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
1001	2025-06-01	Preliminary Development of Global-Local Balanced Vision Transformer Deep Learning with DNA Barcoding for Automated Identification and Validation of Forensic Sarcosaphagous Flies 2025-May-16, Insects IF:2.7Q1 DOI:10.3390/insects16050529 PMID:40429242	研究论文	本文开发了一种基于GLB-ViT的深度学习模型，结合DNA条形码技术，用于法医实践中腐食性蝇类的自动识别与验证	提出了一种全局-局部平衡的视觉变换器（GLB-ViT）模型，并成功开发了基于该模型的微信小程序，扩展了模型在法医科学实践中的应用范围	当地蝇类数据库仍需不断完善，模型目前仅适用于海南地区十种常见腐食性蝇类的识别	提高法医实践中蝇类形态学识别的效率和准确性	腐食性蝇类	计算机视觉	NA	DNA条形码技术	GLB-ViT	图像	十种海南常见腐食性蝇类（识别正确率达94%）
1002	2025-06-01	AS-TBR: An Intrusion Detection Model for Smart Grid Advanced Metering Infrastructure 2025-May-16, Sensors (Basel, Switzerland) DOI:10.3390/s25103155 PMID:40431946	research paper	提出了一种名为AS-TBR的混合深度学习模型，用于智能电网高级计量基础设施(AMI)中的入侵检测	结合了ADASYN技术处理数据不平衡问题，利用Transformer、BiGRU和ResNet分别捕获全局时间依赖、双向时间关系和深度空间特征	未提及模型在更广泛数据集上的泛化能力测试	提高智能电网AMI系统中入侵检测的准确性和可靠性	智能电网高级计量基础设施(AMI)的网络流量数据	machine learning	NA	ADASYN, Transformer, BiGRU, ResNet	混合深度学习模型(AS-TBR)	网络流量数据	UNSW-NB15和NSL-KDD数据集
1003	2025-06-01	Transforming Bone Tunnel Evaluation in Anterior Cruciate Ligament Reconstruction: Introducing a Novel Deep Learning System and the TB-Seg Dataset 2025-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050527 PMID:40428146	research paper	本研究介绍了一种基于深度学习的新型系统，用于精确分割和评估前交叉韧带重建后的骨隧道	引入了ResNet50-Unet网络进行骨隧道区域的分割，并结合3D Slicer进行三维重建，开发了新的TB-Seg数据集	样本量较小（24名患者），且仅在特定病例中验证了系统的效率提升	提高前交叉韧带重建后骨隧道评估的准确性和效率	前交叉韧带重建患者的骨隧道	digital pathology	骨科疾病	深度学习，3D重建	ResNet50-Unet	医学影像	24名患者
1004	2025-06-01	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创新方法，用于自动检测修复体和牙套下的龋齿，旨在减轻牙科医生的临床负担	采用YOLOv8检测咬翼X光片中的单个牙齿，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高了Inception-v3的检测准确率	排除了HIV病史患者的数据，可能影响模型的泛化能力	开发自动化龋齿检测系统以减少临床诊断负担	修复体和牙套下的龋齿	计算机视觉	龋齿	深度学习、图像处理	YOLOv8, AlexNet, Inception-v3	图像	505张来自台湾桃园长庚纪念医院的咬翼X光片
1005	2025-06-01	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模型，用于术前无创预测肝细胞癌患者CT图像中的SOX9表达	提出了一种深度强化学习方法，通过识别与SOX9表达高度相关的图像区域来提高预测准确性，减少背景噪声的影响	研究为回顾性分析，样本量相对较小（101例患者）	开发一种非侵入性方法预测肝细胞癌患者的SOX9表达，以指导个性化治疗	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	CT成像	深度强化学习（DRL）	图像	101例HCC患者的4011张CT图像
1006	2025-06-01	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手术视频中检测子宫内膜异位症病变的性能	使用自定义数据集评估FasterRCNN和YOLOv9模型在分层和非分层训练场景下的表现，发现分层训练显著提高模型泛化能力	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辅助工具以提高子宫内膜异位症腹腔镜手术的精确性	子宫内膜异位症病变及相关解剖结构	计算机视觉	子宫内膜异位症	深度学习	FasterRCNN, YOLOv9	视频	199个视频序列（205,725帧），其中17,560帧由医学专家标注
1007	2025-06-01	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	本研究采用深度学习方法开发了一个高精度模型，用于预测碳化硅肖特基势垒二极管的击穿电压和正向I-V特性	该模型显著降低了与破坏性实验（如击穿电压测试）相关的测试成本，并支持相关变量的线性变化	模型建立需要一定的时间	开发高精度预测模型以减少测试成本	碳化硅肖特基势垒二极管（SiC SBDs）	机器学习	NA	深度学习方法	深度学习模型	输入数据	600组输入数据
1008	2025-06-01	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	本研究通过眼底图像预测的生物年龄和晚期糖基化终末产物（AGEs）评估了剥脱性青光眼（EXG）患者的加速生物老化现象	首次利用深度学习模型（EfficientNet）从眼底图像预测生物年龄，并发现剥脱性青光眼患者存在显著的加速生物老化现象，且与AGEs积累相关	样本量相对较小（237人），且仅通过皮肤自发荧光（sAF）评估AGEs积累	评估青光眼患者的加速生物老化现象及其与AGEs积累的关系	原发性开角型青光眼（POAG）患者、剥脱性青光眼（EXG）患者和对照组	数字病理学	青光眼	深度学习、皮肤自发荧光（sAF）测量	EfficientNet	图像	237名参与者（79名POAG患者、79名EXG患者和79名年龄性别匹配的对照组）
1009	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
1010	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
1011	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
1012	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
1013	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
1014	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
1015	2025-06-01	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	research paper	该研究利用深度学习方法预测中风幸存者出现中风后不良心理结果（PSAMO）的风险	结合多层感知机（MLP）和长短期记忆（LSTM）等深度学习算法，并引入新型数据类型（如序列数据），以提高模型性能	样本量较小（179名患者），可能影响模型的泛化能力	预测中风幸存者出现中风后抑郁和/或焦虑的风险	179名中风患者	machine learning	cardiovascular disease	深度学习	MLP, LSTM	序列数据（如连续七天的实验室结果）、人口统计学和社会学数据、生活质量评分、中风相关信息、医疗和用药史、合并症	179名中风患者
1016	2025-06-01	A Multitask Deep Learning Model for Predicting Myocardial Infarction Complications 2025-May-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050520 PMID:40428139	research paper	本研究提出了一种多任务深度学习模型，用于预测心肌梗死并发症和死亡原因的多维分类	该模型能够同时处理心肌梗死并发症的多维二分类和死亡原因的多类分类任务，相比传统预后模型如GRACE和TIMI评分具有更高的预测准确性和灵活性	未来研究需要进一步优化模型并在真实临床环境中验证其泛化能力	提高心肌梗死并发症和死亡原因的预测准确性，为临床决策提供支持	1700名心肌梗死患者	machine learning	cardiovascular disease	deep neural networks	multitask deep learning model	clinical and demographic data	1700 patients with 111 clinical and demographic features
1017	2025-06-01	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	提出一种新型混合深度学习框架，结合多模态MRI和临床数据预测脑转移患者的生存期	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整合，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），需进一步多中心验证	开发可指导脑转移患者个体化治疗决策的生存预测模型	脑转移患者的MRI影像和临床数据	数字病理	脑转移瘤	多模态MRI分析	ResNet-50与EfficientNet-B0混合架构	MRI图像和结构化临床数据	来自3个机构的148例患者（含专家标注的肿瘤/坏死/水肿区域分割）
1018	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
1019	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
1020	2025-06-01	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	本文系统回顾了2020年至2023年间使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、集成学习方法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高了预测准确性	尽管机器学习方法在COVID-19预测中表现出色，但仍面临挑战和限制	为传染病预测中的人工智能应用提供系统理论支持，促进公共卫生领域的技术创新	COVID-19预测模型	机器学习	COVID-19	机器学习	SVM, CNN, LSTM, AdaBoost等	多维数据集	从5731篇初步筛选的文献中最终选择了136篇符合条件的研究