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
1781	2025-12-01	Intelligent Fault Diagnosis of Hydraulic Pumps Based on Multi-Source Signal Fusion and Dual-Attention Convolutional Neural Networks 2025-Nov-17, Sensors (Basel, Switzerland) DOI:10.3390/s25227018 PMID:41305225	研究论文	提出基于多源信号融合和双注意力卷积神经网络的水泵智能故障诊断方法	首次将多通道振动、压力和声学信号通过RGB图像融合策略整合，并设计增强通道和空间注意力机制的卷积神经网络	未明确说明实验数据规模和具体工程应用场景的局限性	提高液压水泵故障诊断的准确性和稳定性	液压水泵的多源运行信号（振动、压力、声学）	机器故障诊断	NA	时频分析，信号融合	CNN	多源信号（振动、压力、声学）转换的时频特征图像	NA	NA	双注意力卷积神经网络（通道注意力，空间注意力）	诊断准确率	NA
1782	2025-12-01	Predicting Major Depressive Disorder Using Neural Networks from Spectral Measures of EEG Data 2025-Nov-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111251 PMID:41301207	研究论文	本研究开发了一种结合心理问卷数据和静息态脑电图频谱特征的神经网络方法，用于预测重度抑郁症	首次将LSTM神经网络应用于δ节律脑电图数据，在抑郁严重程度预测任务中取得突破性性能（R=0.742），较传统Ridge回归提升86%	样本量相对较小（71名参与者），需要更大规模研究验证泛化能力	开发客观的重度抑郁症诊断和严重程度评估框架	71名参与者（42名健康对照，29名重度抑郁症患者）	机器学习	重度抑郁症	脑电图频谱分析，心理问卷评估	LSTM, Logistic Regression, Ridge Regression	脑电图频谱数据，心理问卷数据	71名参与者（42名健康，29名抑郁症患者）	NA	LSTM	相关系数R, 平均绝对误差MAE	NA
1783	2025-12-01	AI in Pediatric Spine Care: Clinical, Research, and Ethical Considerations 2025-Nov-16, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14228115 PMID:41303151	综述	探讨人工智能在儿童脊柱护理中的临床应用、研究进展和伦理考量	系统分析AI在儿童脊柱护理中的创新应用，包括深度学习对脊柱畸形数据的模式识别、手术机器人辅助和大型语言模型的临床潜力	临床实施指南不明确、模型透明度有限、数据隐私和偏见等伦理问题、样本量小且需要更多样化的数据集	评估人工智能在儿童脊柱护理领域的应用潜力和实施挑战	儿童脊柱疾病患者及相关医疗数据	医疗人工智能	脊柱畸形	机器学习, 深度学习	大型语言模型	医学影像, 临床数据	NA	NA	NA	预测准确性	NA
1784	2025-12-01	Multi-Fluid Pipeline Leak Detection and Classification Using Savitzky-Golay Scalograms and Lightweight Vision Transformer Featuring Streamlined Self-Attention 2025-Nov-16, Sensors (Basel, Switzerland) DOI:10.3390/s25227001 PMID:41305208	研究论文	提出一种结合Savitzky-Golay尺度图和轻量级视觉Transformer的管道泄漏检测与分类框架	首次将Savitzky-Golay滤波器与尺度图结合，并开发了具有精简自注意力机制的轻量级视觉Transformer（LViT-S）	仅测试了两种流体（气体和水）和三种泄漏尺寸，未涵盖更复杂的工业场景	开发能够独立于流体类型的管道泄漏诊断方法	多流体管道系统的泄漏事件	计算机视觉	NA	声发射（AE）传感技术，连续小波变换（CWT）	CNN, Vision Transformer, ANN	声发射信号转换的尺度图	在两种压力条件、两种流体类型和三种泄漏尺寸下采集的声发射数据	NA	轻量级视觉Transformer（LViT-S），CNN，ANN	分类准确率	NA
1785	2025-12-01	External Validation of an Artificial Intelligence Triaging System for Chest X-Rays: A Retrospective Independent Clinical Study 2025-Nov-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222899 PMID:41300923	研究论文	本研究对商业AI胸部X光分诊系统TRIA进行外部验证，评估其在区分正常与异常胸片方面的性能	采用两阶段深度学习方法，结合图像分割和病理分类，并使用大语言模型从放射科医生报告中提取真实标签	回顾性研究设计，假阴性主要出现在细微或模棱两可的病例中，需要前瞻性多中心验证	验证AI胸部X光分诊系统在临床环境中的性能和实用性	胸部X光影像	数字病理	心肺疾病	胸部X光成像	深度学习	图像	训练集275,399张胸片，外部验证集1,045张胸片（568正常，477异常）	NA	两阶段架构：图像分割模块+分类模型	灵敏度, 特异度, 准确率, AUROC	NA
1786	2025-12-01	Hybrid Faster R-CNN for Tooth Numbering in Periapical Radiographs Based on Fédération Dentaire Internationale System 2025-Nov-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222900 PMID:41300924	研究论文	开发基于混合Faster R-CNN的深度学习工具，用于根尖片中牙齿编号识别	提出混合Faster R-CNN技术、定制损失函数和牙齿编号位置辅助定位算法	未明确说明数据集规模和具体临床验证范围	提高根尖片牙齿编号的准确性和诊断效率	根尖片中的牙齿识别与编号	计算机视觉	牙科疾病	深度学习	Faster R-CNN, Transformer	医学影像（根尖片）	NA	NA	NextViT-Faster R-CNN	精确度, 准确率, 训练时间	NA
1787	2025-12-01	Predictive Fermentation Control of Lactiplantibacillus plantarum Using Deep Learning Convolutional Neural Networks 2025-Nov-15, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms13112601 PMID:41304285	研究论文	本研究开发了一种基于深度学习卷积神经网络的预测系统，用于预测植物乳杆菌发酵结果	首次将卷积神经网络应用于发酵过程预测，仅需前24小时数据即可分类发酵轨迹并预测最终细胞数量	仅基于52次发酵运行数据，样本量相对有限	开发实时发酵控制系统以提高工业益生菌生产效率	植物乳杆菌发酵过程	机器学习	NA	发酵过程监测	CNN	时间序列数据	52次发酵运行	NA	卷积神经网络	准确率	NA
1788	2025-12-01	A Bioinspired Multimodal CNN-LSTM Network for EEG Analysis of Patients in Coma 2025-Nov-15, Sensors (Basel, Switzerland) DOI:10.3390/s25226981 PMID:41305188	研究论文	提出一种结合CNN和LSTM的多模态深度学习模型，用于昏迷患者脑电图信号的分类	采用多模态融合策略，结合遗传算法进行特征选择和超参数优化，显著提升分类性能	NA	开发用于昏迷患者脑电图信号分类的深度学习模型	昏迷患者的脑电图信号	机器学习	神经系统疾病	脑电图	CNN, LSTM	时间序列信号	NA	NA	CNN-LSTM混合网络	准确率, 鲁棒性, 泛化能力	NA
1789	2025-12-01	Towards User-Generalizable Wearable-Sensor-Based Human Activity Recognition: A Multi-Task Contrastive Learning Approach 2025-Nov-15, Sensors (Basel, Switzerland) DOI:10.3390/s25226988 PMID:41305195	研究论文	提出一种多任务对比学习框架，通过联合优化活动分类和监督对比目标来提升可穿戴传感器人类活动识别的用户泛化能力	首次将多任务对比学习应用于人类活动识别领域，通过结合活动标签和用户标签构建语义有意义的对比对，在保持用户无关推理的同时提升跨用户泛化性能	仅在三个公共数据集上进行评估，需要更多真实场景验证；未考虑传感器位置变化对泛化性能的影响	提升基于可穿戴传感器的人类活动识别模型的用户级泛化能力	可穿戴传感器数据的人类活动识别	机器学习	NA	可穿戴传感器数据采集	深度学习	传感器时序数据	三个公共HAR数据集	NA	多任务对比学习框架	准确率, 跨用户泛化性能	NA
1790	2025-12-01	Noncontact Acoustic Vibration Method for Firmness Evaluation in Multiple Peach Cultivars 2025-Nov-14, Foods (Basel, Switzerland) DOI:10.3390/foods14223899 PMID:41300057	研究论文	本研究开发了一种基于声学振动技术和深度学习的非接触式方法，用于多品种桃子的硬度评估	结合了非接触声学振动技术与集成Inception和压缩激励模块的一维卷积神经网络，并提出了分层迁移学习策略以提高模型泛化能力	仅针对三个桃子品种进行研究，样本多样性有限	开发工业适用的非破坏性桃子硬度评估方法	多个品种的桃子	机器学习	NA	声学振动技术，激光多普勒测振仪	PLSR, SVR, 1D-CNN	声学振动频谱	三个桃子品种	NA	ISNet-1D（集成Inception和压缩激励模块的一维卷积神经网络）	决定系数(R²), 均方根误差(RMSE), 残差预测偏差(RPD)	NA
1791	2025-12-01	An Integrated Architecture for Colorectal Polyp Segmentation: The µ-Net Framework with Explainable AI 2025-Nov-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222890 PMID:41300913	研究论文	提出一种用于结直肠息肉分割的集成架构µ-Net框架，并结合可解释AI技术	开发了新型µ-Net深度学习架构用于息肉分割，并集成可解释AI技术提供决策过程可视化	仅使用Kvasir-SEG数据集进行训练和评估，未提及在其他数据集上的泛化能力	开发自动可靠的息肉分割和分类方法以改进结直肠癌筛查	结肠镜检查图像中的结直肠息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	Kvasir-SEG数据集	NA	µ-Net	Dice系数	NA
1792	2025-12-01	An Explainable Ensemble and Deep Learning Framework for Accurate and Interpretable Parkinson's Disease Detection from Voice Biomarkers 2025-Nov-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222892 PMID:41300916	研究论文	提出一种可解释的集成和深度学习框架，通过语音生物标志物实现准确且可解释的帕金森病检测	将集成学习与深度学习模型结合可解释性技术，在保持高精度的同时提供临床可理解的决策依据	基于单一语音数据集，需要更多临床验证和跨数据集测试	开发准确且可解释的帕金森病早期检测方法	帕金森病患者的语音生物标志物	机器学习	帕金森病	语音分析	集成学习,深度学习	语音特征	帕金森语音障碍数据集	Scikit-learn,XGBoost,LightGBM,TensorFlow/PyTorch	CNN,LSTM,GAN	准确率,ROC-AUC	NA
1793	2025-12-01	Interpretable and Performant Multimodal Nasopharyngeal Carcinoma GTV Segmentation with Clinical Priors Guided 3D-Gaussian-Prompted Diffusion Model (3DGS-PDM) 2025-Nov-14, Cancers IF:4.5Q1 DOI:10.3390/cancers17223660 PMID:41301025	研究论文	提出一种基于临床先验引导的3D高斯提示扩散模型，用于鼻咽癌肿瘤体积的多模态精确分割	首次将3D高斯泼溅技术与扩散模型相结合，通过临床先验引导实现多模态信息的有效提取与融合	研究为回顾性设计，样本仅来自四家医院，需要进一步前瞻性验证	开发更准确且可解释的鼻咽癌肿瘤体积多模态分割方法	鼻咽癌患者的原发肿瘤(GTVp)和转移肿瘤(GTVnd)	数字病理	鼻咽癌	CT, MRI-t2, MRI-t1-cefs多模态影像	扩散模型	3D医学影像	600名鼻咽癌患者的多模态影像数据	NA	3D高斯提示扩散模型(3DGS-PDM)，包含高斯初始化模块和扩散分割模块	Dice相似系数, 平均对称表面距离, 95% Hausdorff距离	NA
1794	2025-12-01	Systematic Review of Artificial Intelligence and Electrocardiography for Cardiovascular Disease Diagnosis 2025-Nov-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111248 PMID:41301204	系统综述	系统回顾人工智能在心电图分析中用于心血管疾病诊断的最新进展	全面分析2019-2025年间100多项研究，按疾病类型、模型架构和方法创新进行分类比较	存在人口统计学偏倚、数据集多样性不足和监管障碍等问题	评估人工智能在心电图分析中用于心血管疾病诊断的应用现状和前景	心血管疾病患者的心电图数据	机器学习	心血管疾病	心电图分析	CNN, LSTM, 混合模型	心电图信号	超过100项研究涉及的数据集	NA	卷积神经网络, 长短期记忆网络, 混合模型	灵敏度, 可重复性, 亚临床状况检测性能	NA
1795	2025-12-01	A Synergistic Multi-Scale Attention and Composite Feature Extraction Network for Coronary Artery Segmentation 2025-Nov-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111247 PMID:41301203	研究论文	提出一种用于冠状动脉分割的多尺度注意力和复合特征提取网络	设计了复合特征提取模块(CFEM)和多尺度复合注意力模块(MCAM)，在U型架构中协同整合多尺度卷积、空间注意力和轻量级通道注意力	NA	提高二维数字减影血管造影图像中冠状动脉分割的准确性	冠状动脉血管结构	计算机视觉	心血管疾病	数字减影血管造影	深度学习	医学图像	公共ARCADE数据集	NA	U-Net	Dice系数, clDice, HD95	NA
1796	2025-12-01	Decision-Support for Restorative Dentistry: Hybrid Optimization Enhances Detection on Panoramic Radiographs 2025-Nov-14, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13222904 PMID:41302292	研究论文	本研究比较了机器学习、深度学习和混合优化方法在全景X光片上自动分类五种牙科修复体的性能	提出混合灰狼-粒子群优化算法(HGWO-PSO)进行特征选择，结合SVM分类器，在牙科修复体检测任务中表现优于传统方法和基线CNN	采用单标签图像级分类方法，无法处理单张X光片中多个修复体的情况，数据集规模有限且存在类别不平衡	开发用于牙科修复体自动检测的决策支持系统	牙科全景X光片中的五种修复体类型：充填体、种植体、根管治疗、固定局部义齿/桥体、牙冠	计算机视觉	牙科疾病	图像处理(直方图均衡化、CLAHE)、纹理特征提取(GLCM)	SVM, CNN, 决策树, 随机森林, K近邻	图像	353张匿名全景X光片，包含2137个标记修复体	TensorFlow	CNN	准确率, 宏精确率, 宏召回率, F1分数	CUDA 11.8, cuDNN 8.9, 使用GPU训练
1797	2025-12-01	Malignancy in Ground-Glass Opacity Using Multivariate Regression and Deep Learning Models: A Proof-of-Concept Study 2025-Nov-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14228082 PMID:41303118	研究论文	本研究比较多元统计回归与深度学习模型在预测肺磨玻璃结节恶性风险中的性能	首次将传统多元统计回归与云端AI深度学习模型直接比较用于GGO恶性风险预测	样本量较小（仅47例患者），结果可能随样本扩大而变化	比较两种方法在预测肺磨玻璃结节恶性风险中的表现差异	肺磨玻璃结节（GGO）患者	医学影像分析	肺癌	CT扫描，图像纹理分析	深度学习，多元统计回归	CT医学影像	47例患者（32例恶性，15例良性）	NA	NA	敏感度，特异度，AUC，95%置信区间	云端部署
1798	2025-12-01	Multimodal Fusion of Chest X-Rays and Blood Biomarkers for Automated Silicosis Staging 2025-Nov-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14228074 PMID:41303108	研究论文	开发并验证了一种融合胸部X光和血液生物标志物的自动多模态框架用于矽肺分期	提出了三种融合架构（早期、晚期和混合），将血液生物标志物分析与CXR分析相结合，用于矽肺自动分期	样本量相对较小（94名患者，341个配对样本），需要在更大规模研究中进一步验证	开发自动多模态框架用于矽肺分期，提高诊断准确性和一致性	94名工程石材矽肺患者及其341个配对的CXR和生物标志物样本	医学影像分析	矽肺	胸部X光成像，血液生物标志物检测	深度学习，传统机器学习	图像，血液生物标志物数据	94名患者，341个配对样本	NA	NA	AUC	NA
1799	2025-12-01	Evaluation of a Hybrid CNN Model for Automatic Detection of Malignant and Benign Lesions 2025-Nov-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61112036 PMID:41303872	研究论文	本研究开发了一种混合CNN模型用于甲状腺结节超声图像的良恶性分类	提出结合EfficientNet-B3主干网络、SE模块和残差细化模块的混合架构，并采用R-based异常数据增强和GAN技术解决类别不平衡问题	需要临床验证，模型决策过程可解释性有待提升，尚未集成到常规医院工作流程	开发自动分类甲状腺结节良恶性的深度学习模型	甲状腺结节超声图像	计算机视觉	甲状腺癌	超声成像	CNN, GAN	图像	TN5000数据集包含5000张超声图像（3572恶性，1428良性）	NA	EfficientNet-B3, SE blocks, 残差细化模块	准确率, 灵敏度, 精确率, F1分数	NA
1800	2025-12-01	Machine Learning Methods for the Prediction of Intraoperative Hypotension with Biosignal Waveforms 2025-Nov-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61112039 PMID:41303875	研究论文	本研究开发并验证了使用生物信号波形和临床信息预测术中低血压的机器学习和深度学习模型	结合四种生物信号波形（动脉血压、心电图、光电容积脉搏波和二氧化碳波形）与患者个性化临床信息，开发混合CNN-RNN模型预测术中低血压	回顾性观察研究，数据来自单一医疗中心，需要前瞻性验证	开发能够预测术中低血压的机器学习模型以预防术后并发症	接受非心脏手术的患者	机器学习	心血管疾病	生物信号监测	梯度提升机, CNN-RNN混合模型	波形数据, 临床信息	2611名患者（来自6388名患者的VitalDB开放数据集）	NA	CNN-RNN混合架构	AUROC, 准确率	NA