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
11521	2025-10-07	Exploring Potential Medications for Alzheimer's Disease with Psychosis by Integrating Drug Target Information into Deep Learning Models: A Data-Driven Approach 2025-Feb-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26041617 PMID:40004081	研究论文	本研究通过将药物靶点信息整合到DeepBiomarker深度学习模型中，探索阿尔茨海默病伴精神病症状的潜在治疗药物	首次将药物靶点相互作用信息整合到深度学习模型中用于AD+P的药物发现	使用单一医疗中心的电子健康记录数据，可能存在数据代表性限制	改善精神病症状预测并识别AD+P的潜在治疗药物	阿尔茨海默病伴精神病症状患者	机器学习	阿尔茨海默病	深度学习，药物靶点相互作用分析	DeepBiomarker	电子健康记录	匹兹堡大学医学中心的患者数据	NA	DeepBiomarker	AUROC	NA
11522	2025-10-07	Leveraging Artificial Occluded Samples for Data Augmentation in Human Activity Recognition 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041163 PMID:40006391	研究论文	提出一种通过人工移除骨架表示中身体部位来模拟遮挡的数据增强方法，用于人类活动识别	与先前专注于旋转骨架的数据增强方法不同，本方法通过模拟遮挡来增加数据多样性	NA	解决人类活动识别中训练数据有限和多样性不足的问题	骨架表示的人类活动数据	计算机视觉	NA	数据增强	深度学习模型	骨架数据	NA	NA	NA	识别性能	NA
11523	2025-10-07	Advancing Emotionally Aware Child-Robot Interaction with Biophysical Data and Insight-Driven Affective Computing 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041161 PMID:40006397	研究论文	本研究通过整合生物物理数据和情感计算技术，开发能够动态识别和响应人类情绪状态的情感感知系统，以提升儿童-机器人交互的情感意识	结合神经科学、心理学和人工智能的跨学科见解，开发了能够实时检测和处理负面情绪的自适应系统，并在真实儿童-机器人交互场景中验证了情绪转换效果	仅进行了初步试点研究，样本规模有限，需要更大规模的验证	开发情感感知机器以增强儿童-机器人交互，支持治疗和教育干预	儿童与NAO机器人之间的交互	情感计算	NA	面部表情分析、语音情感识别、生物物理数据采集	深度学习、机器学习、Dynamic Bayesian Mixture Model	面部图像、语音数据、生物物理信号	试点研究，具体样本数未明确说明	NA	DBMM（动态贝叶斯混合模型）	准确率	NA
11524	2025-10-07	Optimized Machine Learning for the Early Detection of Polycystic Ovary Syndrome in Women 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041166 PMID:40006393	研究论文	本研究开发了一种优化的机器学习模型用于多囊卵巢综合征的早期检测	提出了一种结合七种基础分类器的集成学习模型，并使用海象优化算法进行超参数优化	NA	基于初期症状和健康指标实现多囊卵巢综合征的早期诊断	女性多囊卵巢综合征患者	机器学习	多囊卵巢综合征	机器学习	集成学习,深度学习	症状和健康指标数据	合并两个数据集形成的包含12个属性的症状数据集	NA	WaOEL, CSOEL, RSOEL	准确率,AUC	NA
11525	2025-10-07	Improving Fall Classification Accuracy of Multi-Input Models Using Three-Axis Accelerometer and Heart Rate Variability Data 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041180 PMID:40006408	研究论文	本研究提出了一种利用三轴加速度计和心率变异性数据的多输入模型，用于提高老年人跌倒分类的准确性	结合压力反射特性，首次将心率变异性数据作为额外权重值应用于跌倒分类，并提出基于宽学习和深度学习的多输入模型	在两种运动类型中未观察到心率变异性增加，模型性能可能受特定运动模式影响	提高老年人跌倒分类的准确性，实现有效的跌倒预防	老年人的15种不同运动模式，包括跌倒和从椅子站起等动作	机器学习	老年疾病	三轴加速度传感器、霍尔特心电图、心率变异性分析	CNN-LSTM, 宽学习模型	传感器数据（加速度、心电图）	涉及15种不同运动类型的数据	NA	CNN-LSTM, 宽学习和深度学习结合的多输入模型	准确率, 精确率, 召回率, F1分数	NA
11526	2025-10-07	Data Reconstruction Methods in Multi-Feature Fusion CNN Model for Enhanced Human Activity Recognition 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041184 PMID:40006413	研究论文	提出一种基于多特征融合CNN模型的数据重建方法，用于增强人类活动识别性能	采用三种不同的数据重建方法构建多输入二维CNN架构，通过融合重建图像特征增强特征提取能力	在自定义HAR数据集上进行验证，未在更多公共数据集上测试泛化能力	改进基于深度学习的人类活动识别方法，提高识别准确性和鲁棒性	人类活动识别中的加速度计数据	机器学习	NA	数据重建方法，特征融合	CNN	一维加速度计数据，二维重建图像	自定义HAR数据集	NA	多输入二维CNN	准确率，精确率，召回率	NA
11527	2025-10-07	A Projective-Geometry-Aware Network for 3D Vertebra Localization in Calibrated Biplanar X-Ray Images 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041123 PMID:40006352	研究论文	提出一种投影几何感知网络ProVLNet，用于在标定双平面X射线图像中定位3D椎骨	首次将投影几何信息融入双平面X射线图像的3D椎骨定位，通过空间对齐融合模块在3D空间中融合2D特征	NA	解决X射线引导脊柱手术中3D导航精度不足的问题	腰椎和胸椎椎骨	计算机视觉	脊柱疾病	双平面X射线成像	深度学习网络	X射线图像	两个具有挑战性的数据集（腰椎和胸椎）	NA	Siamese网络, 空间对齐融合模块, 3D地标回归模块	识别率, 点对点误差	NA
11528	2025-10-07	A Novel Improvement of Feature Selection for Dynamic Hand Gesture Identification Based on Double Machine Learning 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041126 PMID:40006355	研究论文	本研究提出了一种基于双重机器学习的新型特征选择方法，用于动态手势识别	将因果机器学习引入特征选择过程，关注变量间的因果关系而非传统相关性	NA	通过因果特征选择提高手势识别模型的性能和可解释性	动态手势识别	机器学习	NA	双重机器学习	多种分类模型	手势数据	NA	NA	NA	预测性能, 可靠性	NA
11529	2025-10-07	A Multimodal Deep Learning Approach to Intraoperative Nociception Monitoring: Integrating Electroencephalogram, Photoplethysmography, and Electrocardiogram 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041150 PMID:40006379	研究论文	提出一种整合脑电图、光电容积脉搏波和心电图信号的多模态深度学习方法用于术中伤害性感受监测	首次将EEG、PPG和ECG三种信号整合用于伤害性感受监测，并比较了MLP和LSTM两种深度学习模型在麻醉监测中的表现	LSTM模型对快速变化的敏感性较低，研究仅在两家医院进行	开发基于多模态信号的深度学习方法以改进全身麻醉期间的伤害性感受监测	接受全身麻醉的手术患者	机器学习	NA	EEG, PPG, ECG	MLP, LSTM	生理信号数据	来自两家医院的患者数据	NA	多层感知器, 长短期记忆网络	敏感性	NA
11530	2025-10-07	Discrimination of the Lame Limb in Horses Using a Machine Learning Method (Support Vector Machine) Based on Asymmetry Indices Measured by the EQUISYM System 2025-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s25041095 PMID:40006323	研究论文	本研究开发了一种基于支持向量机的预测系统，用于识别马匹在直线小跑时的跛行肢体	首次将支持向量机与EQUISYM系统测量的不对称指数相结合，用于马匹跛行肢体的自动识别	对健康马匹的识别准确率较低（54.8%），存在前肢与后肢跛行之间的误分类	开发马匹跛行肢体的自动识别系统	马匹	机器学习	运动系统疾病	惯性测量单元	SVM	运动传感器数据	287匹马（256匹单肢跛行，31匹健康）	NA	支持向量机	准确率	NA
11531	2025-10-07	CFR-YOLO: A Novel Cow Face Detection Network Based on YOLOv7 Improvement 2025-Feb-11, Sensors (Basel, Switzerland) DOI:10.3390/s25041084 PMID:40006313	研究论文	提出了一种基于YOLOv7改进的新型牛脸检测网络CFR-YOLO，用于提高牛脸检测精度	通过提取牛脸特征点计算框重心和尺寸设计检测网络，使用FReLU激活函数替代SiLU，CBF模块替代CBS模块，在骨干网络引入RFB模块，在头部层引入CBAM卷积注意力模块	NA	探索牛脸检测技术在牛个体检测中的应用，提高检测准确率	牛脸图像	计算机视觉	NA	深度学习	YOLO	图像	自建牛脸数据集	NA	YOLOv7改进架构，包含RFB模块，CBAM注意力模块	准确率，召回率，平均精度(mAP)	NA
11532	2025-10-07	Decision Fusion-Based Deep Learning for Channel State Information Channel-Aware Human Action Recognition 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041061 PMID:40006290	研究论文	提出基于决策融合的深度学习架构DF-CNN，用于WiFi信道状态信息(CSI)的人体动作识别	首次将CSI信道分别处理并通过决策融合策略整合输出，充分利用信道特定信息	未明确说明实验环境和数据集的规模限制	提升基于CSI的人体动作识别性能	WiFi信道状态信息(CSI)	机器学习	NA	WiFi信道状态信息采集	CNN	无线信号数据	NA	NA	DF-CNN	准确率	NA
11533	2025-10-07	Research on Upper Limb Motion Intention Classification and Rehabilitation Robot Control Based on sEMG 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041057 PMID:40006285	研究论文	基于表面肌电信号的上肢运动意图分类及其在康复机器人控制中的应用研究	结合上肢肌肉解剖学与运动学原理建立肌肉骨骼模型，并采用多流卷积神经网络进行九类运动意图分类	未明确说明样本规模和数据采集条件，模型泛化能力需进一步验证	实现基于sEMG的上肢运动意图识别并应用于康复机器人交互控制	上肢运动意图和末端执行器康复机器人	生物医学工程	康复医学	表面肌电信号(sEMG)	传统机器学习,深度学习,CNN	肌电信号	NA	OpenSim	多流卷积神经网络(MLCNN)	分类准确率,运动平滑度,运动精度	NA
11534	2025-10-07	CLUMM: Contrastive Learning for Unobtrusive Motion Monitoring 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041048 PMID:40006277	研究论文	提出一种基于对比学习的无干扰运动监测框架，用于从原始图像中学习丰富表示而无需人工标注	利用对比学习方法直接从原始图像学习人体运动表示，通过关注制造任务相关的关键关节坐标来降低环境复杂性影响	使用模拟工作场所任务的自定义数据集，可能无法完全代表真实工作环境	开发无干扰的实时人体运动监测系统	在制造环境中执行任务的人类受试者	计算机视觉	NA	对比学习	深度学习	图像	模拟各种工作场所任务的人类受试者自定义数据集	NA	对比学习框架	准确率	NA
11535	2025-10-07	Conotoxins: Classification, Prediction, and Future Directions in Bioinformatics 2025-Feb-09, Toxins IF:3.9Q1 DOI:10.3390/toxins17020078 PMID:39998095	综述	本文探讨机器学习与深度学习在芋螺毒素分类、预测和生物信息学研究中的应用进展	系统比较了关键数据库、特征提取技术和分类模型，并提出整合多模态数据和改进预测框架的未来方向	NA	推动芋螺毒素的计算分类、功能预测和新型肽设计研究	芋螺毒素（来自芋螺毒液的二硫键丰富肽类家族）	生物信息学	NA	机器学习，深度学习	NA	序列数据，多模态数据	NA	NA	NA	NA	NA
11536	2025-10-07	A Novel Deep Learning-Based (3D U-Net Model) Automated Pulmonary Nodule Detection Tool for CT Imaging 2025-Feb-08, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32020095 PMID:39996895	研究论文	开发基于3D U-Net的深度学习算法，用于CT影像中肺结节的自动检测	提出新型3D U-Net模型用于肺结节自动检测，并在多机构数据集上进行验证	NA	开发辅助放射科医生进行肺结节检测的自动化工具	CT扫描中的肺结节	计算机视觉	肺癌	CT成像	3D U-Net	CT影像	491次扫描，包含5669个经放射科医生标注的肺结节	NA	3D U-Net	灵敏度, 假阳性率, FROC曲线, CPM分数, 特异性	NA
11537	2025-10-07	Retinal Arteriovenous Information Improves the Prediction Accuracy of Deep Learning-Based baPWV Index From Color Fundus Photographs 2025-Feb-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.63 PMID:39998460	研究论文	本研究通过深度学习模型从彩色眼底照片预测肱踝脉搏波传导速度，并验证视网膜动静脉信息对预测准确性的提升效果	首次将视网膜动静脉概率图作为通道注意力机制应用于baPWV预测，基于改进的深度U-net架构HURVS模型自动提取血管分割信息	回顾性研究设计，样本量相对有限（696名参与者），未进行外部验证	比较不同深度学习模型从彩色眼底照片预测baPWV的准确性	696名接受健康检查的参与者，收集其baPWV测量值和彩色眼底照片	计算机视觉	心血管疾病	彩色眼底摄影，视网膜血管分割	U-net, 深度卷积神经网络	图像	696名参与者	NA	深度U-net, HURVS模型	相关系数R	NA
11538	2025-05-11	Automated Detection of Retinal Detachment Using Deep Learning-Based Segmentation on Ocular Ultrasonography Images 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.26 PMID:40014336	research paper	开发了一种基于深度学习的自动化流程，用于从B型眼超声图像中检测视网膜脱离	提出了一种结合编码器-解码器分割网络和机器学习分类器的计算流程，显著提高了视网膜脱离的检测性能	样本量相对较小，仅包含279张B型眼超声图像	提高视网膜脱离在B型眼超声图像中的自动化检测准确率	B型眼超声图像中的视网膜脱离	digital pathology	retinal detachment	deep learning-based segmentation	encoder-decoder segmentation network, ResNet-50, MobileNetV3, UNet	image	279张B型眼超声图像（来自204名患者，包括66张视网膜脱离图像、36张后玻璃体脱离图像和177张健康对照图像）	NA	NA	NA	NA
11539	2025-10-07	Biomechanical Risk Classification in Repetitive Lifting Using Multi-Sensor Electromyography Data, Revised National Institute for Occupational Safety and Health Lifting Equation, and Deep Learning 2025-Feb-01, Biosensors DOI:10.3390/bios15020084 PMID:39996986	研究论文	本研究结合多传感器肌电数据、修订版NIOSH举重方程和深度学习技术，开发了重复举重任务中的生物力学风险分类系统	首次将可穿戴EMG传感器与深度学习模型相结合，实现精确、实时的动态风险评估	样本量相对较小（25名参与者），研究环境为受控实验室条件	开发准确的生物力学风险评估方法以改善职业安全	重复举重任务中的肌肉活动和风险水平	机器学习	职业性肌肉骨骼疾病	肌电图（EMG），修订版NIOSH举重方程（RNLE）	CNN, MLP, LSTM	时间序列EMG数据	25名参与者，超过700万个数据点	NA	卷积神经网络，多层感知机，长短期记忆网络	精确度，召回率	NA
11540	2025-10-07	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	研究论文	本研究开发了一种基于深度学习的自动CT肾脏体积测量方法，用于预测前列腺癌患者在接受177Lu-PSMA-I&T放射性配体治疗后肾功能下降的风险	首次将基于nnU-Net框架的深度学习模型TotalSegmentator应用于标准护理CT图像的自动肾脏体积测量，并证明其在预测肾功能恶化方面优于传统参数	回顾性研究设计，样本量相对有限（121例患者），仅包含接受至少4个治疗周期的患者	识别接受Lu-PSMA-I&T放射性配体治疗患者肾功能显著恶化的预测标志物	转移性去势抵抗性前列腺癌患者	数字病理	前列腺癌	CT成像，深度学习分割	深度学习	CT图像	121例患者（平均年龄76±7岁）	nnU-Net	TotalSegmentator	AUC, 敏感性, 特异性	NA