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	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
11522	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
11523	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
11524	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
11525	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
11526	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
11527	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
11528	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
11529	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
11530	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
11531	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
11532	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
11533	2025-10-07	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	综述	本文系统综述了基于人工智能的微创手术器械分割方法的研究进展与发展前景	深入分析了基于Segment Anything Model的方法，并对训练算法监督方法、网络结构改进和注意力机制进行了系统总结	NA	总结微创手术器械分割技术的研究现状并展望未来发展	微创手术器械分割方法	计算机视觉	NA	深度学习	NA	内窥镜图像，手术视频	NA	NA	Segment Anything Model	NA	NA
11534	2025-10-07	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本研究提出基于深度学习的超分辨率技术，将厚层CT图像转换为薄层CT图像，以提高肺结节表征的准确性	首次将深度学习超分辨率技术应用于CT图像层厚优化，显著提升AI肺结节分类准确率	未说明研究样本的具体来源和多样性，缺乏多中心验证	提高肺结节体积测量和分类的准确性	肺结节	计算机视觉	肺癌	CT成像	深度学习	CT图像	NA	NA	超分辨率网络	分类准确率	NA
11535	2025-10-07	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	提出一种用于超声图像脾脏分割的混合深度学习框架	首次提出结合SegFormer和Pix2Pix的两阶段训练方法，并创建了该领域首个脾脏超声图像数据集Spleenex	NA	改进超声图像中的脾脏分割精度	脾脏超声图像	计算机视觉	NA	超声成像	CNN, GAN	图像	450张脾脏超声图像	NA	SegFormerB0, Pix2Pix	mIoU, mDice, MPLE	NA
11536	2025-10-07	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	综述	本文全面分析了基于人工智能的口腔癌检测方法，重点关注深度学习模型和图像处理技术	提供了对最新AI方法在口腔癌检测中的综合分析，包括卷积神经网络等深度学习模型	NA	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌检测方法和技术	计算机视觉	口腔癌	图像预处理，图像分割，特征提取	CNN	医学图像	NA	NA	卷积神经网络	分类准确率	NA
11537	2025-10-07	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	提出一种基于投票回归器的混合呼吸机压力预测方法，用于精确预测患者呼吸过程中的呼吸机压力	开发了新型混合呼吸机压力预测器（H-VPP），通过分析肺部属性R和C在初始时间步的高值对呼吸机压力的影响	NA	预测呼吸机呼吸回路中的气道压力	COVID-19患者呼吸过程中的呼吸机压力数据	机器学习	COVID-19	时间序列数据分析	投票回归器	时间序列数据	NA	NA	混合呼吸机压力预测器（H-VPP）	R平方, 平均绝对误差, 均方误差	NA
11538	2025-10-07	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	研究论文	本研究开发了一种基于深度学习的SWI-BITR-UNet模型，用于脑卒中后遗症评估和脑肿瘤康复效果的神经影像分析	结合SWIN Transformer的局部感受野和移位机制与U-Net架构的有效特征融合策略，专门针对3D医学影像数据设计	未提及具体样本量大小和外部验证结果	提高脑损伤区域在多模态MRI扫描中的分割精度，改善脑卒中后遗症评估和康复效果监测	脑卒中损伤区域和脑肿瘤区域	医学影像分析	脑卒中,脑肿瘤	多模态MRI扫描,神经影像技术	CNN,Transformer,U-Net	3D医学影像	NA	NA	SWI-BITR-UNet,3D CNN编码器-解码器,SWIN Transformer,U-Net	召回率,精确率,F1分数,Kappa系数,平均交并比,ROC-AUC,豪斯多夫距离,DICE系数	NA
11539	2025-10-07	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了传统手工特征和深度学习Bi-LSTM网络在肺癌检测中的性能	结合手工特征提取与优化的双向长短期记忆网络(Bi-LSTM)进行肺癌检测，在准确率和AUC指标上均取得优异表现	未提及具体数据集规模和多样性限制	提高肺癌检测准确率，改进计算机辅助诊断系统	肺癌医学图像	计算机视觉	肺癌	医学图像分析	Bi-LSTM, SVM	医学图像	NA	NA	Bidirectional Long Short-Term Memory	准确率, AUC	NA
11540	2025-10-07	Trustworthy diagnosis of Electrocardiography signals based on out-of-distribution detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317900 PMID:39999066	研究论文	提出一种基于分布外检测的心电图信号可信诊断方法	结合CNN和注意力机制增强特征提取，并采用Energy和ReAct技术识别分布外心脏病	NA	提高心电图诊断的可靠性，特别是对未知类型心脏病的识别能力	心电图信号	机器学习	心血管疾病	心电图信号分析	CNN, Attention机制	心电图信号	MIT-BIH心律失常数据库和INCART 12导联心律失常数据库	NA	CNN结合注意力机制	灵敏度, 特异性	NA