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
6841	2026-01-14	Robust mitochondria segmentation and morphological profiling using soft X-ray tomography 2026-Jan-08, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108291 PMID:41519210	研究论文	本文提出了一种名为MitoXRNet的数据和参数高效的3D深度学习模型，用于软X射线断层扫描图像中的线粒体和细胞核分割，并应用于量化分析线粒体形态变化	开发了MitoXRNet模型，结合多轴3D切片、基于Sobel滤波器的边界增强以及二元交叉熵与鲁棒Dice损失函数，在参数较少的情况下实现了高效的线粒体分割，并成功应用于代谢刺激下线粒体重塑的定量分析	未明确提及具体局限性，但可能包括模型在更广泛细胞类型或成像条件下的泛化能力需进一步验证	开发高效工具以大规模量化线粒体形态，支持细胞功能研究	INS-1E细胞中的线粒体和细胞核	计算机视觉	NA	软X射线断层扫描	深度学习模型	3D图像	未明确指定样本数量，但基于INS-1E细胞数据	未明确指定，可能为PyTorch或TensorFlow	MitoXRNet	Dice分数	未明确指定
6842	2026-01-14	Real-Time Fluorescence-Based COVID-19 Diagnosis Using a Lightweight Deep Learning System 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010339 PMID:41516773	研究论文	本研究提出了一种基于荧光图像的轻量级深度学习模型，用于实时COVID-19诊断，并在嵌入式环境中验证了其可行性	采用基于印记的方法计算层重要性并进行剪枝，实现了模型轻量化，在低功耗边缘设备上达到实时诊断性能	未提及模型在更广泛数据集或临床环境中的泛化能力验证	开发适用于嵌入式环境的实时COVID-19诊断系统	荧光图像	计算机视觉	COVID-19	荧光成像	CNN	图像	NA	NA	VGG, ResNet, DenseNet, EfficientNet, VGG13, ResNet152	准确率	NPU(Furiosa AI Warboy)
6843	2026-01-14	Recent Advances in Raman Spectral Classification with Machine Learning 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010341 PMID:41516775	综述	本文综述了机器学习在拉曼光谱分类中的最新进展、应用领域及未来研究方向	系统总结了数据驱动的机器学习和深度学习方法在拉曼光谱分析中的应用，实现了从原始数据自动学习复杂特征并进行高精度分类	训练数据有限、跨数据集泛化能力弱、可重复性差以及深度模型的可解释性有限	回顾机器学习辅助拉曼光谱分类的研究进展、当前趋势和未来方向	拉曼光谱数据	机器学习	NA	拉曼光谱	NA	光谱数据	NA	NA	NA	NA	NA
6844	2026-01-14	Deep Learning 1D-CNN-Based Ground Contact Detection in Sprint Acceleration Using Inertial Measurement Units 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010342 PMID:41516776	研究论文	本研究提出了一种基于一维卷积神经网络的深度学习方法，用于在短跑加速阶段使用惯性测量单元检测地面接触事件和时间	引入了一种优化的1D-CNN模型，在短跑加速阶段实现了近乎完美的地面接触检测，超越了传统的启发式和机器学习方法	研究样本仅包括12名训练有素的短跑运动员，可能限制了模型的泛化能力	提高短跑加速阶段地面接触事件和时间检测的准确性和可靠性	短跑运动员在加速阶段的地面接触事件	机器学习	NA	惯性测量单元数据采集，高速视频同步	CNN	时间序列数据（加速度和角速度）	12名训练有素的短跑运动员，进行了60米短跑测试	NA	1D-CNN，包含18个Inception块	Hausdorff距离，精度，召回率，Rand指数，偏差，一致性界限，相关系数	NA
6845	2026-01-14	Concurrent Incipient Fault Diagnosis in Three-Phase Induction Motors Using Discriminative Band Energy Analysis of AM-Demodulated Vibration Envelopes 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010349 PMID:41516783	研究论文	本文提出了一种基于振动信号的低复杂度滤波算法，用于三相感应电动机中并发初期故障的可靠检测	提出了一种新的判别性频带能量分析算法，该算法无需依赖神经网络或深度学习技术，通过AM解调振动包络增强故障类别间的区分能力，特别适用于处理并发故障产生的重叠特征	未明确提及算法在极端工况或长期运行下的稳定性验证，也未讨论与其他先进方法的直接性能对比	开发一种降低对复杂技术依赖的算法，实现使用低成本传感器可靠检测三相感应电动机中的现实故障	三相感应电动机的轴承和转子部件	机器学习	NA	振动信号分析，AM解调	NA	振动信号	NA	NA	NA	NA	NA
6846	2026-01-14	Role of Imaging Techniques in Ovarian Cancer Diagnosis: Current Approaches and Future Directions 2026-Jan-04, Cancers IF:4.5Q1 DOI:10.3390/cancers18010173 PMID:41514680	综述	本文综述了卵巢癌诊断中当前使用的影像学策略，重点介绍了先进成像技术和新兴人工智能方法的应用与未来方向	总结了对比增强MRI、O-RADS MRI评分系统以及人工智能在卵巢癌影像诊断中的最新进展和潜在应用	大多数人工智能技术尚需进一步的临床验证才能广泛采用	探讨卵巢癌诊断中影像学技术的角色、当前方法及未来发展方向	卵巢肿块，特别是经初步评估后仍不确定的卵巢肿块	数字病理	卵巢癌	经阴道超声、对比增强MRI	机器学习、深度学习	影像数据	NA	NA	NA	诊断准确率（83-93%）、敏感性（93%）、特异性（91%）	NA
6847	2026-01-14	Challenges in the Classification of Cardiac Arrhythmias and Ischemia Using End-to-End Deep Learning and the Electrocardiogram: A Systematic Review 2026-Jan-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010161 PMID:41515656	系统综述	本文基于PRISMA 2020声明，对2019年至2025年间使用端到端深度学习和心电图进行心律失常与缺血分类的研究进行了系统性综述，识别了相关挑战	识别并系统整理了53个挑战，并新发现了18个问题，特别是在可解释性评估指标和模型决策置信度方面的局限性	作为一篇综述文章，其局限性在于总结现有研究的不足，而非提出新的技术解决方案	系统回顾并分析使用端到端深度学习和心电图进行心脏心律失常与缺血分类时面临的挑战	2019年至2025年间发表的121项相关研究	机器学习	心血管疾病	心电图	深度学习	心电图信号	NA	NA	NA	NA	NA
6848	2026-01-14	Current-Aware Temporal Fusion with Input-Adaptive Heterogeneous Mixture-of-Experts for Video Deblurring 2026-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s26010321 PMID:41516756	研究论文	本文提出了一种用于视频去模糊的当前感知时间融合框架，结合输入自适应的异构专家混合模块，以在去模糊质量、推理速度和适用性之间取得平衡	提出了当前感知时间融合框架，专注于当前帧以减少相邻帧无关特征的干扰；设计了基于NAFBlocks的输入自适应专家混合模块，根据输入特征动态选择专家结构以降低推理时间；支持顺序和时序并行推理的训练策略	未明确说明模型在极端运动模糊或复杂场景下的泛化能力限制	开发一种能够平衡高质量去模糊、快速推理和广泛适用性的视频去模糊方法	模糊视频序列	计算机视觉	NA	NA	深度学习模型	视频序列，图像	在DVD、GoPro和BSD数据集上进行实验	NA	基于NAFBlocks的专家混合模块	PSNR, SSIM	NA
6849	2026-01-14	Low-Light Image Segmentation on Edge Computing System 2026-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s26010327 PMID:41516761	研究论文	本文提出了一种在边缘计算系统上实现低光照图像分割的三步算法，结合图像亮度增强与U-Net模型进行精准分割	将低光照图像增强与分割算法结合，并在边缘计算平台上实现实时处理	未明确说明算法在极端低光照条件下的鲁棒性，且实验数据可能局限于特定场景（如隧道裂缝）	解决低光照环境下图像分割的挑战，实现实时边缘计算应用	低光照图像，特别是隧道墙壁裂缝等场景	计算机视觉	NA	深度学习图像增强，像素级图像分割	CNN	图像	未明确说明	未明确说明	U-Net	未明确具体指标，但提及性能评估与基线模型比较	边缘计算平台
6850	2026-01-14	A Hybrid Multi-Scale Transformer-CNN UNet for Crowd Counting 2026-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s26010333 PMID:41516769	研究论文	本文提出了一种新颖的混合多尺度Transformer-CNN U形网络（HMSTUNet），用于解决人群计数任务中存在的尺度变化、遮挡和背景干扰等挑战	提出了一种结合多尺度视觉Transformer（MSViT）和动态卷积注意力块（DCAB）的混合架构，以同时捕获长距离依赖关系和局部密度模式	NA	提高人群计数任务的准确性，以应对极端尺度变化、严重遮挡和复杂背景干扰	人群计数任务中的图像数据	计算机视觉	NA	NA	Transformer, CNN	图像	在五个公共基准数据集上进行了评估，包括SHA、SHB、UCF_CC_50、UCF-QNRF和NWPU-Crowd	NA	U-Net, Multi-Scale Vision Transformer (MSViT), Dynamic Convolutional Attention Block (DCAB)	平均绝对误差（MAE）, 均方误差（MSE）	NA
6851	2026-01-14	Quantitative Analysis Model for the Powder Content of Zanthoxylum bungeanum Based on IncepSpect-CBAM 2026-Jan-04, Foods (Basel, Switzerland) DOI:10.3390/foods15010169 PMID:41517235	研究论文	本文提出了一种基于IncepSpect-CBAM的端到端一维卷积神经网络模型，用于花椒粉含量的定量分析，以应对粉末掺假的复杂挑战	创新点在于结合多尺度Inception模块、卷积块注意力模块和残差连接，直接从原始光谱中学习特征，并在多种掺假场景下保持鲁棒性	未明确提及具体限制，但可能涉及数据集规模或模型泛化能力	研究目的是开发一种高精度的定量分析模型，用于快速、无损评估粉末食品质量	研究对象是花椒粉及其常见掺假物（玉米粉、麦麸粉、米糠粉和花椒茎粉）	机器学习	NA	近红外光谱技术	CNN	光谱数据	未明确提及具体样本数量，但涉及四种常见掺假物的数据集	NA	IncepSpect-CBAM, 1D-CNN, DeepSpectra	RMSEP, RP2	NA
6852	2026-01-14	Explainable Deep Learning Framework for Reliable Species-Level Classification Within the Genera Desmodesmus and Tetradesmus 2026-Jan-03, Biology DOI:10.3390/biology15010099 PMID:41514940	研究论文	本研究结合深度学习和可解释人工智能，建立了一个透明、可靠且具有生物学意义的绿色微藻物种分类框架	首次将可解释人工智能技术应用于微藻物种分类，通过可视化方法验证模型依赖的是具有分类学意义的形态特征而非背景伪影	仅使用了三个物种的有限数据集，模型在其他属或更复杂分类群中的泛化能力尚未验证	开发一个可靠且可解释的微藻物种分类框架，以支持自动化分类和生物多样性监测	属于Desmodesmus和Tetradesmus属的三个绿色微藻物种	计算机视觉	NA	显微镜成像	CNN	图像	3624张来自三个绿藻物种的显微镜图像	TensorFlow, Keras	EfficientNet-B0-B7, DenseNet201, NASNetLarge, Xception, ResNet152V2	准确率, 损失值, 宏F1分数	NA
6853	2026-01-14	A BIM-Guided Virtual-to-Real Framework for Component-Level Semantic Segmentation of Construction Site Point Clouds 2026-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s26010308 PMID:41516743	研究论文	提出了一种无需真实标注的、由BIM引导的虚拟到现实框架，用于建筑工地点云的组件级语义分割	提出了一种完全在合成点云数据集上训练、无需真实标注的BIM引导虚拟到现实框架，并引入了可学习的点云增强模块和多级域适应策略以弥合合成与真实扫描之间的差异	方法在类似建筑背景下有效，其泛化能力到其他建筑类型或环境未在研究中验证	解决建筑环境中LiDAR点云语义分割对大量标注数据依赖的挑战，实现自动化的现场监测和BIM-现实更新	建筑工地LiDAR点云，特别是高层住宅建筑的真实施工楼层点云	计算机视觉	NA	LiDAR扫描，合成点云生成	深度学习，多特征融合网络	点云数据	132个合成扫描，约8.75×10^9个点，以及来自高层住宅建筑的真实施工楼层点云	NA	PCT, PointNet++	总体准确率, 平均IoU, 平均准确率, FWIoU, Cohen's κ	NA
6854	2026-01-14	An Uncertainty-Aware Bayesian Deep Learning Method for Automatic Identification and Capacitance Estimation of Compensation Capacitors 2026-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s26010279 PMID:41516714	研究论文	本文提出了一种基于分层贝叶斯深度学习框架的方法，用于在强噪声环境下自动识别和估计高速铁路轨道电路中补偿电容器的电容	结合多域信号增强与BiLSTM序列建模，并利用贝叶斯分类和回归进行后验推断、置信区间估计和不确定性感知预测，同时引入拒绝机制过滤低置信度输出	NA	解决高速铁路轨道电路中补偿电容器在强噪声下的误分类和可靠性评估问题	补偿电容器	机器学习	NA	多域信号增强（时域、频域、时频域）	BiLSTM, CNN	信号数据	8782个来自五条铁路线的真实世界数据段	NA	BiLSTM	状态识别准确率, 平均绝对误差, R值, 负对数似然, 期望校准误差	NA
6855	2026-01-14	Tactile Sensor-Based Body Center of Pressure Estimation System Using Supervised Deep Learning Models 2026-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s26010286 PMID:41516726	研究论文	本文提出了一种基于触觉传感器和深度学习模型的身体压力中心估计系统，旨在替代昂贵且不便携的测力板	采用CNN/ResNet编码器从压力分布图像中提取二维空间特征，并结合Bi-LSTM捕捉时间模式，显著降低了ML/AP NRMSE差异至1.3%	研究仅在健康成年人中进行验证，尚未在患者群体中测试临床适用性，且实时实现有待探索	开发一种低成本、高精度的身体压力中心估计系统，用于平衡评估和跌倒风险监测	23名健康成年人执行四种平衡协议时的压力中心数据	机器学习	NA	触觉传感器	CNN, LSTM, Bi-LSTM, ResNet	图像（压力分布图像）	23名健康成年人	NA	ResNet-Bi-LSTM, CNN-Bi-LSTM, CNN-LSTM, Bi-LSTM	RMSE, NRMSE, R	NA
6856	2026-01-14	PBZGNet: A Novel Defect Detection Network for Substation Equipment Based on Gradual Parallel Branch Architecture 2026-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s26010300 PMID:41516735	研究论文	提出一种基于渐进并行分支架构的变电站设备缺陷检测网络PBZGNet，以解决复杂场景下小目标检测、多尺度特征融合和精确定位问题	结合渐进并行分支主干网络、缩放融合颈部和全局通道重校准模块，通过双核并行路径、可逆残差连接和动态跨尺度融合增强缺陷特征表示	未明确说明模型在极端光照或严重遮挡条件下的鲁棒性，且未提供跨不同变电站环境的泛化性能分析	提升变电站设备缺陷检测的准确性和鲁棒性，确保电网安全稳定运行	变电站设备及其缺陷	计算机视觉	NA	深度学习缺陷检测	CNN	图像	NA	NA	PBZGNet, BiCoreNet, ZFusion, Concat-CBFuse, ADHead	mAP@50, 参数量, GFLOPs	NA
6857	2026-01-14	Mapping Historical Landslide Activity Using a Swin Transformer-Based Transfer Learning Approach 2026-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s26010293 PMID:41516731	研究论文	本研究提出了一种基于Swin Transformer和迁移学习的方法，用于高效重建汶川地震影响区域的历史滑坡清单	结合Swin Transformer架构与金字塔分割注意力机制，并采用网络微调方法实现跨域适应，以提升历史滑坡检测的时空迁移性能	未明确说明模型在其他地理区域或不同触发事件下的泛化能力，且数据依赖可能限制应用范围	开发高效的历史滑坡检测技术，以分析滑坡活动模式并评估长期地质影响	汶川地震影响区域的历史滑坡活动	计算机视觉	NA	深度学习, 迁移学习	Transformer	图像	NA	PyTorch	Swin Transformer	准确性, 完整性	NA
6858	2026-01-14	Sim-to-Real Domain Adaptation for Early Alzheimer's Detection from Handwriting Kinematics Using Hybrid Deep Learning 2026-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s26010298 PMID:41516732	研究论文	本研究提出了一种基于智能笔采集的手写运动数据，利用混合深度学习模型和模拟到真实域适应策略，用于阿尔茨海默病的早期检测	提出了一种结合模拟到真实域适应策略的混合深度学习框架，以解决手写运动数据稀缺问题，并首次系统比较了多种机器学习与深度学习模型在该任务上的性能	研究样本量可能有限，且模拟数据的生成依赖于物理模型，可能无法完全覆盖真实数据的复杂性	开发一种自动化、非侵入性的早期阿尔茨海默病检测方法	阿尔茨海默病患者的手写运动数据	机器学习	阿尔茨海默病	智能笔传感器（MPU-9250惯性测量单元）采集手写运动学数据	Logistic Regression, SVM, Random Forest, kNN, 1D-CNN, LSTM, CNN-BiLSTM	手写运动学时间序列数据	未明确说明具体样本数量	未明确说明	1D-CNN, LSTM, CNN-BiLSTM混合架构	准确率, AUC	未明确说明
6859	2026-01-14	Knowledge Distillation in Object Detection: A Survey from CNN to Transformer 2026-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s26010292 PMID:41516728	综述	本文全面综述了近年来基于知识蒸馏的目标检测模型，涵盖了从CNN到Transformer的演进，并分析了现有技术的新颖性、局限性及未来研究方向	系统性地梳理了知识蒸馏在目标检测领域从传统CNN到Transformer架构的应用进展，并探讨了其在轻量化模型、增量学习、小目标检测等扩展应用	作为综述文章，主要总结现有研究，未提出新的原创方法或模型	总结知识蒸馏技术在目标检测领域的研究现状、技术方法与发展趋势	基于知识蒸馏的目标检测模型及相关算法	计算机视觉	NA	知识蒸馏	CNN, Transformer	图像	NA	NA	NA	准确率	资源受限设备（如手机、嵌入式系统）
6860	2026-01-14	Deep Learning and Radiomics for Gastric Cancer Lymph Node Metastasis: Automated Segmentation and Multi-Machine Learning Study from Two Centers 2026, Oncology IF:2.5Q3 DOI:10.1159/000544179 PMID:39947156	研究论文	本研究开发了一种基于深度学习的脾脏CT图像自动分割方法，并结合影像组学和深度学习特征构建了胃癌淋巴结转移预测模型	首次将U-Mamba深度学习模型用于脾脏CT图像的自动分割，并结合多中心数据、影像组学特征、深度学习特征及多种机器学习方法构建了预测模型和列线图	样本量相对有限（284例），仅来自两个中心，需要更大规模的外部验证	开发胃癌淋巴结转移的自动化预测方法	经病理证实的胃癌患者	医学影像分析	胃癌	CT影像	深度学习, 机器学习	医学影像（CT图像）	284例来自两个中心的胃癌患者	NA	U-Mamba	NA	NA