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
1041	2025-09-14	Non-Contact Screening of OSAHS Using Multi-Feature Snore Segmentation and Deep Learning 2025-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s25175483 PMID:40942909	研究论文	提出一种结合多特征鼾声分割和深度学习的非接触式OSAHS筛查方法	开发两阶段框架，首次集成精确鼾声事件检测与深度学习分类，并设计自适应多特征融合端点检测算法	NA	实现阻塞性睡眠呼吸暂停低通气综合征（OSAHS）的自动化家庭筛查	鼾声信号	机器学习	睡眠呼吸障碍	梅尔频谱图转换，谱减法降噪	ECA-enhanced ResNet18 与双向GRU混合网络（ERBG-Net）	音频信号	13644个鼾声样本（6830正常，6814 OSAHS相关）
1042	2025-09-14	Sensor-Agnostic, LSTM-Based Human Motion Prediction Using sEMG Data 2025-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s25175474 PMID:40942903	研究论文	本研究探讨基于sEMG数据的传感器无关LSTM模型用于人体运动预测	证明了不同硬件配置的sEMG传感器数据在双向LSTM网络中表现相似，凸显深度学习的硬件无关性	NA	研究不同sEMG传感器硬件对深度学习网络预测人体单自由度角轨迹性能的影响	人体手臂运动	机器学习	NA	sEMG（表面肌电图）	bi-LSTM（双向长短期记忆网络）	sEMG原始数据	使用两种不同sEMG传感器平台从受试者收集数据
1043	2025-09-14	MineVisual: A Battery-Free Visual Perception Scheme in Coal Mine 2025-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s25175486 PMID:40942912	研究论文	提出一种用于煤矿环境的无电池视觉感知方案MineVisual，通过轻量化深度神经网络和能量感知动态剪枝网络提升计算效率和能源利用率	引入能量感知动态剪枝网络(EADP-Net)，在波动电源条件下保持推理精度和能效，并集成超级电容缓冲与电压调节技术	NA	解决煤矿地下环境中高计算需求和能源约束的关键挑战，实现智能安全监测	煤矿地下环境中的视觉感知与安全监测	计算机视觉	NA	深度可分离卷积模块，动态网络剪枝	轻量化深度神经网络，EADP-Net	图像	NA
1044	2025-09-14	Three-Dimensional Choroidal Vessels Assessment in Fellow Eyes of Patients With Central Serous Chorioretinopathy 2025-Sep-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.9.10 PMID:40919871	研究论文	使用深度学习三维算法评估单侧慢性中心性浆液性脉络膜视网膜病变患者对侧眼的脉络膜血管结构	首次应用深度学习ResUNet模型结合Phansalkar阈值法实现脉络膜血管三维重建与定量分析	样本量较小（30例患者），且为回顾性研究，CVI变化未达显著统计学差异	评估cCSC患者对侧眼的脉络膜血管形态学特征	单侧慢性中心性浆液性脉络膜视网膜病变患者及其对侧眼与健康对照组	数字病理	视网膜疾病	深度学习自动分割、三维血管重建、Phansalkar阈值二值化	ResUNet	医学影像	30只cCSC患眼、22只对侧眼和26只对照眼
1045	2025-09-14	Genetic Artificial Intelligence in Gastrointestinal Disease: A Systematic Review 2025-Sep-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172227 PMID:40941714	系统综述	本文系统综述了遗传人工智能在胃肠道疾病早期诊断中的最新进展	首次系统总结遗传AI在胃肠道疾病中的应用，并识别关键SNPs和预测变量	仅纳入10项研究，未发现深度学习相关研究，数据来源有限	评估遗传人工智能在胃肠道疾病诊断中的有效性和应用进展	胃肠道疾病及相关疾病的遗传数据和临床变量	生物信息学	胃肠道疾病	SNP分析，机器学习	随机森林	遗传数据，临床数据	10项原始研究（来自PubMed）
1046	2025-09-14	Deep Learning Image-Based Classification for Post-Earthquake Damage Level Prediction Using UAVs 2025-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s25175406 PMID:40942835	研究论文	本研究探讨使用轻量级CNN模型MobileNetV3-Small通过无人机图像进行震后损坏等级实时预测	采用MobileNetV3-Small模型实现最低FLOPs（比ShuffleNetv2减少58.8%），并通过微调最后五层显著提升准确性和鲁棒性（性能提升4.5%）	NA	开发基于无人机图像的实时震后损坏评估系统，以支持搜救团队高效开展工作	震后建筑结构的损坏程度	计算机视觉	NA	深度学习图像分类	CNN, MobileNetV3-Small	图像	合并三个震后损坏等级数据集
1047	2025-09-14	High-Accuracy Deep Learning-Based Detection and Classification Model in Color-Shift Keying Optical Camera Communication Systems 2025-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s25175435 PMID:40942863	研究论文	提出一种基于深度学习的高精度检测与分类模型，用于优化采用颜色偏移键控调制的光学相机通信系统接收性能	首次将YOLOv8框架应用于CSK调制OCC系统的符号检测与分类，实现98.4%的高识别准确率	通信距离限于30厘米至3米，未来需提升数据速率和系统可扩展性	优化光学相机通信系统的接收性能，提升符号识别准确率	采用CSK调制的8×8 LED矩阵发射器与CMOS相机接收器组成的通信系统	机器视觉	NA	颜色偏移键控（CSK）调制，深度学习图像处理	YOLOv8	图像序列	实验验证采用8×8 LED矩阵和CMOS相机，在30cm-3m距离范围测试
1048	2025-09-14	Optimizing Deep Learning-Based Crack Detection Using No-Reference Image Quality Assessment in a Mobile Tunnel Scanning System 2025-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s25175437 PMID:40942868	研究论文	本研究提出一种基于无参考图像质量评估的数据质量保证框架，用于优化移动隧道扫描系统中的深度学习裂缝检测性能	首次系统分析水平运动模糊对CNN裂缝检测性能的影响，并建立NR-IQA指标与模型性能的强相关性	主要针对水平方向运动模糊，未考虑其他类型图像退化或复杂环境因素	提升移动隧道扫描系统中基于深度学习的裂缝检测可靠性	隧道表面裂缝	计算机视觉	NA	无参考图像质量评估（NR-IQA）	CNN（包括ResNet、VGG、AlexNet）	图像	公共数据集和真实MTSS数据集
1049	2025-09-14	Generalized deep learning for histopathology image classification using supervised contrastive learning 2025-Sep, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.013 PMID:39551131	研究论文	本研究提出了一种名为HistopathAI的混合网络，利用监督对比学习和深度特征融合技术，旨在提升组织病理学图像分类的准确性和效率	结合监督对比学习(SCL)和混合深度特征融合(HDFF)技术，在包括不平衡数据集在内的多种场景下显著提高分类精度	NA	开发一个能够提高组织病理学图像分类准确性的深度学习框架，以支持癌症诊断	组织病理学图像	数字病理学	癌症	监督对比学习(SCL)，混合深度特征融合(HDFF)	EfficientNetB3, ResNet50, 混合网络	图像	七个公开数据集和一个私有数据集，涵盖多个组织病理学领域
1050	2025-09-14	Full dimensional dynamic 3D convolution and point cloud in pulmonary nodule detection 2025-Sep, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.033 PMID:39617261	研究论文	提出一种名为ODR3DNet的新型深度学习模型，用于肺结节检测，结合全维度动态3D卷积和点云数据处理技术	引入全维度动态3D卷积模块(OD3D)和专门针对3D点云数据的机器学习检测算法，显著提升特征提取能力和模型适应性	NA	提高肺结节检测的准确性和早期诊断效果	肺结节	计算机视觉	肺癌	深度学习，3D点云处理	3D CNN，ODR3DNet	3D图像，点云数据	NA
1051	2025-09-14	Update of imaging in the assessment of axial spondyloarthritis 2025-Sep, Best practice & research. Clinical rheumatology DOI:10.1016/j.berh.2025.102064 PMID:40229184	综述	本文回顾了过去5年中轴型脊柱关节炎影像评估技术的新进展，重点关注CT和MRI技术的创新应用	介绍了基于深度学习的合成CT技术以及国际共识推荐的4序列MRI方案，提升了炎症和结构损伤评估的精确度	NA	更新中轴型脊柱关节炎的影像学评估方法和技术进展	骶髂关节的炎症和结构损伤	医学影像分析	中轴型脊柱关节炎	增强CT、MRI、深度学习	深度学习算法	医学影像（X光、CT、MRI）	NA
1052	2025-09-14	Detection of maxillary sinus pathologies using deep learning algorithms 2025-Sep, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09451-4 PMID:40394252	研究论文	本研究开发了一种基于深度学习的人工智能方法，用于从CBCT图像中自动检测上颌窦病变	采用卷积神经网络实现上颌窦病变的自动分割，在CBCT影像中达到了高精度分割性能	NA	评估人工智能算法在CBCT扫描中检测上颌窦病变的准确性	上颌窦病变	计算机视觉	鼻窦疾病	锥形束计算机断层扫描(CBCT)	CNN	医学影像	500名患者的1000个上颌窦样本
1053	2025-09-14	Left ventricular systolic dysfunction screening in muscular dystrophies using deep learning-based electrocardiogram interpretation 2025 Sep-Oct, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.154048 PMID:40527225	研究论文	本研究评估基于人工智能的心电图解释（AI-ECG）在检测和预测肌营养不良患者左心室收缩功能障碍（LVSD）中的应用	首次使用卷积神经网络（CNN）分析心电图数据，为非侵入性筛查肌营养不良患者LVSD提供替代方案，并展示其预测新发LVSD的潜力	研究局限于单中心数据，尚未进行外部验证，且未涵盖儿科患者群体	开发并验证AI-ECG作为肌营养不良患者LVSD筛查和预测工具	肌营养不良患者，包括杜兴型（DMD）、贝克尔型（BMD）、肢带型肌营养不良（LGMD）、强直性肌营养不良（MD）及女性DMD/BMD携带者	数字病理	肌营养不良	心电图（ECG）和超声心动图	CNN（卷积神经网络）	心电图信号	推导队列包含30,978名患者的53,874对ECG-超声心动图数据；测试集包含390名肌营养不良患者的390对数据
1054	2025-09-14	Development of a deep learning-based automated diagnostic system (DLADS) for classifying mammographic lesions - a first large-scale multi-institutional clinical trial in Japan 2025-Sep, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01741-3 PMID:40608200	研究论文	开发并验证了日本首个基于深度学习的乳腺X线摄影AI辅助诊断系统（DLADS），用于自动分类乳腺病变	首次在日本大规模多机构临床研究中构建并验证针对日本女性的乳腺AI-CADx系统，解决了西方AI系统在亚洲人群有效性未充分验证的问题	回顾性研究设计，前瞻性验证尚未完成，样本仅来自日本人群	建立针对日本女性的乳腺X线摄影AI辅助诊断系统，并验证其诊断乳腺癌的敏感性和特异性	日本女性乳腺X线摄影图像，包括乳腺癌、良性和正常样本	计算机视觉	乳腺癌	乳腺X线摄影，深度学习	SE-ResNet，滑动窗口算法	医学图像（乳腺X线摄影）	11,450名日本女性，20,638张乳腺X线图像（5,019例癌症，5,026例良性，10,593例正常）
1055	2025-09-14	A generative adversarial network to improve integrated mode proton imaging resolution using paired proton-carbon data 2025-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.18081 PMID:40926569	研究论文	提出一种基于配对质子-碳数据的生成对抗网络，用于提升集成模式质子成像的空间分辨率	利用配对质子-碳数据训练条件生成对抗网络，实现数据驱动的空间变异点扩散函数去卷积操作	观察到部分噪声增加	提高集成模式质子放射成像的空间分辨率	质子铅笔束图像与碳离子束图像的配对数据	医学影像处理	NA	生成对抗网络(GAN)	条件生成对抗网络(cGAN)	图像	547,224对质子-碳图像，使用马尔堡离子治疗中心的闪烁探测器采集
1056	2025-09-14	Neuroimaging Data Informed Mood and Psychosis Diagnosis Using an Ensemble Deep Multimodal Framework 2025-Sep, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70347 PMID:40927869	研究论文	本研究开发了一种集成深度多模态框架，利用神经影像数据改进情绪和精神病诊断的分类	整合多模态神经影像数据（fMRI与结构MRI），采用集成方法、深度学习和数据融合技术，将神经影像与症状分类结合，识别生物同质群体并减少标签噪声	NA	改进精神疾病的分类方法，通过生物标志物增强现有症状分类系统的准确性	情绪和精神病类别的患者神经影像数据	机器学习	精神疾病	fMRI, 结构MRI	深度卷积框架, 集成学习(bagging)	神经影像数据	NA
1057	2025-09-14	A Review on Biomarker-Enhanced Machine Learning for Early Diagnosis and Outcome Prediction in Ovarian Cancer Management 2025-Sep, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71224 PMID:40927964	综述	本文综述了生物标志物增强的机器学习在卵巢癌早期诊断和预后预测中的应用与进展	整合多模态生物标志物数据与机器学习模型，显著提升诊断准确性和预后预测能力	样本量较小、缺乏外部验证、未包含影像/基因组数据	评估生物标志物驱动的机器学习模型在卵巢癌早期检测、风险分层和治疗规划中的作用	卵巢癌患者及相关生物标志物数据	机器学习	卵巢癌	多模态数据整合（包括肿瘤标志物、炎症、代谢和血液学参数）	Random Forest, XGBoost, Neural Networks, RNNs	临床和生物标志物数据	基于17项研究的综合数据（具体样本量未明确说明）
1058	2025-09-14	Automated quantification of lung pathology on micro-CT in diverse disease models using deep learning 2025-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105904 PMID:40886406	研究论文	开发基于深度学习的通用肺部分割模型，用于自动化定量分析多种疾病模型中的肺部病理微CT图像	提出结合2D多方向切片预测的2.5D概率平均模型，显著提升分割精度并展示跨疾病模型、扫描配置和啮齿类物种的强泛化能力	NA	提升微CT大数据集分析效率，实现肺部病理的自动化定量监测	啮齿类动物（大鼠、仓鼠、八齿鼠）的肺部微CT图像	数字病理学	肺部疾病	微CT成像	深度学习（2D CNN结合2.5D概率平均）	图像（微CT轴向、冠状、矢状切片）	多研究纵向数据（包括唐氏综合症、病毒/真菌感染、COVID-19、肺部炎症和纤维化等模型）及公开数据库
1059	2025-09-14	Improving age prediction using ECG signals: Insights into lifestyle impacts 2025 Sep-Oct, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.154083 PMID:40716194	研究论文	本研究通过改进ECG信号预处理技术和深度学习模型，提升心脏年龄预测精度，并分析生活方式对心血管健康的影响	提出结合Butterworth带通滤波和双曲正切变换的新型预处理方法，并引入容忍标签噪声的训练机制	NA	提高基于ECG的心脏年龄预测准确性，并探索生活方式因素与心脏老化的关系	人类ECG信号及关联的生活方式数据	机器学习	心血管疾病	ECG信号处理，深度学习	深度学习模型	ECG信号，行为信息	PTB-XL、PLHDB和AISDB数据库中的ECG记录和行为数据
1060	2025-09-14	A Comparative Analysis of the Mamba, Transformer, and CNN Architectures for Multi-Label Chest X-Ray Anomaly Detection in the NIH ChestX-Ray14 Dataset 2025-Sep-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172215 PMID:40941702	研究论文	比较Mamba、Transformer和CNN架构在NIH ChestX-Ray14数据集上的多标签胸部X光异常检测性能	首次对CNN、Transformer和Mamba架构在胸部X光异常检测任务上进行统一比较，并发现混合架构（特别是ConvFormer、CaFormer和EfficientNet）在常见和罕见病理中表现最优	研究仅限于单一数据集（NIH ChestX-ray14），未在其他数据集或临床环境中验证模型泛化能力	比较不同深度学习架构在胸部X光异常检测中的性能差异	胸部X光图像中的14种胸部疾病异常	计算机视觉	胸部疾病	深度学习	CNN, Transformer, Mamba, ConvFormer, CaFormer, EfficientNet	图像	112,120张标注的胸部X光图像