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
501	2025-12-15	ConvNeXt-Driven Detection of Alzheimer's Disease: A Benchmark Study on Expert-Annotated AlzaSet MRI Dataset Across Anatomical Planes 2025-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232997 PMID:41374378	研究论文	本研究提出了一种基于ConvNeXt架构的深度学习方法来检测阿尔茨海默病，并在新构建的AlzaSet MRI数据集上进行了基准测试	引入了新的专家标注临床MRI数据集AlzaSet，并首次将新兴的卷积架构ConvNeXt应用于阿尔茨海默病的多平面MRI图像分类，证明了其在冠状面图像上的优越性能	数据集样本量较小（79名受试者），且存在类别不平衡问题（AD患者63例，正常对照16例）	开发准确、经济的阿尔茨海默病早期诊断工具	阿尔茨海默病患者和认知正常对照者的结构性MRI扫描图像	计算机视觉	阿尔茨海默病	T1加权MRI扫描	CNN	图像	79名受试者（63名AD患者，16名正常对照），共12,947张切片	NA	ConvNeXt-Tiny, ConvNeXt-Small, ConvNeXt-Base, VGG16, VGG19, InceptionV3, DenseNet121	准确率, AUC	NA
502	2025-12-15	Self-Attention-Based Deep Learning for Missing Sensor Data Imputation in Real-Time Probe Card Monitoring 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237194 PMID:41374569	研究论文	本研究应用并评估了一种基于自注意力的深度学习模型，用于在半导体探针卡实时监测中重建传感器缺失数据	采用自注意力机制的时间序列插补模型，在广泛数据丢失场景下相比传统方法平均绝对误差提升66%，且训练速度比基于循环神经网络的对比方法快20倍以上	未明确说明模型在极端噪声或非平稳时间序列环境下的鲁棒性	解决工业监测中因传感器故障导致的实时数据缺失问题，确保数据完整性以支持异常检测和预测性维护	半导体探针卡的工业传感器网络数据，包括加速度计和麦克风信号	机器学习	NA	NA	自注意力模型, 双向循环神经网络	时间序列传感器数据	NA	NA	Self-Attention-based Imputation for Time Series, Bidirectional Recurrent Imputation for Time Series	平均绝对误差, 时域和频域指标	NA
503	2025-12-15	Research on Deep Learning-Based Human-Robot Static/Dynamic Gesture-Driven Control Framework 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237203 PMID:41374578	研究论文	本文提出了一种基于深度学习的静态/动态手势驱动控制框架，用于人机交互中的物体抓取和递送任务	结合2D-CNN进行静态手势识别和3D-CNN+LSTM混合架构进行动态手势识别，并集成MediaPipe框架进行手部姿态估计，实现基于自然手势的鲁棒机器人控制	实验仅涉及4名参与者和100次试验，样本规模较小，且仅在三种光照条件下测试，可能未覆盖所有实际应用场景	开发一种基于深度学习的手势驱动控制框架，以增强人机协作的交互能力	人机交互中的手势识别与机器人控制任务	计算机视觉	NA	深度学习，手部姿态估计	CNN, LSTM	图像，视频	4名参与者，每人进行100次试验，涵盖自然光、低光和强光三种条件	MediaPipe	2D-CNN, 3D-CNN+LSTM	准确率，任务成功率，任务完成时间	NA
504	2025-12-15	Advances in Artificial Intelligence for Glioblastoma Radiotherapy Planning and Treatment 2025-Nov-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17233762 PMID:41374965	综述	本文综述了人工智能，特别是深度学习，在胶质母细胞瘤放疗规划与治疗中的最新进展，包括自动分割、剂量映射和生物信息引导的放疗规划	探索了基于多模态成像和数学建模的生物信息引导放疗规划，以及影像基因组学整合实现高精度生物标志物成像分类，强化了深度学习在个性化放疗中的潜力	部署到临床实践仍有限，主要由于外部验证不足和单机构训练数据集	探讨人工智能如何改善胶质母细胞瘤放疗的一致性、准确性和效率，并推动其向临床转化	胶质母细胞瘤的放疗规划与治疗过程	数字病理学	胶质母细胞瘤	多模态成像, 数学建模, 影像基因组学	深度学习	影像数据	NA	NA	NA	DSC	NA
505	2025-12-15	Detection of Hatching Information of Meat Duck Eggs Based on Deep Learning 2025-Nov-25, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15233400 PMID:41375459	研究论文	本文提出了一种基于深度学习的方法，用于检测肉鸭蛋的孵化信息	首次将深度学习技术应用于肉鸭蛋孵化信息的自动化检测，提高了检测效率和准确性	未提及模型在多样化孵化条件下的泛化能力，且样本来源可能有限	开发一种自动化系统以准确识别肉鸭蛋的孵化状态，优化孵化过程管理	肉鸭蛋及其孵化过程中的相关图像数据	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
506	2025-12-15	Building and Prospectively Evaluating a Prediction Model to Forecast Urgent Dialysis Needs across Four Tertiary Hospitals 2025-Nov-24, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549256 PMID:41284586	研究论文	本研究开发并前瞻性评估了预测四家三级医院紧急透析需求的模型	结合统计、机器学习和深度学习模型，并在多中心、长周期（6年）数据上进行前瞻性验证，以预测未来7天的透析需求	模型仅在四家医院进行测试，可能无法泛化到其他医疗机构；未详细讨论模型在不同季节或疫情等特殊情况下的表现	预测医院紧急透析需求，以优化护理人员调度并提高资源利用效率	四家三级医院的紧急透析需求数据	机器学习	肾病	时间序列分析，深度学习	ARIMA, 时间卷积网络	时间序列数据	回顾性数据（2018年4月1日至2023年3月31日）和前瞻性数据（2023年11月1日至30日，2024年5月31日至6月27日）来自四家医院	NA	ARIMA, 时间卷积网络	平均绝对误差	NA
507	2025-12-15	Advancements in Animal Breeding: From Mendelian Genetics to Machine Learning 2025-Nov-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311352 PMID:41373512	综述	本文综述了动物育种从表型观察到基因组与机器学习技术整合的深刻变革历程	强调了机器学习与人工智能在基因组预测中的应用，特别是深度学习模型在预测准确性上的提升，以及多组学策略在疾病管理中的整合	NA	探索动物育种技术的演进及其对提高家畜生产力、健康与福利的影响	家畜育种，包括牛奶与肉类生产以及疾病管理	机器学习	NA	基因组预测（如GEBV、GBLUP）、QTL定位、多组学策略	深度学习模型	基因组数据、表型数据	NA	NA	NA	相关性（平均相关性高达0.643）	NA
508	2025-12-15	A ResNet-50-UNet Hybrid with Whale Optimization Algorithm for Accurate Liver Tumor Segmentation 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232975 PMID:41374356	研究论文	提出一种结合ResNet-50、U-Net和鲸鱼优化算法的混合模型，用于精确分割肝脏肿瘤	将鲸鱼优化算法（WOA）用于优化LiTS-Res-UNet的超参数，以提高分割性能	NA	提高肝脏肿瘤分割的准确性，以辅助肝癌的诊断和治疗规划	肝脏和肝脏肿瘤	计算机视觉	肝癌	NA	CNN	3D医学图像	NA	NA	ResNet-50, U-Net, LiTS-Res-UNet	准确率, Dice系数, Jaccard指数	NA
509	2025-12-15	DuXplore: A Dual-Hierarchical Deep Learning Model for Prognostic Prediction of Hepatocellular Carcinoma in Digital Pathology 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232981 PMID:41374364	研究论文	提出一种名为DuXplore的双分支深度学习框架，通过整合组织结构和细胞形态学特征，用于肝细胞癌的预后预测	结合宏观组织架构编码与微观细胞形态采样，实现结构感知的预后建模，并提供模型无关的可解释性分析	仅在肝细胞癌的WSI数据上验证，需要更多多中心、多组学研究来优化采样尺度并提升临床转化	开发一种深度学习模型以预测肝细胞癌患者的预后	肝细胞癌患者的全切片图像	数字病理学	肝细胞癌	数字病理学图像分析	深度学习	图像	公共TCGA数据集和临床中心EHBH队列	NA	双分支网络, 多层感知器	C-index, log-rank检验	NA
510	2025-12-15	A Novel Deep Learning Framework for Liver Fibrosis Staging and Etiology Diagnosis Using Integrated Liver-Spleen Elastography 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232986 PMID:41374368	研究论文	本研究提出了一种基于肝脏和脾脏二维剪切波弹性成像的深度学习框架，用于无创性肝纤维化分期和病因诊断	首次将肝脏和脾脏的二维剪切波弹性成像与迁移学习相结合，构建了用于肝纤维化分期和病因诊断的集成模型，性能显著优于传统方法	研究为回顾性分析，样本量有限（198例），需要进一步的外部验证	评估基于肝脏和脾脏二维剪切波弹性成像的影像组学模型在肝纤维化分期和病因鉴别中的性能	经活检证实的肝纤维化患者	数字病理学	肝纤维化	二维剪切波弹性成像，影像组学特征提取	机器学习，迁移学习	图像（肝脏和脾脏的灰度及弹性成像图像）	198例患者	NA	NA	AUC	NA
511	2025-12-15	Combining Fixed-Weight ArcFace Loss and Vision Transformer for Facial Expression Recognition 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237166 PMID:41374541	研究论文	本文提出了一种结合固定权重ArcFace损失和Vision Transformer的面部表情识别方法，旨在提升识别准确性和计算效率	引入权重约束的ArcFace损失函数，并将其集成到Vision Transformer框架中，以缓解数据分布不平衡引起的隐式偏差并减少计算开销	NA	提升面部表情识别的性能，特别是在处理类内表达变化大和数据不平衡问题时	面部表情图像	计算机视觉	NA	深度学习	Vision Transformer	图像	RAF-DB和FER2013数据集	PyTorch, TensorFlow	Vision Transformer	识别准确率, 计算效率	NA
512	2025-12-15	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	本文系统综述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	首次系统性地综合分析了2020年至2025年间67篇同行评审文章，全面梳理了深度学习在InSAR基础设施监测中的具体应用、模型整合方式及方法论挑战	现有研究对预处理任务探索有限，且缺乏标准基准数据集，数据稀疏性和低相干性仍是主要挑战	旨在系统回顾深度学习模型如何应用于基于InSAR数据的基础设施监测，并识别当前挑战与未来研究方向	专注于使用InSAR数据进行监测的民用基础设施，特别是城市和线性基础设施	机器学习和计算机视觉	NA	干涉合成孔径雷达（InSAR）	LSTM, CNN, Transformer, 混合模型	InSAR数据（雷达图像）	基于67篇同行评审文章的分析	NA	LSTM, CNN, Transformer, 混合架构	NA	NA
513	2025-12-15	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	本研究通过融合特征数据，利用GWO-BPNN深度学习模型预测滑雪手套在抓握滑雪杖时的握力分布	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模型，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，且样本数据可能受实验设置限制	研究滑雪时抓握滑雪杖的特征压力分布模式，开发高精度握力预测模型	滑雪手套在抓握滑雪杖时的握力数据	机器学习	NA	多点柔性阵列传感器检测、深度学习训练	BP神经网络, DNN	传感器数据（力数据）	NA	NA	BP神经网络, DNN	相对误差	NA
514	2025-12-15	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	本研究提出了一种基于多模态深度学习的乳腺非肿块性病变分类方法，使用灰阶和彩色多普勒超声图像，并比较了多模态与单模态模型的性能	首次将灰阶与彩色多普勒超声图像进行多模态融合，利用深度学习进行乳腺非肿块性病变的良恶性分类，并系统比较了不同模态和CNN架构的性能	研究为回顾性设计，样本量相对有限（248个病变），且数据来源于单一机构，可能影响模型的泛化能力	开发并评估一种多模态深度学习模型，以提高乳腺非肿块性病变的良恶性分类准确率	乳腺非肿块性病变的灰阶和彩色多普勒超声图像	计算机视觉	乳腺癌	超声成像	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
515	2025-12-15	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	本研究开发了一个基于多模态成像（CT和MRI）的可解释深度学习框架，用于区分布鲁氏菌性脊柱炎和结核性脊柱炎	首次结合多模态CT和MRI数据，并利用预训练的GoogleNet架构构建深度学习模型，通过Grad-CAM提供可解释性，实现了对两种脊柱炎的高精度区分	研究仅基于双中心数据，外部验证性能（AUC 81.25%）相对较低，且MRI和CT协议在不同中心存在差异	开发一个深度学习框架，以准确区分布鲁氏菌性脊柱炎和结核性脊柱炎，提高诊断准确性并改善患者预后	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	CT, MRI（包括矢状位T1加权、T2加权、脂肪抑制序列）	CNN	图像	来自两个中心的CT和MRI影像数据集（具体数量未在摘要中明确说明）	NA	GoogleNet, ResNet, DenseNet, EfficientNet	准确率, 敏感性, 特异性, AUC	NA
516	2025-12-15	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	本研究提出了一种名为IPFSCNN的新型非对称混合架构，用于宽带频谱感知，通过融合时域和频域数据提升检测性能	提出了一种非对称混合CNN架构（IPFSCNN），首次将时域I/Q数据的并行处理与频域FFT数据的串行处理相结合，实现了互补特征的有效融合	研究仅在LTE-M数据集上进行验证，未在其他无线通信标准或更广泛的频谱场景中测试	提高认知无线电中宽带频谱感知的检测性能，特别是在低信噪比条件下	宽带频谱信号	机器学习	NA	NA	CNN	时域数据（I/Q），频域数据（FFT）	NA	NA	IPFSCNN（IQ-Parallel FFT-Serial CNN）	检测性能（具体指标未明确），参数数量，乘积累加运算（MAC）次数	NA
517	2025-12-15	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），通过整合时域和频域路径来提升诊断准确性和稳定性	提出了一种结合时域（使用残差网络和自注意力机制）和频域（使用CNN）特征的诊断网络，有效融合时频特征以提高诊断性能	NA	提高内燃机故障检测的准确性和实时性，减少数据依赖	六缸柴油发动机的12种故障类型	机器学习	NA	NA	CNN, LSTM	NA	每种故障5个样本的有限数据条件下进行验证	NA	ResNet, 自注意力机制, CNN	准确率, 精确率, 召回率	NA
518	2025-12-15	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	与传统的工业安全系统不同，该框架能够区分人体部位与其他物体，从而优化机器人流程执行，实验显示循环时间最多可减少15%	NA	研究在符合ISO/TS 15066标准的人机安全框架中应用深度学习方法的适用性，以提高协作任务的效率	协作机器人、人机交互安全	机器视觉	NA	深度学习	NA	图像	NA	NA	NA	循环时间减少百分比	NA
519	2025-12-15	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	本文提出了一种名为MLD-Net的多级知识蒸馏网络，用于构建轻量且高效的自动调制识别模型	采用基于Transformer的大模型作为教师网络，指导基于Reformer的紧凑学生模型训练，并在输出、特征和注意力三个粒度上进行知识蒸馏	未提及具体局限性	开发轻量且高效的自动调制识别模型，以降低计算和内存需求，便于边缘部署	无线通信信号	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
520	2025-12-15	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应用进展，并强调了新型DL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优势	未明确提及具体研究的数据限制或模型泛化能力问题	回顾机器学习和深度学习在实现智能食品安全管理中的作用，通过高效分析高质量和非线性数据来提升风险评估能力	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	机器学习，深度学习	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，多模态数据	NA	NA	卷积神经网络，循环神经网络，Transformer	检测准确率，效率	NA