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
2001	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
2002	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
2003	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
2004	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
2005	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
2006	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
2007	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
2008	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
2009	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
2010	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
2011	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
2012	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
2013	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
2014	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
2015	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
2016	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
2017	2025-12-15	De novo Design of All-atom Biomolecular Interactions with RFdiffusion3 2025-Nov-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.676967 PMID:41000976	研究论文	本文介绍了RFdiffusion3（RFD3），一种能够生成蛋白质结构并考虑其与配体、核酸等非蛋白质原子相互作用的扩散模型	首次提出能够显式建模所有聚合物原子并在非蛋白质原子背景下生成蛋白质结构的扩散模型，相比先前方法计算成本降低90%	未明确说明模型在处理超大规模蛋白质复合物时的性能限制	开发能够设计全原子生物分子相互作用的蛋白质设计方法	蛋白质结构、配体、核酸及其他非蛋白质原子	机器学习	NA	扩散模型	扩散模型	蛋白质结构数据、原子坐标数据	NA	NA	RFdiffusion3	基准测试性能	计算成本为先前方法的十分之一
2018	2025-12-15	Deep learning for automated alveolar cleft segmentation and bone graft volume estimation in cone-beam computed tomography imaging: a multicenter study 2025-Nov-12, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.10.020 PMID:41390267	研究论文	本研究开发了一种基于深度学习的诊断工具，用于在锥形束计算机断层扫描（CBCT）成像中自动分割牙槽裂区域并估计骨移植体积	首次提出一个基于3D U-Net的深度学习工具，用于多中心研究中的牙槽裂自动分割和骨移植体积估计，实现了高效且准确的自动化处理	研究样本量相对较小（88例CBCT扫描），且仅针对非综合征性单侧牙槽裂患者，可能限制了模型的泛化能力	训练和验证一个深度学习工具，以自动分割牙槽裂区域并估计骨移植体积，提高临床诊断效率	非综合征性单侧牙槽裂患者的CBCT扫描图像	数字病理学	牙槽裂	锥形束计算机断层扫描（CBCT）成像	CNN	3D图像	88例CBCT扫描（45例训练，10例验证，33例测试）	NA	3D U-Net	Dice相似系数（DSC）	NA
2019	2025-12-15	Overcoming Extrapolation Challenges of Deep Learning by Incorporating Physics in Protein Sequence-Function Modeling 2025-Nov-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.09.687530 PMID:41293023	研究论文	本文提出通过将蛋白质相互作用的物理原理融入深度学习模型，以克服蛋白质序列-功能建模中的外推挑战	将基于物理的能量效应量化直接整合到卷积和图卷积神经网络中，显著提升了位置和突变类型外推的性能	未明确说明模型在更广泛蛋白质类型或复杂突变场景中的泛化能力	改进蛋白质序列到功能关系的建模，以准确预测训练数据中未见位置或突变类型的变异功能效应	蛋白质序列及其功能映射，特别是通过深度突变扫描数据和可用结构学习的变异	机器学习	NA	深度突变扫描	CNN, 图卷积神经网络	序列数据, 结构数据	NA	NA	卷积神经网络, 图卷积神经网络	NA	NA
2020	2025-12-15	Graph attention with structural features improves the generalizability of identifying functional sequences at a protein interface 2025-Nov-10, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686550 PMID:41292907	研究论文	本文提出了一种结合蛋白质结构图和语言模型嵌入的图注意力网络架构，用于预测蛋白质-蛋白质界面功能序列，并在SARS-CoV-2 Spike RBD与ACE2受体结合的大规模突变库中验证了其泛化能力	开发了GAN-PLM图注意力网络架构，整合蛋白质结构图的局部残基环境表示与蛋白质语言模型嵌入的长程残基间相关性，显著提升了功能序列预测的泛化性能	研究主要针对SARS-CoV-2 Spike RBD与ACE2受体的结合界面，尚未在其他蛋白质界面广泛验证	提高蛋白质-蛋白质界面功能序列预测的准确性和泛化能力	SARS-CoV-2 Spike受体结合域（RBD）与ACE2受体的结合界面序列变异	机器学习	传染病	深度突变扫描	图注意力网络（GAN）	序列数据，结构图数据	超过43,000个序列变异	NA	GAN-PLM（结合图注意力网络与蛋白质语言模型）	平衡准确率	NA