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
981	2025-06-01	ICD code mapping model based on clinical text tree structure 2025-May-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出了一种基于临床文本树结构的ICD编码模型TRIC，用于提高电子病历ICD编码的质量和效率	结合了选区树模型和transformer模型提取临床记录的结构和特征，使用Tree-lstm模型丰富特征，并通过bioBERT预训练模型突出关键ICD编码的作用	未明确提及具体局限性	解决电子病历ICD编码问题，提高编码质量和效率	非结构化的临床记录	自然语言处理	NA	深度学习	TRIC（结合Transformer、Tree-lstm和bioBERT）	文本	广泛使用的MIMIC-III完整数据集和样本数据集
982	2025-06-01	Deep learning model for malignancy prediction of TI-RADS 4 thyroid nodules with high-risk characteristics using multimodal ultrasound: A multicentre study 2025-May-26, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102576 PMID:40446583	research paper	本研究开发了一个深度学习模型，利用多模态超声图像预测具有高风险特征的TI-RADS 4甲状腺结节的恶性概率	结合B型超声和应变弹性成像图像的高维卷积，采用自适应粒子群优化和对比度受限自适应直方图均衡化算法提升图像质量，并通过深度学习技术融合多模态特征进行分类	研究主要针对TI-RADS 4类甲状腺结节，未涵盖其他类别结节	提高甲状腺结节恶性预测的准确性，减少漏诊和误诊	具有高风险特征的TI-RADS 4甲状腺结节	digital pathology	thyroid cancer	B-mode ultrasound, strain elastography	deep learning	image	多中心研究，具体样本量未在摘要中提及
983	2025-06-01	Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education 2025-May-22, JMIR human factors IF:2.6Q3 DOI:10.2196/72838 PMID:40402552	research paper	提出了一种基于面部表情识别技术的医学教育辅助教学和学生评估方法	利用先进的面部表情识别技术改进传统医学教育中的教学和评估方式	面临技术准确性、设备依赖性和隐私保护等挑战	提升医学教育的教学效果和学生个性化学习体验	医学教育中的学生和教师	computer vision	NA	facial expression recognition	deep learning	image	NA
984	2025-06-01	A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education 2025-May-21, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13101205 PMID:40428041	review	本文是一篇范围综述，探讨了AI驱动的数字干预在心理健康护理中的应用，涵盖了筛查、支持、监测、预防和临床教育五个阶段	引入了一个四支柱框架，全面概述了AI增强心理健康护理的当前应用和未来方向	存在算法偏见、数据隐私风险和工作流程整合障碍等挑战	指导研究人员、临床医生和政策制定者开发安全、有效和公平的数字心理健康干预措施	AI驱动的数字工具在心理健康护理中的应用	natural language processing	mental health	large language models (LLMs), machine learning (ML) models, and conversational agents	chatbots, NLP tools, ML and DL models, LLM-based agents	text	36 empirical studies
985	2025-06-01	Brain Tumour Segmentation and Grading Using Local and Global Context-Aggregated Attention Network Architecture 2025-May-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050552 PMID:40428171	research paper	该研究开发了一种名为LGCNet的智能模型，用于脑肿瘤的分割和分级，结合了局部和全局上下文注意力网络架构	提出了一种结合局部和全局上下文注意力网络的聚合架构LGCNet，用于更有效地检测和分级脑肿瘤	研究范围仅限于BraTS2019数据集，未来需要扩展到不同的临床和影像环境	设计和开发一个智能模型，以更有效地检测和分级脑肿瘤	脑肿瘤的分割和分级	digital pathology	brain tumor	deep learning	LGCNet (Local and Global Context-Aggregated Attention Network)	medical images	BraTS2019数据集
986	2025-06-01	RDW-YOLO: A Deep Learning Framework for Scalable Agricultural Pest Monitoring and Control 2025-May-21, Insects IF:2.7Q1 DOI:10.3390/insects16050545 PMID:40429258	research paper	本文介绍了一种基于YOLO11改进的害虫检测算法RDW-YOLO，用于农业害虫监测与控制	提出了三个关键创新点：Reparameterized Dilated Fusion Block (RDFBlock)增强特征提取，DualPathDown (DPDown)模块提升多尺度适应性，以及改进的Wise-Wasserstein IoU (WWIoU)损失函数优化边界框回归	NA	提高农业害虫监测的准确性和效率	农业害虫	computer vision	NA	deep learning	YOLO	image	enhanced IP102 dataset
987	2025-06-01	Improved YOLOv8 Network of Aircraft Target Recognition Based on Synthetic Aperture Radar Imaging Feature 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103231 PMID:40432024	研究论文	本文提出了一种基于合成孔径雷达（SAR）成像特征的改进YOLOv8网络，用于飞机目标识别	采用了Shi-Tomasi角点检测算法和Enhanced Lee滤波算法将灰度图像转换为RGB图像，增强了YOLOv8模型的多维特征提取能力，并集成了Swin Transformer机制以更好地捕捉特征图中的长距离依赖关系	NA	提高SAR图像中飞机目标的识别准确率和效率	SAR图像中的飞机目标	计算机视觉	NA	Shi-Tomasi角点检测算法、Enhanced Lee滤波算法、Swin Transformer机制	YOLOv8	图像	两个数据集：ISPRS-SAR-aircraft数据集和SAR-Aircraft-1.0数据集
988	2025-06-01	Optimizing Backbone Networks Through Hybrid-Modal Fusion: A New Strategy for Waste Classification 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103241 PMID:40432034	研究论文	提出了一种高效的混合模态融合方法HFWC-Net，用于精确的垃圾图像分类	HFWC-Net结合了CNN和Transformer的层次结构，通过Agent Attention机制和LionBatch优化策略，提高了分类准确性并显著减少了分类时间	在复杂环境和多样化垃圾类型中仍可能存在识别准确性和泛化能力的挑战	优化垃圾分类的自动化方法，提高分类效率和准确性	垃圾图像	计算机视觉	NA	混合模态融合方法	HFWC-Net（结合CNN和Transformer）	图像	公共数据集Garbage Classification、TrashNet和自建MixTrash数据集
989	2025-06-01	Multiclassification of Colorectal Polyps from Colonoscopy Images Using AI for Early Diagnosis 2025-May-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101285 PMID:40428278	研究论文	本研究利用多种深度学习架构对结肠镜图像中的结直肠息肉进行多分类，以实现早期诊断	开发了自定义的CRP-ViT模型，在捕捉复杂特征方面表现出色，并在实时图像上取得了高准确率	NA	提高结直肠癌筛查的准确性和减少诊断变异性	结肠镜图像中的结直肠息肉	计算机视觉	结直肠癌	深度学习	VGG16, VGG19, ResNet50, DenseNet121, EfficientNetV2, InceptionNetV3, Vision Transformer (ViT), CRP-ViT	图像	公开数据集和实时图像（具体数量未提及）
990	2025-06-01	Artificial Intelligence and Novel Technologies for the Diagnosis of Upper Tract Urothelial Carcinoma 2025-May-20, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61050923 PMID:40428881	综述	本文综述了人工智能和新技术在上尿路尿路上皮癌(UTUC)诊断中的应用	探讨了人工智能在提高尿液细胞学、CT尿路造影和输尿管镜可视化诊断准确性方面的创新应用	ChatGPT在诊断和治疗信息提供方面尚未成熟	研究人工智能和新技术在UTUC早期诊断中的应用	上尿路尿路上皮癌(UTUC)	数字病理学	尿路上皮癌	计算机断层扫描尿路造影(CT Urograms)、尿液细胞学、输尿管镜检查	随机森林(Random forest)、深度学习(deep learning)、计算机视觉模型	图像、文本	12篇文献纳入综述
991	2025-06-01	Computational methods for modeling protein-protein interactions in the AI era: Current status and future directions 2025-May-19, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104382 PMID:40398752	综述	本文综述了人工智能时代下蛋白质-蛋白质相互作用（PPIs）建模的计算方法现状及未来发展方向	重点介绍了AI驱动方法的最新进展，包括改进采样多样性、整合实验数据和增强鲁棒性等创新点	面临蛋白质灵活性、对共进化信号的依赖、大型复合体建模以及涉及内在无序区域（IDRs）相互作用等关键挑战	探讨蛋白质复合物结构预测的计算方法	蛋白质-蛋白质相互作用（PPIs）	结构生物学	NA	深度学习、端到端框架（如AlphaFold及其衍生工具）	AlphaFold及其衍生模型	蛋白质结构数据	NA
992	2025-06-01	A Smartphone-Based Non-Destructive Multimodal Deep Learning Approach Using pH-Sensitive Pitaya Peel Films for Real-Time Fish Freshness Detection 2025-May-19, Foods (Basel, Switzerland) DOI:10.3390/foods14101805 PMID:40428585	研究论文	本研究提出了一种基于智能手机的非破坏性多模态深度学习方法，用于实时检测鱼类新鲜度	结合火龙果皮pH智能指示膜和多模态深度学习，设计了FreshFusionNet方法，实现了高精度实时检测	方法仅在特定智能手机(小米14)上测试，未验证在其他设备上的性能	开发一种低成本、便携式的鱼类新鲜度实时检测方法	鱼类新鲜度	计算机视觉	NA	多模态深度学习	MobileNetV2, TCN	图像, 化学指标数据	3600张指示膜图像
993	2025-06-01	Automated Stuttering Detection Using Deep Learning Techniques 2025-May-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103552 PMID:40429548	research paper	本研究提出了一种利用深度学习技术自动检测口吃的创新系统	使用CNN和ConvLSTM模型自动检测口吃，提高了检测准确性和效率	未提及系统在实时检测或不同语言环境下的表现	开发一种自动检测口吃的系统，以替代耗时且主观的手动测量方法	口吃患者	natural language processing	NA	deep learning	CNN, ConvLSTM	audio	FluencyBank和SEP-28K两个基准数据集
994	2025-06-01	NeuroDetect: Deep Learning-Based Signal Detection in Phase-Modulated Systems with Low-Resolution Quantization 2025-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s25103192 PMID:40431983	研究论文	本文介绍了NeuroDetect，一种基于深度学习的无模型信号检测框架，专为具有低分辨率模数转换器（ADC）的相位调制无线系统设计	NeuroDetect无需显式信道状态信息，直接通过神经网络架构从数据中学习量化接收信号与发送符号之间的非线性关系，并在最坏情况下与假设完美信道知识的最大似然检测器相比性能差距不超过12%	NA	开发适用于低分辨率ADC相位调制无线系统的信号检测框架	相位调制无线系统中的信号检测	机器学习	NA	深度学习	神经网络	信号数据	NA
995	2025-06-01	Novel Spatio-Temporal Joint Learning-Based Intelligent Hollowing Detection in Dams for Low-Data Infrared Images 2025-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s25103199 PMID:40431991	研究论文	提出了一种基于时空联合学习的智能检测方法，用于低数据红外图像中的大坝空鼓检测	创新性地结合物理信息神经网络（PINNs）与扩散技术，解决了低数据环境下的红外图像空鼓检测问题	方法依赖于构建的数据集，实际应用中可能需要对不同环境进行适应性调整	开发一种高效、非破坏性的红外检测方法，用于大坝空鼓的智能检测	混凝土大坝的表面温度场变化及空鼓缺陷	计算机视觉	NA	红外检测技术、扩散技术	物理信息神经网络（PINNs）	红外图像	少量真实图像（few shots real images）
996	2025-06-01	A Systematic Review of AI-Based Techniques for Automated Waste Classification 2025-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s25103181 PMID:40431972	系统综述	本文系统综述了基于人工智能（AI）的自动化废物分类技术，重点关注机器学习和深度学习的应用	提出一个结构化路线图，将挑战和机遇组织为短期、中期和长期优先事项，并整合了模型准确性、系统效率和可持续性目标的见解	数据集不平衡、现实世界变异性及标准化问题	探索人工智能（特别是机器学习和深度学习）在自动化废物分类中的作用	废物分类技术	机器学习	NA	机器学习（ML）、深度学习（DL）	CNN、混合模型	图像	分析了超过97项研究和15个公开可用的废物分类数据集
997	2025-06-01	A Supervised Scene Adaptive Model for Identifying Impact Load with Few Samples 2025-May-17, Sensors (Basel, Switzerland) DOI:10.3390/s25103169 PMID:40431961	research paper	提出了一种基于监督场景自适应模型的冲击载荷识别方法，仅需少量样本即可实现高精度识别	该方法解决了深度学习模型在少量或零冲击训练样本情况下的迁移能力问题，实现了跨结构的有效迁移	方法在完全不同的结构区域条件下的位置识别精度有所下降	开发适用于大型飞机结构健康监测的冲击载荷识别技术	下一代大型飞机结构	structural health monitoring	NA	deep learning	supervised scene adaptive model	impact load data	少量样本（校准阶段仅需单个样本）
998	2025-06-01	Depth Perception Based on the Interaction of Binocular Disparity and Motion Parallax Cues in Three-Dimensional Space 2025-May-17, Sensors (Basel, Switzerland) DOI:10.3390/s25103171 PMID:40431963	综述	本文系统总结了基于双目视差和运动视差线索的三维空间深度感知相关研究	从单一线索研究转向两种线索交互作用的定量研究，并总结了四种深度感知模型	未提出新的深度感知模型，主要对现有研究进行总结和分析	探讨人类视觉系统中双目视差和运动视差线索在三维空间深度感知中的作用	人类视觉系统的深度感知机制	计算机视觉	NA	文献调查与模型分析	WF模型、MWF模型、SF模型、IC模型	文献数据	NA
999	2025-06-01	Identification of Key Genes and Potential Therapeutic Targets in Sepsis-Associated Acute Kidney Injury Using Transformer and Machine Learning Approaches 2025-May-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050536 PMID:40428155	研究论文	本文开发了一种结合Transformer深度学习模型和传统机器学习技术的AI驱动框架，用于识别脓毒症相关急性肾损伤（SA-AKI）的关键基因和潜在治疗靶点	结合Transformer模型与传统机器学习方法，首次系统性地识别了SA-AKI的基因标志物和药物靶点	研究基于公开的微阵列数据，需要进一步实验验证	提高SA-AKI的早期诊断并发现潜在治疗靶点	脓毒症相关急性肾损伤（SA-AKI）	机器学习	急性肾损伤	微阵列分析、KEGG/GO富集分析	Transformer、LASSO、SVM-RFE、Random Forest、神经网络	基因表达数据	两个GEO数据集（GSE95233和GSE69063）
1000	2025-06-01	Comparative Study of Cell Nuclei Segmentation Based on Computational and Handcrafted Features Using Machine Learning Algorithms 2025-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101271 PMID:40428264	研究论文	本文比较了基于计算特征和手工特征的机器学习算法在细胞核分割中的应用	结合CNN提取的特征与逻辑回归方法，显著提高了细胞核分割的准确性	未提及具体的数据集规模及多样性限制	评估不同机器学习方法在细胞核分割中的性能	细胞核图像	数字病理学	前列腺癌、乳腺癌、脑肿瘤	K-means聚类、随机森林、支持向量机、逻辑回归、CNN	CNN、LR、RF、SVM	图像	NA