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
121	2025-09-30	ViT-DCNN: Vision Transformer with Deformable CNN Model for Lung and Colon Cancer Detection 2025-Sep-15, Cancers IF:4.5Q1 DOI:10.3390/cancers17183005 PMID:41008848	研究论文	提出结合视觉Transformer和可变形CNN的ViT-DCNN模型用于肺癌和结肠癌检测	首次将ViT的自注意力机制与可变形卷积结合，能同时学习整体上下文信息和细粒度局部空间细节	数据集规模有限，模型可解释性有待提升	提高肺癌和结肠癌的医学图像检测和分类准确率	肺癌和结肠癌组织病理学图像	计算机视觉	肺癌和结肠癌	深度学习	ViT-DCNN（视觉Transformer与可变形CNN结合）	图像	来自肺癌和结肠癌组织病理学图像数据集的五个类别图像数据，按80%训练、10%验证、10%测试划分
122	2025-09-30	Artificial Intelligence and Digital Tools Across the Hepato-Pancreato-Biliary Surgical Pathway: A Systematic Review 2025-Sep-15, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14186501 PMID:41010705	系统综述	系统评估人工智能和数字工具在肝胆胰外科手术路径中的应用	首次系统性地总结了AI和数字工具在整个肝胆胰外科手术路径（从术前诊断到术中导航）中的综合应用	大多数研究为回顾性、单中心或可行性研究，外部验证有限	评估人工智能和数字技术在肝胆胰外科手术护理中的应用效果	肝胆胰外科手术患者	数字病理	肝胆胰疾病	机器学习、深度学习、影像组学、增强现实/混合现实、计算机视觉	机器学习模型、深度学习模型	医学影像数据	基于38项符合纳入标准的研究
123	2025-09-30	RWKV-VIO: An Efficient and Low-Drift Visual-Inertial Odometry Using an End-to-End Deep Network 2025-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s25185737 PMID:41012976	研究论文	提出了一种基于RWKV架构的高效低漂移视觉-惯性里程计框架	采用RWKV架构实现线性计算复杂度，设计新型IMU编码器通过残差连接和通道对齐提升特征提取效果，使用并行编码策略增强复杂模式检测能力	NA	解决视觉-惯性里程计中时间建模和计算效率的关键挑战	自主导航和机器人技术中的定位问题	计算机视觉	NA	深度学习，视觉-惯性里程计	RWKV，残差网络	图像，惯性测量单元数据	公开共享数据集
124	2025-09-30	Correction: Javeed et al. A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT). Sensors 2021, 21, 4884 2025-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s25185739 PMID:41013172	correction	对先前发表的关于物联网安全通信的混合深度学习驱动SDN机制论文进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
125	2025-09-30	AI-Assisted Fusion Technique for Orthodontic Diagnosis Between Cone-Beam Computed Tomography and Face Scan Data 2025-Sep-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090975 PMID:41007220	研究论文	提出一种基于深度学习的融合技术，将锥形束计算机断层扫描与面部扫描数据相结合以提升正畸诊断精度	结合深度学习模型与迭代最近点算法，解决不同时间采集数据的配准难题，实现高精度初始对齐	结果仅为初步可行性研究，尚未证实临床准确性，需进一步验证	提升医学影像诊断准确性和治疗规划效率，特别是在美容手术和正畸领域	锥形束计算机断层扫描数据和面部扫描数据	计算机视觉	NA	锥形束计算机断层扫描(CBCT)、面部扫描、迭代最近点(ICP)算法	深度学习	3D图像、面部网格数据	NA
126	2025-09-30	Turning the Tide-Artificial Intelligence in the Evolving Landscape of Liver Cancer 2025-Sep-14, Cancers IF:4.5Q1 DOI:10.3390/cancers17183003 PMID:41008847	综述	本文探讨人工智能在肝癌早期检测、诊断、分期、治疗选择和治疗后监测等临床全流程中的应用潜力与挑战	系统梳理AI在肝癌诊疗全流程中的应用现状，并首次综合讨论其临床转化面临的伦理、监管和后勤障碍	大多数AI应用仍处于概念验证阶段，缺乏大规模临床试验和监管批准，临床整合进展缓慢	评估人工智能在肝癌管理中的转化潜力并分析临床应用的障碍	肝癌患者诊疗相关数据（影像、临床、病理、分子数据）	数字病理	肝癌	人工智能、机器学习、深度学习、影像组学	AI模型	影像数据、临床数据、病理数据、分子数据	基于PubMed和Scopus数据库的文献综述，包含多项回顾性研究（部分诊断准确率超90%）
127	2025-09-30	MCEM: Multi-Cue Fusion with Clutter Invariant Learning for Real-Time SAR Ship Detection 2025-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s25185736 PMID:41012975	研究论文	提出一种用于合成孔径雷达图像中实时船舶检测的多线索融合框架MCEM	集成尺度自适应卷积、特征解耦和精度-效率平衡优化的锚点免费检测框架	NA	解决SAR图像中小型船舶检测的弱目标散射特征、复杂海杂波干扰和计算效率问题	合成孔径雷达图像中的船舶目标	计算机视觉	NA	深度学习	锚点免费检测框架（包含FEM、FM、DHM三个模块）	SAR图像	使用HRSID和SSDD两个高杂波SAR数据集进行验证
128	2025-09-30	Abnormal Vibration Signal Detection of EMU Motor Bearings Based on VMD and Deep Learning 2025-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s25185733 PMID:41012972	研究论文	提出结合变分模态分解和深度学习的协同方法，用于高速动车组电机轴承振动信号的异常检测	采用自适应VMD参数选择优化模态数量和惩罚因子，结合CNN-BiLSTM- ResNet混合深度学习模型进行多尺度特征提取和时间建模，并利用OC-SVM建立正常状态决策边界	使用非实时地面监测系统数据，未明确说明样本数据的具体时间跨度和采集条件	解决高速动车组电机轴承振动信号的非平稳性和多分量耦合特性带来的异常检测挑战	CR400AF动车组电机轴承的振动信号	机器学习	NA	变分模态分解(VMD)、功率谱密度(PSD)分析	CNN、BiLSTM、ResNet、OC-SVM混合模型	振动信号数据	基于CR400AF动车组电机轴承实际监测数据（具体样本数量未明确说明）
129	2025-09-30	Bridging the Methodological Gap Between Inertial Sensors and Optical Motion Capture: Deep Learning as the Path to Accurate Joint Kinematic Modelling Using Inertial Sensors 2025-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s25185728 PMID:41012969	研究论文	提出一种基于深度学习的创新方法，通过惯性传感器数据预测标记点位置，实现传统光学运动捕捉方法在惯性传感器上的应用	使用自编码器网络和自定义生物力学损失函数，首次实现从IMU数据直接预测标记点位置，为惯性传感器应用传统生物力学分析方法开辟新途径	研究主要关注矢状面关节角度，对其他运动平面的验证尚不充分	解决惯性传感器与光学运动捕捉系统之间的方法学差距，实现基于惯性传感器的精确关节运动学建模	18名参与者在跑步机上行走时的运动数据	机器学习	NA	深度学习、动态时间规整	自编码器网络	传感器数据、运动捕捉数据	18名参与者，使用7个IMU传感器和反光标记点
130	2025-09-30	Deep Learning-Based Iodine Contrast Augmentation for Suboptimally Enhanced CT Pulmonary Angiography: Implications for Pulmonary Embolism Diagnosis 2025-Sep-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182325 PMID:41008696	研究论文	评估深度学习碘对比度增强算法在次优CT肺动脉造影中对肺栓塞诊断的图像质量和诊断性能影响	首次在次优CTPA中应用深度学习碘对比度增强算法，并确定了130 HU的肺动脉衰减阈值	回顾性研究，样本量有限（103例）	提高次优CT肺动脉造影中肺栓塞的诊断准确性	次优CT肺动脉造影图像	医学影像分析	肺栓塞	CT肺动脉造影	深度学习	医学影像	103例次优CTPA病例
131	2025-09-30	Automated Brain Tumor MRI Segmentation Using ARU-Net with Residual-Attention Modules 2025-Sep-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182326 PMID:41008698	研究论文	提出一种结合残差连接和注意力模块的ARU-Net深度学习架构，用于脑肿瘤MRI图像的自动分割	在U-Net架构中集成残差连接、自适应通道注意力(ACA)和维度空间三重注意力(DTA)模块，能更有效地提取多尺度特征	NA	开发鲁棒且自动化的脑肿瘤分割方法，提高分割精度和泛化能力	脑肿瘤MRI图像	医学图像分析	脑肿瘤	深度学习	ARU-Net (基于U-Net的改进架构)	MRI图像	BTMRII数据集
132	2025-09-30	Automated Computer-Assisted Diagnosis of Pleural Effusion in Chest X-Rays via Deep Learning 2025-Sep-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182322 PMID:41008694	研究论文	提出一种基于深度学习的胸片胸腔积液自动检测系统	集成图像裁剪、图像增强和EfficientNet-B0模型，通过针对性区域提取和特征增强显著提升检测准确率	未明确说明数据集规模和多样性限制	开发自动化胸腔积液辅助诊断系统以减轻医生工作负担	胸片图像中的胸腔积液病变	计算机视觉	肺部疾病	深度学习	EfficientNet-B0	医学影像（胸片图像）	NA
133	2025-09-30	A Deep Learning Framework for Classification of Neuroendocrine Neoplasm Whole Slide Images 2025-Sep-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17182991 PMID:41008835	研究论文	开发用于神经内分泌肿瘤全切片图像分类的深度学习框架	首个系统性研究H&E染色、H&E与Ki-67联合使用以及病理学家校正病例三种设置下的NEN分级性能	需要进一步研究确定模型识别出的不一致组是否为不同的临床实体	解决神经内分泌肿瘤分级中观察者间和观察者内变异性的挑战	胃肠胰腺神经内分泌肿瘤	数字病理	神经内分泌肿瘤	深度学习	CNN	全切片图像	385个样本（247张H&E图像和138张Ki-67图像），来自186名患者
134	2025-09-30	A Lightweight Hybrid Detection System Based on the OpenMV Vision Module for an Embedded Transportation Vehicle 2025-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s25185724 PMID:41012964	研究论文	提出基于OpenMV视觉模块的轻量级混合检测系统，用于嵌入式无人运输车辆的实时目标检测	采用两阶段检测机制：远距离使用HSV颜色空间红阈值分割，近距离使用轻量级深度学习模型；构建FOMO MobileNetV2模型，分类准确率提升26.5%	基于自建数据集验证（820个样本），需在实际环境中进一步测试	满足移动嵌入式无人车辆实验室物品运输智能控制系统的实时目标检测需求	实验室环境中的检测目标	计算机视觉	NA	HSV颜色空间分割、深度学习	FOMO MobileNetV2	图像	自建多维数据集820个样本（包含光照强度和物体距离两个变量）
135	2025-09-30	Deep Learning for Heart Sound Abnormality of Infants: Proof-of-Concept Study of 1D and 2D Representations 2025-Sep-12, Children (Basel, Switzerland) DOI:10.3390/children12091221 PMID:41007086	研究论文	本研究开发了一种基于深度学习的创新框架，利用心脏听诊信号进行先天性心脏病的早期诊断	首次将心脏听诊音频信号转换为时频表示，并结合CNN和LSTM网络进行先天性心脏病的早期检测	研究依赖于公开数据集，需要进一步临床验证	开发先天性心脏病的早期诊断方法	婴儿心脏听诊信号	机器学习	先天性心脏病	Mel频率倒谱系数(MFCCs)	CNN和LSTM结合模型	音频信号	NA
136	2025-09-30	Rapid Screening of Anticoagulation Compounds for Biological Target-Associated Adverse Effects Using a Deep-Learning Framework in the Management of Atrial Fibrillation 2025-Sep-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090972 PMID:41007217	研究论文	本研究开发了一个深度学习框架，用于在房颤管理中预筛选抗凝化合物的生物靶点相关不良反应	扩展并评估了基于深度学习的框架，用于筛选药物相关不良反应，特别关注房颤管理中的新型候选药物和作用机制	NA	预筛选药物在临床试验中的使用持续性或成功可能性，指导最佳药物选择	抗凝化合物（如依诺肝素、利伐沙班、依度沙班、阿哌沙班）和sequoiaflavone	机器学习	心血管疾病	深度学习	深度学习框架	蛋白质序列、不良反应数据	使用SIDER和FAERS外部验证数据集进行验证
137	2025-09-30	Predicting Immunotherapy-Induced Pneumonitis Based on Chest CT and Non-Imaging Data 2025-Sep-12, Cancers IF:4.5Q1 DOI:10.3390/cancers17182980 PMID:41008824	研究论文	提出一种基于深度学习的多模态预测方法，用于预测非小细胞肺癌患者接受免疫检查点抑制剂治疗后发生肺炎的风险	首次结合视觉Transformer提取的深度学习特征、放射组学特征和临床特征进行多模态预测，相比单一模态方法获得更优预测性能	NA	开发机器学习算法准确预测免疫检查点抑制剂诱导的肺炎	接受免疫检查点抑制剂治疗的非小细胞肺癌患者	医学影像分析	肺癌	深度学习、机器学习、放射组学分析	Vision Transformer + 十种机器学习算法	CT影像、临床数据	NA
138	2025-09-30	Machine Learning for Multi-Target Drug Discovery: Challenges and Opportunities in Systems Pharmacology 2025-Sep-12, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17091186 PMID:41012523	综述	本文全面综述了机器学习在系统药理学中多靶点药物发现的应用、挑战与未来方向	系统性地整合了从传统监督学习到现代基于图和注意力机制等深度学习方法的机器学习技术在多靶点药物发现中的应用	面临数据稀疏性、模型可解释性不足、泛化能力有限以及与实验工作流程整合困难等挑战	探索机器学习在系统药理学中多靶点药物发现的应用潜力	多靶点药物发现技术及其在复杂疾病治疗中的应用	机器学习	癌症和神经退行性疾病	机器学习、深度学习	注意力机制模型、图神经网络、多任务学习框架、生成模型	大规模生物数据	NA
139	2025-09-30	A Multi-Working States Sensor Anomaly Detection Method Using Deep Learning Algorithms 2025-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s25185686 PMID:41012925	研究论文	提出一种基于LSTM深度学习算法的多工作状态传感器异常检测方法	针对传感器数据标签缺失和机器工作状态变化的问题，结合LSTM网络和输入选择方法实现多工作状态下的异常检测	仅使用卡车在矿山运行的单一样本数据集进行验证	解决传感器数据中异常检测和隔离的挑战	传感器数据异常检测	机器学习	NA	LSTM网络	LSTM	传感器时序数据	来自矿山卡车运行的真实数据集
140	2025-09-30	Transparent EEG Analysis: Leveraging Autoencoders, Bi-LSTMs, and SHAP for Improved Neurodegenerative Diseases Detection 2025-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s25185690 PMID:41012929	研究论文	本研究开发了一种结合自编码器、双向LSTM和SHAP的深度学习流程，用于基于EEG信号的阿尔茨海默病和额颞叶痴呆分类	提出了一种新颖的分类流程，结合自编码器进行特征提取和Bi-LSTM分析时间模式，并应用SHAP增强模型可解释性	EEG信号存在噪声敏感性和受试者间变异性等挑战	开发透明且准确的神经退行性疾病检测方法	阿尔茨海默病(AD)和额颞叶痴呆(FTD)患者以及认知正常对照组的EEG信号	机器学习	神经退行性疾病	EEG信号分析	自编码器、双向LSTM(Bi-LSTM)	EEG信号	88名老年参与者（36名AD患者、23名FTD患者、29名认知正常对照组）