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
19081	2025-12-15	Molecular-Level Identification of Liquor Vintage via an Intelligent Electronic Tongue Integrated with a One-Dimensional Convolutional Neural Network 2025-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s25237350 PMID:41374725	研究论文	本研究开发了一种集成一维卷积神经网络的智能电子舌系统，用于快速、准确地识别白酒的陈酿年份	首次将一维卷积神经网络与自制的多电极电化学传感电子舌系统结合，用于白酒年份识别，并实现了迄今为止基于电子舌的最高预测准确率	研究仅针对连续五年、每年间隔一年的特定白酒年份进行识别，未涵盖更广泛或非连续年份范围，且系统在真实市场大规模应用中的鲁棒性有待进一步验证	开发一种客观、可重复、高通量的方法来替代传统主观感官评价，以实现白酒陈酿年份的准确识别，应用于产品真伪鉴别和市场价值优化	以特定间隔年份（一年间隔）生产的连续五个年份的白酒	机器学习	NA	电化学传感， MEMS温度传感	SVM, Random Forest, 1D-CNN	电化学传感器信号数据	涉及五个连续年份的白酒样本（具体样本数量未在摘要中明确）	NA	一维卷积神经网络	准确率	NA
19082	2025-12-15	A Review of Pedestrian Trajectory Prediction Methods Based on Deep Learning Technology 2025-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s25237360 PMID:41374735	综述	本文系统回顾并批判性分析了基于深度学习的行人轨迹预测方法，涵盖了RNN、GAN、GCN和Transformer等关键模型家族	引入了比较分析框架，在标准化标准下评估各方法的优缺点，并提供了数据集和评估指标的全面分类，突出了现有实践和新兴趋势	NA	回顾和批判性分析基于深度学习的行人轨迹预测方法，以指导未来研究发展	行人轨迹预测方法	计算机视觉	NA	深度学习	RNN, GAN, GCN, Transformer	轨迹数据	NA	NA	NA	NA	NA
19083	2025-12-15	Development and Validation of a CNN-Based Diagnostic Pipeline for the Diagnosis of Otitis Media 2025-Dec-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238572 PMID:41375875	研究论文	本研究开发并验证了一个基于CNN的多步骤AI诊断流程，用于自动将鼓膜图像分类为四种中耳炎类别	提出一个包含图像质量评估、鼓膜分割、左右侧分类和疾病分类的四阶段CNN诊断流程，并整合了MambaOut、CaraNet、EfficientNet和ConvNeXt等多种深度学习模型	研究基于回顾性收集的有限数据集（2964张图像），未在更广泛或前瞻性临床环境中进行验证	开发一个自动化的AI诊断流程，以支持中耳炎的准确分类，特别是在非专科医生和基层医疗环境中	鼓膜耳镜图像	计算机视觉	中耳炎	耳镜成像	CNN	图像	2964张耳镜图像	NA	MambaOut, CaraNet, EfficientNet, ConvNeXt	准确率, F1分数	NA
19084	2025-12-15	A Comprehensive Review Comparing Artificial Intelligence and Clinical Diagnostic Approaches for Dry Eye Disease 2025-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233071 PMID:41374451	综述	本文系统综述了人工智能在干眼病诊断中的应用，并比较了AI模型与临床诊断方法的性能	首次系统性地比较了多种AI模型与临床诊断方法在干眼病诊断中的表现，并基于PRISMA指南进行了全面的文献分析	纳入研究多为2020-2025年间，缺乏外部验证，且未充分解决专家间诊断差异性问题	评估人工智能在眼科干眼病诊断中的应用效果，并与临床诊断方法进行比较	干眼病诊断研究	数字病理学	干眼病	多种眼科成像技术	深度学习模型	医学图像	基于30篇原始同行评审文章的系统综述	NA	U-Net, ResNet, DenseNet, GANs, Transformer	准确率	NA
19085	2025-12-15	An Improved Lightweight Model for Protected Wildlife Detection in Camera Trap Images 2025-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s25237331 PMID:41374705	研究论文	本文提出了一种改进的轻量级模型YOLO11-APS，用于相机陷阱图像中的受保护野生动物检测	通过集成自注意力与卷积模块、部分卷积模块和SlimNeck范式，增强了YOLO11n模型，在复杂条件下强化了特征提取并降低了计算成本	未明确提及模型在极端环境或更多物种上的泛化能力限制	开发一种高效、轻量化的深度学习模型，用于受保护野生动物的自动监测	相机陷阱图像中的受保护野生动物	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLO11n, YOLO11-APS	精确率, 召回率, mAP@0.5, mAP@0.5:0.95	NA
19086	2025-12-15	Cross-Temporal Egg Variety and Storage Period Classifications via Multi-Task Deep Learning with Near-Infrared Hyperspectral Imaging 2025-Dec-02, Foods (Basel, Switzerland) DOI:10.3390/foods14234140 PMID:41376076	研究论文	本研究提出了一种多任务深度学习框架，利用近红外高光谱成像技术，实现对鸡蛋品种和储存期的跨时间无损分类	提出了集成CNN、SE通道注意力和Transformer编码器的多任务跨时间挤压与激励网络（MT-CTSE-Net），通过任务间特征共享来缓解储存引起的光谱漂移，提升模型在真实世界质量监测中的泛化能力	NA	开发一种非破坏性、跨时间的检测方法，用于鸡蛋品种识别和储存期分类，以支持农产品供应链中的质量评估与监测	三种商业鸡蛋品种（恩施富硒蛋、木兰湖杂粮蛋、正大叶黄素蛋）的近红外高光谱数据	计算机视觉	NA	近红外高光谱成像	CNN, Transformer	光谱数据	NA	NA	MT-CTSE-Net (集成CNN, SE, Transformer)	准确率, F1分数	NA
19087	2025-12-15	Browser-Based Multi-Cancer Classification Framework Using Depthwise Separable Convolutions for Precision Diagnostics 2025-Dec-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233066 PMID:41374447	研究论文	本文提出了一种基于浏览器的多癌种分类框架，利用深度可分离卷积进行实时、客户端推理，无需外部服务器或专用GPU	首个完全可部署于浏览器、保护隐私的多癌种诊断深度学习框架，实现了无需基础设施开销的高精度AI	未明确提及模型在低性能设备上的具体性能表现或跨浏览器兼容性测试细节	开发一种无需高性能硬件、服务器依赖且保护数据隐私的癌症早期精准诊断工具	涵盖26种癌症类型的组织病理学和细胞学图像	数字病理学	多癌种	组织病理学成像、细胞学成像	CNN	图像	超过130,000张图像	TensorFlow.js	Xception, VGG16, ResNet50, EfficientNet-B0, Vision Transformer	Top-1准确率, Top-5准确率	浏览器端推理，无需专用GPU或外部服务器
19088	2025-12-15	Advanced Signal Processing Methods for Partial Discharge Analysis: A Review 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237318 PMID:41374693	综述	本文全面综述了用于局部放电分析的高级信号处理方法	系统比较了不同方法，强调了它们在处理非平稳和含噪PD信号中的演变与互补作用	当前研究缺乏标准化、可解释且可嵌入的AI解决方案用于实时细粒度PD分类	回顾局部放电分析中的高级信号处理方法	局部放电信号	信号处理	NA	时间频率技术、小波变换、希尔伯特-黄变换、基于人工智能的方法	NA	信号	NA	NA	NA	NA	NA
19089	2025-12-13	Letter to editor "A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocellular carcinoma patients: a tumor marker prognostic study" 2025-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003203 PMID:41382402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19090	2025-12-15	Artificial Intelligence in Patient Blood Management: A Systematic Review of Predictive, Diagnostic, and Decision Support Applications 2025-Nov-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238479 PMID:41375782	综述	本文系统综述了人工智能在患者血液管理（PBM）中预测、诊断和决策支持应用的研究现状、方法趋势及临床转化挑战	首次系统性地整合了AI在PBM三大支柱（优化贫血管理、减少失血、确保适当输血）中的应用证据，并识别了深度学习在图像贫血检测、集成方法在风险预测中的优势以及循环/混合架构在血液供应预测中的有效性	研究异质性较大，外部验证和临床实际部署有限，缺乏标准化报告和工作流程整合	评估人工智能在患者血液管理领域的应用潜力与现状	涵盖贫血检测、出血风险分层、输血预测、输血安全及库存管理相关研究	机器学习	NA	NA	深度学习, 集成学习, 梯度提升, 循环神经网络, 混合架构	图像, 临床数据	NA	NA	NA	NA	NA
19091	2025-12-15	SwinCAMF-Net: Explainable Cross-Attention Multimodal Swin Network for Mammogram Analysis 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233037 PMID:41374420	研究论文	本研究提出了一种名为SwinCAMF-Net的多模态交叉注意力Swin Transformer网络，用于通过整合多视图乳腺X光摄影、3D ROI体积和临床元数据来改进乳腺病变的联合分类与分割	提出了一种新颖的交叉注意力融合模块，通过查询-键注意力选择性对齐多模态特征，并整合了Swin Transformer编码器、3D CNN体积编码器和临床投影模块，实现了多模态证据的互补融合	未明确提及模型在外部验证集上的泛化能力或计算效率的具体限制	改进乳腺病变的联合分类与分割，提升乳腺癌诊断的准确性和临床可解释性	乳腺X光摄影图像、3D ROI体积和临床元数据	计算机视觉	乳腺癌	多模态深度学习	Swin Transformer, 3D CNN	图像, 3D体积数据, 文本元数据	基于CBIS-DDSM和RTM基准数据集，具体样本数量未明确说明	PyTorch	Swin Transformer, 3D CNN, 交叉注意力融合模块	准确率, AUC-ROC, F1分数, Dice系数	未明确说明具体GPU类型或云平台
19092	2025-12-15	Improving Visible Light Positioning Accuracy Using Particle Swarm Optimization (PSO) for Deep Learning Hyperparameter Updating in Received Signal Strength (RSS)-Based Convolutional Neural Network (CNN) 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237256 PMID:41374631	研究论文	本研究提出了一种结合接收信号强度（RSS）预处理、卷积神经网络（CNN）和粒子群优化（PSO）的可见光定位系统，用于自动超参数调优，以提高室内定位精度	将粒子群优化算法用于CNN超参数自动调优，并与RSS信号预处理结合，显著提升了可见光定位系统的精度和鲁棒性	概念验证实验仅在三个特定高度层平面进行，未在更复杂或动态环境中全面验证	提高室内可见光定位系统的定位精度和模型鲁棒性	基于接收信号强度的可见光定位系统	机器学习	NA	可见光定位，接收信号强度测量	CNN, ANN, LR	信号强度数据	三个不同高度层平面（200、225、250厘米）的定位数据	NA	NA	平均定位误差	NA
19093	2025-12-15	Traditional Machine Learning Outperforms EEGNet for Consumer-Grade EEG Emotion Recognition: A Comprehensive Evaluation with Cross-Dataset Validation 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237262 PMID:41374637	研究论文	本文通过系统比较传统机器学习与EEGNet在消费级EEG情绪识别中的性能，发现传统机器学习在准确性和稳定性方面优于深度学习模型	首次在消费级EEG情绪识别中全面评估传统机器学习与EEGNet的性能，并引入跨数据集验证和渐进式域适应框架	研究主要针对EEGNet架构，未涵盖其他复杂深度学习模型；实验基于特定数据集（DREAMER和SEED-VII），可能限制结论的普适性	评估传统机器学习与深度学习在消费级EEG情绪识别中的性能差异，并探索跨系统部署的可行性	消费级EEG设备采集的脑电信号，用于情绪识别任务	机器学习	NA	EEG信号采集与处理	随机森林, EEGNet	EEG信号	DREAMER数据集（23名受试者，Emotiv EPOC 14通道设备），跨数据集验证使用SEED-VII	Scikit-learn, TensorFlow或PyTorch（未明确指定，但提及深度学习架构）	EEGNet	F1分数, Cohen's d效应量, 训练时间, 推理速度, 稳定性（CV）	未明确指定，但提及传统机器学习具有更高的计算效率（训练快95%，推理快10倍）
19094	2025-12-15	Decoding Coherent Patterns from Arrayed Waveguides for Free-Space Optical Angle-of-Arrival Estimation 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237231 PMID:41374606	研究论文	本文提出了一种基于阵列波导相干模式解码的新型自由空间光学到达角估计方法	创新性地将阵列波导相干模式解码与CNN-Attention回归器结合，用于解码光信号的空间角度信息，实现了集成光子学与深度学习的协同	NA	开发一种超越传统到达角检测技术局限性的新型光学到达角估计方法，实现小型化、低复杂度和高可靠性	自由空间光学信号	机器视觉	NA	阵列波导相干模式解码	CNN-Attention Regressor	强度序列（光信号）	NA	NA	CNN-Attention	平均绝对误差, 均方根误差	NA
19095	2025-12-15	Rectus Femoris and Gastrocnemius EMG Driven Cheonjiin Speller for Korean Text Input 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237243 PMID:41374617	研究论文	本研究开发了一种基于表面肌电信号的Cheonjiin拼写系统，用于帮助手部活动受限的用户进行韩语文本输入	提出了一种结合方向控制框架和韩语键盘布局的轻量级sEMG接口，无需深度学习模型，仅使用低计算复杂度的时间域特征实现高精度实时识别	未提及系统在更广泛用户群体或更复杂环境下的测试，也未讨论长期使用的疲劳效应	为运动障碍用户开发一种高效、可访问的辅助文本输入系统	手部活动受限的个体	人机交互	运动障碍	表面肌电信号采集	NA	肌电信号	未明确说明	Python 3.10.8	NA	识别准确率, 信息传输率	未明确说明
19096	2025-12-15	Digital Pathology with AI for Cervical Biopsies: Diagnostic Accuracy at the CIN2+ Threshold 2025-Nov-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17233808 PMID:41375009	研究论文	本研究评估了一种名为EagleEye的深度学习系统在宫颈活检H&E全切片图像上检测CIN2+病变的诊断准确性，并与病理学家及AI辅助工作流程进行了比较	开发并评估了用于宫颈活检数字病理的深度学习系统，在CIN2+阈值上实现了高灵敏度，并展示了AI辅助工作流程在识别额外相关病变方面的价值，特别是在CIN1/CIN2边界附近	单中心研究，样本量有限（99例），且为回顾性存档样本，可能影响结果的普适性	评估深度学习系统在宫颈活检组织病理学分级中检测CIN2+病变的诊断性能，并探索AI辅助工作流程的效用	存档的宫颈穿刺活检样本（包括正常、CIN1、CIN2、CIN3和ACIS）及其对应的H&E染色全切片图像	数字病理	宫颈癌	苏木精-伊红（H&E）染色，p16免疫组化染色	深度学习系统（具体架构未明确说明，推测为CNN类）	全切片图像（WSI）	99例存档宫颈穿刺活检样本（正常19例，CIN1 20例，CIN2 20例，CIN3 20例，ACIS 20例）	NA	EagleEye（具体架构未明确说明）	Cohen's κ，灵敏度，特异性	NA
19097	2025-12-15	SPOT-Cardio: Integrated Application for AI-Powered Automated Myocardial Scar Quantification on Joint Bright- and Black-Blood Late Gadolinium Enhancement MRI Images 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238428 PMID:41375730	研究论文	本文介绍了SPOT-Cardio，一个基于AI的自动化工具箱，用于在联合亮血和黑血晚期钆增强MRI图像上量化心肌瘢痕	开发了SPOT-Cardio工具箱，整合了SPOT成像技术与深度学习模型，实现了心脏结构和心肌瘢痕的自动分割与定量分析	未明确提及样本量或模型性能的具体局限性	开发自动化解决方案以简化心脏磁共振后处理，实现快速、一致的心脏结构和心肌病理定量评估	心脏磁共振图像，特别是联合亮血和黑血晚期钆增强图像	数字病理学	心血管疾病	晚期钆增强MRI，SPOT成像技术	深度学习模型	图像	NA	NA	2D U-Net, MedFormer	NA	NA
19098	2025-12-15	Neural Networks for Estimating Attitude, Line of Sight, and GNSS Ambiguity Through Onboard Sensor Fusion 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237212 PMID:41374587	研究论文	本文提出了一种基于深度学习的传感器融合框架，用于估计姿态、视线和GNSS载波相位模糊度，通过融合机载传感器和遥感信息，提升导航系统在动态和不确定条件下的性能	开发了两个神经网络估计器，分别针对GNSS载波相位模糊度和体坐标系中的重力向量重建，这些学习型估计器能够捕获传感器测量与物理状态之间的非线性关系，在退化条件下提高泛化能力	研究在六自由度仿真环境中进行验证，虽然包括完整的空气动力学建模，但可能未完全覆盖所有实际场景或传感器噪声变化	研究基于深度学习的传感器融合方法，以提升制导、导航与控制（GNC）系统在高度动态和不确定条件下的性能	制导火箭的姿态、视线和GNSS载波相位模糊度估计	机器学习	NA	传感器融合（GNSS、IMU、半主动激光）、深度学习	神经网络	传感器测量数据（GNSS、IMU、SAL）、遥感信息	NA	NA	NA	估计精度、制导精度、延迟	NA
19099	2025-12-15	Study on Multi-Station Identification Technology of Lightning Electromagnetic Pulses (LEMPs) Based on Deep Learning 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237217 PMID:41374591	研究论文	本研究提出了一种基于深度学习的多站闪电电磁脉冲识别技术，通过集成卷积神经网络模型，显著提高了闪电电磁脉冲的识别准确率	开发了一种结合卷积神经网络的多站闪电电磁脉冲识别模型，相比传统单站方法，在准确性和鲁棒性上均有显著提升，并能有效挖掘数据中的复杂隐藏特征	NA	提高闪电电磁脉冲的准确识别与分类能力，以应对闪电对现代电子系统和人类活动的威胁	闪电电磁脉冲信号	机器学习	NA	闪电定位系统	CNN	电磁信号	NA	NA	卷积神经网络	准确率	NA
19100	2025-12-15	Multi-State Recognition of Electro-Hydraulic Servo Fatigue Testers via Spatiotemporal Fusion and Bidirectional Cross-Attention 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237229 PMID:41374604	研究论文	本文提出了一种基于时空特征融合和双向交叉注意力的多状态识别方法，用于电液伺服疲劳试验机的在线健康监测	结合了双向时间卷积网络、双向门控循环单元和双向交叉注意力机制，实现了时空特征的细粒度双向交互与融合，并引入GradNorm动态平衡多任务权重	NA	解决电液伺服疲劳试验机在高频、高负载、长时间循环运行中多部件并发退化与故障的在线健康监测挑战	电液伺服疲劳试验机及其组件（如冷却器、伺服阀、电机泵单元、伺服执行器）	机器学习	NA	多传感器数据采集	BiTCN, BiGRU, 注意力机制	时间序列传感器数据	来自SDZ0100电液伺服疲劳试验机的真实多传感器数据集	NA	双向时间卷积网络, 双向门控循环单元, 双向交叉注意力	准确率, F1分数	NA