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
8981	2025-12-15	Cross-Temporal Egg Variety and Storage Period Classifications via Multi-Task Deep Learning with Near-Infrared Hyperspectral Imaging 2025-Dec-02, Foods (Basel, Switzerland) DOI:10.3390/foods14234140 PMID:41376076	研究论文	本研究提出了一种多任务深度学习框架，利用近红外高光谱成像技术，实现对鸡蛋品种和储存期的跨时间无损分类	提出了集成CNN、SE通道注意力和Transformer编码器的多任务跨时间挤压与激励网络（MT-CTSE-Net），通过任务间特征共享来缓解储存引起的光谱漂移，提升模型在真实世界质量监测中的泛化能力	NA	开发一种非破坏性、跨时间的检测方法，用于鸡蛋品种识别和储存期分类，以支持农产品供应链中的质量评估与监测	三种商业鸡蛋品种（恩施富硒蛋、木兰湖杂粮蛋、正大叶黄素蛋）的近红外高光谱数据	计算机视觉	NA	近红外高光谱成像	CNN, Transformer	光谱数据	NA	NA	MT-CTSE-Net (集成CNN, SE, Transformer)	准确率, F1分数	NA
8982	2025-12-15	ADMGCN: graph convolutional network for Alzheimer's disease diagnosis with a meta-learning paradigm 2025-Dec-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf580 PMID:41148043	研究论文	本文提出了一种基于元学习范式的图卷积网络ADMGCN，用于阿尔茨海默病的早期诊断	结合元学习范式，通过采样创建标签平衡任务以最大化数据利用并缓解标签不平衡问题，同时引入加权和降维技术提升性能、存储和训练效率	未明确提及模型在外部数据集上的泛化能力或计算资源需求的具体限制	开发一种灵活且高效的图卷积网络方法，用于阿尔茨海默病的早期诊断	阿尔茨海默病神经影像学倡议数据集中的受试者	机器学习	阿尔茨海默病	神经影像学	图卷积网络	图数据	未明确指定具体样本数量，但使用了阿尔茨海默病神经影像学倡议数据集	未明确指定，但代码在GitHub上公开	ADMGCN	准确率	NA
8983	2025-12-15	Browser-Based Multi-Cancer Classification Framework Using Depthwise Separable Convolutions for Precision Diagnostics 2025-Dec-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233066 PMID:41374447	研究论文	本文提出了一种基于浏览器的多癌种分类框架，利用深度可分离卷积进行实时、客户端推理，无需外部服务器或专用GPU	首个完全可部署于浏览器、保护隐私的多癌种诊断深度学习框架，实现了无需基础设施开销的高精度AI	未明确提及模型在低性能设备上的具体性能表现或跨浏览器兼容性测试细节	开发一种无需高性能硬件、服务器依赖且保护数据隐私的癌症早期精准诊断工具	涵盖26种癌症类型的组织病理学和细胞学图像	数字病理学	多癌种	组织病理学成像、细胞学成像	CNN	图像	超过130,000张图像	TensorFlow.js	Xception, VGG16, ResNet50, EfficientNet-B0, Vision Transformer	Top-1准确率, Top-5准确率	浏览器端推理，无需专用GPU或外部服务器
8984	2025-12-15	DELTA-SoyStage: A Lightweight Detection Architecture for Full-Cycle Soybean Growth Stage Monitoring 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237303 PMID:41374678	研究论文	本文提出了一种名为DELTA-SoyStage的轻量级目标检测架构，用于全周期大豆生长阶段的监测	结合EfficientNet骨干网络、轻量级ChannelMapper颈部和新提出的DELTA检测头，实现了高效的大豆生长阶段分类，计算成本显著降低	数据收集在受控温室条件下进行，可能未完全覆盖田间环境的多样性	优化大豆生长阶段的准确识别，以支持精准农业决策	大豆植株	计算机视觉	NA	RGB图像采集	目标检测模型	图像	17,204张标注的RGB图像，涵盖从出苗到完全成熟的九个生长阶段	NA	EfficientNet, ChannelMapper, DELTA检测头	平均精度	适合部署在资源受限的边缘设备上
8985	2025-12-15	Advanced Signal Processing Methods for Partial Discharge Analysis: A Review 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237318 PMID:41374693	综述	本文全面综述了用于局部放电分析的高级信号处理方法	系统比较了不同方法，强调了它们在处理非平稳和含噪PD信号中的演变与互补作用	当前研究缺乏标准化、可解释且可嵌入的AI解决方案用于实时细粒度PD分类	回顾局部放电分析中的高级信号处理方法	局部放电信号	信号处理	NA	时间频率技术、小波变换、希尔伯特-黄变换、基于人工智能的方法	NA	信号	NA	NA	NA	NA	NA
8986	2025-12-13	Letter to editor "A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocellular carcinoma patients: a tumor marker prognostic study" 2025-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003203 PMID:41382402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8987	2025-12-15	EffResViT-SE FusionNet: A Hybrid Deep Learning Framework for Accurate Classification of Coffee Leaf Diseases 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71311 PMID:41383578	研究论文	提出了一种名为EffResViT-SE FusionNet的混合深度学习框架，用于咖啡叶部疾病的准确分类	提出了一种新颖的混合深度学习框架，将增强SE块的EfficientNetB3和ResNet50与Vision Transformer融合，有效结合了CNN的局部特征提取和Transformer的全局上下文建模能力	未明确说明模型在真实田间环境下的泛化能力，以及计算资源需求的具体情况	开发一个准确、可扩展的咖啡叶部疾病早期检测和分类解决方案，以支持及时干预和促进可持续农业	咖啡叶部疾病（叶锈病、Phoma病、Cercospora病和潜叶虫）以及健康叶片	计算机视觉	植物病害	深度学习	CNN, Transformer	图像	58,555张咖啡叶片图像，分为5类：健康（18,984）、潜叶虫（16,983）、叶锈病（8,336）、Cercospora（7,681）和Phoma（6,571）	NA	EfficientNetB3, ResNet50, Vision Transformer (ViT)	准确率, 精确率, 召回率, F1分数	NA
8988	2025-12-15	Automatic Segmentation of Intraluminal Thrombus in Abdominal Aortic Aneurysms Based on CT Images: A Comprehensive Review of Deep Learning-Based Methods 2025-Nov-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238497 PMID:41375800	综述	本文综述了深度学习技术在腹主动脉瘤影像分析中的应用，特别关注了腔内血栓的自动分割方法	首次系统性地回顾和比较了基于深度学习的腹主动脉瘤腔内血栓分割方法，并指出了2D多视图融合模型和3D U-Net的性能优势	缺乏标准化的数据集限制了模型的开发和外部验证	回顾和分析深度学习在腹主动脉瘤腔内血栓分割中的应用	基于计算机断层扫描血管造影的腹主动脉瘤患者影像	数字病理学	心血管疾病	计算机断层扫描血管造影	深度学习网络	CT图像	从664篇文章中筛选出22篇符合条件的研究	NA	U-Net	Dice相似系数	NA
8989	2025-12-15	Artificial Intelligence in Patient Blood Management: A Systematic Review of Predictive, Diagnostic, and Decision Support Applications 2025-Nov-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238479 PMID:41375782	综述	本文系统综述了人工智能在患者血液管理（PBM）中预测、诊断和决策支持应用的研究现状、方法趋势及临床转化挑战	首次系统性地整合了AI在PBM三大支柱（优化贫血管理、减少失血、确保适当输血）中的应用证据，并识别了深度学习在图像贫血检测、集成方法在风险预测中的优势以及循环/混合架构在血液供应预测中的有效性	研究异质性较大，外部验证和临床实际部署有限，缺乏标准化报告和工作流程整合	评估人工智能在患者血液管理领域的应用潜力与现状	涵盖贫血检测、出血风险分层、输血预测、输血安全及库存管理相关研究	机器学习	NA	NA	深度学习, 集成学习, 梯度提升, 循环神经网络, 混合架构	图像, 临床数据	NA	NA	NA	NA	NA
8990	2025-12-15	Predicting suicide death among veterans after psychiatric hospitalization using transformer based models with social determinants and NLP 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27435-6 PMID:41315506	研究论文	本研究使用基于Transformer的模型，结合社会行为健康决定因素和自然语言处理技术，预测退伍军人在精神病院出院后的自杀死亡风险	将社会行为健康决定因素作为预测因子，并比较了基于ICD编码和NLP提取的SBDH对两种先进模型预测性能的提升效果	研究人群仅限于美国退伍军人，可能限制了结果的普适性	评估社会行为健康决定因素是否能改善精神病院出院患者自杀死亡的预测	美国退伍军人事务部精神病院出院的退伍军人	自然语言处理	精神疾病	自然语言处理	Transformer, 集成学习模型	文本, 结构化数据	197,581名退伍军人，共414,043次出院记录	NA	TransformEHR	灵敏度, 阳性预测值, 受试者工作特征曲线下面积	NA
8991	2025-12-15	Tailoring Energy Absorption of Curved-Beam Lattices Through a Data-Driven Approach 2025-Nov-28, Materials (Basel, Switzerland) DOI:10.3390/ma18235377 PMID:41374219	研究论文	本研究提出了一种新型曲线梁厚度梯度晶格结构，并采用结合深度学习和遗传算法的智能逆向设计框架来优化其几何参数，以最大化能量吸收性能	提出了曲线梁厚度梯度晶格结构，并首次将深度学习和遗传算法集成到智能逆向设计框架中，用于优化晶格结构的能量吸收性能，同时应用可解释性方法分析几何参数的影响机制	NA	通过数据驱动方法优化曲线梁晶格结构的几何参数，以最大化其总能量吸收和比能量吸收性能	曲线梁厚度梯度晶格结构	机器学习	NA	深度学习, 遗传算法	NA	NA	NA	NA	NA	总能量吸收, 比能量吸收	NA
8992	2025-12-15	SwinCAMF-Net: Explainable Cross-Attention Multimodal Swin Network for Mammogram Analysis 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233037 PMID:41374420	研究论文	本研究提出了一种名为SwinCAMF-Net的多模态交叉注意力Swin Transformer网络，用于通过整合多视图乳腺X光摄影、3D ROI体积和临床元数据来改进乳腺病变的联合分类与分割	提出了一种新颖的交叉注意力融合模块，通过查询-键注意力选择性对齐多模态特征，并整合了Swin Transformer编码器、3D CNN体积编码器和临床投影模块，实现了多模态证据的互补融合	未明确提及模型在外部验证集上的泛化能力或计算效率的具体限制	改进乳腺病变的联合分类与分割，提升乳腺癌诊断的准确性和临床可解释性	乳腺X光摄影图像、3D ROI体积和临床元数据	计算机视觉	乳腺癌	多模态深度学习	Swin Transformer, 3D CNN	图像, 3D体积数据, 文本元数据	基于CBIS-DDSM和RTM基准数据集，具体样本数量未明确说明	PyTorch	Swin Transformer, 3D CNN, 交叉注意力融合模块	准确率, AUC-ROC, F1分数, Dice系数	未明确说明具体GPU类型或云平台
8993	2025-12-15	Radiologist-Validated Automatic Lumbar T1-Weighted Spinal MRI Segmentation Tool via an Attention U-Net Algorithm 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233046 PMID:41374427	研究论文	本研究开发了一种基于注意力U-Net算法的自动腰椎T1加权脊柱MRI分割工具，并由放射科医生验证	针对目前T1加权脊柱MRI分割工具较少的现状，首次将注意力U-Net应用于该领域，并比较了不同损失函数（BCE与MSE）的性能	Cohen's Kappa系数为0.31，表明放射科医生间的一致性仅为一般水平	创建用于T1加权腰椎MRI的自动分割工具，以辅助骨科医生和放射科医生	腰椎T1加权脊柱MRI图像	计算机视觉	椎间盘突出和椎体损伤	MRI	深度学习	图像	NA	NA	Attention U-Net, U-Net++	SSIM, DICE系数, Likert Scale, Cohen's Kappa系数	NA
8994	2025-12-15	Improving Visible Light Positioning Accuracy Using Particle Swarm Optimization (PSO) for Deep Learning Hyperparameter Updating in Received Signal Strength (RSS)-Based Convolutional Neural Network (CNN) 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237256 PMID:41374631	研究论文	本研究提出了一种结合接收信号强度（RSS）预处理、卷积神经网络（CNN）和粒子群优化（PSO）的可见光定位系统，用于自动超参数调优，以提高室内定位精度	将粒子群优化算法用于CNN超参数自动调优，并与RSS信号预处理结合，显著提升了可见光定位系统的精度和鲁棒性	概念验证实验仅在三个特定高度层平面进行，未在更复杂或动态环境中全面验证	提高室内可见光定位系统的定位精度和模型鲁棒性	基于接收信号强度的可见光定位系统	机器学习	NA	可见光定位，接收信号强度测量	CNN, ANN, LR	信号强度数据	三个不同高度层平面（200、225、250厘米）的定位数据	NA	NA	平均定位误差	NA
8995	2025-12-15	Traditional Machine Learning Outperforms EEGNet for Consumer-Grade EEG Emotion Recognition: A Comprehensive Evaluation with Cross-Dataset Validation 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237262 PMID:41374637	研究论文	本文通过系统比较传统机器学习与EEGNet在消费级EEG情绪识别中的性能，发现传统机器学习在准确性和稳定性方面优于深度学习模型	首次在消费级EEG情绪识别中全面评估传统机器学习与EEGNet的性能，并引入跨数据集验证和渐进式域适应框架	研究主要针对EEGNet架构，未涵盖其他复杂深度学习模型；实验基于特定数据集（DREAMER和SEED-VII），可能限制结论的普适性	评估传统机器学习与深度学习在消费级EEG情绪识别中的性能差异，并探索跨系统部署的可行性	消费级EEG设备采集的脑电信号，用于情绪识别任务	机器学习	NA	EEG信号采集与处理	随机森林, EEGNet	EEG信号	DREAMER数据集（23名受试者，Emotiv EPOC 14通道设备），跨数据集验证使用SEED-VII	Scikit-learn, TensorFlow或PyTorch（未明确指定，但提及深度学习架构）	EEGNet	F1分数, Cohen's d效应量, 训练时间, 推理速度, 稳定性（CV）	未明确指定，但提及传统机器学习具有更高的计算效率（训练快95%，推理快10倍）
8996	2025-12-15	Decoding Coherent Patterns from Arrayed Waveguides for Free-Space Optical Angle-of-Arrival Estimation 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237231 PMID:41374606	研究论文	本文提出了一种基于阵列波导相干模式解码的新型自由空间光学到达角估计方法	创新性地将阵列波导相干模式解码与CNN-Attention回归器结合，用于解码光信号的空间角度信息，实现了集成光子学与深度学习的协同	NA	开发一种超越传统到达角检测技术局限性的新型光学到达角估计方法，实现小型化、低复杂度和高可靠性	自由空间光学信号	机器视觉	NA	阵列波导相干模式解码	CNN-Attention Regressor	强度序列（光信号）	NA	NA	CNN-Attention	平均绝对误差, 均方根误差	NA
8997	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
8998	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
8999	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
9000	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