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
4281	2026-02-17	Mining the Hidden Pharmacopeia: Fungal Endophytes, Natural Products, and the Rise of AI-Driven Drug Discovery 2026-Jan-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27031365 PMID:41683797	综述	本文综述了真菌内生菌天然产物的化学与生物合成多样性，并探讨了人工智能在药物发现中的应用	将真菌内生菌的天然产物多样性与人工智能驱动的工具生态系统相结合，推动药物发现从经验筛选转向预测性、假设驱动的学科	NA	探讨人工智能如何加速天然产物发现，并应用于药物发现和合成生物学	真菌内生菌及其产生的天然产物	机器学习	NA	多组学整合	深度学习, 生成式AI, 扩散模型	多组学数据	NA	NA	NA	NA	NA
4282	2026-02-17	AI-Driven Multimodal Sensing for Early Detection of Health Disorders in Dairy Cows 2026-Jan-28, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16030411 PMID:41681390	研究论文	本研究提出了一种多模态人工智能框架，通过整合生理、行为、生产和热成像数据，实现对奶牛健康状态的实时监测，以早期检测兽医确诊的乳房、腿部和蹄部感染	同时整合了来自自动挤奶系统、热成像相机和瘤胃内传感器三个独立来源的数据，并引入了一种结合U-Net、O-Net和ResNet核心组件的混合深度学习架构，以利用其互补优势分析奶牛健康状态	数据集仅包含88头泌乳奶牛，且所有感染被归为一个单一的'患病'标签，可能限制了模型对特定疾病类型的区分能力	开发一个用于奶牛早期健康障碍检测的多模态AI系统	泌乳奶牛，特别是针对兽医确诊的乳房、腿部和蹄部感染	数字病理学	NA	热成像，瘤胃内传感器监测，自动挤奶系统数据采集	深度学习，混合架构	多模态数据（生理、行为、生产、热成像）	88头泌乳奶牛	NA	U-Net, O-Net, ResNet	准确率, AUC	NA
4283	2026-02-17	Multi-Scale Feature Fusion and Attention-Enhanced R2U-Net for Dynamic Weight Monitoring of Chicken Carcasses 2026-Jan-28, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16030410 PMID:41681391	研究论文	本文提出了一种基于深度学习图像分割和回归的肉鸡胴体重量检测模型，用于实现肉鸡重量的实时监测	提出了一种源自R2U-Net的新型分割网络AR2U-AtNet，并引入了卷积块注意力模块（CBAM）和选择性核注意力（SKAttention）来增强网络对目标区域的关注和处理不同体型图像的能力	NA	解决肉鸡重量监测中人工采集数据繁琐、低效的问题，实现快速准确的个体肉鸡胴体重量测定	太湖黄鸡的胴体图像	计算机视觉	NA	深度学习图像分割与回归	CNN	图像	301只太湖黄鸡的2709张图像	NA	R2U-Net, AR2U-AtNet	平均交并比（mIoU）, Dice系数, F1分数, R2值	NA
4284	2026-02-17	Enhanced Precision of Fluorescence In Situ Hybridization (FISH) Analysis Using Neural Network-Based Nuclear Segmentation for Digital Microscopy Samples 2026-Jan-28, Sensors (Basel, Switzerland) DOI:10.3390/s26030873 PMID:41682389	研究论文	本研究评估了基于AI的3D核分割方法在提高荧光原位杂交（FISH）分析精度和诊断可靠性方面的应用	首次系统比较了多种AI驱动的3D核分割算法（NucleAIzer、StarDist、Cellpose）与传统2D阈值分割方法在淋巴瘤FISH样本中的性能，证明了3D分割在解决密集或重叠细胞核问题上的优势	研究仅针对滤泡性淋巴瘤的BCL2基因重排样本，未在其他疾病类型或基因靶点上验证；AI模型对低强度信号的敏感性有限	提高数字病理学中FISH分析的自动化诊断准确性和可重复性	福尔马林固定的滤泡性淋巴瘤组织切片	数字病理学	淋巴瘤	荧光原位杂交（FISH）、多层Z-stack数字扫描	深度学习	3D显微镜图像	未明确说明样本数量，但使用滤泡性淋巴瘤切片	未明确说明	NucleAIzer, StarDist, Cellpose	灵敏度、方差（VP/VS）、基因点相关性（r）、平均基因点数量	NA
4285	2026-02-17	Intent classification for university administrative services using a bidirectional recurrent neural network modified by a developed Kepler optimization algorithm 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35504-7 PMID:41593141	研究论文	提出一种结合意图分类和命名实体识别的联合模型，使用改进的双向长短期记忆网络和新型开普勒优化算法，用于大学行政服务的多语言对话代理	开发了一种新的联合模型，将意图分类和命名实体识别任务结合，并采用新开发的开普勒优化算法对改进的双向长短期记忆网络进行联合优化，以应对多语言环境下的自然语言理解挑战	研究主要针对希腊语和英语两种语言，未涉及更广泛的多语言环境；模型在更复杂的对话场景或更大规模数据集上的泛化能力有待进一步验证	提高大学行政服务中对话代理的自然语言理解能力，特别是在多语言环境下	大学行政服务中的学生查询文本	自然语言处理	NA	自然语言理解	BiLSTM	文本	NA	NA	改进的双向长短期记忆网络	准确率, 精确率, 召回率	NA
4286	2026-02-17	Geometric Monitoring of Steel Structures Using Terrestrial Laser Scanning and Deep Learning 2026-Jan-27, Sensors (Basel, Switzerland) DOI:10.3390/s26030831 PMID:41682347	研究论文	本研究提出了一种结合地面激光扫描与深度学习的方法，用于自动检测工业钢结构在施工阶段的几何偏差	通过将3D点云投影为2D图像并应用YOLOv8分割模型，实现了对商业钢材截面的自动检测、分类与分割，即使在几何不完整或被部分遮挡的情况下也能有效工作	方法在真实装配中评估了94%的结构元素，但未明确说明未覆盖的6%元素类型或场景限制	开发一种自动化方法，用于监测钢结构的几何质量与稳定性，确保其符合EN 1090-2:2020装配标准	工业钢结构建筑物	计算机视觉	NA	地面激光扫描	深度学习	3D点云, 2D图像	两个现场工业钢结构装配应用	NA	YOLOv8	mAP@50-95	NA
4287	2026-02-17	A Novel Dataset for Gait Activity Recognition in Real-World Environments 2026-Jan-27, Sensors (Basel, Switzerland) DOI:10.3390/s26030833 PMID:41682349	研究论文	本研究提出了一个名为CAHAR的新型数据集，用于在真实环境中进行步态活动识别和地形分类	首次创建了同时标注活动和地形标签的数据集，覆盖室内外全范围地形及关联步态活动	数据仅来自20名健康参与者，可能无法代表所有人群或病理状态	推动可穿戴传感器在远程步态分析中的应用，解决高精度人类活动识别和地形分类问题	健康参与者的步态活动和地形数据	机器学习	老年疾病	惯性测量单元、力敏电阻鞋垫、颜色传感器、激光雷达	深度学习	传感器数据	20名健康参与者	NA	NA	NA	NA
4288	2026-01-28	Leveraging medical imaging and deep learning for diagnosis of breast cancer using histopathological images 2026-Jan-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37663-z PMID:41588052	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4289	2026-02-17	Trimester-aware yoga video recommendation using hybrid deep learning for pregnant woman 2026-Jan-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37149-y PMID:41588129	研究论文	本研究提出了一种新颖的基于混合深度学习的孕期瑜伽视频推荐框架，该框架整合了多模态文本-视频分析和生理安全推理	引入了两个关键创新：一是用于在特定孕期安全约束下自适应对齐用户和视频嵌入的孕期加权Wasserstein相似度机制；二是传播健康条件和孕期关系于推荐图中的安全感知有向图卷积关系神经网络	NA	为孕妇提供个性化的、基于孕期的安全瑜伽视频推荐	孕妇及其孕期瑜伽视频	自然语言处理, 计算机视觉	NA	混合深度学习	GCRNN	文本, 视频	NA	NA	GCRNN	准确率, 孕期特定安全合规率	NA
4290	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
4291	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
4292	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
4293	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
4294	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
4295	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）
4296	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
4297	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
4298	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
4299	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
4300	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