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
1861	2026-03-15	An Improved YOLOv8 Detection Algorithm Based on Screen Printing Defect Images 2026-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s26051604 PMID:41829565	研究论文	本研究提出了一种基于改进YOLOv8算法的光伏电池丝网印刷缺陷检测方法，旨在提高复杂工业环境下微小缺陷的检测精度和鲁棒性	提出了改进的YOLOv8算法，引入了RepNCSPELAN4模块增强多尺度特征融合，设计了基于小波变换的WaveConv模块以更好地保留缺陷边缘和纹理细节，并集成了轻量级Shuffle Attention机制和细节增强模块	研究基于自定义数据集，其泛化能力未在其他公开数据集或不同工业场景中得到验证；模型复杂度可能增加，对实时在线检测的计算资源需求未详细说明	提高光伏电池丝网印刷过程中微小缺陷（如墨点、划痕、烧结）的检测精度和效率，以支持智能制造线的实时在线质量检测	光伏电池丝网印刷过程中产生的缺陷图像，包括墨点、划痕和烧结三类缺陷	计算机视觉	NA	多焦点图像采集平台（主辅CCD）、高帧率工业相机、高分辨率电子显微镜、LED环形光源	CNN	图像	自定义数据集，覆盖三类缺陷，具体样本数量未明确说明	PyTorch	YOLOv8, RepNCSPELAN4, WaveConv	平均精度均值, 精确率, 召回率	NA
1862	2026-03-15	Early Plant Development as a Systems-Level Trait: Integrating Omics, Artificial Intelligence, and Emerging Biotechnologies 2026-Mar-04, Plants (Basel, Switzerland) DOI:10.3390/plants15050787 PMID:41829816	综述	本文综述了早期植物发育作为系统水平性状的研究进展，整合了组学、人工智能和新兴生物技术	将早期植物发育视为可调控的系统性状，整合了基因组编辑、微生物组辅助种子处理、纳米技术启动和人工智能表型分析等多领域技术，揭示了共同调控节点	NA	整合多学科技术，将早期植物发育确立为作物改良的可编程目标	种子萌发和早期幼苗发育	机器学习和数字病理学（植物表型分析）	NA	基因组编辑、微生物组辅助种子处理、纳米技术启动、高通量表型分析	深度学习、强化学习	NA	NA	NA	NA	NA	NA
1863	2026-03-15	Comparison of MOLES and MelAInoma for Differentiating Small Choroidal Melanomas from Nevi 2026-Mar-03, Cancers IF:4.5Q1 DOI:10.3390/cancers18050818 PMID:41827752	研究论文	本研究比较了MOLES评分系统和深度学习算法MelAInoma在区分小型脉络膜黑色素瘤与痣方面的表现	首次直接比较MOLES评分系统与深度学习算法MelAInoma在小型脉络膜色素性病变诊断中的关联性及诊断效能	回顾性研究设计，样本量较小（仅86例患者），且数据来源于单一国家眼科肿瘤转诊中心	评估和比较MOLES评分系统与MelAInoma算法在区分小型脉络膜黑色素瘤与良性痣方面的诊断性能	小型脉络膜色素性病变（包括29例黑色素瘤和57例痣）	数字病理学	脉络膜黑色素瘤	多模态检查，彩色眼底照相	深度学习算法	图像	86例患者（29例黑色素瘤，57例痣）	NA	NA	线性回归R²值，逻辑回归R²值	NA
1864	2026-03-15	NeuroFusion-ViT: A Hybrid CNN-EVA Transformer Model with Cross-Attention Fusion for MRI-Based Alzheimer's Stage Classification 2026-Mar-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050754 PMID:41828028	研究论文	本文提出了一种名为NeuroFusion-ViT的混合深度学习模型，用于基于MRI的阿尔茨海默病阶段分类	结合了EVA-02基础的Vision Transformer与ConvNeXt-Small CNN架构，并引入了门控交叉注意力融合机制，动态整合全局上下文与局部细节特征	NA	实现阿尔茨海默病的早期检测和阶段分类	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	CNN, Transformer	图像	OASIS MRI数据集	NA	EVA-02, Vision Transformer, ConvNeXt-Small	准确率, Macro F1, ROC-AUC	NA
1865	2026-03-15	Transforming Intracerebral Hemorrhage Care with Artificial Intelligence: Opportunities, Challenges, and Future Directions 2026-Mar-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050752 PMID:41828036	综述	本文全面综述了人工智能在自发性脑出血管理中的应用、挑战及未来方向	系统性地评估了AI在脑出血全病程管理中的潜力，涵盖从神经影像自动化到脑机接口治疗等多个前沿领域，并指出了向精准医学范式转变的趋势	技术转化面临数据异质性、模型不透明性、工作流整合障碍、监管模糊性及算法偏见等伦理挑战	探讨人工智能如何优化脑出血的诊疗流程并改善患者预后	自发性脑出血患者及其相关的神经影像、临床数据和疾病机制	数字病理学	脑血管疾病	神经影像分析、脑机接口	机器学习, 深度学习	图像, 临床数据	NA	NA	NA	NA	NA
1866	2026-03-15	Grad-CAM Enhanced Explainable Deep Learning for Multi-Class Lung Cancer Classification Using DE-SAMNet Model 2026-Mar-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050757 PMID:41828033	研究论文	本研究提出了一种名为DE-SAMNet的混合深度学习框架，用于从CT扫描中自动进行多类别肺癌分类，并利用Grad-CAM等可解释性AI技术增强模型决策的透明度	提出了一种结合DenseNet121和EfficientNetB0并行提取多尺度特征的混合深度学习框架DE-SAMNet，并集成了空间注意力模块以强调临床重要区域，同时利用Grad-CAM增强模型的可解释性	研究中使用了私有临床数据集，其通用性可能受限；模型在更广泛、更多样化的数据集上的性能仍需进一步验证	开发一种高精度且可解释的自动化系统，用于早期肺癌检测和多类别分类，以辅助临床诊断	胸部CT扫描图像	计算机视觉	肺癌	胸部计算机断层扫描	CNN	图像	两个数据集：一个公共数据集（IQ-OTH/NCCD，包含良性、恶性和正常病例）和一个私有临床数据集（包含良性、恶性、囊性和健康病例）	NA	DenseNet121, EfficientNetB0	F1分数, 召回率, 精确率, 准确率	NA
1867	2026-03-15	Deep Learning for Process Monitoring and Defect Detection of Laser-Based Powder Bed Fusion of Polymers 2026-Mar-03, Polymers IF:4.7Q1 DOI:10.3390/polym18050629 PMID:41829327	研究论文	本研究系统评估了多种深度学习模型在聚合物激光粉末床熔融工艺监控和缺陷检测中的应用	首次在聚合物PBF-LB/P工艺中进行了跨范式深度学习模型系统评估，并集成了物理信息神经网络以增强热场回归的物理一致性	研究在封闭控制约束的工业系统下进行，可能限制了模型在更广泛操作条件下的泛化能力	开发适用于聚合物激光粉末床熔融工艺的实时工业质量监控深度学习框架	聚合物激光粉末床熔融工艺中的热稳定性和缺陷	机器视觉	NA	热成像与RGB成像同步采集	CNN, LSTM, GAN, 自编码器, PINN	热图像, RGB图像	76,450张同步采集的热图像和RGB图像	TensorFlow, PyTorch	VGG-16, ResNet50, Xception, 混合CNN-LSTM	准确率, RMSE	CPU基准测试, 边缘部署
1868	2026-03-15	Material Classification from Non-Line-of-Sight Acoustic Echoes Using Wavelet-Acoustic Hybrid Feature Fusion 2026-Mar-03, Sensors (Basel, Switzerland) DOI:10.3390/s26051577 PMID:41829538	研究论文	本研究提出了一种新颖的小波-声学混合特征融合方法，结合深度循环神经网络架构，用于非视距条件下的声学材料分类	引入了小波-声学混合特征融合方法，结合了时域声学特征和多尺度小波能量与熵统计，并利用SHAP分析揭示了MFCC与小波熵-能量特征在材料判别中的互补作用	NA	提高非视距条件下的声学材料识别性能	九种不同材料的回声信号	机器学习	NA	声学回声分析	LSTM, BiLSTM, GRU, CNN-LSTM	声学信号	使用新开发的ANLOS-R数据集收集了九种不同材料的回声信号	NA	LSTM, BiLSTM, GRU, CNN-LSTM	平衡准确率, 宏F1分数	NA
1869	2026-03-15	RUL Prediction Based on xLSTM-Transformer Neural Network for Rolling Element Bearings Under Different Working Conditions 2026-Mar-03, Sensors (Basel, Switzerland) DOI:10.3390/s26051578 PMID:41829539	研究论文	本文提出了一种基于xLSTM和Transformer的混合模型，用于滚动轴承的剩余使用寿命预测，以提升预测精度和泛化能力	结合xLSTM模块与Transformer的多头注意力机制，同时增强短期动态特征建模和长期退化模式捕捉能力	未明确提及模型在极端工况或噪声干扰下的鲁棒性限制	滚动轴承的剩余使用寿命预测，以支持智能预测性维护	滚动轴承	机器学习	NA	NA	xLSTM, Transformer	退化健康指标	基于XJTU-SY和PHM2012数据集	NA	编码器-解码器架构，集成多头注意力机制与xLSTM模块	均方根误差, 决定系数, Score	NA
1870	2026-03-15	Evaluating resolution requirements for subtle caenorhabditis elegans strain discrimination using classical descriptors and CNN-transformer models 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40784-0 PMID:41771937	研究论文	本文评估了图像分辨率对秀丽隐杆线虫品系细微表型差异区分的影响，结合传统描述符和CNN-Transformer模型进行分析	首次结合宏观与微观成像，并应用CNN-Transformer模型于线虫行为分析，揭示了高分辨率图像序列对细微表型分类的关键作用	研究仅分析了三种线虫品系，样本规模有限，且未探索其他深度学习架构或更广泛的表型特征	评估图像分辨率对线虫品系细微表型差异区分能力的影响	秀丽隐杆线虫的三种品系：野生型N2、转基因品系vltIs66和突变品系unc-1(vlt10)	计算机视觉	NA	宏观板级成像与高分辨率微观单虫记录	CNN-Transformer	图像序列	三种线虫品系	NA	CNN-Transformer	NA	NA
1871	2026-03-15	A sparrow search algorithm-optimized LSTM framework with EMD denoising for rolling element bearing remaining useful life prediction 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41852-1 PMID:41772001	研究论文	本文提出了一种结合经验模态分解去噪、麻雀搜索算法优化和长短期记忆网络的新混合深度学习框架，用于滚动轴承剩余使用寿命预测	提出了一种新颖的混合深度学习框架，首次将自适应信号处理（EMD去噪）、智能优化算法（SSA）和概率序列建模（逆高斯分布首次通过时间模型）协同集成，用于轴承RUL预测	仅在公开的轴承加速寿命测试数据集上进行实验验证，未在更广泛的实际工业场景或不同工况下进行测试	提高滚动轴承剩余使用寿命预测的准确性，以支持旋转机械的预测性维护策略	滚动轴承	机器学习	NA	经验模态分解	LSTM	振动信号	公开的轴承加速寿命测试数据集	NA	LSTM	预测精度、收敛速度、鲁棒性	NA
1872	2026-03-15	Accuracy of Medical Image-Based Deep Learning for Detecting Microvascular Invasion in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis 2026-Mar-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82000 PMID:41814977	meta-analysis	本文通过系统综述和荟萃分析，评估了基于医学影像的深度学习模型在术前预测肝细胞癌微血管侵犯中的诊断性能	首次系统评估了基于医学影像的深度学习模型在诊断肝细胞癌微血管侵犯中的应用，并探讨了不同影像模态和验证策略对模型性能及泛化能力的影响	纳入研究的独立外部验证队列稀缺，研究间存在显著的异质性，且观察到模型性能在外部验证中有所下降	系统评估基于医学影像的深度学习模型在术前预测肝细胞癌微血管侵犯的诊断性能	肝细胞癌患者	digital pathology	liver cancer	medical imaging, deep learning	NA	medical images (e.g., contrast-enhanced computed tomography, pathological sections)	52项研究，共19,531名肝细胞癌患者	NA	NA	sensitivity, specificity, area under the summary receiver operating characteristic curve	NA
1873	2026-03-15	A Deep Learning-Based Decision Support System for Cholelithiasis in MRI Data 2026-Mar-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15051891 PMID:41827308	研究论文	本研究开发了一种基于深度学习的决策支持系统，用于在MRI数据中自动检测胆石症	对Mask R-CNN模型进行了挤压与激励（SE）模块的改进，并设计了一个图形用户界面支持系统，专注于单张最优切片而非整个体积的分析	方法仅针对单张最优切片进行分析，限制了模型的泛化能力，设计更侧重于可行性验证而非全面诊断能力	开发一个自动化的决策支持系统，帮助放射科医生减少胆石症诊断所需的时间和人工努力	胆囊的T2加权轴向磁共振图像	计算机视觉	胆石症	磁共振成像	CNN	图像	来自不同患者的788张轴向MRI图像	NA	Mask R-CNN	准确率, 精确率, 特异性, 召回率, F1分数	NA
1874	2026-03-15	Deep Learning-Based Alzheimer's Disease Detection from Multi-Channel EEG Using Fused Time-Frequency Image Grids 2026-Mar-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050746 PMID:41828022	研究论文	本研究探讨了不同时频表示对基于多通道EEG的痴呆症分类性能的影响，提出了一种融合时频图像网格的深度学习框架	首次系统比较了多种时频表示（STFT、CWT、HHT、WVD、CQT）在统一的多通道EEG图像融合框架下的痴呆症分类性能，并利用梯度加权类激活映射提供了可解释的可视化	样本量相对较小（88名受试者），且仅基于静息态闭眼EEG数据，未来需要跨数据集验证以增强泛化能力	开发可靠、可解释的基于EEG的自动化痴呆症诊断框架，并系统评估不同时频表示对分类性能的影响	阿尔茨海默病、额颞叶痴呆患者及认知正常对照者的多通道EEG信号	机器学习	阿尔茨海默病	短时傅里叶变换、连续小波变换、希尔伯特-黄变换、维格纳-维尔分布、常数Q变换	CNN	图像	88名受试者（包括阿尔茨海默病、额颞叶痴呆患者和认知正常对照）	NA	MobileNetV2, ResNet-50, InceptionV3	准确率	NA
1875	2026-03-15	Deep Learning-Based Choroidal Boundary Detection in Geographic Atrophy Using Spectral-Domain Optical Coherence Tomography 2026-Mar-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050737 PMID:41828013	研究论文	本研究评估了基于深度学习的模型在光谱域OCT图像中自动检测地理萎缩患者脉络膜边界的性能，并比较了AI辅助人工验证与纯人工分割的工作流程效率	首次系统评估深度学习模型在地理萎缩脉络膜边界检测中的局限性，并提出AI辅助人工验证的工作流程，显著减少了人工工作量	模型在脉络膜外边界检测中易受伪影影响产生误差，需要人工验证校正由高透射引起的边界错误	评估深度学习模型在地理萎缩脉络膜边界自动检测中的挑战与限制，并分析AI辅助人工验证工作流程的效率	地理萎缩患者的5723张光谱域OCT扫描图像	数字病理学	老年性疾病	光谱域光学相干断层扫描	深度学习模型	医学图像	5723张OCT扫描图像	NA	NA	加权F分数, 精确度, 组内相关系数	NA
1876	2026-03-15	Deep Learning Indoor Positioning for Connected Aircraft Cabins: A ResNet Approach with Real-World Validation 2026-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s26051569 PMID:41829529	研究论文	本研究验证了一种基于残差神经网络的深度学习方法，用于飞机客舱室内定位，并在A320客舱模拟环境中进行了真实世界测量验证	采用ResNet处理超宽带和蓝牙低能耗的双技术测距测量，将测距观测转换为空间似然表示，实现了在复杂电磁环境下的高精度定位	性能依赖于锚点可见性、测量高度和传播条件，未在真实飞行环境中测试	解决飞机客舱室内定位的挑战，包括严重多径传播、非视距条件和金属机身几何结构导致的无线电定位方法性能下降	A320客舱模拟环境中的定位系统	机器学习	NA	超宽带测距，蓝牙低能耗测距	CNN	测距数据	19个分布式测量位置	NA	ResNet	中位数定位误差	NA
1877	2026-03-15	Artificial Intelligence-Enhanced Flexible Sensors for Human Motion and Posture Sensing 2026-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s26051562 PMID:41829523	综述	本文探讨了人工智能增强型柔性传感器在人体运动和姿态感知方面的进展与应用	结合人工智能（特别是机器学习和深度学习）与柔性传感器，实现对动态和细微人体运动的精确识别与预测，克服了传统传感系统的局限性	面临传感器可靠性、数据隐私和电源管理等挑战	研究人工智能与柔性传感器集成技术，以提升人体运动和姿态感知的精度、适应性和实时反馈能力	应用于人体各部位的柔性传感器	机器学习	NA	NA	机器学习, 深度学习	传感器数据流	NA	NA	NA	NA	NA
1878	2026-03-15	Optimizing flow-diverting stent configurations for aneurysm treatment: a computational approach integrating deep learning and differential evolution optimization 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01662-7 PMID:41144179	研究论文	本研究提出了一种结合计算流体动力学模拟、深度神经网络和差分进化优化的新方法，用于优化动脉瘤治疗中的血流导向支架配置	首次将深度神经网络与差分进化优化相结合，用于预测和优化支架配置的血流动力学参数，实现了高效且准确的支架设计优化	研究基于模拟数据，未进行临床验证；数据集规模有限（2,700个模拟），可能未涵盖所有可能的支架配置	优化血流导向支架的配置，以改善动脉瘤治疗中的血流动力学条件，降低破裂风险	动脉瘤及其血流导向支架配置	计算流体动力学与深度学习	动脉瘤	计算流体动力学模拟	深度神经网络	模拟数据	2,700个计算流体动力学模拟	NA	深度神经网络	速度、涡度、壁面剪切应力	NA
1879	2026-03-15	Level-crossing processing and deep convolutional neural network for arrhythmia classification in telehealth services 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01660-9 PMID:41182637	研究论文	本文提出了一种融合电平交叉采样、自适应滤波和一维深度卷积神经网络的心律失常自动诊断新方法，旨在提升远程医疗服务中的数据处理效率和分类准确性	创新性地将电平交叉模数转换器、增强型活动选择算法、自适应速率滤波与一维CNN相结合，实现了实时数据量缩减、高效信号预处理和低延迟高精度分类	研究仅基于MIT-BIH数据集中的五类心律失常进行验证，未在更广泛或实时临床环境中测试	开发适用于远程医疗场景的高效心律失常自动诊断方法	心电图信号中的心律失常分类	数字病理	心血管疾病	心电图信号处理	CNN	一维时序信号	MIT-BIH数据集中的五类心律失常数据	NA	一维深度卷积神经网络	准确率	NA
1880	2026-03-15	Multi-branch convolutional network and LSTM-CNN for heart sound classification 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01664-5 PMID:41201739	研究论文	本研究开发了两种深度学习架构，用于心音分类，以快速、准确且经济地自动诊断心脏疾病	提出了两种创新模型：多分支深度卷积神经网络模拟人类听觉处理，以及结合LSTM与MBDCN的LSCN模型，以增强特征提取并解决医疗数据标签有限的问题	未明确提及具体局限性，但可能涉及数据集的规模或多样性限制	开发快速、准确且经济高效的自动诊断方法，用于心脏疾病的早期检测	心音数据	机器学习	心血管疾病	NA	CNN, LSTM	音频（心音）	NA	NA	Multi-Branch Deep Convolutional Neural Network (MBDCN), Long Short-Term Memory-Convolutional Neural (LSCN)	准确率	NA