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
1361	2025-06-01	A Multitask Deep Learning Model for Predicting Myocardial Infarction Complications 2025-May-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050520 PMID:40428139	research paper	本研究提出了一种多任务深度学习模型，用于预测心肌梗死并发症和死亡原因的多维分类	该模型能够同时处理心肌梗死并发症的多维二分类和死亡原因的多类分类任务，相比传统预后模型如GRACE和TIMI评分具有更高的预测准确性和灵活性	未来研究需要进一步优化模型并在真实临床环境中验证其泛化能力	提高心肌梗死并发症和死亡原因的预测准确性，为临床决策提供支持	1700名心肌梗死患者	machine learning	cardiovascular disease	deep neural networks	multitask deep learning model	clinical and demographic data	1700 patients with 111 clinical and demographic features
1362	2025-06-01	Hybrid Deep Learning for Survival Prediction in Brain Metastases Using Multimodal MRI and Clinical Data 2025-May-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101242 PMID:40428235	研究论文	提出一种新型混合深度学习框架，结合多模态MRI和临床数据预测脑转移患者的生存期	首次将体积MRI成像生物标志物与结构化临床数据通过混合深度学习框架整合，实现高精度且可解释的生存预测	样本量相对有限（148例患者），需进一步多中心验证	开发可指导脑转移患者个体化治疗决策的生存预测模型	脑转移患者的MRI影像和临床数据	数字病理	脑转移瘤	多模态MRI分析	ResNet-50与EfficientNet-B0混合架构	MRI图像和结构化临床数据	来自3个机构的148例患者（含专家标注的肿瘤/坏死/水肿区域分割）
1363	2025-06-01	Deep Learning Models for Multi-Part Morphological Segmentation and Evaluation of Live Unstained Human Sperm 2025-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s25103093 PMID:40431886	research paper	本研究系统评估和比较了Mask R-CNN、YOLOv8、YOLO11和U-Net在人类活体未染色精子的多部分形态分割中的性能	首次系统比较了多种深度学习模型在精子多部分分割任务中的表现，并针对不同精子结构提供了模型选择的见解	研究仅使用了活体未染色精子样本，未考虑染色或其他处理方法的影响	优化精子形态分割的计算机视觉评估方法，以辅助生殖医学应用	人类活体未染色精子的头部、顶体、细胞核、颈部和尾部	computer vision	生殖医学	深度学习图像分割	Mask R-CNN, YOLOv8, YOLO11, U-Net	image	未明确说明数量的活体未染色人类精子样本
1364	2025-06-01	Hypergraph Convolution Network Classification for Hyperspectral and LiDAR Data 2025-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s25103092 PMID:40431884	research paper	提出了一种名为HGCN-HL的新型多模态深度学习框架，用于高光谱和LiDAR数据的分类	结合超图卷积网络（HGCNs）与轻量级CNNs，设计了自适应权重机制和基于超像素的动态超边构建，以捕捉像素间复杂的高阶空间-光谱依赖关系	未明确提及具体局限性	改进多源数据融合技术，提升遥感分类性能	高光谱成像（HSI）和激光雷达（LiDAR）数据	computer vision	NA	超图卷积网络（HGCNs）、卷积神经网络（CNNs）	HGCN、CNN	高光谱图像、LiDAR数据	三个基准数据集
1365	2025-06-01	Machine Learning Techniques Applied to COVID-19 Prediction: A Systematic Literature Review 2025-May-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050514 PMID:40428133	系统文献综述	本文系统回顾了2020年至2023年间使用机器学习技术进行COVID-19预测的研究	建立了包含传统统计模型、机器学习模型、深度学习模型、集成学习方法和混合模型的多层次分类框架，揭示了混合建模策略通过特征组合优化和模型级联集成有效提高了预测准确性	尽管机器学习方法在COVID-19预测中表现出色，但仍面临挑战和限制	为传染病预测中的人工智能应用提供系统理论支持，促进公共卫生领域的技术创新	COVID-19预测模型	机器学习	COVID-19	机器学习	SVM, CNN, LSTM, AdaBoost等	多维数据集	从5731篇初步筛选的文献中最终选择了136篇符合条件的研究
1366	2025-06-01	An Innovative Deep Learning Approach for Ventilator-Associated Pneumonia (VAP) Prediction in Intensive Care Units-Pneumonia Risk Evaluation and Diagnostic Intelligence via Computational Technology (PREDICT) 2025-May-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103380 PMID:40429377	研究论文	本研究开发并验证了一种名为PREDICT的深度学习算法，用于早期预测重症监护病房中的呼吸机相关肺炎（VAP）	PREDICT是首个专门为ICU中早期VAP预测设计的深度学习模型，仅基于生命体征数据	研究基于回顾性数据，未提及前瞻性验证或实际临床应用的测试	开发早期VAP预测工具以改善治疗效果和指导抗生素使用	重症监护病房中使用呼吸机至少48小时的患者	数字病理学	肺炎	深度学习	LSTM	生命体征数据（呼吸频率、SpO2、心率、体温和平均动脉压）	来自MIMIC-IV数据库的ICU患者数据
1367	2025-06-01	Natural Gas Consumption Forecasting Model Based on Feature Optimization and Incremental Long Short-Term Memory 2025-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s25103079 PMID:40431871	研究论文	提出了一种基于特征优化和增量LSTM的天然气消费预测模型，通过高斯混合模型处理缺失和异常数据，设计弱监督级联网络进行特征选择，并引入增量学习回归差异损失以提高模型性能	结合高斯混合模型处理数据缺失和异常，设计弱监督级联网络自适应选择特征，引入增量学习回归差异损失以增强模型对数据分布耦合关系的理解	未提及模型在其他城市或不同时间段的泛化能力测试	提高天然气消费预测的准确性和可靠性	武汉市2011年至2024年的日常城市燃气负荷	机器学习	NA	高斯混合模型、增量学习	LSTM	时间序列数据	武汉市2011年至2024年的日常城市燃气负荷数据
1368	2025-06-01	Filamentary Convolution for SLI: A Brain-Inspired Approach with High Efficiency 2025-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s25103085 PMID:40431873	research paper	提出了一种名为丝状卷积的新方法，用于改善语音语言识别中的频率特征提取	使用丝状卷积替代传统矩形卷积核，减少参数同时保留关键频率特征，提升语音语言识别的效率和准确性	未提及具体的数据集规模限制或计算资源需求	提高语音语言识别(SLI)系统的特征提取效率和识别性能	语音信号中的频率特征(如音高、音调和节奏)	natural language processing	NA	short-time Fourier transform (STFT), filamentary convolution	LSTM/TDNN	语音信号	自建数据集和公开语料库(未提具体数量)
1369	2025-06-01	Artificial Intelligence Model Assists Knee Osteoarthritis Diagnosis via Determination of K-L Grade 2025-May-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101220 PMID:40428213	research paper	该研究通过深度学习模型自动评估膝骨关节炎（KOA）的严重程度，使用Kellgren-Lawrence分级系统（0~4级）进行训练	利用深度学习模型（DenseNet201、ResNet101和EfficientNetV2）自动分类KOA严重程度，其中DenseNet201表现最佳	模型在K-L Grade 1的分类准确率较低（53.7%），可能影响轻度病例的诊断	自动化评估膝骨关节炎的严重程度，辅助专家诊断	膝骨关节炎（KOA）患者	digital pathology	geriatric disease	深度学习	DenseNet201, ResNet101, EfficientNetV2	image	15000张图像（每级3000张）
1370	2025-06-01	Tensile Strength Estimation of UHPFRC Based on Predicted Cracking Location Using Deep Learning 2025-May-12, Materials (Basel, Switzerland) DOI:10.3390/ma18102237 PMID:40428975	研究论文	本研究提出了一种基于深度学习预测开裂位置的超高性能纤维增强混凝土（UHPFRC）抗拉强度估计方法	通过深度学习模型预测开裂位置，并分析该位置的纤维特性来估计抗拉强度，提供了一种非破坏性的评估框架	应变软化试样的实验-估计误差和理论-估计误差显著高于应变硬化试样	开发一种可靠的非破坏性方法来估计UHPFRC的抗拉强度	超高性能纤维增强混凝土（UHPFRC）	计算机视觉	NA	X射线计算机断层扫描（CT）和图像分析技术	YOLOv11	图像	应变硬化和应变软化试样
1371	2025-06-01	YOLO-TARC: YOLOv10 with Token Attention and Residual Convolution for Small Void Detection in Root Canal X-Ray Images 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103036 PMID:40431831	研究论文	本文提出了一种改进的YOLOv10模型YOLO-TARC，结合了Token Attention和Residual Convolution，用于牙根管X射线图像中的小空洞检测	引入了ResConv确保小物体判别特征的传输，Token Attention模块增强对小目标的聚焦能力，以及优化的边界框损失函数	仅在私有牙根管X射线图像数据集上进行了验证，未在其他公开数据集上测试	提高牙根管X射线图像中小空洞或缺陷的检测精度	牙根管X射线图像中的小空洞或缺陷	计算机视觉	牙科疾病	深度学习	YOLOv10, CNN	图像	私有牙根管X射线图像数据集（具体数量未提及）
1372	2025-06-01	An Anomaly Node Detection Method for Wireless Sensor Networks Based on Deep Metric Learning with Fusion of Spatial-Temporal Features 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103033 PMID:40431828	研究论文	本文提出了一种基于深度度量学习融合时空特征的无线传感器网络异常节点检测方法	结合图注意力网络(GAT)和Transformer来捕捉时空特征，并引入新的距离测量模块改进相似性学习，同时通过联合度量分类训练提高模型准确性和泛化能力	未明确说明方法在更大规模网络或更复杂环境中的适用性	提高无线传感器网络中异常节点检测的准确性和有效性	无线传感器网络中的异常节点	机器学习	NA	深度度量学习	GAT, Transformer	多节点、多模态时间序列数据	公共数据集（未明确具体样本数量）
1373	2025-06-01	MCFNet: Multi-Scale Contextual Fusion Network for Salient Object Detection in Optical Remote Sensing Images 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103035 PMID:40431830	研究论文	提出了一种多尺度上下文融合网络（MCFNet），用于光学遥感图像中的显著目标检测	引入了语义感知注意力模块（SAM）和上下文互连模块（CIM），以增强对显著目标的定位和边界描绘	未提及具体的数据集限制或计算资源需求	解决光学遥感图像中显著目标检测的挑战	光学遥感图像中的显著目标	计算机视觉	NA	深度学习	MCFNet（包含SAM和CIM模块）	图像	在三个标准ORSI-SOD基准数据集上进行了评估
1374	2025-06-01	Cardiovascular Risk Assessment via Sleep Patterns and ECG-Based Biological Age Estimation 2025-May-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103339 PMID:40429335	研究论文	本研究通过睡眠阶段分析和夜间心电节律模式评估心血管疾病风险，利用深度学习模型预测生物年龄并揭示其与睡眠模式和心脏功能的关联	结合睡眠阶段和心电信号的无监督聚类方法生成时间序列簇，并利用深度学习模型预测生物年龄，为心血管风险分层提供了新的生物标志物	研究样本量有限（1149名患者），且未考虑其他潜在影响因素如生活方式和遗传背景	评估睡眠质量和心电节律模式在心血管疾病风险分层中的预后潜力	1149名患者的睡眠多导图和心电信号数据	数字病理学	心血管疾病	深度学习	无监督聚类和深度学习模型	心电信号和睡眠多导图数据	1149名患者（训练集）和736名患者（独立测试集）
1375	2025-06-01	Role of Artificial Intelligence in Musculoskeletal Interventions 2025-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers17101615 PMID:40427114	review	本文探讨了人工智能在肌肉骨骼成像和介入放射学中的变革作用及其应用	讨论了AI在肌肉骨骼介入中的多种应用，包括实时反馈系统、剂量优化协议和个性化康复计划	面临数据标准化、监管障碍和临床采用等挑战	探索AI在肌肉骨骼介入放射学中的应用及其对患者预后的影响	肌肉骨骼成像和介入放射学中的AI应用	machine learning	musculoskeletal disease	machine learning (ML), deep learning (DL)	NA	image, genomic and environmental data	NA
1376	2025-06-01	Real-Time Intraoperative Decision-Making in Head and Neck Tumor Surgery: A Histopathologically Grounded Hyperspectral Imaging and Deep Learning Approach 2025-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers17101617 PMID:40427116	研究论文	本文开发并评估了一种结合高光谱成像（HSI）和深度学习的三维肿瘤模型，用于头颈部鳞状细胞癌（HNSCC）术中实时无标记肿瘤边缘描绘	整合HSI、深度学习和三维肿瘤建模，实现术中实时无标记肿瘤边缘评估	研究基于离体样本，尚未在真实手术环境中验证	开发一种快速准确的术中肿瘤边缘评估方法	头颈部鳞状细胞癌（HNSCC）样本	数字病理	头颈部鳞状细胞癌	高光谱成像（HSI）	深度学习模型（未指定具体类型）	高光谱图像	712个数据立方体（Datacubes）
1377	2025-06-01	StructureNet: Physics-Informed Hybridized Deep Learning Framework for Protein-Ligand Binding Affinity Prediction 2025-May-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050505 PMID:40428123	研究论文	提出了一种名为StructureNet的新型图神经网络模型，用于预测蛋白质-配体结合亲和力	完全基于结构描述符，避免了序列和相互作用数据带来的数据记忆问题，并通过几何和拓扑描述符改进了蛋白质-配体复合物的结构表示	未明确提及样本量限制或模型在其他数据集上的泛化能力	提高蛋白质-配体结合亲和力预测的准确性，以支持药物发现过程	蛋白质-配体复合物	机器学习	NA	图神经网络(GNN)	GNN-based ensemble deep learning model	结构数据（蛋白质和配体的图表示）	PDBBind v.2020 Refined Set和DUDE-Z数据集，以及一小部分已知药物子集
1378	2025-06-01	Exploring Burnt Area Delineation with Cross-Resolution Mapping: A Case Study of Very High and Medium-Resolution Data 2025-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s25103009 PMID:40431804	research paper	本研究探讨了利用超高分辨率（VHR）和中分辨率卫星数据结合深度学习算法进行火烧区域划分的方法，并以印度卡纳塔克邦的班迪普尔森林为例进行了案例分析	结合超高分辨率和中分辨率卫星数据，使用UNET和GRU深度学习算法提高火烧区域划分的准确性	使用PlanetScope标签时性能略有下降，但高召回率显示了其在识别阳性实例方面的潜力	提高利用遥感数据进行火烧区域划分的准确性	印度卡纳塔克邦的班迪普尔森林	remote sensing	NA	deep learning	UNET, GRU	satellite imagery	NA
1379	2025-06-01	Using Masked Image Modelling Transformer Architecture for Laparoscopic Surgical Tool Classification and Localization 2025-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s25103017 PMID:40431812	研究论文	本文提出了一种基于自监督学习和弱监督学习的深度学习新方法，用于腹腔镜手术中手术工具的分类和定位	利用BEiT模型进行手术工具分类，并通过多头部注意力层生成的热图进行工具定位，无需显式定位标注，同时采用类别权重解决手术工具使用频率不均导致的类别不平衡问题	复杂手术场景和有限标注数据可能限制模型性能	开发AI辅助腹腔镜手术系统，提高手术工具检测和阶段识别的准确性	腹腔镜手术中的手术工具	计算机视觉	NA	自监督学习、弱监督学习	BEiT	图像	Cholec80基准数据集
1380	2025-06-01	Deep Learning to Enhance Diagnosis and Management of Intrahepatic Cholangiocarcinoma 2025-May-09, Cancers IF:4.5Q1 DOI:10.3390/cancers17101604 PMID:40427103	研究论文	本文探讨了深度学习在肝内胆管癌（iCCA）诊断和管理中的应用及其潜力	深度学习模型在iCCA的诊断准确性上达到或超过不同经验水平的放射科医生，并扩展到病理诊断、生存预测和治疗反应预测等多个管理方面	深度学习模型在iCCA研究中的性能和局限性需要进一步验证和解决	评估深度学习在肝内胆管癌诊断和管理中的应用现状及未来研究方向	肝内胆管癌（iCCA）	数字病理学	肝内胆管癌	深度学习	DL	图像	NA