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
1701	2025-07-17	Rolling Based on Multi-Source Time-Frequency Feature Fusion with a Wavelet-Convolution, Channel-Attention-Residual Network-Bearing Fault Diagnosis Method 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134091 PMID:40648345	研究论文	提出了一种基于多源时频特征融合和小波卷积通道注意力残差网络的轴承故障诊断方法	通过融合连续小波变换、短时傅里叶变换、希尔伯特-黄变换和维格纳-威利分布的多源时频特征，显著提升了复杂故障模式的表征能力，并构建了轻量级的深度学习模型WaveCAResNet	未明确提及具体局限性	提高轴承故障诊断的准确性和可靠性	滚动轴承	机器故障诊断	NA	连续小波变换、短时傅里叶变换、希尔伯特-黄变换、维格纳-威利分布	WaveCAResNet（基于残差网络的小波卷积通道注意力残差网络）	振动信号	典型轴承数据集（未明确提及具体样本数量）
1702	2025-07-17	Cross-Modal Data Fusion via Vision-Language Model for Crop Disease Recognition 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134096 PMID:40648350	research paper	提出了一种基于视觉-语言模型的跨模态数据融合方法，用于作物病害识别	利用Zhipu.ai多模型生成作物叶片病害的全面文本描述，并通过跨注意力机制融合多模态特征，提高了识别准确率	未提及模型在不同光照或遮挡条件下的鲁棒性	提高作物病害识别的准确性和效率	作物叶片病害	computer vision	crop disease	跨模态数据融合	vision-language model	image, text	Soybean Disease, AI Challenge 2018, PlantVillage数据集
1703	2025-07-17	From droplets to diagnosis: AI-driven imaging and system integration in digital nucleic acid amplification testing 2025-Jun-30, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117741 PMID:40664140	综述	本文系统综述了人工智能驱动的荧光图像分析在数字核酸扩增测试（dNAAT）中的应用，并提出了一个结构化框架	首次系统综述了AI在dNAAT中的应用，提出了将dNAAT重新定义为五个阶段的结构化框架，并探讨了AI原生平台的转化机会	数据稀缺性和模型泛化能力是主要限制	推动数字核酸扩增测试在即时检测（POCT）中的广泛应用	数字核酸扩增测试（dNAAT）	数字病理学	NA	数字PCR、等温扩增技术	深度学习、基础模型（如SAM、ViT、GPT-4o）	荧光图像	NA
1704	2025-07-17	A Deep Learning Framework for Enhancing High-Frequency Optical Fiber Vibration Sensing from Low-Sampling-Rate FBG Interrogators 2025-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s25134047 PMID:40648303	研究论文	本文提出了一种新颖的深度神经网络框架，用于突破低采样率FBG解调器在高频振动识别中的采样限制	该框架仅利用原始时域信号，能够准确识别高频和极接近的振动成分，突破了低采样率FBG解调器的限制	NA	提高低采样率FBG解调器在高频振动识别中的性能	光纤布拉格光栅(FBG)传感器和低功耗、低采样率FBG解调器	机器学习和光学传感	NA	深度神经网络(DNN)	DNN	时域信号	模拟和实验数据集组合
1705	2025-07-17	Multimodal Particulate Matter Prediction: Enabling Scalable and High-Precision Air Quality Monitoring Using Mobile Devices and Deep Learning Models 2025-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s25134053 PMID:40648310	研究论文	本文提出了一种利用移动相机设备和深度学习模型预测颗粒物(PM)浓度的新方法	采用基于transformer的深度学习架构和CLIP多模态框架，从智能手机拍摄的环境图像中提取与PM浓度相关的视觉特征	需要季节性数据扩展和架构改进来进一步提升性能	开发可扩展且高精度的空气质量监测系统	颗粒物(PM)浓度	计算机视觉	NA	深度学习	transformer, CLIP	图像	多样化的智能手机拍摄图像
1706	2025-07-17	A Review of OBD-II-Based Machine Learning Applications for Sustainable, Efficient, Secure, and Safe Vehicle Driving 2025-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s25134057 PMID:40648315	review	本文综述了基于OBD-II和机器学习的应用，旨在提升车辆驾驶的可持续性、效率、安全性和安全性	结合OBD-II传感器数据和机器学习技术，开发了超越传统方法的智能、数据驱动的车辆功能	未提及具体实验数据或样本量，可能缺乏实证支持	研究如何利用OBD-II传感器数据和机器学习技术提升车辆驾驶的可持续性、效率、安全性和安全性	现代车辆系统	machine learning	NA	OBD-II传感器数据	supervised, unsupervised, reinforcement learning (RL), deep learning (DL), hybrid models	传感器数据	NA
1707	2025-07-17	EpInflammAge: Epigenetic-Inflammatory Clock for Disease-Associated Biological Aging Based on Deep Learning 2025-Jun-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26136284 PMID:40650062	研究论文	介绍了一种名为EpInflammAge的可解释深度学习工具，通过整合表观遗传和炎症标志物来创建高精度、疾病敏感的生物学年龄预测器	结合表观遗传改变和免疫衰老这两大衰老标志，首次利用AI模型从血液DNA甲基化预测24种细胞因子水平，并利用开源表观遗传数据生成合成炎症生物标志物	NA	开发一种能够准确预测生物学年龄并具有疾病敏感性的工具	表观遗传和炎症标志物	机器学习	多种疾病	DNA甲基化分析	深度神经网络	表观遗传数据和炎症数据	25,000个样本
1708	2025-07-17	Exploring the Potential of a Deep Learning Model for Early CT Detection of High-Grade Metastatic Epidural Spinal Cord Compression and Its Impact on Treatment Delays 2025-Jun-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17132180 PMID:40647478	research paper	评估深度学习模型在早期CT检测高级别转移性硬膜外脊髓压迫中的潜力及其对治疗延迟的影响	首次证明深度学习模型可帮助减少高级别转移性硬膜外脊髓压迫的诊断延迟	需要进一步的前瞻性研究来明确其在改善早期诊断/治疗中的具体作用	评估深度学习模型在检测高级别转移性硬膜外脊髓压迫和减少诊断延迟方面的潜力	140名2015-2022年间接受手术治疗的C7至L2段转移性硬膜外脊髓压迫患者	digital pathology	spinal cord compression	deep learning	DLM	CT scans	140名患者，其中95名有术前CT扫描
1709	2025-07-17	SPP-SegNet and SE-DenseNet201: A Dual-Model Approach for Cervical Cell Segmentation and Classification 2025-Jun-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17132177 PMID:40647476	研究论文	提出了一种基于SPP-SegNet和SE-DenseNet201的双模型方法，用于宫颈细胞的分割和分类，以提高宫颈癌检测的准确性	在SegNet框架中引入了SPP瓶颈和空洞卷积，以提取多尺度空间特征并提高分割性能，同时使用SE-DenseNet201进行分类	NA	提高宫颈癌检测的准确性	宫颈细胞	数字病理学	宫颈癌	深度学习	SPP-SegNet, SE-DenseNet201	图像	Pomeranian和SIPaKMeD数据集
1710	2025-07-17	An Interpretability Method for Broken Wire Detection 2025-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s25134002 PMID:40648258	研究论文	提出一种基于扰动的可解释性方法ESTC，用于检测钢丝绳断丝，并通过实验验证其优于其他方法	ESTC方法针对信号对象而非普通对象，与其他同类方法不同，且实验结果证明其优越性	未提及具体样本量或数据集的多样性限制	提高钢丝绳断丝检测模型的可信度和实际应用价值	钢丝绳的电磁信号图像	计算机视觉	NA	YOLOv8目标检测模型	YOLOv8	图像	未提及具体样本量
1711	2025-07-17	BDSER-InceptionNet: A Novel Method for Near-Infrared Spectroscopy Model Transfer Based on Deep Learning and Balanced Distribution Adaptation 2025-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s25134008 PMID:40648263	研究论文	提出了一种基于深度学习和平衡分布适应的新型近红外光谱模型迁移方法	结合多尺度网络架构与平衡分布适应（BDA）增强跨仪器兼容性，提出RX-Inception多尺度结构和SE注意力机制	传统建模方法在处理仪器异质性、环境干扰和样本多样性方面存在局限性	提高近红外光谱分析技术在工业应用中的模型泛化能力和迁移效率	近红外光谱数据	机器学习	NA	近红外光谱分析技术	BDSER-InceptionNet, RX-Inception, SE注意力机制	光谱数据	公开的玉米和药物数据集
1712	2025-07-17	A Self-Supervised Specific Emitter Identification Method Based on Contrastive Asymmetric Masked Learning 2025-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s25134023 PMID:40648277	研究论文	提出了一种基于对比非对称掩码学习的自监督特定发射器识别方法，以解决在标记样本稀缺情况下的无线设备安全问题	提出了一种新颖的对比非对称掩码学习方法（CAML-SEI），通过非对称自编码器架构和对比损失函数，有效学习细粒度局部特征表示	未提及在更广泛的无线通信场景中的适用性或对其他类型信号的处理能力	解决在非合作通信场景中，标记数据稀缺情况下的特定发射器识别问题	无线通信系统中的特定发射器	机器学习	NA	对比学习、非对称掩码学习	自编码器（基于通道挤压-激励残差块的编码器和轻量级单层卷积解码器）	无线信号数据	真实世界的ADS-B和Wi-Fi数据集（具体数量未提及）
1713	2025-07-17	Proteomizer: Leveraging the Transcriptome-Proteome Mismatch to Infer Novel Gene Regulatory Relations 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.22.660946 PMID:40666834	research paper	介绍了一种名为Proteomizer的深度学习平台，旨在从转录组和miRNomic数据推断蛋白质组景观	提出了首个系统评估蛋白质组化模型的生物学相关性、局限性和可解释性的研究，Proteomizer在转录组-蛋白质组相关性上达到了最高性能	性能提升未能在未见组织类型或使用不同协议生成的数据集上泛化	解决转录组数据作为蛋白质丰度代理的局限性，提高差异基因表达检测的准确性	转录组(Tx)、miRNomic(Mx)和蛋白质组(Px)数据	machine learning	NA	深度学习，Monte Carlo模拟，可解释AI(XAI)	deep learning	转录组、miRNomic和蛋白质组数据	8,613个匹配的Tx-Mx-Px样本来自TCGA和CPTAC
1714	2025-07-17	Deep Learning Transforms Phage-Host Interaction Discovery from Metagenomic Data 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.26.656232 PMID:40666868	研究论文	本文介绍了一种名为PHILM的深度学习框架，用于直接从宏基因组数据的分类学特征中预测噬菌体-宿主相互作用	开发了PHILM框架，相比传统方法能更敏感且准确地捕获噬菌体-宿主相互作用及其生态关系	NA	提高从宏基因组数据推断噬菌体-宿主相互作用的准确性和敏感性	噬菌体与宿主的相互作用	机器学习	NA	宏基因组分析	深度学习	宏基因组数据	7,016份健康人粪便样本
1715	2025-07-17	Coalescence and Translation: A Language Model for Population Genetics 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.24.661337 PMID:40666889	research paper	本文提出了一种基于语言模型的种群遗传学方法，通过深度学习技术从合成遗传数据中推断隐藏的进化过程	将合并时间的推断问题重新定义为两种生物语言之间的翻译问题，并开发了一个仅解码器的transformer模型cxt，用于自回归预测合并事件	模型依赖于合成数据进行训练，可能在实际应用中存在泛化性问题	开发一种灵活、可扩展的方法，用于从基因组数据中推断种群遗传学的系谱历史	基因组数据和祖先重组图(ARG)	machine learning	NA	deep learning, transformer model	decoder-only transformer (cxt)	genomic data	训练数据覆盖了stdpopsim目录中的模拟数据，可高效推断数百万个合并预测
1716	2025-07-17	On the use of generative models for evolutionary inference of malaria vectors from genomic data 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.26.661760 PMID:40667127	研究论文	本文探讨了使用生成模型从基因组数据中推断疟疾媒介的进化历史	采用创新的生成深度学习算法推断蚊虫种群的共同进化历史，并开发了一种新的模型选择方法	研究仅针对几内亚和布基纳法索的蚊虫种群，可能无法推广到其他地区	理解疟疾媒介的进化历史，以辅助疟疾控制干预	撒哈拉以南非洲的蚊虫种群，特别是几内亚和布基纳法索的样本	机器学习	疟疾	生成深度学习算法	生成模型	基因组数据	几内亚和布基纳法索的蚊虫种群样本
1717	2025-07-17	Accurate Prediction of ecDNA in Interphase Cancer Cells using Deep Neural Networks 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.23.661188 PMID:40667255	研究论文	本文介绍了一种基于深度学习的工具interSeg，用于从间期FISH图像中准确预测癌基因扩增状态	开发了interSeg工具，首次能够在间期细胞中准确区分染色体外扩增和染色体扩增	研究主要基于实验室培养细胞和组织模型，临床样本验证规模相对较小	开发能够从间期细胞中准确预测癌基因扩增状态的方法	间期癌细胞中的染色体外DNA(ecDNA)扩增	数字病理学	癌症	荧光原位杂交(FISH)	深度神经网络(DNN)	图像	652张训练图像(40,446个细胞核)和215张测试图像(9,733个细胞核)，外加67个神经母细胞瘤患者组织样本(1,937个细胞核)
1718	2025-07-17	A Two-Branch ResNet-BiLSTM Deep Learning Framework for Extracting Multimodal Features Applied to PPG-Based Cuffless Blood Pressure Estimation 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133975 PMID:40648231	research paper	提出了一种结合ResNet和BiLSTM的双分支深度学习框架，用于基于PPG的无袖带血压估计	结合ResNet和BiLSTM的双分支框架，平衡深度学习能力和可解释性，并引入新的趋势特征	样本量相对较小（220个波形片段），可能影响模型的泛化能力	开发一种高精度且可解释的无袖带血压监测方法	218名患者的PPG波形数据	machine learning	cardiovascular disease	SVM-RFE特征选择	ResNet-BiLSTM	PPG波形数据	220个波形片段（来自218名患者）
1719	2025-07-17	Sensor-Based Automatic Recognition of Construction Worker Activities Using Deep Learning Network 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133988 PMID:40648243	研究论文	本研究利用深度学习技术，通过传感器数据自动识别建筑工人的活动，以提高操作效率	提出了一种结合LSTM和BiLSTM层的深度学习架构，用于建筑工人活动的实时识别，并在加速度数据和组合数据集上实现了高分类准确率	研究仅涉及五名建筑工人和六种活动，样本规模较小	通过自动检测人类活动，减少生产力损失并提高时间和成本效率	建筑工人的活动	机器学习	NA	深度学习	LSTM, BiLSTM	传感器数据（加速度和位置数据）	五名建筑工人，六种不同的建筑相关活动
1720	2025-07-17	A Novel Cooperative AI-Based Fall Risk Prediction Model for Older Adults 2025-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s25133991 PMID:40648247	研究论文	本文介绍了一种基于合作AI的新型跌倒风险预测模型，用于老年人	提出了一种结合两种AI模型预测结果的合作AI模型，用于提高跌倒风险预测的准确性	未提及具体的样本量或数据来源的详细信息	开发稳定且经济有效的电子健康技术，以维护老年人的独立生活	老年人	机器学习	老年疾病	Fuzzy Logic, Deep Belief Network (DBN)	合作AI模型（AI1和AI2）	行为数据和健康数据	NA