic Urban Meshes (SUM)数据集	NA	SAMPolyBuild	F1分数	NA
3903	2026-02-17	Central Nervous System Involvement in Acute Myeloid Leukemia: From Pathophysiology to Neuroradiologic Features and the Emerging Role of Artificial Intelligence 2026-Feb-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15031187 PMID:41682868	综述	本文综述了急性髓系白血病中枢神经系统受累的神经影像学特征，并探讨了人工智能在提升其检测和表征中的作用	系统性地总结了AML-CNS的神经影像学模式，并强调了新兴的人工智能和影像组学方法在该罕见并发症中的应用潜力	该疾病罕见且缺乏大型、标注良好的数据集，限制了AI模型的进展和验证	总结急性髓系白血病中枢神经系统受累的病理生理学、神经影像学特征，并评估人工智能在诊断和预后中的应用前景	急性髓系白血病患者的中枢神经系统受累情况	数字病理学	白血病	MRI, CT, PET/CT	机器学习, 深度学习	医学影像	基于138项相关研究（涉及数千条记录）的分析	NA	NA	肿瘤分类准确性, 预后准确性	NA
3904	2026-02-17	Fine-Grained Detection and Sorting of Fresh Tea Leaves Using an Enhanced YOLOv12 Framework 2026-Feb-03, Foods (Basel, Switzerland) DOI:10.3390/foods15030544 PMID:41683130	研究论文	本文提出了一种增强的YOLOv12检测框架，用于新鲜茶叶的细粒度检测与分拣	集成了C3k2_EMA、A2C2f_DYT和RFAConv三个关键模块，以增强模型捕捉细微茶芽特征的能力	未明确说明模型在更广泛茶叶品种或极端环境条件下的泛化能力	提高机器采摘茶叶的自动分拣准确性和一致性	新鲜茶叶（特别是优质茶芽）	计算机视觉	NA	机器视觉，深度学习	CNN	图像	NA	NA	YOLOv12	准确率，召回率，mAP@0.5	NA
3905	2026-02-17	Deep Learning-Based Semantic Segmentation and Classification of Otoscopic Images for Otitis Media Diagnosis and Health Promotion 2026-Feb-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030467 PMID:41681785	研究论文	本研究开发了一种基于深度学习的AI诊断框架，用于耳镜图像的语义分割和分类，以辅助中耳炎的诊断和健康促进	提出了一种结合半监督学习、语义分割和基于区域特征提取的三步式AI诊断框架，用于耳镜图像的自动分析，提高了诊断的客观性和可重复性	研究样本量相对有限（共607张图像），且为回顾性数据，未来需要更大规模的前瞻性研究进行验证	开发一种客观、可重复的自动化诊断工具，以辅助中耳炎的准确诊断和健康筛查	临床耳镜图像	计算机视觉	中耳炎	深度学习图像分析	CNN	图像	607张临床耳镜图像（正常耳220张，急性中耳炎157张，慢性中耳炎伴鼓膜穿孔230张）	NA	U-Net, PSPNet, HRNet, DeepLabV3+	像素精度, Dice相似系数, 准确率	NA
3906	2026-02-17	Review of CNN-Based Approaches for Preprocessing, Segmentation and Classification of Knee Osteoarthritis 2026-Feb-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030461 PMID:41681779	综述	本文综述了基于卷积神经网络（CNN）的膝骨关节炎（KOA）预处理、分割和分类方法	系统性地比较了文献中基于CNN的KOA分类方法，并指出了现有研究的方法学局限性和未来研究方向	现有研究在稳健性和临床适用性方面存在不足，分类准确性受数据集、成像模态和任务定义影响较大	自动化评估膝骨关节炎的疾病严重程度，以减少临床医生间的主观差异	膝骨关节炎（KOA）的X射线和MRI影像数据	计算机视觉	骨关节炎	X射线和MRI成像	CNN	图像	NA	NA	NA	准确率	NA
3907	2026-02-17	MRI-Based Radiomics for Non-Invasive Prediction of Molecular Biomarkers in Gliomas 2026-Feb-02, Cancers IF:4.5Q1 DOI:10.3390/cancers18030491 PMID:41681963	系统综述	本文系统综述了基于MRI的影像组学在胶质瘤分子生物标志物无创预测中的应用，评估了方法学趋势、性能指标和转化准备度	首次系统性地综合了当前影像组学在胶质瘤分子生物标志物预测中的应用，并采用RQS、IBSI和NOS等多种工具评估了方法学质量	研究存在异质性，未进行荟萃分析；成像方案、标准化程度、外部验证和方法学严谨性存在差异，阻碍了广泛的临床转化	评估影像组学在胶质瘤关键分子生物标志物无创预测中的应用现状与潜力	人类胶质瘤患者	数字病理学	胶质瘤	MRI	机器学习, 深度学习	图像	总计10324名患者（平均每项研究140名，范围23-628）	NA	卷积神经网络	AUC	NA
3908	2026-02-17	Engineering-Oriented Ultrasonic Decoding: An End-to-End Deep Learning Framework for Metal Grain Size Distribution Characterization 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030958 PMID:41682473	研究论文	本文提出了一种基于深度学习的端到端框架，利用多模态超声特征和空间编码来预测GH4099金属的晶粒尺寸分布	结合双卷积压缩网络与全连接解码器的编码器-解码器模型，引入厚度编码分支进行物理约束下的特征解耦，以及椭圆空间融合策略优化预测	NA	开发一种准确且适应性强的金属晶粒尺寸分布表征方法	GH4099金属材料的晶粒尺寸分布	机器学习	NA	超声检测	CNN	超声A扫描信号的时间-频率表示	NA	NA	编码器-解码器模型,双卷积压缩网络,全连接解码器	平均绝对误差,标准偏差平均绝对误差,KL散度	NA
3909	2026-02-17	An Intelligent Sensing Framework for Early Ransomware Detection Using MHSA-LSTM Machine Learning 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030952 PMID:41682470	研究论文	提出一种基于MHSA-LSTM机器学习模型的智能感知框架，用于早期勒索软件检测	核心创新在于引入基于信息增益的相关性系数μ增强自注意力机制，能自主优先区分最具判别性的行为特征，过滤噪声并克服初始攻击阶段数据稀缺问题	未明确说明框架在实时动态环境中的部署延迟或资源消耗限制	开发主动式早期勒索软件检测框架以增强网络安全防御	勒索软件样本与良性应用程序的行为特征数据	机器学习	NA	动态分析	LSTM, CNN-LSTM	行为特征序列数据	39,378个勒索软件样本和9,732个良性应用程序	NA	Multi-Head Self-Attention LSTM (MHSA-LSTM), CNN-LSTM, Stacked LSTM	准确率, 假阳性率, F1分数	NA
3910	2026-02-17	Research and Application of Safety Hazard Perception and Responsibility Traceability System in University Laboratories 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030953 PMID:41682471	研究论文	本文提出了一种基于深度学习的实验室安全隐患感知与责任追溯系统，用于解决高校实验室安全管理中的挑战	引入通道注意力机制SE和NWD损失函数，结合DeepSORT跟踪，实现实验室场景的多目标跟踪与隐患感知，并提出了责任匹配算法和可视化追溯机制	NA	解决高校实验室安全管理中责任追溯对高频风险行为监管不足的问题	高校实验室场景中的安全风险行为，如实验人员未穿实验服	计算机视觉	NA	深度学习	目标检测模型	图像	NA	YOLOv5s, DeepSORT	YOLOv5s	平均精度均值(mAP)	NA
3911	2026-02-17	High-Accuracy Detection of Odor Presence from Olfactory Bulb Local Field Potentials via Deep Neural Networks 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030951 PMID:41682467	研究论文	本研究提出了一种基于深度神经网络的方法，用于从嗅球局部场电位中高精度检测气味的存在	首次提出使用互补的一维卷积网络集成模型（ResCNN和AttentionCNN）从多通道嗅球局部场电位中进行稳健的单次试验气味检测，并验证了仅凭嗅球信号和频谱特征即可实现高精度检测的假设	研究为初步工作，仅在7只清醒小鼠的2349次试验上进行测试，尚未在更广泛或更复杂的场景中验证	开发一种通用的气味检测系统，验证从嗅球局部场电位进行稳健单次试验气味检测的可行性	清醒小鼠的嗅球局部场电位信号	机器学习	NA	局部场电位记录	CNN	信号数据（局部场电位）	7只清醒小鼠的2349次试验	NA	ResCNN, AttentionCNN	准确率, F1分数, AUC	NA
3912	2026-02-17	Progressive Attention-Enhanced EfficientNet-UNet for Robust Water-Body Mapping from Satellite Imagery 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030963 PMID:41682479	研究论文	本文提出了一种结合卷积块注意力模块（CBAM）和改进的EfficientNet-UNet架构的深度学习模型，用于从卫星图像中精确识别水体	将CBAM集成到改进的EfficientNet-UNet架构中，以优先处理信息丰富的特征和空间区域，并通过五折交叉验证、动态测试时间增强和Lovász损失函数优化确保模型鲁棒性	NA	开发一种高保真、计算高效的模型，用于大规模水资源和生态系统监测系统中的水体映射	卫星图像中的水体	计算机视觉	NA	NA	CNN	图像	NA	NA	EfficientNet-UNet	精确度, 灵敏度, 特异性, 准确度, Dice分数, IoU	NA
3913	2026-02-17	AI-Enhanced Hybrid QAM-PPM Visible Light Communication for Body Area Networks 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030971 PMID:41682486	研究论文	本文研究了一种基于混合QAM-PPM调制框架的人工智能增强型可见光通信系统，用于体域网应用	提出结合QAM和PPM的双调制策略，并集成经典预失真技术与基于CNN-Transformer层的深度学习均衡器，以同时实现高数据速率和可靠通信	NA	开发一种适用于体域网的高效、鲁棒的可见光通信系统	体域网中的可见光通信系统	机器学习	NA	可见光通信，混合QAM-PPM调制	CNN, Transformer	通信信号数据	NA	NA	CNN-Transformer混合架构	NA	NA
3914	2026-02-17	MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning 2026-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2431664 PMID:39576667	研究论文	本研究开发了一个结合蛋白质语言模型和多窗口深度学习技术的计算框架，用于对次级主动转运蛋白中的氨基酸和肽转运蛋白进行分类，并预测其与溶质载体蛋白的功能关联	首次将预训练的蛋白质语言模型（ProtTrans、ESM-1b、ESM-2）与采用多窗口扫描技术的深度学习神经网络架构相结合，以捕获序列的局部和全局模式，用于转运蛋白的功能分类和预测	研究仅基于448个次级主动转运蛋白的数据集，样本规模相对有限；模型在SLC蛋白预测上的准确率（88.89%）虽高但仍有提升空间	开发一个稳健的计算框架，对次级主动转运蛋白家族中的氨基酸和肽转运蛋白进行分类，并预测其与溶质载体蛋白的功能关联	次级主动转运蛋白，特别是氨基酸和肽转运蛋白，以及溶质载体蛋白	生物信息学	癌症	蛋白质语言模型，深度学习	深度学习神经网络	蛋白质序列数据	448个次级主动转运蛋白（包括36个溶质载体蛋白）	NA	基于ProtTrans、ESM-1b、ESM-2蛋白质语言模型的多窗口深度学习架构	准确率，灵敏度，特异性，马修斯相关系数	NA
3915	2026-02-17	An optimal deep learning approach for breast cancer detection and classification with pre-trained CNN-based feature learning mechanism 2026-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2430454 PMID:39601679	研究论文	提出一种基于最优深度学习的乳腺癌检测与分类系统，该系统集成了预训练模型进行分割和特征学习	提出了一种结合DCUNet进行分割、SCADN-121进行特征学习、ECSO进行特征选择以及ECSO-LSTM进行分类的集成深度学习框架，在乳腺癌超声图像分类上达到了99.86%的准确率	仅使用了BUSI单一数据集进行验证，未提及模型在外部数据集或临床环境中的泛化能力	开发一个自动化的乳腺癌早期检测与分类系统，以降低死亡率并改善治疗计划	乳腺癌超声图像	计算机视觉	乳腺癌	超声成像	CNN, LSTM	图像	BUSI数据集中的超声图像（具体数量未在摘要中提及）	NA	DCUNet, DenseNet-121, LSTM	准确率	NA
3916	2026-02-17	Systematic scRNA-seq screens profile neural organoid response to morphogens 2026-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02927-5 PMID:41398501	研究论文	本文通过单细胞转录组测序系统筛选，详细调查了形态发生素对人类神经类器官区域特异性的影响	首次利用多路单细胞转录组测序屏幕，全面分析了人类神经类器官对形态发生素的响应，揭示了时间、浓度和组合对细胞类型和区域组成的强烈影响	未明确提及具体局限性	研究形态发生素如何指导人类神经类器官的区域化，以预测干细胞分化结果	人类神经类器官	单细胞转录组学	NA	单细胞RNA测序	深度学习模型	单细胞转录组数据	未明确提及具体样本数量	NA	NA	NA	NA
3917	2026-02-17	The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics 2026-Feb, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01838-z PMID:41495202	研究论文	本文提出了一种名为SpaHDmap的可解释多模态降维框架，通过整合空间转录组数据与高分辨率组织学图像来提升空间分辨率	SpaHDmap将非负矩阵分解融入深度学习框架，能够同时分析多个样本，并兼容多种组织学图像类型，从而识别高分辨率空间元基因	NA	增强空间转录组数据的空间分辨率，以解析细微的空间结构和潜在的生物活动	空间转录组数据与高分辨率组织学图像	数字病理学	NA	空间转录组技术	深度学习	基因表达数据, 图像	NA	NA	NA	NA	NA
3918	2026-02-17	Segmentation-Guided Preprocessing Improves Deep Learning Diagnostic Accuracy and Confidence of Ameloblastoma and Odontogenic Keratocyst in Cone Beam CT Images-A Preliminary Study 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030416 PMID:41681734	研究论文	本研究探讨了分割引导预处理在提高基于深度学习的成釉细胞瘤和牙源性角化囊肿在锥形束CT图像中诊断准确性和置信度方面的效果	引入了分割引导的预处理方法，通过不同ROI（感兴趣区域）输入策略，显著提升了模型的诊断性能，并增强了模型的可解释性	初步研究，样本量相对较小（128例），且仅针对两种特定颌骨病变	评估分割引导预处理对深度学习模型在颌骨病变诊断中性能的影响，以支持计算机辅助诊断系统的临床转化	病理确诊的成釉细胞瘤和牙源性角化囊肿患者的锥形束CT扫描图像	计算机视觉	颌骨病变	锥形束CT成像	CNN	图像	128例病理确诊的CBCT扫描（成釉细胞瘤64例，牙源性角化囊肿64例）	NA	InceptionV3	准确率, 召回率, 精确率, F1分数, AUC	NA
3919	2026-02-17	Deep Learning-Based Liver Tumor Segmentation from Computed Tomography Scans with a Gradient-Enhanced Network 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030429 PMID:41681747	研究论文	本研究提出了一种基于梯度增强网络G-UNETR++的肝脏肿瘤全自动分割方法，用于CT扫描图像分析	开发了基于G-UNETR++网络的两阶段分割流程，先分割整个肝脏区域再分割肿瘤，并在两个公开数据集上验证了其优越性能	仅使用了公开数据集进行验证，未在更多临床中心数据进行测试；样本量相对有限	开发全自动肝脏肿瘤分割方法以辅助临床诊断和治疗	CT扫描图像中的肝脏肿瘤	计算机视觉	肝癌	CT扫描	深度学习	医学图像	151个CT扫描（LiTS数据集131个，3DIRCADb数据集20个）	NA	G-UNETR++	Dice系数	NA
3920	2026-02-17	Lumbar MRI-Based Deep Learning for Osteoporosis Prediction 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030423 PMID:41681741	研究论文	本研究开发了一种基于腰椎MRI的深度学习模型，用于预测骨质疏松症	首次利用常规腰椎MRI序列（T1和T2加权图像）通过深度学习模型进行骨质疏松症的识别，无需额外成像或辐射	研究为回顾性设计，样本量相对较小（218名患者），且患者年龄均≥50岁，可能限制了模型的普适性	开发深度学习模型，利用腰椎MRI图像实现骨质疏松症的自动化识别	218名年龄≥50岁、同时接受过腰椎MRI和双能X线吸收测定法（DXA）检查的患者	计算机视觉	骨质疏松症	磁共振成像（MRI），双能X线吸收测定法（DXA）	CNN	图像	218名患者，从T1和T2加权MRI序列中各提取738张图像	NA	EfficientNet b4, InceptionResNet v2, ResNet-50	AUC, 灵敏度, 特异性	NA