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
361	2025-01-14	Reconstruction of Optical Coherence Tomography Images from Wavelength Space Using Deep Learning 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010093 PMID:39796883	研究论文	本文提出了一种基于深度学习的简化且计算效率高的方法，直接从波长域重建去斑的光学相干断层扫描（OCT）图像	提出了一种直接从波长域重建OCT图像的深度学习方法，减少了传统方法对硬件资源的依赖和计算复杂性	未提及具体的数据集大小或实验样本数量，可能影响方法的普适性验证	旨在提高OCT图像重建的质量和计算效率	光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习	CNN（卷积神经网络）	图像	NA	NA	NA	NA	NA
362	2025-01-14	Fault Diagnosis of Lithium Battery Modules via Symmetrized Dot Pattern and Convolutional Neural Networks 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010094 PMID:39796884	研究论文	本文提出了一种结合对称点模式（SDP）方法和卷积神经网络（CNN）的混合算法，用于锂电池模块的故障检测	结合SDP方法和CNN进行锂电池故障检测，实现了99.9%的识别准确率	NA	开发一种高效的锂电池模块故障检测方法	锂电池模块	机器学习	NA	对称点模式（SDP）方法，卷积神经网络（CNN）	CNN	图像	共收集3000个样本，每种故障类型400个用于训练，200个用于测试	NA	NA	NA	NA
363	2025-01-14	Time-Series Forecasting of PM2.5 and PM10 Concentrations Based on the Integration of Surveillance Images 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010095 PMID:39796885	研究论文	本文提出了一种双通道深度学习模型，结合监控图像和多源数值数据进行空气质量预测，特别是PM2.5和PM10浓度的时间序列预测	创新点在于结合了VGG16和LSTM的混合网络，能够从监控图像序列中捕捉详细的时空特征，并结合大气、气象和时间数据，实现更准确的空气质量预测	未来的工作需要扩展数据集并优化网络架构，以进一步提高预测精度和计算效率	研究目标是提高空气质量预测的准确性和鲁棒性，以减轻污染相关危害并保护公共健康	研究对象是PM2.5和PM10浓度的预测	计算机视觉	NA	深度学习	VGG16-LSTM	图像和数值数据	2021年上海数据集以及台湾高雄两个站点的数据集	NA	NA	NA	NA
364	2025-01-14	CINet: A Constraint- and Interaction-Based Network for Remote Sensing Change Detection 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010103 PMID:39796892	研究论文	本文提出了一种基于约束和交互的网络（CINet），用于遥感变化检测（RSCD），通过引入约束机制和跨空间通道注意力模块（CSCA）来提高变化检测的准确性	提出了约束机制和跨空间通道注意力模块（CSCA），有效增强了双时相图像特征图之间的信息交互和变化检测的准确性	未明确提及具体局限性	提高遥感变化检测的准确性和有效性	双时相遥感图像	计算机视觉	NA	深度学习	CINet	图像	六个广泛使用的遥感基准数据集（如LEVIR-CD数据集）	NA	NA	NA	NA
365	2025-01-14	Damage Detection and Identification on Elevator Systems Using Deep Learning Algorithms and Multibody Dynamics Models 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010101 PMID:39796893	研究论文	本文开发了一种结合深度学习算法和多体动力学模型的新方法，用于电梯系统的损伤检测和识别	结合物理测量和高保真多体动力学模型生成的振动数据，与深度学习算法结合，用于电梯系统的损伤检测和分类	数据可能稀缺或不存在，可能影响整体检测过程	开发一种用于电梯系统的损伤检测和识别方法，以提高维护和修复过程的效率	电梯系统	机器学习	NA	多体动力学模拟，深度学习算法	自编码器，卷积神经网络（CNN）	振动数据	NA	NA	NA	NA	NA
366	2025-01-14	Enhancing Autonomous Driving in Urban Scenarios: A Hybrid Approach with Reinforcement Learning and Classical Control 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010117 PMID:39796908	研究论文	本文提出了一种结合强化学习和经典控制的混合方法，用于增强城市场景中的自动驾驶决策能力	提出了一种混合架构，结合了深度强化学习算法的学习能力和经典方法的可靠性，以解决自动驾驶决策问题	研究主要在模拟环境中进行，尚未在真实世界中进行大规模验证	增强自动驾驶在城市场景中的决策能力	自动驾驶车辆的决策系统	自动驾驶	NA	深度强化学习	部分可观测马尔可夫决策过程（POMDP）	传感器预处理数据和高清地图信息	在CARLA模拟器中进行的多场景测试	NA	NA	NA	NA
367	2025-01-14	BA-ATEMNet: Bayesian Learning and Multi-Head Self-Attention for Theoretical Denoising of Airborne Transient Electromagnetic Signals 2024-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s25010077 PMID:39796868	研究论文	本文介绍了一种基于深度学习的去噪网络BA-ATEMNet，用于处理航空瞬变电磁信号中的噪声问题	结合贝叶斯学习和多头自注意力机制，显著提升了卷积神经网络的特征提取能力，增强了模型在不同噪声环境下的适应性	未提及具体的数据集规模或实验条件的局限性	提高航空瞬变电磁信号去噪效果，以支持矿产勘探和地质调查	航空瞬变电磁信号	机器学习	NA	深度学习	CNN, 多头自注意力机制	电磁信号	未提及具体样本数量	NA	NA	NA	NA
368	2025-01-14	Residual Vision Transformer and Adaptive Fusion Autoencoders for Monocular Depth Estimation 2024-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s25010080 PMID:39796871	研究论文	本文提出了一种端到端的监督单目深度估计自编码器，结合混合卷积神经网络和视觉变换器的编码器以及有效的自适应融合解码器，用于从单视角彩色图像中预测高精度深度图	创新点在于在编码器中混合了视觉变换器的残差配置以增强局部和全局信息，并在解码器中引入了自适应融合模块以有效合并编码器和解码器的特征	未明确提及具体限制	研究目的是提高单目深度估计的精度，以应用于3D场景重建、虚拟现实、自动驾驶和人机交互等领域	单视角彩色图像	计算机视觉	NA	深度学习	自编码器（包含混合卷积神经网络和视觉变换器）	图像	NYU数据集	NA	NA	NA	NA
369	2025-10-07	Automated Detection and Differentiation of Stanford Type A and Type B Aortic Dissections in CTA Scans Using Deep Learning 2024-Dec-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010012 PMID:39795540	研究论文	开发并验证基于深度学习的自动检测和区分Stanford A型和B型主动脉夹层的模型系统	首个基于深度学习的自动检测系统，能够同时识别主动脉夹层并区分Stanford A型和B型分类	回顾性研究，样本量有限，需要进一步前瞻性验证	开发自动检测和分类主动脉夹层的深度学习模型	主动脉CTA扫描图像	计算机视觉	心血管疾病	计算机断层扫描血管成像(CTA)	深度学习	医学图像	训练集398例，验证集50例，测试集50例，独立测试集316例，总计498例患者	NA	目标检测模型, 分类模型	灵敏度, 特异度	NA
370	2025-10-07	The Potential for High-Priority Care Based on Pain Through Facial Expression Detection with Patients Experiencing Chest Pain 2024-Dec-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010017 PMID:39795545	研究论文	开发基于面部表情的计算机自动胸痛检测辅助系统，以改善患者护理服务并减少心脏损伤	使用YOLO系列模型通过面部表情检测胸痛患者，实现急诊护理中的高优先级分诊	NA	开发胸痛检测辅助系统以优化急诊护理服务	经历胸痛的患者	计算机视觉	心血管疾病	面部表情分析	YOLO	图像	NA	NA	YOLOv4, YOLOv6, YOLOv7	准确率	NA
371	2025-10-07	Deep Learning for Melanoma Detection: A Deep Learning Approach to Differentiating Malignant Melanoma from Benign Melanocytic Nevi 2024-Dec-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17010028 PMID:39796659	研究论文	本研究评估了四种CNN架构在皮肤镜图像中区分恶性黑色素瘤和良性黑素细胞痣的二元分类性能	首次系统比较DenseNet121、ResNet50V2、NASNetMobile和MobileNetV2四种CNN架构在黑色素瘤检测任务中的表现，并评估其临床部署适用性	研究仅使用单一数据集(DermNet)，未进行外部验证，且样本量相对有限	开发基于深度学习的自动黑色素瘤检测系统，提高诊断准确性和效率	皮肤镜图像中的恶性黑色素瘤和良性黑素细胞痣	计算机视觉	黑色素瘤	皮肤镜成像	CNN	图像	8825张皮肤镜图像	NA	DenseNet121, ResNet50V2, NASNetMobile, MobileNetV2	准确率, AUC-ROC, 推理时间, 模型大小	NA
372	2025-01-14	Intelligent Pattern Recognition Using Distributed Fiber Optic Sensors for Smart Environment 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010047 PMID:39796837	研究论文	本文提出了一种基于分布式光纤传感器和深度学习技术的智能模式识别方法，用于智能环境中的入侵检测	提出了一种创新的干涉传感方法，结合Mach-Zehnder干涉仪和时间森林神经网络（TFNN），以提高入侵检测的准确性和效率	传统神经网络的高复杂性和计算需求，以及背向散射方法需要信号传播两倍距离的低效性	提高分布式光纤传感器在智能环境中的入侵检测性能	分布式光纤传感器（DFOSs）	机器学习	NA	Mach-Zehnder干涉仪（MZI）和时间森林神经网络（TFNN）	时间森林神经网络（TFNN）	信号数据	NA	NA	NA	NA	NA
373	2025-01-14	Using Infrared Raman Spectroscopy with Machine Learning and Deep Learning as an Automatic Textile-Sorting Technology for Waste Textiles 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010057 PMID:39796848	研究论文	本研究开发了一种基于拉曼光谱和人工智能的高精度纺织品分类技术，用于废弃纺织品的自动分类，以提高回收纤维的质量	结合拉曼光谱和多种AI技术（PCA、KNN、SVM、RF、ANN、CNN），实现了每秒1件的分类效率，且分类精度超过95%	未提及具体样本量及实验环境限制	解决循环经济中纺织品高效回收的迫切需求	废弃纺织品	机器学习和光谱分析	NA	拉曼光谱	PCA、KNN、SVM、RF、ANN、CNN	光谱数据	NA	NA	NA	NA	NA
374	2025-10-07	Parkinson's Disease Prediction: An Attention-Based Multimodal Fusion Framework Using Handwriting and Clinical Data 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010004 PMID:39795532	研究论文	提出一种基于注意力机制的多模态融合框架，结合手写数据和临床数据用于帕金森病预测	首次在该领域引入跨模态注意力机制，能够建模不同数据模态之间的交互关系	NA	开发帕金森病早期检测的深度学习诊断框架	帕金森病患者	机器学习	帕金森病	深度学习	注意力机制	图像,手写,绘图,临床数据	NA	NA	跨模态注意力融合框架	准确率	NA
375	2025-10-07	Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010001 PMID:39795530	研究论文	本研究提出了一种集成多CT数据集、课程学习和可解释AI的深度学习模型，用于提升肺癌诊断的鲁棒性和泛化能力	结合混合数据增强技术和课程学习策略，使用五个不同CT数据集提升模型泛化能力，并采用可解释AI技术增强模型透明度	未提及具体的外部验证数据集规模和来源，以及模型在更广泛临床环境中的适用性	开发具有高泛化能力和可解释性的肺癌计算机辅助诊断系统	肺癌CT影像数据	计算机视觉	肺癌	CT影像分析	深度学习	CT影像	五个CT数据集（具体样本数量未明确说明）	NA	NA	准确率, 精确率, 特异性, AUC, 敏感度, F1分数, 假阳性率, 假阴性率	NA
376	2025-10-07	Graphical Feature Construction-Based Deep Learning Model for Fatigue Life Prediction of AM Alloys 2024-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma18010011 PMID:39795656	研究论文	开发了一种基于图形特征构建的深度学习模型，用于预测增材制造合金的疲劳寿命	通过Shapley加性解释和皮尔逊相关系数分析将数值特征转换为图形特征，并引入注意力机制优先处理重要区域	NA	提高增材制造合金疲劳寿命预测的准确性	两种激光粉末床熔融制备的金属材料	机器学习	NA	卷积神经网络，注意力机制	CNN	数值特征，图形特征	NA	NA	卷积神经网络	预测精度	NA
377	2025-10-07	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	综述	本文综述了计算图像分析方法在颅面发育和口腔疾病研究中的应用	整合了图像恢复、分割和追踪三大生物图像分析任务，并讨论了实现三维空间基因组图谱的新计算工具	NA	探讨计算图像分析方法在生物医学研究中的应用，特别是在颅面发育和口腔疾病发病机制研究中的进展	颅面发育过程和口腔疾病发病机制	计算机视觉	口腔疾病	高通量测序,成像技术	深度学习模型	生物医学图像数据	NA	NA	NA	NA	NA
378	2025-10-07	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	开发了一种基于Transformer的深度学习模型DeePathNet，通过整合多组学数据与癌症通路来增强癌症分析能力	首次将癌症特异性生物通路与基于Transformer的深度学习模型相结合，实现通路水平的生物标志物发现	NA	提高癌症药物反应预测、癌症类型和亚型分类的准确性	癌症通路和多组学数据	机器学习	癌症	多组学数据整合	Transformer	多组学数据	NA	NA	Transformer	NA	NA
379	2025-10-07	A Systematic Review of the Applications of Deep Learning for the Interpretation of Positron Emission Tomography Images of Patients with Lymphoma 2024-Dec-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17010069 PMID:39796698	系统综述	系统回顾深度学习在淋巴瘤PET图像解读中的应用研究	首次系统性地综述了深度学习在淋巴瘤PET图像分析中的多种应用任务	多数研究参与者数量较少且缺乏外部验证	评估深度学习在淋巴瘤PET图像解读中的应用效果	淋巴瘤患者的PET图像	医学影像分析	淋巴瘤	正电子发射断层扫描(PET)	深度学习模型	医学影像	21项研究共9402名参与者	NA	NA	曲线下面积(AUC), F1分数, p值	NA
380	2025-10-07	Artificial Intelligence-Based Classification and Segmentation of Bladder Cancer in Cystoscope Images 2024-Dec-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17010057 PMID:39796686	研究论文	本研究利用VGG19和Deeplab v3+深度学习模型分别对膀胱镜图像进行分类和分割	首次将VGG19分类模型与Deeplab v3+分割模型联合应用于膀胱镜图像分析，针对不同形态学类型和病理分期的膀胱癌病变进行精确识别	研究依赖于专家标注数据，模型性能可能受到标注质量的影响；未提及外部验证结果	开发基于深度学习的膀胱镜图像分类和分割方法，辅助膀胱癌诊断	膀胱镜图像中的膀胱癌病变区域	计算机视觉	膀胱癌	膀胱镜检查	CNN	图像	772名患者的膀胱镜图像	TensorFlow, Keras	VGG19, Deeplab v3+	准确率, IoU, 二元准确率	NA