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
901	2026-01-29	Deep Learning for Image Watermarking: A Comprehensive Review and Analysis of Techniques, Challenges, and Applications 2026-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s26020444 PMID:41600241	综述	本文全面回顾和分析了深度学习在图像水印技术中的方法、挑战和应用	系统性地综述了基于深度学习的图像水印技术，特别是CNN、GAN、Transformer和扩散模型的应用，并对比了传统方法，强调了其在面对复杂攻击时的优势	在实现高分辨率、实时场景下不可见性、鲁棒性和容量之间的最佳平衡方面仍存在挑战	增强数字内容保护，通过深度学习提升图像水印的性能，以应对未经授权的修改	图像水印技术，包括传统方法和基于深度学习的方法	计算机视觉	NA	NA	CNN, GAN, Transformer, 扩散模型	图像	NA	NA	NA	NA	NA
902	2026-01-29	Sensor Fusion-Based Machine Learning Algorithms for Meteorological Conditions Nowcasting in Port Scenarios 2026-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s26020448 PMID:41600245	研究论文	本研究提出了一种基于传感器融合的机器学习框架，用于实时多目标临近预报港口场景中的阵风风速、持续风速和风向	采用符合oneM2M标准的物联网架构，通过特征级融合整合环境传感器和船舶LiDAR系统的异构数据，并比较了多种机器学习模型在港口气象临近预报中的性能	研究仅基于2025年2月至11月在利沃诺港收集的数据，可能受特定地理位置和时间段限制，未广泛验证于其他港口或长期数据	开发一个实时多目标气象临近预报系统，以支持港口安全高效的海事活动	利沃诺港的阵风风速、持续风速和风向	机器学习	NA	传感器融合, LiDAR	Random Forest, XGBoost, LSTM, Temporal Convolutional Network, Ensemble Neural Network, Transformer, Kalman filter	异构传感器数据（气象站、风速计、LiDAR）	2025年2月至11月在利沃诺港收集的数据	NA	Random Forest, XGBoost, LSTM, Temporal Convolutional Network, Ensemble Neural Network, Transformer	相关系数R	NA
903	2026-01-29	A Ceramic Rare Defect Amplification Method Based on TC-CycleGAN 2026-Jan-07, Sensors (Basel, Switzerland) DOI:10.3390/s26020395 PMID:41600191	研究论文	本文提出了一种基于TC-CycleGAN的陶瓷稀有缺陷图像增强方法，以解决深度学习陶瓷缺陷检测中稀有样本稀缺和类别不平衡的问题	在CycleGAN框架基础上，优化了生成器和判别器结构，提出了TC-UNet生成器和TC-PatchGAN判别器，引入了scSE和DehazeFormer模块以及ContraNorm模块，显著提升了生成图像的质量和缺陷检测精度	未明确说明该方法在其他类型陶瓷缺陷或工业场景中的泛化能力，也未讨论计算复杂度或实时性方面的限制	解决陶瓷缺陷检测中稀有缺陷样本稀缺和类别不平衡问题，提升缺陷检测模型的识别精度	陶瓷表面的稀有缺陷图像，特别是凹坑和烟渍类型缺陷	计算机视觉	NA	深度学习图像生成与增强	GAN, CycleGAN	图像	NA	NA	CycleGAN, UNet, TC-UNet, TC-PatchGAN	FID, KID, 准确率	NA
904	2026-01-29	Performance Analysis of Explainable Deep Learning-Based Intrusion Detection Systems for IoT Networks: A Systematic Review 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020363 PMID:41600159	系统综述	本文系统综述了基于可解释深度学习的物联网网络入侵检测系统的性能，分析了检测精度、计算开销与解释质量之间的权衡	提出了一个标准化的可解释性后部署评估框架和一个统一的评估框架，用于建模物联网入侵检测系统中检测性能、资源效率和解释质量之间的基本三难困境	现有方法存在明显的不平衡，高检测精度往往以牺牲计算效率和严格的解释性评估为代价，限制了在物联网边缘设备上的实际部署	研究可解释人工智能在资源受限的物联网环境中对入侵检测系统性能的影响，并分析检测精度、计算开销与解释质量之间的权衡	物联网网络中的入侵检测系统	机器学习	NA	可解释人工智能	深度学习模型	NA	129篇同行评议研究（2018年至2025年发表）	NA	NA	检测精度, 计算效率, 解释质量	物联网边缘设备
905	2026-01-29	Unsupervised Neural Beamforming for Uplink MU-SIMO in 3GPP-Compliant Wireless Channels 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020366 PMID:41600164	研究论文	本文提出并比较了两种无监督学习架构，用于上行链路接收波束成形，以在3GPP兼容信道中最大化多用户单输入多输出系统的总速率	引入基于Transformer的神经网络波束成形模型，结合分组卷积和Transformer块来捕获长距离信道依赖，并在现实条件下实现优于传统方法的性能	简单NNBF在简化假设下评估，而基于Transformer的NNBF计算复杂度较高	开发并比较无监督深度学习波束成形方法，以提升无线通信系统中的频谱效率和干扰抑制能力	上行链路多用户单输入多输出系统，在3GPP兼容信道模型下的单天线用户设备	机器学习	NA	无监督深度学习，波束成形	CNN, Transformer	信道状态信息	NA	NA	卷积神经网络, Transformer	总速率, 计算复杂度	NA
906	2026-01-29	HMT-Net: A Multi-Task Learning Based Framework for Enhanced Convolutional Code Recognition 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020364 PMID:41600162	研究论文	本文提出了一种基于多任务学习的混合多任务网络（HMT-Net），用于同时识别卷积码的码率和约束长度	首次将多任务学习应用于卷积码识别，结合膨胀卷积、注意力机制和Transformer骨干网络来提取鲁棒的多尺度序列特征，并利用通道级Transformer高效捕获局部和全局信息	未明确说明模型在低信噪比或复杂信道条件下的性能表现，也未讨论计算复杂度与实时性之间的权衡	提高非合作通信场景中卷积码参数的识别准确率	卷积码的码率和约束长度参数	机器学习	NA	深度学习	CNN, Transformer	序列数据	未明确说明具体样本数量，但提到构建了综合序列数据集	未明确说明	HMT-Net（结合膨胀卷积、注意力机制和Transformer骨干网络），Channel-Wise Transformer	平均识别准确率，码率识别准确率，约束长度识别准确率	NA
907	2026-01-29	An Improved RODNet for Object Detection Based on Radar and Camera Fusion 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020373 PMID:41600170	研究论文	本文提出了一种基于雷达与相机融合的改进目标检测方法，通过信号级标准化与特征级适配提升跨设备泛化能力	提出统一框架结合严格校准与自适应时序建模，包含改进的PnP校准闭环验证、多距离单元校准与chirp级Z-score标准化、以及轻量级全局时序适配器	NA	解决深度学习雷达检测因硬件异构性导致的跨设备泛化差问题	雷达与相机融合的目标检测	计算机视觉	NA	雷达与相机融合	深度学习	雷达信号与图像数据	ROD2021数据集	NA	改进的RODNet	平均精度	NA
908	2026-01-29	A Hybrid Machine Learning Model for Dynamic Level Detection of Lead-Acid Battery Electrolyte Using a Flat-Plate Capacitive Sensor 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020361 PMID:41600157	研究论文	本文提出了一种混合深度学习模型Poly-LSTM，用于消除铅酸电池电解液液位快速下降时残余液膜引起的动态测量误差	结合多项式特征生成与LSTM网络，显式捕捉传感器输入中的复杂非线性和耦合效应，并建模其时序依赖性，以消除动态测量误差	NA	消除铅酸电池电解液液位快速下降时残余液膜引起的动态测量误差，实现精确的液位检测	铅酸电池电解液液位	机器学习	NA	电容法	LSTM	传感器时序数据	NA	NA	Poly-LSTM	MAE, RMSE, MAPE	NA
909	2026-01-29	Deep vision-based framework for coastal flood prediction under sea level rise and shoreline protection 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33803-z PMID:41484208	研究论文	本文提出了一种基于深度视觉的框架，用于在低数据设置下训练高性能的深度学习代理模型，以预测海平面上升和海岸线保护情景下的沿海洪水深度	开发了一个视觉框架，使深度学习代理模型能在低数据设置下高效训练，并引入了轻量级CNN模型CASPIAN，其在预测精度和推理速度上优于传统物理模拟器	训练模型仍需一定数量的注释样本，且依赖于合成数据集，可能未完全覆盖真实世界复杂性	评估沿海洪水风险并支持适应措施，通过开发快速准确的洪水预测模型来应对海平面上升和海岸线保护策略	阿布扎比整个海岸线在0.5米海平面上升和不同海岸线保护情景下的洪水深度	计算机视觉	NA	深度学习，合成洪水深度图生成	CNN, U-Net	图像（洪水深度图）	NA	PyTorch	SWIN-Unet, Attention U-Net, CASPIAN（轻量级CNN）	绝对误差（平均约97%的预测洪水水位误差不超过10厘米），推理速度	NA
910	2026-01-29	Automated measurement of cervical sagittal and local parameters using a generalizable deep learning model: a multinational development and validation study 2026-Jan-02, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2025.12.015 PMID:41485491	研究论文	本研究开发并验证了一种基于深度学习的通用模型，用于在临床条件下自动测量颈椎矢状位参数，包括C7被遮挡的情况	使用多国数据训练模型，首次在C7被肩部解剖结构遮挡的情况下实现自动测量，提高了临床适用性	在C7完全被遮挡的少数患者中，测量误差略有增加，C7遮挡仍是关键限制因素	开发并外部验证一种深度学习模型，用于自动测量颈椎对齐参数，以克服手动测量的耗时和观察者间变异性问题	颈椎侧位X光片	计算机视觉	颈椎疾病	X光成像	CNN	图像	5604张来自中国和韩国机构的侧位颈椎X光片，外部验证集包含100名患者	PyTorch	Keypoint R-CNN, ResNet-50-FPN	组内相关系数, Pearson相关系数, Bland-Altman一致性分析	NA
911	2026-01-29	Deep learning synthesis of DBT features from mammography for breast cancer diagnosis 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112486 PMID:41151435	研究论文	本研究提出了一种跨模态特征合成模型，从乳腺X线摄影图像生成合成数字乳腺断层合成特征，以提升乳腺癌诊断的准确性	开发了一种基于ResNet的多尺度注意力网络和生成对抗网络，通过多任务学习将乳腺X线摄影特征转换为合成数字乳腺断层合成特征，从而增强诊断性能	研究为回顾性设计，样本量相对有限（806例），且未在外部数据集上进行验证	通过利用数字乳腺断层合成的高级特征表示，提高乳腺X线摄影在乳腺癌诊断中的准确性和临床实用性	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成，乳腺X线摄影	GAN, ResNet	图像	806个样本（训练集570个，测试集236个）	NA	ResNet-based multiscale attention network, GAN	AUC	NA
912	2026-01-29	Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models for predicting the pathological differentiation degree in hepatocellular carcinoma 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112487 PMID:41161266	研究论文	本研究探讨了Gd-EOB-DTPA增强MRI影像组学、深度学习模型结合临床放射学特征在预测肝细胞癌病理分化程度中的价值	首次结合Gd-EOB-DTPA增强MRI的影像组学特征、深度学习特征及临床放射学特征，构建多模态融合模型（CR-DLR）用于预测肝细胞癌分化程度	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限；未进行外部验证	预测肝细胞癌的病理分化程度	肝细胞癌患者	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习, 机器学习	医学影像	409例肝细胞癌患者（训练集304例，验证集105例）	FeAture Explorer, 未指定深度学习框架	3D ResNet-18	AUC, 敏感性, 特异性	NA
913	2026-01-29	Accurate multi-b-value DWI generation using two-stage deep learning: multicenter study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112497 PMID:41161267	研究论文	本研究开发并验证了一个两阶段深度学习框架（DC2Anet-MineGAN），用于高保真多器官、多b值DWI合成和准确ADC恢复，以解决DWI采集的实际限制	提出了一种结合DC2Anet和MineGAN的两阶段深度学习框架，首次实现跨多个解剖区域和b值的高质量DWI合成与ADC恢复	存在潜在的幻觉或失真风险，需要进一步的多中心临床验证	开发一个深度学习框架以克服临床DWI采集的限制，实现高保真DWI合成和准确ADC恢复	来自三家医院和TCIA数据库的DWI图像，涵盖脑、乳腺、腹部、颈部和骨盆五个解剖区域	医学影像分析	NA	扩散加权成像（DWI）	GAN, CNN	图像	50,000张图像	NA	DC2Anet, MineGAN	MSE, MAE, PSNR, SSIM, ICC	NA
914	2026-01-29	Deep learning and transformer-based feature fusion of conventional MRI for differentiating spinal osteolytic bone metastases and multiple myeloma 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112463 PMID:41176822	研究论文	本研究开发了一种结合Transformer特征融合的深度学习模型，利用常规MRI序列来区分脊柱溶骨性骨转移瘤和多发性骨髓瘤	首次将Transformer架构用于融合常规MRI序列（T1WI、T2WI、T2WI-fs）的深度学习特征，以区分脊柱溶骨性骨转移瘤和多发性骨髓瘤，并展示了其临床净获益和泛化能力	研究为回顾性设计，模型性能差异在外部测试集中未达到统计学显著性（所有P>0.05）	开发一种基于深度学习和Transformer特征融合的模型，用于区分脊柱溶骨性骨转移瘤和多发性骨髓瘤	脊柱溶骨性骨转移瘤和多发性骨髓瘤患者	医学影像分析	骨肿瘤	常规MRI（T1加权成像、T2加权成像、脂肪抑制T2加权成像）	深度学习, 机器学习	医学影像（MRI）	663名患者（来自两个医疗中心），包括342例骨转移瘤和321例多发性骨髓瘤	NA	DenseNet169, Transformer	AUC, 准确率, 受试者工作特征曲线, 校准图, 决策曲线分析	NA
915	2026-01-29	Assessing deep learning artificial intelligence support for detecting elbow fractures in the pediatric emergency department 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112498 PMID:41197552	研究论文	本研究评估了深度学习人工智能在辅助儿科急诊医生检测儿童肘部骨折方面的性能	首次在儿科急诊环境中，系统地评估了深度学习算法对临床医生诊断肘部骨折的辅助效果，并进行了外部验证	研究为回顾性设计，且AI辅助仅为理论模拟，未在实际临床工作流程中实时应用	评估急诊临床医生在有无深度学习算法辅助下，检测儿童肘部骨折的诊断性能	因创伤接受肘部X光检查的0-15岁儿童	计算机视觉	骨折	X射线成像	深度学习算法	图像	755名儿童	NA	NA	灵敏度, 特异度	NA
916	2026-01-29	Multi-modal deep learning for predicting functional outcomes in intracerebral hemorrhage using 3D CT and clinical data 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112506 PMID:41202530	研究论文	本研究构建并验证了一种新颖的多模态深度学习框架，该框架整合了三维CT图像和早期入院临床文本信息，用于准确预测脑出血患者发病后90天的功能结局	提出了一种结合3D CNN和预训练语言模型（BioClinicalBERT）的多模态深度学习框架，并采用双流注意力机制深度融合影像与临床文本特征，用于脑出血预后预测	研究为回顾性设计，样本量相对有限（508例），且仅包含两个医疗中心的数据，可能存在选择偏倚	开发一个能够准确预测脑出血患者长期功能结局的早期临床风险分层工具	脑出血患者	数字病理	心血管疾病	三维计算机断层扫描（3D CT）	CNN, 预训练语言模型	图像, 文本	508例脑出血患者（训练验证队列391例，外部测试队列117例）	NA	3D CNN, BioClinicalBERT	准确率, AUC	NA
917	2026-01-29	Enhanced osteoporosis screening via multi-output deep learning: Segmentation and classification of metacarpal radiographs 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112507 PMID:41223626	研究论文	本文提出了一种名为OMO-Net的多输出深度学习架构，用于同时执行掌骨X光片的骨骼分割和骨质疏松症分类，以提高筛查准确性	提出首个同时执行分割和分类任务的多输出深度学习架构（OMO-Net），通过双任务协同提升对细微骨密度变化的敏感性	未明确说明模型在其他骨骼部位或不同人群中的泛化能力，也未讨论临床部署的实际挑战	开发一种集成式深度学习方法来提升骨质疏松症的筛查准确性和诊断效率	掌骨X光片	计算机视觉	骨质疏松症	X射线成像	深度学习	医学影像（X光片）	未明确说明	未明确说明	ResNet-50	AUC, F1-score	未明确说明
918	2026-01-29	LG-nnU-net for multilabel anal sphincter segmentation on MRI: quantitative evaluation in patients with anal fistula 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112509 PMID:41232256	研究论文	本研究开发并评估了一种名为LG-nnU-net的新型深度学习分割框架，用于在MRI图像上对肛门括约肌子结构进行多标签分割，旨在提供稳健的定量解剖信息	提出了一种优化的nnU-net架构（LG-nnU-net），集成了非对称编码器扩展、组归一化、多尺度特征聚合和深度监督等创新技术，用于肛门括约肌子结构的精确分割	该研究为单中心回顾性研究，对高位/低位肛瘘分类的临床影响尚未验证，需要进一步的多中心验证和前瞻性结果研究	开发并评估一个深度学习分割框架，以在MRI上对肛门括约肌子结构进行准确分割，为定量分析和术前评估提供支持	被诊断为肛瘘并接受冠状T2加权MRI扫描的患者	数字病理学	肛瘘	MRI（冠状T2加权）	深度学习分割模型	医学影像（MRI图像）	272名患者（训练集218名，测试集54名）	nnU-net	LG-nnU-net, ResU-net, DenseU-net, U-net++	Dice相似系数, Hausdorff距离, 平均对称表面距离	NA
919	2026-01-29	Improved image quality and dose reduction in liver CT using deep learning-based reconstruction: A comparative study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112520 PMID:41264979	研究论文	本研究比较了基于深度学习的图像重建（DLIR）与混合迭代重建（HIR）算法在肝脏CT成像中的图像质量和辐射剂量	首次在肝脏CT成像中系统比较DLIR与HIR算法，证明DLIR在降低辐射剂量的同时显著提升图像质量	研究样本仅包括153名患者，且仅针对肝脏病变，未涵盖其他器官或疾病类型	评估和比较DLIR与HIR算法在肝脏CT成像中的图像质量和辐射剂量	153名患有至少一个肝脏病变（包括肝囊肿、血管瘤、肝细胞癌和胆管癌）的患者	医学影像	肝脏疾病	CT扫描	深度学习	CT图像	153名患者，共306个肝脏病变	NA	NA	图像质量评分（5点Likert量表）、CT衰减值（HU）、图像噪声（SD）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量（CTDI、DLP）	NA
920	2026-01-29	Deep learning-reconstructed time-maximum intensity projection versus iterative reconstruction for collateral assessment in acute anterior circulation ischemic stroke 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112524 PMID:41264986	研究论文	本研究评估了深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者中的应用，并与单相CTA、多相CTA和CT灌注体积测量法在侧支循环评估和90天预后预测方面进行了比较	首次将深度学习重建的时间最大强度投影技术应用于急性卒中患者的侧支循环评估，并证明其能够将CT灌注的时间信息整合为单一高质量血管造影数据集，无需额外采集即可获得优于单相CTA的图像质量和预后区分能力	研究为回顾性设计，样本量相对较小（75例患者），且仅针对前循环大血管闭塞患者，结果可能不适用于其他卒中类型	评估深度学习重建的时间最大强度投影在急性前循环缺血性卒中中的临床应用价值，特别是在侧支循环评估和预后预测方面的性能	75例患有单侧前循环大血管闭塞的急性缺血性卒中患者	数字病理学	心血管疾病	CT血管造影和CT灌注扫描，迭代重建算法，深度学习算法	深度学习模型	医学影像数据（CT扫描图像）	75例急性缺血性卒中患者	NA	NA	受试者工作特征曲线下面积，图像噪声，信噪比，对比噪声比，主观质量评分（5分量表），侧支评分与最终梗死体积的相关性	NA