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
1461	2026-03-15	[Evaluation and Prediction of Water Quality in Beijing Section of Yongding River Based on CEWI Index and BP Neural Network] 2026-Mar-08, Huan jing ke xue= Huanjing kexue DOI:10.13227/j.hjkx.202503067 PMID:41830252	研究论文	本研究基于CEWI指数和BP神经网络，对永定河北京段的水质进行评估与预测	提出了结合多类群生物多样性构建综合生态水质指数(CEWI)，并开发了基于BP神经网络的CEWI指数预测模型，通过“环境因子-生物响应-模型预测”框架为流域生态修复提供数据驱动的方法创新	研究区域仅限于永定河北京段，模型在其他流域的普适性有待验证；环境驱动因子的选择可能未涵盖所有关键变量	提升水质评估的时效性和普适性，为永定河流域生态修复提供数据支持和方法指导	永定河北京段的水质及水生生物群落（大型底栖动物、浮游动物、浮游植物）	机器学习	NA	水生生态调查，典型对应分析(CCA)	BP神经网络	环境因子数据（水温、pH、流速、水深、溶解氧等），生物群落数据	16个监测点，在2020年秋季至2021年夏季进行了四次调查，共鉴定出118种大型底栖动物、159种浮游动物和107种浮游植物	NA	BP神经网络	决定系数(R²)，均方误差(MSE)，平均绝对误差(MAE)	NA
1462	2026-03-15	Two-Stage Microseismic P-Wave Arrival Picking via STA/LTA-Guided Lightweight U-Net 2026-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s26051693 PMID:41829654	研究论文	提出了一种结合STA/LTA与轻量级U-Net的两阶段微地震P波初至拾取框架，以平衡计算效率与拾取精度	提出了一种新颖的两阶段拾取框架，将传统STA/LTA方法的计算效率与深度学习（轻量级U-Net）的噪声鲁棒性和高精度相结合，实现了从粗检测到细粒度优化的流程	NA	实现微地震P波初至时间的精确拾取，以支持采矿诱发地震事件的定位与监测	微地震P波信号	机器学习	NA	NA	CNN, U-Net	波形数据	来自甘肃省某煤矿的500 Hz微地震数据	NA	轻量级U-Net	命中率, 平均绝对误差	NA
1463	2026-03-15	Real-Time Vibration Energy Prediction for Semi-Active Suspensions Using Inertial Sensors: A Physics-Guided Deep Learning Approach 2026-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s26051695 PMID:41829656	研究论文	本文提出了一种物理引导的门控卷积神经网络，用于预测半主动悬架的未来多模态能量演化，以实现前馈控制	提出了一种结合连续小波变换和物理引导门控机制的深度学习框架，能够有效隔离瞬态冲击特征并实现约100-200毫秒的预测相位领先	未明确提及模型在极端道路条件或不同车辆类型上的泛化能力限制	解决半主动悬架系统中响应延迟和传感器噪声问题，通过预测能量演化实现更及时的控制	半主动悬架系统，特别是重型卡车的振动能量预测	机器学习	NA	连续小波变换	CNN	惯性传感器数据，时间-频率标量图	使用高保真重型卡车仿真数据和公开的PVS 9真实世界数据集	NA	物理引导门控卷积神经网络	预测相位领先时间，参数数量，单帧推理延迟	资源受限的汽车边缘计算平台
1464	2026-03-15	Artificial-intelligence-guided autophagy modulation and nanomedicine design for precision photodynamic cancer therapy 2026-Mar-06, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104633 PMID:41794170	综述	本文探讨了人工智能如何指导自噬调控和纳米药物设计，以实现精准光动力癌症治疗	结合人工智能（机器学习和深度学习）整合多组学和影像数据，指导靶点选择、纳米载体设计及个性化的自噬调控光动力治疗策略	NA	通过人工智能和纳米医学技术，克服光动力疗法在癌症治疗中的局限性，实现精准治疗	癌症治疗，特别是光动力疗法及其相关的自噬调控和纳米药物递送系统	机器学习	癌症	多组学分析，影像数据整合	深度学习	多组学数据，影像数据	NA	NA	NA	NA	NA
1465	2026-03-15	Geometry-aware PointNet for rapid prediction of cerebral aneurysm hemodynamics 2026-Mar-06, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109308 PMID:41825291	研究论文	本研究开发了一种基于深度学习的几何感知点云网络，用于快速预测脑动脉瘤在峰值收缩期的三维速度场和壁面剪切应力	提出了一种增强距离到壁特征的单一输入点云网络，能够同时预测速度场和壁面剪切应力，实现了对理想化动脉瘤几何形状的快速血流动力学预测	模型在非理想化几何形状上的零样本评估性能显著下降，表明需要更广泛的患者特异性训练、生理边界条件和可靠性评估才能应用于常规临床	开发深度学习模型以快速预测脑动脉瘤的血流动力学，替代计算流体动力学的高计算需求	984个理想化大脑中动脉分叉动脉瘤的合成数据集	数字病理学	心血管疾病	计算流体动力学模拟	PointNet	点云数据	984个理想化大脑中动脉分叉动脉瘤案例	NA	几何感知点云网络	平均绝对误差, 归一化平均绝对误差, 相对L2误差	NA
1466	2026-03-15	A GAN-CNN Fusion Framework for Deep Learning-Based DOA Estimation in Low-SNR Environments 2026-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s26051676 PMID:41829637	研究论文	本文提出了一种融合生成对抗网络和复值卷积神经网络的两阶段框架，用于在低信噪比环境下进行基于深度学习的到达方向估计	提出了一种新颖的两阶段框架，将用于信号增强的GAN与用于DOA估计的复值CNN相结合；GAN中引入了注意力机制和专用的相位一致性损失函数，以在抑制噪声的同时保留对方向估计至关重要的空间相位信息	未明确说明框架在更复杂多径环境或动态场景中的性能；实验主要基于仿真数据，真实环境验证可能有限	解决低信噪比条件下到达方向估计性能下降的问题，提升在噪声干扰和训练数据有限情况下的估计精度与鲁棒性	低信噪比环境下的接收信号及其空间特征	信号处理, 机器学习	NA	到达方向估计, 信号增强	GAN, CNN	信号数据, 协方差矩阵	实验涉及不同信噪比条件（如-10 dB）和快拍数（如500, 50）下的信号数据	NA	包含注意力机制的GAN, 复值CNN	准确率, 均方根误差	NA
1467	2026-03-15	Advanced Demodulation in Distributed Fiber Optic Sensing: A Review of Backscattering and UWFBG-Based Technologies 2026-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s26051674 PMID:41829635	综述	本文综述了分布式光纤传感中基于背向散射和超弱光纤布拉格光栅的先进解调技术	系统总结了克服信噪比、空间分辨率和传感范围之间权衡的先进解调与信号处理策略，包括脉冲编码序列、混沌激光压缩相关和深度学习增强的降噪算法	NA	分析分布式光纤传感技术在结构健康监测中的技术路线与发展轨迹	基于背向散射（拉曼、布里渊、瑞利散射）和超弱光纤布拉格光栅网络的传感系统	NA	NA	分布式光纤传感、脉冲编码、混沌激光压缩相关、深度学习降噪、混合复用、混叠频谱重建、色散解调	NA	NA	NA	NA	NA	信噪比、空间分辨率、传感范围	NA
1468	2026-03-15	Automatic Modulation Recognition for Radio Mixed Proximity Sensor Signals Based on a Time-Frequency Image Enhancement Network 2026-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s26051677 PMID:41829638	研究论文	本文提出了一种基于时频图像增强网络的无线电混合接近传感器信号自动调制识别方法，旨在提高低信噪比条件下的识别准确率	采用逐像素核预测网络对时频图像进行去噪，相比传统方法显著降低计算开销，并结合RetinalNet分类器提升调制识别性能	NA	设计一种分类器以识别不同调制类型的信号，特别关注低信噪比条件下的自动调制识别	无线电混合接近传感器信号	机器学习	NA	时频图像分析	CNN	图像	NA	NA	RetinalNet	平均识别准确率	NA
1469	2026-03-15	Dynamically Weighted Spatiotemporal Fusion for Deep Learning-Based Prediction of EHA Degradation in Aviation Systems 2026-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s26051662 PMID:41829623	研究论文	提出了一种名为PreDyn-ST的时空退化建模框架，用于基于多元时间序列数据预测航空电静液作动器的退化状态和剩余使用寿命	该方法集成了基于SimCLR的对比预训练和动态特征融合机制，以捕捉演化的时间依赖性和空间传感器相关性，并采用可学习的动态加权机制自适应地平衡时空特征	未在更广泛的航空系统或更复杂的故障模式下进行验证，且对物理连接先验知识的依赖可能限制其通用性	解决航空电静液作动器因缺乏明确健康状态对应数据而导致的退化评估和剩余使用寿命预测难题	航空电静液作动器的退化过程	机器学习	NA	多元时间序列分析	图卷积网络, Transformer	多元时间序列数据	来自自主研发的EHA退化测试台和C-MAPSS基准数据集的数据	NA	GCN, Transformer	预测性能（具体指标未明确，但提及竞争性和稳定性）	NA
1470	2026-03-15	Monitoring the Spatiotemporal Dynamics of Invasive Pedicularis kansuensis in Bayinbuluke Alpine Wetlands: A Novel Spectral Index Framework Using PlanetScope Time Series (2021-2025) 2026-Mar-06, Plants (Basel, Switzerland) DOI:10.3390/plants15050806 PMID:41829837	研究论文	本研究提出了一种新的物种特异性光谱指数PKI，用于监测巴音布鲁克高寒湿地中入侵植物Pedicularis kansuensis的时空动态	结合原位高光谱测量特征与灰度形态学开运算优化，构建了针对入侵物种Pedicularis kansuensis的专用光谱指数PKI，在异质性高寒背景下实现了高精度、可操作的监测	方法主要基于PlanetScope影像的特定波段，可能在其他传感器或不同地理环境下需要调整；深度学习模型因数据需求大未被采用，可能限制了更复杂模式的识别	开发一种快速、可靠且可操作的方法，用于监测高寒湿地中的入侵物种Pedicularis kansuensis的时空动态	中国西北部巴音布鲁克高寒湿地中的入侵植物Pedicularis kansuensis	遥感监测	NA	高分辨率PlanetScope影像时间序列分析、原位高光谱测量	NA	遥感影像（PlanetScope，3米分辨率）、时间序列数据	研究区域覆盖巴音布鲁克中心高寒湿地2841平方公里，时间跨度为2021年至2025年	NA	NA	M-statistic（可分离性统计量）、总体准确率、F1分数	NA
1471	2026-03-15	Evaluation of Maxillary Sinus Membrane Morphology Using a Novel Hybrid CNN-ViT-Based Deep Learning Model: An Automated Classification Study 2026-Mar-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050777 PMID:41828054	研究论文	本研究开发并验证了一种结合CNN和ViT的混合深度学习模型，用于自动分类CBCT图像中的上颌窦膜形态	提出了一种新颖的混合CNN-ViT模型，整合了轻量级残差CNN进行局部特征提取、可学习的加权特征融合与双向特征金字塔网络，以及Transformer编码器进行全局上下文建模，有效克服了标准ViT模型在有限数据集上的局限性	NA	开发并验证一种混合深度学习模型，以自动分类上颌窦膜形态，为临床决策提供支持	上颌窦膜形态	计算机视觉	NA	锥形束计算机断层扫描	CNN, ViT	图像	959张CBCT图像	NA	ResNet50, MobileNetV3L, ViT-B16, 自定义混合模型	准确率, 精确率, 召回率, F1分数	NA
1472	2026-03-15	Image Inpainting-Based Point Cloud Restoration for Enhancing Tactical Classification of Unmanned Surface Vehicles 2026-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s26051637 PMID:41829598	研究论文	本研究提出了一种基于图像修复的点云恢复框架，旨在提升无人水面艇（USV）在稀疏数据场景下的目标分类性能	通过将3D点云转换为2D多通道图像表示，并利用深度学习图像修复算法进行数据恢复，结合高密度关键点提取方法生成分类特征，提高了计算效率和推理速度	实验基于模拟数据集进行，未在真实海洋环境中验证；框架在极端稀疏或遮挡情况下的性能可能受限	恢复不完整的LiDAR点云数据，以增强无人水面艇在远距离和挑战性视角下的战术目标分类能力	无人水面艇（USV）在海军场景中通过LiDAR传感器获取的3D点云数据	计算机视觉	NA	LiDAR传感器、2D区域投影技术、深度学习图像修复	深度学习图像修复算法	点云数据、2D多通道图像	模拟数据集	NA	NA	准确率	资源受限的海事平台
1473	2026-03-15	Deep Learning-Based Channel Estimation Techniques Using IEEE 802.11p Protocol, Limitations of IEEE 802.11p and Future Directions of IEEE 802.11bd: A Review 2026-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s26051658 PMID:41829619	综述	本文全面综述了基于深度学习的信道估计技术，重点分析了IEEE 802.11p标准的应用及其局限性，并探讨了IEEE 802.11bd标准的改进方向	系统性地将深度学习技术应用于解决IEEE 802.11p标准在动态V2V通信场景中信道估计的局限性，并对比分析了新兴IEEE 802.11bd标准的改进潜力	基于深度学习的方法在计算复杂度和估计精度之间存在权衡，这在时延敏感的V2V场景中是关键约束	通过深度学习技术提升车联网在高移动性场景下的信道估计性能，并探讨未来标准的发展方向	IEEE 802.11p协议、IEEE 802.11bd协议、车对车(V2V)通信信道	机器学习	NA	NA	深度学习	通信信道数据	NA	NA	NA	估计精度, 计算复杂度	NA
1474	2026-03-15	Statistical Feature Engineering for Robot Failure Detection: A Comparative Study of Machine Learning and Deep Learning Classifiers 2026-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s26051649 PMID:41829608	研究论文	本研究通过比较机器学习和深度学习方法，利用力-扭矩传感器数据对机器人执行故障进行分类，并提出了三种特征工程方法	提出了三种不同的特征工程方法（Baseline、Domain-6、Domain-12），并全面比较了十种分类算法在机器人故障检测中的性能	未明确提及研究的局限性	实现工业机器人执行故障的早期和准确检测	工业机器人执行故障数据	机器学习	NA	力-扭矩传感器数据采集	SVM, RF, KNN, ANN, NB, DT, XGBoost, LightGBM, CNN-1D, LSTM	时间序列数据	未明确提及具体样本数量	NA	一维卷积神经网络, 长短期记忆网络	准确率, 精确率, 召回率, F1分数	NA
1475	2026-03-15	Particle swarm optimized deep learning for jamming detection and throughput enhancement in cognitive radio networks 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41642-9 PMID:41781437	研究论文	本文提出了一种结合博弈论、深度学习和粒子群优化的混合抗干扰框架，用于认知无线电网络中的干扰检测和频率选择	在一个统一的框架内，同时解决了战略性的抗干扰决策和数据驱动的干扰检测问题	未在真实物理环境中进行验证，仅通过仿真进行评估	开发一种抗干扰框架，以应对认知无线电网络中的干扰攻击并提高吞吐量	认知无线电网络中的次要用户和干扰器	机器学习	NA	NA	DNN	仿真数据	NA	NA	DeepSwarm (PSO驱动的DNN)	准确率, 召回率, 精确率, F1分数	NA
1476	2026-03-15	Artificial Intelligence for Preoperative Prediction of Lymph Node Metastasis and Depth of Invasion in Oral Tongue Squamous Cell Carcinoma: A Systematic Review and Meta-Analysis 2026-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050774 PMID:41828050	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于人工智能的模型在预测口腔舌鳞状细胞癌隐匿性淋巴结转移和浸润深度方面的诊断性能	首次对人工智能模型在口腔舌鳞状细胞癌术前淋巴结转移和浸润深度预测中的诊断性能进行了系统综述和荟萃分析，并比较了深度学习与传统机器学习方法的准确性差异	缺乏外部验证、校准报告有限、缺少与临床医生比较的分析，这些因素限制了当前模型的临床转化应用	评估人工智能模型在口腔舌鳞状细胞癌术前预测淋巴结转移和浸润深度的诊断性能	口腔舌鳞状细胞癌患者	数字病理	口腔舌鳞状细胞癌	NA	深度学习, 传统机器学习	NA	NA	NA	NA	灵敏度, 特异性, AUC	NA
1477	2026-03-15	Limitations of Retrospective Machine Learning Models for Predicting Tracheostomy After Cardiac Surgery 2026-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050771 PMID:41828047	研究论文	本研究评估了回顾性机器学习模型在预测心脏手术后气管切开术方面的诊断局限性	通过比较现有模型与多种新开发的机器学习模型，揭示了回顾性临床数据在预测气管切开术方面的普遍不足	研究为单中心回顾性设计，样本量有限，且缺乏前瞻性数据验证	评估机器学习模型在预测心脏手术后气管切开术方面的诊断有效性	2010年至2020年间接受心脏手术的患者	机器学习	心血管疾病	NA	随机森林, 朴素贝叶斯, 最近邻, 深度学习	临床数据	4744名患者，其中118名属于气管切开组	NA	NA	AUC, 混淆矩阵	NA
1478	2026-03-15	Assessment of Fractional Flow Reserve from Coronary CT Angiography Using a Deep Learning-Based Algorithm: A Multicenter Retrospective Study 2026-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050762 PMID:41828038	研究论文	本研究评估了一种基于深度学习的算法，用于从冠状动脉CT血管造影中无创计算血流储备分数，并自动分配心血管风险类别	开发了一种基于深度学习的算法，能够从冠状动脉CT血管造影中自动计算血流储备分数并分配心血管风险类别，实现了非侵入性的缺血评估和风险分层	研究为多中心回顾性设计，样本量相对较小（60名患者），且仅使用侵入性冠状动脉造影作为参考标准，可能存在选择偏倚	评估基于深度学习的算法在非侵入性计算血流储备分数和自动心血管风险分类中的诊断准确性	疑似冠状动脉疾病的患者	数字病理学	心血管疾病	冠状动脉CT血管造影，侵入性冠状动脉造影	深度学习模型	图像	60名患者	NA	NA	AUC, 敏感性, 特异性, kappa系数	NA
1479	2026-03-15	Identification of Retinal Diseases Using Light Convolutional Neural Networks and Intrinsic Mode Function Technique 2026-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050773 PMID:41828049	研究论文	提出了一种结合本征模态函数滤波器和轻量卷积神经网络的新型混合模型，用于增强眼底图像分类以识别视网膜疾病	创新性地将经验模态分解衍生的本征模态函数滤波器与轻量卷积神经网络集成，有效分解输入信号以隔离高频噪声并保留关键视网膜模式，同时实现轻量且高判别力的特征提取与分类	未明确提及模型在更大规模或更复杂数据集上的泛化能力，也未讨论临床部署中的实际计算资源需求	提高眼底图像的自动分类准确性，以支持视网膜疾病的早期诊断和实时临床筛查	眼底图像	计算机视觉	视网膜疾病	经验模态分解	CNN	图像	基于DIARETDB眼底数据集，具体样本数量未明确说明	NA	LightCNN	准确率, 精确率, 召回率, F1分数	NA
1480	2026-03-15	Contrast-Free Myocardial Infarction Segmentation with Attention U-Net 2026-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050768 PMID:41828045	研究论文	本研究提出了一种基于深度学习的综合框架，用于使用无对比剂电影心血管磁共振自动分割心脏结构和心肌梗死	该框架整合了多种卷积神经网络架构用于心脏结构分割，并采用基于注意力的深度学习模型进行心肌梗死定位，无需使用对比剂	未明确提及具体局限性，但可能包括模型在更广泛数据集上的泛化能力或计算资源需求	开发一种自动分割心脏结构和心肌梗死的深度学习框架，以支持无对比剂心血管磁共振的临床应用	心脏结构（左心室腔、左心室心肌、右心室腔）和心肌梗死	数字病理学	心血管疾病	心血管磁共振（CMR），无对比剂电影成像	CNN, 注意力机制模型	图像（电影心血管磁共振图像）	NA	NA	U-Net（带注意力机制）	Dice相似系数（DSC）, 平均轮廓距离（MCD）, 豪斯多夫距离（HD）	NA