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
441	2025-12-15	Improving Visible Light Positioning Accuracy Using Particle Swarm Optimization (PSO) for Deep Learning Hyperparameter Updating in Received Signal Strength (RSS)-Based Convolutional Neural Network (CNN) 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237256 PMID:41374631	研究论文	本研究提出了一种结合接收信号强度（RSS）预处理、卷积神经网络（CNN）和粒子群优化（PSO）的可见光定位系统，用于自动超参数调优，以提高室内定位精度	将粒子群优化算法用于CNN超参数自动调优，并与RSS信号预处理结合，显著提升了可见光定位系统的精度和鲁棒性	概念验证实验仅在三个特定高度层平面进行，未在更复杂或动态环境中全面验证	提高室内可见光定位系统的定位精度和模型鲁棒性	基于接收信号强度的可见光定位系统	机器学习	NA	可见光定位，接收信号强度测量	CNN, ANN, LR	信号强度数据	三个不同高度层平面（200、225、250厘米）的定位数据	NA	NA	平均定位误差	NA
442	2025-12-15	Traditional Machine Learning Outperforms EEGNet for Consumer-Grade EEG Emotion Recognition: A Comprehensive Evaluation with Cross-Dataset Validation 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237262 PMID:41374637	研究论文	本文通过系统比较传统机器学习与EEGNet在消费级EEG情绪识别中的性能，发现传统机器学习在准确性和稳定性方面优于深度学习模型	首次在消费级EEG情绪识别中全面评估传统机器学习与EEGNet的性能，并引入跨数据集验证和渐进式域适应框架	研究主要针对EEGNet架构，未涵盖其他复杂深度学习模型；实验基于特定数据集（DREAMER和SEED-VII），可能限制结论的普适性	评估传统机器学习与深度学习在消费级EEG情绪识别中的性能差异，并探索跨系统部署的可行性	消费级EEG设备采集的脑电信号，用于情绪识别任务	机器学习	NA	EEG信号采集与处理	随机森林, EEGNet	EEG信号	DREAMER数据集（23名受试者，Emotiv EPOC 14通道设备），跨数据集验证使用SEED-VII	Scikit-learn, TensorFlow或PyTorch（未明确指定，但提及深度学习架构）	EEGNet	F1分数, Cohen's d效应量, 训练时间, 推理速度, 稳定性（CV）	未明确指定，但提及传统机器学习具有更高的计算效率（训练快95%，推理快10倍）
443	2025-12-15	Decoding Coherent Patterns from Arrayed Waveguides for Free-Space Optical Angle-of-Arrival Estimation 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237231 PMID:41374606	研究论文	本文提出了一种基于阵列波导相干模式解码的新型自由空间光学到达角估计方法	创新性地将阵列波导相干模式解码与CNN-Attention回归器结合，用于解码光信号的空间角度信息，实现了集成光子学与深度学习的协同	NA	开发一种超越传统到达角检测技术局限性的新型光学到达角估计方法，实现小型化、低复杂度和高可靠性	自由空间光学信号	机器视觉	NA	阵列波导相干模式解码	CNN-Attention Regressor	强度序列（光信号）	NA	NA	CNN-Attention	平均绝对误差, 均方根误差	NA
444	2025-12-15	Rectus Femoris and Gastrocnemius EMG Driven Cheonjiin Speller for Korean Text Input 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237243 PMID:41374617	研究论文	本研究开发了一种基于表面肌电信号的Cheonjiin拼写系统，用于帮助手部活动受限的用户进行韩语文本输入	提出了一种结合方向控制框架和韩语键盘布局的轻量级sEMG接口，无需深度学习模型，仅使用低计算复杂度的时间域特征实现高精度实时识别	未提及系统在更广泛用户群体或更复杂环境下的测试，也未讨论长期使用的疲劳效应	为运动障碍用户开发一种高效、可访问的辅助文本输入系统	手部活动受限的个体	人机交互	运动障碍	表面肌电信号采集	NA	肌电信号	未明确说明	Python 3.10.8	NA	识别准确率, 信息传输率	未明确说明
445	2025-12-15	Digital Pathology with AI for Cervical Biopsies: Diagnostic Accuracy at the CIN2+ Threshold 2025-Nov-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17233808 PMID:41375009	研究论文	本研究评估了一种名为EagleEye的深度学习系统在宫颈活检H&E全切片图像上检测CIN2+病变的诊断准确性，并与病理学家及AI辅助工作流程进行了比较	开发并评估了用于宫颈活检数字病理的深度学习系统，在CIN2+阈值上实现了高灵敏度，并展示了AI辅助工作流程在识别额外相关病变方面的价值，特别是在CIN1/CIN2边界附近	单中心研究，样本量有限（99例），且为回顾性存档样本，可能影响结果的普适性	评估深度学习系统在宫颈活检组织病理学分级中检测CIN2+病变的诊断性能，并探索AI辅助工作流程的效用	存档的宫颈穿刺活检样本（包括正常、CIN1、CIN2、CIN3和ACIS）及其对应的H&E染色全切片图像	数字病理	宫颈癌	苏木精-伊红（H&E）染色，p16免疫组化染色	深度学习系统（具体架构未明确说明，推测为CNN类）	全切片图像（WSI）	99例存档宫颈穿刺活检样本（正常19例，CIN1 20例，CIN2 20例，CIN3 20例，ACIS 20例）	NA	EagleEye（具体架构未明确说明）	Cohen's κ，灵敏度，特异性	NA
446	2025-12-15	SPOT-Cardio: Integrated Application for AI-Powered Automated Myocardial Scar Quantification on Joint Bright- and Black-Blood Late Gadolinium Enhancement MRI Images 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238428 PMID:41375730	研究论文	本文介绍了SPOT-Cardio，一个基于AI的自动化工具箱，用于在联合亮血和黑血晚期钆增强MRI图像上量化心肌瘢痕	开发了SPOT-Cardio工具箱，整合了SPOT成像技术与深度学习模型，实现了心脏结构和心肌瘢痕的自动分割与定量分析	未明确提及样本量或模型性能的具体局限性	开发自动化解决方案以简化心脏磁共振后处理，实现快速、一致的心脏结构和心肌病理定量评估	心脏磁共振图像，特别是联合亮血和黑血晚期钆增强图像	数字病理学	心血管疾病	晚期钆增强MRI，SPOT成像技术	深度学习模型	图像	NA	NA	2D U-Net, MedFormer	NA	NA
447	2025-12-15	Neural Networks for Estimating Attitude, Line of Sight, and GNSS Ambiguity Through Onboard Sensor Fusion 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237212 PMID:41374587	研究论文	本文提出了一种基于深度学习的传感器融合框架，用于估计姿态、视线和GNSS载波相位模糊度，通过融合机载传感器和遥感信息，提升导航系统在动态和不确定条件下的性能	开发了两个神经网络估计器，分别针对GNSS载波相位模糊度和体坐标系中的重力向量重建，这些学习型估计器能够捕获传感器测量与物理状态之间的非线性关系，在退化条件下提高泛化能力	研究在六自由度仿真环境中进行验证，虽然包括完整的空气动力学建模，但可能未完全覆盖所有实际场景或传感器噪声变化	研究基于深度学习的传感器融合方法，以提升制导、导航与控制（GNC）系统在高度动态和不确定条件下的性能	制导火箭的姿态、视线和GNSS载波相位模糊度估计	机器学习	NA	传感器融合（GNSS、IMU、半主动激光）、深度学习	神经网络	传感器测量数据（GNSS、IMU、SAL）、遥感信息	NA	NA	NA	估计精度、制导精度、延迟	NA
448	2025-12-15	Study on Multi-Station Identification Technology of Lightning Electromagnetic Pulses (LEMPs) Based on Deep Learning 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237217 PMID:41374591	研究论文	本研究提出了一种基于深度学习的多站闪电电磁脉冲识别技术，通过集成卷积神经网络模型，显著提高了闪电电磁脉冲的识别准确率	开发了一种结合卷积神经网络的多站闪电电磁脉冲识别模型，相比传统单站方法，在准确性和鲁棒性上均有显著提升，并能有效挖掘数据中的复杂隐藏特征	NA	提高闪电电磁脉冲的准确识别与分类能力，以应对闪电对现代电子系统和人类活动的威胁	闪电电磁脉冲信号	机器学习	NA	闪电定位系统	CNN	电磁信号	NA	NA	卷积神经网络	准确率	NA
449	2025-12-15	Multi-State Recognition of Electro-Hydraulic Servo Fatigue Testers via Spatiotemporal Fusion and Bidirectional Cross-Attention 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237229 PMID:41374604	研究论文	本文提出了一种基于时空特征融合和双向交叉注意力的多状态识别方法，用于电液伺服疲劳试验机的在线健康监测	结合了双向时间卷积网络、双向门控循环单元和双向交叉注意力机制，实现了时空特征的细粒度双向交互与融合，并引入GradNorm动态平衡多任务权重	NA	解决电液伺服疲劳试验机在高频、高负载、长时间循环运行中多部件并发退化与故障的在线健康监测挑战	电液伺服疲劳试验机及其组件（如冷却器、伺服阀、电机泵单元、伺服执行器）	机器学习	NA	多传感器数据采集	BiTCN, BiGRU, 注意力机制	时间序列传感器数据	来自SDZ0100电液伺服疲劳试验机的真实多传感器数据集	NA	双向时间卷积网络, 双向门控循环单元, 双向交叉注意力	准确率, F1分数	NA
450	2025-12-15	Self-Attention-Based Deep Learning for Missing Sensor Data Imputation in Real-Time Probe Card Monitoring 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237194 PMID:41374569	研究论文	本研究应用并评估了一种基于自注意力的深度学习模型，用于在半导体探针卡实时监测中重建传感器缺失数据	采用自注意力机制的时间序列插补模型，在广泛数据丢失场景下相比传统方法平均绝对误差提升66%，且训练速度比基于循环神经网络的对比方法快20倍以上	未明确说明模型在极端噪声或非平稳时间序列环境下的鲁棒性	解决工业监测中因传感器故障导致的实时数据缺失问题，确保数据完整性以支持异常检测和预测性维护	半导体探针卡的工业传感器网络数据，包括加速度计和麦克风信号	机器学习	NA	NA	自注意力模型, 双向循环神经网络	时间序列传感器数据	NA	NA	Self-Attention-based Imputation for Time Series, Bidirectional Recurrent Imputation for Time Series	平均绝对误差, 时域和频域指标	NA
451	2025-12-15	Research on Deep Learning-Based Human-Robot Static/Dynamic Gesture-Driven Control Framework 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237203 PMID:41374578	研究论文	本文提出了一种基于深度学习的静态/动态手势驱动控制框架，用于人机交互中的物体抓取和递送任务	结合2D-CNN进行静态手势识别和3D-CNN+LSTM混合架构进行动态手势识别，并集成MediaPipe框架进行手部姿态估计，实现基于自然手势的鲁棒机器人控制	实验仅涉及4名参与者和100次试验，样本规模较小，且仅在三种光照条件下测试，可能未覆盖所有实际应用场景	开发一种基于深度学习的手势驱动控制框架，以增强人机协作的交互能力	人机交互中的手势识别与机器人控制任务	计算机视觉	NA	深度学习，手部姿态估计	CNN, LSTM	图像，视频	4名参与者，每人进行100次试验，涵盖自然光、低光和强光三种条件	MediaPipe	2D-CNN, 3D-CNN+LSTM	准确率，任务成功率，任务完成时间	NA
452	2025-12-15	Advances in Artificial Intelligence for Glioblastoma Radiotherapy Planning and Treatment 2025-Nov-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17233762 PMID:41374965	综述	本文综述了人工智能，特别是深度学习，在胶质母细胞瘤放疗规划与治疗中的最新进展，包括自动分割、剂量映射和生物信息引导的放疗规划	探索了基于多模态成像和数学建模的生物信息引导放疗规划，以及影像基因组学整合实现高精度生物标志物成像分类，强化了深度学习在个性化放疗中的潜力	部署到临床实践仍有限，主要由于外部验证不足和单机构训练数据集	探讨人工智能如何改善胶质母细胞瘤放疗的一致性、准确性和效率，并推动其向临床转化	胶质母细胞瘤的放疗规划与治疗过程	数字病理学	胶质母细胞瘤	多模态成像, 数学建模, 影像基因组学	深度学习	影像数据	NA	NA	NA	DSC	NA
453	2025-12-15	Detection of Hatching Information of Meat Duck Eggs Based on Deep Learning 2025-Nov-25, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15233400 PMID:41375459	研究论文	本文提出了一种基于深度学习的方法，用于检测肉鸭蛋的孵化信息	首次将深度学习技术应用于肉鸭蛋孵化信息的自动化检测，提高了检测效率和准确性	未提及模型在多样化孵化条件下的泛化能力，且样本来源可能有限	开发一种自动化系统以准确识别肉鸭蛋的孵化状态，优化孵化过程管理	肉鸭蛋及其孵化过程中的相关图像数据	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
454	2025-12-15	Building and Prospectively Evaluating a Prediction Model to Forecast Urgent Dialysis Needs across Four Tertiary Hospitals 2025-Nov-24, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549256 PMID:41284586	研究论文	本研究开发并前瞻性评估了预测四家三级医院紧急透析需求的模型	结合统计、机器学习和深度学习模型，并在多中心、长周期（6年）数据上进行前瞻性验证，以预测未来7天的透析需求	模型仅在四家医院进行测试，可能无法泛化到其他医疗机构；未详细讨论模型在不同季节或疫情等特殊情况下的表现	预测医院紧急透析需求，以优化护理人员调度并提高资源利用效率	四家三级医院的紧急透析需求数据	机器学习	肾病	时间序列分析，深度学习	ARIMA, 时间卷积网络	时间序列数据	回顾性数据（2018年4月1日至2023年3月31日）和前瞻性数据（2023年11月1日至30日，2024年5月31日至6月27日）来自四家医院	NA	ARIMA, 时间卷积网络	平均绝对误差	NA
455	2025-12-15	Advancements in Animal Breeding: From Mendelian Genetics to Machine Learning 2025-Nov-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311352 PMID:41373512	综述	本文综述了动物育种从表型观察到基因组与机器学习技术整合的深刻变革历程	强调了机器学习与人工智能在基因组预测中的应用，特别是深度学习模型在预测准确性上的提升，以及多组学策略在疾病管理中的整合	NA	探索动物育种技术的演进及其对提高家畜生产力、健康与福利的影响	家畜育种，包括牛奶与肉类生产以及疾病管理	机器学习	NA	基因组预测（如GEBV、GBLUP）、QTL定位、多组学策略	深度学习模型	基因组数据、表型数据	NA	NA	NA	相关性（平均相关性高达0.643）	NA
456	2025-12-15	A ResNet-50-UNet Hybrid with Whale Optimization Algorithm for Accurate Liver Tumor Segmentation 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232975 PMID:41374356	研究论文	提出一种结合ResNet-50、U-Net和鲸鱼优化算法的混合模型，用于精确分割肝脏肿瘤	将鲸鱼优化算法（WOA）用于优化LiTS-Res-UNet的超参数，以提高分割性能	NA	提高肝脏肿瘤分割的准确性，以辅助肝癌的诊断和治疗规划	肝脏和肝脏肿瘤	计算机视觉	肝癌	NA	CNN	3D医学图像	NA	NA	ResNet-50, U-Net, LiTS-Res-UNet	准确率, Dice系数, Jaccard指数	NA
457	2025-12-15	DuXplore: A Dual-Hierarchical Deep Learning Model for Prognostic Prediction of Hepatocellular Carcinoma in Digital Pathology 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232981 PMID:41374364	研究论文	提出一种名为DuXplore的双分支深度学习框架，通过整合组织结构和细胞形态学特征，用于肝细胞癌的预后预测	结合宏观组织架构编码与微观细胞形态采样，实现结构感知的预后建模，并提供模型无关的可解释性分析	仅在肝细胞癌的WSI数据上验证，需要更多多中心、多组学研究来优化采样尺度并提升临床转化	开发一种深度学习模型以预测肝细胞癌患者的预后	肝细胞癌患者的全切片图像	数字病理学	肝细胞癌	数字病理学图像分析	深度学习	图像	公共TCGA数据集和临床中心EHBH队列	NA	双分支网络, 多层感知器	C-index, log-rank检验	NA
458	2025-12-15	A Novel Deep Learning Framework for Liver Fibrosis Staging and Etiology Diagnosis Using Integrated Liver-Spleen Elastography 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232986 PMID:41374368	研究论文	本研究提出了一种基于肝脏和脾脏二维剪切波弹性成像的深度学习框架，用于无创性肝纤维化分期和病因诊断	首次将肝脏和脾脏的二维剪切波弹性成像与迁移学习相结合，构建了用于肝纤维化分期和病因诊断的集成模型，性能显著优于传统方法	研究为回顾性分析，样本量有限（198例），需要进一步的外部验证	评估基于肝脏和脾脏二维剪切波弹性成像的影像组学模型在肝纤维化分期和病因鉴别中的性能	经活检证实的肝纤维化患者	数字病理学	肝纤维化	二维剪切波弹性成像，影像组学特征提取	机器学习，迁移学习	图像（肝脏和脾脏的灰度及弹性成像图像）	198例患者	NA	NA	AUC	NA
459	2025-12-15	Combining Fixed-Weight ArcFace Loss and Vision Transformer for Facial Expression Recognition 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237166 PMID:41374541	研究论文	本文提出了一种结合固定权重ArcFace损失和Vision Transformer的面部表情识别方法，旨在提升识别准确性和计算效率	引入权重约束的ArcFace损失函数，并将其集成到Vision Transformer框架中，以缓解数据分布不平衡引起的隐式偏差并减少计算开销	NA	提升面部表情识别的性能，特别是在处理类内表达变化大和数据不平衡问题时	面部表情图像	计算机视觉	NA	深度学习	Vision Transformer	图像	RAF-DB和FER2013数据集	PyTorch, TensorFlow	Vision Transformer	识别准确率, 计算效率	NA
460	2025-12-15	Deep Learning Meets InSAR for Infrastructure Monitoring: A Systematic Review of Models, Applications, and Challenges 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237169 PMID:41374544	综述	本文系统综述了深度学习模型在利用InSAR数据进行基础设施监测中的应用、模型架构、挑战及未来趋势	首次系统性地综合分析了2020年至2025年间67篇同行评审文章，全面梳理了深度学习在InSAR基础设施监测中的具体应用、模型整合方式及方法论挑战	现有研究对预处理任务探索有限，且缺乏标准基准数据集，数据稀疏性和低相干性仍是主要挑战	旨在系统回顾深度学习模型如何应用于基于InSAR数据的基础设施监测，并识别当前挑战与未来研究方向	专注于使用InSAR数据进行监测的民用基础设施，特别是城市和线性基础设施	机器学习和计算机视觉	NA	干涉合成孔径雷达（InSAR）	LSTM, CNN, Transformer, 混合模型	InSAR数据（雷达图像）	基于67篇同行评审文章的分析	NA	LSTM, CNN, Transformer, 混合架构	NA	NA