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
521	2026-03-31	Brain-Oct-Pvt: A Physics-Guided Transformer with Radial Prior and Deformable Alignment for Neurovascular Segmentation 2026-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030332 PMID:41899863	研究论文	本研究开发了一种名为Brain-OCT-PVT的深度学习框架，专门用于神经血管光学相干断层扫描（OCT）图像的分割任务	提出了一种物理引导的Transformer模型，引入了径向先验模块、可变形跨尺度融合模块和边界感知注意力模块，以优化神经血管OCT图像的分割性能	研究仅基于13个临床病例进行评估，样本量较小，可能限制模型的泛化能力	开发一个专门针对神经血管OCT成像物理特性的深度学习框架，以提升血管分割的准确性和鲁棒性	神经血管OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	Transformer	图像	13个临床病例	PyTorch	Swin-Transformer	Dice相似系数, 95% Hausdorff距离（HD95）, BoundaryIoU	NA
522	2026-03-31	Uncovering Hidden Prognostic Patterns in Colorectal Cancer Histology Using Unsupervised Learning: A Computational Pathology Study 2026-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030334 PMID:41899865	研究论文	本研究利用无监督深度学习，从结直肠癌组织学图像中发现具有预后意义的细微形态学模式	首次将卷积神经网络与深度聚类相结合，从大量结直肠癌组织图像中自动识别出30个不同的组织形态学簇，并发现其中三个簇与患者预后独立相关，为传统临床因素提供了补充信息	研究仅基于组织图像，未整合分子或基因组数据；识别出的形态学模式与特定生物学机制的联系尚不明确；模型性能提升幅度有限	发现结直肠癌组织学中隐藏的、具有预后价值的形态学模式，以改进患者风险分层	结直肠癌患者的组织病理学图像	数字病理学	结直肠癌	组织病理学成像	CNN, 深度聚类	图像	训练集来自493名患者的23,341个图像块；独立验证集包含2,590名患者	NA	NA	生存分析（单变量、多变量Cox分析），逻辑回归	NA
523	2026-03-31	Artificial Intelligence for Microbial Isolation and Cultivation: Progress and Challenges 2026-Mar-13, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030654 PMID:41900412	综述	本文综述了过去三十年间人工智能技术在微生物分离与培养领域的发展历程与应用	提出了一个包含五个阶段（萌芽期、早期探索期、快速发展期、深度学习爆发期和AI整合期）的AI技术发展框架，并阐述了AI如何推动微生物研究方法从经验驱动向数据驱动、从单目标向系统整合、从被动筛选向主动设计的转变	NA	从微生物资源发现的角度，全面审视人工智能技术在克服微生物分离与培养瓶颈方面的作用	微生物资源，包括基因组、个体和群落水平	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
524	2026-03-31	Deep-Learning-Derived Facial Electromyogram Signatures of Emotion in Immersive Virtual Reality (bWell): Exploring the Impact of Emotional, Cognitive, and Physical Demands 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061827 PMID:41901995	研究论文	本研究探讨了利用多通道面部肌电图结合时空深度学习模型，在沉浸式虚拟现实环境中对情绪和认知负荷状态进行连续监测的可行性	提出了一种结合CNN-TCN的端到端时空深度学习模型，能够使用单一共享模型对原始面部肌电图信号进行跨被试分类，并将校准表情学习迁移到VR任务引发的自发行为中	样本量较小（仅12名成人参与者），研究结果需要在更大样本和更广泛的VR场景中进行验证	开发一种能够在沉浸式VR环境中可靠监测情绪和认知负荷状态的生理信号建模方法	成人在沉浸式VR环境中的面部肌电图信号及对应的情绪与认知负荷状态	机器学习	NA	多通道面部肌电图	CNN, TCN	生理信号（肌电图）	12名成人	NA	卷积神经网络-时序卷积网络	宏平均F1分数, ROC曲线下面积	NA
525	2026-03-31	Advancing Defect Detection in Laser Welding: A Machine Learning Approach Based on Spatter Feature Analysis 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061825 PMID:41901990	研究论文	本文提出了一种基于红外热成像和深度学习的传感器驱动框架，用于激光焊接过程中的无损监测和自动缺陷检测	提出了一种结合红外热成像与混合CNN-Transformer模型的传感器驱动框架，用于实时监测激光焊接缺陷，并通过可解释的时空特征分析飞溅动力学	实验仅在09G2S管道钢上进行验证，未涉及其他材料或更广泛的工业环境	开发一种非破坏性监测和自动缺陷检测系统，以提升激光焊接的工业可扩展性和质量控制	激光焊接过程中的缺陷，包括不完全穿透、下垂、收缩沟槽和线性错位	机器视觉	NA	红外热成像	CNN, Transformer	热信号时间序列	在09G2S管道钢上进行实验验证，具体样本数量未明确说明	NA	混合CNN-Transformer	平均精度均值	CPU用于近实时推理
526	2026-03-31	BactoRamanBioNet: A Multimodal Neural Network for Bacterial Species Identification Using Raman Spectroscopy and Biological Knowledge 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061828 PMID:41901996	研究论文	本文提出了一种名为BactoRamanBioNet的多模态神经网络，用于结合拉曼光谱和生物学知识进行细菌物种的准确识别	采用ResNet-Transformer架构捕获复杂光谱模式，并结合CLIP文本编码器整合描述性生物学信息，实现多模态分类，显著提升了识别精度	未明确说明模型对数据噪声或样本异质性的鲁棒性，以及在实际临床或环境样本中的泛化能力	开发一种准确、快速的细菌物种识别方法，以服务于公共卫生、临床诊断和环境监测	细菌物种	机器学习	NA	拉曼光谱	多模态神经网络	光谱数据, 文本数据	NA	NA	ResNet-Transformer, CLIP	准确率, F1分数, 精确率, 召回率	NA
527	2026-03-31	Correction: Costache et al. Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors. Sensors 2021, 21, 280 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061815 PMID:41902180	更正	本文是对原论文中参考文献相关性问题进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
528	2026-03-31	A Hybrid Multimodal Cancer Diagnostic Framework Integrating Deep Learning of Histopathology and Whispering Gallery Mode Optical Sensors 2026-Mar-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060848 PMID:41897581	研究论文	本文提出了一种结合深度学习组织病理学图像分析和WGM光学传感的混合多模态癌症诊断框架，旨在提高癌症分类的准确性和可靠性	创新点在于整合了基于深度学习的组织病理学图像分析与WGM光学传感技术，通过形态学和生化信息的互补，提供更稳健的诊断决策支持	未明确提及具体局限性，如数据集规模、泛化能力或临床验证的不足	增强癌症诊断，通过混合框架整合组织病理学图像分析和WGM光学传感进行互补组织表征	癌症组织样本，使用BreakHis数据集进行肿瘤分类	数字病理学	癌症	组织病理学图像分析，WGM光学传感	CNN, GAN, Transformer	图像，光学信号	使用BreakHis数据集，具体样本数量未明确	TensorFlow, PyTorch	EfficientNet-B0, InceptionV3, Vision Transformer, DCGAN	准确率	NA
529	2026-03-31	Development and Internal Multicenter Validation of a Deep Learning Model for Predicting Post-Hepatectomy Liver Failure in Patients with Hepatocellular Carcinoma: A Multicenter Study 2026-Mar-12, Cancers IF:4.5Q1 DOI:10.3390/cancers18060926 PMID:41899530	研究论文	本研究开发并内部验证了一个深度学习模型，用于预测肝细胞癌患者肝切除术后肝衰竭的风险	首次利用多中心临床数据构建深度学习模型，显著提升了预测肝切除术后肝衰竭的准确性，并优于传统逻辑回归模型	研究为回顾性设计，且仅在内部验证，缺乏外部验证，可能影响模型的泛化能力	开发并验证一个深度学习模型，以更准确地预测肝细胞癌患者肝切除术后肝衰竭的发生	接受根治性肝切除术的肝细胞癌患者	数字病理学	肝细胞癌	临床数据整合与分析	深度神经网络	临床数据（包括术前生化参数、术中手术变量和肿瘤相关特征）	来自六个中心的498名患者	NA	深度神经网络	AUC, 精确率-召回率曲线, Brier分数, 决策曲线分析	NA
530	2026-03-31	PLM-Net: Perception Latency Mitigation Network for Vision-Based Lateral Control of Autonomous Vehicles 2026-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s26061798 PMID:41901967	研究论文	提出一种名为PLM-Net的模块化深度学习框架，用于缓解基于视觉模仿学习的车道保持系统中的感知延迟问题	通过插件式架构在不改变原有控制流程的前提下，利用时序动作预测模型和插值方法自适应地缓解恒定和时变感知延迟对控制性能的影响	研究仅在固定速度的闭环确定性仿真环境中进行评估，未在真实车辆或更复杂的动态场景中验证	提升基于视觉的自动驾驶车辆横向控制系统的稳定性和跟踪性能	自动驾驶车辆的车道保持系统	计算机视觉	NA	模仿学习	深度学习框架	视觉数据	NA	NA	PLM-Net（包含冻结基础模型和时序动作预测模型）	平均绝对误差	NA
531	2026-03-31	Design and Implementation of an IoT-Based Low-Power Wearable EEG Sensing System for Home-Based Sleep Monitoring 2026-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s26061803 PMID:41901973	研究论文	本文设计并实现了一种基于物联网的低功耗可穿戴单通道脑电图系统，用于家庭睡眠监测和自动睡眠分期	提出了一种硬件-软件协同设计的系统，集成了低噪声、低功耗的硬件架构和专为边缘-云协同执行优化的轻量级深度学习模型SleePyCo，结合了对比表示学习和时间依赖性建模	研究仅在10名健康受试者中进行了现场试验，样本量较小，且未在临床患者或更大样本人群中进行验证	开发一种用于长期家庭睡眠监测的节能、可穿戴脑电图传感系统	可穿戴单通道脑电图（EEG）传感系统及其在睡眠分期中的应用	物联网与可穿戴传感	睡眠健康管理	单通道脑电图（EEG）传感	深度学习模型	脑电图（EEG）信号	ISRUC数据集和10名健康受试者的现场试验	NA	SleePyCo	准确率, F1分数	边缘-云协同架构（硬件：TI ADS1298模拟前端，STM32F4微控制器；云端部署模型）
532	2026-03-31	X-ViTCNN: A Novel Network-Level Fusion of Transfer Learning and Customized Vision Transformer for Multi-Stage Alzheimer's Disease Prediction Using MRI Scans 2026-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060835 PMID:41897568	研究论文	提出了一种名为X-ViTCNN的新型网络级融合框架，结合定制化Vision Transformer与预训练CNN，用于基于MRI扫描的多阶段阿尔茨海默病预测	提出网络级融合方法，将定制化Vision Transformer的全局表征与CNN的局部结构特征相结合，并采用对比增强预处理和贝叶斯优化进行超参数调优	未明确说明模型在外部验证集上的泛化能力，计算资源需求可能较高	开发准确、可解释的阿尔茨海默病多阶段预测方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI扫描	Vision Transformer, CNN	图像	ADNI和OASIS数据集（具体数量未说明）	未明确说明	定制化Vision Transformer, DenseNet201, MobileNetV2	准确率, 敏感性, 特异性	未明确说明
533	2026-03-31	Evaluating the Predictive Potential of an AI-Driven Deep Learning Model for Pneumonia-Associated Sepsis 2026-Mar-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062125 PMID:41899050	研究论文	本研究评估了一种AI驱动的深度学习模型在预测肺炎相关脓毒症方面的性能	开发了一种能够提前4小时预测院内脓毒症的AI模型，在肺炎患者中表现优于传统评分系统，并提供了显著提前的预警时间	回顾性、单中心研究设计，需要进一步的前瞻性研究来验证其在实时临床应用中的有效性	评估AI模型在早期检测肺炎相关脓毒症方面的预测潜力	肺炎患者（通过胸部X光或CT确诊）	数字病理学	肺炎	深度学习	深度学习模型	临床数据、影像数据（胸部X光/CT）	7715例肺炎病例	NA	NA	AUROC, 敏感性, 特异性, 预警时间	NA
534	2026-03-31	Engineering the Image Representation for Deep Learning in Contrast-Enhanced Mammography: A Systematic Analysis of Preprocessing and Anatomical Masking 2026-Mar-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030322 PMID:41899853	研究论文	本文系统分析了对比增强乳腺摄影图像预处理和乳腺掩模对深度学习模型性能的影响	首次将预处理作为独立设计变量进行系统工程分析，并证明乳腺掩模能显著提升模型鲁棒性和泛化能力	未涉及非确定性预处理方法或更广泛的临床验证	研究对比增强乳腺摄影图像预处理对深度学习分类性能的影响	对比增强乳腺摄影图像	数字病理学	乳腺癌	对比增强乳腺摄影	CNN	图像	NA	NA	卷积神经网络	AUROC, AUPRC	NA
535	2026-03-31	From Physical Replacement to Biological Symbiosis: Evolutionary Paradigms and Future Prospects of Auditory Reconstruction Brain-Computer Interfaces 2026-Mar-11, Micromachines IF:3.0Q2 DOI:10.3390/mi17030343 PMID:41900229	综述	本文批判性地审视了听觉重建脑机接口从静态物理替换到动态生物共生的演进范式，并评估了未来前景	提出了从物理替换到生物共生的范式转变，并综合了软性生物集成电子学、仿生拓扑结构以及深度学习驱动的非线性映射和自适应闭环神经调控等新兴方法	NA	分析听觉重建脑机接口的演进范式、生理障碍及未来发展方向	听觉脑机接口	脑机接口	感音神经性听力损失	NA	深度学习	NA	NA	NA	NA	NA	NA
536	2026-03-31	LPA-Tuning CLIP: An Improved CLIP-Based Classification Model for Intestinal Polyps 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061764 PMID:41901934	研究论文	本研究提出了一种名为LPA-Tuning CLIP的多模态框架，通过整合内窥镜图像与结构化病理描述，以改进肠道息肉的分类准确性	采用跨模态投影匹配与ID损失替代CLIP的实例级对比损失，引入结构化临床语义模板编码WHO诊断标准，并开发了保留病变特征的医学感知数据增强方法	未提及	通过多模态学习提升肠道息肉的分类性能，以辅助结直肠癌的预防	肠道息肉的内窥镜图像与对应的病理文本描述	计算机视觉	结直肠癌	多模态学习	CLIP	图像, 文本	未提及	未提及	CLIP	准确率, F1分数	未提及
537	2026-03-31	FLF-RCNN: A Fine-Tuned Lightweight Faster RCNN for Precise and Efficient Industrial Quality Inspection 2026-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s26061768 PMID:41901939	研究论文	本文提出了一种用于工业质检的微调轻量级Faster RCNN框架，旨在平衡检测精度与计算效率	提出了轻量级骨干网络LSNet，通过大核卷积与小核卷积的协同机制增强感受野；引入了基于K-means聚类的自适应锚框调整模块；在Faster R-CNN框架中实现了精度与效率的更好平衡	实验仅在Tianchi数据集上进行验证，未在其他工业质检数据集上测试泛化能力；未讨论模型在实时检测场景中的表现	解决工业质量检测中精度与计算效率的权衡问题，提升模型对多尺度缺陷的适应性	工业产品缺陷检测	计算机视觉	NA	深度学习	Faster R-CNN	图像	Tianchi数据集（具体数量未说明）	NA	Faster R-CNN, LSNet	mAP50, GFLOPs, 参数量	NA
538	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
539	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
540	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