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
401	2025-10-07	Automated Detection and Differentiation of Stanford Type A and Type B Aortic Dissections in CTA Scans Using Deep Learning 2024-Dec-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010012 PMID:39795540	研究论文	开发并验证基于深度学习的自动检测和区分Stanford A型和B型主动脉夹层的模型系统	首个基于深度学习的自动检测系统，能够同时识别主动脉夹层并区分Stanford A型和B型分类	回顾性研究，样本量有限，需要进一步前瞻性验证	开发自动检测和分类主动脉夹层的深度学习模型	主动脉CTA扫描图像	计算机视觉	心血管疾病	计算机断层扫描血管成像(CTA)	深度学习	医学图像	训练集398例，验证集50例，测试集50例，独立测试集316例，总计498例患者	NA	目标检测模型, 分类模型	灵敏度, 特异度	NA
402	2025-10-07	The Potential for High-Priority Care Based on Pain Through Facial Expression Detection with Patients Experiencing Chest Pain 2024-Dec-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010017 PMID:39795545	研究论文	开发基于面部表情的计算机自动胸痛检测辅助系统，以改善患者护理服务并减少心脏损伤	使用YOLO系列模型通过面部表情检测胸痛患者，实现急诊护理中的高优先级分诊	NA	开发胸痛检测辅助系统以优化急诊护理服务	经历胸痛的患者	计算机视觉	心血管疾病	面部表情分析	YOLO	图像	NA	NA	YOLOv4, YOLOv6, YOLOv7	准确率	NA
403	2025-10-07	Deep Learning for Melanoma Detection: A Deep Learning Approach to Differentiating Malignant Melanoma from Benign Melanocytic Nevi 2024-Dec-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17010028 PMID:39796659	研究论文	本研究评估了四种CNN架构在皮肤镜图像中区分恶性黑色素瘤和良性黑素细胞痣的二元分类性能	首次系统比较DenseNet121、ResNet50V2、NASNetMobile和MobileNetV2四种CNN架构在黑色素瘤检测任务中的表现，并评估其临床部署适用性	研究仅使用单一数据集(DermNet)，未进行外部验证，且样本量相对有限	开发基于深度学习的自动黑色素瘤检测系统，提高诊断准确性和效率	皮肤镜图像中的恶性黑色素瘤和良性黑素细胞痣	计算机视觉	黑色素瘤	皮肤镜成像	CNN	图像	8825张皮肤镜图像	NA	DenseNet121, ResNet50V2, NASNetMobile, MobileNetV2	准确率, AUC-ROC, 推理时间, 模型大小	NA
404	2025-01-14	Intelligent Pattern Recognition Using Distributed Fiber Optic Sensors for Smart Environment 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010047 PMID:39796837	研究论文	本文提出了一种基于分布式光纤传感器和深度学习技术的智能模式识别方法，用于智能环境中的入侵检测	提出了一种创新的干涉传感方法，结合Mach-Zehnder干涉仪和时间森林神经网络（TFNN），以提高入侵检测的准确性和效率	传统神经网络的高复杂性和计算需求，以及背向散射方法需要信号传播两倍距离的低效性	提高分布式光纤传感器在智能环境中的入侵检测性能	分布式光纤传感器（DFOSs）	机器学习	NA	Mach-Zehnder干涉仪（MZI）和时间森林神经网络（TFNN）	时间森林神经网络（TFNN）	信号数据	NA	NA	NA	NA	NA
405	2025-01-14	Using Infrared Raman Spectroscopy with Machine Learning and Deep Learning as an Automatic Textile-Sorting Technology for Waste Textiles 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010057 PMID:39796848	研究论文	本研究开发了一种基于拉曼光谱和人工智能的高精度纺织品分类技术，用于废弃纺织品的自动分类，以提高回收纤维的质量	结合拉曼光谱和多种AI技术（PCA、KNN、SVM、RF、ANN、CNN），实现了每秒1件的分类效率，且分类精度超过95%	未提及具体样本量及实验环境限制	解决循环经济中纺织品高效回收的迫切需求	废弃纺织品	机器学习和光谱分析	NA	拉曼光谱	PCA、KNN、SVM、RF、ANN、CNN	光谱数据	NA	NA	NA	NA	NA
406	2025-10-07	Parkinson's Disease Prediction: An Attention-Based Multimodal Fusion Framework Using Handwriting and Clinical Data 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010004 PMID:39795532	研究论文	提出一种基于注意力机制的多模态融合框架，结合手写数据和临床数据用于帕金森病预测	首次在该领域引入跨模态注意力机制，能够建模不同数据模态之间的交互关系	NA	开发帕金森病早期检测的深度学习诊断框架	帕金森病患者	机器学习	帕金森病	深度学习	注意力机制	图像,手写,绘图,临床数据	NA	NA	跨模态注意力融合框架	准确率	NA
407	2025-10-07	Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010001 PMID:39795530	研究论文	本研究提出了一种集成多CT数据集、课程学习和可解释AI的深度学习模型，用于提升肺癌诊断的鲁棒性和泛化能力	结合混合数据增强技术和课程学习策略，使用五个不同CT数据集提升模型泛化能力，并采用可解释AI技术增强模型透明度	未提及具体的外部验证数据集规模和来源，以及模型在更广泛临床环境中的适用性	开发具有高泛化能力和可解释性的肺癌计算机辅助诊断系统	肺癌CT影像数据	计算机视觉	肺癌	CT影像分析	深度学习	CT影像	五个CT数据集（具体样本数量未明确说明）	NA	NA	准确率, 精确率, 特异性, AUC, 敏感度, F1分数, 假阳性率, 假阴性率	NA
408	2025-10-07	Graphical Feature Construction-Based Deep Learning Model for Fatigue Life Prediction of AM Alloys 2024-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma18010011 PMID:39795656	研究论文	开发了一种基于图形特征构建的深度学习模型，用于预测增材制造合金的疲劳寿命	通过Shapley加性解释和皮尔逊相关系数分析将数值特征转换为图形特征，并引入注意力机制优先处理重要区域	NA	提高增材制造合金疲劳寿命预测的准确性	两种激光粉末床熔融制备的金属材料	机器学习	NA	卷积神经网络，注意力机制	CNN	数值特征，图形特征	NA	NA	卷积神经网络	预测精度	NA
409	2025-10-07	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	综述	本文综述了计算图像分析方法在颅面发育和口腔疾病研究中的应用	整合了图像恢复、分割和追踪三大生物图像分析任务，并讨论了实现三维空间基因组图谱的新计算工具	NA	探讨计算图像分析方法在生物医学研究中的应用，特别是在颅面发育和口腔疾病发病机制研究中的进展	颅面发育过程和口腔疾病发病机制	计算机视觉	口腔疾病	高通量测序,成像技术	深度学习模型	生物医学图像数据	NA	NA	NA	NA	NA
410	2025-10-07	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	开发了一种基于Transformer的深度学习模型DeePathNet，通过整合多组学数据与癌症通路来增强癌症分析能力	首次将癌症特异性生物通路与基于Transformer的深度学习模型相结合，实现通路水平的生物标志物发现	NA	提高癌症药物反应预测、癌症类型和亚型分类的准确性	癌症通路和多组学数据	机器学习	癌症	多组学数据整合	Transformer	多组学数据	NA	NA	Transformer	NA	NA
411	2025-10-07	A Systematic Review of the Applications of Deep Learning for the Interpretation of Positron Emission Tomography Images of Patients with Lymphoma 2024-Dec-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17010069 PMID:39796698	系统综述	系统回顾深度学习在淋巴瘤PET图像解读中的应用研究	首次系统性地综述了深度学习在淋巴瘤PET图像分析中的多种应用任务	多数研究参与者数量较少且缺乏外部验证	评估深度学习在淋巴瘤PET图像解读中的应用效果	淋巴瘤患者的PET图像	医学影像分析	淋巴瘤	正电子发射断层扫描(PET)	深度学习模型	医学影像	21项研究共9402名参与者	NA	NA	曲线下面积(AUC), F1分数, p值	NA
412	2025-10-07	Artificial Intelligence-Based Classification and Segmentation of Bladder Cancer in Cystoscope Images 2024-Dec-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17010057 PMID:39796686	研究论文	本研究利用VGG19和Deeplab v3+深度学习模型分别对膀胱镜图像进行分类和分割	首次将VGG19分类模型与Deeplab v3+分割模型联合应用于膀胱镜图像分析，针对不同形态学类型和病理分期的膀胱癌病变进行精确识别	研究依赖于专家标注数据，模型性能可能受到标注质量的影响；未提及外部验证结果	开发基于深度学习的膀胱镜图像分类和分割方法，辅助膀胱癌诊断	膀胱镜图像中的膀胱癌病变区域	计算机视觉	膀胱癌	膀胱镜检查	CNN	图像	772名患者的膀胱镜图像	TensorFlow, Keras	VGG19, Deeplab v3+	准确率, IoU, 二元准确率	NA
413	2025-10-07	Enabling Fast AI-Driven Inverse Design of a Multifunctional Nanosurface by Parallel Evolution Strategies 2024-Dec-27, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15010027 PMID:39791786	研究论文	提出基于并行计算框架的进化策略算法，加速人工智能驱动的多功能纳米表面逆向设计	开发并行进化策略算法解决传统进化策略在计算效率上的瓶颈，显著提升纳米表面逆向设计速度	未明确说明算法在更复杂纳米结构设计中的泛化能力	实现快速高效的人工智能驱动纳米表面逆向设计	多功能纳米图案化表面	机器学习	NA	毛细管力光刻(CFL)	深度学习	物理特性数据	NA	NA	NA	计算速度，可扩展性	并行计算框架
414	2025-10-07	Quantitative analysis of the dexamethasone side effect on human-derived young and aged skeletal muscle by myotube and nuclei segmentation using deep learning 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae658 PMID:39752317	研究论文	提出一种基于深度学习的肌管和细胞核同步分割方法，用于定量分析地塞米松对人类年轻和衰老骨骼肌的副作用	首次结合深度学习与后处理技术实现肌管和细胞核的同步分割，并应用分水岭算法准确区分重叠细胞核	NA	开发标准化自动图像分割系统以优化骨骼肌疾病药物开发流程	人类来源的年轻和衰老骨骼肌细胞	计算机视觉	骨骼肌疾病	图像分割	深度学习	图像	NA	NA	NA	肌管直径测量、细胞核计数	NA
415	2025-10-07	Prior-FOVNet: A Multimodal Deep Learning Framework for Megavoltage Computed Tomography Truncation Artifact Correction and Field-of-View Extension 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010039 PMID:39796828	研究论文	提出一种多模态深度学习框架Prior-FOVNet，用于校正兆伏级计算机断层扫描的截断伪影并扩展视野	结合对比学习生成对抗网络和Swin Transformer图像修复网络，利用同一患者的KVCT先验信息进行MVCT截断伪影校正和视野扩展	需要同一患者的KVCT数据作为先验信息输入	解决兆伏级计算机断层扫描因扫描视野有限导致的截断伪影问题	兆伏级计算机断层扫描图像	计算机视觉	放射治疗相关疾病	计算机断层扫描	GAN, Transformer	医学图像	模拟和真实患者数据	NA	Swin Transformer	MAE, SSIM	NA
416	2025-10-07	FFL-IDS: A Fog-Enabled Federated Learning-Based Intrusion Detection System to Counter Jamming and Spoofing Attacks for the Industrial Internet of Things 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010010 PMID:39796800	研究论文	提出一种基于雾计算和联邦学习的入侵检测系统FFL-IDS，用于防御工业物联网中的干扰和欺骗攻击	结合雾计算和联邦学习技术，在保护数据隐私的同时实现低延迟检测	NA	开发针对工业物联网网络攻击的入侵检测系统	工业物联网网络中的干扰和欺骗攻击	机器学习	NA	NA	CNN	网络数据	两个数据集：Edge-IIoTset和CIC-IDS2017	NA	CNN	准确率, 召回率, 精确率, F1分数, 特异性	NA
417	2025-10-07	Challenges and Prospects of Sensing Technology for the Promotion of Tele-Physiotherapy: A Narrative Review 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010016 PMID:39796804	综述	探讨传感技术在远程物理治疗中的应用挑战与发展前景	系统梳理了传感技术在远程物理治疗领域的发展现状，并前瞻性地提出通过技术进步与大数据结合可深化对运动障碍特征的理解	存在可用性和数据分析方面的技术限制	促进传感技术在远程物理治疗领域的发展与应用	远程物理治疗中的生物信号和患者运动监测	数字医疗	运动障碍疾病	传感技术	深度学习	生物信号数据、运动数据	NA	NA	NA	NA	NA
418	2025-10-07	Predictive Maintenance and Fault Detection for Motor Drive Control Systems in Industrial Robots Using CNN-RNN-Based Observers 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010025 PMID:39796814	研究论文	提出一种基于CNN-RNN混合深度学习框架的工业机器人电机驱动系统预测性维护与故障检测方法	开发了新型CNN-RNN混合架构，相比现有CNN-LSTM方法具有更简单的结构和更低复杂度，能实现更快的处理速度	NA	提高工业机器人直流电机驱动系统的预测性维护和故障检测精度	工业机器人的直流电机驱动系统	机器学习	NA	深度学习	CNN, RNN	传感器数据（气温、过程温度、转速等）	NA	NA	CNN-RNN混合架构	准确率, 精确率	NA
419	2025-10-07	Predicting the tumor microenvironment composition and immunotherapy response in non-small cell lung cancer from digital histopathology images 2024-Dec-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00765-w PMID:39702609	研究论文	开发了一种名为HistoTME的弱监督深度学习方法，直接从非小细胞肺癌组织病理学图像预测肿瘤微环境组成和免疫治疗反应	首次提出直接从数字组织病理学图像推断肿瘤微环境组成的弱监督深度学习方法，无需额外分子检测	研究基于特定肺癌类型，外部验证队列规模有限，需要进一步多中心验证	预测非小细胞肺癌肿瘤微环境组成和免疫检查点抑制剂治疗反应	非小细胞肺癌患者的数字组织病理学图像	数字病理学	肺癌	数字组织病理学成像	深度学习	全切片图像	652名患者的外部临床队列	NA	HistoTME	Pearson相关系数, AUROC	NA
420	2025-10-07	Systematic benchmarking of deep-learning methods for tertiary RNA structure prediction 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012715 PMID:39775239	研究论文	系统评估深度学习在RNA三级结构预测中的性能表现	首次对最先进的RNA结构预测深度学习方法进行系统性基准测试，并识别影响性能的关键因素	大多数方法无法预测RNA中的非沃森-克里克碱基对，且对新RNA或合成RNA的预测性能提升有限	评估和比较深度学习在RNA三级结构预测中的性能	RNA分子的三级结构	机器学习	NA	多序列比对，二级结构预测	深度学习	RNA序列和结构数据	多样化数据集中的多个RNA目标	NA	DeepFoldRNA, DRFold	NA	NA