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
1321	2025-12-15	Molecular-Level Identification of Liquor Vintage via an Intelligent Electronic Tongue Integrated with a One-Dimensional Convolutional Neural Network 2025-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s25237350 PMID:41374725	研究论文	本研究开发了一种集成一维卷积神经网络的智能电子舌系统，用于快速、准确地识别白酒的陈酿年份	首次将一维卷积神经网络与自制的多电极电化学传感电子舌系统结合，用于白酒年份识别，并实现了迄今为止基于电子舌的最高预测准确率	研究仅针对连续五年、每年间隔一年的特定白酒年份进行识别，未涵盖更广泛或非连续年份范围，且系统在真实市场大规模应用中的鲁棒性有待进一步验证	开发一种客观、可重复、高通量的方法来替代传统主观感官评价，以实现白酒陈酿年份的准确识别，应用于产品真伪鉴别和市场价值优化	以特定间隔年份（一年间隔）生产的连续五个年份的白酒	机器学习	NA	电化学传感， MEMS温度传感	SVM, Random Forest, 1D-CNN	电化学传感器信号数据	涉及五个连续年份的白酒样本（具体样本数量未在摘要中明确）	NA	一维卷积神经网络	准确率	NA
1322	2025-12-15	A Review of Pedestrian Trajectory Prediction Methods Based on Deep Learning Technology 2025-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s25237360 PMID:41374735	综述	本文系统回顾并批判性分析了基于深度学习的行人轨迹预测方法，涵盖了RNN、GAN、GCN和Transformer等关键模型家族	引入了比较分析框架，在标准化标准下评估各方法的优缺点，并提供了数据集和评估指标的全面分类，突出了现有实践和新兴趋势	NA	回顾和批判性分析基于深度学习的行人轨迹预测方法，以指导未来研究发展	行人轨迹预测方法	计算机视觉	NA	深度学习	RNN, GAN, GCN, Transformer	轨迹数据	NA	NA	NA	NA	NA
1323	2025-12-15	Development and Validation of a CNN-Based Diagnostic Pipeline for the Diagnosis of Otitis Media 2025-Dec-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238572 PMID:41375875	研究论文	本研究开发并验证了一个基于CNN的多步骤AI诊断流程，用于自动将鼓膜图像分类为四种中耳炎类别	提出一个包含图像质量评估、鼓膜分割、左右侧分类和疾病分类的四阶段CNN诊断流程，并整合了MambaOut、CaraNet、EfficientNet和ConvNeXt等多种深度学习模型	研究基于回顾性收集的有限数据集（2964张图像），未在更广泛或前瞻性临床环境中进行验证	开发一个自动化的AI诊断流程，以支持中耳炎的准确分类，特别是在非专科医生和基层医疗环境中	鼓膜耳镜图像	计算机视觉	中耳炎	耳镜成像	CNN	图像	2964张耳镜图像	NA	MambaOut, CaraNet, EfficientNet, ConvNeXt	准确率, F1分数	NA
1324	2025-12-15	A Comprehensive Review Comparing Artificial Intelligence and Clinical Diagnostic Approaches for Dry Eye Disease 2025-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233071 PMID:41374451	综述	本文系统综述了人工智能在干眼病诊断中的应用，并比较了AI模型与临床诊断方法的性能	首次系统性地比较了多种AI模型与临床诊断方法在干眼病诊断中的表现，并基于PRISMA指南进行了全面的文献分析	纳入研究多为2020-2025年间，缺乏外部验证，且未充分解决专家间诊断差异性问题	评估人工智能在眼科干眼病诊断中的应用效果，并与临床诊断方法进行比较	干眼病诊断研究	数字病理学	干眼病	多种眼科成像技术	深度学习模型	医学图像	基于30篇原始同行评审文章的系统综述	NA	U-Net, ResNet, DenseNet, GANs, Transformer	准确率	NA
1325	2025-12-15	An Improved Lightweight Model for Protected Wildlife Detection in Camera Trap Images 2025-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s25237331 PMID:41374705	研究论文	本文提出了一种改进的轻量级模型YOLO11-APS，用于相机陷阱图像中的受保护野生动物检测	通过集成自注意力与卷积模块、部分卷积模块和SlimNeck范式，增强了YOLO11n模型，在复杂条件下强化了特征提取并降低了计算成本	未明确提及模型在极端环境或更多物种上的泛化能力限制	开发一种高效、轻量化的深度学习模型，用于受保护野生动物的自动监测	相机陷阱图像中的受保护野生动物	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLO11n, YOLO11-APS	精确率, 召回率, mAP@0.5, mAP@0.5:0.95	NA
1326	2025-12-15	Cross-Temporal Egg Variety and Storage Period Classifications via Multi-Task Deep Learning with Near-Infrared Hyperspectral Imaging 2025-Dec-02, Foods (Basel, Switzerland) DOI:10.3390/foods14234140 PMID:41376076	研究论文	本研究提出了一种多任务深度学习框架，利用近红外高光谱成像技术，实现对鸡蛋品种和储存期的跨时间无损分类	提出了集成CNN、SE通道注意力和Transformer编码器的多任务跨时间挤压与激励网络（MT-CTSE-Net），通过任务间特征共享来缓解储存引起的光谱漂移，提升模型在真实世界质量监测中的泛化能力	NA	开发一种非破坏性、跨时间的检测方法，用于鸡蛋品种识别和储存期分类，以支持农产品供应链中的质量评估与监测	三种商业鸡蛋品种（恩施富硒蛋、木兰湖杂粮蛋、正大叶黄素蛋）的近红外高光谱数据	计算机视觉	NA	近红外高光谱成像	CNN, Transformer	光谱数据	NA	NA	MT-CTSE-Net (集成CNN, SE, Transformer)	准确率, F1分数	NA
1327	2025-12-15	Browser-Based Multi-Cancer Classification Framework Using Depthwise Separable Convolutions for Precision Diagnostics 2025-Dec-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233066 PMID:41374447	研究论文	本文提出了一种基于浏览器的多癌种分类框架，利用深度可分离卷积进行实时、客户端推理，无需外部服务器或专用GPU	首个完全可部署于浏览器、保护隐私的多癌种诊断深度学习框架，实现了无需基础设施开销的高精度AI	未明确提及模型在低性能设备上的具体性能表现或跨浏览器兼容性测试细节	开发一种无需高性能硬件、服务器依赖且保护数据隐私的癌症早期精准诊断工具	涵盖26种癌症类型的组织病理学和细胞学图像	数字病理学	多癌种	组织病理学成像、细胞学成像	CNN	图像	超过130,000张图像	TensorFlow.js	Xception, VGG16, ResNet50, EfficientNet-B0, Vision Transformer	Top-1准确率, Top-5准确率	浏览器端推理，无需专用GPU或外部服务器
1328	2025-12-15	Advanced Signal Processing Methods for Partial Discharge Analysis: A Review 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237318 PMID:41374693	综述	本文全面综述了用于局部放电分析的高级信号处理方法	系统比较了不同方法，强调了它们在处理非平稳和含噪PD信号中的演变与互补作用	当前研究缺乏标准化、可解释且可嵌入的AI解决方案用于实时细粒度PD分类	回顾局部放电分析中的高级信号处理方法	局部放电信号	信号处理	NA	时间频率技术、小波变换、希尔伯特-黄变换、基于人工智能的方法	NA	信号	NA	NA	NA	NA	NA
1329	2025-12-13	Letter to editor "A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocellular carcinoma patients: a tumor marker prognostic study" 2025-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003203 PMID:41382402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1330	2025-12-14	Fast operating room scattered radiation calculation in x-ray guided interventions by using deep learning 2025-Dec-12, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae268e PMID:41330002	研究论文	本研究提出了一种结合蒙特卡洛模拟与深度学习的方法，用于实时估计X射线引导手术中手术室内的三维散射辐射	首次将蒙特卡洛模拟与深度学习相结合，实现手术室内三维散射辐射的实时快速计算，并能适应不同的临床场景	未提及具体临床验证规模及长期稳定性数据	提高X射线引导手术中医护人员免受散射电离辐射危害的安全性	手术室内的散射辐射分布	医学影像分析	NA	蒙特卡洛模拟，X射线成像	深度学习神经网络	模拟辐射图，患者形态数据，成像参数	未明确说明	未明确说明	未明确说明	平均绝对百分比误差，器官剂量误差	NVIDIA RTX 2080 GPU
1331	2025-12-14	Comprehensive review of machine learning and deep learning techniques for epileptic seizure detection and prediction based on neuroimaging modalities 2025-Dec-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00208-8 PMID:41372680	综述	本文全面回顾了基于神经影像模态的癫痫发作检测和预测的机器学习和深度学习技术	系统性地分类了从传统信号处理到先进机器学习及深度学习算法的技术演变，并分析了关键研究趋势与挑战	NA	为癫痫发作检测和预测提供技术综述，以改进临床治疗和患者护理	脑电信号，包括头皮脑电图（EEG）和颅内脑电图	机器学习	癫痫	脑电图（EEG），神经影像模态	支持向量机，随机森林，卷积神经网络，循环神经网络，Transformer，图神经网络，混合架构	信号	NA	NA	NA	NA	NA
1332	2025-12-14	The Application of Deep Learning Human Pose Estimation in Sport: A Systematic Review 2025-Dec-10, Sports medicine - open DOI:10.1186/s40798-025-00953-3 PMID:41369858	综述	本文首次从体育科学视角，系统回顾了基于深度学习的人体姿态估计在体育领域的应用现状、数据集特点、算法方法及面临的挑战	首次从体育科学视角对基于深度学习的人体姿态估计进行系统性评估，并提出了针对未来研究和应用的实际指导建议	大多数研究依赖私有数据集进行算法训练和验证，限制了研究的可重复性和泛化能力；缺乏开放数据集和标准化实践	系统评估基于深度学习的人体姿态估计在体育领域的应用，分析其数据集可用性、方法可重复性及人为因素的影响	体育运动中的人体姿态估计相关研究	计算机视觉	NA	深度学习	深度学习模型	2D和3D视觉数据	371篇相关文章	NA	NA	NA	NA
1333	2025-12-14	Transformer-based deep learning enhances discovery in migraine GWAS 2025-Dec-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65991-7 PMID:41372126	研究论文	本研究开发了一种基于Transformer的深度学习模型InsightGWAS，通过整合功能注释并利用来自重度抑郁症GWAS数据的迁移学习，增强了偏头痛的遗传发现	首次将Transformer模型应用于GWAS数据，结合功能注释和跨疾病迁移学习，显著提高了偏头痛相关基因座的发现能力	模型依赖于现有GWAS数据集和功能注释的完整性，可能受限于数据质量和样本代表性	增强偏头痛的遗传发现，揭示新的遗传位点和相关生物学通路	偏头痛患者与对照组的GWAS数据	机器学习	偏头痛	GWAS, 迁移学习	Transformer	基因组关联数据	53,109例病例和230,876例对照	NA	Transformer	验证位点准确性	NA
1334	2025-12-14	Gradient-based optimization of complex nanoparticle heterostructures enabled by deep learning on heterogeneous graphs 2025-Dec-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00917-3 PMID:41361025	研究论文	本文利用深度学习优化核壳结构上转换纳米粒子的非线性光学性质	采用异构图神经网络结合物理驱动的纳米结构表示，并通过梯度优化方法实现了纳米材料的高效逆设计	训练数据依赖于计算成本高昂的动力学蒙特卡洛模拟，可能限制数据集的进一步扩展	优化上转换纳米粒子的非线性光学性能以实现逆设计	核壳结构上转换纳米粒子	机器学习	NA	动力学蒙特卡洛模拟	图神经网络	光谱数据	超过6000个模拟样本	NA	异构图神经网络	预测发射强度	NA
1335	2025-12-14	Comparative Analysis of U-Net and U-Net3 + for Retinal Exudate Segmentation: Performance Evaluation Across Regions 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01419-4 PMID:39904940	研究论文	本研究比较了U-Net和U-Net3+在视网膜渗出物分割中的性能，并评估了它们在不同视网膜区域的检测效果	首次对U-Net和U-Net3+模型在视网膜渗出物分割中进行跨区域（如血管周围与血管外区域、中心凹周围与中心凹外区域以及象限划分）的详细性能比较，并发现U-Net3+在特定区域表现更优	未提及样本量的具体大小或数据集的多样性限制，可能影响模型的泛化能力	评估深度学习模型在视网膜渗出物检测中的性能，以提升糖尿病视网膜病变的诊断准确性和效率	视网膜渗出物（糖尿病视网膜病变的特征性病变）	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像（眼底图像）	NA	NA	U-Net, U-Net3+	准确率, 灵敏度, 特异性, Dice系数	NA
1336	2025-12-14	Preoperatively Predicting PIT1 Expression in Pituitary Adenomas Using Habitat, Intra-tumoral and Peri-tumoral Radiomics Based on MRI 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01376-4 PMID:39904941	研究论文	本研究旨在利用基于MRI的栖息地、瘤内及瘤周影像组学模型，术前预测垂体腺瘤中PIT1的表达	首次结合栖息地影像组学、瘤内及瘤周影像组学特征，并构建了融合临床特征的深度学习影像组学列线图（DLRN）用于预测PIT1表达	研究为回顾性设计，样本量相对较小（共129例患者），且仅基于单一中心的MRI数据	术前预测垂体腺瘤中垂体转录因子1（PIT1）的表达	垂体腺瘤患者	数字病理	垂体腺瘤	MRI影像组学	逻辑回归, 支持向量机, 多层感知机	MRI图像	129例垂体腺瘤患者（训练集103例，测试集26例）	NA	NA	AUC	NA
1337	2025-12-14	Automatic Identification of Fetal Abdominal Planes from Ultrasound Images Based on Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01409-6 PMID:39909994	研究论文	本研究探索了基于深度学习的AI架构在自动识别胎儿腹部标准扫描平面和结构（特别是腹围）方面的潜力	首次将Xception和MobileNetV3Large等六种深度学习神经网络应用于胎儿腹部超声图像平面分类，并采用十折交叉验证进行评估	数据集分布非正态，且需要进一步研究比较AI模型与传统自动腹围测量方法的整体性能	探索人工智能在自动识别胎儿腹部超声标准扫描平面中的应用，以优化产前超声诊断流程	胎儿腹部超声图像	计算机视觉	NA	超声成像	CNN	图像	NA	Keras-OCR, CV2	Xception, MobileNetV3Large, EfficientV2S	准确率	NA
1338	2025-12-14	Automating Prostate Cancer Grading: A Novel Deep Learning Framework for Automatic Prostate Cancer Grade Assessment using Classification and Segmentation 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01429-2 PMID:39913023	研究论文	本文提出了一种基于深度学习的三阶段框架，用于自动评估前列腺癌的严重程度	提出了一种结合分类、分割和机器学习分类器的三阶段创新框架，并采用基于Self-ONN的DeepLabV3架构来增强分割性能	需要进一步研究以评估该框架在不同临床场景中的适应性和有效性	开发自动化系统以提高前列腺癌分级的诊断精度并减少人为误差	前列腺癌组织样本	数字病理学	前列腺癌	全切片图像分析	DNN, 机器学习分类器	图像	从初始5160个病例中筛选出2699个可用病例	NA	EfficientNet_b0, DeepLabV3, Self-ONN	F1-score, Dice Similarity Coefficient, 二次加权Kappa	NA
1339	2025-12-14	Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01407-8 PMID:39953256	研究论文	本文提出了一种基于深度学习的创新系统，用于从CT灌注扫描中自动分割缺血性卒中病灶核心	将边缘增强扩散滤波作为预处理步骤（一种硬注意力机制）与改进的Attention ResUnet架构相结合，利用空间和通道注意力机制捕获长程依赖关系	未明确说明模型在更广泛数据集上的泛化能力，或与其他最先进方法的详细比较	开发自动化缺血性卒中病灶分割工具，以提升临床诊断、预后和治疗规划的效率和准确性	缺血性卒中患者的CT灌注扫描图像	计算机视觉	心血管疾病	CT灌注扫描	CNN	医学图像	使用ISLES 2018挑战赛数据集，采用五折交叉验证	未明确指定	Attention ResUnet	Dice相似系数	NA
1340	2025-12-14	Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01442-5 PMID:39953259	研究论文	本研究开发了一种结合CT图像放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌的组织学亚型	提出了一种结合放射组学和深度学习特征的混合方法，用于非小细胞肺癌亚型分类，通过特征选择和融合提升了分类性能	样本量相对有限（内部数据集235例，外部验证48例），且仅针对腺癌和鳞状细胞癌两种亚型	开发一种基于CT图像的混合模型，以提高非小细胞肺癌组织学亚型分类的准确性和可靠性	非小细胞肺癌患者的CT图像，包括腺癌和鳞状细胞癌两种亚型	计算机视觉	肺癌	CT成像	深度学习	图像	内部数据集235例（110例腺癌，112例鳞状细胞癌），外部验证数据集48例（各24例）	NA	NA	AUC, 准确率	NA