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
421	2026-01-04	Recent Progress in Structural Integrity Evaluation of Microelectronic Packaging Using Scanning Acoustic Microscopy (SAM): A Review 2025-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s25247499 PMID:41471494	综述	本文回顾了扫描声学显微镜在微电子封装结构完整性评估领域的最新进展	重点关注SAM技术在多芯片堆叠、硅通孔和混合键合检测方面的技术进步，并探讨了与机器学习、深度学习模型结合以实现缺陷自动检测和表征的新兴研究方向	NA	评估微电子封装的结构完整性，以提高电子器件的功能和可靠性	微电子封装系统	无损评估/测试	NA	扫描声学显微镜	深度学习模型	声学图像	NA	NA	NA	NA	NA
422	2026-01-04	Smart Image-Based Deep Learning System for Automated Quality Grading of Phalaenopsis Seedlings in Outsourced Production 2025-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s25247502 PMID:41471508	研究论文	本研究开发了一种基于智能图像和深度学习的系统，用于蝴蝶兰盆栽苗的自动化质量分级	结合了计算机视觉、深度学习和机器学习技术，采用双视角成像方法（俯视RGB-D图像和多角度侧视RGB图像），并开发了两种分级策略（三阶段分层法和直接分级法），以替代耗时且主观的人工检测	未在摘要中明确说明	提高蝴蝶兰外包生产环节中幼苗质量分级的效率和客观性，以增强产业国际竞争力	蝴蝶兰盆栽幼苗	计算机视觉	NA	双视角成像（RGB-D图像，多角度RGB图像）	CNN, SVM, Random Forest	图像	未在摘要中明确说明	NA	YOLOv8, YOLOv10	F1-score	未在摘要中明确说明
423	2026-01-04	Fault Diagnosis Method for Excitation Dry-Type Transformer Based on Multi-Channel Vibration Signal and Visual Feature Fusion 2025-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s25247460 PMID:41471455	研究论文	本文提出了一种基于多通道振动信号与视觉特征融合的轻量级励磁干式变压器故障诊断方法	扩展了对称点模式方法，将三轴振动信号的时频域信息聚合映射为二维特征图，并采用粒子群优化自适应调整参数以优化特征图质量，结合ORB特征提取与Adaboost-SVM分类器，实现了在资源受限环境下的高效、准确故障诊断	NA	解决现有励磁干式变压器故障诊断方法在多轴振动数据利用不足、复杂工况下识别精度低及计算效率有限等方面的问题	励磁干式变压器	机器故障诊断	NA	多物理场耦合仿真，振动信号分析，对称点模式，粒子群优化，ORB特征提取	Adaboost-SVM	振动信号，二维特征图	NA	NA	Adaboost-SVM	准确率	NA
424	2026-01-04	MCRBM-CNN: A Hybrid Deep Learning Framework for Robust SSVEP Classification 2025-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s25247456 PMID:41471452	研究论文	本文提出了一种结合多通道受限玻尔兹曼机与卷积神经网络的混合深度学习框架，用于稳健的稳态视觉诱发电位分类	提出了一种新颖的混合深度学习模型，整合多通道受限玻尔兹曼机与卷积神经网络，以无监督方式学习多通道脑电数据的潜在特征表示，有效捕获通道间相关性，并在短时间窗口场景中展现出优越的鲁棒性	NA	解决稳态视觉诱发电位在噪声、伪影和并发脑活动干扰下的信号解码问题，提升脑机接口的实用性能	稳态视觉诱发电位信号	机器学习	NA	脑电图	受限玻尔兹曼机, 卷积神经网络	脑电信号	NA	NA	多通道受限玻尔兹曼机, 卷积神经网络	NA	NA
425	2026-01-04	Multi-Task Deep Learning for Surface Metrology 2025-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s25247471 PMID:41471468	研究论文	本文提出了一种可重复的深度学习框架，用于表面计量学，以预测表面纹理参数及其报告的标准不确定度	提出了一个结合测量系统类型分类、关键表面参数回归及其标准不确定度预测的多任务深度学习框架，并采用分位数回归、异方差回归头和事后保形校准来建模和校准预测区间	RONt的标准不确定度学习效果较差（决定系数仅为0.4934），且观察到朴素多输出主干存在负迁移现象，单目标模型表现更优	开发一个深度学习框架，用于表面计量学中的参数预测和不确定度量化，以支持计量工作流程中的仪器选择和验收决策	表面纹理参数（算术平均粗糙度Ra、平均峰谷粗糙度Rz、总圆度偏差RONt）及其标准不确定度，以及测量系统类型（触觉和光学系统）	机器学习	NA	深度学习	深度学习模型	表面计量数据	多仪器数据集（涵盖触觉和光学系统），具体样本数量未在摘要中提供	未明确指定，可能为TensorFlow, PyTorch等	多任务深度学习框架，包含分类头和回归头（分位数回归、异方差回归）	决定系数（R²）、分类准确率、预期校准误差	NA
426	2026-01-04	Semi-Supervised Radar Work Mode Recognition Based on Contrastive Learning 2025-Dec-07, Sensors (Basel, Switzerland) DOI:10.3390/s25247440 PMID:41471436	研究论文	本文提出了一种基于对比学习的半监督雷达工作模式识别框架，以解决细粒度雷达模式识别对昂贵标注数据的严重依赖问题	提出了一种新颖的端到端三分支框架，该框架集成了双重对比学习机制，并针对脉冲失真问题设计了定制化策略，能够在仅使用少量标注数据的情况下实现高精度识别	NA	解决细粒度雷达工作模式识别任务中因标注数据稀缺而面临的性能瓶颈	雷达信号（特别是脉冲序列）	机器学习	NA	NA	深度学习模型（具体架构未明确指定，但框架包含对比学习组件）	雷达信号数据（脉冲序列）	在两个具有挑战性的数据集上进行了实验，具体样本数量未明确说明	NA	端到端三分支框架	准确率	NA
427	2026-01-04	Recent Advances in Deep Learning-Based Source Camera Identification and Device Linking 2025-Dec-06, Sensors (Basel, Switzerland) DOI:10.3390/s25247432 PMID:41471430	综述	本文综述了基于深度学习的源相机识别和设备关联技术的最新进展	总结了多种深度学习架构（如卷积神经网络、残差学习、编码器-解码器表示、双分支结构和对比学习）在捕获传感器特定伪影方面的应用，并比较了它们在模型和设备层面随时间变化的有效性	深度学习方法在模型层面精度高，但在设备层面实现鲁棒识别仍具挑战性，尤其是在涉及相机集成或AI驱动增强的现代成像流程中	评估深度学习技术在源相机识别和设备关联任务中的性能	源相机识别和设备关联技术	计算机视觉	NA	深度学习	CNN, 残差学习, 编码器-解码器, 双分支结构, 对比学习	图像	NA	NA	卷积神经网络, 残差网络, 编码器-解码器, 双分支结构	模型层面精度, 设备层面识别鲁棒性	NA
428	2026-01-04	Printed Circuit Board Defect Detection Based on Lightweight Deep Learning Fusion Model 2025-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s25247403 PMID:41471399	研究论文	本文提出了一种基于轻量级深度学习融合模型的印刷电路板缺陷检测方法，专注于微小目标检测和模型压缩	提出了一种改进的模型，结合MobileNet v3 Small-CA和图像切割层，并应用了改进的多尺度融合步骤与位置加权机制，以增强表示性能	NA	实现印刷电路板缺陷检测中更好的性能，特别是在微小缺陷检测和模型压缩方面	印刷电路板	计算机视觉	NA	NA	CNN	图像	NA	NA	MobileNet v3 Small-CA	速度, 检测精度	NA
429	2026-01-04	HyMambaNet: Efficient Remote Sensing Water Extraction Method Combining State Space Modeling and Multi-Scale Features 2025-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s25247414 PMID:41471410	研究论文	本研究提出了一种结合状态空间建模与多尺度特征的遥感水体高效提取方法HyMambaNet	提出了一种混合深度学习模型，将卷积局部特征提取与Mamba状态空间模型相结合，以实现高效的全局上下文建模，并融合了多尺度与频域增强以及优化的跳跃连接	未在摘要中明确提及	开发一个鲁棒且可扩展的深度学习框架，用于在不同水文和生态场景下进行高精度水体提取	高分辨率遥感影像中的水体	计算机视觉	NA	NA	CNN, 状态空间模型	图像	使用了LoveHY和LoveDA两个数据集，具体样本数量未在摘要中提及	NA	HyMambaNet	IoU, F1-score	NA
430	2026-01-04	Artificial Intelligence in Biomedicine: A Systematic Review from Nanomedicine to Neurology and Hepatology 2025-Dec-04, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17121564 PMID:41471079	综述	本文系统回顾了人工智能在生物医学领域（从纳米医学到神经病学和肝病学）的应用与贡献	通过系统性文献检索（2010-2025年），聚焦于四个关键生物医学领域，对AI应用进行了全面的定性综合，并强调了跨领域的共同挑战	数据异质性、缺乏标准化的采集协议、模型透明度不足以及前瞻性多中心验证稀缺	评估人工智能在生物医学领域的扩展贡献，特别是在癌症治疗与纳米医学、心脏病学与医学成像、神经退行性疾病以及肝脏疾病中的应用	2010年至2025年间主要生物医学数据库中关于AI在四个指定领域应用的英文原创研究	机器学习	NA	NA	NA	NA	203篇符合PRISMA 2020标准的文章	NA	NA	NA	NA
431	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
432	2026-01-04	Proteomics Data Imputation With a Deep Model That Learns From Many Datasets 2025-Dec, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101461 PMID:41260499	研究论文	本文提出了一种名为Lupine的深度学习模型，用于质谱蛋白质组学数据中的缺失值插补，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的蛋白质组学插补方法，能够学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法来估计定量蛋白质组学数据中的缺失值，以提高数据分析和生物标志物发现的准确性	质谱蛋白质组学数据，特别是来自1000多个癌症患者样本的串联质量标签数据，涵盖10种癌症类型	机器学习	癌症	质谱蛋白质组学，串联质量标签	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本，涵盖10种癌症类型	Python	NA	NA	NA
433	2026-01-04	Decoding the germline genetic architecture of prostate cancer at a single cell resolution 2025-Dec, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011975 PMID:41468516	研究论文	本研究通过单细胞分辨率解码前列腺癌的种系遗传结构，识别了介导最高风险的细胞亚型并开发深度学习模型预测变异功能影响	首次在单细胞水平整合表观基因组与转录组数据解析前列腺癌种系变异的功能机制，并开发深度学习模型系统评估GWAS变异对染色质可及性的影响	研究基于参考前列腺组织样本，可能未完全涵盖肿瘤微环境的异质性；深度学习模型的预测功能需要进一步实验验证	解析前列腺癌种系遗传变异的细胞类型特异性功能机制	人类前列腺组织样本及其单细胞表观基因组与转录组数据	计算生物学	前列腺癌	单细胞表观基因组学、单细胞转录组学、全基因组关联研究(GWAS)	深度学习模型	单细胞表观基因组数据、单细胞转录组数据、GWAS数据	参考人类前列腺组织样本（具体数量未明确说明）	NA	NA	NA	NA
434	2026-01-04	Datasets for distributed denial-of-service detection in healthcare internet of things environments 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112222 PMID:41476908	研究论文	本文介绍了两个用于医疗物联网环境中分布式拒绝服务攻击检测的标记数据集	提出的数据集填补了现有基准数据集的空白，通过整合医疗物联网特定的通信参数（如节点级消息计数和监测频率），更贴近真实世界条件	数据集基于模拟生成，可能无法完全反映真实医疗物联网环境中的所有复杂性和变异性	增强医疗物联网生态系统的安全性，通过实现高级网络威胁的鲁棒检测	医疗物联网环境中的网络流量数据，特别是正常和DDoS攻击条件下的通信模式	机器学习	NA	网络流量模拟，使用Cooja和ns-3模拟器	NA	网络流量数据，结构化CSV文件	两个数据集分别包含约20,080和99,887条记录	NA	NA	NA	使用Cooja和ns-3模拟器进行模拟，数据处理使用Python脚本
435	2026-01-04	Applications of Artificial Intelligence in Neurological Voice Disorders 2025-Dec, World journal of otorhinolaryngology - head and neck surgery DOI:10.1002/wjo2.70017 PMID:41477136	综述	本文综述了人工智能在神经性嗓音障碍（如帕金森病、喉肌张力障碍和卒中引起的构音障碍）的诊断、监测和治疗中的应用、进展、挑战及未来前景	系统性地回顾了AI在神经性嗓音障碍领域的应用，强调了机器学习、深度学习和信号处理技术在客观、无创、可扩展的嗓音分析中的创新作用，并指出了卷积神经网络和基于Transformer的网络在从声学等多模态数据中提取生物标志物的有效性	存在挑战，包括某些罕见神经性嗓音障碍的高质量数据集有限、患者隐私相关的伦理问题，以及需要更广泛的临床验证	探讨人工智能在神经性嗓音障碍领域的应用潜力，以改进诊断、监测和治疗策略	神经性嗓音障碍，如帕金森病、喉肌张力障碍和卒中引起的构音障碍	自然语言处理	神经性嗓音障碍	机器学习, 深度学习, 信号处理	CNN, Transformer	声学数据, 多模态数据	NA	NA	卷积神经网络, Transformer	准确率	NA
436	2026-01-04	Artificial intelligence for radiopharmaceutical and molecular imaging 2025-Dec, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.09.039 PMID:41477342	综述	本文综述了人工智能在放射性药物开发和分子影像分析中的前沿应用，并探讨了其技术原理、典型案例及临床转化挑战	系统整合了深度学习算法（如图神经网络、生成对抗网络和Transformer模型）在靶点识别、配体设计、药代动力学优化及影像重建与增强中的创新应用，并强调多组学数据与3D结构信息的融合	面临数据隐私、模型泛化及伦理挑战，临床转化仍需进一步验证	推动人工智能在精准核医学领域的应用，促进放射性药物与分子影像技术的发展	放射性药物开发与分子影像技术	机器学习	NA	单光子发射计算机断层扫描（SPECT）、正电子发射断层扫描（PET）	GNN, GAN, Transformer	多组学数据、3D结构信息、影像数据	NA	NA	NA	NA	NA
437	2026-01-04	Geometry-encoded deep learning (GeoDL) framework for real-time 3D dose verification for online adaptive radiotherapy 2025-Dec, Machine Learning. Health DOI:10.1088/3049-477x/adcb4b PMID:41477362	研究论文	本研究提出了一种几何编码深度学习框架，用于在线自适应放疗中的实时三维剂量验证	通过统一射野图和CT图像的表示并解析直线加速器的治疗几何结构，减轻了学习复杂域转换的负担，首次将GeoDL扩展到整个三维体积的实时剂量验证	研究仅基于前列腺癌病例进行训练和测试，未在其他癌症类型或更广泛的患者群体中验证	开发一种快速准确的剂量验证方法，以提升在线自适应放疗的工作流程效率和质量	前列腺癌患者的射野图和CT图像数据	数字病理	前列腺癌	放疗剂量验证	深度学习	图像	281例前列腺癌病例用于训练和验证，24例用于独立测试	NA	3D U-Net	γ通过率、平均剂量差异	NA
438	2026-01-04	Incorporating physicians' contouring style into auto-segmentation of clinical target volume for post-operative prostate cancer radiotherapy using a language encoder 2025-Dec, Machine Learning. Health DOI:10.1088/3049-477x/adf076 PMID:41477361	研究论文	本研究提出了一种结合医生勾画风格的深度学习模型Text-UNet，用于前列腺癌术后放疗临床靶区的自动分割	首次将医生特定的勾画风格编码为潜在向量，并与CT图像特征结合，以解决医生间勾画差异对自动分割的影响	训练数据来自七位医生，测试数据来自四位医生，模型泛化到更多医生风格的能力仍需验证	提高前列腺癌术后放疗临床靶区自动分割的准确性和一致性，减少手动工作量	前列腺癌术后患者的临床靶区	数字病理学	前列腺癌	CT成像	CNN	图像, 文本	824例患者数据（699训练, 49验证, 76测试）	NA	UNet	Dice系数	NA
439	2026-01-04	Learning curve for fenestrated-branched endovascular aortic repair using machine learning: A prospective national multicenter registry study 2025-Nov-19, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2025.11.015 PMID:41265585	研究论文	本研究利用机器学习方法分析复杂腹主动脉瘤和胸腹主动脉瘤治疗中F-BEVAR手术的学习曲线	首次使用深度学习神经网络模型量化F-BEVAR手术的学习曲线，基于全国性多中心前瞻性注册数据	研究基于观察性注册数据，可能存在选择偏倚，且未考虑患者特异性因素对学习曲线的影响	分析F-BEVAR手术的学习曲线，为外科医生和机构提供实践基准	接受三支和四支血管F-BEVAR手术的复杂腹主动脉瘤和胸腹主动脉瘤患者	机器学习	心血管疾病	NA	深度学习神经网络	临床注册数据	5540名患者，由539名独立医生实施手术，其中2956名患者接受三支和四支血管F-BEVAR	NA	NA	围手术期死亡率、手术技术成功率、主要不良事件发生率、主动脉再干预率、手术时间、透视时间、失血量、造影剂用量	NA
440	2026-01-04	SynVerse: a modular framework for building and evaluating deep learning-based drug synergy prediction models 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf676 PMID:41470047	研究论文	本文提出了一个名为SynVerse的模块化框架，用于构建和评估基于深度学习的药物协同预测模型	提出了一个包含四种数据分割策略和三种消融研究的综合评估框架，以评估深度学习模型的泛化能力，并引入了一种新颖的基于网络的消融方法来解耦影响性能的因素	所有模型在未见过的药物和细胞系上表现出较差的泛化能力，且生物学上有意义的特征并未显著提升预测性能	开发一个用于评估深度学习模型在药物协同预测中泛化能力的框架	药物协同预测模型	机器学习	癌症	深度学习	深度学习模型	药物和细胞系特征数据	NA	NA	NA	NA	NA