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
621	2025-08-03	MSFF-Net: Multi-Sensor Frequency-Domain Feature Fusion Network with Lightweight 1D CNN for Bearing Fault Diagnosis 2025-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s25144348 PMID:40732477	研究论文	提出了一种基于频域多传感器融合的轻量级深度学习框架MSFF-Net，用于轴承故障诊断	采用频域多传感器特征融合和轻量级1D CNN，提高了故障诊断的准确性和稳定性，同时在数据稀缺条件下表现优异	未提及在极端噪声环境下的性能表现	开发高效的轴承故障诊断方法	轴承的振动和声学信号	机器故障诊断	NA	快速傅里叶变换(FFT)	1D CNN	振动和声学信号	公开数据集上的实验验证，少样本条件下每类20个样本
622	2025-08-03	LiGenCam: Reconstruction of Color Camera Images from Multimodal LiDAR Data for Autonomous Driving 2025-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s25144295 PMID:40732423	研究论文	本文提出了一种名为LiGenCam的深度学习模型，用于从多模态LiDAR数据重建彩色相机图像，以支持自动驾驶	首次提出利用多模态LiDAR数据（包括反射率、环境光和距离信息）重建相机图像，填补了该领域的研究空白	实验仅在DurLAR数据集上进行验证，未在其他数据集上测试泛化能力	提高自动驾驶系统中传感器数据的冗余性和可靠性	自动驾驶车辆的多模态LiDAR数据	计算机视觉	NA	深度学习	GAN	多模态LiDAR数据和图像数据	DurLAR数据集
623	2025-08-03	Infrared and Visible Image Fusion via Residual Interactive Transformer and Cross-Attention Fusion 2025-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s25144307 PMID:40732435	研究论文	本文提出了一种基于残差交互式Transformer和交叉注意力融合的红外与可见光图像融合网络，以解决现有方法在特征提取中全局与局部信息依赖关系不足的问题	引入了残差交互式Transformer和交叉注意力融合模块，有效建立了全局与局部特征间的交互，提升了融合图像中纹理细节和红外热目标的对比度	未提及具体计算复杂度或实时性表现，也未讨论在极端光照条件下的适应性	提升红外与可见光图像融合的质量，使融合图像包含更丰富的纹理细节和热目标信息	红外图像与可见光图像	计算机视觉	NA	深度学习	Transformer	图像	RoadScene、TNO和M3FD数据集（未提具体样本数）
624	2025-08-03	A Stability- and Aggregation-Based Method for Heart Rate Estimation Using Photoplethysmographic Signals During Physical Activity 2025-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s25144315 PMID:40732438	研究论文	提出一种基于稳定性和聚合的方法，用于在体力活动期间利用光电容积描记信号估计心率	采用无需复杂机器学习或深度学习技术的聚合方法，有效减少运动伪影的影响	未提及方法在极端运动条件下的表现	开发一种适用于体力活动期间心率估计的通用方法	光电容积描记(PPG)信号和加速度计数据	数字病理	心血管疾病	信号处理技术	NA	PPG信号和加速度计数据	五个公开数据集，包括手腕佩戴设备和智能戒指收集的数据
625	2025-08-03	ROS-Based Navigation and Obstacle Avoidance: A Study of Architectures, Methods, and Trends 2025-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s25144306 PMID:40732433	研究论文	本文系统研究了基于ROS的导航栈和避障机制，分析了核心模块的架构和实现原理，并比较了常见局部规划器的特点和应用适用性	总结了自主导航中的关键技术挑战，并回顾了最新进展，包括与深度学习的集成、多机器人协调和实时优化等新兴趋势	未提及具体实验验证或性能评估结果	深入研究基于ROS的自主导航技术，为自主系统的设计和开发提供理论指导和实践参考	移动机器人自主导航系统	机器人学	NA	SLAM、传感器融合、动态窗口方法(DWA)、时间弹性带(TEB)	NA	传感器数据	NA
626	2025-08-03	An Overview of Autonomous Parking Systems: Strategies, Challenges, and Future Directions 2025-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s25144328 PMID:40732456	综述	本文对自动驾驶停车系统（APS）的当前策略、挑战和未来发展方向进行了全面回顾	深入探讨了深度学习与复杂传感器融合技术的最新进展，并分析了系统集成、验证和安全等系统级问题	当前技术存在诸多挑战，如实时性能与计算成本的平衡、非确定性AI组件的验证问题，以及在多样化不可预测环境中的鲁棒部署困难	探讨自动驾驶停车系统的技术发展现状与未来研究方向	自动驾驶停车系统（APS）	自动驾驶	NA	深度学习，传感器融合	NA	NA	NA
627	2025-08-03	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2025-Jul-09, ArXiv PMID:40671945	研究论文	本文介绍了一种结合数字全息显微镜和深度学习的循环肿瘤细胞检测系统，用于癌症患者的早期检测和疾病监测	提出了一种结合微流控富集和深度学习图像分析的流式数字全息显微镜系统，提高了循环肿瘤细胞检测的敏感性和特异性	研究样本量较小（13名前列腺癌患者和8名健康对照），需要更大规模的验证	开发一种高灵敏度、高特异性的循环肿瘤细胞检测方法	循环肿瘤细胞（CTCs）	数字病理学	前列腺癌	数字全息显微镜（DHM）、微流控技术、免疫荧光分析	深度学习模型	图像	13名晚期前列腺癌患者和8名健康对照
628	2025-08-03	DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics 2025-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.05.662121 PMID:40672156	research paper	提出了一种名为DGAT的双图注意力网络，用于从转录组数据推断空间蛋白质景观	DGAT通过构建整合转录组、蛋白质组和空间信息的异构图，利用图注意力网络学习RNA-蛋白质关系，从而从仅含转录组的空间转录组数据中推断蛋白质表达	NA	从仅含转录组的空间转录组数据中推断蛋白质表达，以增强对细胞功能和微环境组织的理解	空间转录组数据和蛋白质表达数据	digital pathology	breast cancer, glioblastoma, malignant mesothelioma	spatial transcriptomics, CITE-seq	Dual-Graph Attention Network (DGAT)	mRNA profiles, protein expression data	包括公开和内部数据集，涉及扁桃体、乳腺癌、胶质母细胞瘤和恶性间皮瘤样本
629	2025-08-03	A Novel Hybrid Technique for Detecting and Classifying Hyperspectral Images of Tomato Fungal Diseases Based on Deep Feature Extraction and Manhattan Distance 2025-Jul-09, Sensors (Basel, Switzerland) DOI:10.3390/s25144285 PMID:40732413	研究论文	本研究提出了一种结合少样本学习和高光谱成像的混合技术，用于番茄真菌病害的早期检测和分类	结合了EfficientNet模型进行深度特征提取和曼哈顿距离分类的少样本学习框架，能够在数据量极少的情况下实现高精度检测	仅针对四种特定番茄真菌病害进行验证，未测试在其他作物或病害上的泛化能力	开发一种基于少样本学习和高光谱成像的植物病害早期检测方法	番茄植物的四种主要真菌病害	计算机视觉	植物病害	高光谱成像、少样本学习	EfficientNet	高光谱图像	每个类别仅使用3张训练图像
630	2025-08-03	Revisiting Centiloids using AI 2025-Jul-08, Research square DOI:10.21203/rs.3.rs-7015694/v1 PMID:40671806	research paper	本研究提出了一种名为DeepSUVR的深度学习方法，用于校正淀粉样蛋白PET定量的Centiloid标度	通过惩罚训练中不合理的纵向轨迹，DeepSUVR提高了示踪剂之间的相关性，减少了阴性样本的变异性，并在认知关联、视觉读取的AUC以及研究间纵向一致性方面表现最佳	NA	改进淀粉样蛋白PET定量方法，以提高临床决策的一致性和检测临床干预中早期细微变化的能力	淀粉样蛋白PET扫描数据	digital pathology	geriatric disease	PET扫描	深度学习	image	训练数据来自2,098名参与者（6,762次PET扫描），验证数据来自10,543名参与者的15,806次PET扫描，涵盖10个外部数据集
631	2025-08-03	Multimodal-Based Non-Contact High Intraocular Pressure Detection Method 2025-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s25144258 PMID:40732386	研究论文	本研究提出了一种基于深度学习的非接触式高眼压检测方法，通过整合Scheimpflug图像和角膜生物力学特征来提高检测准确性	采用多模态框架结合CycleGAN进行数据增强，Swin Transformer进行视觉特征提取，以及KAN网络进行异构数据高效融合，显著提升了小样本场景下的预测性能	研究使用的是私人医院数据集，可能限制模型的泛化能力	开发一种准确的非接触式高眼压检测方法以辅助青光眼早期诊断	眼压(IOP)异常患者	数字病理学	青光眼	Scheimpflug成像技术	CycleGAN, Swin Transformer, KAN	图像, 临床参数	未明确提及具体样本量(私人医院数据集)
632	2025-08-03	Perception-Based H.264/AVC Video Coding for Resource-Constrained and Low-Bit-Rate Applications 2025-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s25144259 PMID:40732387	研究论文	本文提出了一种基于感知的H.264/AVC视频编码算法，专为低比特率和资源受限的应用设计	通过针对人类视觉系统最相关的区域，提出了一种动态量化参数调整策略，以在低比特率场景中优化资源使用并保持视觉质量	未提及算法的泛化能力或在不同硬件平台上的性能表现	优化资源受限和低比特率应用中的视频传输效率	H.264/AVC视频编码	计算机视觉	NA	Viola-Jones算法, AdaBoost	NA	视频	NA
633	2025-08-03	HybridKla: a hybrid deep learning framework for lactylation site prediction 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf375 PMID:40736746	研究论文	本文介绍了一种名为HybridKla的混合深度学习框架，用于预测赖氨酸乳酰化（Kla）位点	结合了八种互补的特征编码策略和深度学习技术，显著提高了Kla位点预测的准确性	尽管使用了较大的数据集，但可能仍存在数据不足的问题	开发一个更准确的Kla位点预测工具	赖氨酸乳酰化位点	生物信息学	NA	深度学习	混合深度学习框架	蛋白质序列数据	23,984个Kla位点，涉及7,297种蛋白质
634	2025-08-03	Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer 2025-Jul, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110242 PMID:40381695	研究论文	本研究整合了机器学习的多模态放射组学和转录组学，开发了预测食管癌放疗敏感性和预后的模型	利用SEResNet101深度学习模型结合影像和转录组数据，识别与预后相关的基因，并通过实验验证STUB1作为增强放疗敏感性的关键基因	研究依赖于特定数据库（UCSC Xena和TCGA）的数据，可能限制了模型的泛化能力	预测食管癌患者的放疗敏感性和预后，为个体化放疗计划提供依据	食管癌患者	机器学习	食管癌	RNA-seq	SEResNet101, Lasso回归, Cox分析	影像数据, 转录组数据	来自UCSC Xena和TCGA数据库的数据
635	2025-08-03	Association of Psychological Resilience With Decelerated Brain Aging in Cognitively Healthy World Trade Center Responders 2025-Jul, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2025.100489 PMID:40487784	research paper	该研究探讨了心理韧性对世界贸易中心救援人员大脑衰老速度的影响	首次在认知健康的世界贸易中心救援人员中，研究了心理韧性与大脑衰老速度的关系	样本量较小（N=97），且仅针对特定的救援人员群体	探究心理韧性对大脑衰老速度的保护作用	世界贸易中心救援人员	神经科学	精神健康	结构磁共振成像（MRI）	深度学习算法（BrainStructureAges）	MRI图像	97名世界贸易中心救援人员
636	2025-08-03	DrugTar improves druggability prediction by integrating large language models and gene ontologies 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf360 PMID:40581797	research paper	该研究开发了一个名为DrugTar的高性能深度学习算法，通过整合ESM-2预训练蛋白质语言模型的序列嵌入和基因本体来预测药物的可成药性	结合了蛋白质序列和结构信息，利用预训练嵌入和基因本体，提高了可成药性预测的准确性和性能	未完全探讨蛋白质结构的潜力，且依赖于预训练模型和基因本体的可用性	开发一种高性能的计算方法，以改进药物靶点发现中的可成药性预测	蛋白质序列和结构	machine learning	NA	deep learning, ESM-2 pre-trained protein language model	deep learning algorithm	protein sequence and structure	NA
637	2025-08-03	Left ventricular wall thickness heterogeneity improves cardiovascular disease diagnosis and prognosis: a UK Biobank cardiovascular magnetic resonance cohort study 2025-Jul, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf092 PMID:40740418	研究论文	该研究探讨了左心室壁厚度异质性（MadWT）作为心血管疾病诊断和预后的新型生物标志物的潜力	提出了左心室壁厚度异质性（MadWT）作为新的生物标志物，用于区分生理性和病理性左心室肥厚（LVH）并预测心血管疾病（CVD）风险	研究结果需要在运动员和疾病队列中进一步验证	比较MadWT与其他左心室壁厚度指标在预测心血管疾病和区分生理性与病理性LVH方面的效果	44,930名UK Biobank参与者的心血管磁共振成像（CMR）数据	心血管磁共振成像	心血管疾病	深度学习辅助分析	深度学习	医学影像	44,930名UK Biobank参与者的CMR扫描数据
638	2025-08-03	Deep Learning Can Accurately Predict the Prognosis of Gynecologic Smooth Muscle Tumors of Uncertain Malignant Potential: A Multicenter Pilot Study 2025-Jun-30, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104211 PMID:40602459	研究论文	本研究探讨了深度学习技术如何利用组织学切片预测妇科不确定恶性潜能平滑肌肿瘤(STUMP)的无进展生存期(PFS)并识别高风险患者	首次应用深度学习技术直接从STUMP的组织学切片中提取特征进行预后预测，实现了优于传统辅助技术的预测效果	样本量相对有限(95例STUMP)，需要进一步研究验证高风险组的分子标记物	探索深度学习技术对STUMP患者预后的预测能力	妇科不确定恶性潜能平滑肌肿瘤(STUMP)患者	数字病理学	妇科肿瘤	深度学习	DL模型	组织学切片图像	95例STUMP(79例训练集+16例外部验证集)，另包含160例子宫肌瘤和58例子宫肉瘤对照样本
639	2025-08-03	From Lab to Clinic: How Artificial Intelligence (AI) Is Reshaping Drug Discovery Timelines and Industry Outcomes 2025-Jun-30, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070981 PMID:40732273	综述	本文综述了人工智能（AI）在药物发现和开发中的应用及其对临床结果的影响	系统评估了AI在药物发现各阶段的应用，并分析了其对临床试验效率和制药成果的贡献	未来工作应扩展AI在代表性不足的治疗领域的应用，并改进模型以处理复杂的生物系统	评估AI在药物发现和开发中的作用及其对临床结果的影响	药物发现和开发过程中的AI应用	人工智能在医药领域的应用	肿瘤学、皮肤病学、神经学	机器学习（ML）、分子建模与模拟（MMS）、深度学习（DL）	NA	NA	分析2015年至2025年间发表的研究，涉及多个数据库
640	2025-08-03	Precision Enhanced Bioactivity Prediction of Tyrosine Kinase Inhibitors by Integrating Deep Learning and Molecular Fingerprints Towards Cost-Effective and Targeted Cancer Therapy 2025-Jun-28, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070975 PMID:40732265	研究论文	本研究提出了一种结合深度学习和分子指纹的机器学习框架，用于准确预测酪氨酸激酶抑制剂的生物活性，以加速药物开发的临床前阶段	整合了深度人工神经网络(dANNs)、卷积神经网络(CNNs)和结构分子指纹，显著提高了酪氨酸激酶抑制剂生物活性的预测准确性	研究仅基于ChEMBL数据库中的28,314个小分子，可能无法涵盖所有潜在的酪氨酸激酶抑制剂	开发一种成本效益高且针对性的癌症治疗方法，通过机器学习预测酪氨酸激酶抑制剂的生物活性	酪氨酸激酶抑制剂(TKIs)及其生物活性	机器学习	癌症	深度人工神经网络(dANNs)、卷积神经网络(CNNs)、支持向量机(SVM)、CatBoost	dANN, CNN, SVM, CatBoost	分子指纹和物理化学描述符(如分子量、LogP、氢键)	28,314个小分子