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	2025-11-17	CaneFocus-Net: A Sugarcane Leaf Disease Detection Model Based on Adaptive Receptive Field and Multi-Scale Fusion 2025-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s25216628 PMID:41228851	研究论文	提出一种基于自适应感受野和多尺度融合的甘蔗叶片病害检测模型CaneFocus-Net	引入轻量级跨阶段特征融合模块、通道-空间自适应校准机制与多尺度池化聚合模块，扩展高分辨率浅层特征层并采用分阶段自适应非线性优化策略	NA	实现复杂田间环境下甘蔗叶片病害的早期精准检测	甘蔗叶片病害	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	单阶段检测架构，CaneFocus-Net	精确率，召回率，mAP50，mAP50-95	NA
402	2025-11-17	Advanced Signal Analysis Model for Internal Defect Mapping in Bridge Decks Using Impact-Echo Field Testing 2025-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s25216623 PMID:41228846	研究论文	本研究提出了一种先进的信号分析模型，用于通过冲击回波现场测试数据识别桥面板内部缺陷	将深度学习框架与冲击回波测试相结合，通过CNN模型优化信号参数，显著提高了缺陷检测精度	未明确说明模型在更广泛环境条件下的泛化能力	开发用于桥面板内部缺陷识别的先进信号分析方法	混凝土桥面板的内部缺陷	信号处理	NA	冲击回波现场测试	CNN	冲击回波信号	未明确说明具体样本数量，但提到采集了大量现场数据	NA	卷积神经网络	分类准确率	NA
403	2025-11-17	Microstructure Identification of Additive Manufactured Titanium Alloy by Using Lamb Wave-DenseNet Network 2025-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s25216630 PMID:41228853	研究论文	本研究结合超声波测试和深度学习技术，提出一种用于增材制造钛合金微观结构识别的增强型Lamb波-DenseNet网络	采用改进的DenseNet架构结合激光诱导超声Lamb波测试，实现了对增材制造钛合金不同晶粒微观结构的高精度识别	基于仿真数据集训练模型，实际工程应用中的环境变量可能影响模型性能	优化增材制造钛合金组件的机械可靠性并延长其使用寿命	增材制造钛合金组件的微观结构（细晶、粗晶和混合晶粒结构）	机器学习	NA	激光诱导超声Lamb波测试，COMSOL Multiphysics仿真	DenseNet	时域信号，频域特征	基于三种代表性微观结构模型的综合仿真数据集	NA	增强型Lamb波-DenseNet网络	识别准确率	COMSOL Multiphysics软件(v.6.3)
404	2025-11-17	Generalizable Hybrid Wavelet-Deep Learning Architecture for Robust Arrhythmia Detection in Wearable ECG Monitoring 2025-Oct-26, Sensors (Basel, Switzerland) DOI:10.3390/s25216590 PMID:41228815	研究论文	提出一种结合小波变换和深度学习的混合架构，用于可穿戴ECG监测中的鲁棒性心律失常检测	将时频表示与手工特征相结合，通过特征融合和PCA降维实现高效准确的心律失常分类	仅使用单一数据集进行验证，时频表示在不同数据折叠间存在变异性	开发适用于可穿戴设备的通用性心律失常检测框架	心电图信号	数字病理	心血管疾病	小波变换，特征提取	CNN, Transformer	心电图信号，时频图像	PhysioNet Challenge 2017数据集	PyTorch, TensorFlow	SimpleCNN, ResNet-18, CNNTransformer, Vision Transformer	准确率, F1分数, 精确率, 推理效率	可穿戴设备，移动健康应用，边缘计算
405	2025-11-17	Application of Artificial Intelligence in Predicting Coal Mine Disaster Risks: A Review 2025-Oct-26, Sensors (Basel, Switzerland) DOI:10.3390/s25216586 PMID:41228809	综述	本文综述了人工智能技术在煤矿灾害风险预测中的应用现状与发展前景	系统分析了人工智能在五大煤矿灾害预测中的技术原理与应用效果，并强调了大模型和自主智能体在未来的重要性	未提供具体的实证研究数据，主要基于现有文献分析	探讨人工智能技术在煤矿灾害风险预测中的应用潜力与发展方向	煤矿灾害风险预测系统	机器学习	NA	机器学习，深度学习，大语言模型	NA	多源异构数据	NA	NA	NA	预测准确率，数据整合能力，决策智能化程度	NA
406	2025-11-17	A Hybrid YOLO and Segment Anything Model Pipeline for Multi-Damage Segmentation in UAV Inspection Imagery 2025-Oct-25, Sensors (Basel, Switzerland) DOI:10.3390/s25216568 PMID:41228791	研究论文	提出一种结合YOLO和Segment Anything Model的混合管道，用于无人机检测图像中的多损伤分割	开发了类别特定的混合分割策略，针对线性裂缝使用YOLO原生分割，针对风化痕迹和裸露钢筋使用SAM进行精细化分割	裸露钢筋的分割性能相对较低(IoU仅0.205)，几何复杂缺陷的分割效果仍受提示策略限制	寻找无人机检测图像中多损伤分割的最优深度学习管道	民用基础设施损伤，包括裂缝、风化痕迹和裸露钢筋	计算机视觉	NA	无人机图像采集，深度学习分割	YOLO, SAM	高分辨率图像	NA	SAHI	YOLO11, Segment Anything Model	mAP50, IoU	NA
407	2025-11-17	Deep Learning-Driven Automatic Segmentation of Weeds and Crops in UAV Imagery 2025-Oct-25, Sensors (Basel, Switzerland) DOI:10.3390/s25216576 PMID:41228798	研究论文	本研究提出了一种结合超分辨率重建和语义分割的深度学习框架，用于无人机影像中作物和杂草的自动分割	首次将无人机超分辨率重建与语义分割相结合应用于烟草田，系统评估了Transformer、Mamba和传统CNN模型，并发布了标注数据集	NA	开发精确的作物和杂草分割方法以优化农业管理	烟草田中的作物和杂草	计算机视觉	NA	无人机遥感，超分辨率重建，语义分割	CNN, Transformer, Mamba	无人机影像	NA	NA	RCAN, DPT with DINOv2, Mamba	PSNR, SSIM, mIoU	NA
408	2025-11-17	Normal Hematopoietic Stem Cells in Leukemic Bone Marrow Environment Undergo Morphological Changes Identifiable by Artificial Intelligence 2025-Oct-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262110354 PMID:41226393	研究论文	本研究利用人工智能深度学习技术识别白血病骨髓环境中非白血病造血干细胞发生的形态变化	首次证明非白血病造血干细胞在白血病骨髓环境中会发生AI可识别的形态变化，且这些变化与正常造血干细胞具有显著差异	研究仅使用真性红细胞增多症小鼠模型，尚未在人类患者中验证	探索白血病骨髓环境中非白血病造血干细胞的形态变化及其临床意义	真性红细胞增多症小鼠模型中的造血干细胞和白血病干细胞	数字病理学	白血病	单细胞图像分析	深度学习	单细胞图像	NA	NA	NA	准确率	NA
409	2025-11-17	Radiomics and Deep Learning Interplay for Predicting MGMT Methylation in Glioblastoma: The Crucial Role of Segmentation Quality 2025-Oct-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17213417 PMID:41228211	研究论文	本研究探讨了分割质量对基于多参数磁共振成像预测胶质母细胞瘤MGMT甲基化状态的影响	首次系统评估了分割质量对MGMT状态预测性能的影响，揭示了即使Dice相似系数差异不显著时，手动分割仍能显著提升模型性能	研究仅使用单一公共数据集UPENN-GBM，样本量有限，且未能在所有测试中获得足够可靠的性能来指导临床治疗	评估分割质量对胶质母细胞瘤MGMT甲基化状态预测模型性能的影响	胶质母细胞瘤患者的多参数磁共振影像数据	数字病理	胶质母细胞瘤	多参数磁共振成像	深度学习, 影像组学	医学影像	UPENN-GBM公共数据集	NA	NA	Dice相似系数	NA
410	2025-11-17	A Novel Demographic Indicator Fusion Network (DIFNet) for Dynamic Fusion of EEG and Demographic Indicators for Robust Depression Detection 2025-Oct-24, Sensors (Basel, Switzerland) DOI:10.3390/s25216549 PMID:41228772	研究论文	提出一种新型人口统计指标融合网络DIFNet，通过动态融合EEG信号和人口统计指标来提升抑郁症检测的鲁棒性	首次提出动态融合EEG特征与人口统计指标（年龄、性别、教育年限）的深度学习框架，通过多模块协同实现人口统计信息的深度嵌入	未明确说明模型在其他数据集上的泛化能力及不同人口统计亚组的性能差异	通过融合多模态信息提升抑郁症自动检测的准确性和鲁棒性	重度抑郁症患者的EEG信号和人口统计信息	机器学习	抑郁症	脑电图	CNN, Transformer, TCN	EEG信号，结构化人口统计数据	未明确说明具体样本数量	未明确说明	多尺度卷积模块，Transformer编码器模块，时序卷积网络模块，人口统计指标融合模块	准确率	NA
411	2025-11-17	Artificial Intelligence and Circadian Thresholds for Stress Detection in Dairy Cattle 2025-Oct-24, Sensors (Basel, Switzerland) DOI:10.3390/s25216544 PMID:41228768	研究论文	本研究通过整合昼夜节律分析和深度学习技术开发了奶牛应激检测系统	首次将昼夜节律特征与LSTM神经网络结合用于奶牛应激水平分类，并实现提前1小时的预测能力	研究仅针对10头荷斯坦奶牛进行，样本规模有限	开发基于人工智能的奶牛应激检测方法	泌乳期荷斯坦奶牛	机器学习	NA	Nedap CowControl传感器监测，FFT，STFT	LSTM	行为时间序列数据	10头奶牛连续监测365天，共87,600小时原始数据，3650个牛日分析单元	NA	LSTM	准确率，AUC	NA
412	2025-11-17	Radiomics for Dynamic Lung Cancer Risk Prediction in USPSTF-Ineligible Patients 2025-Oct-23, Cancers IF:4.5Q1 DOI:10.3390/cancers17213406 PMID:41228201	研究论文	开发基于纵向影像组学的肺癌风险预测模型，针对不符合USPSTF筛查标准的患者	首次将时间变化的影像组学建模与深度学习模型Sybil结合，用于不符合传统筛查标准患者的动态肺癌风险预测	样本量相对较小（122例患者），主要基于回顾性数据	提高不符合USPSTF筛查标准患者的肺癌早期检测能力	122例后来确诊为肺癌的患者，包括69%的既往吸烟者和30%的从不吸烟者	数字病理	肺癌	CT扫描，影像组学分析	生存分析模型，深度学习模型	CT影像	122例患者，共622次CT扫描	NA	Sybil	C-index，准确率，敏感性，特异性	NA
413	2025-11-17	Artificial Intelligence for Lymph Node Detection and Malignancy Prediction in Endoscopic Ultrasound: A Multicenter Study 2025-Oct-22, Cancers IF:4.5Q1 DOI:10.3390/cancers17213398 PMID:41228191	研究论文	本研究开发了一种基于YOLO架构的卷积神经网络系统，用于内镜超声图像中淋巴结的检测和良恶性预测	首个评估深度学习系统在内镜超声成像中淋巴结评估性能的研究，结合了检测和分类功能	多中心研究但仍需更大规模验证，未提及模型泛化能力测试	评估基于人工智能的系统在内镜超声图像中预测淋巴结恶性肿瘤的有效性	内镜超声图像中的淋巴结	计算机视觉	肿瘤疾病	内镜超声成像	CNN	图像	82次内镜超声检查的59,992张图像	NA	YOLO	灵敏度,特异性,精确度,阴性预测值,阳性预测值,诊断准确率	NA
414	2025-11-17	Human-Machine Collaborative Learning for Streaming Data-Driven Scenarios 2025-Oct-22, Sensors (Basel, Switzerland) DOI:10.3390/s25216505 PMID:41228729	研究论文	提出一种人机协同学习框架，通过整合人类智能与机器智能处理流数据驱动任务	首次提出人机平等协作模式，将人类决策能力与机器计算能力相结合处理动态流数据	需要一定程度的人工干预，在完全自动化场景下应用受限	开发能够处理训练样本不足和动态变化场景的人机协同学习系统	视频异常检测、行人重识别和声音事件检测任务	机器学习	NA	深度学习	NA	视频、图像、音频流数据	NA	NA	NA	准确率	NA
415	2025-11-16	Detecting Escherichia coli Contamination on Plant Leaf Surfaces Using UV-C Fluorescence Imaging and Deep Learning 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213352 PMID:41225902	研究论文	本研究利用UV-C荧光成像和深度学习技术检测植物叶片表面的大肠杆菌污染	首次将CSI-D+系统与多种深度学习模型结合，用于检测不同浓度的大肠杆菌污染，并采用Eigen-CAM热图可视化模型响应	研究仅针对柑橘和菠菜叶片，样本量有限，未测试其他农产品	开发快速可靠的农产品表面大肠杆菌污染检测方法以增强食品安全	柑橘和菠菜叶片表面的大肠杆菌污染	计算机视觉	食源性疾病	UV-C荧光成像	CNN	荧光图像	8个柑橘叶片和12个菠菜叶片，每个浓度水平10个液滴，共8个污染浓度级别(0-10 CFU/mL)	PyTorch	EfficientNetB7, ConvNeXtBase, YOLO11n, YOLO11s, YOLO11m, YOLO11l, YOLO11x	准确率	NA
416	2025-11-16	MRSliceNet: Multi-Scale Recursive Slice and Context Fusion Network for Instance Segmentation of Leaves from Plant Point Clouds 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213349 PMID:41225899	研究论文	提出MRSliceNet深度学习框架，用于植物点云中的叶片实例分割	受人类视觉认知启发，集成多尺度递归切片模块、上下文融合模块和实例感知聚类头，实现精确的实例分离	NA	解决植物点云中叶片自动分割的挑战，实现自动化植物表型分析	植物叶片点云数据	计算机视觉	NA	LiDAR 3D传感技术	深度学习框架	3D点云	两个具有挑战性的数据集	NA	MRSliceNet, Multi-scale Recursive Slicing Module, Context Fusion Module, Instance-Aware Clustering Head	AP	NA
417	2025-11-16	Deep Learning Network with Illuminant Augmentation for Diabetic Retinopathy Segmentation Using Comprehensive Anatomical Context Integration 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212762 PMID:41226054	研究论文	提出一种结合全面解剖背景整合和光照增强的深度学习网络，用于糖尿病视网膜病变分割	创建首个系统整合DR病变与完整视网膜解剖结构的训练数据集，并采用基于光照的数据增强方法模拟不同相机特性	在不同域数据集上的性能表现存在差异，泛化能力有待进一步提升	解决糖尿病视网膜病变分割中的域偏移和假阳性问题	糖尿病视网膜病变的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习，图像分割	CNN	视网膜图像	IDRiD、DDR和TJDR三个数据集	DeepLabV3+	DeepLabV3+	AUC-PR, IoU, F1-score	NA
418	2025-11-16	Correlation Study Between Neoadjuvant Chemotherapy Response and Long-Term Prognosis in Breast Cancer Based on Deep Learning Models 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212763 PMID:41226055	研究论文	基于深度学习模型研究乳腺癌新辅助化疗反应与长期预后的相关性	开发可解释的深度学习模型整合多变量预测乳腺癌新辅助化疗后复发和转移，超越传统二元评估方法	回顾性研究设计，样本量相对有限（832例患者）	建立精准预测乳腺癌新辅助化疗后长期预后的评估模型	832名接受新辅助化疗的乳腺癌患者	机器学习	乳腺癌	NA	MLP, SVM, Random Forest, XGBoost	临床和病理变量	832例乳腺癌患者（2013-2022年）	PyTorch	多层感知器（MLP）	AUC, 准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
419	2025-11-16	KINLI: Time Series Forecasting for Monitoring Poultry Health in Complex Pen Environments 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213180 PMID:41227514	研究论文	本文研究在复杂禽舍环境中使用时间序列预测技术监测家禽健康的方法	利用真实火鸡养殖场的传感器数据集，研究多种先进预测算法在具有高方差、传感器缺陷和时间戳不可靠的挑战性数据上的表现	数据存在传感器缺陷和时间戳不可靠问题，且仅针对火鸡养殖环境进行研究	开发准确的时间序列预测方法用于家禽健康监测	火鸡养殖场中的传感器数据（包括采食量、饮水量和各种环境参数）	机器学习	NA	传感器数据采集	Transformer, 时间序列基础模型	时间序列传感器数据	真实火鸡养殖场传感器数据集	NA	Transformer	预测准确性, 模型运行效率	NA
420	2025-11-16	EyeInvaS: Lowering Barriers to Public Participation in Invasive Alien Species Monitoring Through Deep Learning 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213181 PMID:41227512	研究论文	开发基于深度学习的EyeInvaS系统，降低公众参与外来入侵物种监测的门槛	建立了中国54种关键外来入侵物种的多类群图像数据集，开发了集成图像采集、识别、地理标记和数据共享的AI系统	NA	通过深度学习技术降低公众参与外来入侵物种监测的专业门槛	中国54种关键外来入侵物种	计算机视觉	NA	深度学习	CNN	图像	1683个用户提交的监测数据	NA	EfficientNetV2	F1-score	NA