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
2501	2026-01-14	The Impact of the Accelerometer Sampling Rate on the Performance of Machine and Deep Learning Models in Wearable Fall-Detection Systems 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010162 PMID:41516597	研究论文	本研究探讨了加速度计采样率对可穿戴跌倒检测系统中机器学习和深度学习模型性能的影响，旨在确定在准确性、稳定性和计算效率之间取得最佳平衡的采样率	首次系统性地评估了不同采样率（10、20、50、100 Hz）对多种代表性算法在跌倒检测任务中性能的影响，并通过多阶段验证（包括真实跌倒数据集和连续监测测试）确定了20 Hz为最佳平衡点	研究主要基于特定数据集（SisFall）和算法，可能未涵盖所有可能的传感器配置、算法变体或人群特征	确定可穿戴跌倒检测系统中能最佳平衡准确性、稳定性和计算效率的加速度计采样率	可穿戴跌倒检测系统，特别是基于惯性传感器（加速度计）的系统	机器学习	老年疾病	加速度计数据采集	CNN-LSTM, CNN, LSTM-BN, k-NN, SVM	时间序列传感器数据	使用SisFall数据集，并在FARSEEING、Free From Falls真实跌倒库以及为期七天的真实生活条件连续监测测试中进行验证	NA	CNN-LSTM, CNN, LSTM-BN	准确率, 灵敏度, 特异性	NA
2502	2026-01-14	HIPER-CHAD: Hybrid Integrated Prediction-Error Reconstruction-Based Anomaly Detection for Multivariate Indoor Environmental Time-Series Data 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010171 PMID:41516605	研究论文	本文提出了一种名为HIPER-CHAD的混合集成预测误差重建异常检测模型，用于在嘈杂的多元室内环境时间序列数据中可靠检测细微异常	将正常行为的时间建模与预测不确定性的概率建模分离，使用LSTM预测传感器读数，再通过VAE对残差向量建模，结合重建误差和KL散度形成统计基础的异常评分	NA	在嘈杂的多元室内环境时间序列数据中可靠检测细微异常	多元室内环境时间序列数据	机器学习	NA	时间序列分析	LSTM, VAE	时间序列数据	NA	NA	LSTM, VAE	F1-score, recall	NA
2503	2026-01-14	Individual Variability in Deep Learning-Based Joint Angle Estimation from a Single IMU: A Cross-Population Study 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010178 PMID:41516612	研究论文	本研究探讨了基于单个IMU和深度学习进行关节角度估计时个体间的变异性及其在不同人群间的泛化能力	首次系统研究了基于深度学习的单IMU关节角度估计方法在年轻成人、健康老年人和术前髋关节置换患者三个不同人群中的个体变异性与跨人群泛化性能	样本量相对较小，且仅研究了髋、膝、踝三个关节的角度，未包含其他关节或步态参数	评估深度学习模型从单个骨盆IMU信号估计关节角度的性能，并探究其在跨人群应用时的有效性和局限性	年轻成人、健康老年人（65岁以上）以及因髋关节骨关节炎计划进行髋关节置换术的术前患者（65岁以上）	机器学习	老年疾病	惯性测量单元（IMU）	CNN	IMU信号（时间序列数据）	51名参与者（17名年轻成人，20名健康老年人，14名术前患者）	NA	1D ResNet	NA	NA
2504	2026-01-14	Real-Time Radar-Based Hand Motion Recognition on FPGA Using a Hybrid Deep Learning Model 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010172 PMID:41516607	研究论文	本文提出了一种基于雷达的实时手部动作识别框架，结合信号预处理、混合CNN-SVM模型及FPGA硬件部署	引入将雷达信号转换为二值化图像的预处理方法，并设计了一种参数更少的混合CNN-SVM模型，在FPGA平台上实现了高效的实时部署	未明确提及数据集的具体规模或多样性限制，且硬件部署的精度相比PC设置略有下降	解决雷达手部动作识别中的传感器干扰、杂波和小数据集问题，实现实时高效的嵌入式部署	雷达信号处理与手部动作分类	计算机视觉	NA	雷达信号处理，深度学习	CNN, SVM	雷达信号，图像	NA	Vitis AI	CNN-SVM	分类准确率，执行时间，吞吐量	Xilinx Zynq ZCU102评估套件，Xilinx Kria KR260机器人入门套件，FPGA平台
2505	2026-01-14	IFIANet: Frequency Attention Network for Time-Frequency in sEMG-Based Motion Intent Recognition 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010169 PMID:41516608	研究论文	本文提出了一种名为IFIANet的创新深度学习框架，用于基于表面肌电信号的运动意图识别	设计了IFIA模块，融合全局频率信息以补偿时频变换中可能丢失的频率成分，从而增强特征的判别性和鲁棒性	NA	提高基于表面肌电信号的运动意图识别性能，以实现自然流畅的人机交互	下肢外骨骼系统的使用者	机器学习	NA	表面肌电信号	CNN, TCN	表面肌电信号	来自MyPredict1数据集的九名参与者	NA	CNN-TCN	平均识别准确率	NA
2506	2026-01-14	Mammogram Analysis with YOLO Models on an Affordable Embedded System 2025-Dec-25, Cancers IF:4.5Q1 DOI:10.3390/cancers18010070 PMID:41514583	研究论文	本研究评估了多种YOLO模型在低成本嵌入式系统上检测乳腺X光片中病变的性能	首次在嵌入式系统上集成并比较了YOLOv5、YOLOv8、YOLOv10、YOLOv11及RT-DETR等先进YOLO版本用于乳腺X光片分析，并开发了自定义的基于网络的标注工具以提高标注准确性	研究数据集主要来自泰国患者，可能限制了模型在其他人群中的泛化能力，且嵌入式系统的计算资源有限可能影响更复杂模型的部署	开发适用于资源有限环境的低成本计算机辅助检测系统，以自动化乳腺X光片中的病变检测与分类	乳腺X光片中的病变，包括良性肿块、良性钙化、良性相关特征、恶性肿块、恶性钙化和恶性相关特征	计算机视觉	乳腺癌	乳腺X光成像	YOLO, Transformer	图像	3169名患者	PyTorch	YOLOv5, YOLOv8, YOLOv10, YOLOv11, RT-DETR	准确率, 推理速度	NVIDIA Jetson Nano嵌入式系统, GPU系统
2507	2026-01-14	Monitoring and Control of the Direct Energy Deposition (DED) Additive Manufacturing Process Using Deep Learning Techniques: A Review 2025-Dec-25, Materials (Basel, Switzerland) DOI:10.3390/ma19010089 PMID:41515755	综述	本文系统综述了深度学习技术在激光定向能量沉积和电弧增材制造两种直接能量沉积增材制造过程中的应用	系统比较了深度学习在两种典型DED工艺中的应用场景、监控精度和适用性，并探讨了其在闭环参数调整和强化学习控制中的潜力	指出了当前数据质量和模型可解释性等瓶颈问题	为DED工艺的智能化升级和质量提升提供理论与工程参考	激光定向能量沉积和电弧增材制造两种直接能量沉积增材制造过程	机器学习	NA	NA	ANN, RNN, CNN, RL	工艺参数、光学场、热场、声学信号、多传感器融合数据	NA	NA	NA	监控精度	NA
2508	2026-01-14	Synergistically Enhanced Ta2O5/AgNPs SERS Substrate Coupled with Deep Learning for Ultra-Sensitive Microplastic Detection 2025-Dec-25, Materials (Basel, Switzerland) DOI:10.3390/ma19010090 PMID:41515756	研究论文	本文开发了一种高性能Ta2O5/AgNPs复合SERS基底，结合深度学习模型，用于超灵敏微塑料检测	通过形态调控和带隙工程构建Ta2O5/AgNPs复合SERS基底，结合电磁与化学增强机制，并创新性地提出结合小波变换、CNN和Transformer的多尺度深度学习模型以处理复杂环境下的光谱干扰	NA	开发一种用于环境监测的微塑料超灵敏检测与精确风险评估的新方法	微塑料（如PS、PET、PMMA）	机器学习	NA	表面增强拉曼散射（SERS）	CNN, Transformer	光谱数据	NA	NA	结合小波变换、CNN和Transformer的多尺度模型	分类准确率	NA
2509	2026-01-14	A TCN-BiLSTM and ANR-IEKF Hybrid Framework for Sustained Vehicle Positioning During GNSS Outages 2025-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s26010152 PMID:41516586	研究论文	本文提出了一种结合深度学习与自适应卡尔曼滤波的混合框架，用于在GNSS信号中断期间维持车辆持续定位	提出了一种新颖的TCN-BiLSTM与ANR-IEKF混合框架，首次将时序卷积网络与双向长短期记忆网络结合用于生成伪GNSS测量值，并采用自适应噪声调节迭代扩展卡尔曼滤波器进行实时噪声统计动态估计与调整	研究仅使用单一真实世界车辆数据集进行验证，未在不同车型、更复杂城市环境或更长时间GNSS中断场景中进行广泛测试	解决复杂城市环境中GNSS信号频繁中断导致的集成导航系统性能下降问题，为自动驾驶应用提供持续可靠的定位解决方案	车辆定位系统，特别是在GNSS信号中断环境下的定位性能	机器学习	NA	GNSS/INS集成导航，深度学习，卡尔曼滤波	TCN, BiLSTM	车辆传感器数据（原始INS数据，GNSS测量值）	一个包含直线和转弯场景的真实世界车辆数据集	NA	TCN-BiLSTM混合架构	定位精度，误差（米）	NA
2510	2026-01-14	Classification of Point Cloud Data in Road Scenes Based on PointNet+ 2025-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s26010153 PMID:41516587	研究论文	本研究基于PointNet+框架，通过深度学习技术对道路场景中的点云数据进行自动特征提取和分类，实现了高精度的物体识别	将点填充方法集成到预处理模块中，增强了PointNet++框架，并采用多种数据增强策略（如最远点采样、随机变换和高斯噪声注入）来提升模型性能	未明确讨论模型在极端天气或复杂动态环境下的泛化能力，以及计算资源需求的具体分析	实现道路场景中点云数据的自动化分类，以支持城市道路基础设施的测量和管理	道路场景中的点云数据，包括来自Princeton ModelNet40、ShapeNet和Sydney Urban Objects数据集的3D空间坐标和标注点云文件	计算机视觉	NA	深度学习，点云处理	PointNet++	点云数据	综合数据集，包含来自多个公开数据集的点云样本，具体数量未明确说明	NA	PointNet++，采用多尺度分组（MSG）和单尺度分组（SSG）方案	平均训练准确率，峰值单实例准确率，最佳类别准确率，测试集准确率，类别准确率	NA
2511	2026-01-14	Telemedicine to Improve Medical Care of Fishermen in Pelagic Fisheries 2025-Dec-25, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14010058 PMID:41516989	综述	本文综述了远程医疗在远洋渔业中改善渔民医疗保健的应用、进展与未来方向	系统总结了人工智能驱动的远程医疗在海上恶劣环境中的应用，并强调了5G医疗物联网网络和预测性AI工具的未来发展方向	面临连接限制、数据隐私问题以及培训需求等挑战	探讨远程医疗如何克服地理隔离和环境限制，以改善远洋渔民的医疗保健服务	在远洋渔业中工作的渔民	数字病理学	NA	远程医疗、卫星通信系统、可穿戴设备、远程指导超声、数字摄影、云端监测系统	机器学习、深度学习	生理监测数据、图像、视频	NA	NA	NA	NA	NA
2512	2026-01-14	Deep Learning-Based Prediction of Fish Freshness and Purchasability Using Multi-Angle Image Data 2025-Dec-25, Foods (Basel, Switzerland) DOI:10.3390/foods15010068 PMID:41517133	研究论文	本研究利用深度学习模型，基于多角度图像数据预测海鲈鱼的新鲜度和可购买性	首次结合多角度成像（每个鱼8个不同视角，含背景与无背景）与22个质量参数（10个分类感官参数和12个数值颜色参数），并系统比较了七种主流迁移学习算法在鱼类新鲜度预测任务中的性能	研究仅使用了10条鱼的样本，样本量较小；仅针对海鲈鱼单一物种进行研究，结论的普适性有待验证	开发基于深度学习的图像分析方法，用于评估和预测鱼类的新鲜度	海鲈鱼	计算机视觉	NA	多角度成像	CNN	图像	10条鱼，每日监测直至腐败后三天，共采集多角度图像数据	TensorFlow, Keras	EfficientNetB0, ResNet50, DenseNet121, VGG16, InceptionV3, MobileNet, VGG19	准确率, 精确率, 召回率, F1分数, 响应时间, 平均绝对误差, 基于容差的误差指标	NA
2513	2026-01-14	Predictive design of tissue-specific mammalian enhancers that function in vivo in the mouse embryo 2025-Dec-24, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.22.695948 PMID:41497587	研究论文	本文提出了一种基于深度学习设计在小鼠胚胎中具有组织特异性功能的增强子的通用策略	首次在哺乳动物活体组织中成功设计出功能可靠的合成增强子，建立了可编程控制哺乳动物基因表达的通用框架	未明确说明设计的增强子在不同发育阶段或遗传背景下的稳定性，也未讨论潜在的脱靶效应	开发能够在哺乳动物活体组织中可靠工作的组织特异性增强子设计方法	小鼠胚胎的心脏、四肢和中枢神经系统组织	机器学习	NA	染色质可及性分析	CNN	基因组序列数据	使用全基因组染色质可及性数据及已验证的人类和小鼠增强子进行训练	NA	紧凑型卷积神经网络	组织特异性活性验证	NA
2514	2026-01-14	Diagnostic Accuracy of an Offline CNN Framework Utilizing Multi-View Chest X-Rays for Screening 14 Co-Occurring Communicable and Non-Communicable Diseases 2025-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010066 PMID:41515561	研究论文	本研究评估了一种基于离线CNN框架、利用多视角胸部X光片筛查14种共存的传染性与非传染性疾病的诊断准确性	开发并验证了一个结合公共与本地数据集进行预训练和微调的离线CNN框架，专门用于多视角（正位/侧位）胸部X光片分析，并在资源有限环境中测试了其与PACS集成及离线部署的可行性	研究仅基于单一尼泊尔三级医院的本地数据集，可能限制了模型在其他地区或医疗环境中的泛化能力；且仅评估了成人胸部X光片	评估深度学习CNN模型在多种临床环境下利用多视角胸部X光片检测胸廓异常的诊断准确性，并探索其在资源有限地区的部署可行性	成人胸部X光片（正位/侧位），包括急诊、ICU和门诊环境中的图像	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	训练集包含公共数据集（Vin Big, NIH）及尼泊尔三级医院的本地数据集；测试集包含522张图像	NA	NA	AUC, 敏感性, 特异性, 平均精度均值(mAP), 报告时间	NA
2515	2026-01-14	Radiomic-Based Machine Learning Classifiers for HPV Status Prediction in Oropharyngeal Cancer: A Systematic Review and Meta-Analysis 2025-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010068 PMID:41515563	系统综述	本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在预测口咽鳞状细胞癌患者HPV状态方面的准确性、可靠性及临床适用性	首次对基于影像组学的机器学习模型预测口咽鳞状细胞癌HPV状态进行了系统综述和荟萃分析，综合评估了不同成像模态和模型架构的性能	大多数研究存在高偏倚风险，主要源于依赖单一的p16检测进行HPV状态确认、样本量不足或类别不平衡处理不当，且方法学异质性较大	评估基于影像组学的机器学习模型预测口咽鳞状细胞癌患者HPV状态的准确性、方法学框架及临床适用性	口咽鳞状细胞癌患者	医学影像分析	口咽癌	CT, MRI, CE-CT, F-FDG PET	逻辑回归, 随机森林, XGBoost, CNN	医学影像	24项研究，共8627名患者	NA	NA	AUROC, 敏感性, 特异性	NA
2516	2026-01-14	From Pixels to Predictions: Integrating Machine Learning and Digital Image Correlation for Damage Identification in Engineering Materials 2025-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma19010077 PMID:41515743	综述	本文综述了将机器学习与数字图像相关技术相结合，用于工程材料损伤识别的方法	将机器学习与数字图像相关技术耦合，显著提高了损伤识别的准确性、速度和可靠性，实现了自动化、高分辨率且近实时的损伤评估	在复杂载荷条件下，传统方法存在精度限制且需要大量人工操作，本文作为综述未提出具体的新模型，主要总结现有方法	评估工程材料中的损伤，以提高结构可靠性和安全性	复合材料、金属及其他工程材料	机器学习	NA	数字图像相关技术	机器学习模型, 深度学习架构	图像	NA	NA	NA	准确性, 速度, 可靠性	NA
2517	2026-01-14	Lightweight Deep Learning Model for Classification of Normal and Abnormal Vasculature in Organoid Images 2025-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s26010112 PMID:41516547	研究论文	本研究提出了一种轻量级深度学习模型，用于自动分类血管类器官图像中的正常与异常血管结构	基于EfficientNet架构，通过将激活函数SiLU替换为ReLU并移除Squeeze-and-Excitation模块来降低计算复杂度，在保持高精度的同时实现实时推理	未明确说明数据集的详细规模与多样性，且仅针对血管类器官图像进行评估	开发自动化工具以替代人工评估血管类器官中血管结构的正常性，提高评估效率和可重复性	血管类器官图像	数字病理学	NA	共培养实验	CNN	图像	NA	NA	EfficientNet	准确率, 推理速度(FPS)	CPU
2518	2026-01-14	A Unified GNN-CV Framework for Intelligent Aerial Situational Awareness 2025-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s26010119 PMID:41516554	研究论文	本文提出了一种统一的GNN-CV框架，用于解决空中态势感知中大规模动态实体和复杂时空关系带来的挑战	提出了一个统一的GNN-CV框架，将成熟的计算机视觉架构与图神经网络结合，用于处理类雷达地图表示，并创新性地引入了稀疏实体属性变换图神经网络、大规模雷达地图重建、集成特征提取、专门的两阶段预训练和可适应的下游任务网络等方法	未明确说明框架在其他更广泛或更复杂的空中态势感知任务中的泛化能力，以及在实际部署中可能遇到的计算资源或实时性约束	提升操作级空中态势感知的智能化水平，通过统一框架处理多种感知任务	空中动态实体（如无人机集群）及其时空关系	计算机视觉	NA	图神经网络，计算机视觉	GNN, CNN	类雷达地图表示（图像数据）	NA	NA	SET-GNNs, 未指定具体CV架构（但提及利用图像分类、目标检测、图像生成等成熟CV技术）	准确率	NA
2519	2026-01-14	IRIS-QResNet: A Quantum-Inspired Deep Model for Efficient Iris Biometric Identification and Authentication 2025-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s26010121 PMID:41516556	研究论文	本研究提出了一种名为IRIS-QResNet的量子启发的深度模型，用于提升虹膜生物特征识别与认证的效率和准确性	在ResNet-18架构中引入了量子卷积层，该层模拟量子纠缠和叠加效应，并结合正弦特征编码，以增强特征提取能力和识别精度	未使用数据增强技术，且仅在特定虹膜数据集上进行了验证	解决训练数据有限时虹膜识别中高维细微模式易被忽略的问题，提升特征提取和识别准确性	虹膜图像	计算机视觉	NA	深度学习，量子启发计算	CNN	图像	使用了CASIA-Thousands、IITD、MMU和UBIris四个虹膜数据集	NA	ResNet-18（定制化，含量子卷积层）	准确率，损失值	NA
2520	2026-01-14	Real-Time Callus Instance Segmentation in Plant Tissue Culture Using Successive Generations of YOLO Architectures 2025-Dec-23, Plants (Basel, Switzerland) DOI:10.3390/plants15010047 PMID:41514991	研究论文	本研究使用连续多代YOLO架构，在植物组织培养中实现了愈伤组织的实时实例分割	首次构建了用于实例分割的扁豆愈伤组织数据集，并系统比较了基于锚点和无锚点设计的YOLO模型在植物组织图像分析中的性能	数据集规模相对较小（122张图像），仅包含三种基因型，可能限制模型的泛化能力	开发一种实时监测植物组织培养中愈伤组织形成的方法，以替代主观、劳动密集型的人工评估	扁豆（Lentil）叶片外植体在添加不同浓度BA和NAA的MS培养基上诱导产生的愈伤组织	计算机视觉	NA	植物组织培养，图像采集	YOLO	图像	122张高分辨率图像，包含1185个标注实例	NA	YOLOv5, YOLOv7, YOLOv8, YOLOv11	mAP, Dice系数, 精确率, 召回率, IoU, 参数量, FLOPs, 推理速度	NA