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
10161	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
10162	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
10163	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
10164	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
10165	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
10166	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
10167	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
10168	2025-10-06	Role of Artificial Intelligence in Musculoskeletal Interventions 2025-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers17101615 PMID:40427114	综述	探讨人工智能在肌肉骨骼介入放射学中的关键作用和应用前景	系统整合AI在肌肉骨骼介入治疗全流程中的应用，包括实时反馈系统、剂量优化协议和联邦学习模型的创新性融合	面临数据标准化不足、监管障碍和临床推广困难等挑战	研究人工智能如何优化肌肉骨骼介入诊疗流程并改善患者预后	肌肉骨骼介入放射学中的影像引导手术和康复治疗	医学影像分析	肌肉骨骼疾病	机器学习，深度学习	NA	医学影像数据（超声、CT、荧光透视），可穿戴设备数据，基因组数据	NA	NA	NA	NA	NA
10169	2025-10-06	Real-Time Intraoperative Decision-Making in Head and Neck Tumor Surgery: A Histopathologically Grounded Hyperspectral Imaging and Deep Learning Approach 2025-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers17101617 PMID:40427116	研究论文	开发并评估一种结合高光谱成像和深度学习的新型工作流程，用于头颈部鳞状细胞癌的实时术中肿瘤边界划定	首次将高光谱成像与三维肿瘤建模和深度学习相结合，实现无标记的实时术中肿瘤边界评估	研究基于离体样本，尚未在真实手术环境中验证	开发实时术中肿瘤边界评估系统以提高手术精确度	头颈部鳞状细胞癌新鲜切除样本	计算机视觉	头颈部鳞状细胞癌	高光谱成像，组织学染色	深度学习模型	高光谱图像，三维组织学重建数据	712个数据立方体	NA	NA	准确率，肿瘤灵敏度	NA
10170	2025-10-06	StructureNet: Physics-Informed Hybridized Deep Learning Framework for Protein-Ligand Binding Affinity Prediction 2025-May-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050505 PMID:40428123	研究论文	开发了一种基于结构的图神经网络模型StructureNet，用于预测蛋白质-配体结合亲和力	完全专注于结构描述符以减轻序列和相互作用数据引起的数据记忆问题，采用几何和拓扑描述符改进蛋白质-配体复合物的结构表示	未明确说明模型在更大规模数据集上的泛化能力	提高蛋白质-配体结合亲和力预测的准确性，支持药物发现过程	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	图神经网络	结构数据，图数据	PDBBind v.2020 Refined Set和DUDE-Z数据集	NA	GNN-based ensemble deep learning model	PCC, AUC	NA
10171	2025-06-01	Exploring Burnt Area Delineation with Cross-Resolution Mapping: A Case Study of Very High and Medium-Resolution Data 2025-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s25103009 PMID:40431804	research paper	本研究探讨了利用超高分辨率（VHR）和中分辨率卫星数据结合深度学习算法进行火烧区域划分的方法，并以印度卡纳塔克邦的班迪普尔森林为例进行了案例分析	结合超高分辨率和中分辨率卫星数据，使用UNET和GRU深度学习算法提高火烧区域划分的准确性	使用PlanetScope标签时性能略有下降，但高召回率显示了其在识别阳性实例方面的潜力	提高利用遥感数据进行火烧区域划分的准确性	印度卡纳塔克邦的班迪普尔森林	remote sensing	NA	deep learning	UNET, GRU	satellite imagery	NA	NA	NA	NA	NA
10172	2025-06-01	Using Masked Image Modelling Transformer Architecture for Laparoscopic Surgical Tool Classification and Localization 2025-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s25103017 PMID:40431812	研究论文	本文提出了一种基于自监督学习和弱监督学习的深度学习新方法，用于腹腔镜手术中手术工具的分类和定位	利用BEiT模型进行手术工具分类，并通过多头部注意力层生成的热图进行工具定位，无需显式定位标注，同时采用类别权重解决手术工具使用频率不均导致的类别不平衡问题	复杂手术场景和有限标注数据可能限制模型性能	开发AI辅助腹腔镜手术系统，提高手术工具检测和阶段识别的准确性	腹腔镜手术中的手术工具	计算机视觉	NA	自监督学习、弱监督学习	BEiT	图像	Cholec80基准数据集	NA	NA	NA	NA
10173	2025-10-06	Deep Learning to Enhance Diagnosis and Management of Intrahepatic Cholangiocarcinoma 2025-May-09, Cancers IF:4.5Q1 DOI:10.3390/cancers17101604 PMID:40427103	综述	本文批判性评估深度学习在肝内胆管癌诊断和管理中的应用研究进展	首次全面综合评估深度学习在肝内胆管癌多方面的应用，包括影像诊断、病理特征预测和疗效预测	未提及具体数据集的样本量限制和模型泛化能力问题	评估深度学习在肝内胆管癌诊疗中的应用价值和发展方向	肝内胆管癌患者	计算机视觉	肝内胆管癌	医学影像分析	深度学习模型	医学影像、病理图像	NA	NA	NA	诊断准确率	NA
10174	2025-10-06	Advancing Meibography Assessment and Automated Meibomian Gland Detection Using Gray Value Profiles 2025-May-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101199 PMID:40428192	研究论文	本文提出了一种基于灰度值分布轮廓的自动化检测和量化睑板腺形态的新方法	引入了灰度值分布轮廓分析方法和新型参数'萎缩指数'，首次实现单腺体和多腺体形态的仪器测量	研究样本仅包含100名干眼症患者，年龄范围有限	开发自动化睑板腺检测和量化方法，改善睑板腺功能障碍相关干眼症的管理	干眼症患者的睑板腺形态	医学图像分析	干眼症	红外线睑板腺成像	NA	红外图像	100名志愿者（平均年龄40±16岁，范围18-85岁）	NA	NA	NA	NA
10175	2025-10-06	Research on Storage Grain Temperature Prediction Method Based on FTA-CNN-SE-LSTM with Dual-Domain Data Augmentation and Deep Learning 2025-May-09, Foods (Basel, Switzerland) DOI:10.3390/foods14101671 PMID:40428452	研究论文	提出一种基于双域数据增强和深度学习的储粮温度预测方法FTA-CNN-SE-LSTM	结合时域和频域的双域数据增强方法，以及在LSTM网络中集成卷积层和SENet模块的特征增强机制	实际储粮场景中数据采集存在限制，样本量较小	提高储粮温度预测精度，预防粮堆温度异常问题	储粮温度数据	机器学习	NA	数据增强，快速傅里叶变换(FFT)	LSTM, CNN	时间序列数据	小样本储粮温度数据	NA	LSTM, CNN, SENet, FTA-CNN-SE-LSTM	MAE, RMSE	NA
10176	2025-06-01	Are Wearable ECG Devices Ready for Hospital at Home Application? 2025-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s25102982 PMID:40431777	research paper	本文探讨了具有心电图（ECG）功能的可穿戴设备在持续心脏监测中的作用，评估其在医院家庭（HaH）和远程患者监测（RPM）计划中的适用性	提出ABCD指南（准确性、益处、兼容性和数据治理）来评估可穿戴技术的功能，并探讨了智能手表在心律失常检测之外的更广泛诊断能力	信号质量问题和在老年人及医院家庭环境中广泛采用需要进一步验证	评估可穿戴ECG设备在医院家庭应用中的有效性和潜力	具有ECG功能的可穿戴设备	医疗健康监测	心血管疾病	ECG监测、机器学习和深度学习	NA	ECG信号数据	NA	NA	NA	NA	NA
10177	2025-10-06	Deep Learning for Automated Ventricle and Periventricular Space Segmentation on CT and T1CE MRI in Neuro-Oncology Patients 2025-May-08, Cancers IF:4.5Q1 DOI:10.3390/cancers17101598 PMID:40427097	研究论文	本研究开发了一种基于深度学习的自动化脑室及脑室周围空间分割模型，用于神经肿瘤患者的CT和T1CE MRI影像分析	首次基于2021 EPTN神经肿瘤图谱指南开发针对脑室及脑室周围空间的分割模型，并在CT和T1CE MRI多模态影像上验证性能	样本量相对有限（78例患者），外部测试集上部分指标未显示显著差异	开发能够准确分割脑室及脑室周围空间的深度学习模型，以优化放射治疗规划流程	神经肿瘤患者的CT和T1CE MRI影像	医学影像分析	神经肿瘤	MRI, CT	深度学习	医学影像	78例患者（训练集），内部测试集18例，外部测试集18例	nnU-Net	nnU-Net	Dice相似系数, 95% Hausdorff距离, 表面DSC, 附加路径长度, 4点Likert量表评分	NA
10178	2025-10-06	Real-Time Coronary Artery Dominance Classification from Angiographic Images Using Advanced Deep Video Architectures 2025-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101186 PMID:40428179	研究论文	开发基于视频的深度学习框架用于冠状动脉优势型分类	提出无需区分左右冠状动脉造影的集成视频分类方法，消除传统预处理中的动脉分支分离步骤	未提及模型在临床环境中的实时性能验证和泛化能力测试	开发自动冠状动脉优势型分类系统以辅助临床决策	冠状动脉造影视频序列	计算机视觉	心血管疾病	冠状动脉造影	深度学习	视频	来自公开来源的大规模数据集（具体数量未提及）	MMAction2	Temporal Segment Networks, Video Swin Transformer, VideoMAEv2	准确率	NA
10179	2025-10-06	Deep Learning-Assisted Diagnostic System: Implant Brand Detection Using Improved IB-YOLOv10 in Periapical Radiographs 2025-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101194 PMID:40428187	研究论文	本研究开发了一种基于改进IB-YOLOv10的深度学习辅助诊断系统，用于根尖片中牙种植体品牌的自动检测	提出了创新的种植体品牌特征提取方法和PA分辨率增强技术，结合暗通道先验和Lanczos插值进行图像分辨率提升	NA	利用深度学习技术辅助牙科种植体分类，为牙医提供高效可靠的种植体品牌检测工具	根尖片中的牙种植体	计算机视觉	牙科疾病	图像增强技术，分辨率增强技术	YOLO	医学影像	NA	NA	IB-YOLOv10	准确率	NA
10180	2025-10-06	Research on Beef Marbling Grading Algorithm Based on Improved YOLOv8x 2025-May-08, Foods (Basel, Switzerland) DOI:10.3390/foods14101664 PMID:40428444	研究论文	本研究提出了一种基于改进YOLOv8x模型的牛肉大理石花纹分级算法，用于自动化牛肉质量评估	在YOLOv8x模型中集成了改进的注意力机制和损失函数，并结合ROI预处理算法	NA	开发自动化牛肉大理石花纹分级算法以提高分级效率和准确性	牛肉样本图像中的大理石花纹特征	计算机视觉	NA	深度学习，图像处理	CNN, YOLO	图像	1300张牛肉样本图像（训练集与测试集按8:2比例划分）	NA	YOLOv8x	验证准确率，实际分级准确率，检测时间	NA