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	2025-06-30	A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.004 PMID:40300994	研究论文	该研究提出了一种结合深度学习和改进的Hiking优化算法的AI框架，用于基于磁共振神经成像数据对臂丛神经病变中的神经损伤进行分类	结合了MobileNetV4进行特征提取和MHOA进行优化特征选择，提高了神经损伤分类的准确性	样本量较小（39名患者），可能影响模型的泛化能力	提高臂丛神经病变中神经损伤的诊断准确性	臂丛神经病变患者的磁共振神经成像数据	数字病理	臂丛神经病变	磁共振神经成像（MRN）	MobileNetV4	图像	39名臂丛神经病变患者
62	2025-06-30	Deep Learning-enhanced Opportunistic Osteoporosis Screening in Ultralow-Voltage (80 kV) Chest CT: A Preliminary Study 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.062 PMID:40318972	research paper	探讨深度学习增强的全自动骨密度测量在超低电压80 kV胸部CT扫描中的可行性	利用深度学习在超低电压80 kV胸部CT扫描中实现全自动骨密度测量，用于骨质疏松筛查	研究仅为初步研究，样本量有限，且仅涉及特定CT扫描仪	探索深度学习在骨质疏松筛查中的应用	987名接受80 kV胸部CT和120 kV腰椎CT扫描的患者	digital pathology	osteoporosis	quantitative CT (QCT), deep learning	3D VB-Net, SCN, DenseNet, ResNet	CT scans	987名患者，分为训练集、验证集和测试集（561:177:112:137）
63	2025-06-30	Deep Learning Image Reconstruction (DLIR) Algorithm to Maintain High Image Quality and Diagnostic Accuracy in Quadruple-low CT Angiography of Children with Pulmonary Sequestration: A Case Control Study 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.005 PMID:40410108	研究论文	本研究评估了在儿童肺隔离症的四重低剂量CT血管造影（4L-CTA）中使用深度学习图像重建（DLIR）算法的诊断准确性	首次在儿童肺隔离症的四重低剂量CTA中应用DLIR算法，并证明了其在降低辐射和对比剂剂量的同时保持图像质量和诊断准确性	样本量较小（53例患者），且仅针对肺隔离症这一特定疾病	评估DLIR算法在儿童四重低剂量CTA中的诊断准确性和图像质量	疑似肺隔离症的儿童患者	数字病理	肺隔离症	CT血管造影（CTA）	深度学习图像重建（DLIR）	医学影像	106名儿童患者（53名接受4L-CTA，53名接受常规CTA）
64	2025-06-30	Artificial intelligence for early gastric cancer boundary recognition in NBI and nF-NBI endoscopic images 2025-Jul, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2509818 PMID:40452611	research paper	本研究开发了基于深度学习的模型，用于在窄带成像（NBI）和近焦NBI（NF-NBI）图像中识别早期胃癌（EGC）的边界	提出了三种卷积神经网络（CNN1-CNN3）生成的六个深度学习模型，用于精确识别EGC边界，其诊断性能与资深内镜医师相当	研究仅基于NBI和NF-NBI图像，未涉及其他类型的医学影像	开发深度学习模型以提高早期胃癌边界识别的准确性	早期胃癌患者的NBI和NF-NBI内镜图像	digital pathology	gastric cancer	narrow-band imaging (NBI), near-focus NBI (NF-NBI)	CNN	image	1215 NBI和1646 NF-NBI图像
65	2025-06-30	Broadscale reconnaissance of coral reefs from citizen science and deep learning 2025-Jun-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14261-6 PMID:40571887	研究论文	本研究探讨了结合公民科学和深度学习技术对珊瑚礁进行大规模勘测的可行性和准确性	结合公民科学和深度学习技术进行珊瑚礁勘测，实现了大规模、低成本的数据收集	对于'所有其他珊瑚'这一单一类别的估计准确性较低，仅在60%的站点和10-30%珊瑚覆盖率的图像中达到95%的准确性	评估公民科学和深度学习技术在珊瑚礁勘测中的准确性和可行性	珊瑚礁的底栖覆盖情况，特别是分枝状鹿角珊瑚、板状鹿角珊瑚和块状珊瑚	计算机视觉	NA	深度学习	NA	图像	8086张图像
66	2025-06-30	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-Jun-26, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	research paper	利用深度学习从视盘照片预测视网膜神经纤维层厚度，评估其作为原发性开角型青光眼风险因素的效用	开发了一种基于OCT训练的深度学习模型（M2M模型），用于从视盘照片预测视网膜神经纤维层厚度，并验证其作为青光眼风险因素的预测能力	研究仅针对眼高压患者，未涉及其他类型青光眼或健康人群	预测视网膜神经纤维层厚度并评估其作为原发性开角型青光眼风险因素的效用	1636名眼高压患者的3272只眼睛	digital pathology	glaucoma	deep learning	M2M model	image	3272只眼睛的66714张视盘照片
67	2025-06-30	Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition 2025-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03560-0 PMID:40571695	研究论文	提出了一种名为DeepArabianSignNet的新模型，结合DenseNet、EfficientNet和基于注意力的Deep ResNet，用于阿拉伯手语识别	引入了G-TverskyUNet3+进行感兴趣区域检测，并采用新型元启发式算法CSFOA进行特征优化	仅使用了两个数据库进行测试，可能需要更多样化的数据集验证	提高阿拉伯手语识别的准确性和特征捕捉能力	阿拉伯手语图像	计算机视觉	NA	CSFOA优化算法	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	图像	两个数据库（训练率70%和80%）
68	2025-06-30	A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors 2025-Jun-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02011-8 PMID:40571854	研究论文	开发了一个结合临床、放射组学和深度学习特征的机器学习模型，用于准确预测原发性胃肠道间质瘤（GISTs）术后复发和转移	整合了临床数据、放射组学特征和深度学习特征，构建了一个高性能的预测模型，为个性化治疗和随访策略提供支持	研究仅基于两个独立中心的数据，样本量相对有限，且未涉及其他影像学模态的数据	开发个体化的临床随访策略，预测原发性GISTs患者的术后复发和转移风险	原发性胃肠道间质瘤（GISTs）患者	数字病理	胃肠道间质瘤	机器学习、放射组学分析、深度学习	临床深度学习放射组学模型（CDLRM）	临床数据、CT图像	526名患者（260名男性，266名女性，平均年龄62岁）
69	2025-06-30	Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier 2025-Jun-23, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107183 PMID:40562078	研究论文	开发了一种基于深度学习的分类器，用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae菌落	利用两阶段培养温度区分菌落，并首次应用YOLO深度学习模型进行自动计数	研究仅针对特定两种酵母菌，未验证对其他微生物的适用性	开发自动化工具监测酸面团发酵过程中的酵母菌群变化	酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌	计算机视觉	NA	深度学习	YOLO	图像	多种温度条件下培养的酸面团样本
70	2025-06-30	LGFUNet: A Water Extraction Network in SAR Images Based on Multiscale Local Features with Global Information 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123814 PMID:40573701	research paper	提出了一种基于多尺度局部特征与全局信息的SAR图像水体提取网络LGFUNet，以解决现有深度学习方法的不足	采用Swin-Transformer模块替代卷积核进行特征提取，增强全局信息学习能力，并引入DECASPP模块和LGFF模块以提升复杂水体边界细节的提取能力	未明确提及模型在不同地理环境或不同SAR数据源上的泛化能力	提升SAR图像中水体的自动提取精度，特别是连续水体的边界细节	Sentinel-1 SAR数据中的水体区域	computer vision	NA	深度学习	LGFUNet（基于Swin-Transformer的编码器-解码器结构）	SAR图像	青藏高原区域的Sentinel-1 SAR数据（未明确样本数量）
71	2025-06-30	Benchmarking Accelerometer and CNN-Based Vision Systems for Sleep Posture Classification in Healthcare Applications 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123816 PMID:40573703	research paper	比较基于加速度计和CNN视觉系统在睡眠姿势分类中的性能，应用于医疗健康领域	首次对比图像深度学习和加速度计分类在睡眠姿势识别中的表现，展示加速度计方法的高精度和鲁棒性	图像方法对左侧卧和仰卧姿势识别性能略低，研究未涉及多模态融合方法	评估不同技术路径在睡眠姿势监测中的适用性，为智能医疗系统开发提供参考	人体睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态）	digital pathology	sleep apnea	数据增强（旋转/镜像/缩放/平移）、加速度信号特征提取	VGG16 CNN, 前馈神经网络	image, accelerometer信号	未明确说明样本数量
72	2025-06-30	Transverse Electric Inverse Scattering of Conductors Using Artificial Intelligence 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123774 PMID:40573660	研究论文	本文结合直接采样法（DSM）和神经网络，从感测的电磁场中重建完美电导体的形状	通过结合DSM和U-net神经网络，显著提高了TE波成像的分辨率和效率，并降低了重建误差	未提及具体实验验证或实际应用场景的局限性	提高导体形状重建的精度和效率	完美电导体	人工智能	NA	直接采样法（DSM）、神经网络	U-net	电磁场数据	NA
73	2025-06-30	An Enhanced Cascaded Deep Learning Framework for Multi-Cell Voltage Forecasting and State of Charge Estimation in Electric Vehicle Batteries Using LSTM Networks 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123788 PMID:40573675	研究论文	本文提出了一种新颖的两层深度学习框架，用于电动汽车电池的多电池电压预测和充电状态估计	首次在热带气候下验证了基于深度学习的BMS优化，为类似地区的电动汽车电池管理设定了新标准	研究主要针对热带气候条件，可能在其他气候条件下的适用性有限	提高电动汽车电池管理系统的操作效能和安全性	电动汽车电池，特别是热带气候下的锂铁磷酸盐电池组	机器学习	NA	LSTM网络	LSTM	时间序列数据	120-cell锂铁磷酸盐电池组，模拟城市驾驶条件下的速度变化和负载变化
74	2025-06-30	Statistical Difference Representation-Based Transformer for Heterogeneous Change Detection 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123740 PMID:40573630	研究论文	提出了一种基于统计差异表示的Transformer模型（SDFormer）和弱监督异构变化检测框架（S3G2），用于处理多传感器或多模态图像数据中的变化检测问题	引入了结构相似性引导样本生成策略（S3G2）来生成可靠的伪标签，并提出了SDFormer模型以减少时相异构图像间的模态差异影响	缺乏可信的标注数据限制了大多数基于学习的异构变化检测方法的应用	提高异构图像变化检测的准确性和鲁棒性	多传感器或多模态图像数据	计算机视觉	NA	深度学习、领域自适应	Transformer（SDFormer）	图像	多个公共异构变化检测数据集
75	2025-06-30	Research on a Multi-Dimensional Information Fusion Mechanical Wear Fault-Diagnosis Algorithm Based on Data Regeneration 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123745 PMID:40573632	research paper	提出一种基于数据再生的多维信息融合机械磨损故障诊断算法，结合扩散模型和TTT技术，在实验室条件下实现高精度故障诊断	结合扩散模型和TTT（测试时训练）技术，利用预训练解码器将数据解码为连续潜在表示进行采样，实现数据再生，并构建特征参数与机械磨损故障模式之间的高维映射关系	研究在实验室条件下进行，数据量较少，现象分布特征可能限制机器学习和深度学习概念的应用	开发一种高精度的机械磨损故障诊断算法	六种典型航空发动机机械磨损故障	machine learning	NA	扩散模型, TTT（test-time training）	扩散模型, TTT	特征数据	少量实验室数据
76	2025-06-30	HGCS-Det: A Deep Learning-Based Solution for Localizing and Recognizing Household Garbage in Complex Scenarios 2025-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s25123726 PMID:40573613	研究论文	提出了一种基于YOLOv8的深度学习模型HGCS-Det，用于复杂场景下的垃圾定位与识别	引入归一化注意力模块、注意力特征融合模块和实例边界强化模块，结合Slide Loss函数动态加权难样本，提升了检测精度和实时性能	模型参数略有增加（3.02M），在复杂环境下的泛化能力未明确说明	提高复杂场景下垃圾检测的精度和实时性能	家庭垃圾	计算机视觉	NA	深度学习	YOLOv8	图像	公开数据集HGI30
77	2025-06-30	Sensor-Driven Real-Time Recognition of Basketball Goal States Using IMU and Deep Learning 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123709 PMID:40573596	研究论文	该研究提出了一种基于惯性测量单元（IMU）传感器和深度学习的实时篮球进球状态识别系统	利用IMU传感器和多种深度学习模型（CNN、RNN、LSTM、CNN-LSTM和CNN-LSTM-Attention）实时识别篮球进球状态，其中CNN-LSTM-Attention模型表现最佳，准确率达87.79%	未提及系统在极端环境或不同篮球场地条件下的性能表现	开发一种实时识别篮球进球状态的系统，以支持技能分析和运动表现评估	篮球进球状态（篮板球、空心球、其他投篮和未命中）	机器学习和运动分析	NA	IMU传感器和深度学习	CNN、RNN、LSTM、CNN-LSTM和CNN-LSTM-Attention	传感器数据（加速度、角速度和角度变化）	未明确提及具体样本数量
78	2025-06-30	Detection of Electric Network Frequency in Audio Using Multi-HCNet 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123697 PMID:40573584	研究论文	本文提出了一种名为Multi-HCNet的深度学习模型，专门用于在高通滤波环境下检测电力网络频率(ENF)信号	模型引入了高阶谐波滤波器阵列(AFB)来补偿基频信息的损失，并提出了分组多通道自适应注意力机制(GMCAA)以精确区分多频信号，同时使用正弦激活函数(SAF)增强周期性振荡的捕捉能力	NA	提高在高通滤波环境下ENF信号的检测准确率	电力网络频率(ENF)信号	信号处理	NA	深度学习	Multi-HCNet	音频信号	NA
79	2025-06-30	Improving Doppler Radar Precipitation Prediction with Citizen Science Rain Gauges and Deep Learning 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123719 PMID:40573605	研究论文	利用公民科学雨量计数据和深度学习改进多普勒雷达降水预测	结合公民科学雨量计观测和深度学习框架，通过构建分段线性降雨累积函数来校正雷达降水率偏差	在完全未见过的区域泛化能力有限，特别是对高强度降雨	提高多普勒雷达降水预测的准确性和实时性	多普勒雷达降水预测	机器学习	NA	深度学习	ResNet-101	雷达数据和雨量计观测数据	NA
80	2025-06-30	EffRes-DrowsyNet: A Novel Hybrid Deep Learning Model Combining EfficientNetB0 and ResNet50 for Driver Drowsiness Detection 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123711 PMID:40573599	研究论文	提出了一种名为EffRes-DrowsyNet的混合深度学习模型，用于检测驾驶员疲劳状态	结合EfficientNetB0的计算效率和ResNet50的深度表征能力，构建新型混合模型	未明确说明模型在极端光照或遮挡条件下的表现	开发高性能的驾驶员疲劳检测系统以提高道路安全	驾驶员疲劳状态	计算机视觉	NA	视频分析	EfficientNetB0与ResNet50混合模型	视频	三个基准数据集（SUST-DDD、YawDD和NTHU-DDD）