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
1061	2025-09-14	EoML-SlideNet: A Lightweight Framework for Landslide Displacement Forecasting with Multi-Source Monitoring Data 2025-Sep-01, Sensors (Basel, Switzerland) DOI:10.3390/s25175376 PMID:40942805	研究论文	提出一种轻量级框架EoML-SlideNet，用于基于多源监测数据的滑坡位移预测	引入FLOPs作为评估指标，设计双波段Lasso增强潜变量模块进行特征选择，实现边缘设备部署的低复杂度高精度预测	仅针对广西喀斯特地形降雨诱发浅层滑坡，未提及其他地质条件或灾害类型的适用性	开发适用于资源受限硬件的滑坡位移预测框架，提升预警响应速度	广西喀斯特地形降雨诱发的浅层滑坡	machine learning	NA	多传感器监测，LASSO，VIF筛选，自回归模型，轻量神经网络	DBLE-LV模块，自回归模型，轻量神经网络	多源监测数据（位移，降雨等时序数据）	基于广西喀斯特地形特定站点的多传感器数据集（具体数量未提及）
1062	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Aug-31, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1063	2025-09-14	FracFusionNet: A Multi-Level Feature Fusion Convolutional Network for Bone Fracture Detection in Radiographic Images 2025-Aug-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172212 PMID:40941699	研究论文	提出一种用于X射线图像骨折检测的多层次特征融合卷积神经网络模型FracFusionNet	设计了一种能够捕获并整合低层级和高层级图像特征的新型CNN架构	NA	通过深度学习提高医学影像中骨折诊断的精确度	骨骼骨折	计算机视觉	骨科疾病	深度学习	CNN	图像	基于Bone Fracture Multi-Region X-ray (BFMRX)数据集
1064	2025-09-14	An Artificial Intelligence-Based Melt Flow Rate Prediction Method for Analyzing Polymer Properties 2025-Aug-31, Polymers IF:4.7Q1 DOI:10.3390/polym17172382 PMID:40942301	研究论文	提出一种基于人工智能的熔体流动速率预测方法，用于实时分析聚合物性能	结合集成模型KELM和RVFL，并利用鹈鹕优化算法进行优化，显著提升预测精度	NA	开发实时聚合物质量监测的AI解决方案	聚合物样本	机器学习	NA	机器学习	KELM, RVFL, POA	结构化数据	1044个聚合物样本
1065	2025-09-14	Effectiveness of Multi-Layer Perceptron-Based Binary Classification Neural Network in Detecting Breast Cancer Through Nine Human Serum Protein Markers 2025-Aug-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17172832 PMID:40940928	研究论文	本研究开发了一种基于九种血清蛋白标志物的多层感知器神经网络模型，用于乳腺癌的二元分类检测	将原有的三蛋白标志物扩展至九蛋白标志物，并采用人工智能深度学习模型确定cutoff值，显著提升了乳腺癌检测的准确率	样本量相对有限（共465例），未提及模型在其他人群或独立数据集中的验证情况	评估九蛋白血清标志物签名在乳腺癌检测中的临床敏感性和特异性	243名健康对照者和222名乳腺癌患者的血清样本	机器学习	乳腺癌	质谱多重反应监测（mass spectrometry with multiple reaction monitoring）	多层感知器（MLP）神经网络	蛋白质定量数据	465例样本（243健康对照，222乳腺癌患者）
1066	2025-09-14	Integrating Artificial Intelligence in Bronchoscopy and Endobronchial Ultrasound (EBUS) for Lung Cancer Diagnosis and Staging: A Comprehensive Review 2025-Aug-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17172835 PMID:40940931	综述	本文全面回顾了人工智能在支气管镜和支气管内超声（EBUS）中用于肺癌诊断和分期的整合应用	探讨AI在多种支气管镜成像模式（如白光成像、自体荧光支气管镜和光谱技术）及EBUS淋巴结评估中的创新性辅助作用，旨在提升病变检测和诊断一致性	当前证据主要基于小型、回顾性、单中心数据集，缺乏外部验证和代码可重复性，且未在实际临床工作流程中得到验证	评估AI作为辅助工具在肺癌诊断和分期中的潜力和挑战	肺癌患者通过支气管镜和EBUS进行的诊断与分期过程	数字病理	肺癌	深度学习	深度学习模型（未指定具体类型）	医学影像（白光成像、自体荧光图像、光谱数据）及超声影像	NA（基于小型数据集，但未提供具体样本数量）
1067	2025-09-14	Comparative Analysis of Diagnostic Performance Between Elastography and AI-Based S-Detect for Thyroid Nodule Detection 2025-Aug-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172191 PMID:40941678	研究论文	比较弹性成像与基于AI的S-Detect在甲状腺结节良恶性鉴别中的诊断性能	首次系统比较传统弹性成像技术与深度学习辅助诊断软件S-Detect在甲状腺结节诊断中的临床效用	单中心回顾性研究，样本量有限可能影响结果泛化性	评估两种技术区分甲状腺结节良恶性的诊断效能	159名甲状腺结节患者（30-83岁）	医学影像分析	甲状腺疾病	超声弹性成像、深度学习计算机辅助诊断	深度学习模型（具体架构未说明）	超声灰度图像	159例患者（101例良性，58例恶性）
1068	2025-09-14	Efficient Navigable Area Computation for Underground Autonomous Vehicles via Ground Feature and Boundary Processing 2025-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s25175355 PMID:40942784	研究论文	提出一种基于地面特征和边界处理的地下自动驾驶车辆可通行区域计算方法	通过点云实时校正、二维网格映射和自适应边界补全三步骤，解决地下矿井光照差、水雾粉尘等恶劣环境下的边界检测难题，并集成时序上下文确保边界连续性	依赖规则式方法，在深度学习失效时提供安全冗余，但未明确说明在极端环境下的鲁棒性极限	实现地下煤矿无轨胶轮车辆的精确边界检测与防碰撞	地下矿井自动驾驶车辆	计算机视觉	NA	LiDAR点云处理、网格映射、时序上下文集成	规则式方法（非深度学习）	点云数据、二维网格地图	真实地下车辆数据集（未明确数量）
1069	2025-09-14	Artificial Intelligence-Assisted Biparametric MRI for Detecting Prostate Cancer-A Comparative Multireader Multicase Accuracy Study 2025-Aug-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14176111 PMID:40943871	研究论文	评估AI辅助双参数MRI在检测前列腺癌中的诊断准确性，并与多参数MRI进行比较	首次系统比较AI辅助双参数MRI与标准多参数MRI在前列腺癌检测中的表现，并分析不同经验水平放射科医生的诊断差异	单中心回顾性研究，样本量相对有限（105例），需要多中心前瞻性研究验证	评估AI辅助双参数MRI替代多参数MRI检测前列腺癌的可行性	疑似前列腺癌的男性患者	数字病理	前列腺癌	深度学习网络，MRI成像	sequential deep learning network	医学影像	105名男性患者（平均年龄66±7岁）
1070	2025-09-14	ESPWA: a deep learning-enabled tool for precision-based use of endocrine therapy in resource-limited settings 2025-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672012 PMID:40909747	研究论文	开发了一种基于深度学习的工具ESPWA，用于在资源有限环境中从H&E染色全玻片图像预测乳腺癌雌激素受体状态，以指导内分泌治疗的精准使用	利用弱监督注意力多实例学习直接从H&E图像预测ER状态，无需额外免疫组化检测，特别针对低收入和中等收入国家场景优化	模型性能可能受数据集域偏移影响，泛化到其他地区或人群需进一步验证	解决资源有限地区乳腺癌患者内分泌治疗精准化应用的挑战	乳腺癌患者的H&E染色全玻片图像及匹配的ER状态数据	数字病理学	乳腺癌	深度学习，弱监督注意力多实例学习，全玻片成像分析	多实例学习模型	图像	两个队列：TCGA（n=1085）和海地Zanmi Lasante（n=3448）
1071	2025-09-14	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Aug-28, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究开发了一种结合高光谱成像和深度学习的方法，用于无标记分类纳米药物递送系统	首次将3D CNN与SMOTE技术结合用于无标记高光谱成像分类，实现了99.16%的分类准确率	研究仅针对脂质体进行验证，未涉及其他类型的纳米载体	开发一种无标记、非侵入性的纳米药物载体分类方法	治疗性脂质体（对照组和阿霉素负载脂质体）	计算机视觉	NA	高光谱成像（HSI）、暗场成像、主成分分析（PCA）	3D CNN、SMOTE	高光谱图像	未明确说明具体样本数量，但提及存在类别不平衡问题
1072	2025-09-14	Enhanced Breast Cancer Diagnosis Using Multimodal Feature Fusion with Radiomics and Transfer Learning 2025-Aug-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172170 PMID:40941663	研究论文	本研究通过融合放射组学特征和深度学习特征，开发了一种多模态特征融合方法，以提高乳腺癌诊断的准确性和鲁棒性	结合放射组学特征与深度学习特征构建统一多模态特征空间，并系统比较了13种预训练迁移学习模型在乳腺癌分类中的表现	研究仅基于CBIS-DDSM数据集，未来需要整合更多模态数据（如临床数据、基因组信息）来提升模型泛化能力	提高乳腺癌诊断的准确性和模型鲁棒性，克服数据有限和过拟合等挑战	乳腺癌医学影像数据	计算机视觉	乳腺癌	放射组学特征提取、迁移学习、数据增强	ResNet, DenseNet, InceptionV3, MobileNet, VGG	医学影像	基于CBIS-DDSM数据集的样本
1073	2025-09-14	Mapping the Complicated Relationship Between a Temperature Field and Cable Tension by Using Composite Deep Networks and Real Data with Additional Geometric Information 2025-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s25175346 PMID:40942775	研究论文	使用复合深度网络和含几何信息的真实数据，建立温度场与斜拉桥索力之间的复杂映射回归模型	提出结合CNN和LSTM的复合神经网络结构，并联合考虑几何兼容性与力学平衡，输入温度场和主梁温度挠度回归值两组数据	模型在曲线拐点处的非线性和数据分布的复杂性尚未解决，可能影响稳定性	建立高精度回归模型，获取斜拉桥索力基准以监测电缆损伤	斜拉桥的电缆张力与温度场关系	机器学习	NA	深度学习，回归分析	CNN, LSTM	温度场数据，几何变形数据	NA
1074	2025-09-14	From Data to Diagnosis: A Novel Deep Learning Model for Early and Accurate Diabetes Prediction 2025-Aug-27, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13172138 PMID:40941490	研究论文	提出一种新型深度学习模型TIPNet，用于早期准确预测糖尿病	设计时序初始感知器网络(TIPNet)，结合自适应合成过采样策略和可解释AI技术，提升模型性能与可解释性	NA	开发高精度、可解释的糖尿病早期预测工具	糖尿病健康指标数据	机器学习	糖尿病	深度学习，自适应合成过采样，可解释人工智能	TIPNet (时序初始感知器网络)	结构化健康指标数据	253,680个实例，22个特征
1075	2025-09-14	BiU-Net: A Biologically Informed U-Net for Genotype Imputation 2025-Aug-26, Research square DOI:10.21203/rs.3.rs-6797863/v1 PMID:40909775	研究论文	提出一种结合生物学信息的U-Net模型BiU-Net，用于基因型插补以提高全基因组关联研究的统计效力	通过分割基因型数据并编码位置信息来保留基因组上下文，解决了小数据集中罕见变异插补的难题	NA	开发参考基因组无关的深度学习方法，提升复杂基因组区域和群体不匹配情况下的基因型插补性能	人类基因型数据	机器学习	NA	基因型插补	U-Net	基因型数据	1000 Genomes Project、Louisiana Osteoporosis Study和Simons Genome Diversity Project数据集
1076	2025-09-14	Artificial Intelligence in Ocular Transcriptomics: Applications of Unsupervised and Supervised Learning 2025-Aug-26, Cells IF:5.1Q2 DOI:10.3390/cells14171315 PMID:40940727	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1077	2025-09-14	Deep Learning for Cervical Spine Radiography: Automated Measurement of Intervertebral and Neural Foraminal Distances 2025-Aug-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172162 PMID:40941650	研究论文	本研究提出了一种基于深度学习的自动化方法，用于定位颈椎X光片中的椎体并测量椎间孔距离	使用YOLOv8实现颈椎自动定位与分割，在C7椎体识别上达到100%准确率，相比现有方法提升66.67%	NA	开发自动化颈椎X光分析系统，提高诊断效率和准确性	颈椎X光影像中的C2-C7椎体	计算机视觉	颈椎退行性疾病	图像增强，YOLOv8目标检测	YOLOv8	X光影像	NA
1078	2025-09-14	A Rapid Segmentation Method Based on Few-Shot Learning: A Case Study on Roadways 2025-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s25175290 PMID:40942720	研究论文	提出一种基于少样本学习的快速道路图像分割方法，降低部署成本并提升跨场景适应性	结合反向投影模块和分割模块，引入同时考虑正负样本的学习机制，无需迁移学习即可实现跨场景快速分割	NA	降低道路图像分割模型的部署成本与资源需求	道路图像	计算机视觉	NA	少样本学习	基于模块化设计的深度学习模型（含BPM和SM模块）	图像	少量本地道路图像提示样本
1079	2025-09-14	Multi-Scale Attention Networks with Feature Refinement for Medical Item Classification in Intelligent Healthcare Systems 2025-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s25175305 PMID:40942733	研究论文	提出一种结合EfficientDet、BiFormer和ResNet的混合深度学习框架，用于智能医疗系统中医疗物品的多尺度检测与细粒度分类	集成双向特征金字塔网络（BiFPN）、双层级路由注意力机制以及三元组损失与在线难负样本挖掘（OHNM）的ResNet-18，实现多尺度检测与空间上下文优化	NA	提升智能医疗系统中医疗物品（如药品和急救物资）的识别与分类精度，以保障库存完整性和资源可及性	医疗物品（药品、急救物资等）的图像	计算机视觉	NA	深度学习，目标检测，图像分类	EfficientDet-BiFormer-ResNet（混合架构）	图像	超过5000张在不同光照、遮挡和摆放条件下采集的医疗物品图像
1080	2025-09-14	Metaheuristic-Driven Feature Selection for Human Activity Recognition on KU-HAR Dataset Using XGBoost Classifier 2025-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s25175303 PMID:40942734	研究论文	本研究提出基于元启发式算法增强的XGBoost分类器框架，用于KU-HAR数据集上的人类活动识别	首次将Golden Jackal Optimization和War Strategy Optimization两种元启发式算法与XGBoost结合用于特征选择	仅使用单一数据集进行验证，缺乏在其他HAR数据集上的泛化性测试	开发高效的特征选择方法以提高人类活动识别的准确性和效率	智能手机加速度计和陀螺仪传感器采集的人类活动数据	机器学习	NA	元启发式算法，特征选择，10折交叉验证	XGBoost, GJO-XGB, WARSO-XGB	传感器时序数据	KU-HAR数据集（具体样本数未明确说明）