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
3941	2026-02-17	Automated weed segmentation with knowledge based labeling for machine learning applications 2026-Jan-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37475-1 PMID:41588159	研究论文	本研究开发并评估了一种基于eCognition的自动化特征标记工作流，用于无人机RGB影像中的杂草分割，以支持机器学习应用	提出了一种无需人工训练标签的自动化特征标记工作流，结合多种空间算法和植被指数，实现了高精度的杂草与作物分离	工作流在不同田间、日期和实验条件下的可转移性有待进一步改进	开发自动化杂草分割工作流，以加速机器学习应用的数据集创建	无人机RGB影像中的杂草（如地肤、野燕麦、野芥菜、假猪殃殃）和作物（小麦）	计算机视觉	NA	无人机RGB影像采集	NA	图像	约2000平方米的研究田块，包含高分辨率影像（0.088厘米）	eCognition	NA	总体准确率, Kappa系数	NA
3942	2026-02-17	Integrating Large Language Models with Deep Learning for Breast Cancer Treatment Decision Support 2026-Jan-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030394 PMID:41681712	研究论文	本研究开发了一个集成大型语言模型（LLM）病理分析与深度学习治疗预测的临床决策支持系统（CDSS），用于辅助乳腺癌治疗决策	创新性地将LLM（Meta-Llama-3-8B-Instruct）用于自动提取病理报告中的TNM分期和肿瘤大小信息，并与EMR变量结合，通过多种机器学习模型进行多标签分类，以支持标准化的治疗决策	DNN和Transformer模型在结构化临床数据上表现相对较低，尤其是在使用完整特征集时，表明其对缺乏强上下文依赖性的数据适应性有限	开发一个集成的人工智能临床决策支持系统，以提高乳腺癌治疗决策的准确性和一致性	5015名被诊断为乳腺癌的患者队列的真实世界数据（RWD），包括病理报告和电子病历（EMR）变量	自然语言处理, 机器学习	乳腺癌	大型语言模型（LLM）分析，多标签分类	决策树, 随机森林, GBM, XGBoost, DNN, Transformer	文本（病理报告），结构化临床数据（EMR）	5015名乳腺癌患者	NA	Meta-Llama-3-8B-Instruct, DNN, Transformer	准确率, 宏平均/微平均精确率, 召回率, F1分数, AUC	NA
3943	2026-02-17	Quadra Sense: A Fusion of Deep Learning Classifiers for Mitosis Detection in Breast Cancer Histopathology 2026-Jan-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030393 PMID:41681710	研究论文	本文提出了一种名为Quadra Sense的深度学习分类器融合方法，用于乳腺癌组织病理学中的有丝分裂检测，旨在提高检测的准确性和客观性	提出了一种融合深度学习分类器的方法，结合了改进的InceptionV4进行特征提取、自改进海鸥优化算法进行特征选择，以及Mito-Quartet分类器，实现了99.2%的高准确率	NA	提高乳腺癌组织病理学中有丝分裂检测的准确性和客观性	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	深度学习分类器融合	图像	NA	NA	改进的全卷积网络, 改进的InceptionV4	准确率	NA
3944	2026-02-17	Quality Assessment and Prediction of Peanut Storage Life Based on Deep Learning 2026-Jan-26, Foods (Basel, Switzerland) DOI:10.3390/foods15030446 PMID:41683034	研究论文	本研究基于深度学习评估和预测花生在储存过程中的品质变化	采用深度聚类网络进行品质分级，并构建D-SCSformer时间序列预测模型，通过维度分段嵌入和统计特征融合显著提升预测性能	NA	为花生储存过程中的温湿度调控和货架期管理提供技术支持和决策依据	花生样品	机器学习	NA	NA	DCN, D-SCSformer	时间序列数据	在30周储存期间监测的花生样本	NA	Deep Clustering Network, D-SCSformer	MSE, MAE, RMSE, R	NA
3945	2026-02-17	An Hour-Specific Hybrid DNN-SVR Framework for National-Scale Short-Term Load Forecasting 2026-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s26030797 PMID:41682313	研究论文	本研究提出了一种结合深度神经网络和支持向量回归的混合框架，用于克罗地亚国家级的短期负荷预测	提出了小时特定的混合DNN-SVR框架，整合全球天气预报数据，并在17年数据集上系统比较深度学习基线	NA	开发并评估用于国家级短期负荷预测的混合架构，以提高电力系统运行效率与安全性	克罗地亚2006年至2022年的负荷数据	机器学习	NA	NA	DNN, SVR, LSTM, Transformer	负荷数据、气象观测数据、全球数值天气预报数据	2006年至2022年的克罗地亚负荷数据	NA	混合DNN-SVR框架	预测误差	NA
3946	2026-02-17	Traffic Forecasting for Industrial Internet Gateway Based on Multi-Scale Dependency Integration 2026-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s26030795 PMID:41682311	研究论文	本文提出了一种基于多尺度依赖集成的轻量级工业互联网网关流量预测框架，以解决计算效率与预测精度之间的权衡问题	将流量预测重新定义为层次分解-交互问题，提出了DOA-MSDI-CrossLinear框架，通过自适应序列分解和多尺度依赖交互来捕捉工业流量的复杂特性	未明确说明模型在极端网络条件或不同工业场景下的泛化能力，也未讨论实时部署时的具体延迟和资源消耗	开发一种适用于资源受限工业网关的轻量级高精度流量预测方法	工业互联网（IIoT）网关的网络流量数据	机器学习	NA	NA	线性模型, 深度学习模型	时间序列数据（网络流量）	未明确说明，但使用了真实的工业物联网数据集	NA	CrossLinear, 多尺度可分解混合（MDM）模块, 双依赖交互（DDI）模块	NA	资源受限的工业网关（暗示计算和内存资源有限）
3947	2026-02-17	Calibration of Low-Cost Sensors for PM10 and PM2.5 Based on Artificial Intelligence for Smart Cities 2026-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s26030796 PMID:41682312	研究论文	本研究基于人工智能技术，对用于智能城市的低成本传感器进行PM10和PM2.5校准，以提高其测量精度	在预处理阶段应用FastDTW算法，并结合相对湿度、温度和吸收流量因素来提升校准准确性，同时比较了多种统计、机器学习和深度学习模型的性能	低成本传感器本身存在读数精度较低的问题，且研究仅在波哥大特定地点进行，可能限制了结果的普适性	开发并评估低成本传感器的校准方法，以支持智能城市中的空气质量监测网络	PM10和PM2.5颗粒物，以及相关的环境参数如相对湿度、温度和吸收流量	机器学习	NA	空气质量监测，传感器校准	机器学习算法，深度学习模型	传感器数据，环境参数数据	NA	NA	Random Forest, XGBoost	准确性	NA
3948	2026-02-15	MPPT algorithms for grid-connected solar systems including deep learning approaches 2026-Jan-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36321-8 PMID:41582256	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3949	2026-02-17	Cattle Farming Activity Monitoring Using Advanced Deep Learning Approach 2026-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s26030785 PMID:41682301	研究论文	本研究提出了一种基于视觉的奶牛活动监测方法，利用深度学习算法对奶牛行为进行细粒度分类	引入了基于视觉的监测方法以克服传感器方案的缺点，并构建了一个包含四种细粒度行为（包括发情）的自定义数据集，超越了以往研究中常用的粗粒度活动类别	研究在单一商业牧场进行，数据采集受可变光照、遮挡和拥挤条件影响，可能限制模型的泛化能力	开发一种低成本、非侵入式的奶牛活动监测系统，以改善健康管理、发情检测和群体监督	商业牧场中的奶牛群体	计算机视觉	NA	基于视觉的监测	CNN	图像	2956张图像	NA	YOLOv8, YOLOv9	mAP	NA
3950	2026-02-17	Study on Auxiliary Rehabilitation System of Hand Function Based on Machine Learning with Visual Sensors 2026-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s26030793 PMID:41682309	研究论文	本研究开发了一种基于机器学习和视觉传感器的手功能辅助康复系统，用于评估脑卒中患者手功能恢复并鼓励其积极参与康复训练	提出了一种集成Focal Loss的深度残差网络用于手势识别，并结合Leap Motion 2毫米级手部追踪技术，建立了手部骨骼关节点映射关系，设计了一套适用于家庭和社区环境的沉浸式增强现实交互康复系统框架	研究未明确提及临床验证的样本量或长期效果评估，系统在更广泛患者群体中的适用性和鲁棒性有待进一步验证	评估脑卒中患者中后期手功能恢复情况，并通过交互式系统提高康复训练的参与度和效果	处于Brunnstrom中后期阶段的脑卒中患者	机器学习	脑卒中	视觉传感器技术，手部运动追踪	CNN	图像，手部运动序列数据	基于FMA量表分析收集了包含502,401帧的静态评估手势数据集	PyTorch, Unity	ResNet	Macro F1-score, 准确率	NA
3951	2026-02-15	Hidden patterns in volcanic seismicity: deep learning insights from Mt. Etna's 2020-2021 activity 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36677-x PMID:41580511	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3952	2026-02-17	DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37134-5 PMID:41580539	研究论文	本文介绍了DANEELpath，一个用于神经母细胞瘤模型组织病理学研究的开源数字分析工具包	开发了一个结合深度学习和数学形态学管道的开源工具包，用于三维培养神经母细胞瘤细胞的详细动态分析	未在摘要中明确提及具体限制	研究细胞外基质在神经母细胞瘤进展中的作用，并测试新的机械药物如西仑吉肽	神经母细胞瘤细胞在三维水凝胶中的生长动态	数字病理学	神经母细胞瘤	三维水凝胶培养，全切片图像分析	深度学习	图像	NA	NA	NA	NA	NA
3953	2026-02-17	The role of low-complexity repeats in RNA-RNA interactions and a deep learning framework for duplex prediction 2026-Jan-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68356-w PMID:41571635	研究论文	本文分析了大规模RNA-RNA相互作用数据集，发现低复杂度重复序列是驱动RNA-RNA相互作用的关键因素，并开发了深度学习模型RIME用于预测这些相互作用	首次识别低复杂度重复序列作为RNA-RNA相互作用的关键驱动因素，并开发了基于核酸语言模型嵌入的深度学习框架RIME，其性能优于传统热力学工具	未明确说明模型在特定细胞类型或条件下的泛化能力，以及数据集的潜在偏差	研究RNA-RNA相互作用的分子决定因素并开发预测工具	RNA-RNA相互作用、低复杂度重复序列、lncRNA Lhx1os	自然语言处理	NA	高通量测序、核酸语言模型	深度学习模型	序列数据	多个大规模RRI数据集	NA	NA	NA	NA
3954	2026-02-17	An Intelligent Hybrid Ensemble Model for Early Detection of Breast Cancer in Multidisciplinary Healthcare Systems 2026-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030377 PMID:41681695	研究论文	本研究提出了一种集成了传统机器学习、深度学习和集成学习方法的智能混合系统，用于基于威斯康星乳腺癌数据集进行乳腺癌早期预测	提出了一种新颖的集成模型，该模型在一个统一的框架内整合了多种机器学习算法和深度学习架构，并通过多阶段框架和三种不同的训练-测试场景进行验证，显著超越了现有最先进方法	研究仅使用了威斯康星乳腺癌数据集，未在其他更复杂或更大规模的数据集上进行验证，可能影响模型的泛化能力	开发一个高精度、稳定且可靠的智能系统，以改善乳腺癌的早期预测和诊断决策支持	乳腺癌的早期检测	机器学习	乳腺癌	数据预处理、归一化、过采样技术	集成学习模型	医疗数据	威斯康星乳腺癌数据集	NA	NA	准确率, 精确率, 召回率, F1分数, 特异性, AUC	NA
3955	2026-02-17	LESSDD-Net: A Lightweight and Efficient Steel Surface Defect Detection Network Based on Feature Segmentation and Partially Connected Structures 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030753 PMID:41682269	研究论文	本文提出了一种基于特征分割和部分连接结构的轻量高效钢铁表面缺陷检测网络LESSDD-Net	引入了轻量级下采样模块CSPDDM、耦合通道注意力机制CCAttention以及改进的轻量级LP-C2f模块，显著降低了模型参数和计算成本，同时提升了检测精度	NA	开发一种轻量高效的钢铁表面缺陷检测方法，以降低计算成本并便于在移动设备上部署	钢铁表面缺陷	计算机视觉	NA	深度学习	CNN	图像	基于数据增强的NEU-DET数据集	NA	LESSDD-Net, YOLO11n	mAP	NA
3956	2026-02-17	Distinguishing a Drone from Birds Based on Trajectory Movement and Deep Learning 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030755 PMID:41682270	研究论文	本文提出了一种基于轨迹运动和深度学习的无人机与鸟类区分方法	利用模型驱动的仿真管道生成合成数据，通过双向LSTM网络学习轨迹级别的运动模式差异，而非依赖外观特征	方法主要基于合成数据，真实轨迹数据需从雷达或视频跟踪系统扩展	在远距离、低像素场景下，通过运动轨迹区分无人机与鸟类，提升安全监控能力	多旋翼无人机、固定翼无人机和鸟类	计算机视觉	NA	合成数据生成、轨迹编码	LSTM	时间序列数据（图像平面坐标和表观大小）	NA	NA	双向LSTM	NA	NA
3957	2026-02-17	A Two-Dimensional (2-D) Sensor Network Architecture with Artificial Intelligence Models for the Detection of Magnetic Anomalies 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030764 PMID:41682281	研究论文	本文开发并初步评估了一种用于磁异常检测的二维磁力计网络架构，通过深度学习模型实现自动检测和初步目标跟踪	提出了一种二维磁力计网络架构，相比现有的一维架构，能通过扩展区域的同步数据采集增强磁异常的空间表征，从而可靠估计目标运动参数	NA	开发一种用于磁异常检测的智能实时监控系统，应用于安全和海底监测领域	移动的铁磁圆柱体作为目标	机器学习	NA	磁力计测量	深度学习模型	磁测量数据	部署了5×5节点阵列，覆盖12×12米区域进行地面测试	NA	NA	NA	NA
3958	2026-02-17	Identification of Loading Location and Amplitude in Conductive Composite Materials via Deep Learning Method 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030779 PMID:41682294	研究论文	本研究开发了一种基于深度学习的自感知方法，用于识别树脂基导电复合材料中外部机械载荷的位置和幅度，仅需简单的电极布局	提出了一种基于残差学习的CNN模型，能够同时准确识别载荷位置和幅度，且仅需四个边缘电极，简化了传统复杂的电极布局	NA	开发一种高效准确的复合材料结构健康监测方法，以识别外部机械载荷的位置和幅度	树脂基导电复合材料板及其在机械载荷下的边界电阻响应	机器学习	NA	导电填料填充、三维导电网络构建、边界电阻测量	CNN	电阻响应数据	NA	NA	基于残差学习的CNN	定位误差、幅度误差	NA
3959	2026-02-17	Application of Neural Network Automatic Event Detection for Reservoir-Triggered Seismicity Monitoring Networks 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030783 PMID:41682298	研究论文	本研究探讨了波兰和越南水库触发地震性（RTS）监测网络中神经网络自动事件检测的应用	比较了深度学习全局检测模型、迁移学习、专门设计的RTS神经网络与手动检测的效率，并强调相位检测与相位关联在提升事件检测数量中的关键作用	迁移学习效率依赖于数据库，且检测方法需结合手动方法才能充分有效	提高水库触发地震性监测网络中地震事件的检测数量，以支持触发过程研究	波兰和越南的水库触发地震性（RTS）监测网络	机器学习	NA	地震信号检测	神经网络	地震信号数据	仅包含数百个事件的RTS案例	NA	NA	检测灵敏度，相位关联效率	NA
3960	2026-02-17	Recent Applications of Machine Learning Algorithms for Pesticide Analysis in Food Samples 2026-Jan-23, Foods (Basel, Switzerland) DOI:10.3390/foods15030415 PMID:41683002	综述	本文综述了机器学习算法在食品样品农药残留分析中的最新应用	系统总结了机器学习（特别是监督学习算法和深度学习架构）与色谱、光谱及电化学平台结合，以提升农药残留检测的精度、效率及信号解释能力，并探讨了实时现场监测系统的未来发展方向	面临训练数据有限、食品基质变异性大以及监管约束等挑战	提升食品中农药残留检测的精度和效率，以保障食品安全和公共健康	食品样品中的农药残留	机器学习	NA	色谱、光谱、电化学技术	支持向量机, 随机森林, 提升方法, 深度神经网络	分析数据（来自色谱、光谱、电化学平台）	NA	NA	NA	NA	NA