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
1541	2026-03-15	Quantification of Tongue Motor Dysfunction in Amyotrophic Lateral Sclerosis Using a Smartphone-Based Task and Deep Learning 2026-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s26051498 PMID:41829459	研究论文	本研究开发并验证了一种基于智能手机的简单任务，用于客观评估肌萎缩侧索硬化症患者的舌运动功能障碍，并探讨其与临床变量的关联	首次结合智能手机记录和基于U-Net++的深度学习模型，对ALS患者的舌运动进行量化分析，提供了一种无创、客观的延髓功能评估方法	样本量较小（37名患者和20名对照），且未明确说明模型在更广泛人群中的泛化能力	开发并验证一种基于智能手机的舌运动量化方法，以客观评估ALS患者的延髓功能障碍	肌萎缩侧索硬化症患者和年龄、性别匹配的健康对照者	数字病理学	肌萎缩侧索硬化症	智能手机视频记录，深度学习图像分割	深度学习	视频	37名ALS患者和20名健康对照者	NA	U-Net++	NA	NA
1542	2026-03-15	An Intelligent Pressurized Thigh Band for Muscular Assistance and Multi-Mode Activity Recognition 2026-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s26051502 PMID:41829462	研究论文	本研究开发了一种集传感与驱动于一体的智能加压大腿带，用于辅助股四头肌、间接减轻膝关节负荷，并实现高精度运动模式识别	提出“传感-驱动一体化”的智能加压大腿带设计，将柔性气动执行器与纺织品集成，并利用气动压力变化作为运动意图的代理指标，为未来闭环控制奠定基础	研究主要针对六种常见活动进行验证，未涵盖更复杂或动态变化的运动场景；闭环控制潜力尚未在实际应用中完全实现	开发一种能够辅助肌肉功能、减轻关节负荷并识别运动模式的智能可穿戴设备	智能加压大腿带系统（包括便携集成控制器和纺织集成柔性气动执行器）	机器学习	NA	柔性气动驱动技术、嵌入式系统部署	深度学习模型	气动压力数据	未明确说明样本数量，但涉及六种常见活动模式的数据收集	未明确说明	轻量化深度学习模型（具体架构未说明）	准确率	嵌入式平台
1543	2026-03-15	Robust LiDAR-Based Train Detection via Point Cloud Segmentation for Railway Safety 2026-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s26051514 PMID:41829477	研究论文	本文提出了一种基于点云分割的鲁棒LiDAR列车检测方法，用于铁路安全监控	将列车检测重新定义为点级语义分割问题，并设计了一个轻量级3D分割网络直接从原始数据预测列车点	未明确提及具体局限性	提高铁路安全监控中列车检测的准确性和鲁棒性	铁路列车	计算机视觉	NA	LiDAR点云技术	3D分割网络	点云数据	未明确提及具体样本数量	未明确提及	未明确提及具体架构	检测准确性, 鲁棒性	未明确提及
1544	2026-03-15	OpenPlant: A Large-Scale Benchmark Dataset for Agricultural Plant Classification Using CNNs, ViTs, and VLMs 2026-Feb-27, Plants (Basel, Switzerland) DOI:10.3390/plants15050727 PMID:41829758	研究论文	本文介绍了一个名为OpenPlant的大规模农业植物分类基准数据集，并基于该数据集对多种深度学习模型进行了全面评估	提出了一个包含635,176张RGB图像、涵盖1167种植物种类的开放数据集，该数据集具有规模大、植物生长阶段多样、环境条件丰富、标注质量高的特点，并首次系统性地对CNN、ViT和VLM模型在该领域的性能进行了基准测试	未明确说明数据集的采集地域分布是否具有全球代表性，也未讨论模型在真实田间复杂环境下的泛化能力	为农业植物分类研究提供一个大规模、高质量的基准数据集，并评估不同深度学习模型在该任务上的性能	农业植物图像数据	计算机视觉	NA	深度学习	CNN, ViT, VLM	图像	635,176张RGB图像，涵盖1167种植物种	NA	NA	NA	NA
1545	2026-03-15	Evaluating deep learning models for pancreatic cancer diagnosis 2026-Feb-26, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-02036-9 PMID:41746513	研究论文	本研究评估了ResNet和VGG两种深度学习模型在基于组织病理学图像区分胰腺癌组织与正常胰腺组织中的有效性	比较了ResNet和VGG在胰腺癌诊断中的性能，并发现ResNet在准确率和F1分数上优于VGG，展示了深度学习在胰腺癌早期检测中的潜力	未提及模型在其他数据集或临床环境中的泛化能力验证，以及可能存在的样本偏差或预处理影响	评估深度学习模型在胰腺癌诊断中的有效性，以提高早期检测准确性	胰腺癌组织与正常胰腺组织的H&E染色病理图像	数字病理学	胰腺癌	H&E染色	CNN	图像	3000张H&E染色病理图像（包括正常和癌变组织）	PyTorch	ResNet, VGG	准确率, F1分数	CUDA10并行计算平台
1546	2026-03-15	Insights into Accelerated MRI Protocols for Pediatric Brain Assessment in Emergency Cases 2026-Feb-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050681 PMID:41827957	研究论文	评估西门子医疗开发的两种加速MRI协议（GOBrain和Deep Resolve Swift Brain）在儿科急诊脑成像中的临床可行性	结合并行成像、同时多层成像、压缩感知和深度学习重建技术，实现快速多对比度脑MRI扫描，特别适用于儿科急诊场景	对于细微病理发现（如局灶性皮质发育不良）和神经导航，可能仍需专用高分辨率协议，且需要更大规模的比较研究	评估加速MRI协议在儿科急诊脑成像中的诊断效果和临床适用性	儿科患者，包括急性淋巴细胞白血病相关治疗性脑白质病、脑脓肿、创伤性弥漫性轴索损伤、椎动脉夹层导致的后循环梗死、白细胞停滞综合征和后颅窝肿瘤伴梗阻性脑积水等病例	数字病理学	儿科脑部疾病	磁共振成像（MRI），包括涡轮自旋回波、并行成像、同时多层成像、压缩感知、深度学习重建和回波平面成像	深度学习	医学影像	一系列临床相关儿科病例（具体数量未明确说明）	NA	NA	NA	3 Tesla MRI设备
1547	2026-03-15	Use of Artificial Intelligence in the Classification of Upper-Limb Motion Using EEG and EMG Signals: A Review 2026-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s26051457 PMID:41829420	综述	本文系统综述了人工智能在利用脑电图和肌电图信号分类上肢运动中的应用，重点关注了该领域从传统机器学习到深度学习架构的演进	系统梳理了该领域从传统机器学习向深度学习转变的趋势，并指出了当前研究对单一脑电图模态的过度依赖以及脑电图-肌电图混合系统应用不足的现状	作为一篇综述文章，其局限性在于总结现有研究而非提出新方法，且指出当前领域存在数据模态融合不足的问题	总结和评估人工智能在上肢运动分类中的应用进展	利用脑电图和肌电图信号进行上肢运动分类的相关研究	机器学习	NA	脑电图, 肌电图	CNN, LSTM, Transformer, LDA, SVM	信号数据	基于301项符合条件的研究	NA	NA	NA	NA
1548	2026-03-15	Deep Learning-Based Contact Force Control for a Robotic Leg 2026-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s26051473 PMID:41829439	研究论文	本文提出了一种基于深度神经网络和PI控制器的学习型接触力控制器，用于仿人机器人腿部接触力控制	利用深度神经网络构建逆模型，无需依赖机器人腿部动力学模型，通过输入-输出数据捕捉系统非线性，并结合PI控制器减少稳态误差	NA	提高仿人机器人在双足行走时的接触力控制性能，以维持平衡	仿人机器人的腿部接触力控制	机器学习	NA	NA	深度神经网络	输入-输出数据（目标力、测量力、测量脚高度）	NA	NA	NA	超调量、稳定时间、力跟踪均方根误差	NA
1549	2026-03-15	A novel deep learning framework for field-scale wheat yield prediction 2026-Feb-25, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05166-0 PMID:41739241	研究论文	本研究开发了一种基于遗传算法优化的深度神经网络，利用近端传感数据在田间尺度上准确预测小麦产量	首次将遗传算法优化的深度神经网络应用于印度农业，利用手持或车载近端传感数据进行作物产量预测	研究仅基于2020-2021年冬季两个地点的数据，模型在不同年份和地区的泛化能力有待验证	开发一种稳健且可扩展的作物产量预测方法，以支持育种者和研究人员的基因型选择	小麦作物	机器学习	NA	近端传感技术	深度神经网络	光谱植被指数数据	3,350个不同小麦种质资源	NA	深度神经网络	R2	NA
1550	2026-03-15	Artificial Intelligence in Orthopaedics: Clinical Performance, Limitations, and Translational Readiness-A Review 2026-Feb-25, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15051751 PMID:41827166	综述	本文综述了人工智能在骨科和肌肉骨骼护理中的临床应用、性能、局限性及转化准备情况	系统性地将AI在骨科的应用证据综合为五个主题领域，并识别了转化差距和实施优先事项	研究存在显著的模型架构、数据集和终点的异质性，外部验证有限，许多新兴应用尚处于可行性或试点研究阶段	评估人工智能在骨科和肌肉骨骼护理中的临床性能、局限性及转化准备情况，并确定安全、伦理和公平实施的优先事项	骨科和肌肉骨骼护理领域，涵盖诊断成像、手术规划、风险预测、康复和系统管理	机器学习和数字病理学	肌肉骨骼疾病	深度学习系统	深度学习模型	图像（如X光片）、患者数据、传感器数据	从更广泛的合格出版物中选取了40项临床相关研究进行详细综合	NA	NA	灵敏度、特异性、准确率	NA
1551	2026-03-15	Deep Learning (nnU-Net)-Based Segmentation of Primary HPV-Positive OPSCC: Contrast-Enhanced T1-Weighted Fat-Suppressed Versus Non-Contrast-Enhanced T2-Weighted Fat-Suppressed MRI (Paired Single-Center Study) 2026-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050658 PMID:41827934	研究论文	本研究比较了基于深度学习的nnU-Net模型在HPV阳性口咽鳞状细胞癌（OPSCC）中，使用对比增强T1加权脂肪抑制MRI与非对比增强T2加权脂肪抑制MRI进行肿瘤分割的性能	首次系统评估了对比增强与非对比增强MRI序列在自动化OPSCC肿瘤分割中的相对价值，并探讨了对比剂节约型分割的可行性	单中心回顾性研究，样本量较小（39例患者），需多中心验证以推广结果	评估不同MRI序列（对比增强T1加权脂肪抑制与非对比增强T2加权脂肪抑制）在HPV阳性OPSCC自动化肿瘤分割中的性能差异	HPV阳性口咽鳞状细胞癌（OPSCC）患者	数字病理学	口咽鳞状细胞癌	MRI（磁共振成像）	深度学习	医学影像（MRI图像）	39例患者，包含配对序列数据	nnU-Net	nnU-Net	Dice分数, Surface-Dice@2mm, ASSD, HD95, GTV差异	NA
1552	2026-03-15	A Data-Efficient Machine Learning Approach for Breast Ultrasound Lesion Classification Integrating Image-Derived Features and Sonographic Descriptors 2026-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050664 PMID:41827939	研究论文	本研究提出了一种数据高效的机器学习方法，通过整合图像衍生特征和超声描述符来改善小规模队列中乳腺超声病灶分类	将预训练卷积神经网络提取的图像特征与临床超声描述符结合，形成统一的表格数据集，用于提升小数据集下的分类性能与泛化稳定性	研究基于公开数据集BrEaST-Lesions，可能未涵盖所有临床场景的异质性；且依赖于手动记录的超声描述符	评估一种数据高效的诊断框架，以改善小规模队列中乳腺超声病灶分类	乳腺超声图像及病灶	计算机视觉	乳腺癌	超声成像	CNN, 梯度提升树	图像, 表格数据	来自BrEaST-Lesions数据集的超声图像	LightGBM	预训练的卷积神经网络, LightGBM	准确率, AUC, 灵敏度	NA
1553	2026-03-15	TRIAGE: Trustworthy Reporting and Assessment for Clinical Gain and Effectiveness of AI Models 2026-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050666 PMID:41827942	综述	本文提出并详细阐述了一个名为TRIAGE的临床评估框架，旨在为诊断性AI模型提供可信赖的报告和评估，以弥合模型性能报告与临床安全采用所需证据之间的差距	提出了一个以临床用例（筛查、分诊、二次阅片和确认性测试）为导向的、结构化的AI模型评估框架，整合了从核心判别指标到鲁棒性、公平性、计算约束及统计比较的全面评估参数	本文是一篇方法论综述，未涉及具体模型或数据集的实证研究，其提出的框架有效性有待在实际应用场景中进一步验证	旨在建立一个标准化的、可重现的、且具有临床可解释性的诊断性AI模型评估与报告框架，以促进AI在临床诊断中的安全有效应用	用于临床诊断的机器学习模型，特别是应用于医学影像、生物信号解读和电子健康记录决策支持的模型	机器学习	NA	机器学习（包括深度学习、基于核的分类器、集成方法）	NA	医学影像、生物信号、电子健康记录	NA	NA	NA	准确率、AUC、灵敏度、特异度、预测值、似然比、诊断比值比、F分数、汉明损失、精确匹配率、Jaccard/IoU、校准斜率、Brier分数	NA
1554	2026-03-15	MFF-AE: Enhanced Quality Control for Proteomics Mass Spectrometry Data via Multi-Scale Feature Fusion 2026-Feb-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27052121 PMID:41828350	研究论文	本文提出了一种基于多尺度特征融合的自编码器（MFF-AE），用于提高蛋白质组学质谱数据的质量控制性能	提出了一种结合全局和局部数据特征的多尺度特征融合自编码器，能更有效地捕获质谱数据中的关键信息以识别异常样本	NA	开发一种深度学习异常检测模型，以提高蛋白质组学质谱数据的质量控制能力	无标记定量蛋白质组学数据（蛋白质丰度矩阵）	机器学习	NA	质谱分析，MaxQuant	自编码器	蛋白质丰度矩阵	NA	NA	自编码器	NA	NA
1555	2026-03-15	Communication Signal Modulation Recognition Method Based on Multi-Feature Multi-Channel ResNet and BiLSTM Neural Network 2026-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s26051426 PMID:41829388	研究论文	本文提出了一种基于多特征多通道ResNet和BiLSTM神经网络的通信信号调制识别方法，以提高在低信噪比环境下的识别准确率	结合多特征多通道ResNet与BiLSTM神经网络，设计自适应多头注意力网络进行加权特征融合，有效避免参数不平衡导致的退化问题	NA	提高通信信号调制识别的准确率，特别是在低信噪比环境下	通信信号的调制数据	机器学习	NA	信号处理，包括IQ、AP和FFT格式转换	CNN, LSTM	信号向量	NA	NA	ResNet, BiLSTM	识别率, 召回率	NA
1556	2026-03-15	Ensemble Deep Learning-Based High-Precision Framework for Breast Cancer Detection from Histopathological Images 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050653 PMID:41827929	研究论文	本文提出了一种基于集成深度学习的四阶段混合框架，用于从组织病理学图像中高精度检测乳腺癌	通过结合CNN和ViT模型，利用自注意力机制进行跨模态特征融合，提高了模型的鲁棒性和泛化能力	未明确说明模型在更大规模或更多样化数据集上的性能表现	开发一个高精度、鲁棒且可解释的自动化乳腺癌诊断框架	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN, ViT	图像	BreakHis数据集（具体数量未明确）和外部BACH数据集	TensorFlow, PyTorch	VGG16, ResNet50, DenseNet121, DeiT, CaiT, T2T-ViT, Swin Transformer	准确率, F1分数	NA
1557	2026-03-15	A Novel Fully Automated Deep Learning Model for Coronary Artery Calcification Detection on Computed Tomography 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050646 PMID:41827922	研究论文	本文开发了一种全自动深度学习模型，用于在非对比、非门控CT扫描上分割冠状动脉并检测钙化	提出了一种两阶段3D分割流程，结合解剖学精炼标签和基于区域的优化，以提高结构一致性，实现了在非对比CT上对冠状动脉钙化的高精度自动检测	研究样本量相对有限（训练集69例，评估集100例，验证集473例），且模型性能主要基于内部和部分外部扫描验证，需要更大规模的多中心外部验证	评估全自动深度学习模型在非对比、非门控CT扫描上分割冠状动脉和检测钙化的诊断准确性	冠状动脉（右冠状动脉RCA、左前降支LAD、左回旋支LCX）及其钙化斑块	计算机视觉	心血管疾病	计算机断层扫描（CT）	深度学习模型	3D CT图像	训练集：69例CT扫描（42例非对比，27例对比增强）；视觉评估队列：100例扫描；性能验证集：473例内部和外部扫描	NA	两阶段3D分割管道	敏感性, 特异性, 阳性预测值, 阴性预测值, Cohen's kappa系数, 回归系数	NA
1558	2026-03-15	Liver Tumor Segmentation with Deep Learning: A Comparative Analysis of CNN-, Transformer-, and YOLO-Based Models on the ATLAS MRI 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050649 PMID:41827926	研究论文	本研究系统比较了基于卷积神经网络、Transformer和YOLO的深度学习模型在ATLAS MRI数据集上进行肝脏和肝细胞癌分割的性能	首次在肝脏肿瘤MRI分割任务上系统比较了卷积、Transformer和检测（YOLO）三类主流深度学习方法的性能，并分析了各自在精度、上下文建模和计算成本方面的优劣势	研究仅在单一ATLAS MRI数据集上进行验证，未在其他多中心或更异构的数据集上测试模型的泛化能力	比较不同深度学习架构在肝脏和肝细胞癌MRI图像分割任务上的性能，为临床选择合适模型提供依据	肝脏和肝细胞癌（HCC）	数字病理	肝癌	对比增强磁共振成像（MRI）	CNN, Transformer, YOLO	医学图像（MRI）	ATLAS MRI数据集（具体数量未在摘要中说明）	NA	nnU-Net, Transformer-based architectures, YOLO-based frameworks	Dice系数, IoU, 精确率, 召回率, F1分数	NA
1559	2026-03-15	A Comprehensive Eye-Tracking System Toward Large FOV HMD 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051402 PMID:41829365	研究论文	本文提出了一种面向大视场头戴式显示器的综合眼动追踪系统，结合定制硬件和实时软件流程	针对大视场VR头显的眼动追踪工程挑战，提出集成近眼照明、图像采集与深度学习模型的实时系统，并引入注意力增强机制显著提升性能	系统在固定标定条件下运行，未讨论动态标定或用户间泛化能力	解决大视场VR头显中眼动追踪的工程实现问题	虚拟现实头戴式显示器中的眼动追踪系统	计算机视觉	NA	眼动追踪	深度学习	图像	NA	NA	ResNet-152, 注意力增强模型	平均角度偏差	NA
1560	2026-03-15	SFCF-Net: Spatial-Frequency Synergistic Learning for Casting Defect Segmentation of Pre-Service Aircraft Engine Blades in Industrial Radiographic Inspection 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051416 PMID:41829382	研究论文	本文提出了一种新颖的空间-频率互补融合网络（SFCF-Net），用于工业射线检测中飞机发动机叶片铸造缺陷的精确分割	通过选择性跨模态校准模块、跨模态细化和互补模块以及非对称窗口注意力模块，协同整合空间和频域特征，以解决图像质量差、类内方差、类间相似性和不规则缺陷几何形状等挑战	NA	实现飞机发动机叶片铸造缺陷的精确分割，以支持叶片制造中的自动化质量控制	飞机发动机涡轮叶片	计算机视觉	NA	工业射线检测	深度学习网络	图像	NA	NA	SFCF-Net	NA	NA