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
621	2025-10-05	RWKV-VIO: An Efficient and Low-Drift Visual-Inertial Odometry Using an End-to-End Deep Network 2025-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s25185737 PMID:41012976	研究论文	提出一种基于RWKV架构的高效低漂移视觉-惯性里程计框架	首次将RWKV架构应用于VIO任务，设计了轻量级结构和线性计算复杂度的时序建模方法	仅使用公开数据集进行验证，未在实际机器人平台上进行实时测试	解决视觉-惯性里程计中的时序建模和计算效率问题	自主导航和机器人系统的定位与姿态估计	计算机视觉	NA	视觉-惯性里程计技术	RWKV	图像和惯性测量单元数据	公开数据集	PyTorch	RWKV	定位精度，模型大小，推理时间	NA
622	2025-10-05	Correction: Javeed et al. A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT). Sensors 2021, 21, 4884 2025-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s25185739 PMID:41013172	correction	对先前发表的关于物联网安全通信的混合深度学习驱动SDN机制论文进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
623	2025-10-05	AI-Assisted Fusion Technique for Orthodontic Diagnosis Between Cone-Beam Computed Tomography and Face Scan Data 2025-Sep-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090975 PMID:41007220	研究论文	提出一种基于深度学习的锥形束计算机断层扫描与面部扫描数据融合技术，用于提高正畸诊断和治疗规划的准确性	结合深度学习模型与迭代最近点算法，解决CBCT和面部扫描数据采集时间差异及外部细节干扰的问题	结果仅为初步可行性研究，尚未证实临床准确性	提高医学影像诊断准确性和治疗规划效率，特别是在美容手术和正畸领域	锥形束计算机断层扫描数据和面部扫描数据	计算机视觉	NA	锥形束计算机断层扫描，面部扫描	深度学习	3D图像，面部网格数据	NA	NA	NA	配准误差，内点RMSE	NA
624	2025-10-05	Turning the Tide-Artificial Intelligence in the Evolving Landscape of Liver Cancer 2025-Sep-14, Cancers IF:4.5Q1 DOI:10.3390/cancers17183003 PMID:41008847	综述	本文探讨人工智能在肝癌早期检测、诊断、分期、治疗选择和治疗后监测等临床全流程中的应用潜力与挑战	系统梳理AI在肝癌临床管理全流程中的应用现状，并首次综合讨论其临床转化面临的伦理、监管和后勤障碍	大多数AI应用仍处于概念验证阶段，缺乏大规模临床试验和监管批准，临床实践整合进展缓慢	评估人工智能在肝癌管理中的转化潜力并分析临床应用的障碍	肝癌患者	数字病理	肝癌	影像组学	机器学习,深度学习	影像数据,临床数据,病理数据,分子数据	NA	NA	NA	诊断准确率	NA
625	2025-10-05	MCEM: Multi-Cue Fusion with Clutter Invariant Learning for Real-Time SAR Ship Detection 2025-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s25185736 PMID:41012975	研究论文	提出一种用于合成孔径雷达图像中实时船舶检测的多线索融合与杂波不变学习框架	集成尺度自适应卷积的特征提取模块、解耦目标-背景模糊性的特征融合模块和优化精度-效率平衡的检测头模块	NA	解决合成孔径雷达图像中弱小目标散射特征、复杂海杂波干扰和计算效率低下的船舶检测难题	合成孔径雷达图像中的船舶目标	计算机视觉	NA	合成孔径雷达成像	CNN	图像	使用HRSID和SSDD两个高杂波SAR数据集	NA	无锚框检测框架	APS, APL	NA
626	2025-10-05	Abnormal Vibration Signal Detection of EMU Motor Bearings Based on VMD and Deep Learning 2025-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s25185733 PMID:41012972	研究论文	提出结合变分模态分解和深度学习的异常振动信号检测方法，用于高速动车组电机轴承的状态监测	采用自适应VMD参数选择优化模态分解，结合CNN-BiLSTM- ResNet混合深度学习模型进行多尺度特征提取和时间建模，实现从早期征兆到显著偏差的异常检测	使用非实时地面监测系统数据，可能无法完全反映实时运行状态	解决高速动车组电机轴承振动信号的非平稳性和多分量耦合特性带来的异常检测挑战	CR400AF动车组电机轴承的振动信号	机器学习	NA	振动信号分析，变分模态分解	CNN, BiLSTM, ResNet, OC-SVM	振动信号数据	CR400AF动车组电机轴承实际运行数据	NA	CNN-BiLSTM-ResNet混合架构	RMSE, MAE, R2, 准确率, F1-score	NA
627	2025-10-05	Bridging the Methodological Gap Between Inertial Sensors and Optical Motion Capture: Deep Learning as the Path to Accurate Joint Kinematic Modelling Using Inertial Sensors 2025-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s25185728 PMID:41012969	研究论文	提出一种创新的深度学习方法，通过惯性传感器数据预测标记点位置，实现传统光学运动捕捉方法在惯性传感器上的应用	首次使用深度学习模型将惯性传感器数据转换为光学运动捕捉系统的标记点位置，解决了两种技术间的方法学鸿沟	研究主要关注矢状面的关节角度，未全面评估其他运动平面；样本量相对有限	建立惯性传感器与光学运动捕捉系统之间的方法学桥梁，实现准确的关节运动学建模	18名参与者在跑步机上行走时的运动数据	机器学习	NA	惯性测量单元(IMU)，光学运动捕捉(OMC)	自编码器	传感器数据，运动捕捉数据	18名参与者	NA	自编码器网络	均方根误差(RMSE)	NA
628	2025-10-05	Deep Learning-Based Iodine Contrast Augmentation for Suboptimally Enhanced CT Pulmonary Angiography: Implications for Pulmonary Embolism Diagnosis 2025-Sep-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182325 PMID:41008696	研究论文	评估深度学习碘对比度增强算法在次优CT肺动脉造影中对肺栓塞诊断的图像质量和诊断性能影响	首次将深度学习碘对比度增强算法应用于次优CT肺动脉造影，显著提升图像质量和肺栓塞诊断准确率	回顾性研究，样本量有限（103例），需进一步前瞻性验证	优化次优CT肺动脉造影的图像质量和肺栓塞诊断性能	次优CT肺动脉造影图像	医学影像分析	肺栓塞	CT肺动脉造影	深度学习	医学影像	103例次优CT肺动脉造影病例（2020年5月至2025年3月）	NA	NA	AUC, 信噪比, 对比噪声比, 准确率	NA
629	2025-10-05	Automated Brain Tumor MRI Segmentation Using ARU-Net with Residual-Attention Modules 2025-Sep-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182326 PMID:41008698	研究论文	提出一种结合残差连接和注意力模块的ARU-Net深度学习架构，用于脑部肿瘤MRI图像的自动分割	集成残差连接、自适应通道注意力和维度空间三重注意力模块的新型网络架构，能更有效提取多尺度特征	NA	开发精确分割脑部肿瘤区域的自动化方法，提高分割准确性和泛化能力	脑部肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN	图像	BTMRII数据集	NA	U-Net, DenseNet121, Xception, ARU-Net	准确率, 精确率, 召回率, F1分数, Dice相似系数, 交并比	NA
630	2025-10-05	Automated Computer-Assisted Diagnosis of Pleural Effusion in Chest X-Rays via Deep Learning 2025-Sep-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182322 PMID:41008694	研究论文	本研究开发了一种基于深度学习的自动胸腔积液检测系统，用于胸部X光图像分析	结合图像裁剪、图像增强和EfficientNet-B0模型，显著提升胸腔积液检测准确率，相比先前研究提高21.30%	NA	开发自动胸腔积液检测系统以辅助医生诊断	胸部X光图像中的胸腔积液	计算机视觉	肺部疾病	深度学习	CNN	图像	NA	NA	EfficientNet-B0	准确率	NA
631	2025-10-05	A Deep Learning Framework for Classification of Neuroendocrine Neoplasm Whole Slide Images 2025-Sep-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17182991 PMID:41008835	研究论文	开发用于神经内分泌肿瘤全切片图像分类的深度学习框架	首次系统研究H&E染色、H&E联合Ki-67染色以及病理学家校正病例三种设置下的神经内分泌肿瘤分级性能	样本量相对有限（186例患者），需要进一步研究确认模型识别出的预后独特亚组是否为不同临床实体	开发自动化机器学习流程用于神经内分泌肿瘤分级	胃肠胰腺神经内分泌肿瘤	数字病理	神经内分泌肿瘤	全切片图像分析	深度学习	病理图像	385个样本（247张H&E染色图像，138张Ki-67图像），来自186例患者	NA	NA	平衡准确率，c-index	NA
632	2025-10-05	A Lightweight Hybrid Detection System Based on the OpenMV Vision Module for an Embedded Transportation Vehicle 2025-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s25185724 PMID:41012964	研究论文	提出一种基于OpenMV视觉模块的轻量级混合检测系统，用于嵌入式运输车辆的实时目标检测	采用两阶段检测机制：远距离使用HSV颜色空间红色阈值分割快速定位，近距离切换轻量级深度学习模型进行细粒度识别，构建FOMO MobileNetV2模型	仅在实验室环境下测试，样本量相对有限（820个样本）	满足移动嵌入式无人车辆实验室物品运输智能控制系统的实时目标检测需求	实验室环境中的检测目标	计算机视觉	NA	HSV颜色空间分割，深度学习	CNN	图像	820个样本（包含光照强度和物体距离两个变量的多维数据集）	OpenMV	MobileNetV2, FOMO	平均分类准确率	嵌入式终端（OpenMV H7 Plus摄像头）
633	2025-10-05	Deep Learning for Heart Sound Abnormality of Infants: Proof-of-Concept Study of 1D and 2D Representations 2025-Sep-12, Children (Basel, Switzerland) DOI:10.3390/children12091221 PMID:41007086	研究论文	本研究开发了一种结合CNN和LSTM的深度学习框架，用于婴儿心音异常的早期诊断	首次将心脏听诊信号的时间-频率表示与深度学习结合，专注于婴儿先天性心脏缺陷的早期检测	依赖公开数据集，需要进一步临床验证以确认实际应用效果	开发基于深度学习的先天性心脏缺陷早期诊断方法	婴儿心脏听诊信号	数字病理	心血管疾病	心音听诊，MFCC特征提取	CNN, LSTM	音频信号	NA	NA	CNN-LSTM混合架构	准确率	NA
634	2025-10-05	Rapid Screening of Anticoagulation Compounds for Biological Target-Associated Adverse Effects Using a Deep-Learning Framework in the Management of Atrial Fibrillation 2025-Sep-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090972 PMID:41007217	研究论文	本研究开发了一个深度学习框架，用于预测抗凝药物在房颤治疗中可能引起的生物学靶点相关不良反应	将深度学习应用于药物不良反应的生物学靶点筛查，考虑了蛋白质序列和受影响器官的生物学基础	NA	开发预测抗凝药物不良反应的深度学习框架，指导房颤治疗中的最优药物选择	抗凝药物（依诺肝素、利伐沙班、依度沙班、阿哌沙班）及其生物学靶点	机器学习	心血管疾病	深度学习	深度学习模型	蛋白质序列、药物不良反应数据	NA	NA	NA	精确度, 召回率	NA
635	2025-10-05	Predicting Immunotherapy-Induced Pneumonitis Based on Chest CT and Non-Imaging Data 2025-Sep-12, Cancers IF:4.5Q1 DOI:10.3390/cancers17182980 PMID:41008824	研究论文	提出基于胸部CT和非影像数据的深度学习多模态预测方法，用于预测免疫检查点抑制剂治疗引发的肺炎	首次将预训练视觉Transformer提取的深度学习特征、放射组学特征和临床特征相结合，开发多模态预测模型	未提及研究样本量的具体限制和外部验证结果	预测接受免疫检查点抑制剂治疗的非小细胞肺癌患者发生肺炎的风险	接受免疫检查点抑制剂治疗的非小细胞肺癌患者	医学影像分析	肺癌	计算机断层扫描(CT)	Vision Transformer, 机器学习算法	影像数据(CT图像), 临床数据	NA	NA	Vision Transformer	准确率, AUC	NA
636	2025-10-05	Machine Learning for Multi-Target Drug Discovery: Challenges and Opportunities in Systems Pharmacology 2025-Sep-12, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17091186 PMID:41012523	综述	本文全面综述了机器学习在多靶点药物发现中的应用、挑战与未来方向	系统整合了从传统监督学习到现代图神经网络和多任务学习等机器学习技术在多靶点药物开发中的应用，并探讨了生成建模、联邦学习等前沿方向	存在数据稀疏性、模型可解释性不足、泛化能力有限以及实验工作流整合困难等挑战	为研究人员提供利用机器学习开发更安全有效的多靶点治疗药物的路线图	多靶点药物发现和系统药理学	机器学习	癌症, 神经退行性疾病, 中枢神经系统疾病	机器学习, 深度学习	注意力模型, 图神经网络, 多任务学习, 生成模型	大规模生物数据	NA	NA	NA	NA	NA
637	2025-10-05	A Multi-Working States Sensor Anomaly Detection Method Using Deep Learning Algorithms 2025-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s25185686 PMID:41012925	研究论文	提出一种基于LSTM深度学习算法的多工作状态传感器异常检测方法	针对传感器数据标签缺失和机器运行状态变化的问题，结合输入选择方法提高LSTM网络预测精度	仅使用单一真实数据集（矿用卡车）进行验证，未在其他场景测试	解决传感器异常检测中标签数据缺乏和运行状态变化带来的挑战	矿用卡车传感器数据	机器学习	NA	传感器数据采集	LSTM	时间序列数据	一个矿用卡车运行的真实数据集	NA	LSTM	异常检测准确率	NA
638	2025-10-05	Transparent EEG Analysis: Leveraging Autoencoders, Bi-LSTMs, and SHAP for Improved Neurodegenerative Diseases Detection 2025-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s25185690 PMID:41012929	研究论文	本研究开发了一种结合自编码器、双向LSTM和SHAP的深度学习流程，用于基于EEG信号的阿尔茨海默病和额颞叶痴呆分类	提出了一种新颖的分类流程，结合自编码器进行特征提取和Bi-LSTM分析时间模式，并应用SHAP增强模型可解释性	EEG信号存在噪声敏感性和受试者间变异性等挑战	开发透明且准确的EEG信号分类方法用于神经退行性疾病检测	阿尔茨海默病(AD)和额颞叶痴呆(FTD)患者以及认知正常对照组的EEG信号	机器学习	神经退行性疾病	脑电图(EEG)	自编码器, Bi-LSTM	EEG信号	88名老年参与者（36名AD患者，23名FTD患者，29名认知正常对照组）	NA	自编码器, 双向长短期记忆网络	准确率	NA
639	2025-10-05	Study on Centroid Height Prediction of Non-Rigid Vehicle Based on Deep Learning Combined Model 2025-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s25185692 PMID:41012931	研究论文	提出一种结合CNN、LSTM和注意力机制的深度学习模型，用于预测非刚性车辆的质心高度	首次将CNN-LSTM-Attention混合模型应用于车辆质心高度预测，通过注意力机制增强0°区域附近关键载荷转移特征	模型验证仅在与仿真相同悬架条件下的实际倾斜测试数据中进行	提高车辆质心高度测量的准确性和计算效率	非刚性车辆	机器学习	NA	深度学习	CNN, LSTM, Attention	仿真数据，实际测试数据	NA	NA	CNN-LSTM-Attention	计算速度，预测误差	NA
640	2025-10-05	Development and Performance of an Artificial Intelligence-Based Deep Learning Model Designed for Evaluating Dental Ergonomics 2025-Sep-11, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13182277 PMID:41008408	研究论文	开发并评估基于人工智能的深度学习模型用于评估牙科人体工程学	首次将YOLOv11和MediaPipe策略性整合开发牙科人体工程学姿势评估模型	仅使用500张牙科专业人员照片进行训练和验证，样本量有限	开发AI模型评估牙科工作姿势，预防肌肉骨骼系统损伤	牙科专业人员的工作姿势	计算机视觉	肌肉骨骼系统疾病	深度学习	CNN	图像	500张牙科专业人员操作照片	YOLOv11, MediaPipe	YOLOv11	Kappa系数, ICC, 灵敏度, 特异性, AUC	NA