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
1521	2026-03-15	LLM2image: A novel framework for accurate diagnosis of diarrhea viruses using pathological images and semantic information 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102735 PMID:41734695	研究论文	提出一种名为LLM2image的多模态框架，通过整合病理图像与大语言模型生成的语义文本信息，提升腹泻病毒的诊断准确性	首次将大语言模型生成的语义文本信息与病理图像特征进行跨模态融合，解决了传统方法仅依赖视觉特征、缺乏临床语义整合以及标注数据有限的问题	未明确说明模型在更广泛病毒类型或不同动物物种上的泛化能力，且依赖于大语言模型生成文本的质量	开发一种准确诊断腹泻病毒的多模态人工智能框架，以支持兽医学和动物疾病控制	猪肠道病理图像（涵盖健康、ETEC、PDCoV、PoRV四类）以及公开的结直肠癌数据集	数字病理学	腹泻病毒	病理图像分析，大语言模型文本生成	MLP, Transformer	图像, 文本	516张猪肠道病理图像（内部数据集）及PAIP2020结直肠癌公开数据集	PyTorch（推断，因涉及Transformer实现）	MLP编码器, GPT-4.0, 跨模态融合Transformer	准确率	未明确说明，但已部署为轻量级Android应用支持离线诊断
1522	2026-03-15	A comprehensive review of CT artifact reduction: From traditional reduction techniques to deep learning methods 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102728 PMID:41747447	综述	本文对CT图像伪影减少技术进行了全面回顾，涵盖了从传统方法到深度学习方法的发展	首次将CT伪影系统分类为环形、金属、运动和散射类型，并基于完整的CT成像链，为传统技术和深度学习方法建立了结构化框架	NA	回顾和综合CT图像伪影减少技术，以提升诊断可靠性	CT图像中的伪影，包括由金属植入物、患者运动和探测器缺陷引起的退化	计算机视觉	NA	CT成像	深度学习	图像	NA	NA	NA	NA	NA
1523	2026-03-15	AATE-UNet automated assessment of inflammatory response in zebrafish larvae exposed to environmental risks 2026-Mar-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.119939 PMID:41762590	研究论文	本研究开发了一种名为AATE-UNet的深度学习模型，用于自动化分析斑马鱼幼虫的炎症反应，以评估环境风险	提出了创新的AATE-UNet模型，首次实现了斑马鱼幼虫炎症反应的高通量自动化图像分析，并将模型打包为易用的可执行文件	未明确说明模型在不同成像条件或斑马鱼发育阶段的泛化能力	开发自动化工具以快速评估环境污染物暴露下斑马鱼幼虫的炎症反应	暴露于环境风险的斑马鱼幼虫	计算机视觉	炎症反应	荧光成像，qPCR分析	CNN	图像	未明确说明	未明确说明	U-Net	准确率	兼容硬件的计算机（未指定具体配置）
1524	2026-03-15	Construction of air quality health index based on multi-pollutant Bayesian kernel machine regression and deep learning early warning framework 2026-Mar-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.119800 PMID:41775180	研究论文	本研究基于多源数据，利用机器学习和贝叶斯核机回归方法构建了优化的空气质量健康指数，并开发了基于深度学习的预警模型，以提升空气污染健康风险的表征和预警能力	提出了结合BKMR和深度学习框架的优化AQHI构建方法，能够识别污染物间的交互作用，并显著提升了高风险污染事件的预警性能	研究数据仅限于武汉市2017-2019年的数据，未在其他地区或更长时间序列上进行验证	优化空气质量健康指数的构建方法，提升空气污染健康风险的表征精度和早期预警能力	武汉市空气污染物数据、环境协变量（温度、NDVI等）及非意外住院风险（特别是心血管疾病患者和老年人群）	机器学习	心血管疾病	贝叶斯核机回归，深度学习	BKMR, 深度学习模型	多源环境数据（空气污染物浓度、气象数据、植被指数等）	武汉市2017-2019年的多源数据	NA	NA	R2, F1-score	NA
1525	2026-03-15	CR-GLoCo: Cross-Resolution Learning via Global-Local Context Consistency for semi-supervised 3D medical segmentation 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102742 PMID:41780211	研究论文	提出一种名为CR-GLoCo的跨分辨率学习框架，通过全局-局部上下文一致性实现半监督3D医学图像分割	提出跨分辨率学习框架，耦合低分辨率全局分支与高分辨率局部分支，通过重叠视场的预测一致性增强模型对解剖结构的理解，并设计带置信度过滤的相互伪监督机制	未明确说明在极端稀缺标注场景下的性能边界，也未讨论计算资源消耗与推理速度的权衡	解决半监督3D医学图像分割中因内存限制采用局部训练策略导致的全局上下文缺失问题	三维医学图像	数字病理	NA	深度学习	半监督学习模型	三维医学图像	在三个具有挑战性的数据集上进行实验（具体数量未说明）	PyTorch	NA	NA	GPU（具体型号未说明）
1526	2026-03-15	Artificial intelligence-based method for renal function automatic assessment of each kidney using plain computed tomography (CT) scans 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01651-w PMID:41066017	研究论文	本研究提出了一种基于人工智能的方法，利用平扫CT图像自动评估单侧肾功能	首次结合深度学习自动分割（UNETR）与影像组学建模，使用平扫CT替代放射性核素扫描进行单侧肾功能评估，降低了辐射风险并提高了效率	研究为回顾性设计，样本量有限（281例），且仅针对肾梗死或肾积水患者，未涵盖其他肾脏疾病	开发一种无创、高效、低成本的单侧肾功能自动评估方法	肾梗死或肾积水患者的平扫CT图像	数字病理学	肾脏疾病	平扫CT成像	深度学习, 机器学习	医学图像（CT）	281名患者（训练集159例来自中心I，测试集122例来自中心II）	NA	UNETR	Dice相似系数（DSC）, AUC	NA
1527	2026-03-15	Comparative analysis of AI-generated and deformed image registration contours on daily CBCT in prostate cancer radiation therapy: accuracy and dosimetric implications using commercial tools 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01686-z PMID:41396387	研究论文	本研究比较了前列腺癌放射治疗中基于AI生成的轮廓与可变形图像配准（DIR）生成的轮廓在每日CBCT图像上的准确性和剂量学影响	首次系统比较了AI与DIR在前列腺癌每日CBCT图像上生成轮廓的几何精度和剂量学差异，为自适应放疗工作流程的优化提供了实证依据	研究为回顾性设计，样本量较小（20例患者），且仅使用了特定商业软件（Limbus AI和Velocity），可能限制了结果的普适性	评估AI与DIR生成的轮廓在前列腺癌放射治疗每日CBCT图像上的准确性和对剂量学的影响，以支持自适应放疗决策	20例前列腺癌患者的每日CBCT图像，重点关注前列腺、膀胱和直肠的轮廓	数字病理	前列腺癌	锥形束CT（CBCT）成像，可变形图像配准（DIR）	深度学习模型（具体未指定）	医学图像（CBCT）	20例前列腺癌患者，共140个CBCT图像	NA	NA	Dice相似系数（DSC），豪斯多夫距离（HD），平均表面距离（MSD），质心位移，体积变化，剂量学指标（D95，D98，D2）	NA
1528	2026-03-15	Turning a knob: deep learning-based prediction of torque and arm angles using force myography 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01685-0 PMID:41396386	研究论文	本研究利用力肌图技术，通过深度学习模型预测不同扭矩和手臂角度下的旋钮转动活动	首次结合力肌图与卷积神经网络-长短期记忆混合模型，用于预测日常活动中的扭矩和手臂角度，并验证了皮下脂肪对分类无显著影响	研究样本可能有限，未涉及更广泛的日常活动或不同人群的验证	开发直观、响应迅速且自适应的人机交互系统，准确预测人类运动动作	人类参与者在不同扭矩和手臂角度下进行的旋钮转动活动	机器学习	NA	力肌图	CNN, LSTM	力肌图数据	参与者进行了三种不同扭矩弹簧和四种手臂角度的旋钮转动活动	NA	卷积神经网络-长短期记忆混合模型	准确率	NA
1529	2026-03-15	An automated detection system of autism spectrum disorder using meta-heuristic approach of adaptive LSTM with bayesian learning technique 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01681-4 PMID:41642457	研究论文	本文提出了一种基于自适应LSTM与贝叶斯学习技术的自动化自闭症谱系障碍检测系统	结合多图谱残差网络提取特征，并采用自适应级联注意力LSTM与贝叶斯学习进行检测，通过随机固定海洋捕食者算法优化超参数	未提及具体数据集规模或外部验证结果	开发自动化自闭症谱系障碍早期诊断系统	自闭症谱系障碍患者的大脑图像数据	数字病理学	自闭症谱系障碍	脑成像分析	LSTM, CNN, ANN, auto encoder	图像	NA	Python	MResNet, ACAL-BL	FPR	NA
1530	2026-03-15	Population-level structural variant characterization using pangenome graphs 2026-Mar, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02538-6 PMID:41807798	研究论文	提出了一种基于深度学习的序列到图像方法Swave，用于从组装衍生的泛基因组图中准确解析简单和复杂的结构变异及其群体特征	引入了‘投影波’来总结点图图像，捕获泛基因组中参考序列和SV指示等位基因之间的映射模式，并使用循环神经网络区分真实SV信号与基因组重复引入的背景噪声	未明确说明方法在处理超大规模群体数据时的计算效率或可扩展性限制	开发一种能够从泛基因组图中准确识别和表征群体水平结构变异的方法	人类群体（健康队列和罕见疾病队列）的结构变异	机器学习	罕见疾病	基因组组装，泛基因组图构建	循环神经网络	图像（由序列映射模式转换而来）	NA	NA	NA	SV类型分类准确率，基因分型准确率	NA
1531	2026-03-15	Development and Preliminary Evaluation of an EfficientNet-Based Deep Learning System for Ultrasound Assessment of Neck Disorders: A Single-Center Study 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050728 PMID:41828004	研究论文	本研究开发并初步评估了一个基于EfficientNet的深度学习系统，用于超声评估颈部疾病	首次将EfficientNet模型与迁移学习结合应用于颈部疾病（特别是筋膜异常）的超声图像评估，以解决标注数据稀缺问题并提升模型泛化能力	单中心研究，样本量有限（184名患者），需要在更多样化的临床环境中进一步验证和优化	开发一个准确高效的机器学习模型，为颈部疾病的诊断提供支持	颈部疾病患者，特别是筋膜模糊纹理和筋膜粘连的评估	计算机视觉	颈部疾病	超声成像	CNN	图像	184名患者的超声图像	NA	EfficientNet	加权平均F1分数, 宏平均F1分数	NA
1532	2026-03-15	Deep Learning-Based Dental Caries Diagnosis: A Modality-Stratified Systematic Review and Meta-Analysis of Faster R-CNN and Mask R-CNN 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050731 PMID:41828006	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了Faster R-CNN和Mask R-CNN在龋齿检测中的诊断性能	首次系统性地综合比较了Faster R-CNN和Mask R-CNN在不同成像模态（放射影像和照片）下用于龋齿检测的诊断准确性	证据受到显著异质性、主要为回顾性设计、成像和标注方法存在变异性、参考标准存在不确定性以及研究间比较为间接比较的限制	比较Faster R-CNN和Mask R-CNN在龋齿检测中的诊断准确性	应用Faster R-CNN和/或Mask R-CNN进行龋齿检测的研究	计算机视觉	龋齿	放射影像成像，摄影成像	Faster R-CNN, Mask R-CNN	图像	17项符合纳入标准的研究	NA	Faster R-CNN, Mask R-CNN	敏感性，特异性，受试者工作特征曲线下面积	NA
1533	2026-03-15	Scalable Unimodal and Multimodal Deep Learning for Multi-Label Chest Disease Detection: A Comparative Analysis 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050734 PMID:41828010	研究论文	本研究对基于单模态和多模态深度学习的多标签胸部疾病分类模型进行了全面的比较分析	系统比较了单模态与多模态模型在不同数据规模下的性能，并强调了大规模数据对罕见病理检测的改善作用	研究仅使用了胸部X光图像和临床元数据，未探索其他模态数据；模型架构选择有限	提高胸部疾病早期诊断的准确性，特别是针对多病理共存的情况	胸部X光图像及相关的临床元数据	计算机视觉	胸部疾病	胸部X光成像	CNN	图像, 文本	两个版本的数据集：随机样本NIH胸部X光数据集（5,606个样本）和完整NIH胸部X光数据集（121,120个样本）	NA	ResNet50, EfficientNetB3, DenseNet121	AUROC	NA
1534	2026-03-15	Driven by Deformable Convolution and Multi-Plane Scale Constraint: A Hazy Image Dehazing-Stitching System 2026-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s26051551 PMID:41829512	研究论文	本文提出了一种用于雾天环境的图像去雾与拼接系统，结合可变形卷积和多平面尺度约束，以提升自动驾驶辅助系统在恶劣天气下的环境感知能力	提出了一种基于DCNv4的非均匀去雾方法，设计了类似变换器的网络以实现长程依赖和自适应空间聚合，并结合轻量级Retinex启发的Transformer进行色彩校正和结构细化；同时，基于LightGlue特征匹配网络引入了多平面尺度约束模块以提高匹配精度和单应性矩阵估计精度	未明确提及	解决雾天环境下图像质量下降和视野受限的问题，为自动驾驶辅助系统提供清晰且大视野的环境感知解决方案	雾天图像	计算机视觉	NA	NA	Transformer, CNN	图像	使用了NH-HAZE和BRAS数据集进行实验	NA	Deformable Convolution v4 (DCNv4), Retinex-inspired Transformer, LightGlue	峰值信噪比	NA
1535	2026-03-15	Computation of sentence similarity score through hybrid deep learning with a special focus on negation sentence 2026-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34084-2 PMID:41764256	研究论文	本文提出了一种混合深度学习框架下的句子相似度计算方法，特别关注否定句的语义建模	提出了一种新颖的否定对齐相似度评分器，通过多嵌入融合和BiLSTM上下文编码，专门针对否定引起的语义偏移进行建模	未明确说明模型在非技术领域或跨语言场景下的泛化能力	提高自动评估系统中句子相似度计算的准确性和可靠性，特别是针对否定句的语义对齐	句子对（特别是包含否定结构的句子）	自然语言处理	NA	多嵌入融合、上下文编码	BiLSTM, Transformer-based models	文本	8575个人工验证的句子对，涵盖四个技术领域	PyTorch, TensorFlow（根据常用实践推断，原文未明确指定）	BERT, SBERT, RoBERTa, DistilBERT, Word2Vec, BiLSTM	F1-score	NA
1536	2026-03-15	Application of AI in Cyberattack Detection: A Review 2026-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s26051518 PMID:41829480	综述	本文全面回顾了基于人工智能的网络攻击检测的最新进展，涵盖机器学习、深度学习、强化学习、联邦学习及生成式AI等新兴技术	系统评估了从传统签名检测到AI驱动的异常检测及混合方法的演进，并探讨了轻量级AI、量子计算等前沿方向在网络安全中的应用潜力	未进行原创实验验证，主要基于文献分析；对部分新兴技术（如量子计算）的实际部署挑战讨论有限	总结AI在网络攻击检测领域的技术发展，分析关键挑战并展望未来研究方向	网络攻击检测方法及相关人工智能技术	机器学习	NA	NA	机器学习, 深度学习, 强化学习, 联邦学习, 生成式AI, 神经符号AI, 群体智能	网络流量数据, 基准数据集	NA	NA	NA	检测率, 准确性, 可扩展性, 适应性	资源受限环境（如IoT、边缘设备）, 量子计算资源
1537	2026-03-15	Kinetic Oxidation Analysis in AISI 1045 Steel Using Infrared Thermography and Convolutional Neural Networks 2026-Feb-27, Materials (Basel, Switzerland) DOI:10.3390/ma19050920 PMID:41828186	研究论文	本研究提出了一种结合红外热成像和深度学习分析AISI 1045钢表面氧化层的新方法	首次将红外热成像与卷积神经网络（SegNet）结合，用于钢表面氧化层的动力学分析，实现了非破坏性大规模监测	研究仅在200-700°C温度范围内进行，样本数量有限（50次测试），未涉及更广泛的材料或工业条件	分析钢表面氧化层的形成与增厚动力学，以改进钢铁制造过程的监测与控制	AISI 1045钢表面氧化层	计算机视觉	NA	红外热成像，焦耳控制加热系统	CNN	热成像图像	50次测试（温度范围200-700°C）	NA	SegNet	准确率	NA
1538	2026-03-15	A Hybrid Approach to Universal Intrusion Detection Systems for Automotive Security 2026-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s26051489 PMID:41829451	研究论文	本文提出了一种结合Pearson相关性和深度学习技术的混合方法，用于开发适用于所有类型车辆的通用入侵检测系统（IDS）	开发了一种能够适应数据分布偏移的通用IDS，无需针对不同车辆进行定制，结合了统计方法和深度学习技术	仅测试了四种特定车辆模型的数据，可能未覆盖所有车辆类型或驾驶条件	开发一种通用的入侵检测系统，以应对汽车网络安全中的入侵检测挑战	车辆网络数据，特别是来自特斯拉、索纳塔和两款起亚模型的数据	机器学习	NA	小波变换，Pearson相关性分析	深度学习	频率域数据	来自四种不同机械和电子车辆的数据集	NA	NA	准确率	NA
1539	2026-03-15	MLCANet: Multi-Level Composite Attention-Guided Network for Non-Homogeneous Image Dehazing in Adverse Weather Conditions 2026-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s26051505 PMID:41829466	研究论文	本文提出了一种名为MLCANet的多级复合注意力引导网络，用于解决恶劣天气条件下的非均匀图像去雾问题	提出了结合通道注意力、空间注意力和多尺度像素注意力的复合注意力机制，并采用基于编解码器架构的网络结合多尺度空洞卷积和可变形卷积，以更灵活高效地恢复图像细节	未明确提及	解决非均匀雾分布条件下的图像去雾问题，恢复高质量无雾图像	非均匀雾分布的模糊图像	计算机视觉	NA	深度学习	CNN	图像	未明确提及	未明确提及	编解码器架构	定性评估、定量评估	未明确提及
1540	2026-03-15	Human Activity Recognition in Domestic Settings Based on Optical Techniques and Ensemble Models 2026-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s26051516 PMID:41829478	研究论文	本文提出了一种基于姿态估计和深度学习集成模型的光学方法，用于识别家庭环境中的人类活动	利用PoseNet从视频数据中提取骨骼关键点特征，生成一种保护隐私的表示，该方法对光照变化不敏感，并通过集成多种深度学习架构（包括Transformer、LSTM、GRU、MLP、1D CNN和CNN-LSTM）来提升识别性能	NA	开发一种非侵入式、精确的人类活动识别方法，用于智能家居和医疗保健监控	家庭环境中的日常活动	计算机视觉	老年疾病	姿态估计	Transformer, LSTM, GRU, MLP, CNN, CNN-LSTM	视频	30名受试者（15男15女），共2734个活动样本，涵盖9种日常家庭活动	NA	Transformer, LSTM, GRU, MLP, 1D CNN, CNN-LSTM	准确率	NA