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
941	2025-07-17	On the use of generative models for evolutionary inference of malaria vectors from genomic data 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.26.661760 PMID:40667127	研究论文	本文探讨了使用生成模型从基因组数据中推断疟疾媒介的进化历史	采用创新的生成深度学习算法推断蚊虫种群的共同进化历史，并开发了一种新的模型选择方法	研究仅针对几内亚和布基纳法索的蚊虫种群，可能无法推广到其他地区	理解疟疾媒介的进化历史，以辅助疟疾控制干预	撒哈拉以南非洲的蚊虫种群，特别是几内亚和布基纳法索的样本	机器学习	疟疾	生成深度学习算法	生成模型	基因组数据	几内亚和布基纳法索的蚊虫种群样本
942	2025-07-17	Accurate Prediction of ecDNA in Interphase Cancer Cells using Deep Neural Networks 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.23.661188 PMID:40667255	研究论文	本文介绍了一种基于深度学习的工具interSeg，用于从间期FISH图像中准确预测癌基因扩增状态	开发了interSeg工具，首次能够在间期细胞中准确区分染色体外扩增和染色体扩增	研究主要基于实验室培养细胞和组织模型，临床样本验证规模相对较小	开发能够从间期细胞中准确预测癌基因扩增状态的方法	间期癌细胞中的染色体外DNA(ecDNA)扩增	数字病理学	癌症	荧光原位杂交(FISH)	深度神经网络(DNN)	图像	652张训练图像(40,446个细胞核)和215张测试图像(9,733个细胞核)，外加67个神经母细胞瘤患者组织样本(1,937个细胞核)
943	2025-07-17	A Two-Branch ResNet-BiLSTM Deep Learning Framework for Extracting Multimodal Features Applied to PPG-Based Cuffless Blood Pressure Estimation 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133975 PMID:40648231	research paper	提出了一种结合ResNet和BiLSTM的双分支深度学习框架，用于基于PPG的无袖带血压估计	结合ResNet和BiLSTM的双分支框架，平衡深度学习能力和可解释性，并引入新的趋势特征	样本量相对较小（220个波形片段），可能影响模型的泛化能力	开发一种高精度且可解释的无袖带血压监测方法	218名患者的PPG波形数据	machine learning	cardiovascular disease	SVM-RFE特征选择	ResNet-BiLSTM	PPG波形数据	220个波形片段（来自218名患者）
944	2025-07-17	Sensor-Based Automatic Recognition of Construction Worker Activities Using Deep Learning Network 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133988 PMID:40648243	研究论文	本研究利用深度学习技术，通过传感器数据自动识别建筑工人的活动，以提高操作效率	提出了一种结合LSTM和BiLSTM层的深度学习架构，用于建筑工人活动的实时识别，并在加速度数据和组合数据集上实现了高分类准确率	研究仅涉及五名建筑工人和六种活动，样本规模较小	通过自动检测人类活动，减少生产力损失并提高时间和成本效率	建筑工人的活动	机器学习	NA	深度学习	LSTM, BiLSTM	传感器数据（加速度和位置数据）	五名建筑工人，六种不同的建筑相关活动
945	2025-07-17	Towards Predictive Communication: The Fusion of Large Language Models and Brain-Computer Interface 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133987 PMID:40648241	观点文章	探讨非侵入性脑机接口拼写器与大型语言模型的融合，以提升运动或语言障碍患者的预测性沟通能力	提出将大型语言模型与脑机接口技术结合，以提高沟通速度和用户体验的创新思路	面临实时处理、噪声鲁棒性以及神经解码输出与概率性语言生成框架整合等关键挑战	探索人工智能与神经技术融合在辅助沟通领域的变革潜力	运动或语言障碍患者	脑机接口	运动或语言障碍	非侵入性脑机接口拼写器	大型语言模型（LLMs）	神经信号与文本数据	NA
946	2025-07-17	A Novel Cooperative AI-Based Fall Risk Prediction Model for Older Adults 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133991 PMID:40648247	研究论文	本文介绍了一种基于合作AI的新型跌倒风险预测模型，用于老年人	提出了一种结合两种AI模型预测结果的合作AI模型，用于提高跌倒风险预测的准确性	未提及具体的样本量或数据来源的详细信息	开发稳定且经济有效的电子健康技术，以维护老年人的独立生活	老年人	机器学习	老年疾病	Fuzzy Logic, Deep Belief Network (DBN)	合作AI模型（AI1和AI2）	行为数据和健康数据	NA
947	2025-07-17	FedeAMR-CFF: A Federated Automatic Modulation Recognition Method Based on Characteristic Feature Fine-Tuning 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25134000 PMID:40648256	研究论文	提出了一种基于特征微调的联邦自动调制识别方法（FedeAMR-CFF），以解决自动调制识别任务中的数据隐私泄露、通信开销大和数据孤岛等关键挑战	通过基于距离的度量筛选提取代表性特征，并利用FedAvg算法聚合模型参数和微调模型，有效保护客户数据隐私并促进跨分布式数据集的知识传递	未提及具体的数据集规模或实验环境的局限性	解决自动调制识别任务中的数据隐私泄露、通信开销大和数据孤岛问题	无线通信领域的自动调制识别技术	机器学习	NA	FedAvg算法	DL-AMR	无线通信数据	NA
948	2025-07-17	Emotion Recognition from rPPG via Physiologically Inspired Temporal Encoding and Attention-Based Curriculum Learning 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133995 PMID:40648252	研究论文	本文提出了一种基于生理启发的深度学习框架，用于通过远程光电容积描记术（rPPG）进行情绪识别	提出了一种多尺度时间动态编码器（MTDE）、自适应稀疏α-Entmax注意力机制、门控时间池化以及三阶段课程学习策略，以解决情绪识别中的时间稀疏性、噪声和弱标签问题	在效价识别方面表现较低，揭示了单模态时间心血管分析的生理局限性	通过rPPG技术进行非接触式生理测量以实现情绪识别	情绪识别中的心血管响应	情感计算	NA	远程光电容积描记术（rPPG）	MTDE, CNN-LSTM	生理信号	27名受试者和527个会话（采用受试者混合分割）
949	2025-07-17	Whole-Body 3D Pose Estimation Based on Body Mass Distribution and Center of Gravity Constraints 2025-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s25133944 PMID:40648200	研究论文	提出了一种基于Transformer架构和人体质量分布及重心约束的全身3D姿态估计方法	通过整合人体质量分布和重心约束，设计了联合损失函数以提高关键点预测的准确性和鲁棒性	未提及方法在实时性或多视角场景下的表现	提高从单目图像中估计人体3D姿态的准确性	人体3D姿态	计算机视觉	NA	Transformer架构，力矩合成方法	Transformer	图像	Human 3.6M WholeBody数据集
950	2025-07-17	AI-Powered Mobile App for Nuclear Cataract Detection 2025-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s25133954 PMID:40648211	研究论文	本研究开发了一款基于深度学习的Android移动应用，用于通过裂隙灯获取的眼部图像检测核性白内障	采用多阶段分类方法分析眼部图像，结合LOCS III量表对白内障进展进行全面表征，并在移动设备上实现实时分析	研究仅基于Nuclear Cataract Database的数据进行验证，未涉及其他类型白内障或更大规模的真实世界测试	开发一款高精度的移动应用程序，用于早期检测和分级核性白内障	核性白内障患者的眼部图像	计算机视觉	白内障	深度学习	CNN（包括VGG16、ResNet50、VGG11、ResNet18、MobileNetV2和EfficientNet-B0）	图像	来自Nuclear Cataract Database的临床医生标记图片
951	2025-07-17	Enhancing Multi-User Activity Recognition in an Indoor Environment with Augmented Wi-Fi Channel State Information and Transformer Architectures 2025-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s25133955 PMID:40648212	研究论文	本文提出了一种结合信号预处理、数据增强和CNN-Transformer混合模型的深度学习方法，用于增强室内环境中基于Wi-Fi信道状态信息的多用户活动识别	提出了一种混合深度学习方法，整合了信号预处理、针对性数据增强以及CNN和Transformer模型的定制化集成，解决了多用户识别和数据稀缺的挑战	在复杂多用户环境中标注数据稀缺的情况下，模型的泛化能力仍有待提高	提升室内环境中多用户活动识别的准确性和泛化能力	基于Wi-Fi信道状态信息的人类活动识别	机器学习和智能环境	NA	Wi-Fi Channel State Information (CSI)	CNN和Transformer混合模型	时序传感器数据	未明确说明具体样本数量
952	2025-07-17	Artificial Intelligence in the Management of Hereditary and Acquired Hemophilia: From Genomics to Treatment Optimization 2025-Jun-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26136100 PMID:40649878	research paper	本文探讨了人工智能在遗传性和获得性血友病管理中的应用，从基因组学到治疗优化	利用机器学习和深度学习技术预测出血风险、优化治疗方案，并通过医学影像提高关节损伤和关节积血的检测精度	伦理考虑和数据标准化的需求仍是广泛采用的关键障碍	探索人工智能在血友病管理中的潜力，以提高诊断准确性和治疗效果	遗传性和获得性血友病患者	digital pathology	hemophilia	machine learning, deep learning	NA	medical imaging, clinical data	NA
953	2025-07-17	Aneurysm Analysis Using Deep Learning 2025-Jun-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.19.25328680 PMID:40666317	研究论文	本研究提出了一种利用深度学习自动测量动脉瘤体积的方法，旨在改善临床风险评估和治疗规划	结合预训练神经网络和专家系统，无需手动标注即可自动识别动脉瘤边界并计算体积	研究使用的数据集缺乏像素级的主动脉分割标注	开发自动化动脉瘤体积测量技术以支持临床决策	60名患者的未标注医学影像数据	数字病理学	心血管疾病	深度学习	UNet, SAM2, LSTM	医学影像	60名患者的影像数据
954	2025-07-17	EZ-FRCNN: A Fast, Accessible and Robust Deep Learning Package for Object Detection Applications from Ethology to Cell Biology 2025-Jun-25, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.19.660198 PMID:40667197	research paper	介绍了一个名为EZ-FRCNN的深度学习软件包，用于从行为学到细胞生物学的目标检测应用	提供了一个本地托管、用户友好的软件包，解决了生物学研究中深度学习应用的技术障碍	未提及具体的性能限制或与其他方法的比较	开发一个可访问且可扩展的目标检测工具，用于生物学数据集的分析	生物学数据集中的特征识别和定位	computer vision	NA	深度学习	region-based convolutional neural networks (R-CNN)	image	未提及具体样本数量
955	2025-07-17	Multimodal Deep Learning for Stage Classification of Head and Neck Cancer Using Masked Autoencoders and Vision Transformers with Attention-Based Fusion 2025-Jun-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17132115 PMID:40647415	研究论文	该研究提出了一种多模态深度学习框架，用于头颈部鳞状细胞癌的分期分类，结合了临床和影像数据	使用基于VGG16的掩码自编码器(MAE)进行自监督视觉特征学习，并通过注意力机制(CBAM和BAM)增强，采用注意力加权融合网络融合图像和临床特征	NA	提高头颈部鳞状细胞癌的AJCC分期准确性以辅助治疗计划	头颈部鳞状细胞癌(HNSCC)	数字病理	头颈癌	多模态深度学习	VGG16, MAE, Vision Transformer, CBAM, BAM	影像数据, 临床数据	HNSCC和HN1数据集
956	2025-07-17	Adaptive Sampling Framework for Imbalanced DDoS Traffic Classification 2025-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s25133932 PMID:40648189	research paper	提出一种自适应采样框架，用于解决DDoS流量分类中的类别不平衡问题	结合过采样和欠采样技术，提出自适应采样策略，显著提升少数类别的检测性能	仅在特定测试条件下验证了方法的有效性，未涉及实际复杂网络环境中的表现	解决网络流量分类中的类别不平衡问题，提升DDoS攻击检测的准确性和及时性	DDoS流量数据	machine learning	NA	oversampling and undersampling techniques	NA	network traffic data	benchmark DDoS traffic datasets
957	2025-07-17	A Hybrid Compact Convolutional Transformer with Bilateral Filtering for Coffee Berry Disease Classification 2025-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s25133926 PMID:40648184	研究论文	提出了一种结合紧凑卷积变换器（CCT）和双边滤波的轻量级方法，用于咖啡浆果病（CBD）的分类	首次将紧凑卷积变换器（CCT）应用于咖啡浆果病（CBD）分类，结合双边滤波和颜色分割增强数据，实现了高精度和低资源消耗	研究仅针对咖啡浆果病（CBD），未涉及其他浆果病害，且数据集规模相对较小（1737张图像）	开发一种轻量级且高精度的咖啡浆果病（CBD）分类方法，以支持可持续咖啡生产系统	咖啡浆果（健康与CBD感染）	计算机视觉	咖啡浆果病	双边滤波、颜色分割	紧凑卷积变换器（CCT）、MLP、SVM、决策树	图像	1737张咖啡浆果图像
958	2025-07-17	MAK-Net: A Multi-Scale Attentive Kolmogorov-Arnold Network with BiGRU for Imbalanced ECG Arrhythmia Classification 2025-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s25133928 PMID:40648186	研究论文	提出了一种名为MAK-Net的混合深度学习框架，用于解决心电图信号分类中的类别不平衡问题	结合了多尺度卷积模块、通道注意力机制、双向门控循环单元和Kolmogorov-Arnold网络层，以提高分类性能和可解释性	仅在MIT-BIH心律失常数据库上进行了验证，未在其他数据集上测试	提高心电图信号分类的准确性和鲁棒性，特别是在类别不平衡的情况下	心电图信号	机器学习	心血管疾病	深度学习、SMOTE	MAK-Net（结合CNN、BiGRU和KAN）	信号数据	MIT-BIH心律失常数据库
959	2025-07-17	Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.24.25330211 PMID:40666360	研究论文	提出一种基于Transformer神经网络和多源数据融合的深度学习模型，用于预测县级COVID-19病例和死亡情况	结合历史病例数据、死亡数据和社交媒体情感分析，开发了多级多尺度注意力机制进行自适应时频分析	仅针对COVID-19疫情，未测试在其他传染病上的适用性	提高传染病疫情预测的准确性	COVID-19病例和死亡数据	机器学习	COVID-19	深度学习	Transformer	时间序列数据、社交媒体文本	三个Omicron变异波期间(2021年12月至2023年2月)的县级数据
960	2025-07-17	TableBorderNet: A Table Border Extraction Network Considering Topological Regularity 2025-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s25133899 PMID:40648157	研究论文	提出了一种考虑拓扑规则性的表格边框提取网络TableBorderNet，用于扫描道路工程图纸中的表格边框精确提取	通过沿明确的行和列方向引导卷积特征提取来捕获结构上下文，并引入拓扑感知损失函数以确保复杂或退化输入中的拓扑一致性	需要进一步验证在更大规模和多样化的工程图纸数据集上的性能	加速工程图纸的数字化，支持数据驱动的道路资产管理	扫描的道路工程图纸中的表格边框	计算机视觉	NA	语义分割框架	CNN	图像	未明确提及具体样本数量