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
141	2025-10-01	Automated Detection and Segmentation of Ascending Aorta Dilation on a Non-ECG-Gated Chest CT Using Deep Learning 2025-Sep-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182336 PMID:41008708	研究论文	开发用于非心电门控胸部CT扫描中升主动脉扩张自动检测与分割的深度学习模型	提出结合CNN分类和U-Net分割的两阶段深度学习流程，在非心电门控CT上实现高精度主动脉分割	仅使用500例非心电门控胸部CT扫描进行训练和验证	开发自动检测升主动脉扩张的深度学习模型以提高诊断效率	升主动脉扩张患者的非心电门控胸部CT扫描	计算机视觉	心血管疾病	深度学习	CNN + U-Net	CT图像	500例非心电门控胸部CT扫描，包含超过50,000个切片
142	2025-10-01	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模型用于肺和结肠癌检测	首次将ViT的自注意力机制与可变形卷积相结合，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	提高基于医学图像的癌症检测和分类性能	肺和结肠癌组织病理学图像	计算机视觉	肺癌、结肠癌	深度学习	ViT-DCNN（Vision Transformer + Deformable CNN）	图像	来自肺和结肠癌组织病理学图像数据集的五类图像数据，按80%训练、10%验证、10%测试划分
143	2025-10-01	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现状和效果	首次系统性地总结了AI和数字工具在肝胆胰外科手术全路径（从术前到术中）的应用证据	大多数研究为回顾性、单中心或可行性设计，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和手术过程	数字病理	肝胆胰疾病	机器学习、深度学习、影像组学、增强/混合现实、计算机视觉	多种AI模型	医学影像和手术视频	38项符合纳入标准的研究
144	2025-10-01	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	提出基于RWKV架构的高效低漂移视觉惯性里程计框架RWKV-VIO	采用RWKV架构实现线性计算复杂度，设计新型IMU编码器与并行编码策略提升特征提取能力	NA	解决视觉惯性里程计中时序建模和计算效率的关键挑战	自主导航和机器人技术	计算机视觉	NA	深度学习	RWKV	图像和惯性测量数据	公开共享数据集
145	2025-10-01	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	修正	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机制论文进行修正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
146	2025-10-01	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整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	深度学习模型	3D图像数据、面部网格数据	NA
147	2025-10-01	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、治疗选择和术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最新应用，并首次综合讨论其临床转化面临的伦理、监管和实际障碍	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，阻碍临床整合	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	机器学习、深度学习、影像组学	AI模型（具体类型未明确说明）	影像数据、临床数据、病理数据、分子数据	NA
148	2025-10-01	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实时船舶检测的多线索融合与杂波不变学习框架	集成尺度自适应卷积的特征提取模块、解耦目标-背景模糊性的特征融合模块以及优化精度-效率平衡的检测头模块	NA	解决SAR图像中小型船舶检测面临的弱目标散射特征、复杂海杂波干扰和计算效率低下的问题	合成孔径雷达图像中的船舶目标	计算机视觉	NA	深度学习	无锚框检测框架	SAR图像	使用HRSID和SSDD两个高杂波SAR数据集进行验证
149	2025-10-01	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	提出基于变分模态分解和深度学习的动车组电机轴承振动信号异常检测方法	结合自适应VMD参数选择与混合深度学习模型（CNN-BiLSTM-ResNet），通过OC-SVM建立正常状态决策边界，实现从未知异常状态的早期检测	使用非实时地面监测系统数据，未明确说明样本数据的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异常检测问题	CR400AF动车组电机轴承振动信号	机器学习	NA	变分模态分解(VMD)、功率谱密度分析、深度学习	CNN、BiLSTM、ResNet、OC-SVM混合模型	振动信号数据	CR400AF动车组电机轴承实际运行数据（具体数量未明确）
150	2025-10-01	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	提出一种创新的深度学习方法，通过惯性传感器数据预测标记点位置，使传统光学运动捕捉方法能够用于估计关节运动学	使用带有自定义生物力学损失函数的自编码器网络，首次实现从IMU数据直接预测标记点位置，并通过动态时间规整技术提高关节角度计算精度	研究仅针对步行运动和在矢状面的关节角度，未涉及其他运动形式或平面	弥合惯性传感器与光学运动捕捉系统之间的方法学差距	18名参与者在跑步机上行走时的运动数据	机器学习	NA	惯性测量单元(IMU)、光学运动捕捉(OMC)、动态时间规整(DTW)	自编码器网络	运动传感器数据、标记点位置数据	18名参与者，使用7个IMU传感器和反光标记点
151	2025-10-01	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对次优CT肺动脉造影中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130 HU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(CTPA)	深度学习算法	医学影像	103例次优CTPA病例(2020年5月至2025年3月)
152	2025-10-01	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	提出一种集成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基础上融合残差连接、自适应通道注意力(ACA)和维度空间三重注意力(DTA)模块，能更有效提取多尺度特征	NA	开发能够精确分割异质性脑肿瘤区域的鲁棒自动化方法	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
153	2025-10-01	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	本研究提出了一种基于深度学习的自动化胸片胸腔积液检测系统	结合图像裁剪、图像增强和EfficientNet-B0模型，显著提升检测准确率达21.30%	NA	开发自动化胸腔积液辅助诊断系统以减少医生工作负担	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	图像	NA
154	2025-10-01	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	提出结合H&E和Ki-67染色图像的机器学习流程，在NEN分级中实现高准确率并识别出具有独特预后的G1肿瘤亚群	需要进一步研究确定模型识别出的不一致分组是否为不同的临床实体	开发自动化的神经内分泌肿瘤分级系统以解决病理学家评估中的变异性问题	胃肠胰腺神经内分泌肿瘤	数字病理	神经内分泌肿瘤	全切片图像分析	深度学习框架	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
155	2025-10-01	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颜色空间红色阈值分割，近距离使用轻量级深度学习模型FOMO MobileNetV2，相比基准模型准确率提升26.5%	仅针对实验室环境的小型物品运输场景，未在更复杂环境中验证	满足移动嵌入式无人车辆在实验室物品运输中的实时目标检测需求	实验室环境中的检测目标（具体物品未明确说明）	计算机视觉	NA	HSV颜色空间分割、深度学习、PID控制算法	FOMO MobileNetV2	图像	自建多维数据集包含820个样本（考虑光照强度和物体距离两个变量）
156	2025-10-01	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，用于婴儿先天性心脏病的早期诊断	首次将心脏听诊音频信号通过MFCC转换为时频表示，并结合CNN和LSTM网络进行先天性心脏病早期检测	研究主要依赖于公开数据集，需要进一步临床验证	开发基于深度学习的先天性心脏病早期诊断方法	婴儿心脏听诊音频信号	医学人工智能	先天性心脏病	Mel-Frequency Cepstral Coefficients (MFCC)	CNN + LSTM	音频信号	公开数据集（具体数量未明确说明）
157	2025-10-01	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，用于预测抗凝药物在房颤治疗中可能引起的生物学靶点相关不良反应	将深度学习应用于药物不良反应的生物学机制预测，整合蛋白质序列和受影响器官信息进行预筛查	NA	预筛查抗凝药物在临床试验中的使用持久性和成功率，指导最优药物选择	抗凝药物（依诺肝素、利伐沙班、依度沙班、阿哌沙班）及其生物学靶点	机器学习	心血管疾病	深度学习	深度学习框架	蛋白质序列、药物不良反应数据	使用SIDER和FAERS外部验证数据集进行评估
158	2025-10-01	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	本研究提出了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在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，采用多模态方法预测免疫治疗相关肺炎	NA	开发机器学习算法准确预测免疫检查点抑制剂治疗引起的肺炎	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
159	2025-10-01	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多靶点药物发现中的应用、挑战与未来方向	系统整合了从传统监督学习到现代图神经网络和多任务学习等机器学习技术在多靶点药物发现中的应用，并探讨了生成模型、联邦学习等前沿方向	面临数据稀疏性、模型可解释性不足、泛化能力有限以及实验工作流程整合困难等挑战	为研究人员提供利用机器学习开发更安全有效的多靶点治疗药物的路线图	多靶点药物发现过程和系统药理学研究	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
160	2025-10-01	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	通过LSTM网络考虑机器不同工作状态对传感器测量的影响，并采用基于预测误差的输入选择方法提高检测精度	仅使用来自矿山卡车的一个真实数据集进行验证，缺乏更广泛场景的测试	解决传感器数据中异常检测和隔离的问题，特别是在缺乏标注数据的场景下	传感器数据，特别是来自矿山卡车操作过程中的传感器测量数据	机器学习	NA	LSTM（长短期记忆网络）	LSTM	时间序列传感器数据	来自矿山卡车操作的一个真实数据集