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
101	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）
102	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）
103	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
104	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
105	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
106	2025-09-14	Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions 2025-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17172799 PMID:40940896	综述	本文回顾了机器学习模型在妇科癌症预测中的最新进展、挑战及未来方向	讨论了可解释AI、联邦学习和多组学融合等新兴技术以提升模型可靠性和实用性	存在数据不一致性、模型可解释性不足以及临床转化困难等问题	改善妇科癌症的早期预测方法，提高生存率并指导个体化治疗	妇科癌症（如乳腺癌、宫颈癌、卵巢癌）患者	机器学习	妇科癌症	机器学习（ML）、深度学习（DL）	支持向量机、随机森林、卷积神经网络	临床记录、基因组学、蛋白质组学、医学影像等多模态数据	NA
107	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
108	2025-09-14	Comparative Evaluation of CNN and Transformer Architectures for Flowering Phase Classification of Tilia cordata Mill. with Automated Image Quality Filtering 2025-Aug-27, Sensors (Basel, Switzerland) DOI:10.3390/s25175326 PMID:40942760	研究论文	比较CNN和Transformer架构在自动图像质量过滤条件下对Tilia cordata Mill开花期分类的性能	引入基于XGBoost的自动化图像质量过滤方法，并首次系统对比经典CNN与Transformer在物候期识别中的表现	NA	开发自动化开花期分类方法以支持生态研究和气候变化监测	Tilia cordata Mill（小叶椴树）的开花阶段	计算机视觉	NA	深度学习，图像分类	CNN（VGG16, ResNet50, EfficientNetB3, MobileNetV3 Large, ConvNeXt Tiny）, Transformer（ViT-B/16, Swin Transformer Tiny）	图像	大规模真实野外环境图像数据集（具体数量未明确说明）
109	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
110	2025-09-14	Intensive Care Unit Patient Outcome Prediction Using ν-Support Vector Classification and Stochastic Signal Processing-Based Feature Extraction Techniques: Algorithm Development and Validation Study 2025-Aug-26, JMIR AI DOI:10.2196/72671 PMID:40857726	研究论文	开发并验证了一种结合ν-支持向量分类和随机信号处理特征提取技术的ICU患者预后预测框架	提出基于信号处理的新型特征工程方法，从医疗数字轨迹中提取高预测性特征	NA	改进ICU患者预后预测准确率，支持医疗运营管理	ICU患者及其医疗数字轨迹数据	机器学习	危重疾病	信号处理特征提取，ν-SVC	ν-Support Vector Classification	时间序列数据	真实世界ICU数据集（具体数量未说明）
111	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
112	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
113	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
114	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
115	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）
116	2025-09-14	An Instrumental High-Frequency Smart Meter with Embedded Energy Disaggregation 2025-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s25175280 PMID:40942710	研究论文	提出一种高频采样并本地执行能量分解的智能电表原型，采用深度学习模型在嵌入式平台实现高效非侵入式负载监测	将15 kHz高频采样与本地能量分解相结合，引入三个硬件感知性能指标量化单位成本、吞吐量和能效的NILM效率	NA	开发嵌入式高性能智能电表，实现本地能量分解并评估不同硬件平台的性能	智能电表硬件架构与嵌入式处理平台	嵌入式系统	NA	高频采样（15 kHz）、深度学习推理	深度学习模型（具体类型未明确说明）	高频电力信号数据	在六个嵌入式平台上进行基准测试（具体样本数量未说明）
117	2025-09-14	Analysis of Deep Reinforcement Learning Algorithms for Task Offloading and Resource Allocation in Fog Computing Environments 2025-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s25175286 PMID:40942716	综述	本文对雾计算环境中基于深度强化学习的任务卸载与资源分配方法进行全面综述	首次系统性地对多用户设备与多雾节点场景下的深度强化学习全流程应用进行分类与分析，并提出新的分类体系	NA	解决雾计算环境中任务放置与资源分配的动态优化问题，满足严格的服务质量要求	物联网设备任务卸载与雾计算资源分配系统	机器学习	NA	深度强化学习（DRL）	DRL	系统状态数据与性能指标	NA
118	2025-09-14	Sparse-MoE-SAM: A Lightweight Framework Integrating MoE and SAM with a Sparse Attention Mechanism for Plant Disease Segmentation in Resource-Constrained Environments 2025-Aug-24, Plants (Basel, Switzerland) DOI:10.3390/plants14172634 PMID:40941799	研究论文	提出一种轻量级框架Sparse-MoE-SAM，用于资源受限环境下的植物病害分割	集成稀疏注意力机制与两阶段MoE解码器，动态激活关键通道并优化计算路径，显著降低计算成本同时保持精度	未明确说明模型在不同植物物种或极端环境条件下的泛化能力	解决资源受限环境中高精度植物病害分割的部署挑战	植物叶片病害区域	计算机视觉	植物病害	深度学习，稀疏注意力机制，混合专家系统	SAM增强框架，CNN变体	图像	三个异构数据集（PlantVillage Extended, CVPPP和自收集田间图像）
119	2025-09-14	Transfer Learning-Based Multi-Sensor Approach for Predicting Keyhole Depth in Laser Welding of 780DP Steel 2025-Aug-24, Materials (Basel, Switzerland) DOI:10.3390/ma18173961 PMID:40942387	研究论文	本研究开发基于迁移学习的深度学习模型，利用同轴熔池图像和光谱仪信号预测780DP钢激光焊接中的熔深深度	首次将多传感器数据与CNN迁移学习结合用于激光焊接熔深预测，显著提升预测精度	模型性能依赖于OCT信号的校准精度，且未明确说明模型泛化能力	预测激光焊接过程中关键孔深度以控制焊接质量	780双相钢（780DP steel）的激光焊接过程	机器视觉与工业应用	NA	光学相干断层扫描（OCT）、光谱仪信号采集、迁移学习	CNN（包括MobileNetV2, ResNet50V2, EfficientNetB3, Xception）	图像信号（同轴熔池图像）与光谱信号	未明确说明样本数量，但使用多传感器数据进行训练和验证
120	2025-09-14	A Survey of Deep Learning-Based 3D Object Detection Methods for Autonomous Driving Across Different Sensor Modalities 2025-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s25175264 PMID:40942694	综述	本文全面综述了基于深度学习的自动驾驶3D目标检测方法，重点关注不同传感器模态的应用	提出按输入模态分类的结构化分类法，并系统比较不同方法在标准评估指标下的性能	NA	系统梳理和比较自动驾驶中基于深度学习的3D目标检测方法	自动驾驶场景中的3D目标检测方法	计算机视觉	NA	深度学习	NA	图像、点云、多模态数据	基于基准数据集的定量比较