深度学习在生物医药领域中的应用

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
241	2025-09-20	Study on Lightweight Bridge Crack Detection Algorithm Based on YOLO11 2025-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s25113276 PMID:40968797	研究论文	提出一种基于YOLO11优化的轻量级桥梁裂缝检测算法YOLO11-BD，提升检测精度和计算效率	引入高效多尺度卷积注意力模块(EMSCA)增强特征提取能力，并采用轻量级检测头(LDH)减少参数量，实现模型轻量化	NA	开发高效准确的桥梁裂缝自动检测方法	桥梁裂缝图像	计算机视觉	NA	深度学习	YOLO11	图像	NA
242	2025-09-20	Recent Advancements in Hyperspectral Image Reconstruction from a Compressive Measurement 2025-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s25113286 PMID:40968829	综述	本文全面综述了高光谱图像压缩测量重建领域的最新进展，涵盖传统模型方法、深度学习方法和混合框架	系统分类三大重建范式，并重点关注了基于Transformer的架构演进和深度展开策略等新兴发展方向	NA	推动高光谱图像重建领域的发展，为研究者和实践者提供参考	高光谱图像重建技术	computational imaging	NA	深度学习，压缩感知	CNN, Transformer	hyperspectral image	NA
243	2025-09-20	Enhanced Channel Estimation for RIS-Assisted OTFS Systems by Introducing ELM Network 2025-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s25113292 PMID:40968820	研究论文	提出一种基于极限学习机（ELM）的增强型信道估计方法，用于RIS辅助的OTFS系统以提高符号检测性能	首次将ELM网络引入RIS辅助OTFS系统进行信道估计，并采用基于阈值的初始特征提取方法增强ELM学习能力	网络参数相比深度学习网络不足，存在训练时间和参数调优的挑战	降低高移动性通信场景中RIS辅助OTFS系统的信道估计复杂度并提高精度	RIS辅助的OTFS通信系统	机器学习	NA	极限学习机（ELM），消息传递算法	ELM（单隐层前馈网络）	通信信号数据	NA
244	2025-09-20	Classification of Electroencephalography Motor Execution Signals Using a Hybrid Neural Network Based on Instantaneous Frequency and Amplitude Obtained via Empirical Wavelet Transform 2025-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s25113284 PMID:40968836	研究论文	本研究比较了传统分类器与混合神经网络在基于EEG的手势分类中的性能	提出了一种基于经验小波变换提取瞬时频率和幅度的混合神经网络架构，在EEG手势识别中表现出更高的分类准确率	研究仅包含33名参与者的七种手势数据，样本规模有限	改进脑机接口系统中的EEG手势识别性能	33名参与者执行的七种不同手势的EEG信号	脑机接口	NA	经验小波变换(EWT)、带功率特征提取	混合神经网络、线性判别分析(LDA)、支持向量机(SVM)	EEG信号	33名参与者，七种手势的EEG记录
245	2025-09-20	TU-DAT: A Computer Vision Dataset on Road Traffic Anomalies 2025-May-22, Sensors (Basel, Switzerland) DOI:10.3390/s25113259 PMID:40968794	研究论文	介绍了一个用于分析交通事故的计算机视觉数据集TU-DAT，包含真实和模拟视频数据	首个结合真实监控视频和高保真模拟的混合交通异常数据集，提供时空标注和结构化元数据	NA	为自动检测和预测道路异常提供训练和评估数据集	交通异常事件和攻击性驾驶行为	computer vision	NA	视频分析，BeamNG.drive模拟	hybrid deep learning- and logic-based reasoning frameworks	video	约280个真实世界和模拟视频
246	2025-09-20	Research on Measurement of Coal-Water Slurry Solid-Liquid Two-Phase Flow Based on a Coriolis Flow Meter and a Neural Network 2025-May-22, Sensors (Basel, Switzerland) DOI:10.3390/s25113267 PMID:40968798	研究论文	基于科里奥利流量计和神经网络测量水煤浆固液两相流的研究	开发了深度学习校正框架，通过BP神经网络和算法优化显著降低两相流测量误差，将预测模型校正误差从5.11%降至1.01%	研究主要针对水煤浆固液两相流，未涉及其他多相流类型或更广泛工业场景	提高科里奥利质量流量计在液固两相流测量中的精度，为工业过程控制提供可靠数据支持	水煤浆（CWS）固液两相流	工业测量与过程控制	NA	科里奥利质量流量计测量，深度学习校正	BP神经网络	流量和密度测量数据	未明确说明具体样本数量，但基于重复性实验构建数据集
247	2025-09-20	Underwater SLAM Meets Deep Learning: Challenges, Multi-Sensor Integration, and Future Directions 2025-May-22, Sensors (Basel, Switzerland) DOI:10.3390/s25113258 PMID:40968800	综述	本文全面综述了深度学习增强水下SLAM技术的最新进展、挑战及未来方向	提出了基于水下无线传感器网络（UWSNs）集成的新型分类框架，并探讨了通信感知SLAM方法如何提升导航精度	NA	分析深度学习如何提升水下SLAM的鲁棒性和适应性，以支持自主水下探索	自主水下航行器（AUVs）及其在复杂水下环境中的导航与地图构建	机器视觉与自主系统	NA	深度学习（DL），传感器融合，声学通信	基于Transformer的架构，轻量级神经网络	多模态传感器数据（如图像、声学数据）	NA
248	2025-09-20	Quantitative Assessment of Facial Paralysis Using Dynamic 3D Photogrammetry and Deep Learning: A Hybrid Approach Integrating Expert Consensus 2025-May-22, Sensors (Basel, Switzerland) DOI:10.3390/s25113264 PMID:40968808	研究论文	提出一种结合动态3D摄影测量和深度学习的混合方法，用于面部瘫痪的客观量化评估	整合专家共识与面部运动点云数据，利用PointNet网络实现高精度面部瘫痪严重程度量化	依赖专家评分进行训练，可能存在主观偏差；样本规模未明确说明	开发客观量化面部瘫痪严重程度的自动化评估方法	面部瘫痪患者的面部运动数据	计算机视觉	面部神经疾病	动态3D摄影测量成像系统	PointNet	3D点云数据	NA
249	2025-09-20	Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01107-9 PMID:39150595	研究论文	利用深度学习模型结合预训练网络和SVM分类器，实现对脑肿瘤病理图像的高精度分类	采用预训练Resnet50提取深度特征并结合SVM进行分类，在脑肿瘤分类中达到97.4%的准确率	基于有限医学影像数据，未提及外部验证或临床前瞻性研究	区分原发性弥漫性中枢神经系统大B细胞淋巴瘤和高级别胶质瘤，辅助病理诊断	脑肿瘤病理图像	数字病理	脑肿瘤	深度学习，图像分类	CNN (Resnet50) + SVM	图像	未明确样本数量，采用十倍交叉验证
250	2025-09-20	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-Mar-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.01.621613 PMID:39554149	研究论文	本研究通过单细胞多组学分析揭示了转录因子MEF2C在心脏管形态发生中调控节段特异性基因调控网络的作用	首次构建了野生型与MEF2C缺失胚胎的心脏发育轨迹，并利用深度学习模型识别了节段特异性增强子	研究主要基于斑马鱼模型，在哺乳动物中的普适性仍需验证	解析早期心脏形成过程中谱系特异性基因调控网络	野生型与MEF2C缺失斑马鱼胚胎的心脏发育过程	发育生物学	先天性心脏病	单核RNA测序、ATAC测序、多组学整合分析	深度学习模型	基因组学数据、表观遗传学数据	野生型与MEF2C缺失斑马鱼胚胎的时间序列样本
251	2025-09-20	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	研究论文	提出一种基于深度学习的LQSF方法，用于DNA存储中高风险序列的预测和过滤	首次将深度学习模型应用于DNA存储编码阶段的主动序列过滤，替代传统被动纠错方法	NA	提高DNA存储技术在合成和测序过程中的错误纠正效率	DNA序列	机器学习	NA	深度学习，Illumina测序	AlexNet, VGG16, VGG19	序列数据	多个神经网络和测试集上的广泛训练和验证
252	2025-09-20	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了利用机器学习和深度学习模型预测化学物质致癌性的研究进展	系统比较了传统机器学习与深度学习模型在致癌性预测中的性能，并强调高质量大数据集的重要性	深度学习模型受限于现有致癌性数据集的规模	评估和比较不同AI模型在化学物质致癌性预测中的应用效果	化学物质	机器学习	癌症	机器学习，深度学习	SVM, Random Forest, 集成学习, FNN, CNN, GCN, Capsule Net, 混合神经网络	化学数据	NA
253	2025-09-20	DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1-year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056403104250527045320 PMID:40511648	研究论文	本研究开发了一种基于DWI和深度学习的放射组学列线图，用于预测前列腺癌根治术后1年生化复发	结合深度学习提取的放射组学特征与临床参数构建预测模型，并探索放射组学评分与肿瘤微环境的关联	回顾性多中心研究，样本量有限（n=349），需进一步前瞻性验证	预测前列腺癌根治术后1年生化复发风险	接受根治性前列腺切除术的前列腺癌患者	数字病理	前列腺癌	扩散加权成像（DWI），单细胞RNA测序	3D U-Net，Cox比例风险回归	医学影像（MRI），临床数据	349例患者（多中心回顾性队列），4例前瞻性单细胞RNA测序数据
254	2025-09-20	Automated Brain Tumor segmentation using hybrid YOLO and SAM 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392711250718201911 PMID:40754882	研究论文	提出一种结合YOLO和SAM的混合深度学习框架，用于脑肿瘤的自动分割与诊断	首次将YOLOv11实时目标检测与SAM精确分割模型结合，并通过增强CNN骨干网络实现鲁棒特征提取	NA	开发自动化脑肿瘤早期检测与诊断系统	脑部MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	深度学习	CNN, YOLOv11, SAM	MRI图像	896张脑部MRI图像（包含肿瘤和健康脑部图像）
255	2025-09-20	Explainable AI to unveil cellular autophagy dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331045 PMID:40934250	研究论文	本研究开发了一种基于可解释AI的计算流程，用于自动化分析细胞自噬动态过程	整合了目标检测、细胞分割、状态分类、细胞追踪和可解释性方法，无需标注追踪数据即可处理细胞分裂等复杂场景	NA	利用深度学习和可解释AI技术推进自噬研究，减少人工工作量并揭示关键自噬动态	细胞自噬过程	计算机视觉	癌症和神经退行性疾病	荧光显微镜成像	YOLOv8, U-Net++, vision transformer	图像	6,240张来自CELLULAR数据集的荧光显微镜图像
256	2025-09-20	Enhanced gallbladder cancer detection via active and self-supervised learning integration: Innovating B-ultrasound image analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330781 PMID:40956796	研究论文	提出一种结合主动学习和自监督学习的新型分类算法ASGBC，用于提升B超图像中胆囊癌的检测准确率	集成主动学习与自监督学习减少标注依赖，引入多尺度高阶信息模块MsHop捕捉超声图像细微纹理，并设计双分支损失函数增强特征提取和模型稳定性	算法仍需进一步优化以适应更广泛的临床应用，且可能还存在其他可提升诊断准确率的特征未被发掘	开发高效算法以改善胆囊癌的早期诊断	B超图像中的胆囊癌病变	计算机视觉	胆囊癌	深度学习，主动学习，自监督学习	ASGBC（集成主动学习和自监督学习的分类算法），包含MsHop模块	B超图像	胆囊超声数据集（具体数量未明确说明），但实验表明仅需35%的数据即可达到全数据集可比效果
257	2025-09-20	A deep learning approach to gender equality: Forecasting educational indicators with 1D-CNN aligned with SDG 5 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332273 PMID:40956848	研究论文	提出一种基于1D-CNN的时间序列预测模型，用于预测多国性别相关教育指标	首次将1D-CNN应用于性别平等教育指标的时间序列预测，能够捕捉细微变化和时序模式	NA	预测性别相关教育结果以支持可持续发展目标5（性别平等）	美国、沙特阿拉伯、中国、埃及和瑞典的性别分类教育数据	机器学习	NA	时间序列分析	1D-CNN	时间序列数据（人口统计、社会经济和教育数据）	五个国家的历史性别分类数据
258	2025-09-20	In-silico tool for predicting and scanning rheumatoid arthritis-inducing peptides in an antigen 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1630863 PMID:40959057	研究论文	开发了一种用于预测和扫描抗原中类风湿关节炎诱导肽的计算机工具	整合了基于基序的比对方法和机器学习方法（XGBoost与ProtBERT），创建了性能最优的集成模型，并实现了可公开访问的预测工具RAIpred	数据集规模有限（291个阳性肽和165个阴性肽），模型性能仍有提升空间（AUC=0.80）	识别可能引发类风湿关节炎的抗原肽段，以支持蛋白质疗法的安全评估	HLA II类结合肽段，特别是与类风湿关节炎相关的抗原肽	生物信息学	类风湿关节炎	BLAST, MERCI, 机器学习, 深度学习, 蛋白质语言模型	XGBoost, ProtBERT, 集成模型	肽序列数据	456个实验验证的肽段（291个RA诱导肽，165个非诱导肽）
259	2025-09-20	Prediction of TP53 mutations across female reproductive system pan-cancers using deep multimodal PET/CT radiogenomics 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1608652 PMID:40959426	研究论文	利用深度多模态PET/CT放射基因组学预测女性生殖系统泛癌中TP53突变状态	首次整合肿瘤和棕色脂肪组织（BAT）的多模态影像特征，并采用Transformer模型进行跨癌种TP53突变预测	回顾性研究，样本量有限（259例），需外部验证	开发非侵入性AI模型预测妇科恶性肿瘤TP53突变状态	宫颈癌、子宫内膜癌和卵巢癌患者	数字病理	妇科肿瘤	PET/CT影像分析，放射组学特征提取	Transformer	医学影像（CT/PET）	259例患者
260	2025-09-20	Image steganalysis using LSTM fused convolutional neural networks for secure telemedicine 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1619706 PMID:40959435	研究论文	提出一种结合CNN和LSTM的混合模型，用于医疗图像隐写分析以增强数据安全	使用LSTM层替代传统CNN的全连接层，优先提取高相关性特征，提升隐藏数据检测能力	NA	确保AI驱动医疗解决方案中医学图像的安全性与完整性	医学及敏感图像数据集	计算机视觉	NA	图像隐写分析	CNN fused LSTM	图像	BOSS Base 1.01、BOWS和ALASKA2数据集