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
1961	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
1962	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
1963	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
1964	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
1965	2025-12-15	Few-Shot and Zero-Shot Learning for MRI Brain Tumor Classification Using CLIP and Vision Transformers 2025-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s25237341 PMID:41374716	研究论文	本研究比较了使用深度学习和视觉语言模型的少样本学习和零样本学习方法，用于MRI脑肿瘤分类	在有限标注数据下，通过比较少样本学习和零样本学习范式，特别是使用原型网络结合不同骨干网络，显著提升了MRI脑肿瘤分类的准确性	研究仅在特定数据集和实验设置下进行，可能未涵盖所有脑肿瘤类型或MRI扫描条件	开发数据高效的MRI脑肿瘤分类方法，以应对标注数据稀缺的挑战	MRI脑肿瘤扫描图像	计算机视觉	脑肿瘤	MRI扫描	CNN, ResNet, Vision Transformer, CLIP	图像	1000个随机采样的五样本、四类别实验	NA	ResNet-18, ResNet-50, Vision Transformer, Prototypical Network	准确率, F1分数	NA
1966	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
1967	2025-12-15	ADMGCN: graph convolutional network for Alzheimer's disease diagnosis with a meta-learning paradigm 2025-Dec-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf580 PMID:41148043	研究论文	本文提出了一种基于元学习范式的图卷积网络ADMGCN，用于阿尔茨海默病的早期诊断	结合元学习范式，通过采样创建标签平衡任务以最大化数据利用并缓解标签不平衡问题，同时引入加权和降维技术提升性能、存储和训练效率	未明确提及模型在外部数据集上的泛化能力或计算资源需求的具体限制	开发一种灵活且高效的图卷积网络方法，用于阿尔茨海默病的早期诊断	阿尔茨海默病神经影像学倡议数据集中的受试者	机器学习	阿尔茨海默病	神经影像学	图卷积网络	图数据	未明确指定具体样本数量，但使用了阿尔茨海默病神经影像学倡议数据集	未明确指定，但代码在GitHub上公开	ADMGCN	准确率	NA
1968	2025-12-15	Automated Retinal Vascular Analysis Reveals Response to Acetazolamide in Idiopathic Intracranial Hypertension 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.9 PMID:41342622	研究论文	本研究利用深度学习自动分析视网膜血管，评估其对特发性颅内高压（IIH）中视乳头水肿治疗反应的识别能力	首次应用深度学习自动分析视网膜血管参数（如静脉直径、分形维数、弯曲度和血管密度）来监测IIH治疗反应，并发现静脉-动脉比值（V:A）与临床指标（如Frisén分级、脑脊液开放压）显著相关	研究为回顾性分析，样本量相对有限（n=165），且仅针对特定治疗（乙酰唑胺）和IIH患者，结果可能无法推广到其他疾病或治疗方案	评估自动视网膜血管分析是否能识别特发性颅内高压（IIH）引起的视乳头水肿的治疗反应	特发性颅内高压（IIH）患者，伴有轻度视力丧失，接受饮食/生活方式调整加乙酰唑胺或安慰剂治疗	数字病理学	特发性颅内高压	彩色眼底摄影，光学相干断层扫描（OCT），深度学习自动分析	深度学习	图像	165名参与者	NA	AutoMorph	R2，P值	NA
1969	2025-12-15	Enhancing CBCT-based CT synthesis using planning MRI in adaptive proton therapy for head cancer: A deep learning approach 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70367 PMID:41373115	研究论文	本研究提出了一种基于深度学习的Pix2Pix条件生成对抗网络，通过结合CBCT和T1加权MRI数据来合成CT图像，以改善头癌自适应质子治疗中的剂量计算精度	首次将MRI数据整合到CBCT基础的CT合成中，利用Pix2Pix-cGAN框架结合ResUnet和SwinUnet作为生成器，显著提升了软组织细节恢复和剂量计算精度	数据集规模有限，未来需要收集更大样本进行验证，且仅针对头癌应用，未扩展到其他癌症类型	提高自适应质子治疗中基于CBCT的CT合成质量，以优化剂量计算和治疗计划	头癌患者的CBCT和T1加权MRI图像数据	数字病理学	头癌	MRI成像, CBCT成像	cGAN, CycleGAN	图像	未明确指定样本数量，但提到需要未来收集更大数据集	未明确指定，但基于深度学习框架	ResUnet, SwinUnet	平均HU误差, 剂量差异, 剂量分布	未明确指定
1970	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
1971	2025-12-15	DELTA-SoyStage: A Lightweight Detection Architecture for Full-Cycle Soybean Growth Stage Monitoring 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237303 PMID:41374678	研究论文	本文提出了一种名为DELTA-SoyStage的轻量级目标检测架构，用于全周期大豆生长阶段的监测	结合EfficientNet骨干网络、轻量级ChannelMapper颈部和新提出的DELTA检测头，实现了高效的大豆生长阶段分类，计算成本显著降低	数据收集在受控温室条件下进行，可能未完全覆盖田间环境的多样性	优化大豆生长阶段的准确识别，以支持精准农业决策	大豆植株	计算机视觉	NA	RGB图像采集	目标检测模型	图像	17,204张标注的RGB图像，涵盖从出苗到完全成熟的九个生长阶段	NA	EfficientNet, ChannelMapper, DELTA检测头	平均精度	适合部署在资源受限的边缘设备上
1972	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
1973	2025-12-15	Research on the Prediction of Driver Fatigue Degree Based on EEG Signals 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237316 PMID:41374691	研究论文	本研究提出了一种基于EEG信号和多步时序数据的深度学习模型，用于预测驾驶员疲劳程度指标PERCLOS，并探讨了不同EEG特征对预测性能的影响	提出了一种结合CNN、Transformer编码器、LSTM和残差连接的CTL-ResFNet混合深度学习框架，用于预测驾驶员疲劳程度，并比较了不同EEG特征在两种实验范式下的适用性差异	未在摘要中明确说明研究的局限性	预测驾驶员疲劳程度，以提高交通安全	驾驶员疲劳程度，具体通过PERCLOS（眼睑闭合百分比）指标衡量	机器学习	NA	脑电图（EEG）信号分析	CNN, Transformer, LSTM	时序数据（EEG信号和PERCLOS指标）	未在摘要中明确说明样本数量	未在摘要中明确说明	CTL-ResFNet（结合CNN、Transformer编码器、LSTM和残差连接）	RMSE（均方根误差）, MAE（平均绝对误差）	未在摘要中明确说明
1974	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
1975	2025-12-15	EffResViT-SE FusionNet: A Hybrid Deep Learning Framework for Accurate Classification of Coffee Leaf Diseases 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71311 PMID:41383578	研究论文	提出了一种名为EffResViT-SE FusionNet的混合深度学习框架，用于咖啡叶部疾病的准确分类	提出了一种新颖的混合深度学习框架，将增强SE块的EfficientNetB3和ResNet50与Vision Transformer融合，有效结合了CNN的局部特征提取和Transformer的全局上下文建模能力	未明确说明模型在真实田间环境下的泛化能力，以及计算资源需求的具体情况	开发一个准确、可扩展的咖啡叶部疾病早期检测和分类解决方案，以支持及时干预和促进可持续农业	咖啡叶部疾病（叶锈病、Phoma病、Cercospora病和潜叶虫）以及健康叶片	计算机视觉	植物病害	深度学习	CNN, Transformer	图像	58,555张咖啡叶片图像，分为5类：健康（18,984）、潜叶虫（16,983）、叶锈病（8,336）、Cercospora（7,681）和Phoma（6,571）	NA	EfficientNetB3, ResNet50, Vision Transformer (ViT)	准确率, 精确率, 召回率, F1分数	NA
1976	2025-12-15	Automatic Segmentation of Intraluminal Thrombus in Abdominal Aortic Aneurysms Based on CT Images: A Comprehensive Review of Deep Learning-Based Methods 2025-Nov-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238497 PMID:41375800	综述	本文综述了深度学习技术在腹主动脉瘤影像分析中的应用，特别关注了腔内血栓的自动分割方法	首次系统性地回顾和比较了基于深度学习的腹主动脉瘤腔内血栓分割方法，并指出了2D多视图融合模型和3D U-Net的性能优势	缺乏标准化的数据集限制了模型的开发和外部验证	回顾和分析深度学习在腹主动脉瘤腔内血栓分割中的应用	基于计算机断层扫描血管造影的腹主动脉瘤患者影像	数字病理学	心血管疾病	计算机断层扫描血管造影	深度学习网络	CT图像	从664篇文章中筛选出22篇符合条件的研究	NA	U-Net	Dice相似系数	NA
1977	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
1978	2025-12-15	Predicting suicide death among veterans after psychiatric hospitalization using transformer based models with social determinants and NLP 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27435-6 PMID:41315506	研究论文	本研究使用基于Transformer的模型，结合社会行为健康决定因素和自然语言处理技术，预测退伍军人在精神病院出院后的自杀死亡风险	将社会行为健康决定因素作为预测因子，并比较了基于ICD编码和NLP提取的SBDH对两种先进模型预测性能的提升效果	研究人群仅限于美国退伍军人，可能限制了结果的普适性	评估社会行为健康决定因素是否能改善精神病院出院患者自杀死亡的预测	美国退伍军人事务部精神病院出院的退伍军人	自然语言处理	精神疾病	自然语言处理	Transformer, 集成学习模型	文本, 结构化数据	197,581名退伍军人，共414,043次出院记录	NA	TransformEHR	灵敏度, 阳性预测值, 受试者工作特征曲线下面积	NA
1979	2025-12-15	Tailoring Energy Absorption of Curved-Beam Lattices Through a Data-Driven Approach 2025-Nov-28, Materials (Basel, Switzerland) DOI:10.3390/ma18235377 PMID:41374219	研究论文	本研究提出了一种新型曲线梁厚度梯度晶格结构，并采用结合深度学习和遗传算法的智能逆向设计框架来优化其几何参数，以最大化能量吸收性能	提出了曲线梁厚度梯度晶格结构，并首次将深度学习和遗传算法集成到智能逆向设计框架中，用于优化晶格结构的能量吸收性能，同时应用可解释性方法分析几何参数的影响机制	NA	通过数据驱动方法优化曲线梁晶格结构的几何参数，以最大化其总能量吸收和比能量吸收性能	曲线梁厚度梯度晶格结构	机器学习	NA	深度学习, 遗传算法	NA	NA	NA	NA	NA	总能量吸收, 比能量吸收	NA
1980	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