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
2041	2025-12-01	Efficient Synthetic Defect on 3D Object Reconstruction and Generation Pipeline for Digital Twins Smart Factory 2025-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s25226908 PMID:41305118	研究论文	提出一个用于数字孪生智能工厂的3D工业物体重建和合成缺陷生成的统一框架	将NeRF技术应用于工业3D物体重建，并结合合成缺陷生成技术，为数字孪生提供高质量合成数据	合成数据集在渲染图像的真实感方面存在不足，仅使用了三个自定义数据集进行验证	开发高效的3D物体重建和合成缺陷生成流程，提升数字孪生智能工厂中物体检测模型的性能	工业物体表面缺陷	计算机视觉	NA	3D重建，合成数据生成	NeRF, YOLO	视频，3D模型，图像	三个自定义数据集，包含两个物体的视频数据	Nerfstudio, Blender, NVIDIA Omniverse	Instant-NGP, Nerfacto, Volinga, Tensorf, YOLOv6n, YOLOv8s	mAP@0.5	智能手机摄像头，NVIDIA Omniverse
2042	2025-12-01	Rolling Bearing Fault Diagnosis via Meta-BOHB Optimized CNN-Transformer Model and Time-Frequency Domain Analysis 2025-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s25226920 PMID:41305124	研究论文	提出一种结合VMD-FFT时频分析和CNN-Transformer混合架构的轴承故障诊断方法，采用Meta-BOHB优化超参数	首次将元学习增强的贝叶斯优化与HyperBand（Meta-BOHB）应用于轴承故障诊断，并构建CNN-Transformer混合模型同时捕捉局部特征和长程依赖关系	研究主要基于公开数据集验证，实际工业环境的噪声和工况变化可能影响性能	解决轴承故障诊断中精度不足、模型复杂和超参数优化困难等挑战	滚动轴承振动数据	故障诊断	NA	变分模态分解(VMD), 快速傅里叶变换(FFT)	CNN, Transformer	振动信号	CWRU数据集（5折交叉验证），MFPT数据集，帕德博恩大学数据集	NA	CNN-Transformer混合架构	准确率, 精确率, 收敛率, 损失指标	NA
2043	2025-11-14	Response to correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Nov-11, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105881 PMID:41223632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2044	2025-12-01	Assessment of Apical Patency in Permanent First Molars Using Deep Learning on CBCT-Derived Pseudopanoramic Images: A Retrospective Study 2025-Nov-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111233 PMID:41301189	研究论文	本研究利用深度学习卷积神经网络自动评估恒牙第一磨牙根尖通畅性	首次将深度学习CNN应用于CBCT衍生伪全景图像的根尖通畅性自动评估	回顾性研究，样本量有限（147张图像），仅针对第一磨牙	开发基于人工智能的牙科图像分析方法，自动评估根尖区域状态	恒牙第一磨牙的根尖区域	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	图像	147张匿名牙科图像，来自262个CBCT扫描	NA	NA	准确率, 精确率, 召回率, F1分数, ROC曲线, AUC	NA
2045	2025-12-01	Explainable Artificial Intelligence Framework for Predicting Treatment Outcomes in Age-Related Macular Degeneration 2025-Nov-11, Sensors (Basel, Switzerland) DOI:10.3390/s25226879 PMID:41305085	研究论文	提出一种结合神经符号推理和大语言模型的混合框架，用于预测年龄相关性黄斑变性的治疗结果	首次将神经符号推理与大语言模型结合，整合机制性疾病知识与多模态眼科数据，实现可解释的AMD治疗预后预测	单中心研究范围有限，随访时间较短	开发可解释的人工智能框架用于AMD治疗结果预测	年龄相关性黄斑变性患者	数字病理	年龄相关性黄斑变性	光学相干断层扫描，荧光素眼底血管造影，扫描激光检眼镜，眼部B超	神经符号模型，大语言模型	临床文档，医学影像	10名手术治疗的AMD患者（6男4女，平均年龄67.8±6.3岁），30份结构化临床文档，100组成像序列	NA	混合神经符号-大语言模型架构	AUROC，AUPRC，Brier分数	NA
2046	2025-12-01	Multi-Scale Deformable Transformer with Iterative Query Refinement for Hot-Rolled Steel Surface Defect Detection 2025-Nov-11, Sensors (Basel, Switzerland) DOI:10.3390/s25226890 PMID:41305098	研究论文	提出一种用于热轧钢板表面缺陷检测的多尺度可变形Transformer迭代查询优化网络	集成Swin Transformer骨干网络、可变形注意力机制和迭代边界框优化策略三大创新点	NA	提高热轧钢板表面小尺寸复杂缺陷的检测精度和训练收敛速度	热轧钢板表面缺陷	计算机视觉	NA	NA	Transformer	图像	NEU-DET数据集	NA	Swin Transformer, 可变形注意力机制	mAP	NA
2047	2025-12-01	Training Recurrent Neural Networks for BrdU Detection with Oxford Nanopore Sequencing: Guidance and Lessons Learned 2025-Nov-10, Genes IF:2.8Q2 DOI:10.3390/genes16111356 PMID:41300809	研究论文	本文提供了使用牛津纳米孔测序数据训练循环神经网络检测BrdU的详细指南和经验总结	为缺乏标准训练数据的BrdU检测提供了完整的深度学习实现流程，特别是针对最新R10流动池的扩展应用	由于BrdU阳性数据有限，模型灵敏度中等；训练数据基于旧版R9流动细胞生成	开发基于深度学习的BrdU检测方法，为研究人员提供可操作的实现指南	BrdU（5'-溴-2'-脱氧尿苷）在DNA中的掺入位点	生物信息学	NA	牛津纳米孔测序，DNA测序	RNN, BiGRU	DNA测序数据	公开可用的合成和真实纳米孔DNA测序数据集	TensorFlow	双向门控循环单元（BiGRU）	特异性，灵敏度	Google Colab平台
2048	2025-12-01	Multi-Task Deep Learning on MRI for Tumor Segmentation and Treatment Response Prediction in an Experimental Model of Hepatocellular Carcinoma 2025-Nov-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222844 PMID:41300869	研究论文	开发并验证了一种多任务深度学习模型，用于在临床前大鼠模型中同时分割肝细胞癌肿瘤和预测治疗效果	提出结合U-Net++架构与预训练EfficientNet-B0编码器的多任务深度学习模型，能够同时实现肿瘤分割和治疗反应预测	研究基于临床前动物模型，尚未在人类患者中进行验证	开发能够同时分割肝细胞癌肿瘤并预测治疗反应的多任务深度学习模型	肝细胞癌临床前大鼠模型	数字病理	肝细胞癌	多参数MRI（T1加权、T2加权和对比增强MRI）	深度学习	医学影像	多组治疗大鼠模型（对照组、索拉非尼组、NK细胞免疫治疗组和联合治疗组）	NA	U-Net++, EfficientNet-B0	Dice系数, IoU, AUROC, 准确率, RMSE	NA
2049	2025-12-01	Integrative Long Non-Coding RNA Analysis and Recurrence Prediction in Cervical Cancer Using a Recurrent Neural Network 2025-Nov-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222848 PMID:41300873	研究论文	本研究整合临床数据和GSE44001数据集，通过循环神经网络识别宫颈癌复发的关键风险因素和lncRNA标志物	首次将九种lncRNA特征与深度学习相结合，构建宫颈癌复发风险分层模型	样本量有限（138例复发患者），需更大规模数据验证	开发宫颈癌复发预测模型，实现患者风险分层	宫颈癌患者（分为高、中、低风险组）	机器学习	宫颈癌	基因表达分析，lncRNA筛选	RNN, LSTM	临床数据，基因表达数据	138例复发宫颈癌患者	NA	LSTM	复发无生存期统计显著性（p < 0.05）	NA
2050	2025-12-01	Deep Learning Model-Based Architectures for Lung Tumor Mutation Profiling: A Systematic Review 2025-Nov-10, Cancers IF:4.5Q1 DOI:10.3390/cancers17223619 PMID:41300986	系统综述	评估深度学习模型在基于H&E染色病理切片预测非小细胞肺癌分子改变中的应用	首次系统评估深度学习模型从常规H&E病理切片中提取基因组相关形态特征以预测肺癌突变的能力	方法学异质性、样本量小、外部验证有限限制了结果的可重复性和泛化性	评估深度学习模型在非小细胞肺癌分子改变预测中的应用效果	非小细胞肺癌患者的H&E染色病理切片	数字病理	肺癌	H&E染色,下一代测序	CNN	图像	基于TCGA等公共数据集的16项研究	NA	卷积神经网络	AUC	NA
2051	2025-12-01	A Study on the Interpretability of Diabetic Retinopathy Diagnostic Models 2025-Nov-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111231 PMID:41301187	研究论文	本研究系统评估了四种深度学习架构在糖尿病视网膜病变诊断中的可解释性表现	首次系统比较七种主流可解释性方法在四种代表性深度学习模型上的表现，并结合定性和定量指标进行综合评估	研究仅针对特定四种模型架构和七种可解释性方法，可能无法覆盖所有可能的组合	评估糖尿病视网膜病变诊断模型的可解释性性能	糖尿病视网膜病变分类模型	计算机视觉	糖尿病视网膜病变	深度学习	CNN	眼底图像	NA	NA	VGG, ResNet, DenseNet, EfficientNet	显著性图熵, AOPC分数, 召回率, Dice系数	NA
2052	2025-12-01	Depth Imaging-Based Framework for Efficient Phenotypic Recognition in Tomato Fruit 2025-Nov-10, Plants (Basel, Switzerland) DOI:10.3390/plants14223434 PMID:41304585	研究论文	开发了一种基于深度成像和深度学习的番茄果实表型智能检测框架	提出改进的SegFormer-MLLA模型和混合深度回归模型，实现番茄果实表型特征的自动化提取和定量分析	NA	实现番茄果实表型特征的高精度自动化分析	番茄果实	计算机视觉	NA	深度成像技术	深度学习,SegFormer	深度图像,RGB图像	NA	PyTorch	SegFormer-MLLA	相关性分析	NA
2053	2025-12-01	Nondestructive Detection of Soluble Solids Content in Apples Based on Multi-Attention Convolutional Neural Network and Hyperspectral Imaging Technology 2025-Nov-09, Foods (Basel, Switzerland) DOI:10.3390/foods14223832 PMID:41299990	研究论文	基于多注意力卷积神经网络和高光谱成像技术实现苹果可溶性固形物含量的无损检测	提出融合通道注意力和空间注意力模块的多注意力卷积神经网络，能够自适应聚焦重要的光谱-空间特征并减少冗余信息干扰	NA	开发苹果可溶性固形物含量的快速无损检测方法	富士苹果	计算机视觉	NA	高光谱成像技术	CNN	高光谱图像	570个苹果样本	NA	多注意力卷积神经网络(MA-CNN), CA-CNN, SA-CNN	Rp2, RMSEP	NA
2054	2025-12-01	Panoramic Radiograph-Based Deep Learning Models for Diagnosis and Clinical Decision Support of Furcation Lesions in Primary Molars 2025-Nov-09, Children (Basel, Switzerland) DOI:10.3390/children12111517 PMID:41300634	研究论文	开发基于全景X光片的深度学习模型用于诊断乳磨牙根分叉病变并提供临床决策支持	首次将乳磨牙根分叉病变的全景X光片分类与儿科牙科治疗规划相结合，直接映射影像特征到治疗建议	相对较小的单中心数据集	开发儿科牙科临床决策支持系统，辅助根管治疗与拔牙决策	儿童乳磨牙根分叉病变	计算机视觉	牙科疾病	全景X光摄影	目标检测	X光影像	387张来自3-13岁儿童的全景X光片	NA	YOLOv12x, RT-DETR-L, RT-DETR-X	精确率, 召回率, mAP@0.5, mAP@0.5-0.95	NA
2055	2025-12-01	Deep Learning Model for Volume Measurement of the Remnant Pancreas After Pancreaticoduodenectomy and Distal Pancreatectomy 2025-Nov-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222834 PMID:41300859	研究论文	开发并验证基于深度学习的模型，用于胰腺切除术后残余胰腺的自动分割和体积测量	首次系统比较六种3D分割模型在残余胰腺体积测量中的性能，包括四种卷积U-Net变体和两种基于Transformer的模型	研究样本量相对有限，模型性能提升在统计学上显著但数值改进较小	开发自动化的残余胰腺分割和体积测量方法，以评估术后胰腺功能	接受胰十二指肠切除术和远端胰腺切除术的患者	医学影像分析	胰腺疾病	腹部CT成像	深度学习	CT图像	1067例胰十二指肠切除术CT扫描（341名患者），512例远端胰腺切除术CT扫描（184名患者）	NA	U-Net, Dense U-Net, Residual U-Net, Residual Dense U-Net, Trans U-Net, Swin U-Net	敏感度, 特异度, 精确度, 准确度, Dice相似系数	NA
2056	2025-12-01	Online Estimation of Manipulator Dynamics for Computed Torque Control of Robotic Systems 2025-Nov-08, Sensors (Basel, Switzerland) DOI:10.3390/s25226831 PMID:41305040	研究论文	提出一种用于机器人系统计算力矩控制的数据驱动动力学在线估计方法	将经典控制理论与现代机器学习技术相结合，无需系统参数先验知识即可在线估计机器人动力学	仅在二连杆机械臂上验证，需要在实际运动中收集数据	解决传统模型控制策略在复杂不确定环境中的局限性	机器人机械臂系统	机器人控制	NA	系统辨识，物理信息神经网络，深度学习	PINNs，深度学习模型	机器人运动数据	NA	NA	NA	轨迹跟踪精度，鲁棒性	NA
2057	2025-12-01	Fusion of Robotics, AI, and Thermal Imaging Technologies for Intelligent Precision Agriculture Systems 2025-Nov-08, Sensors (Basel, Switzerland) DOI:10.3390/s25226844 PMID:41305053	技术综述	综述机器人技术、人工智能和热成像技术在精准农业中的集成应用	首次系统整合机器人技术、AI与热成像技术，提出智能精准农业系统的完整技术框架	成本问题和环境变异因素（光照、冠层湿度、微气候不稳定性）仍是主要挑战	探讨如何通过技术融合提升农业生产效率与可持续性	精准农业中的传感、自动化和农场决策系统	机器学习和计算机视觉	植物病虫害	热成像技术和深度学习	CNN	热成像图像和植物图像	PlantVillage、PlantDoc和FieldPlant数据集	TensorFlow, PyTorch	VGG16, InceptionV3, MobileNet	病虫害识别准确率、作物质量评估精度	NA
2058	2025-12-01	Deep Learning-Based Automatic Muscle Segmentation of the Thigh Using Lower Extremity CT Images 2025-Nov-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222823 PMID:41300848	研究论文	开发基于深度学习的自动大腿肌肉分割方法，用于定量评估大腿肌肉	首次比较三种深度学习模型（Dense U-Net、MANet、SegFormer）在大腿肌肉自动分割中的性能，并实现功能肌群（伸肌、屈肌、内收肌）的精确分割	样本量有限（训练集136例，外部验证集40例），仅使用非对比CT图像	开发验证自动化大腿肌肉分割方法，支持肌肉减少症和肌肉骨骼研究	大腿肌肉功能组（伸肌、屈肌、内收肌）	计算机视觉	肌肉减少症	非对比计算机断层扫描（CT）	深度学习	CT图像	176例非对比大腿CT扫描（训练集136例，外部验证集40例）	NA	Dense U-Net, MANet, SegFormer	Dice相似系数, 敏感度, 特异度, 准确度, 组内相关系数	NA
2059	2025-12-01	From Machine Learning to Ensemble Approaches: A Systematic Review of Mammogram Classification Methods 2025-Nov-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222829 PMID:41300854	系统综述	对乳腺X线摄影分类方法进行系统性回顾，重点分析机器学习、深度学习和混合集成模型在乳腺癌诊断中的应用	首次系统比较了机器学习、深度学习和混合模型在乳腺X线摄影分类中的性能表现，揭示了混合模型在多分类任务中的优势	纳入研究主要关注二分类任务，缺乏对多分类问题的广泛探讨；模型需要大量预处理和特征工程步骤	系统评估和比较不同计算方法在乳腺X线摄影分类中的性能表现	2018-2025年间发表的50项符合条件的研究，涉及乳腺X线摄影数据集和计算机辅助诊断方法	计算机视觉	乳腺癌	乳腺X线摄影	机器学习,深度学习,混合模型,集成学习	医学影像	基于MIAS和DDSM等公共数据集的50项研究	NA	ELM,Vision Transformer,CNN,IEUNet++	准确率	NA
2060	2025-12-01	Deep Learning for Predicting Late-Onset Breast Cancer Metastasis: The Single-Hyperparameter Grid Search (SHGS) Strategy for Meta-Tuning a Deep Feed-Forward Neural Network 2025-Nov-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111214 PMID:41301170	研究论文	本文提出了一种单超参数网格搜索(SHGS)策略，用于优化深度前馈神经网络在预测乳腺癌晚期转移中的应用	开发了SHGS策略作为网格搜索的预选方法，能够有效缩小超参数搜索范围并降低计算成本	超参数优化结果依赖于特定数据集，且受其他超参数设置的显著影响	提高乳腺癌晚期转移预测的准确性和效率	乳腺癌患者数据	机器学习	乳腺癌	NA	深度前馈神经网络(DFNN)	临床数据集	三个LSM-I-10+年数据集(10年、12年、15年)	NA	深度前馈神经网络	AUC	NA