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
1481	2026-03-15	Comparison of Manual, Semi-Automatic, and Automatic CT-Based Methods for Liver Volume Segmentation 2026-Mar-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050817 PMID:41828093	研究论文	本研究比较了手动、半自动和自动CT肝脏体积分割方法在临床实践中的体积一致性和处理效率	系统评估了多种CT肝脏分割方法（包括RVX半自动、RVX深度学习和TotalSegmentator）与手动分割的对比，特别关注了处理时间和体积一致性	深度学习分割方法倾向于高估肝脏体积，这可能限制其在需要高体积精度的应用中的使用	评估半自动和自动CT肝脏分割方法是否能在提高处理效率的同时，提供临床可接受的体积一致性	86名个体的CT图像	医学影像分析	NA	CT成像	深度学习	CT图像	86名个体	NA	NA	Dice相似系数, Hausdorff距离, 处理时间	NA
1482	2026-03-15	A Novel Dual-Modality Dual-View Hybrid Deep Learning-Machine Learning Framework for the Prediction of Carotid Plaque Vulnerability via Late Fusion 2026-Mar-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050807 PMID:41828084	研究论文	本研究提出了一种新颖的双模态双视图混合深度学习-机器学习框架，通过晚期融合预测颈动脉斑块易损性	首次利用双模态（B型超声和对比增强超声）双视图（纵向和横截面）超声成像进行AI自动分类颈动脉斑块易损性，并采用混合深度学习-机器学习方法平衡模型判别性和可解释性	研究为回顾性分析，样本量有限（241名患者），需要在更大前瞻性队列中进一步验证	开发并验证一种有效的AI模型，用于颈动脉斑块易损性分类，以识别卒中高风险个体	颈动脉斑块	医学影像分析	心血管疾病	B型超声成像, 对比增强超声成像	CNN, 随机森林	图像	241名患者的B型超声和对比增强超声图像	NA	VGG, 随机森林	AUC, 精确率, 召回率, 特异性, F1分数	NA
1483	2026-03-15	DDR2-COL11A1 Transcriptional Coupling as a Candidate Therapeutic Target in Colorectal Cancer: Integrative Transcriptomic and Deep Learning Validation 2026-Mar-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27052509 PMID:41828724	研究论文	本研究通过整合转录组学和深度学习分析，揭示了DDR2-COL11A1转录耦合在结直肠癌进展中的关键作用，并提出了靶向耦合效率而非受体丰度的新型治疗策略	首次系统揭示了DDR2特异性转录耦合（而非受体上调）是结直肠癌进展的主要机制，并利用深度学习验证了DDR2-COL11A1作为最重要的基因互作对	研究主要基于计算分析和体外数据，缺乏体内实验验证；样本量相对有限（680例）	探究结直肠癌进展中细胞外基质重塑的转录调控机制，并识别潜在治疗靶点	结直肠癌组织样本（包括正常黏膜、腺瘤和癌组织）	计算生物学, 深度学习	结直肠癌	转录组学分析, 深度学习	深度神经网络	基因表达数据	680个样本（涵盖正常黏膜、腺瘤和癌组织）	未明确指定	深度神经网络	准确率（93.14%）, SHAP分析	NA
1484	2026-03-15	Physics-Topology-Anchored Learning: A Robust and Lightweight Framework for Time-Series Prediction and Anomaly Detection Under Data Scarcity 2026-Mar-09, Sensors (Basel, Switzerland) DOI:10.3390/s26051721 PMID:41829682	研究论文	提出了一种名为物理-拓扑锚定学习（PTAL）的鲁棒且轻量级框架，用于解决数据稀缺条件下的时间序列预测和异常检测问题	核心创新在于将物理归纳偏置有效集成到模型架构中，通过源自物理机制的预定义邻接矩阵作为结构先验，将神经网络锚定于显式的物理因果关系，从而约束假设空间并减少对大规模数据的依赖	未明确说明框架在极端数据稀缺或物理机制不明确场景下的适用性	解决复杂系统健康监测中因高质量故障样本稀缺和机载计算资源受限而难以部署深度学习模型的问题	复杂系统的健康监测	机器学习	NA	时间序列预测，异常检测	轻量级循环注意力机制	时间序列数据	NA	NA	物理-拓扑锚定学习（PTAL）框架	诊断准确率，标准差	资源受限环境（如机载系统）
1485	2026-03-15	A Lightweight Net with Dual-Path Feature Enhancer and Bidirectional Gated Fusion for Cloud Detection 2026-Mar-09, Sensors (Basel, Switzerland) DOI:10.3390/s26051727 PMID:41829688	研究论文	本文提出了一种用于遥感图像云检测的轻量级网络，旨在平衡检测精度与计算效率	网络核心创新包括：（1）前端双路径特征增强器，通过并行架构提取和融合多尺度特征，丰富特征多样性；（2）双向门控融合模块，通过门控注意力机制和动态卷积自适应地融合多尺度特征与深层语义特征	NA	解决资源受限场景（如星上处理或边缘计算）中云检测模型部署的挑战，平衡精度与效率	高分辨率遥感图像中的云检测	计算机视觉	NA	NA	深度学习模型	遥感图像	基于公开数据集HRC_WHU	NA	轻量级网络，包含双路径特征增强器和双向门控融合模块	总体准确率，平均交并比	计算成本为12.04 GFLOPs
1486	2026-03-15	Large-Scale Validation of a Dual Cross-Attention Network for Automated Sleep Staging Using Wearable Photoplethysmography Signals 2026-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050802 PMID:41828078	研究论文	本研究开发并大规模验证了一种基于双交叉注意力网络的深度学习框架DCA-Sleep，用于利用可穿戴光电容积脉搏波信号进行自动睡眠分期	提出了双交叉注意力机制以捕捉原始单通道PPG信号的长期时间依赖性，并采用跨模态迁移学习策略，先在六个心电图数据集上预训练模型，以克服数据稀缺问题	NA	开发一种高精度、非侵入式的自动睡眠分期工具，用于长期睡眠监测和临床筛查	可穿戴光电容积脉搏波信号	机器学习	睡眠障碍	光电容积脉搏波	深度学习	信号	来自九个公共数据集的9738名受试者	NA	双交叉注意力网络	F1分数, Cohen's Kappa	NA
1487	2026-03-15	MP-Stain-Detector: A Learning-Based Stain Detection Method with a Multispectral Polarization Optical System 2026-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s26051703 PMID:41829669	研究论文	提出了一种结合多光谱偏振光学系统与深度学习框架的污渍检测方法，用于机器人清扫器	设计了轻量级多光谱偏振光学模块以提取区分性光学特征，并开发了融合光谱成分与偏振纹理特征的MP-stain-detector模型	未明确说明模型在极端光照或未知污渍类型上的泛化能力，以及计算效率在实时机器人应用中的具体表现	解决复杂室内场景中污渍检测精度不足的问题，提升机器人清扫器的环境感知与清洁能力	室内环境中的污渍（特别是浅色液体等挑战性类别）	计算机视觉	NA	多光谱偏振光学成像	深度学习模型（具体架构未明确说明，但属于检测框架）	多光谱偏振图像	基于MP-Stain-dataset（在真实家庭场景中采集的综合数据集，具体样本数量未说明）	NA	MP-stain-detector（自定义架构，融合光谱与偏振特征）	平均准确率	NA
1488	2026-03-15	Dual-Stream Difference Modeling with Deep-Guided Multiscale Fusion for Mangrove Change Detection 2026-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s26051701 PMID:41829662	研究论文	提出了一种结合双流差异建模与深度引导多尺度融合的深度学习方法（DSDGMNet），用于复杂潮间带环境下的红树林变化检测	设计了双流差异驱动策略以减少潮汐干扰并增强对真实结构变化的敏感性，同时开发了深度引导多尺度融合模块以整合全局上下文与精细边界细节	未在摘要中明确说明	解决潮汐干扰、不稳定水陆边界和多尺度分布变化带来的挑战，实现准确的红树林变化检测	红树林	计算机视觉	NA	深度学习	CNN	图像	基于GBCNR和WHU-CD两个数据集进行实验	未在摘要中明确说明	DSDGMNet（包含双流差异建模和深度引导多尺度融合模块）	F1-score	未在摘要中明确说明
1489	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
1490	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
1491	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
1492	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
1493	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
1494	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
1495	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
1496	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
1497	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
1498	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
1499	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
1500	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