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
461	2025-12-15	A Study on the Grip Force of Ski Gloves with Feature Data Fusion Based on GWO-BPNN Deep Learning 2025-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s25237154 PMID:41374529	研究论文	本研究通过融合特征数据，利用GWO-BPNN深度学习模型预测滑雪手套在抓握滑雪杖时的握力分布	提出了一种结合深度神经网络与灰狼优化算法的混合方法，用于融合手部特征数据并优化握力预测模型，提高了柔性传感器应用的准确性	未明确提及模型在更广泛手部姿势或不同滑雪条件下的泛化能力，且样本数据可能受实验设置限制	研究滑雪时抓握滑雪杖的特征压力分布模式，开发高精度握力预测模型	滑雪手套在抓握滑雪杖时的握力数据	机器学习	NA	多点柔性阵列传感器检测、深度学习训练	BP神经网络, DNN	传感器数据（力数据）	NA	NA	BP神经网络, DNN	相对误差	NA
462	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
463	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
464	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
465	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
466	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
467	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
468	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
469	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
470	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
471	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
472	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
473	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
474	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
475	2025-12-14	Development and validation of a multimodal radiomics-serum biomarker model for diagnosing solid pulmonary nodules via machine learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1214 PMID:41376905	研究论文	本研究开发了一种结合CT影像组学特征和血清生物标志物的多模态机器学习模型，用于诊断实性肺结节	首次将传统影像组学分析方法与三维深度学习技术相结合，并整合血清生物标志物，构建了多模态诊断模型	回顾性研究设计，可能存在选择偏倚；样本量相对有限	开发一种高精度的多模态诊断模型，以区分良恶性实性肺结节	实性肺结节患者	数字病理	肺癌	CT扫描，血清生物标志物检测	深度学习，机器学习	图像，生物标志物数据	638个肺结节（来自633名患者）	NA	三维深度学习模型	AUC，准确率，阳性预测值，阴性预测值，决策曲线分析，校准曲线	NA
476	2025-12-14	A computed tomography-based deep learning radiomics for predicting the response to neoadjuvant chemotherapy combined with immunotherapy in patients with locally advanced esophageal cancer: a multicenter cohort study 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1208 PMID:41376959	研究论文	本研究开发了一种基于CT的深度学习放射组学列线图，用于预测局部晚期食管癌患者对新辅助化疗联合免疫治疗的反应	结合放射组学特征和深度学习特征构建集成模型，并首次用于预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的主要病理缓解	样本量较小（共60例患者），且为回顾性多中心研究，可能存在选择偏倚	预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的反应，以指导个性化治疗	局部晚期食管鳞状细胞癌患者	数字病理学	食管癌	计算机断层扫描（CT）	深度学习, 机器学习	CT图像	60例患者（训练集42例，测试集18例）	PyTorch, Scikit-learn	ResNet101	AUC	NA
477	2025-12-14	Performance evaluation of deep learning-based osteoporosis diagnostic models with conventional chest X-ray in a clinical cohort 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1077 PMID:41376999	研究论文	本研究开发并评估了一种基于深度学习的骨质疏松诊断模型PROS® CXR: OSTEO，该模型利用常规胸部X光片预测骨质疏松，旨在解决双能X线吸收测定法（DXA）在初级保健中可及性有限的问题	首次开发了基于卷积神经网络和迁移学习的深度学习模型，能够从常规胸部X光片中预测骨质疏松，为骨质疏松筛查提供了一种低成本、机会性的替代方法	研究样本量较小（仅80名成人患者），且假阳性在男性中更常见，特异性有待提高，临床实施前需要进一步优化以减少假阳性	评估基于深度学习的骨质疏松诊断模型在临床队列中的性能，以促进骨质疏松的早期筛查	80名在3个月内同时接受DXA和胸部X光检查的成年患者	数字病理学	骨质疏松症	双能X线吸收测定法（DXA），胸部X光摄影	CNN	图像	80名成人患者	NA	卷积神经网络	AUC, 敏感性, 特异性	NA
478	2025-12-14	Prediction of EGFR mutation status and mutation sites in lung cancer based on radiomics and deep learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-567 PMID:41377006	研究论文	本研究开发并验证了一种基于影像组学和深度学习的非侵入性预测模型，用于识别非小细胞肺癌患者的EGFR突变状态及其亚型	整合了影像组学、深度学习和临床数据，构建了联合模型，显著提升了EGFR突变状态和突变位点的预测性能	研究为回顾性分析，可能存在选择偏倚；模型性能需在更大规模、前瞻性队列中进一步验证	开发非侵入性方法，准确预测非小细胞肺癌患者的EGFR突变状态和突变亚型，以指导治疗策略	非小细胞肺癌患者	数字病理学	肺癌	CT成像	SVM, LR, CNN	CT图像	557名接受EGFR基因分型的非小细胞肺癌患者	NA	ResNet-18, DenseNet-121	AUC, 准确率	NA
479	2025-12-14	Convolutional Neural Networks for Estimation of Uniaxial Tensile Test Equivalent Properties from Small Punch Test 2025-Nov-22, Materials (Basel, Switzerland) DOI:10.3390/ma18235276 PMID:41374120	研究论文	本研究利用卷积神经网络从小冲杆试验数据预测单轴拉伸试验等效性能	首次将卷积神经网络应用于小冲杆试验与单轴拉伸试验之间的曲线到曲线预测，以减小系统偏差	研究仅针对三种锅炉钢材料，未验证其他材料类型的适用性	开发基于深度学习的方法，从小冲杆试验数据准确估计单轴拉伸试验等效性能	三种锅炉钢（10H2M、13HMF和15HM）在新状态和使用退化状态下的材料	机器学习	NA	小冲杆试验、单轴拉伸试验	CNN	曲线数据	三种锅炉钢材料在两种状态下的配对SPT和UTT实验数据库	NA	卷积神经网络	NA	NA
480	2025-12-14	buzzdetect: an open-source deep learning tool for automated bioacoustic pollinator monitoring 2025-Nov-07, Journal of insect science (Online) DOI:10.1093/jisesa/ieaf104 PMID:41369586	研究论文	本文介绍了一种名为“buzzdetect”的开源深度学习工具，用于通过音频数据进行生物声学传粉者自动监测	开发了首个开源深度学习工具“buzzdetect”，专门用于传粉者的被动声学监测，能够从环境噪声中区分昆虫飞行嗡嗡声	模型在检测昆虫飞行嗡嗡声时的灵敏度仅为28%，可能影响对低强度活动的捕捉能力	开发并测试一个自动化工具，以支持生态学中传粉者的大规模、长期监测研究	传粉昆虫（通过其飞行嗡嗡声进行监测）	机器学习	NA	被动声学监测	深度学习模型	音频数据	来自4种作物和1种野花的录音数据	NA	NA	灵敏度, 精确度	NA