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
9381	2025-06-01	TDP-SAR: Task-Driven Pruning Method for Synthetic Aperture Radar Target Recognition Convolutional Neural Network Model 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103117 PMID:40431911	research paper	提出了一种针对合成孔径雷达（SAR）目标识别卷积神经网络模型的任务驱动剪枝方法（TDP-SAR）	与依赖通用参数重要性度量的传统剪枝技术不同，该方法实现了SAR目标识别模型不同处理阶段卷积核的频域分析	SAR图像相比光学图像更难理解，导致在空间域分析SAR图像目标特征时存在较大困难	解决SAR目标识别模型因复杂度过高而难以实际部署的问题	合成孔径雷达（SAR）目标识别	computer vision	NA	频域分析	CNN	image	MSTAR基准数据集	NA	NA	NA	NA
9382	2025-06-01	Embedded Vision System for Thermal Face Detection Using Deep Learning 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103126 PMID:40431918	研究论文	本文开发了一种基于深度学习的嵌入式视觉系统，用于在热红外图像中实时检测人脸	利用热红外传感器克服了传统人脸检测算法在光照不足条件下的局限性，并比较了不同YOLO模型和嵌入式系统板的性能	仅测试了特定的热红外数据库和嵌入式系统板，可能在其他场景或硬件上的泛化性有限	开发一种在光照变化条件下仍能准确检测人脸的嵌入式视觉系统	热红外图像中的人脸	计算机视觉	NA	深度学习	YOLOv8, YOLO11	热红外图像	Terravic Facial IR数据库和Charlotte-ThermalFace数据库	NA	NA	NA	NA
9383	2025-06-01	A Semi-Supervised Attention-Temporal Ensembling Method for Ground Penetrating Radar Target Recognition 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103138 PMID:40431932	研究论文	提出一种半监督注意力-时间集成方法（Attention-TE），用于探地雷达（GPR）地下目标识别	结合半监督时间集成架构与三重注意力模块，提升分类性能，减少对大量标注数据的依赖	未提及具体局限性	解决探地雷达地下目标识别中标注数据不足的问题	探地雷达B扫描图像	计算机视觉	NA	半监督学习	Attention-TE（结合时间集成与三重注意力模块）	图像（GPR B-scan）	实验室与现场数据（具体数量未说明），训练集使用少于30%的标注数据	NA	NA	NA	NA
9384	2025-06-01	Robust DOA Estimation via a Deep Learning Framework with Joint Spatial-Temporal Information Fusion 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103142 PMID:40431933	research paper	提出了一种基于深度学习的鲁棒方向到达（DOA）估计方法，通过CRDCNN-LSTM网络架构融合空间和时间特征	开发了新型CRDCNN-LSTM网络架构，结合多级交叉残差连接和深度可分离卷积，以及定制的FD损失函数，提高了DOA估计的精度和效率	未提及实际环境中的测试结果，可能在实际应用中存在限制	提高方向到达（DOA）估计的精度和鲁棒性	方向到达（DOA）估计	machine learning	NA	深度学习	CRDCNN-LSTM	信号数据	NA	NA	NA	NA	NA
9385	2025-10-06	Nanobodies: From Discovery to AI-Driven Design 2025-May-14, Biology DOI:10.3390/biology14050547 PMID:40427736	综述	本文系统回顾了纳米抗体的发现历程、结构功能特征及其在AI驱动设计中的最新进展	深入探讨多表位纳米抗体的协同作用机制，并首次系统总结人工智能在纳米抗体理性设计、人源化和亲和力成熟中的应用革命	作为综述文章未涉及原始实验数据验证，主要基于已有文献进行归纳分析	全面阐述纳米抗体从基础研究到AI辅助设计的发展轨迹与应用前景	骆驼科动物重链抗体（VHHs）和鲨鱼可变区（Vs）来源的纳米抗体	生物信息学	NA	结构生物学、计算设计、机器学习、深度学习	NA	结构数据、序列数据	NA	NA	NA	NA	NA
9386	2025-10-06	Automated Risk Prediction of Post-Stroke Adverse Mental Outcomes Using Deep Learning Methods and Sequential Data 2025-May-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050517 PMID:40428136	研究论文	本研究使用深度学习方法基于序列数据自动预测脑卒中后不良心理结局的风险	结合多层感知机和长短期记忆网络处理复杂数据模式，并首次引入连续七天的实验室检查结果等序列数据类型	样本量相对较小（仅179名患者），需更大规模研究验证	预测脑卒中幸存者发生卒中后抑郁和/或焦虑的风险	179名脑卒中患者，根据验证过的抑郁和焦虑问卷分为PSAMO组和非PSAMO组	机器学习	脑卒中	问卷调查、临床数据收集	MLP, LSTM	人口社会学数据、生活质量评分、卒中相关信息、医疗用药史、合并症、连续实验室检查结果	179名脑卒中患者	NA	多层感知机, 长短期记忆网络	NA	NA
9387	2025-10-06	A Multitask Deep Learning Model for Predicting Myocardial Infarction Complications 2025-May-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050520 PMID:40428139	研究论文	开发了一种多任务深度学习模型，用于同时预测心肌梗死并发症和多类别死亡率原因	提出了一种能够同时处理心肌梗死并发症的多维二分类和死亡率原因多分类的多任务深度学习模型	需要在真实临床环境中进一步验证模型的泛化能力	提高心肌梗死不良心血管事件的预测准确性，支持临床决策	心肌梗死患者	机器学习	心血管疾病	深度学习	深度神经网络	临床和人口统计学数据	1700名患者，包含111个临床和人口统计学特征	NA	多任务深度学习模型	预测准确率	NA
9388	2025-10-06	Hybrid Deep Learning for Survival Prediction in Brain Metastases Using Multimodal MRI and Clinical Data 2025-May-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101242 PMID:40428235	研究论文	提出一种融合多模态MRI和临床数据的混合深度学习框架，用于脑转移瘤患者的生存预测	首次将体积MRI成像生物标志物与结构化临床数据通过混合深度学习框架结合，实现高精度且可解释的生存预测	样本量相对有限（148例患者），仅来自三个机构	开发精准的脑转移瘤患者生存时间预测方法	脑转移瘤患者	医学影像分析	脑转移瘤	多模态MRI	CNN, 全连接网络	医学影像, 表格数据	148例来自三个机构的患者，包含专家标注的增强肿瘤、坏死和瘤周水肿分割	NA	ResNet-50, EfficientNet-B0	R分数, 平均绝对误差	NA
9389	2025-06-01	Deep Learning Models for Multi-Part Morphological Segmentation and Evaluation of Live Unstained Human Sperm 2025-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s25103093 PMID:40431886	research paper	本研究系统评估和比较了Mask R-CNN、YOLOv8、YOLO11和U-Net在人类活体未染色精子的多部分形态分割中的性能	首次系统比较了多种深度学习模型在精子多部分分割任务中的表现，并针对不同精子结构提供了模型选择的见解	研究仅使用了活体未染色精子样本，未考虑染色或其他处理方法的影响	优化精子形态分割的计算机视觉评估方法，以辅助生殖医学应用	人类活体未染色精子的头部、顶体、细胞核、颈部和尾部	computer vision	生殖医学	深度学习图像分割	Mask R-CNN, YOLOv8, YOLO11, U-Net	image	未明确说明数量的活体未染色人类精子样本	NA	NA	NA	NA
9390	2025-06-01	Hypergraph Convolution Network Classification for Hyperspectral and LiDAR Data 2025-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s25103092 PMID:40431884	research paper	提出了一种名为HGCN-HL的新型多模态深度学习框架，用于高光谱和LiDAR数据的分类	结合超图卷积网络（HGCNs）与轻量级CNNs，设计了自适应权重机制和基于超像素的动态超边构建，以捕捉像素间复杂的高阶空间-光谱依赖关系	未明确提及具体局限性	改进多源数据融合技术，提升遥感分类性能	高光谱成像（HSI）和激光雷达（LiDAR）数据	computer vision	NA	超图卷积网络（HGCNs）、卷积神经网络（CNNs）	HGCN、CNN	高光谱图像、LiDAR数据	三个基准数据集	NA	NA	NA	NA
9391	2025-10-06	Machine Learning Techniques Applied to COVID-19 Prediction: A Systematic Literature Review 2025-May-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050514 PMID:40428133	系统文献综述	本文系统综述了2020-2023年间应用机器学习技术进行COVID-19预测的研究	建立了包含传统统计模型、机器学习模型、深度学习模型、集成学习和混合模型的多层次分类框架，揭示了混合建模策略通过特征组合优化和模型级联集成有效提升预测精度	机器学习技术在COVID-19预测中仍面临挑战和限制	系统分析COVID-19机器学习预测模型，为传染病预测的AI应用提供理论支持	136项符合条件的研究文献	机器学习	COVID-19	机器学习技术	SVM, CNN, LSTM, AdaBoost, 混合模型	多维数据集，包含气象和社会经济条件等因素	从5731篇初步筛选文献中最终选取136项研究	NA	ARIMA, SVM, CNN, LSTM, AdaBoost, 智能优化算法与神经网络融合架构	准确率	NA
9392	2025-10-06	An Innovative Deep Learning Approach for Ventilator-Associated Pneumonia (VAP) Prediction in Intensive Care Units-Pneumonia Risk Evaluation and Diagnostic Intelligence via Computational Technology (PREDICT) 2025-May-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103380 PMID:40429377	研究论文	开发并验证基于深度学习的PREDICT模型，用于ICU中呼吸机相关性肺炎的早期预测	首个专门为ICU中VAP早期预测设计的深度学习模型，仅基于生命体征数据	回顾性研究，使用单一数据库(MIMIC-IV)，需要前瞻性验证	开发早期预测呼吸机相关性肺炎的深度学习算法	ICU中机械通气至少48小时的患者	医疗人工智能	呼吸机相关性肺炎	深度学习，传统机器学习	LSTM	生命体征时序数据	MIMIC-IV数据库中符合条件的ICU患者	NA	长短期记忆神经网络	AUPRC, 敏感度, 特异度, 阳性预测值	NA
9393	2025-06-01	Natural Gas Consumption Forecasting Model Based on Feature Optimization and Incremental Long Short-Term Memory 2025-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s25103079 PMID:40431871	研究论文	提出了一种基于特征优化和增量LSTM的天然气消费预测模型，通过高斯混合模型处理缺失和异常数据，设计弱监督级联网络进行特征选择，并引入增量学习回归差异损失以提高模型性能	结合高斯混合模型处理数据缺失和异常，设计弱监督级联网络自适应选择特征，引入增量学习回归差异损失以增强模型对数据分布耦合关系的理解	未提及模型在其他城市或不同时间段的泛化能力测试	提高天然气消费预测的准确性和可靠性	武汉市2011年至2024年的日常城市燃气负荷	机器学习	NA	高斯混合模型、增量学习	LSTM	时间序列数据	武汉市2011年至2024年的日常城市燃气负荷数据	NA	NA	NA	NA
9394	2025-06-01	Filamentary Convolution for SLI: A Brain-Inspired Approach with High Efficiency 2025-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s25103085 PMID:40431873	research paper	提出了一种名为丝状卷积的新方法，用于改善语音语言识别中的频率特征提取	使用丝状卷积替代传统矩形卷积核，减少参数同时保留关键频率特征，提升语音语言识别的效率和准确性	未提及具体的数据集规模限制或计算资源需求	提高语音语言识别(SLI)系统的特征提取效率和识别性能	语音信号中的频率特征(如音高、音调和节奏)	natural language processing	NA	short-time Fourier transform (STFT), filamentary convolution	LSTM/TDNN	语音信号	自建数据集和公开语料库(未提具体数量)	NA	NA	NA	NA
9395	2025-10-06	Artificial Intelligence Model Assists Knee Osteoarthritis Diagnosis via Determination of K-L Grade 2025-May-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101220 PMID:40428213	研究论文	开发人工智能模型通过自动确定K-L分级辅助膝关节骨关节炎诊断	首次比较DenseNet201、ResNet101和EfficientNetV2三种深度学习模型在膝关节骨关节炎K-L分级中的性能	模型在K-L Grade 1的分类准确率相对较低（53.7%），且总体准确率有待提升	自动化评估膝关节骨关节炎严重程度	膝关节X光图像	计算机视觉	膝关节骨关节炎	医学影像分析	深度学习	图像	15,000张图像（每个K-L分级3,000张）	NA	DenseNet201, ResNet101, EfficientNetV2	准确率, 精确率, 召回率, F1分数	NA
9396	2025-10-06	Tensile Strength Estimation of UHPFRC Based on Predicted Cracking Location Using Deep Learning 2025-May-12, Materials (Basel, Switzerland) DOI:10.3390/ma18102237 PMID:40428975	研究论文	本研究提出了一种基于深度学习预测开裂位置的超高性能纤维增强混凝土拉伸强度估计方法	通过深度学习预测开裂位置并分析该位置的纤维特征来估计拉伸强度	应变软化试样的估计误差显著高于应变硬化试样	开发超高性能纤维增强混凝土拉伸强度的无损估计方法	超高性能纤维增强混凝土试样	计算机视觉	NA	X射线计算机断层扫描，图像分析	CNN	图像	应变硬化和应变软化两组混凝土试样	YOLOv11	YOLOv11	mAP@0.5, 开裂位置预测成功率, 实验估计误差, 理论估计误差	NA
9397	2025-06-01	YOLO-TARC: YOLOv10 with Token Attention and Residual Convolution for Small Void Detection in Root Canal X-Ray Images 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103036 PMID:40431831	研究论文	本文提出了一种改进的YOLOv10模型YOLO-TARC，结合了Token Attention和Residual Convolution，用于牙根管X射线图像中的小空洞检测	引入了ResConv确保小物体判别特征的传输，Token Attention模块增强对小目标的聚焦能力，以及优化的边界框损失函数	仅在私有牙根管X射线图像数据集上进行了验证，未在其他公开数据集上测试	提高牙根管X射线图像中小空洞或缺陷的检测精度	牙根管X射线图像中的小空洞或缺陷	计算机视觉	牙科疾病	深度学习	YOLOv10, CNN	图像	私有牙根管X射线图像数据集（具体数量未提及）	NA	NA	NA	NA
9398	2025-06-01	An Anomaly Node Detection Method for Wireless Sensor Networks Based on Deep Metric Learning with Fusion of Spatial-Temporal Features 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103033 PMID:40431828	研究论文	本文提出了一种基于深度度量学习融合时空特征的无线传感器网络异常节点检测方法	结合图注意力网络(GAT)和Transformer来捕捉时空特征，并引入新的距离测量模块改进相似性学习，同时通过联合度量分类训练提高模型准确性和泛化能力	未明确说明方法在更大规模网络或更复杂环境中的适用性	提高无线传感器网络中异常节点检测的准确性和有效性	无线传感器网络中的异常节点	机器学习	NA	深度度量学习	GAT, Transformer	多节点、多模态时间序列数据	公共数据集（未明确具体样本数量）	NA	NA	NA	NA
9399	2025-06-01	MCFNet: Multi-Scale Contextual Fusion Network for Salient Object Detection in Optical Remote Sensing Images 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103035 PMID:40431830	研究论文	提出了一种多尺度上下文融合网络（MCFNet），用于光学遥感图像中的显著目标检测	引入了语义感知注意力模块（SAM）和上下文互连模块（CIM），以增强对显著目标的定位和边界描绘	未提及具体的数据集限制或计算资源需求	解决光学遥感图像中显著目标检测的挑战	光学遥感图像中的显著目标	计算机视觉	NA	深度学习	MCFNet（包含SAM和CIM模块）	图像	在三个标准ORSI-SOD基准数据集上进行了评估	NA	NA	NA	NA
9400	2025-10-06	Cardiovascular Risk Assessment via Sleep Patterns and ECG-Based Biological Age Estimation 2025-May-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103339 PMID:40429335	研究论文	通过睡眠模式和基于心电图的生物年龄评估来预测心血管风险	首次结合睡眠阶段分析和夜间心电节律模式进行生物年龄估计，并将其用于心血管风险分层	样本量相对有限，仅基于特定患者群体的多导睡眠图数据	评估基于睡眠阶段分析和夜间心电节律模式的生物年龄估计在心血管疾病风险分层中的预后价值	1149名患者的多导睡眠图数据，包括心电图信号和睡眠模式	数字病理	心血管疾病	多导睡眠图，心电图分析	深度学习模型，无监督聚类	心电图信号，睡眠阶段数据	1149名患者（训练集），736名患者（独立测试集）	NA	NA	风险比（HR）	NA