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
10141	2025-10-06	Automated Caries Detection Under Dental Restorations and Braces Using Deep Learning 2025-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050533 PMID:40428152	研究论文	本研究提出了一种基于深度学习和图像处理的自动化方法，用于检测牙科修复体和牙套下的龋齿	采用YOLOv8进行牙齿检测并引入旋转感知分割方法处理角度变化，结合图像处理技术显著提升了龋齿检测准确率	排除了HIV病史患者的数据，数据集仅来自单一医疗机构	开发自动化龋齿检测系统以减轻牙科医生的临床负担	咬翼片X光影像中的牙齿	计算机视觉	牙科疾病	图像处理	CNN	X光影像	505张咬翼片X光影像，来自台湾桃园长庚纪念医院	NA	YOLOv8, AlexNet, Inception-v3	敏感度, 召回率, 准确率, 特异性, 精确率	NA
10142	2025-10-06	Deep Reinforcement Learning for CT-Based Non-Invasive Prediction of SOX9 Expression in Hepatocellular Carcinoma 2025-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101255 PMID:40428248	研究论文	本研究开发了一种基于深度强化学习的CT图像分析方法，用于无创预测肝细胞癌中SOX9表达水平	首次将深度强化学习应用于CT图像分析，通过智能聚焦与SOX9表达高度相关的图像区域来提高预测准确性	回顾性研究，样本量相对有限（101例患者），单中心数据	开发能够术前无创预测肝细胞癌患者SOX9表达水平的深度学习模型	肝细胞癌患者	计算机视觉	肝细胞癌	CT成像	深度强化学习	医学图像	101例肝细胞癌患者的4011张CT图像	NA	NA	AUC	NA
10143	2025-10-06	Object Detection in Laparoscopic Surgery: A Comparative Study of Deep Learning Models on a Custom Endometriosis Dataset 2025-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101254 PMID:40428247	研究论文	本研究比较了深度学习模型在腹腔镜子宫内膜异位症手术视频中的目标检测性能	构建了首个专门针对子宫内膜异位症的定制数据集，并比较了分层与非分层训练策略对模型泛化能力的影响	数据集存在弱标注和类别不平衡问题，影响了模型整体性能	开发AI辅助工具以提升腹腔镜子宫内膜异位症手术中病灶识别的精确度	子宫内膜异位症病灶及相关解剖结构	计算机视觉	子宫内膜异位症	腹腔镜视频分析	CNN	视频, 图像	199个视频序列，205,725帧图像，其中17,560帧经过专业标注	PyTorch	FasterRCNN, YOLOv9	精确度, 召回率, mAP50	NA
10144	2025-10-06	Deep Learning Method for Breakdown Voltage and Forward I-V Characteristic Prediction of Silicon Carbide Schottky Barrier Diodes 2025-May-15, Micromachines IF:3.0Q2 DOI:10.3390/mi16050583 PMID:40428709	研究论文	开发用于预测碳化硅肖特基势垒二极管击穿电压和正向I-V特性的深度学习模型	首次将深度学习应用于碳化硅肖特基势垒二极管的特性预测，能够同时预测点值（如击穿电压）和曲线（如正向I-V特性）	模型建立需要一定时间，且需要大量训练数据（600组输入数据）	降低破坏性实验（如击穿电压测试）的成本，提高器件特性预测效率	碳化硅肖特基势垒二极管（SiC SBDs）	机器学习	NA	深度学习	深度学习模型	电特性数据	600组输入数据	NA	NA	准确率, 均方误差（MSE）	NA
10145	2025-10-06	Accelerated Biological Aging in Exfoliation Glaucoma Assessed by Fundus-Derived Predicted Age and Advanced Glycation End Products 2025-May-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26104725 PMID:40429867	研究论文	通过眼底图像预测年龄和晚期糖基化终末产物评估剥脱性青光眼的加速生物老化	首次结合眼底图像深度学习预测年龄与晚期糖基化终末产物评估青光眼患者的加速生物老化现象	样本量有限（237名参与者），需要更大规模研究验证	研究不同类型青光眼患者的生物老化加速现象及其生化基础	原发性开角型青光眼患者、剥脱性青光眼患者和年龄性别匹配的对照组	数字病理	青光眼	皮肤自发荧光测量	深度学习	眼底图像	237名参与者（79名POAG，79名EXG，79名对照组）	NA	EfficientNet	NA	NA
10146	2025-06-01	Next-Level Prediction of Structural Progression in Knee Osteoarthritis: A Perspective 2025-May-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26104748 PMID:40429891	perspective	本文探讨了利用机器学习和深度学习技术改进膝关节骨关节炎结构进展预测的前景	提出利用ML/DL整合多维数据（如生化标志物和MRI成像标志物）来增强膝关节OA患者分层和预测能力	未提及具体模型验证结果或实际临床应用数据	改进膝关节骨关节炎结构进展的预测方法，优化疾病修饰药物临床试验设计	膝关节骨关节炎患者	machine learning	骨关节炎	MRI, 生化标志物检测	ML/DL	多维数据（包括影像数据和生化数据）	NA	NA	NA	NA	NA
10147	2025-06-01	A Comprehensive Review of Deep Learning Applications in Cotton Industry: From Field Monitoring to Smart Processing 2025-May-15, Plants (Basel, Switzerland) DOI:10.3390/plants14101481 PMID:40431047	review	本文综述了深度学习在棉花产业中的应用，从田间监测到智能加工	深度学习在棉花产业链中的广泛应用，包括种子质量评估、病虫害检测、智能灌溉、自主收获和纤维分类等，提高了准确性、效率和适应性	模型泛化能力有限、计算需求高、环境适应性问题和数据标注成本高	探讨深度学习在棉花产业中的应用及其潜力	棉花产业中的各个环节，包括种植、监测和加工	machine learning	NA	深度学习	DL	多模态数据（如遥感、天气和土壤信息）	NA	NA	NA	NA	NA
10148	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
10149	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
10150	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
10151	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
10152	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
10153	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
10154	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
10155	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
10156	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
10157	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
10158	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
10159	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
10160	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