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
2121	2025-12-01	Machine Learning-Enabled Rapid Assessment of Plant-Based Protein Digestibility Through Physicochemical Profiles 2025-Nov-13, Foods (Basel, Switzerland) DOI:10.3390/foods14223874 PMID:41300032	研究论文	开发集成深度学习框架，通过理化特征快速评估植物蛋白消化率	将消化率评估从资源密集型过程转变为快速、微量样本的预测方法，识别α-螺旋含量、无规则卷曲含量和溶解性作为关键消化率指标	模型基于23种植物蛋白分离物开发，需在更广泛样本上验证	开发快速评估植物蛋白消化率的方法以加速蛋白质优化流程	23种多样化植物蛋白分离物	机器学习	NA	理化特征分析	前馈神经网络	理化特征数据	23种植物蛋白分离物	NA	前馈神经网络	R值	NA
2122	2025-12-01	Hybrid State-Space and Vision Transformer Framework for Fetal Ultrasound Plane Classification in Prenatal Diagnostics 2025-Nov-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222879 PMID:41300902	研究论文	提出一种结合状态空间模型和视觉Transformer的混合框架，用于胎儿超声平面分类和生物测量	首次将状态空间模型与视觉Transformer结合，通过门控决策融合和多重校准策略解决超声图像领域变异性、噪声伪影和类别不平衡问题	未提及计算效率分析和实时推理性能评估	提高胎儿超声平面分类的准确性和临床实用性	胎儿超声图像	计算机视觉	产前诊断	超声成像	状态空间模型,视觉Transformer	图像	三个公开数据集：FETAL_PLANES_DB、HC18和大规模胎儿头部数据集	NA	状态空间模型,视觉Transformer	准确率,宏F1分数,预期校准误差,Dice系数,交并比,平均绝对误差	NA
2123	2025-12-01	A Physics-Informed Residual and Particle Swarm Optimization Framework for Physics-Informed UAV GPS Spoofing Detection 2025-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s25226925 PMID:41305133	研究论文	提出一种结合物理信息残差建模与粒子群优化的无人机GPS欺骗检测框架	引入物理可解释的残差构建过程，通过强制GNSS观测值的时间和载波级别一致性来捕捉信号不一致性	NA	开发鲁棒高效的无人机GPS欺骗检测方法	无人机导航系统中的GPS欺骗信号	机器学习	NA	GPS信号分析	XGBoost	GNSS观测数据，导航特征	NA	XGBoost	XGBoost分类器	准确率，F1分数	NA
2124	2025-12-01	From Fingerprinting to Advanced Machine Learning: A Systematic Review of Wi-Fi and BLE-Based Indoor Positioning Systems 2025-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s25226946 PMID:41305153	系统性综述	对基于Wi-Fi和BLE的机器学习室内定位系统进行系统性文献综述	系统分析2020-2024年间ML在IPS中的应用趋势，重点关注深度学习方法的兴起	环境变异性、设备异构性和校准需求等实施挑战尚未完全解决	综述机器学习在室内定位系统中的应用发展	基于IEEE 802.11 Wi-Fi和蓝牙低功耗(BLE)的室内定位研究	机器学习	NA	RSSI, CSI, RTT, AoA	机器学习, 深度学习	无线信号测量数据	NA	NA	NA	NA	NA
2125	2025-12-01	Hybrid Deep Learning Models for Analyzing Histological Images of the Zebrafish Intestine Under Oxidative Stress 2025-Nov-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222859 PMID:41300884	研究论文	本研究提出了一种混合深度学习模型，用于分析氧化应激条件下斑马鱼肠道组织学图像	应用CLAHE增强图像质量，并首次将四种深度学习模型（Xception、自编码器、自定义CNN和Vision Transformer）与三种传统分类器（SVM、RF、kNN）结合，提高了斑马鱼肠道组织图像分类准确率	使用私有数据集，样本量未明确说明，模型泛化能力有待验证	开发混合深度学习模型以提高斑马鱼肠道组织学图像分类准确率	斑马鱼肠道组织学图像	数字病理学	氧化应激相关肠道损伤	组织学图像分析	CNN, Autoencoder, Vision Transformer, SVM, RF, kNN	图像	NA	NA	Xception, Vision Transformer, 自定义CNN, 自定义自编码器	准确率	NA
2126	2025-12-01	RAVE-HD: A Novel Sequential Deep Learning Approach for Heart Disease Risk Prediction in e-Healthcare 2025-Nov-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15222866 PMID:41300891	研究论文	提出一种名为RAVE-HD的序列混合深度学习方法，用于电子医疗中的心脏病风险预测	结合ResNet和Vanilla RNN的序列混合模型，采用邻近加权随机合成采样技术处理类别不平衡，并通过SHAP分析提供可解释性	NA	开发可靠、可解释且可扩展的心脏病筛查解决方案	心脏病患者医疗数据	机器学习	心血管疾病	递归特征消除，邻近加权随机合成采样	ResNet, Vanilla RNN	医疗数据集	NA	NA	ResNet, Vanilla RNN	准确率，ROC-AUC，召回率，精确度	NA
2127	2025-12-01	An Innovative Model for Diagnosing Lesions in Coronary Angiography Imagery Using an Improved YOLOv4 Model 2025-Nov-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111241 PMID:41301197	研究论文	本研究开发了一种改进的YOLOv4模型，用于冠状动脉造影图像中病灶的自动检测和分类，并探索模型检测的病灶特征与主要不良心血管事件的相关性	改进了YOLOv4算法，通过迁移学习在冠状动脉造影数据集上进行校准，首次将深度学习检测的病灶解剖特征与长期预后评估相结合	回顾性研究设计，样本量相对有限（408例患者），病灶检测的平均精度为55.01%仍有提升空间	开发AI辅助诊断工具，实现冠状动脉病灶的自动检测和分类，并探索其与心血管预后的关联	408例急性心肌梗死患者的冠状动脉造影图像数据	计算机视觉	心血管疾病	冠状动脉造影	CNN	图像	408例急性心肌梗死患者	NA	YOLOv4	mAP, Log-rank检验	NA
2128	2025-12-01	From Traditional Machine Learning to Fine-Tuning Large Language Models: A Review for Sensors-Based Soil Moisture Forecasting 2025-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s25226903 PMID:41305111	综述	本文系统回顾了从传统机器学习到微调大语言模型的土壤湿度预测方法，并提出了一种新的分类框架	提出了土壤湿度预测的新分类法，首次系统综述了联邦学习、迁移学习和大型语言模型在土壤湿度预测中的最新应用	仅纳入了2017-2025年间发表的68篇同行评审研究，可能未覆盖该领域所有相关文献	为研究人员和从业者构建准确、可扩展且可信赖的土壤湿度预测系统提供见解，推动智慧农业发展	土壤湿度预测相关的AI模型和方法	机器学习	NA	物联网传感技术、实时传感系统	传统机器学习,深度学习,混合模型,LLM	传感器数据,气象数据	基于68篇同行评审研究（从189篇文献中筛选）	NA	NA	NA	NA
2129	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
2130	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
2131	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
2132	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
2133	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
2134	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
2135	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
2136	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
2137	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
2138	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
2139	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
2140	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