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
121	2025-12-14	Research on Deep Learning-Based Human-Robot Static/Dynamic Gesture-Driven Control Framework 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237203 PMID:41374578	研究论文	本文提出了一种基于深度学习的静态/动态手势驱动控制框架，用于人机交互中的物体抓取与递送任务	提出了一种结合静态手势识别（2D-CNN）与动态手势识别（3D-CNN+LSTM混合架构）的深度学习框架，并整合了基于MediaPipe的手部姿态估计与坐标转换技术，实现了对机器人的鲁棒视觉控制	实验仅涉及4名参与者和100次试验，样本规模较小；且仅在三种光照条件下进行测试，环境多样性有限	开发一种基于自然手势的机器人视觉控制方法，以提升人机协作的直观性与效率	人机手势交互、机器人任务控制（物体抓取与递送）	计算机视觉	NA	深度学习方法、手部姿态估计	CNN, LSTM	图像、视频序列	4名参与者，每人进行100次试验（涵盖静态与动态手势任务）	MediaPipe	2D-CNN, 3D-CNN, LSTM	准确率, 任务成功率, 任务完成时间	NA
122	2025-12-14	Advances in Artificial Intelligence for Glioblastoma Radiotherapy Planning and Treatment 2025-Nov-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17233762 PMID:41374965	综述	本文综述了人工智能特别是深度学习在胶质母细胞瘤放疗规划与治疗中的最新进展	探讨了基于多模态成像和数学建模的自动分割框架、剂量映射及生物信息引导的放疗规划，并集成了放射基因组学以实现高精度的影像学生物标志物分类	临床应用部署有限，主要由于外部验证不足和单机构训练数据集	推动深度学习在胶质母细胞瘤放疗规划与纵向监测中的成功转化	胶质母细胞瘤的放疗规划与治疗	数字病理	胶质母细胞瘤	多模态成像，数学建模	深度学习	影像数据	NA	NA	NA	Dice相似系数	NA
123	2025-12-14	Detection of Hatching Information of Meat Duck Eggs Based on Deep Learning 2025-Nov-25, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15233400 PMID:41375459	研究论文	本文提出了一种基于深度学习的肉鸭种蛋孵化信息检测方法	利用深度学习技术自动检测肉鸭种蛋的孵化信息，提高了检测效率和准确性	NA	开发一种自动化检测肉鸭种蛋孵化信息的方法	肉鸭种蛋	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
124	2025-12-14	Advancements in Animal Breeding: From Mendelian Genetics to Machine Learning 2025-Nov-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311352 PMID:41373512	综述	本文回顾了动物育种从表型观察到基因组学与机器学习技术整合的发展历程	强调了机器学习与人工智能在基因组预测中的应用，展示了深度学习模型在提升预测准确性方面的进展	NA	探讨动物育种方法的演变及其对提高家畜生产力、健康与福利的影响	家畜育种，包括牛奶和肉类生产以及疾病管理	机器学习	NA	基因组预测，QTL定位，多组学策略	深度学习模型	基因组数据，高维数据	NA	NA	NA	相关性	NA
125	2025-12-14	A ResNet-50-UNet Hybrid with Whale Optimization Algorithm for Accurate Liver Tumor Segmentation 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232975 PMID:41374356	研究论文	本文提出了一种结合ResNet-50-UNet混合结构与鲸鱼优化算法的模型，用于精确分割肝脏肿瘤	使用鲸鱼优化算法优化LiTS-Res-UNet的超参数，提高了分割精度和模型收敛性	NA	提高肝脏肿瘤在3D医学图像中的分割准确性，以辅助肝癌的诊断和治疗规划	肝脏和肝脏肿瘤	计算机视觉	肝癌	3D医学成像	CNN	3D医学图像	NA	NA	ResNet-50, U-Net	准确率, Dice系数, Jaccard指数	NA
126	2025-12-14	DuXplore: A Dual-Hierarchical Deep Learning Model for Prognostic Prediction of Hepatocellular Carcinoma in Digital Pathology 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232981 PMID:41374364	研究论文	本文提出了一种名为DuXplore的双分支深度学习框架，用于整合组织结构和细胞形态信息，以预测肝细胞癌的预后	通过结合宏观组织架构编码与结构感知的微观采样，实现了对肿瘤空间异质性的双重层次建模，并提供了模型无关的可解释性分析	虽然已在肝细胞癌的WSI上验证，但需要更广泛的多中心、多组学研究来优化采样尺度并增强临床转化	开发一个深度学习模型，利用数字病理全切片图像中的结构和语义线索，预测肝细胞癌患者的预后	肝细胞癌患者的全切片图像	数字病理	肝细胞癌	数字病理成像	深度学习	图像	公共TCGA数据集和临床中心EHBH队列	NA	双分支框架（Macro-Net, Micro-Net），多层感知机	C-index, log-rank检验	NA
127	2025-12-14	A Novel Deep Learning Framework for Liver Fibrosis Staging and Etiology Diagnosis Using Integrated Liver-Spleen Elastography 2025-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232986 PMID:41374368	研究论文	本研究提出了一种基于肝脏和脾脏二维剪切波弹性成像的深度学习框架，用于肝纤维化分期和病因诊断	首次将肝脏和脾脏的二维剪切波弹性成像与迁移学习相结合，构建了用于肝纤维化分期和病因诊断的集成模型，性能显著优于传统方法	研究为回顾性分析，样本量有限（198例），需要进一步的外部验证	评估基于肝脏和脾脏二维剪切波弹性成像的影像组学模型在肝纤维化分期和病因诊断中的性能	经活检证实的肝纤维化患者	数字病理学	肝纤维化	二维剪切波弹性成像	迁移学习模型	图像	198例患者	NA	NA	AUC	NA
128	2025-12-14	Combining Fixed-Weight ArcFace Loss and Vision Transformer for Facial Expression Recognition 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237166 PMID:41374541	研究论文	本文提出了一种结合固定权重ArcFace损失和Vision Transformer的面部表情识别方法，旨在提高识别准确性和计算效率	引入权重约束的ArcFace损失，并将其集成到Vision Transformer框架中，以缓解数据分布不平衡引起的隐式偏差并减少计算开销	未明确讨论该方法在其他数据集或实际应用场景中的泛化能力	改进面部表情识别任务的性能，特别是在处理同一类别表情内显著变化时	面部表情图像	计算机视觉	NA	深度学习	Vision Transformer	图像	RAF-DB和FER2013数据集	NA	Vision Transformer	识别准确性, 计算效率	NA
129	2025-12-14	Deep Learning Meets InSAR for Infrastructure Monitoring: A Systematic Review of Models, Applications, and Challenges 2025-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s25237169 PMID:41374544	综述	本文系统综述了深度学习模型在利用InSAR数据进行基础设施监测中的应用、模型架构及面临的挑战	首次对2020年至2025年间发表的67篇相关文献进行了系统性分析，填补了该领域缺乏全面综述的空白，并识别了新兴趋势和研究机会	综述范围限于2020年至2025年2月发表的文献，可能未涵盖更早期或最新的研究；同时指出了现有研究在预处理任务探索有限、数据稀疏性、低相干性和缺乏标准基准等方面的普遍局限性	系统分析深度学习模型如何应用于基于InSAR数据的基础设施监测，并识别方法学挑战与未来研究方向	民用基础设施（重点关注城市和线性基础设施）	计算机视觉, 机器学习	NA	干涉合成孔径雷达	LSTM, CNN, Transformer, 混合模型	InSAR数据（雷达图像）	NA	NA	LSTM, CNN, Transformer, 混合架构	NA	NA
130	2025-12-14	A Study on the Grip Force of Ski Gloves with Feature Data Fusion Based on GWO-BPNN Deep Learning 2025-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s25237154 PMID:41374529	研究论文	本研究通过融合手部特征数据，利用GWO-BPNN深度学习算法开发了一种高精度滑雪握力预测模型	提出了一种结合深度神经网络与灰狼优化算法的混合方法，用于处理动态力分布和手部姿态变化引起的误差	未明确说明样本的具体数量或多样性，可能限制了模型的泛化能力	研究滑雪时握滑雪杖的握力特征压力分布模式，并开发高精度握力预测模型	滑雪握力数据，特别是滑雪杖复杂曲面上的握力分布	机器学习	NA	多点柔性阵列传感器检测，系统校准，数据融合	BP神经网络，深度神经网络	传感器数据（力数据）	建立了实验样本数据集，但未指定具体数量	NA	BP神经网络，GWO-BPNN	相对误差	NA
131	2025-12-14	Convolutional Neural Networks for Estimation of Uniaxial Tensile Test Equivalent Properties from Small Punch Test 2025-Nov-22, Materials (Basel, Switzerland) DOI:10.3390/ma18235276 PMID:41374120	研究论文	本研究利用卷积神经网络从小冲杆试验数据预测单轴拉伸试验等效性能	首次将卷积神经网络应用于小冲杆试验与单轴拉伸试验之间的曲线到曲线预测，以减小系统偏差	研究仅针对三种锅炉钢材料，未验证其他材料类型的适用性	开发基于深度学习的方法，从小冲杆试验数据准确估计单轴拉伸试验等效性能	三种锅炉钢（10H2M、13HMF和15HM）在新状态和使用退化状态下的材料	机器学习	NA	小冲杆试验、单轴拉伸试验	CNN	曲线数据	三种锅炉钢材料在两种状态下的配对SPT和UTT实验数据库	NA	卷积神经网络	NA	NA
132	2025-12-14	Multimodal Deep Learning-Based Classification of Breast Non-Mass Lesions Using Gray Scale and Color Doppler Ultrasound 2025-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232967 PMID:41374348	研究论文	提出了一种基于多模态深度学习的乳腺非肿块性病变良恶性分类方法，并比较了多模态与单模态超声模型的性能	首次将灰度与彩色多普勒超声图像结合，通过特征融合构建多模态深度学习模型，用于乳腺非肿块性病变的分类	研究为回顾性设计，样本量相对有限（248个病变），且仅使用了三种CNN架构进行对比	开发并评估一种多模态深度学习模型，以提高乳腺非肿块性病变的良恶性诊断准确性	乳腺非肿块性病变	计算机视觉	乳腺癌	超声成像	CNN	图像	248个经病理证实的乳腺非肿块性病变，来自241名女性患者	NA	ResNet50, ResNet18, VGG16	准确率, 灵敏度, 特异度, F1分数, AUC	NA
133	2025-12-14	Multimodal-Imaging-Based Interpretable Deep Learning Framework for Distinguishing Brucella from Tuberculosis Spondylitis: A Dual-Center Study 2025-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232963 PMID:41374344	研究论文	本研究开发了一种基于多模态CT和MRI数据的深度学习框架，用于准确区分布鲁氏菌性脊柱炎和结核性脊柱炎	首次结合多模态CT和MRI数据，并利用预训练的GoogleNet架构构建可解释的深度学习模型，以区分两种临床表现相似的脊柱感染性疾病	研究数据来自两个中心，但外部验证集的样本量相对较小，且模型在特异性方面有待提升	开发一个深度学习框架，以提高布鲁氏菌性脊柱炎和结核性脊柱炎的诊断准确性和效率	布鲁氏菌性脊柱炎和结核性脊柱炎患者的CT和MRI影像数据	数字病理学	脊柱感染性疾病	CT, MRI (包括矢状位T1加权、T2加权、脂肪抑制序列)	CNN	图像	来自两个中心的CT和MRI影像数据，具体样本数未在摘要中明确说明	NA	GoogleNet, ResNet, DenseNet, EfficientNet	准确率, 灵敏度, 特异性, AUC	NA
134	2025-12-14	IPFSCNN: A Time-Frequency Fusion CNN for Wideband Spectrum Sensing 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237134 PMID:41374508	研究论文	本文提出了一种名为IPFSCNN的新型非对称混合架构，用于宽带频谱感知，通过融合时域和频域数据提升检测性能	提出了一种非对称混合架构IPFSCNN，结合并行化分支处理I/Q数据和深度串行分支处理FFT数据，实现时频特征的协同融合	NA	提高宽带频谱感知的检测性能，特别是在低信噪比条件下	认知无线电中的宽带频谱信号	机器学习	NA	NA	CNN	时域I/Q数据和频域FFT数据	基于LTE-M数据集	NA	IPFSCNN	检测性能	NA
135	2025-12-14	A Time-Frequency Domain Diagnosis Network for ICE Fault Detection 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237139 PMID:41374512	研究论文	本研究提出了一种用于内燃机故障检测的时频域诊断网络，结合时域和频域特征以提高诊断准确性和稳定性	提出了一种集成时域路径（使用残差网络和自注意力机制）和频域路径（使用CNN）的时频域诊断网络，有效结合了时间和频率域特征	未明确说明模型在极端或未见过故障类型下的泛化能力，以及在实际工业环境中的部署挑战	提高内燃机故障检测的准确性和实时性，减少数据依赖	内燃机（特别是六缸柴油发动机）的故障检测	机器学习	NA	深度学习	CNN, LSTM, 自注意力机制	时频域数据（可能来自传感器信号）	涉及12种故障类型，具体样本数量未明确，但提到在每故障5个样本时达到60%~70%准确率	未明确指定，可能为TensorFlow或PyTorch	ResNet, 自注意力机制, CNN	准确率, 精确率, 召回率	NA
136	2025-12-14	Analysis of Deep-Learning Methods in an ISO/TS 15066-Compliant Human-Robot Safety Framework 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237136 PMID:41374514	研究论文	本文介绍了一种基于深度学习的人机安全框架，用于动态调整机器人速度以优化协作任务效率	提出了一种区分人体部位与其他物体的深度学习框架，相比传统安全系统能减少高达15%的周期时间	NA	在符合ISO/TS 15066标准的前提下，通过深度学习提高人机协作任务的安全性和效率	协作机器人系统与人机交互安全	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	周期时间减少百分比	NA
137	2025-12-14	MLD-Net: A Multi-Level Knowledge Distillation Network for Automatic Modulation Recognition 2025-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s25237143 PMID:41374516	研究论文	本文提出了一种用于自动调制识别的多级知识蒸馏网络MLD-Net，旨在创建轻量且高性能的模型	提出了一种多级知识蒸馏方法，在输出、特征和注意力三个不同粒度上从大型Transformer教师模型向紧凑Reformer学生模型传递知识	NA	开发轻量且高效的自动调制识别模型，以解决深度学习模型在计算和内存方面的部署限制	无线通信信号	机器学习	NA	知识蒸馏	Transformer, Reformer	信号数据	基于RML2016.10A基准数据集	NA	Transformer, Reformer	准确率	NA
138	2025-12-14	Application of Machine Learning in Food Safety Risk Assessment 2025-Nov-22, Foods (Basel, Switzerland) DOI:10.3390/foods14234005 PMID:41375943	综述	本文综述了机器学习和深度学习在食品安全风险评估中的变革性作用，重点关注其在生物毒素检测、重金属污染、农药和兽药残留分析以及微生物风险预测等关键领域的应用进展	系统总结了ML和DL在食品安全风险评估中的最新应用，并强调了新型DL架构（如CNN、RNN和Transformer）在自动化特征提取和多模态数据集成方面的能力，从而显著提高了检测准确性和效率	未提及具体的研究局限性	回顾机器学习和深度学习在实现智能食品安全管理中的作用，以应对日益复杂的全球供应链挑战	食品安全风险评估，具体包括生物毒素、重金属、农药和兽药残留以及微生物风险	机器学习	NA	机器学习，深度学习	支持向量机，随机森林，K-means，分层聚类分析，卷积神经网络，循环神经网络，Transformer	高质量非线性数据，多模态数据	NA	NA	卷积神经网络，循环神经网络，Transformer	检测准确性，效率	NA
139	2025-12-14	TruMPET: A New Method for Protein Secondary Structure Prediction Using Neural Networks Trained on Multiple Pre-Selected Physicochemical and Structural Features 2025-Nov-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311284 PMID:41373446	研究论文	提出了一种名为TruMPET的新方法，通过神经网络结合预选的物理化学和结构特征来预测蛋白质二级结构	该方法强调使用统计上显著且互不相关的描述符生成机器学习特征集，包括预测非标准氨基酸的物理化学参数，并结合ESMFold2嵌入与双层Bi-LSTM网络	未明确提及方法的局限性，如对特定蛋白质类型或数据集的泛化能力	改进仅从氨基酸序列预测蛋白质二级结构的方法，提高预测准确性	蛋白质的氨基酸序列及其对应的二级结构（DSSP类别）	机器学习	NA	蛋白质语言模型嵌入、线性判别分析	Bi-LSTM	序列数据	使用非冗余数据集（CB513和TEST2018），具体样本数量未明确	NA	双层Bi-LSTM网络结合ESMFold2嵌入	DSSP Q3准确率, DSSP Q8准确率	NA
140	2025-12-14	Ordinal Regression Research Based on Dual Loss Function-An Example on Lumbar Vertebra Classification in CT Images 2025-Nov-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232949 PMID:41374330	研究论文	本研究提出了一种基于双损失函数的序数回归方法，并将其应用于CT图像中的腰椎分类，以辅助L3椎体识别和肌肉减少症检测	提出了一个结合标准交叉熵损失和序数残差损失的双损失框架（Ordinal Residual Dual Loss），用于处理有序类别分类问题	研究为回顾性研究，未在外部验证集上进行测试	开发一种改进的深度学习模型，用于CT图像中腰椎的自动分类，以支持临床中L3椎体定位和肌肉减少症评估	腰椎CT图像	计算机视觉	肌肉减少症	CT成像	深度学习	图像	NA	NA	MobileNet-v3-Large	分类性能	NA