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
8921	2025-12-15	Rectus Femoris and Gastrocnemius EMG Driven Cheonjiin Speller for Korean Text Input 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237243 PMID:41374617	研究论文	本研究开发了一种基于表面肌电信号的Cheonjiin拼写系统，用于帮助手部活动受限的用户进行韩语文本输入	提出了一种结合方向控制框架和韩语键盘布局的轻量级sEMG接口，无需深度学习模型，仅使用低计算复杂度的时间域特征实现高精度实时识别	未提及系统在更广泛用户群体或更复杂环境下的测试，也未讨论长期使用的疲劳效应	为运动障碍用户开发一种高效、可访问的辅助文本输入系统	手部活动受限的个体	人机交互	运动障碍	表面肌电信号采集	NA	肌电信号	未明确说明	Python 3.10.8	NA	识别准确率, 信息传输率	未明确说明
8922	2025-12-15	Digital Pathology with AI for Cervical Biopsies: Diagnostic Accuracy at the CIN2+ Threshold 2025-Nov-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17233808 PMID:41375009	研究论文	本研究评估了一种名为EagleEye的深度学习系统在宫颈活检H&E全切片图像上检测CIN2+病变的诊断准确性，并与病理学家及AI辅助工作流程进行了比较	开发并评估了用于宫颈活检数字病理的深度学习系统，在CIN2+阈值上实现了高灵敏度，并展示了AI辅助工作流程在识别额外相关病变方面的价值，特别是在CIN1/CIN2边界附近	单中心研究，样本量有限（99例），且为回顾性存档样本，可能影响结果的普适性	评估深度学习系统在宫颈活检组织病理学分级中检测CIN2+病变的诊断性能，并探索AI辅助工作流程的效用	存档的宫颈穿刺活检样本（包括正常、CIN1、CIN2、CIN3和ACIS）及其对应的H&E染色全切片图像	数字病理	宫颈癌	苏木精-伊红（H&E）染色，p16免疫组化染色	深度学习系统（具体架构未明确说明，推测为CNN类）	全切片图像（WSI）	99例存档宫颈穿刺活检样本（正常19例，CIN1 20例，CIN2 20例，CIN3 20例，ACIS 20例）	NA	EagleEye（具体架构未明确说明）	Cohen's κ，灵敏度，特异性	NA
8923	2025-12-15	Applications of Artificial Intelligence as a Prognostic Tool in the Management of Acute Aortic Syndrome and Aneurysm: A Comprehensive Review 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238420 PMID:41375721	综述	本文全面回顾了人工智能在急性主动脉综合征和动脉瘤预后管理中的应用	AI模型（特别是集成算法和生物标志物整合方法）在死亡率预测方面优于传统临床工具（如EuroSCORE II和GERAADA），并扩展了分析范围至主动脉的结构和生物力学行为，通过虚拟表示预测动脉瘤生长率、修复后重塑及破裂风险	许多研究受限于小样本量、单中心设计和缺乏外部验证，这限制了其普适性	评估人工智能作为预后工具在急性主动脉综合征和动脉瘤管理中的应用潜力	急性主动脉综合征和胸主动脉动脉瘤患者	机器学习	心血管疾病	NA	机器学习, 深度学习	临床数据, 影像数据, 生物标志物数据	NA	NA	NA	准确性, 区分度	NA
8924	2025-12-15	SPOT-Cardio: Integrated Application for AI-Powered Automated Myocardial Scar Quantification on Joint Bright- and Black-Blood Late Gadolinium Enhancement MRI Images 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238428 PMID:41375730	研究论文	本文介绍了SPOT-Cardio，一个基于AI的自动化工具箱，用于在联合亮血和黑血晚期钆增强MRI图像上量化心肌瘢痕	开发了SPOT-Cardio工具箱，整合了SPOT成像技术与深度学习模型，实现了心脏结构和心肌瘢痕的自动分割与定量分析	未明确提及样本量或模型性能的具体局限性	开发自动化解决方案以简化心脏磁共振后处理，实现快速、一致的心脏结构和心肌病理定量评估	心脏磁共振图像，特别是联合亮血和黑血晚期钆增强图像	数字病理学	心血管疾病	晚期钆增强MRI，SPOT成像技术	深度学习模型	图像	NA	NA	2D U-Net, MedFormer	NA	NA
8925	2025-12-15	Neural Networks for Estimating Attitude, Line of Sight, and GNSS Ambiguity Through Onboard Sensor Fusion 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237212 PMID:41374587	研究论文	本文提出了一种基于深度学习的传感器融合框架，用于估计姿态、视线和GNSS载波相位模糊度，通过融合机载传感器和遥感信息，提升导航系统在动态和不确定条件下的性能	开发了两个神经网络估计器，分别针对GNSS载波相位模糊度和体坐标系中的重力向量重建，这些学习型估计器能够捕获传感器测量与物理状态之间的非线性关系，在退化条件下提高泛化能力	研究在六自由度仿真环境中进行验证，虽然包括完整的空气动力学建模，但可能未完全覆盖所有实际场景或传感器噪声变化	研究基于深度学习的传感器融合方法，以提升制导、导航与控制（GNC）系统在高度动态和不确定条件下的性能	制导火箭的姿态、视线和GNSS载波相位模糊度估计	机器学习	NA	传感器融合（GNSS、IMU、半主动激光）、深度学习	神经网络	传感器测量数据（GNSS、IMU、SAL）、遥感信息	NA	NA	NA	估计精度、制导精度、延迟	NA
8926	2025-12-15	Study on Multi-Station Identification Technology of Lightning Electromagnetic Pulses (LEMPs) Based on Deep Learning 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237217 PMID:41374591	研究论文	本研究提出了一种基于深度学习的多站闪电电磁脉冲识别技术，通过集成卷积神经网络模型，显著提高了闪电电磁脉冲的识别准确率	开发了一种结合卷积神经网络的多站闪电电磁脉冲识别模型，相比传统单站方法，在准确性和鲁棒性上均有显著提升，并能有效挖掘数据中的复杂隐藏特征	NA	提高闪电电磁脉冲的准确识别与分类能力，以应对闪电对现代电子系统和人类活动的威胁	闪电电磁脉冲信号	机器学习	NA	闪电定位系统	CNN	电磁信号	NA	NA	卷积神经网络	准确率	NA
8927	2025-12-15	Multi-State Recognition of Electro-Hydraulic Servo Fatigue Testers via Spatiotemporal Fusion and Bidirectional Cross-Attention 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237229 PMID:41374604	研究论文	本文提出了一种基于时空特征融合和双向交叉注意力的多状态识别方法，用于电液伺服疲劳试验机的在线健康监测	结合了双向时间卷积网络、双向门控循环单元和双向交叉注意力机制，实现了时空特征的细粒度双向交互与融合，并引入GradNorm动态平衡多任务权重	NA	解决电液伺服疲劳试验机在高频、高负载、长时间循环运行中多部件并发退化与故障的在线健康监测挑战	电液伺服疲劳试验机及其组件（如冷却器、伺服阀、电机泵单元、伺服执行器）	机器学习	NA	多传感器数据采集	BiTCN, BiGRU, 注意力机制	时间序列传感器数据	来自SDZ0100电液伺服疲劳试验机的真实多传感器数据集	NA	双向时间卷积网络, 双向门控循环单元, 双向交叉注意力	准确率, F1分数	NA
8928	2025-12-15	Dose-Guided Hybrid AI Model with Deep and Handcrafted Radiomics for Explainable Radiation Dermatitis Prediction in Breast Cancer VMAT 2025-Nov-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17233767 PMID:41374969	研究论文	本研究开发了一种混合人工智能模型，结合深度学习和手工放射组学特征，用于预测乳腺癌患者接受VMAT治疗后的放射性皮炎	提出了一种结合深度学习和手工放射组学特征的混合AI框架，并整合临床特征和剂量体积直方图参数，以提高放射性皮炎的预测准确性	研究为回顾性队列分析，样本量相对较小（148例患者），可能影响模型的泛化能力	提高乳腺癌患者接受VMAT治疗后放射性皮炎的预测准确性，支持个性化预防策略	乳腺癌患者接受VMAT治疗后的放射性皮炎	数字病理学	乳腺癌	放射组学特征提取，剂量体积直方图分析	逻辑回归，随机森林，梯度提升决策树，堆叠集成	CT图像，临床数据，剂量参数	148例乳腺癌患者	PyRadiomics, VGG16	VGG16	AUC, 召回率, F1分数	NA
8929	2025-12-15	ConvNeXt-Driven Detection of Alzheimer's Disease: A Benchmark Study on Expert-Annotated AlzaSet MRI Dataset Across Anatomical Planes 2025-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232997 PMID:41374378	研究论文	本研究提出了一种基于ConvNeXt架构的深度学习方法来检测阿尔茨海默病，并在新构建的AlzaSet MRI数据集上进行了基准测试	引入了新的专家标注临床MRI数据集AlzaSet，并首次将新兴的卷积架构ConvNeXt应用于阿尔茨海默病的多平面MRI图像分类，证明了其在冠状面图像上的优越性能	数据集样本量较小（79名受试者），且存在类别不平衡问题（AD患者63例，正常对照16例）	开发准确、经济的阿尔茨海默病早期诊断工具	阿尔茨海默病患者和认知正常对照者的结构性MRI扫描图像	计算机视觉	阿尔茨海默病	T1加权MRI扫描	CNN	图像	79名受试者（63名AD患者，16名正常对照），共12,947张切片	NA	ConvNeXt-Tiny, ConvNeXt-Small, ConvNeXt-Base, VGG16, VGG19, InceptionV3, DenseNet121	准确率, AUC	NA
8930	2025-12-15	Self-Attention-Based Deep Learning for Missing Sensor Data Imputation in Real-Time Probe Card Monitoring 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237194 PMID:41374569	研究论文	本研究应用并评估了一种基于自注意力的深度学习模型，用于在半导体探针卡实时监测中重建传感器缺失数据	采用自注意力机制的时间序列插补模型，在广泛数据丢失场景下相比传统方法平均绝对误差提升66%，且训练速度比基于循环神经网络的对比方法快20倍以上	未明确说明模型在极端噪声或非平稳时间序列环境下的鲁棒性	解决工业监测中因传感器故障导致的实时数据缺失问题，确保数据完整性以支持异常检测和预测性维护	半导体探针卡的工业传感器网络数据，包括加速度计和麦克风信号	机器学习	NA	NA	自注意力模型, 双向循环神经网络	时间序列传感器数据	NA	NA	Self-Attention-based Imputation for Time Series, Bidirectional Recurrent Imputation for Time Series	平均绝对误差, 时域和频域指标	NA
8931	2025-12-15	Research on Deep Learning-Based Human-Robot Static/Dynamic Gesture-Driven Control Framework 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237203 PMID:41374578	研究论文	本文提出了一种基于深度学习的静态/动态手势驱动控制框架，用于人机交互中的物体抓取和递送任务	结合2D-CNN进行静态手势识别和3D-CNN+LSTM混合架构进行动态手势识别，并集成MediaPipe框架进行手部姿态估计，实现基于自然手势的鲁棒机器人控制	实验仅涉及4名参与者和100次试验，样本规模较小，且仅在三种光照条件下测试，可能未覆盖所有实际应用场景	开发一种基于深度学习的手势驱动控制框架，以增强人机协作的交互能力	人机交互中的手势识别与机器人控制任务	计算机视觉	NA	深度学习，手部姿态估计	CNN, LSTM	图像，视频	4名参与者，每人进行100次试验，涵盖自然光、低光和强光三种条件	MediaPipe	2D-CNN, 3D-CNN+LSTM	准确率，任务成功率，任务完成时间	NA
8932	2025-12-15	Advances in Artificial Intelligence for Glioblastoma Radiotherapy Planning and Treatment 2025-Nov-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17233762 PMID:41374965	综述	本文综述了人工智能，特别是深度学习，在胶质母细胞瘤放疗规划与治疗中的最新进展，包括自动分割、剂量映射和生物信息引导的放疗规划	探索了基于多模态成像和数学建模的生物信息引导放疗规划，以及影像基因组学整合实现高精度生物标志物成像分类，强化了深度学习在个性化放疗中的潜力	部署到临床实践仍有限，主要由于外部验证不足和单机构训练数据集	探讨人工智能如何改善胶质母细胞瘤放疗的一致性、准确性和效率，并推动其向临床转化	胶质母细胞瘤的放疗规划与治疗过程	数字病理学	胶质母细胞瘤	多模态成像, 数学建模, 影像基因组学	深度学习	影像数据	NA	NA	NA	DSC	NA
8933	2025-12-15	Detection of Hatching Information of Meat Duck Eggs Based on Deep Learning 2025-Nov-25, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15233400 PMID:41375459	研究论文	本文提出了一种基于深度学习的方法，用于检测肉鸭蛋的孵化信息	首次将深度学习技术应用于肉鸭蛋孵化信息的自动化检测，提高了检测效率和准确性	未提及模型在多样化孵化条件下的泛化能力，且样本来源可能有限	开发一种自动化系统以准确识别肉鸭蛋的孵化状态，优化孵化过程管理	肉鸭蛋及其孵化过程中的相关图像数据	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
8934	2025-12-15	Building and Prospectively Evaluating a Prediction Model to Forecast Urgent Dialysis Needs across Four Tertiary Hospitals 2025-Nov-24, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549256 PMID:41284586	研究论文	本研究开发并前瞻性评估了预测四家三级医院紧急透析需求的模型	结合统计、机器学习和深度学习模型，并在多中心、长周期（6年）数据上进行前瞻性验证，以预测未来7天的透析需求	模型仅在四家医院进行测试，可能无法泛化到其他医疗机构；未详细讨论模型在不同季节或疫情等特殊情况下的表现	预测医院紧急透析需求，以优化护理人员调度并提高资源利用效率	四家三级医院的紧急透析需求数据	机器学习	肾病	时间序列分析，深度学习	ARIMA, 时间卷积网络	时间序列数据	回顾性数据（2018年4月1日至2023年3月31日）和前瞻性数据（2023年11月1日至30日，2024年5月31日至6月27日）来自四家医院	NA	ARIMA, 时间卷积网络	平均绝对误差	NA
8935	2025-12-15	Advancements in Animal Breeding: From Mendelian Genetics to Machine Learning 2025-Nov-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311352 PMID:41373512	综述	本文综述了动物育种从表型观察到基因组与机器学习技术整合的深刻变革历程	强调了机器学习与人工智能在基因组预测中的应用，特别是深度学习模型在预测准确性上的提升，以及多组学策略在疾病管理中的整合	NA	探索动物育种技术的演进及其对提高家畜生产力、健康与福利的影响	家畜育种，包括牛奶与肉类生产以及疾病管理	机器学习	NA	基因组预测（如GEBV、GBLUP）、QTL定位、多组学策略	深度学习模型	基因组数据、表型数据	NA	NA	NA	相关性（平均相关性高达0.643）	NA
8936	2025-12-15	A ResNet-50-UNet Hybrid with Whale Optimization Algorithm for Accurate Liver Tumor Segmentation 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232975 PMID:41374356	研究论文	提出一种结合ResNet-50、U-Net和鲸鱼优化算法的混合模型，用于精确分割肝脏肿瘤	将鲸鱼优化算法（WOA）用于优化LiTS-Res-UNet的超参数，以提高分割性能	NA	提高肝脏肿瘤分割的准确性，以辅助肝癌的诊断和治疗规划	肝脏和肝脏肿瘤	计算机视觉	肝癌	NA	CNN	3D医学图像	NA	NA	ResNet-50, U-Net, LiTS-Res-UNet	准确率, Dice系数, Jaccard指数	NA
8937	2025-12-15	DuXplore: A Dual-Hierarchical Deep Learning Model for Prognostic Prediction of Hepatocellular Carcinoma in Digital Pathology 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232981 PMID:41374364	研究论文	提出一种名为DuXplore的双分支深度学习框架，通过整合组织结构和细胞形态学特征，用于肝细胞癌的预后预测	结合宏观组织架构编码与微观细胞形态采样，实现结构感知的预后建模，并提供模型无关的可解释性分析	仅在肝细胞癌的WSI数据上验证，需要更多多中心、多组学研究来优化采样尺度并提升临床转化	开发一种深度学习模型以预测肝细胞癌患者的预后	肝细胞癌患者的全切片图像	数字病理学	肝细胞癌	数字病理学图像分析	深度学习	图像	公共TCGA数据集和临床中心EHBH队列	NA	双分支网络, 多层感知器	C-index, log-rank检验	NA
8938	2025-12-15	A Novel Deep Learning Framework for Liver Fibrosis Staging and Etiology Diagnosis Using Integrated Liver-Spleen Elastography 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232986 PMID:41374368	研究论文	本研究提出了一种基于肝脏和脾脏二维剪切波弹性成像的深度学习框架，用于无创性肝纤维化分期和病因诊断	首次将肝脏和脾脏的二维剪切波弹性成像与迁移学习相结合，构建了用于肝纤维化分期和病因诊断的集成模型，性能显著优于传统方法	研究为回顾性分析，样本量有限（198例），需要进一步的外部验证	评估基于肝脏和脾脏二维剪切波弹性成像的影像组学模型在肝纤维化分期和病因鉴别中的性能	经活检证实的肝纤维化患者	数字病理学	肝纤维化	二维剪切波弹性成像，影像组学特征提取	机器学习，迁移学习	图像（肝脏和脾脏的灰度及弹性成像图像）	198例患者	NA	NA	AUC	NA
8939	2025-12-15	Combining Fixed-Weight ArcFace Loss and Vision Transformer for Facial Expression Recognition 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237166 PMID:41374541	研究论文	本文提出了一种结合固定权重ArcFace损失和Vision Transformer的面部表情识别方法，旨在提升识别准确性和计算效率	引入权重约束的ArcFace损失函数，并将其集成到Vision Transformer框架中，以缓解数据分布不平衡引起的隐式偏差并减少计算开销	NA	提升面部表情识别的性能，特别是在处理类内表达变化大和数据不平衡问题时	面部表情图像	计算机视觉	NA	深度学习	Vision Transformer	图像	RAF-DB和FER2013数据集	PyTorch, TensorFlow	Vision Transformer	识别准确率, 计算效率	NA
8940	2025-12-15	Deep Learning Meets InSAR for Infrastructure Monitoring: A Systematic Review of Models, Applications, and Challenges 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237169 PMID:41374544	综述	本文系统综述了深度学习模型在利用InSAR数据进行基础设施监测中的应用、模型架构、挑战及未来趋势	首次系统性地综合分析了2020年至2025年间67篇同行评审文章，全面梳理了深度学习在InSAR基础设施监测中的具体应用、模型整合方式及方法论挑战	现有研究对预处理任务探索有限，且缺乏标准基准数据集，数据稀疏性和低相干性仍是主要挑战	旨在系统回顾深度学习模型如何应用于基于InSAR数据的基础设施监测，并识别当前挑战与未来研究方向	专注于使用InSAR数据进行监测的民用基础设施，特别是城市和线性基础设施	机器学习和计算机视觉	NA	干涉合成孔径雷达（InSAR）	LSTM, CNN, Transformer, 混合模型	InSAR数据（雷达图像）	基于67篇同行评审文章的分析	NA	LSTM, CNN, Transformer, 混合架构	NA	NA