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
361	2025-12-12	Deep Learning Meets InSAR for Infrastructure Monitoring: A Systematic Review of Models, Applications, and Challenges 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237169 PMID:41374544	综述	本文系统回顾了2020年至2025年2月间发表的67篇同行评议文章，探讨了深度学习模型在利用InSAR数据进行基础设施监测中的应用、模型架构、挑战及未来趋势	首次对深度学习模型在InSAR基础设施监测中的应用进行全面系统综述，填补了现有文献的空白，并识别了方法学挑战与新兴趋势	文章本身为综述，不涉及原始研究，因此未提出具体模型或实验；综述范围限于2020年至2025年2月的文献，可能未涵盖最新进展	系统分析深度学习模型在InSAR基础设施监测中的应用，总结模型架构、应用阶段、挑战及未来研究方向	67篇同行评议文章（2020年至2025年2月发表），重点关注深度学习与InSAR在基础设施监测中的结合	机器学习和遥感监测	NA	干涉合成孔径雷达（InSAR）	LSTM, CNN, Transformer, 混合模型	InSAR数据（雷达图像）	67篇文献（涉及多个研究案例，但未指定具体样本数量）	NA	LSTM, CNN, Transformer, 混合架构	NA	NA
362	2025-12-12	A Study on the Grip Force of Ski Gloves with Feature Data Fusion Based on GWO-BPNN Deep Learning 2025-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s25237154 PMID:41374529	研究论文	本研究通过融合手部特征数据，利用GWO-BPNN深度学习算法开发高精度滑雪握力预测模型，并成功应用于智能滑雪手套的开发	提出了一种结合深度神经网络与灰狼优化算法的混合方法，用于融合手部特征数据并优化握力预测，显著提高了柔性传感器应用的准确性	未明确提及模型在更广泛手部姿势或不同滑雪条件下的泛化能力，且样本数据可能受限于特定实验设置	研究滑雪时握滑雪杖的特征压力分布模式，开发高精度握力预测模型	滑雪握力数据，特别是复杂曲面滑雪杖上的握力分布	机器学习	NA	多点柔性阵列传感器检测，系统校准，深度学习训练	BP神经网络，深度神经网络	传感器数据（力数据）	建立了实验样本数据集，但未指定具体数量	NA	BP神经网络，深度神经网络	相对误差	NA
363	2025-12-12	Convolutional Neural Networks for Estimation of Uniaxial Tensile Test Equivalent Properties from Small Punch Test 2025-Nov-22, Materials (Basel, Switzerland) DOI:10.3390/ma18235276 PMID:41374120	研究论文	本研究利用卷积神经网络从小冲杆试验数据预测单轴拉伸试验等效性能	首次将卷积神经网络应用于小冲杆试验曲线到单轴拉伸试验曲线的预测，以减小系统偏差	研究仅针对三种锅炉钢材料，未涉及更广泛的材料类型	开发一种从小冲杆试验数据准确预测单轴拉伸试验等效性能的方法	锅炉钢材料（10H2M、13HMF、15HM）在新状态和使用退化状态下的力学性能	机器学习	NA	小冲杆试验、单轴拉伸试验	CNN	曲线数据	三种锅炉钢材料在新状态和使用退化状态下的配对SPT和UTT数据	NA	卷积神经网络	预测精度（与常规UTT测量相当）	NA
364	2025-12-12	Multimodal Deep Learning-Based Classification of Breast Non-Mass Lesions Using Gray Scale and Color Doppler Ultrasound 2025-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232967 PMID:41374348	研究论文	提出一种基于多模态深度学习的乳腺非肿块性病变分类方法，使用灰度超声和彩色多普勒超声图像	首次将多模态深度学习（结合灰度与彩色多普勒超声）应用于乳腺非肿块性病变的良恶性分类，并比较了多模态与单模态模型的性能	回顾性研究，样本量相对有限（248个病变），未在外部验证集上进行测试	开发并评估一种用于乳腺非肿块性病变良恶性分类的多模态深度学习模型	乳腺非肿块性病变（NMLs）	计算机视觉	乳腺癌	超声成像（灰度超声、彩色多普勒超声）	CNN	图像	248个经病理证实的乳腺非肿块性病变，来自241名女性患者	NA	ResNet50, ResNet18, VGG16	准确率, 灵敏度, 特异度, F1分数, AUC	NA
365	2025-12-12	Multimodal-Imaging-Based Interpretable Deep Learning Framework for Distinguishing Brucella from Tuberculosis Spondylitis: A Dual-Center Study 2025-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232963 PMID:41374344	研究论文	本研究开发了一种基于多模态CT和MRI成像数据的可解释深度学习框架，用于准确区分布鲁氏菌性脊柱炎和结核性脊柱炎	首次提出结合多模态CT和MRI成像数据，并利用预训练的GoogleNet架构构建可解释深度学习模型来区分两种脊柱炎，模型性能优于其他架构和放射科医生	研究为双中心研究，样本量可能有限；外部验证集的AUC值相对较低（81.25%）	开发一个深度学习框架，以提高布鲁氏菌性脊柱炎和结核性脊柱炎的早期诊断准确性和效率	布鲁氏菌性脊柱炎和结核性脊柱炎患者的CT和MRI影像数据	数字病理学	脊柱炎	计算机断层扫描，磁共振成像	CNN	图像	来自两个中心的CT和MRI影像数据（具体数量未在摘要中说明）	NA	GoogleNet, ResNet, DenseNet, EfficientNet	准确率, 灵敏度, 特异性, AUC	NA
366	2025-12-12	IPFSCNN: A Time-Frequency Fusion CNN for Wideband Spectrum Sensing 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237134 PMID:41374508	研究论文	提出了一种名为IPFSCNN的新型非对称混合CNN架构，用于融合时域和频域数据进行宽带频谱感知	提出了一种新颖的非对称混合架构（IQ-Parallel FFT-Serial CNN），通过并行分支处理时域I/Q数据和串行分支处理频域FFT数据，实现两种数据表示的协同融合	未明确提及研究的具体局限性	提高宽带频谱感知的性能，特别是在低信噪比条件下	认知无线电中的宽带频谱信号	机器学习	NA	NA	CNN	时域I/Q数据，频域FFT数据	NA	NA	IPFSCNN（一种非对称混合CNN架构）	检测性能（具体指标未明确列出，但提及了与DeepSense和ParallelCNN的比较）	NA
367	2025-12-12	A Time-Frequency Domain Diagnosis Network for ICE Fault Detection 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237139 PMID:41374512	研究论文	本文提出了一种用于内燃机故障检测的时频域诊断网络（TFDN），通过结合时域和频域特征来提高诊断准确性和稳定性	提出了一种新颖的时频域诊断网络（TFDN），整合了时域路径（使用残差网络和自注意力机制）和频域路径（使用CNN），有效结合了时间和频率域特征，提高了故障检测的准确性和实时性	研究主要针对六缸柴油发动机的12种故障类型，可能在其他类型发动机或故障上的泛化能力未经验证	开发一种能够高效提取时频域特征的内燃机故障检测方法，以解决传统方法在特征提取和数据需求方面的限制	内燃机（特别是六缸柴油发动机）的故障检测，包括异常喷射压力和阀门间隙等12种故障类型	机器学习	NA	NA	CNN, LSTM, 自注意力机制	时间序列数据（可能来自传感器）	未明确指定总样本数，但提到在每故障5个样本的有限数据下进行测试	未明确指定，可能为TensorFlow或PyTorch	ResNet, CNN, LSTM, 自注意力机制	准确率, 精确率, 召回率	NA
368	2025-12-12	Analysis of Deep-Learning Methods in an ISO/TS 15066-Compliant Human-Robot Safety Framework 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237136 PMID:41374514	研究论文	本文提出了一种基于深度学习的符合ISO/TS 15066标准的人机安全框架，旨在根据人机距离动态调整机器人速度，同时遵守最大生物力学力和压力限制	该框架通过区分人体部位与其他物体，优化机器人流程执行，相比传统安全技术，实验显示周期时间最多可减少15%	NA	研究在符合ISO/TS 15066标准的人机协作环境中，通过深度学习提高协作任务效率	人机安全框架及其在四种深度学习人体提取方法中的应用	机器视觉	NA	深度学习	NA	图像	NA	NA	NA	周期时间减少百分比	NA
369	2025-12-12	MLD-Net: A Multi-Level Knowledge Distillation Network for Automatic Modulation Recognition 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237143 PMID:41374516	研究论文	本文提出了一种用于自动调制识别的多级知识蒸馏网络MLD-Net，旨在开发轻量且高效的模型	采用基于Transformer的大型网络作为教师模型，指导基于Reformer的紧凑学生模型训练，并在输出、特征和注意力三个不同粒度上进行知识蒸馏	NA	解决高性能深度学习模型在自动调制识别中计算和内存需求大的问题，开发适用于边缘部署的轻量模型	无线通信系统中的自动调制识别	机器学习	NA	知识蒸馏	Transformer, Reformer	信号数据	RML2016.10A基准数据集	NA	Transformer, Reformer	NA	NA
370	2025-12-12	Application of Machine Learning in Food Safety Risk Assessment 2025-Nov-22, Foods (Basel, Switzerland) DOI:10.3390/foods14234005 PMID:41375943	综述	本文综述了机器学习和深度学习在食品安全风险评估中的变革性作用，重点关注生物毒素检测、重金属污染、农药和兽药残留分析以及微生物风险预测等关键领域	系统总结了ML和DL在食品安全风险评估中的最新进展，并强调了新型深度学习架构（如CNN、RNN和Transformer）在自动特征提取和多模态数据集成方面的应用，显著提高了检测准确性和效率	未明确提及具体研究的局限性，但建议未来工作应强调模型可解释性、多模态数据融合以及与HACCP系统的集成	回顾机器学习和深度学习在实现智能食品安全管理中的变革性作用，通过高效分析高质量和非线性数据进行风险评估	食品安全风险评估，特别是生物毒素、重金属、农药和兽药残留以及微生物风险	机器学习	NA	NA	支持向量机, 随机森林, K-means, 层次聚类分析, 卷积神经网络, 循环神经网络, Transformer	高质量和非线性数据（可能包括图像、文本、传感器数据等多模态数据）	NA	NA	卷积神经网络, 循环神经网络, Transformer	检测准确性, 效率	NA
371	2025-12-12	TruMPET: A New Method for Protein Secondary Structure Prediction Using Neural Networks Trained on Multiple Pre-Selected Physicochemical and Structural Features 2025-Nov-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311284 PMID:41373446	研究论文	本文提出了一种名为TruMPET的新方法，通过结合统计显著且互不相关的物理化学与结构特征，利用神经网络预测蛋白质二级结构	该方法强调从统计显著的互不相关描述符生成机器学习特征集，并首次将非标准氨基酸的物理化学参数预测纳入特征选择，结合Bi-LSTM网络与ESMFold2嵌入，在非冗余数据集上实现了优于现有方法的性能	方法主要关注二级结构预测，未涉及三级结构；依赖统计特征选择过程，可能对数据分布敏感；未明确讨论计算效率或模型泛化到更广泛蛋白质序列的能力	改进蛋白质二级结构预测的准确性和鲁棒性，减少对序列比对或进化谱的依赖	蛋白质氨基酸序列及其对应的二级结构（DSSP分类）	机器学习	NA	蛋白质语言模型嵌入，物理化学参数预测	Bi-LSTM	序列数据	非冗余数据集（CB513和TEST2018）	NA	Bi-LSTM, ESMFold2	DSSP Q3准确率, DSSP Q8准确率	NA
372	2025-12-12	Ordinal Regression Research Based on Dual Loss Function-An Example on Lumbar Vertebra Classification in CT Images 2025-Nov-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232949 PMID:41374330	研究论文	本研究提出并评估了一种基于双损失函数的序数回归框架，用于CT图像中的腰椎分类，以辅助L3识别和肌肉减少症检测	提出了一种结合标准交叉熵损失和序数残差损失的双损失框架，以更好地建模有序类别分类问题	NA	开发一种用于腰椎CT图像分类的深度学习模型，以支持L3定位和肌肉减少症评估	腰椎CT图像	计算机视觉	肌肉减少症	CT成像	深度学习	图像	NA	NA	MobileNet-v3-Large	NA	NA
373	2025-12-12	High-Precision Coal Mine Microseismic P-Wave Arrival Picking via Physics-Constrained Deep Learning 2025-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s25237103 PMID:41374478	研究论文	本文提出了一种融合物理约束与深度学习架构的微震P波到时自动拾取模型，用于煤矿动态灾害的智能监测与预警	将物理约束整合到深度学习架构中，开发出高精度、鲁棒性强且具有跨域自适应潜力的微震P波到时自动拾取模型	模型在采样率更高、噪声更强的矿区性能下降，表明其对数据采集参数敏感	实现煤矿微震P波到时的自动高精度识别，以支持煤矿动态灾害的智能监测与预警	煤矿微震信号	机器学习	NA	微震信号分析	深度学习	信号数据	使用高质量人工标注数据集进行训练和优化，具体样本数量未明确说明	NA	NA	精确度, 召回率, F1分数, P波到时拾取误差, 平均到时误差	NA
374	2025-12-12	UAV and Deep Learning for Automated Detection and Visualization of Façade Defects in Existing Residential Buildings 2025-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s25237118 PMID:41374496	研究论文	本研究提出了一种结合无人机成像与深度学习算法的建筑立面缺陷自动化检测与三维可视化框架	融合可见光与热红外图像进行裂缝与渗漏缺陷的协同识别，并开发了集成Grasshopper的参数化三维可视化映射工具	研究仅针对深圳三个特定时期建设的住宅小区，未涵盖更广泛的建筑类型与气候区域	为高密度城市环境中的建筑立面缺陷检测提供高效自动化解决方案	深圳1988年至2010年间建设的三个代表性住宅小区的建筑立面	计算机视觉	NA	无人机可见光成像、热红外成像	深度学习	图像	三个住宅小区（案例研究）	NA	Knet	mIoU	NA
375	2025-12-12	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.15.670535 PMID:40894573	研究论文	本研究利用AlphaFold2多聚体预测了秀丽隐杆线虫中的蛋白质-蛋白质相互作用，并强调了内在无序区域在预测高置信度相互作用中的重要性	结合物理和功能数据集，通过深度学习预测蛋白质相互作用，并首次系统性地分析了内在无序区域在预测中的作用	研究主要基于秀丽隐杆线虫，可能不直接适用于其他物种，且预测结果需要实验验证	预测和分析蛋白质-蛋白质相互作用，特别是内在无序区域的作用	秀丽隐杆线虫中的蛋白质	机器学习	NA	AlphaFold2多聚体	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2	AlphaFold2多聚体	NA	NA
376	2025-12-12	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2025-Nov-19, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	本研究评估了使用大型语言模型（LLM）从放射学报告中自动提取真实标签的可行性，以验证放射学人工智能模型在光子计数CT图像上的性能	首次提出利用LLM自动化提取放射学报告中的真实标签，为AI工具的性能评估提供可扩展且高效的替代方案，特别是在新型成像硬件（如PCCT）引入输入漂移时	研究为回顾性分析，LLM提取的标签可能存在错误，需部分人工校正；样本仅涵盖四种特定诊断任务，可能无法推广到其他放射学领域	验证使用LLM自动化提取放射学报告真实标签的可行性，以支持放射学AI工具的可扩展性能评估和监控	针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折的四种FDA批准的深度学习计算机辅助检测和分诊工具	自然语言处理	肺栓塞, 颅内出血, 颈椎骨折, 椎体压缩性骨折	光子计数CT（PCCT）扫描, 传统CT扫描	深度学习	文本（放射学报告）	未明确指定样本数量，但涉及使用新型PCCT扫描仪和传统扫描仪获取的检查报告	未明确指定，但使用了LLM（Llama 3.3）	未明确指定具体架构，但基于LLM（Llama 3.3）	Fleiss's κ（用于测量评分者间一致性），性能指标（如准确性等，但未具体列出）	未明确指定
377	2025-12-12	Proteomics Data Imputation With a Deep Model That Learns From Many Datasets 2025-Nov-18, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101461 PMID:41260499	研究论文	本文提出了一种名为Lupine的深度学习模型，用于质谱蛋白质组学数据中的缺失值填补，该模型通过联合学习多个数据集来提高预测准确性	Lupine是首个设计用于联合学习多个数据集的蛋白质组学数据填补方法，能够学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习模型以填补质谱蛋白质组学数据中的缺失值，提高数据分析和蛋白质鉴定的准确性	质谱蛋白质组学数据，特别是来自1000多个癌症患者样本的串联质谱标签数据，涵盖10种癌症类型	机器学习	癌症	质谱蛋白质组学，串联质谱标签	深度学习模型	蛋白质组学定量数据	超过1000个癌症患者样本，涵盖10种癌症类型	Python	NA	准确性，差异丰度蛋白质识别，基因本体术语识别	NA
378	2025-12-12	The application of artificial intelligence-based algorithms in predicting the progression of keratoconus: a systematic review 2025-Nov-15, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03855-1 PMID:41240157	系统综述	本文系统综述了人工智能算法在预测圆锥角膜进展中的应用	首次系统性地评估了AI算法在预测圆锥角膜进展中的表现，并识别了关键预测因素，如后表面高度、最大角膜曲率和年轻年龄	现有证据受限于进展标准不一致、缺乏独立多中心队列的外部验证、对特定设备的依赖以及校准和决策曲线分析报告不全面	评估人工智能算法在预测圆锥角膜进展中的有效性和应用潜力	圆锥角膜患者	机器学习	圆锥角膜	NA	机器学习, 深度学习	NA	10,940只眼	NA	NA	AUC, 准确率	NA
379	2025-12-12	Innovating cell culture process development with deep learning-powered robotic experimentation using the first Industrial Smart Lab Framework 2025 Nov-Dec, Biotechnology progress IF:2.5Q3 DOI:10.1002/btpr.70051 PMID:40542657	研究论文	本文介绍了一种结合深度学习和机器人实验的工业智能实验室框架（ISLFCC），用于自动化优化细胞培养过程	首次将仅解码器Transformer深度学习模型与机器人实验、物联网系统集成，实现高通量自动化细胞培养，在单批次内显著提高产量	NA	提高生物制剂（如抗体和重组蛋白）生产过程中细胞培养优化的效率和效果	细胞培养过程、生物反应器	机器学习	NA	细胞培养、生物反应器分析	Transformer	传感器数据、分析结果	三个不同细胞克隆	NA	仅解码器Transformer	滴度增加百分比、乳酸水平	NA
380	2025-12-12	STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3605968 PMID:40907046	研究论文	本研究提出了一种名为STAD-CoAtt的方法，通过整合时空图学习技术和共注意力网络，利用单核RNA测序数据评估阿尔茨海默病的神经病理学阶段	提出了一种结合共注意力网络和非线性流形对齐融合模块的ST-GCN架构，能够压缩演化的AD特异性基因调控网络并整合时空特征，从而构建snRNA-seq数据的联合潜在表示	未明确说明方法在其他神经系统疾病或更大规模数据集上的泛化能力，也未详细讨论计算复杂度	开发一种深度学习模型，用于评估阿尔茨海默病的神经病理学阶段和认知功能障碍	阿尔茨海默病和痴呆症相关的单核RNA测序数据	生物信息学, 机器学习	阿尔茨海默病, 神经系统疾病	单核RNA测序	图卷积网络, 注意力机制	基因表达数据, 图数据	来自ROSMAP和GSE平台的两个基准RNA-seq数据集	NA	ST-GCN, 共注意力网络	分类性能指标	NA