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
61	2025-05-15	A subject transfer neural network fuses Generator and Euclidean alignment for EEG-based motor imagery classification 2025-May-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110483 PMID:40350042	research paper	提出了一种基于深度学习的迁移学习模型ST-GENN，用于改善脑机接口(BCI)中基于EEG的运动想象分类	结合Generator和欧几里得对齐的迁移学习模型，有效将源域数据分布迁移至目标域	未明确提及具体局限性	解决个体间EEG信号差异问题，提高BCI分类准确率	脑电信号(EEG)和运动想象分类	脑机接口	NA	迁移学习	ST-GENN (结合Generator和欧几里得对齐的神经网络), CAT分类器	EEG信号	BCI competition IV 2a、2b和SHU数据集
62	2025-05-15	Deep learning-driven hyperspectral imaging for real-time monitoring and growth modeling of psychrophilic spoilage bacteria in chilled beef 2025-May-09, International journal of food microbiology IF:5.0Q1 DOI:10.1016/j.ijfoodmicro.2025.111254 PMID:40359768	研究论文	本研究利用深度学习驱动的高光谱成像技术，实时监测和建模冷藏牛肉中嗜冷腐败细菌的生长	结合高光谱成像和多种算法（如CARS、PLSR、SCN等）进行细菌生长建模，实现了冷藏牛肉中细菌含量的快速无损检测	模型预测精度仍有提升空间，特别是对乳酸杆菌的预测效果相对较差	开发一种快速无损检测冷藏牛肉中嗜冷细菌含量的方法	冷藏牛肉中的假单胞菌和乳酸杆菌	数字病理	NA	高光谱成像、平板计数法	PLSR、SCN、时间卷积网络结合多头注意力机制	光谱数据	未明确说明样本数量（冷藏牛肉样品）
63	2025-05-15	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-May-08, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	评估在卒中MRI分析中排除不确定急性缺血性病变（AIL）病例对深度学习工具诊断效能的影响	揭示了排除不确定病例会导致诊断比值比被高估四倍，并识别了与不确定AIL相关的独立因素	单中心回顾性研究可能限制结果的普遍性	评估卒中MRI分析中的频谱偏倚及其影响因素	疑似卒中成年患者的脑部MRI数据	数字病理学	心血管疾病	脑部MRI分析	深度学习工具	医学影像	989名患者（中位年龄73岁，53%女性）
64	2025-05-15	The informativeness of the gradient revisited 2025-May-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107517 PMID:40359739	research paper	本文探讨了梯度信息在深度学习中的有效性，并提出了一个衡量梯度方差的一般性界限	提出了一个衡量梯度方差的一般性界限，并将其应用于Learning with Errors (LWE)映射和高频函数类	理论分析可能无法完全覆盖所有实际应用场景，实验部分仅针对特定类型的函数进行了验证	深入理解梯度信息在深度学习中的局限性	梯度信息的有效性及其在深度学习中的应用	machine learning	NA	NA	NA	NA	NA
65	2025-05-15	Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety 2025-May-07, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144678 PMID:40359792	综述	本文综述了智能手机集成的纳米酶技术在快速、现场食品安全分析中的应用及其进展	探讨了智能手机与纳米酶技术结合用于实时生物传感的潜力，以及与AI、ML、DL和3D打印技术结合的创新应用	存在提高灵敏度、实现多重检测和现场应用验证等关键挑战	推动智能食品安全系统的发展，实现实时和现场检测以确保食品质量和公共健康	食源性病原体、污染物和危害物	食品安全	NA	纳米酶技术、AI、ML、DL、3D打印	NA	实时生物传感数据	NA
66	2025-05-15	Towards Precision in Sarcopenia Assessment: The Challenges of Multimodal Data Analysis in the Era of AI 2025-May-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094428 PMID:40362666	综述	本文探讨了人工智能在改善肌肉减少症评估精度中的潜在作用	整合AI技术（尤其是机器学习和深度学习）与临床、人体测量和分子数据，以识别新的生物标志物	需要大规模、标准化的研究来验证AI驱动的生物标志物签名	提高肌肉减少症的诊断精度和管理效果	肌肉减少症患者	机器学习	老年疾病	AI、机器学习、深度学习	NA	临床数据、人体测量数据、分子数据	NA
67	2025-05-15	A Multi-Modal Graph Neural Network Framework for Parkinson's Disease Therapeutic Discovery 2025-May-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094453 PMID:40362692	研究论文	本研究通过整合大规模蛋白质-蛋白质相互作用网络与多模态图神经网络（GNN），识别并优先排序帕金森病（PD）的多靶点药物再利用候选物	提出了一种新颖的功能中心性指数来识别PD相互作用组中的关键节点，并开发了一个结合分子描述符、网络拓扑和不确定性量化的GNN模型	NA	加速发现PD及其他多因素神经退行性疾病的多靶点疗法	帕金森病（PD）	机器学习	帕金森病	多模态图神经网络（GNN）	GNN	蛋白质-蛋白质相互作用网络、分子描述符	NA
68	2025-05-15	Research Progress on Data-Driven Industrial Fault Diagnosis Methods 2025-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s25092952 PMID:40363389	综述	本文系统回顾了当前主流的工业故障诊断方法，重点探讨了数据驱动技术和深度学习算法在故障诊断中的应用与发展	深入分析了大数据环境下深度学习算法在故障诊断中的关键作用，并探讨了大模型在提升诊断智能化和泛化能力方面的潜力	未涉及具体实验验证，主要基于文献综述	探讨数据驱动的工业故障诊断方法研究进展	工业故障诊断方法	工业大数据分析	NA	深度学习算法、大模型技术	深度学习模型	工业大数据、多源异构数据	NA
69	2025-05-15	Inter-Relationships Between the Deep Learning-Based Pachychoroid Index and Clinical Features Associated with Neovascular Age-Related Macular Degeneration 2025-May-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093245 PMID:40364275	research paper	本研究利用深度学习模型HUPI探讨了厚脉络膜对日本新生血管性年龄相关性黄斑变性(nAMD)临床特征的影响	首次使用深度学习模型HUPI量化厚脉络膜特征，并分析其与不同类型nAMD临床参数的关联	研究为回顾性观察研究，样本量相对有限(124眼)	探究厚脉络膜指数与nAMD临床特征之间的关系	111例初治nAMD患者的124只眼(包括44眼1型MNV、26眼2型MNV和54眼PCV)	digital pathology	age-related macular degeneration	EDI-OCT成像	modified LeNet	image	124只眼(来自111名患者)
70	2025-05-15	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文比较了深度学习分割模型在生物物理和生物医学数据上的表现	提供了四种常用深度学习架构在典型小规模训练数据集上的全面比较，并建立了确定每种模型最佳使用条件的标准	研究仅关注了四种特定模型架构，可能未涵盖所有相关模型	为生物物理学领域的研究人员和实践者提供选择最适合特定应用的深度学习架构的实用指南	四种深度学习架构（CNN、U-Nets、vision transformers和vision state space models）	生物物理学	NA	深度学习	CNN, U-Nets, vision transformers, vision state space models	生物物理和生物医学数据	典型的小规模训练数据集
71	2025-05-15	Effectiveness and Implementation Outcomes of an mHealth App Aimed at Promoting Physical Activity and Improving Psychological Distress in the Workplace Setting: Cluster-Level Nonrandomized Controlled Trial 2025-May-06, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/70473 PMID:40327360	研究论文	本研究评估了mHealth应用ASHARE在工作场所促进身体活动和改善心理困扰的效果及实施结果	利用深度学习模型通过身体活动监测抑郁和焦虑，并在工作场所环境中进行混合有效性-实施试验	组间差异无统计学显著性，用户保留率低（20%），实施结果在员工和健康促进管理者之间存在差距	评估mHealth应用在工作场所促进身体活动和改善心理健康的有效性及实施情况	日本工作场所的员工	数字健康	心理健康	深度学习	NA	移动健康数据	84名员工（干预组67人，对照组17人）来自7个工作单位
72	2025-05-15	Deep learning-based image classification and quantification models for tablet sticking 2025-May-06, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化药片粘附现象	结合CNN和GLCM特征与支持向量机，开发了一种新型集成模型，用于分类和量化药片粘附	尽管模型能检测轻微粘附，但药片质量属性仍可能符合标准，暗示视觉检查和质量属性评估可能不足以检测所有粘附情况	提高药物片剂生产的效率和质量一致性，克服视觉检查的局限性	药物片剂的粘附现象	计算机视觉	NA	CNN, GLCM, 支持向量机	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批药片
73	2025-05-15	Detection of Local Prostate Cancer Recurrence from PET/CT Scans Using Deep Learning 2025-May-06, Cancers IF:4.5Q1 DOI:10.3390/cancers17091575 PMID:40361501	研究论文	该研究利用深度学习技术从PET/CT扫描中检测局部前列腺癌复发	开发了基于[F]-PSMA-1007 PET数据集的人工智能模型，用于检测前列腺癌患者的局部复发，并针对前列腺切除状态训练了不同的模型	1404次检查的数据量不足以使模型准确率超过90%，且所有模型在训练数据上几乎达到100%的准确率，表明存在过拟合问题	评估人工智能模型在前列腺癌局部复发检测中的性能	前列腺癌患者	数字病理学	前列腺癌	PET/CT扫描	人工神经网络	医学影像	1404例[F]-PSMA-1007 PET/CT扫描
74	2025-05-15	Explainable Artificial Intelligence for Diagnosis and Staging of Liver Cirrhosis Using Stacked Ensemble and Multi-Task Learning 2025-May-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091177 PMID:40361994	研究论文	本研究提出了一种基于深度学习的框架，用于利用T2加权MRI图像自动诊断和分期肝硬化	结合堆叠集成学习、多任务学习和可解释人工智能技术，提高了诊断准确性、可靠性和透明度	NA	开发一种自动诊断和分期肝硬化的深度学习框架	肝硬化患者	数字病理学	肝硬化	T2加权MRI	CNN（VGG16、MobileNet、DenseNet121）与XGBoost组合	图像	CirrMRI600+数据集
75	2025-05-15	Multi-Head Attention-Based Framework with Residual Network for Human Action Recognition 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092930 PMID:40363367	research paper	提出了一种结合残差网络和多头注意力机制的深度学习框架，用于高效且鲁棒的人类动作识别	整合了ResNet-18和Bi-LSTM进行时空特征提取，引入多头注意力机制以增强关键运动细节的优先级，并提出基于光流的帧选择策略以减少冗余	未明确提及框架在极端光照或遮挡条件下的性能表现	开发一个高效且鲁棒的人类动作识别框架，适用于实时应用	人类动作	computer vision	NA	optical flow	ResNet-18, Bi-LSTM, multi-head attention	video	UCF-101数据集
76	2025-05-15	Multimodal MRI Image Fusion for Early Automatic Staging of Endometrial Cancer 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092932 PMID:40363369	research paper	本研究利用深度学习和多模态MRI图像融合技术，实现了子宫内膜癌的早期自动分期，并与放射科医生的诊断性能进行了比较	基于Swin transformer模型及其专有的SW-MSA模块，实现了三平面（矢状面、冠状面和横断面）MRI图像的裁剪、增强和分类，并通过融合实验达到了100%的分类准确率	研究样本量较小，仅包括122名患者，且仅针对早期子宫内膜癌（FIGO IA和IB期）	自动化子宫内膜癌的分期，并比较深度学习与放射科医生在分期诊断中的性能	122名经病理证实的早期子宫内膜癌患者	digital pathology	endometrial cancer	MRI	Swin transformer	image	122名患者（68名FIGO IA期，54名FIGO IB期）
77	2025-05-15	Multiscale Two-Stream Fusion Network for Benggang Classification in Multi-Source Images 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092924 PMID:40363361	研究论文	提出一种基于多尺度特征和双流融合网络（MS-TSFN）的崩岗分类方法，用于多源图像中的崩岗识别	采用双流融合网络结合注意力机制的特征融合块，实现多源图像特征的深度融合，提高崩岗分类的准确性	未提及具体的数据集规模或模型在其他地区的泛化能力	开发一种高效的崩岗分类方法，以支持土地管理和生态保护	中国南方丘陵和山区的崩岗（一种土壤侵蚀现象）	计算机视觉	NA	无人机采集的数字正射影像图（DOM）和数字表面模型（DSM）数据，Canny边缘检测	ResNeSt, 双流融合网络（MS-TSFN）	图像	未明确提及具体样本数量
78	2025-05-15	Decoding Poultry Welfare from Sound-A Machine Learning Framework for Non-Invasive Acoustic Monitoring 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092912 PMID:40363349	research paper	该研究提出了一种结合信号统计分析和机器学习/深度学习的框架，用于通过鸡的鸣叫声评估家禽福利	整合了信号级统计分析与多种机器学习/深度学习分类器，强调模型可解释性以关联已知生理行为过程	NA	开发非侵入性声学监测工具以评估家禽福利	鸡的鸣叫声	machine learning	NA	mel-frequency cepstral coefficients, spectral contrast, zero-crossing rate	Random Forest, HistGradientBoosting, CatBoost, TabNet, LSTM	acoustic signals	三个互补数据集（健康相关发声、行为呼叫类型、应激诱导声学响应）
79	2025-05-15	A Novel 3D Approach with a CNN and Swin Transformer for Decoding EEG-Based Motor Imagery Classification 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092922 PMID:40363359	研究论文	本文提出了一种结合CNN和Swin Transformer的新型端到端解码网络，用于提高基于EEG的运动想象分类准确率	将EEG信号转换为三维数据结构，结合一维和二维卷积进行时空特征提取，并使用3D Swin Transformer模块进行深度特征探索	未在其他BCI任务上验证该方法的适用性，临床实施潜力有待进一步探索	提高基于EEG的运动想象分类准确率	脑机接口(BCI)中的运动想象(MI)范式	脑机接口	肌肉或神经损伤	EEG信号处理	CNN和Swin Transformer	EEG信号	BCI Competition IV-2a数据集
80	2025-05-15	Efficient Deep Learning Model Compression for Sensor-Based Vision Systems via Outlier-Aware Quantization 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092918 PMID:40363355	research paper	本文提出了一种针对传感器视觉系统的高效深度学习模型压缩方法，通过异常感知量化（OAQ）来优化量化精度	提出了一种异常感知量化（OAQ）方法，有效重塑权重分布以增强量化精度，且与现有量化方案正交，无需额外计算开销	未明确说明方法在更复杂或更大规模模型上的适用性	优化资源受限环境下实时图像特征提取的深度学习模型效率	传感器视觉系统中的深度学习模型	computer vision	NA	量化技术	CNN	image	多个CNN架构和量化方法