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
2361	2025-10-06	Artificial Intelligence-Assisted Biparametric MRI for Detecting Prostate Cancer-A Comparative Multireader Multicase Accuracy Study 2025-Aug-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14176111 PMID:40943871	研究论文	评估AI辅助双参数MRI在检测前列腺癌中的诊断准确性，并与多参数MRI进行比较	首次采用AI辅助双参数MRI作为多参数MRI的潜在替代方案，并分析不同经验水平放射科医生的诊断表现	单中心回顾性研究，样本量相对有限（105例）	评估AI辅助双参数MRI检测前列腺癌的诊断准确性	疑似前列腺癌的男性患者	医学影像分析	前列腺癌	双参数MRI，多参数MRI，AI辅助图像处理	深度学习网络	MRI影像数据	105名男性患者（平均年龄66±7岁）	NA	序列深度学习网络	AUC，非劣效性检验	NA
2362	2025-10-06	ESPWA: a deep learning-enabled tool for precision-based use of endocrine therapy in resource-limited settings 2025-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672012 PMID:40909747	研究论文	开发了一种基于深度学习的工具ESPWA，用于在资源有限环境中通过H&E全切片图像预测乳腺癌雌激素受体状态	首个针对海地患者群体开发的深度学习模型，能够直接从H&E染色全切片图像预测ER状态，无需免疫组化检测	模型性能受数据集领域偏移影响，在TCGA和ZL数据集间存在性能差异	解决资源有限地区乳腺癌患者内分泌治疗精准化需求	乳腺癌患者的H&E染色全切片图像	数字病理学	乳腺癌	全切片成像分析，免疫组化	深度学习	图像	TCGA队列1085例，海地ZL队列3448例	NA	基于注意力的多实例学习	AUROC, 准确率	NA
2363	2025-10-06	Enhanced Breast Cancer Diagnosis Using Multimodal Feature Fusion with Radiomics and Transfer Learning 2025-Aug-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172170 PMID:40941663	研究论文	本研究通过融合影像组学和深度学习特征，开发了一种增强乳腺癌诊断准确性的多模态特征融合方法	结合影像组学特征和深度学习特征构建统一的多模态特征空间，并系统比较了13种预训练迁移学习模型的性能	仅使用单一数据集，未整合临床数据、基因组信息和患者病史等多模态数据	提高乳腺癌诊断的模型准确性和鲁棒性	乳腺癌影像数据	计算机视觉	乳腺癌	影像组学分析，深度学习	迁移学习	医学影像	CBIS-DDSM数据集	PyRadiomics, TensorFlow, PyTorch	ResNet50, ResNet50V2, ResNet101, ResNet101V2, ResNet152, ResNet152V2, DenseNet121, DenseNet169, DenseNet201, InceptionV3, MobileNet, VGG16, VGG19	准确率	GPU
2364	2025-10-06	Mapping the Complicated Relationship Between a Temperature Field and Cable Tension by Using Composite Deep Networks and Real Data with Additional Geometric Information 2025-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s25175346 PMID:40942775	研究论文	本文提出一种复合深度网络方法，利用桥梁温度场和几何信息建立斜拉桥索力与温度场的映射关系模型	结合几何兼容性和力学平衡条件，设计包含CNN和LSTM的复合神经网络架构，同时处理温度场和主梁挠度回归值两种数据	未解决曲线拐点处的非线性问题和数据分布的复杂性，可能影响模型稳定性	建立斜拉桥温度引起索力的精确回归模型，为索力异常变化提供基准参考	斜拉桥电缆张力与温度场的关系	机器学习	NA	深度学习	CNN,LSTM	温度场数据,几何变形数据	NA	NA	卷积神经网络,长短期记忆网络	决定系数R²,回归误差	NA
2365	2025-10-06	From Data to Diagnosis: A Novel Deep Learning Model for Early and Accurate Diabetes Prediction 2025-Aug-27, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13172138 PMID:40941490	研究论文	提出一种新型深度学习模型TIPNet用于早期准确预测糖尿病	设计了时序初始感知器网络(TIPNet)，能够捕捉复杂特征关系和时间动态，结合自适应合成过采样策略和可解释AI技术	NA	开发准确且可解释的糖尿病早期预测模型	糖尿病健康指标数据	机器学习	糖尿病	深度学习	TIPNet	结构化健康指标数据	253,680个实例，22个特征	NA	时序初始感知器网络	准确率,F1分数,召回率,AUC	NA
2366	2025-10-06	BiU-Net: A Biologically Informed U-Net for Genotype Imputation 2025-Aug-26, Research square DOI:10.21203/rs.3.rs-6797863/v1 PMID:40909775	研究论文	提出一种基于生物学信息的U-Net模型BiU-Net，用于解决基因型插补问题	将生物学信息融入U-Net架构，通过分割基因型数据并编码位置信息来保持基因组上下文	未明确说明在小数据集中的罕见变异插补性能提升程度	开发更准确的基因型插补方法以提升全基因组关联研究的统计功效	基因型数据	机器学习	NA	基因型插补	U-Net	基因型数据	1000基因组计划、路易斯安那骨质疏松研究、西蒙斯基因组多样性计划数据集	NA	BiU-Net	整体指标、按次要等位基因频率分层的指标	NA
2367	2025-10-06	Artificial Intelligence in Ocular Transcriptomics: Applications of Unsupervised and Supervised Learning 2025-Aug-26, Cells IF:5.1Q2 DOI:10.3390/cells14171315 PMID:40940727	综述	本文综述了2019-2025年间人工智能在眼科转录组学中的应用，重点介绍了监督和非监督学习方法在生物标志物发现、细胞类型分类及眼部疾病建模方面的进展	系统总结了AI在眼科转录组学中的最新应用，涵盖单细胞工作流程标准技术和深度学习多组学整合方法	存在可解释性和标准化方面的挑战	探讨人工智能在眼科转录组学数据分析中的应用价值	眼部组织转录组数据，包括视网膜、角膜、黄斑等组织	机器学习	眼科疾病	微阵列、bulk RNA-seq、单细胞RNA-seq	PCA,t-SNE,UMAP,WGCNA,LASSO,SVM,随机森林,变分自编码器,神经网络	基因表达数据	NA	NA	NA	NA	NA
2368	2025-10-06	Deep Learning for Cervical Spine Radiography: Automated Measurement of Intervertebral and Neural Foraminal Distances 2025-Aug-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172162 PMID:40941650	研究论文	提出一种基于深度学习的自动化方法，用于定位颈椎X光片中的椎体并测量神经孔距离	使用YOLOv8实现颈椎自动定位和分割，集成图像增强技术分析神经孔距离和椎间隙，显著提升C7椎体识别准确率至100%	NA	开发自动化颈椎X光片分析系统，提高诊断效率和准确性	C2至C7颈椎椎体，重点关注神经孔距离和椎间隙测量	计算机视觉	颈椎退行性疾病	X射线成像，图像增强	YOLO	X光图像	NA	NA	YOLOv8	定位准确率，处理时间	NA
2369	2025-10-06	A Rapid Segmentation Method Based on Few-Shot Learning: A Case Study on Roadways 2025-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s25175290 PMID:40942720	研究论文	提出一种基于小样本学习的快速道路分割方法，通过正负样本学习机制实现跨场景高效分割	提出结合反投影模块和分割模块的新型架构，设计同时考虑正负样本的学习机制，无需迁移学习即可实现跨场景快速分割	仅针对道路图像进行验证，在其他类型图像上的泛化能力未经验证	降低分割模型的部署成本，促进道路图像分割应用	道路图像	计算机视觉	NA	小样本学习	深度学习	图像	少量道路图像提示样本	NA	反投影模块(BPM), 分割模块(SM)	交并比(IoU)	边缘部署
2370	2025-10-06	Multi-Scale Attention Networks with Feature Refinement for Medical Item Classification in Intelligent Healthcare Systems 2025-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s25175305 PMID:40942733	研究论文	提出一种用于智能医疗系统中医疗物品分类的多尺度注意力网络与特征优化混合深度学习框架	集成EfficientDet的BiFPN多尺度检测、BiFormer的双层路由注意力机制和结合三元组损失与在线难例挖掘的ResNet-18，实现视觉相似、遮挡和小尺度医疗物品的精准识别	基于自定义数据集开发，模型泛化能力未在公开基准数据集上验证	开发用于智能医疗库存系统的医疗物品自动识别与分类方法	医疗物品（包括药品和急救物资）	计算机视觉	NA	深度学习	CNN, Transformer	图像	5000多张在不同光照、遮挡和摆放条件下采集的医疗物品图像	TensorFlow, PyTorch	EfficientDet, BiFormer, ResNet-18	平均精度(mAP@0.5:0.95), 分类准确率	NA
2371	2025-10-06	Metaheuristic-Driven Feature Selection for Human Activity Recognition on KU-HAR Dataset Using XGBoost Classifier 2025-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s25175303 PMID:40942734	研究论文	本研究提出基于元启发式算法增强的XGBoost分类器，用于KU-HAR数据集上的人类活动识别	首次将金豺优化算法和战争策略优化算法与XGBoost分类器结合用于特征选择	仅使用单一数据集进行验证，未在其他HAR数据集上测试泛化能力	开发高效的人类活动识别方法，通过特征选择降低模型复杂度	智能手机加速度计和陀螺仪传感器采集的人类活动数据	机器学习	NA	传感器数据分析	XGBoost	传感器时序数据	KU-HAR数据集（具体样本数未提及）	XGBoost, SHAP	集成学习	准确率, F-score, 精确率, 召回率, 标准差, 时间复杂度	NA
2372	2025-10-06	An Instrumental High-Frequency Smart Meter with Embedded Energy Disaggregation 2025-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s25175280 PMID:40942710	研究论文	本文介绍了一种高频采样(15 kHz)并本地执行能量分解的智能电表原型	将高频采样与本地能量分解集成到电表硬件中，并引入了三种新颖的硬件感知性能指标	NA	开发能够在边缘设备上执行能量分解的高频智能电表	智能电表原型和嵌入式平台	物联网	NA	高频采样技术	深度学习模型	高频电力测量数据	NA	NA	NA	准确率, 延迟, 功耗, 吞吐量, 单位成本效率, 单位吞吐量效率, 单位能量效率	六种嵌入式平台
2373	2025-10-06	Analysis of Deep Reinforcement Learning Algorithms for Task Offloading and Resource Allocation in Fog Computing Environments 2025-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s25175286 PMID:40942716	综述	本文对深度强化学习在雾计算环境中任务卸载和资源分配的应用进行了全面调查	首次系统性地对涉及多用户设备和多雾节点的深度强化学习任务卸载进行全面分类和分析	作为综述文章，不包含原始实验数据或性能验证	调查深度强化学习在雾计算任务卸载和资源分配中的应用现状和发展方向	雾计算环境中的任务卸载和资源分配方法	机器学习	NA	深度强化学习	DRL	系统状态数据、资源分配数据	NA	NA	NA	服务质量指标	NA
2374	2025-10-06	Sparse-MoE-SAM: A Lightweight Framework Integrating MoE and SAM with a Sparse Attention Mechanism for Plant Disease Segmentation in Resource-Constrained Environments 2025-Aug-24, Plants (Basel, Switzerland) DOI:10.3390/plants14172634 PMID:40941799	研究论文	提出一种集成稀疏注意力和混合专家机制的轻量级植物病害分割框架Sparse-MoE-SAM	结合稀疏注意力机制和两阶段MoE解码器，动态激活关键通道并优化计算路径，在保持精度的同时显著降低计算成本	NA	解决资源受限环境下植物病害分割模型部署的挑战	植物叶片病害区域	计算机视觉	植物病害	深度学习	SAM, MoE	图像	三个异构数据集（PlantVillage Extended, CVPPP和自采集田间图像）	PyTorch	Segment Anything Model, 混合专家解码器, 空洞空间金字塔池化	平均交并比	移动和边缘设备
2375	2025-10-06	Transfer Learning-Based Multi-Sensor Approach for Predicting Keyhole Depth in Laser Welding of 780DP Steel 2025-Aug-24, Materials (Basel, Switzerland) DOI:10.3390/ma18173961 PMID:40942387	研究论文	本研究开发了基于深度学习的多传感器模型，用于预测780DP钢激光焊接中的熔深深度	首次将迁移学习技术应用于激光焊接熔深预测，并比较了单传感器与多传感器模型的性能差异	需要精密的光学相干断层扫描校准，且微调模型性能反而下降	开发准确预测激光焊接过程中关键孔深度的深度学习模型	780双相钢的激光焊接过程	机器视觉	NA	光学相干断层扫描，激光焊接，光谱仪信号采集	CNN	图像，光谱信号	NA	TensorFlow, Keras	MobileNetV2, ResNet50V2, EfficientNetB3, Xception	决定系数R，平均绝对误差MAE	NA
2376	2025-10-06	A Survey of Deep Learning-Based 3D Object Detection Methods for Autonomous Driving Across Different Sensor Modalities 2025-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s25175264 PMID:40942694	综述	本文系统综述了基于深度学习的自动驾驶3D目标检测方法，重点关注不同传感器模态的应用	提出了按输入模态分类的结构化分类法，并提供了模态无关的全面概述	作为综述文章，不包含原创性实验研究	系统梳理和比较自动驾驶中基于深度学习的3D目标检测方法	自动驾驶场景中的3D目标检测方法	计算机视觉	NA	深度学习	NA	图像,点云,雷达数据,多模态数据	NA	NA	NA	标准评估指标	NA
2377	2025-10-06	Digital Cardiovascular Twins, AI Agents, and Sensor Data: A Narrative Review from System Architecture to Proactive Heart Health 2025-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s25175272 PMID:40942702	综述	本文综述了数字心血管孪生、AI智能体和传感器数据在心血管疾病预测和预防中的应用	提出结合数字心血管孪生、多模态传感器数据和人工智能的多层架构，实现心血管疾病的早期预警和个性化预防	作为叙事性综述，缺乏原始数据分析和系统性质量评估	探讨心血管疾病从被动治疗向预测性预防性护理转变的技术路径	心血管疾病患者的多模态数据（心电图、光电容积脉搏波、机械心动图等）	数字病理学	心血管疾病	可穿戴IoT设备（ECG、PPG、机械心动图）、临床记录、实验室生物标志物、遗传标记	机器学习,深度学习,图神经网络,Transformer网络,生成式AI	多维度数据流、传感器数据、临床数据	基于183项2016-2025年间发表的研究	NA	图网络,Transformer,贝叶斯滤波器,卡尔曼滤波器	NA	云计算,边缘计算
2378	2025-10-06	Intelligent Fault Diagnosis System for Running Gear of High-Speed Trains 2025-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s25175269 PMID:40942699	研究论文	本研究将TimesNet时间序列建模框架引入高速列车走行部故障诊断领域，通过创新的多周期分解和二维张量重塑策略提升诊断性能	首次将TimesNet框架应用于轨道交通走行部故障诊断，采用多维时间序列数据二维重塑技术增强周期特征提取能力	未明确说明模型在其他类型机械故障诊断中的泛化能力，且计算资源需求未详细量化	开发满足实时性要求的高速列车走行部智能故障诊断系统	高速列车走行部轴承和变速箱	机器学习	NA	时间序列分析	TimesNet	多元时间序列数据	高速列车轴承故障数据集和变速箱多模式故障数据集	NA	TimesNet	诊断准确率, 推理时间	嵌入式部署平台
2379	2025-10-06	Efficient Deep Learning-Based Arrhythmia Detection Using Smartwatch ECG Electrocardiograms 2025-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s25175244 PMID:40942673	研究论文	提出一种基于1D CNN的高效深度学习模型，用于从智能手表心电图检测心律失常	首次将深度学习模型应用于智能手表心电图数据，并同时考虑模型效率和临床实用性	二元模型特异性较低(6.25%)，可能影响实际应用效果	开发高效的心律失常自动检测方法以支持临床诊断	智能手表采集的心电图数据	机器学习	心血管疾病	心电图分析	CNN	心电图信号	使用UMass Medical School Simband和MIT-BIH心律失常两个数据库	NA	1D CNN	准确率, 灵敏度, 特异性	模型参数120万，计算量68.48 MFlops
2380	2025-10-06	Pressure-Guided LSTM Modeling for Fermentation Quantification Prediction 2025-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s25175251 PMID:40942681	研究论文	本研究开发了一种结合深度学习和区块链技术的发酵监测框架，用于预测发酵过程的量化指标	将LSTM模型与区块链数据记录相结合，提高了发酵监测的可靠性和透明度	NA	开发可靠的发酵过程预测和监测系统	发酵过程的量化指标预测	机器学习	NA	模块化传感器单元数据采集，区块链数据记录	LSTM	多元时间序列数据	AAG1-3数据集	NA	LSTM	决定系数(R²)	NA