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
7261	2026-01-04	Hybrid PCA-Based and Machine Learning Approaches for Signal-Based Interference Detection and Anomaly Classification Under Synthetic Data Conditions 2025-Dec-14, Sensors (Basel, Switzerland) DOI:10.3390/s25247585 PMID:41471582	研究论文	本文提出了一种轻量级、可解释的异常检测流程，用于在严格低误报率约束下检测多通道时空数据中的异常，特别适用于传感器网络信号干扰监测等安全关键应用	核心创新在于融合了三种互补的异常信号（PCA重建误差、残差图的局部离群因子、蒙特卡洛方差），并通过学习型逻辑回归和专门的Neyman-Pearson优化融合来严格限制误报率，避免了深度学习依赖	研究在合成数据条件下进行评估，未明确说明在真实世界数据上的泛化能力	开发一种在严格低误报率约束下（如1% FPR）的稳健异常检测方法，用于安全关键应用	多通道时空数据中的信号干扰和异常	机器学习	NA	NA	逻辑回归, 局部离群因子	多通道时空数据	NA	NumPy, scikit-learn	NA	真阳性率, 假阳性率	NA
7262	2026-01-04	Vision-Based Trajectory Reconstruction in Human Activities: Methodology and Application 2025-Dec-13, Sensors (Basel, Switzerland) DOI:10.3390/s25247577 PMID:41471572	研究论文	本文提出了一种基于视觉的轨迹重建方法，用于捕捉人类活动中的个体运动轨迹，并应用于人群动力学研究	整合了基于颜色的图像分割、基于深度学习的对象检测和基于单应性的投影方法，实现了在静态和动态摄像机视角下对行走和跑步活动轨迹的可靠重建	未明确说明方法在极端光照条件或极高密度人群中的性能限制	准确评估人群引起的荷载，通过研究人类互动和群体空间组织来建立现实的荷载模型	小型群体和大型跑步活动中的个体运动轨迹	计算机视觉	NA	基于颜色的图像分割，基于深度学习的对象检测，单应性投影	深度学习对象检测模型	图像，视频	来自两个城市跑步活动和受控实验的经验数据	NA	NA	NA	NA
7263	2026-01-04	Deep Learning for Tumor Segmentation and Multiclass Classification in Breast Ultrasound Images Using Pretrained Models 2025-Dec-12, Sensors (Basel, Switzerland) DOI:10.3390/s25247557 PMID:41471551	研究论文	本研究开发了基于预训练模型的图像分割和多分类AI工具，用于乳腺超声图像中的病灶分割和乳腺癌检测	提出了集成频域特征增强模块（FEM）的DeepLabV3架构，通过离散傅里叶变换等技术改善空间和频谱特征表示	研究基于公开数据集BUSI，可能未涵盖所有临床场景；模型在测试集上的分类性能（F1分数0.75）仍有提升空间	开发自动化工具用于乳腺超声图像的病灶分割和良恶性分类	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	CNN	图像	BUSI公开数据集中的灰度乳腺超声图像（具体数量未明确说明）	Optuna, TensorFlow/PyTorch（未明确指定，但基于常用深度学习框架）	ResNet18, EfficientNet-B0, MobileNetV2, U-Net, U-Net++, DeepLabV3, DenseNet121, InceptionV3, MobileNetV3, GoogleNet	Dice相似系数, IoU, AUC, 准确率, F1分数, 精确率, 召回率	NA
7264	2026-01-04	Image-based morphological profiling of autophagy phenotypes in Zika virus infected cells 2025-Dec-11, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.09.693313 PMID:41427343	研究论文	本研究开发了一个实验和计算流程，用于分析寨卡病毒在活细胞中劫持自噬的过程	扩展并修改了基于图像的分析流程，以同时观察自噬和病毒感染，并训练深度学习分类器在没有荧光报告病毒的情况下识别感染细胞	NA	解析寨卡病毒劫持自噬的机制	寨卡病毒感染的活细胞	数字病理学	寨卡病毒感染	基于图像的分析，荧光报告病毒	深度学习分类器	图像	NA	NA	NA	NA	NA
7265	2026-01-04	Advancing Real-Time Polyp Detection in Colonoscopy Imaging: An Anchor-Free Deep Learning Framework with Adaptive Multi-Scale Perception 2025-Dec-11, Sensors (Basel, Switzerland) DOI:10.3390/s25247524 PMID:41471519	研究论文	本文提出了一种用于结肠镜图像中息肉实时检测的无锚框深度学习框架，通过自适应多尺度感知提升检测性能	提出了跨阶段金字塔池化模块以高效聚合多尺度上下文信息，设计了加权双向特征金字塔网络以自适应融合多尺度特征，并采用无锚框检测头消除对手工先验的依赖	未在文中明确说明	提升结肠镜图像中息肉检测的准确性和实时性，以支持结直肠癌的早期预防	结肠镜图像中的息肉	计算机视觉	结直肠癌	NA	深度学习	图像	103,469 个结肠镜图像帧	PyTorch	无锚框检测器	mAP@0.5, mAP@0.5:0.95, FPS	GTX 1080-Ti GPU 工作站
7266	2026-01-04	A Deep Learning Approach for Removing Multi-Source Transient Interference in Satellite Magnetic Field Measurement 2025-Dec-11, Sensors (Basel, Switzerland) DOI:10.3390/s25247533 PMID:41471525	研究论文	提出一种结合神经网络的多源自适应梯度测量技术，用于消除卫星磁场测量中的多源瞬态干扰	集成神经网络框架进行干扰分类并应用自适应校正系数，无需手动分割长时间数据即可实现多源干扰校正	基于合成数据进行验证，未明确提及在真实太空环境中的实际应用测试	提高卫星磁场测量的精度，克服传统方法在成本和系统复杂性方面的限制	卫星磁场测量数据及其受电气和控制单元等航天器子系统产生的瞬态杂散磁场污染的情况	机器学习	NA	多源自适应梯度测量技术	神经网络	合成磁场测量数据	220次蒙特卡洛模拟	NA	NA	RMSE, 相关系数	NA
7267	2026-01-04	A Multi-Parameter Inspection Platform for Transparent Packaging Containers: System Design for Stress, Dimensional, and Defect Detection 2025-Dec-11, Sensors (Basel, Switzerland) DOI:10.3390/s25247531 PMID:41471528	研究论文	本文提出了一种用于透明安瓿瓶的统一检测平台，集成了应力测量、尺寸测量和表面缺陷检测功能	创新点包括集成系统架构、共享资源任务调度机制以及针对生产环境优化的部署策略	实验在模拟生产线的实验室条件下进行，未来需关注实时操作	开发满足制药和化妆品包装质量需求的统一检测平台	透明安瓿瓶	计算机视觉	NA	光弹性法、远心成像、亚像素轮廓提取	YOLOv8	图像	NA	NA	YOLOv8	应力测量误差、尺寸精度、缺陷检测mAP@0.5	NA
7268	2026-01-04	Recent Progress in Structural Integrity Evaluation of Microelectronic Packaging Using Scanning Acoustic Microscopy (SAM): A Review 2025-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s25247499 PMID:41471494	综述	本文回顾了扫描声学显微镜在微电子封装结构完整性评估领域的最新进展	重点关注SAM技术在多芯片堆叠、硅通孔和混合键合检测方面的技术进步，并探讨了与机器学习、深度学习模型结合以实现缺陷自动检测和表征的新兴研究方向	NA	评估微电子封装的结构完整性，以提高电子器件的功能和可靠性	微电子封装系统	无损评估/测试	NA	扫描声学显微镜	深度学习模型	声学图像	NA	NA	NA	NA	NA
7269	2026-01-04	Smart Image-Based Deep Learning System for Automated Quality Grading of Phalaenopsis Seedlings in Outsourced Production 2025-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s25247502 PMID:41471508	研究论文	本研究开发了一种基于智能图像和深度学习的系统，用于蝴蝶兰盆栽苗的自动化质量分级	结合了计算机视觉、深度学习和机器学习技术，采用双视角成像方法（俯视RGB-D图像和多角度侧视RGB图像），并开发了两种分级策略（三阶段分层法和直接分级法），以替代耗时且主观的人工检测	未在摘要中明确说明	提高蝴蝶兰外包生产环节中幼苗质量分级的效率和客观性，以增强产业国际竞争力	蝴蝶兰盆栽幼苗	计算机视觉	NA	双视角成像（RGB-D图像，多角度RGB图像）	CNN, SVM, Random Forest	图像	未在摘要中明确说明	NA	YOLOv8, YOLOv10	F1-score	未在摘要中明确说明
7270	2026-01-04	Fault Diagnosis Method for Excitation Dry-Type Transformer Based on Multi-Channel Vibration Signal and Visual Feature Fusion 2025-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s25247460 PMID:41471455	研究论文	本文提出了一种基于多通道振动信号与视觉特征融合的轻量级励磁干式变压器故障诊断方法	扩展了对称点模式方法，将三轴振动信号的时频域信息聚合映射为二维特征图，并采用粒子群优化自适应调整参数以优化特征图质量，结合ORB特征提取与Adaboost-SVM分类器，实现了在资源受限环境下的高效、准确故障诊断	NA	解决现有励磁干式变压器故障诊断方法在多轴振动数据利用不足、复杂工况下识别精度低及计算效率有限等方面的问题	励磁干式变压器	机器故障诊断	NA	多物理场耦合仿真，振动信号分析，对称点模式，粒子群优化，ORB特征提取	Adaboost-SVM	振动信号，二维特征图	NA	NA	Adaboost-SVM	准确率	NA
7271	2026-01-04	MCRBM-CNN: A Hybrid Deep Learning Framework for Robust SSVEP Classification 2025-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s25247456 PMID:41471452	研究论文	本文提出了一种结合多通道受限玻尔兹曼机与卷积神经网络的混合深度学习框架，用于稳健的稳态视觉诱发电位分类	提出了一种新颖的混合深度学习模型，整合多通道受限玻尔兹曼机与卷积神经网络，以无监督方式学习多通道脑电数据的潜在特征表示，有效捕获通道间相关性，并在短时间窗口场景中展现出优越的鲁棒性	NA	解决稳态视觉诱发电位在噪声、伪影和并发脑活动干扰下的信号解码问题，提升脑机接口的实用性能	稳态视觉诱发电位信号	机器学习	NA	脑电图	受限玻尔兹曼机, 卷积神经网络	脑电信号	NA	NA	多通道受限玻尔兹曼机, 卷积神经网络	NA	NA
7272	2026-01-04	Multi-Task Deep Learning for Surface Metrology 2025-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s25247471 PMID:41471468	研究论文	本文提出了一种可重复的深度学习框架，用于表面计量学，以预测表面纹理参数及其报告的标准不确定度	提出了一个结合测量系统类型分类、关键表面参数回归及其标准不确定度预测的多任务深度学习框架，并采用分位数回归、异方差回归头和事后保形校准来建模和校准预测区间	RONt的标准不确定度学习效果较差（决定系数仅为0.4934），且观察到朴素多输出主干存在负迁移现象，单目标模型表现更优	开发一个深度学习框架，用于表面计量学中的参数预测和不确定度量化，以支持计量工作流程中的仪器选择和验收决策	表面纹理参数（算术平均粗糙度Ra、平均峰谷粗糙度Rz、总圆度偏差RONt）及其标准不确定度，以及测量系统类型（触觉和光学系统）	机器学习	NA	深度学习	深度学习模型	表面计量数据	多仪器数据集（涵盖触觉和光学系统），具体样本数量未在摘要中提供	未明确指定，可能为TensorFlow, PyTorch等	多任务深度学习框架，包含分类头和回归头（分位数回归、异方差回归）	决定系数（R²）、分类准确率、预期校准误差	NA
7273	2026-01-04	Semi-Supervised Radar Work Mode Recognition Based on Contrastive Learning 2025-Dec-07, Sensors (Basel, Switzerland) DOI:10.3390/s25247440 PMID:41471436	研究论文	本文提出了一种基于对比学习的半监督雷达工作模式识别框架，以解决细粒度雷达模式识别对昂贵标注数据的严重依赖问题	提出了一种新颖的端到端三分支框架，该框架集成了双重对比学习机制，并针对脉冲失真问题设计了定制化策略，能够在仅使用少量标注数据的情况下实现高精度识别	NA	解决细粒度雷达工作模式识别任务中因标注数据稀缺而面临的性能瓶颈	雷达信号（特别是脉冲序列）	机器学习	NA	NA	深度学习模型（具体架构未明确指定，但框架包含对比学习组件）	雷达信号数据（脉冲序列）	在两个具有挑战性的数据集上进行了实验，具体样本数量未明确说明	NA	端到端三分支框架	准确率	NA
7274	2026-01-04	Recent Advances in Deep Learning-Based Source Camera Identification and Device Linking 2025-Dec-06, Sensors (Basel, Switzerland) DOI:10.3390/s25247432 PMID:41471430	综述	本文综述了基于深度学习的源相机识别和设备关联技术的最新进展	总结了多种深度学习架构（如卷积神经网络、残差学习、编码器-解码器表示、双分支结构和对比学习）在捕获传感器特定伪影方面的应用，并比较了它们在模型和设备层面随时间变化的有效性	深度学习方法在模型层面精度高，但在设备层面实现鲁棒识别仍具挑战性，尤其是在涉及相机集成或AI驱动增强的现代成像流程中	评估深度学习技术在源相机识别和设备关联任务中的性能	源相机识别和设备关联技术	计算机视觉	NA	深度学习	CNN, 残差学习, 编码器-解码器, 双分支结构, 对比学习	图像	NA	NA	卷积神经网络, 残差网络, 编码器-解码器, 双分支结构	模型层面精度, 设备层面识别鲁棒性	NA
7275	2026-01-04	Printed Circuit Board Defect Detection Based on Lightweight Deep Learning Fusion Model 2025-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s25247403 PMID:41471399	研究论文	本文提出了一种基于轻量级深度学习融合模型的印刷电路板缺陷检测方法，专注于微小目标检测和模型压缩	提出了一种改进的模型，结合MobileNet v3 Small-CA和图像切割层，并应用了改进的多尺度融合步骤与位置加权机制，以增强表示性能	NA	实现印刷电路板缺陷检测中更好的性能，特别是在微小缺陷检测和模型压缩方面	印刷电路板	计算机视觉	NA	NA	CNN	图像	NA	NA	MobileNet v3 Small-CA	速度, 检测精度	NA
7276	2026-01-04	HyMambaNet: Efficient Remote Sensing Water Extraction Method Combining State Space Modeling and Multi-Scale Features 2025-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s25247414 PMID:41471410	研究论文	本研究提出了一种结合状态空间建模与多尺度特征的遥感水体高效提取方法HyMambaNet	提出了一种混合深度学习模型，将卷积局部特征提取与Mamba状态空间模型相结合，以实现高效的全局上下文建模，并融合了多尺度与频域增强以及优化的跳跃连接	未在摘要中明确提及	开发一个鲁棒且可扩展的深度学习框架，用于在不同水文和生态场景下进行高精度水体提取	高分辨率遥感影像中的水体	计算机视觉	NA	NA	CNN, 状态空间模型	图像	使用了LoveHY和LoveDA两个数据集，具体样本数量未在摘要中提及	NA	HyMambaNet	IoU, F1-score	NA
7277	2026-01-04	Artificial Intelligence in Biomedicine: A Systematic Review from Nanomedicine to Neurology and Hepatology 2025-Dec-04, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17121564 PMID:41471079	综述	本文系统回顾了人工智能在生物医学领域（从纳米医学到神经病学和肝病学）的应用与贡献	通过系统性文献检索（2010-2025年），聚焦于四个关键生物医学领域，对AI应用进行了全面的定性综合，并强调了跨领域的共同挑战	数据异质性、缺乏标准化的采集协议、模型透明度不足以及前瞻性多中心验证稀缺	评估人工智能在生物医学领域的扩展贡献，特别是在癌症治疗与纳米医学、心脏病学与医学成像、神经退行性疾病以及肝脏疾病中的应用	2010年至2025年间主要生物医学数据库中关于AI在四个指定领域应用的英文原创研究	机器学习	NA	NA	NA	NA	203篇符合PRISMA 2020标准的文章	NA	NA	NA	NA
7278	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7279	2026-01-04	Proteomics Data Imputation With a Deep Model That Learns From Many Datasets 2025-Dec, 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插补，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的蛋白质组学插补方法，能够学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法来估计定量蛋白质组学数据中的缺失值，以提高数据分析和生物标志物发现的准确性	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量标签数据，涵盖10种癌症类型	机器学习	癌症	质谱蛋白质组学，串联质量标签	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本，涵盖10种癌症类型	Python	NA	NA	NA
7280	2026-01-04	Decoding the germline genetic architecture of prostate cancer at a single cell resolution 2025-Dec, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011975 PMID:41468516	研究论文	本研究通过单细胞分辨率解码前列腺癌的种系遗传结构，识别了介导最高风险的细胞亚型并开发深度学习模型预测变异功能影响	首次在单细胞水平整合表观基因组与转录组数据解析前列腺癌种系变异的功能机制，并开发深度学习模型系统评估GWAS变异对染色质可及性的影响	研究基于参考前列腺组织样本，可能未完全涵盖肿瘤微环境的异质性；深度学习模型的预测功能需要进一步实验验证	解析前列腺癌种系遗传变异的细胞类型特异性功能机制	人类前列腺组织样本及其单细胞表观基因组与转录组数据	计算生物学	前列腺癌	单细胞表观基因组学、单细胞转录组学、全基因组关联研究(GWAS)	深度学习模型	单细胞表观基因组数据、单细胞转录组数据、GWAS数据	参考人类前列腺组织样本（具体数量未明确说明）	NA	NA	NA	NA