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
4461	2025-12-15	Multimodal Deep Learning-Based Classification of Breast Non-Mass Lesions Using Gray Scale and Color Doppler Ultrasound 2025-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232967 PMID:41374348	研究论文	本研究提出了一种基于多模态深度学习的乳腺非肿块性病变分类方法，使用灰阶和彩色多普勒超声图像，并比较了多模态与单模态模型的性能	首次将灰阶与彩色多普勒超声图像进行多模态融合，利用深度学习进行乳腺非肿块性病变的良恶性分类，并系统比较了不同模态和CNN架构的性能	研究为回顾性设计，样本量相对有限（248个病变），且数据来源于单一机构，可能影响模型的泛化能力	开发并评估一种多模态深度学习模型，以提高乳腺非肿块性病变的良恶性分类准确率	乳腺非肿块性病变的灰阶和彩色多普勒超声图像	计算机视觉	乳腺癌	超声成像	CNN	图像	248个经病理证实的乳腺非肿块性病变，来自241名女性患者	NA	ResNet50, ResNet18, VGG16	准确率, 灵敏度, 特异度, F1分数, AUC	NA
4462	2025-12-15	Multimodal-Imaging-Based Interpretable Deep Learning Framework for Distinguishing Brucella from Tuberculosis Spondylitis: A Dual-Center Study 2025-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232963 PMID:41374344	研究论文	本研究开发了一个基于多模态成像（CT和MRI）的可解释深度学习框架，用于区分布鲁氏菌性脊柱炎和结核性脊柱炎	首次结合多模态CT和MRI数据，并利用预训练的GoogleNet架构构建深度学习模型，通过Grad-CAM提供可解释性，实现了对两种脊柱炎的高精度区分	研究仅基于双中心数据，外部验证性能（AUC 81.25%）相对较低，且MRI和CT协议在不同中心存在差异	开发一个深度学习框架，以准确区分布鲁氏菌性脊柱炎和结核性脊柱炎，提高诊断准确性并改善患者预后	布鲁氏菌性脊柱炎和结核性脊柱炎患者的CT和MRI影像数据	数字病理学	脊柱炎	CT, MRI（包括矢状位T1加权、T2加权、脂肪抑制序列）	CNN	图像	来自两个中心的CT和MRI影像数据集（具体数量未在摘要中明确说明）	NA	GoogleNet, ResNet, DenseNet, EfficientNet	准确率, 敏感性, 特异性, AUC	NA
4463	2025-12-15	IPFSCNN: A Time-Frequency Fusion CNN for Wideband Spectrum Sensing 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237134 PMID:41374508	研究论文	本研究提出了一种名为IPFSCNN的新型非对称混合架构，用于宽带频谱感知，通过融合时域和频域数据提升检测性能	提出了一种非对称混合CNN架构（IPFSCNN），首次将时域I/Q数据的并行处理与频域FFT数据的串行处理相结合，实现了互补特征的有效融合	研究仅在LTE-M数据集上进行验证，未在其他无线通信标准或更广泛的频谱场景中测试	提高认知无线电中宽带频谱感知的检测性能，特别是在低信噪比条件下	宽带频谱信号	机器学习	NA	NA	CNN	时域数据（I/Q），频域数据（FFT）	NA	NA	IPFSCNN（IQ-Parallel FFT-Serial CNN）	检测性能（具体指标未明确），参数数量，乘积累加运算（MAC）次数	NA
4464	2025-12-15	A Time-Frequency Domain Diagnosis Network for ICE Fault Detection 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237139 PMID:41374512	研究论文	本文提出了一种用于内燃机故障检测的时频域诊断网络（TFDN），通过整合时域和频域路径来提升诊断准确性和稳定性	提出了一种结合时域（使用残差网络和自注意力机制）和频域（使用CNN）特征的诊断网络，有效融合时频特征以提高诊断性能	NA	提高内燃机故障检测的准确性和实时性，减少数据依赖	六缸柴油发动机的12种故障类型	机器学习	NA	NA	CNN, LSTM	NA	每种故障5个样本的有限数据条件下进行验证	NA	ResNet, 自注意力机制, CNN	准确率, 精确率, 召回率	NA
4465	2025-12-15	Analysis of Deep-Learning Methods in an ISO/TS 15066-Compliant Human-Robot Safety Framework 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237136 PMID:41374514	研究论文	本文提出了一种基于深度学习的人机安全框架，旨在根据人机距离动态调整机器人速度，同时遵守最大生物力学力和压力限制	与传统的工业安全系统不同，该框架能够区分人体部位与其他物体，从而优化机器人流程执行，实验显示循环时间最多可减少15%	NA	研究在符合ISO/TS 15066标准的人机安全框架中应用深度学习方法的适用性，以提高协作任务的效率	协作机器人、人机交互安全	机器视觉	NA	深度学习	NA	图像	NA	NA	NA	循环时间减少百分比	NA
4466	2025-12-15	MLD-Net: A Multi-Level Knowledge Distillation Network for Automatic Modulation Recognition 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237143 PMID:41374516	研究论文	本文提出了一种名为MLD-Net的多级知识蒸馏网络，用于构建轻量且高效的自动调制识别模型	采用基于Transformer的大模型作为教师网络，指导基于Reformer的紧凑学生模型训练，并在输出、特征和注意力三个粒度上进行知识蒸馏	未提及具体局限性	开发轻量且高效的自动调制识别模型，以降低计算和内存需求，便于边缘部署	无线通信信号	机器学习	NA	知识蒸馏	Transformer, Reformer	信号数据	RML2016.10A基准数据集	NA	Transformer, Reformer	NA	NA
4467	2025-12-15	Application of Machine Learning in Food Safety Risk Assessment 2025-Nov-22, Foods (Basel, Switzerland) DOI:10.3390/foods14234005 PMID:41375943	综述	本文综述了机器学习和深度学习在食品安全风险评估中的变革性作用，重点关注生物毒素检测、重金属污染、农药和兽药残留分析以及微生物风险预测等关键领域	系统总结了ML和DL在食品安全风险评估中的最新应用进展，并强调了新型DL架构（如CNN、RNN和Transformer）在自动特征提取和多模态数据集成方面的优势	未明确提及具体研究的数据限制或模型泛化能力问题	回顾机器学习和深度学习在实现智能食品安全管理中的作用，通过高效分析高质量和非线性数据来提升风险评估能力	食品安全风险评估，特别是生物毒素、重金属、农药和兽药残留以及微生物风险	机器学习	NA	机器学习，深度学习	支持向量机，随机森林，K-means，层次聚类分析，卷积神经网络，循环神经网络，Transformer	高质量和非线性数据，多模态数据	NA	NA	卷积神经网络，循环神经网络，Transformer	检测准确率，效率	NA
4468	2025-12-15	TruMPET: A New Method for Protein Secondary Structure Prediction Using Neural Networks Trained on Multiple Pre-Selected Physicochemical and Structural Features 2025-Nov-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311284 PMID:41373446	研究论文	提出了一种名为TruMPET的新方法，通过神经网络结合预选的物理化学和结构特征来预测蛋白质二级结构	该方法强调使用统计上显著且互不相关的描述符生成机器学习特征集，并整合了非规范氨基酸的物理化学参数预测，结合Bi-LSTM网络与ESMFold2嵌入，提升了预测性能	未明确讨论模型在处理更复杂蛋白质结构或大规模数据集时的可扩展性，也未提及对计算资源的具体需求	改进蛋白质二级结构预测方法，专注于从氨基酸序列直接预测DSSP分类	蛋白质氨基酸序列及其对应的二级结构（DSSP Q3和Q8分类）	机器学习	NA	蛋白质语言模型嵌入，线性判别分析	Bi-LSTM	序列数据	使用非冗余数据集（CB513和TEST2018），具体样本数量未在摘要中明确	NA	Bi-LSTM	DSSP Q3准确率，DSSP Q8准确率	NA
4469	2025-12-15	Ordinal Regression Research Based on Dual Loss Function-An Example on Lumbar Vertebra Classification in CT Images 2025-Nov-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232949 PMID:41374330	研究论文	本研究提出并评估了一种基于双损失函数的序数回归框架，用于CT图像中的腰椎分类，以辅助L3识别和肌肉减少症检测	提出了一种结合标准交叉熵损失和序数残差损失的双损失框架，以更好地建模有序类别	未明确提及研究的具体局限性	开发一种改进的腰椎分类方法，以支持临床实践中更准确的自动化L3定位和肌肉减少症评估	腰椎CT图像	计算机视觉	肌肉减少症	CT成像	深度学习模型	图像	NA	NA	MobileNet-v3-Large	分类性能	NA
4470	2025-12-15	High-Precision Coal Mine Microseismic P-Wave Arrival Picking via Physics-Constrained Deep Learning 2025-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s25237103 PMID:41374478	研究论文	本文提出了一种融合物理约束与深度学习架构的微震P波到时自动拾取模型，用于煤矿动力灾害的智能监测与预警	将物理约束与深度学习架构相结合，构建了高精度、鲁棒的微震P波到时自动拾取模型，并在工程可迁移性方面表现出色	模型在采样率更高、噪声更强的矿区性能下降，表明其对数据采集参数较为敏感	实现煤矿微震信号中P波到时的自动高精度识别，以支持煤矿动力灾害的智能监测与预警	煤矿微震信号	机器学习	NA	微震监测	深度学习	时序信号	高质量人工标注数据集	NA	NA	精确率, 召回率, F1分数, 到时拾取误差	NA
4471	2025-12-15	UAV and Deep Learning for Automated Detection and Visualization of Façade Defects in Existing Residential Buildings 2025-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s25237118 PMID:41374496	研究论文	本研究提出了一种结合无人机可见光与热红外成像、深度学习算法及参数化三维可视化的集成框架，用于现有住宅建筑立面缺陷的自动化检测与可视化	融合可见光与热红外图像以协同识别裂缝和渗漏缺陷，并开发了基于Grasshopper的集成映射工具，实现缺陷信息的实时三维可视化与参数化分析	研究仅基于深圳三个代表性住宅社区进行案例研究，样本规模和地理多样性有限，且未详细讨论模型在不同气候或建筑类型下的泛化能力	开发一种高效、自动化的立面缺陷检测框架，以提升城市建筑安全管理水平	现有住宅建筑的立面缺陷，特别是裂缝和渗漏问题	计算机视觉	NA	无人机可见光成像、热红外成像	深度学习	图像	深圳三个代表性住宅社区（建于1988年至2010年）	NA	Knet	mIoU	NA
4472	2025-12-15	PLiCat: decoding protein-lipid interactions by large language model 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf665 PMID:41378883	研究论文	本文提出了一个基于蛋白质序列预测蛋白质-脂质相互作用类别的深度学习框架PLiCat	首次开发了仅从蛋白质序列预测脂质类别的计算工具，并采用ESMC与BERT结合的混合深度学习架构实现可解释的分类	仅覆盖八个主要脂质类别，可能未涵盖所有脂质亚型	预测蛋白质相互作用的脂质类别并揭示序列编码的脂质结合特征	蛋白质序列及其与脂质的相互作用	自然语言处理	NA	蛋白质语言模型	深度学习	序列数据	NA	PyTorch	ESMC, BERT	NA	NA
4473	2025-12-15	Impact of intrinsically disordered regions and functional disorder hotspots in the human kinome 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf662 PMID:41378882	研究论文	本研究提出了一种基于长短期记忆深度学习框架的标准化方法，用于预测人类激酶组中的内在无序区域，并揭示了这些区域的功能热点及其在激酶调控中的作用	开发了一种激酶中心化的内在无序区域预测方法，使用LSTM深度学习框架实现高预测性能（AUC=0.97），并首次系统分析了人类激酶组中内在无序区域的保守性和功能热点	研究依赖于计算预测方法，虽然性能较高，但可能需要实验验证进一步确认预测结果的生物学准确性；且方法主要针对人类激酶组，在其他蛋白质组中的适用性有待评估	系统预测和表征人类激酶组中的内在无序区域，揭示其在激酶调控和信号转导中的功能意义	人类激酶组中的蛋白质激酶及其内在无序区域	计算生物学	NA	深度学习，生物信息学分析	LSTM	蛋白质序列数据	涵盖人类所有137个激酶家族	NA	长短期记忆网络	AUC	NA
4474	2025-12-15	Time series forecasting of chlorophyll-a concentrations in the Chesapeake Bay 2025-Aug-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16352-3 PMID:40846738	研究论文	本研究评估了使用长短期记忆神经网络预测切萨皮克湾叶绿素a浓度的方法	首次将LSTM神经网络应用于切萨皮克湾叶绿素a浓度的时间序列预测，并证明其优于传统统计模型ARIMA和TBATS	NA	评估深度学习模型在预测叶绿素a浓度方面的性能，以支持水质管理和政策决策	切萨皮克湾三个地理区域的叶绿素a浓度时间序列数据	机器学习	NA	卫星遥感	LSTM	时间序列数据	1997年至2020年每周的卫星衍生叶绿素a测量数据，覆盖三个区域	NA	LSTM	均方根误差	NA
4475	2025-12-15	scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression 2025-May-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.17.649372 PMID:40654959	研究论文	本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络	scRegulate结合了变分推断和基因调控网络先验知识，能够捕捉新颖、动态和上下文特异性的调控相互作用，超越了现有方法的确定性假设和静态数据库依赖	未在摘要中明确提及	开发一个可扩展且具有生物学可解释性的框架，用于从单细胞转录组数据中推断转录因子活性和调控网络	单细胞RNA测序数据中的转录因子活性和基因调控网络	计算生物学	NA	单细胞RNA测序	生成式深度学习框架	基因表达数据	多个公共实验和合成数据集，包括Perturb-seq数据集和PBMC单细胞RNA测序数据	NA	变分推断模型	AUROC, AUPRC, 平均log2倍数变化	NA
4476	2025-12-15	Hybrid quantum neural network models for fruit quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332528 PMID:41370242	研究论文	本研究探索了用于水果质量评估的混合量子神经网络，重点关注纠缠门选择的影响	提出了两种基于不同纠缠门（CNOT与CZ）的混合量子神经网络架构，并从门分解和硬件感知噪声角度提供了理论依据，表明CZ架构可能更稳定	研究为基础性计算研究，量子电路在经典硬件上执行，未在真实量子硬件上验证	研究量子机器学习算法中门级设计选择的作用，以指导未来算法开发	水果质量评估	机器学习	NA	量子神经网络	混合量子神经网络	图像	使用了MNIST、FruitQ数据集和自定义的苹果数据集	NA	NNQEv1, NNQEv2	测试准确率	经典硬件
4477	2025-12-15	Comprehensive and deep learning classification for analyses of the biological complexity of growth and biofilms of Cobetia marina under different temperature growths 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336575 PMID:41379879	研究论文	本研究利用深度学习方法分析海洋细菌Cobetia marina在不同温度下的生长动力学和生物膜形成的生物复杂性	开发了结合半自动双分类器和三分类器、新型分数阶导数生长分类方法以及SPOCU（Scaled Polynomial Constant Unit）激活函数的神经网络，用于分析温度依赖的微生物行为	研究仅针对单一模式生物Cobetia marina，结果可能无法直接推广到其他微生物物种	分析微生物在不同温度条件下的生长和生物膜形成的生物复杂性	海洋细菌Cobetia marina及其通过pUTmini-Tn5-Km转座子生成的突变菌株	机器学习	NA	高通量筛选（96孔微孔板）、转座子突变	神经网络	微生物生长和生物膜形成数据	在8°C至41°C温度范围内进行实验，使用96孔微孔板确保足够的实验重复	NA	包含SPOCU激活函数的神经网络	与SELU和RELU激活函数的性能比较	NA
4478	2025-12-15	An open-source bio-logger for studying cetacean behavior and communication 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337093 PMID:41379880	研究论文	本文介绍了一种用于研究鲸类行为与通信的开源生物记录仪	开发了一种开源、非侵入式的多模态生物记录仪，可同步记录高质量音频与多种行为和环境传感器数据，支持无人机部署与GPS回收	当前实现主要针对抹香鲸通信研究，电池续航时间最长为16.8小时	促进多模态数据集的规模化收集以支持深度学习应用，并推动海洋动物生物学与通信研究	海洋动物（特别是抹香鲸）	生物声学	NA	生物记录技术，多传感器同步采集	NA	音频，传感器数据（压力、运动、方向、温度、光照），GPS数据	10次部署，44小时录音，20次潜水，最深967米	NA	NA	剪切粘附力，耐压深度（560米），电池寿命（16.8小时），音频灵敏度（-205 dB re FS/μPa），动态范围（96 dB）	NA
4479	2025-12-15	Robust coffee plant disease classification using deep learning and advanced feature engineering techniques 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3386 PMID:41383546	研究论文	本文提出了一种结合深度学习和高级特征工程的混合框架，用于咖啡植物病害的鲁棒性图像分类	系统性地整合了GoogLeNet和ResNet18进行互补特征提取，并结合PCA/SVD降维与ANOVA/卡方检验特征选择，以提升模型泛化能力和计算效率	未明确提及模型在更广泛或不同环境数据集上的泛化性能测试，以及计算资源的具体配置细节	开发一种鲁棒的咖啡植物病害分类方法，以支持咖啡生产的可持续性	咖啡植物叶片病害图像	计算机视觉	植物病害	图像分类	CNN	图像	BRACOL数据集（具体样本数量未在摘要中明确给出）	未明确指定，可能为TensorFlow或PyTorch	GoogLeNet, ResNet18	准确率, 精确率, 召回率, F1分数	NA
4480	2025-12-15	DGA-Net: a dual-branch group aggregation network for liver tumor segmentation in medical images 2025, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2025.1712952 PMID:41383832	研究论文	本文提出了一种用于医学图像中肝脏肿瘤分割的双分支组聚合网络（DGA-Net）	提出了一种包含傅里叶谱学习多尺度融合分支和多轴聚合哈达玛注意力分支的双分支编码器架构，并设计了组多头交叉注意力聚合模块，以更好地建模像素间关系并降低计算成本	未在摘要中明确说明	提高医学图像中肝脏和肿瘤区域分割的准确性，以支持肝癌的诊断和治疗规划	肝细胞癌（HCC）患者的医学图像	数字病理学	肝癌	深度学习	CNN, 注意力机制	医学图像	使用了公开数据集LiTS2017和3DIRCADb，具体样本数量未在摘要中说明	NA	DGA-Net, 包含FSMF分支, MAHA分支和GMCA模块	Dice-per-case	NA