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
1121	2025-02-16	A Deep Learning Approach for the Classification of Fibroglandular Breast Density in Histology Images of Human Breast Tissue 2025-Jan-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17030449 PMID:39941816	研究论文	本研究旨在开发一种基于深度学习的计算工具，用于分类H&E染色的人乳腺组织切片中的纤维腺体密度，以辅助未来的乳腺密度研究	使用迁移学习的MobileNet-v2卷积神经网络和视觉变换器模型来分类纤维腺体密度，提供了快速且易于使用的乳腺密度分析工具	分类中最具挑战性的是第3类，第2类和第4类的图像被错误分类为第3类	开发一种计算工具，用于分类纤维腺体密度，以辅助乳腺密度研究	H&E染色的人乳腺组织切片	计算机视觉	乳腺癌	深度学习	MobileNet-v2, 视觉变换器	图像	93名患者的965个组织块
1122	2025-02-16	Decoding Pain: A Comprehensive Review of Computational Intelligence Methods in Electroencephalography-Based Brain-Computer Interfaces 2025-Jan-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030300 PMID:39941230	综述	本文综述了基于脑电图（EEG）信号的疼痛检测研究，探讨了机器学习和深度学习方法在脑机接口（BCI）技术中的应用	结合人工智能与脑机接口技术，提升系统的实时响应和适应性，深度学习方法在分析EEG信号和识别疼痛相关模式方面表现出色	讨论了EEG基础疼痛检测的进展和挑战，特别是在临床应用中的功能需求，指出了当前研究的空白和未来研究的机会	探讨基于EEG信号的疼痛检测方法，评估机器学习和深度学习技术在疼痛分类和检测中的应用效果	脑电图（EEG）信号	脑机接口	疼痛	机器学习，深度学习	支持向量机，随机森林，k近邻，卷积神经网络，循环神经网络，Transformer	EEG信号	20篇同行评审文章
1123	2025-02-16	Research on Detection Methods for Gas Pipeline Networks Under Small-Hole Leakage Conditions 2025-Jan-26, Sensors (Basel, Switzerland) DOI:10.3390/s25030755 PMID:39943394	研究论文	本文提出了一种针对小孔泄漏条件下的气体管道网络检测方法，采用时空注意力网络（STAN）来提高检测精度	创新点在于结合图注意力网络（GAT）和LSTM模型，通过时空注意力机制捕捉管道数据的动态变化，从而提升检测能力	现有方法未能有效建模管道的时间变化结构数据，限制了检测能力	研究目的是提高气体管道网络在小孔泄漏条件下的检测精度	研究对象是气体管道网络及其泄漏检测	机器学习	NA	时空注意力网络（STAN）、图注意力网络（GAT）、LSTM模型	STAN、GAT、LSTM	时间序列数据	使用气体管道仿真数据集进行评估
1124	2025-02-16	MammoViT: A Custom Vision Transformer Architecture for Accurate BIRADS Classification in Mammogram Analysis 2025-Jan-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030285 PMID:39941215	研究论文	本文提出了一种名为MammoViT的新型混合深度学习框架，用于在乳腺X光片分析中准确分类BIRADS	结合了ResNet50的分层特征提取能力和Vision Transformer捕捉图像长距离依赖关系的能力，解决了传统计算机辅助检测系统在复杂特征提取和上下文理解上的不足	未提及具体局限性	提高乳腺X光片BIRADS分类的准确性，支持乳腺癌筛查的临床决策	乳腺X光片	计算机视觉	乳腺癌	深度学习	ResNet50, Vision Transformer	图像	未提及具体样本数量
1125	2025-02-16	Prediction of the Trimer Protein Interface Residue Pair by CNN-GRU Model Based on Multi-Feature Map 2025-Jan-24, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15030188 PMID:39940164	研究论文	本文提出了一种基于多特征图和CNN-GRU深度学习框架的方法，用于预测三聚体蛋白质界面残基对	利用氨基酸k间隔乘积因子描述符(AAIPF(k))整合氨基酸的位置信息和理化性质，结合残基的电性质和几何形状特征，构建8×16的多特征图，并采用CNN-GRU深度学习框架进行预测	当每个二聚体蛋白质提供10个预测结果且需要准确预测三聚体蛋白质的两个蛋白质-蛋白质相互作用界面时，准确率为60%，存在一定的局限性	研究三聚体蛋白质界面残基对，以更深入地理解蛋白质-蛋白质相互作用机制	三聚体蛋白质界面残基对	生物信息学	NA	深度学习	CNN-GRU	蛋白质序列和结构数据	NA
1126	2025-02-16	The Role of Artificial Intelligence in Urogynecology: Current Applications and Future Prospects 2025-Jan-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030274 PMID:39941204	综述	本文综述了人工智能在泌尿妇科领域的当前应用和未来前景	探讨了人工智能在泌尿妇科诊断和成像工具中的应用，并讨论了其未来前景和局限性	人工智能在泌尿妇科领域的安全实施面临挑战	探讨人工智能在泌尿妇科中的应用及其未来前景	泌尿妇科领域的诊断和成像工具	医学影像	妇科疾病	机器学习和深度学习	NA	图像	NA
1127	2025-02-16	Optical Coherence Tomography Image Enhancement and Layer Detection Using Cycle-GAN 2025-Jan-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030277 PMID:39941207	研究论文	本文介绍了使用深度学习方法将一种OCT设备的低清晰度图像转换为另一种设备的高清晰度图像，并同时估计增强图像中的视网膜神经纤维层（RNFL）分割线	使用cycle-GAN方法进行图像转换，并在转换图像中估计RNFL分割线，相比pix2pix方法，cycle-GAN在图像转换和曲线相似性方面表现更优	未提及具体的研究样本量或数据集大小，可能影响结果的普适性	提高不同OCT设备间图像清晰度的一致性，并准确估计RNFL分割线，以改善青光眼的诊断一致性	OCT图像	计算机视觉	青光眼	深度学习	cycle-GAN, pix2pix	图像	NA
1128	2025-02-16	Digital Twin Smart City Visualization with MoE-Based Personal Thermal Comfort Analysis 2025-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s25030705 PMID:39943343	研究论文	本研究利用数字孪生技术结合深度学习模型，构建了一个智能城市可视化应用，用于个人热舒适度分析，以优化能源使用和提升城市居民生活质量	结合数字孪生技术与深度学习模型进行个人热舒适度分析，为智能城市应用开发提供了新的框架和路线图	研究主要针对韩国某智能区域，可能在其他地区的适用性有限	通过数字孪生技术和AI驱动分析，优化城市能源使用、降低成本并提升居民生活质量	智能城市中的建筑和家庭能源消耗	数字孪生技术	NA	深度学习	NA	3D地理空间数据	NA
1129	2025-02-16	Deep Learning Design for Loss Optimization in Metamaterials 2025-Jan-23, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15030178 PMID:39940154	研究论文	本文利用深度学习结合超材料中的弱相互作用原理，重新审视并优化了先前验证的无序离散超材料，提出了一种创新的损耗优化策略	结合深度学习和超材料中的弱相互作用原理，提出了一种新的无序离散超材料损耗优化策略	未提及具体实验验证或实际应用中的挑战	优化超材料在可见光波段的损耗，开发高性能光子器件	无序离散超材料	机器学习	NA	深度学习	NA	NA	NA
1130	2025-02-16	Bone Age Assessment Using Various Medical Imaging Techniques Enhanced by Artificial Intelligence 2025-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030257 PMID:39941187	研究论文	本文探讨了利用人工智能增强的各种医学成像技术进行骨龄评估的进展	本文比较了基于人工智能的骨龄评估方法在不同成像技术中的应用，填补了现有文献的空白	本文未进行具体的实验验证，主要依赖于文献综述	研究目的是改进骨龄评估的准确性和效率，以解决传统方法的局限性	研究对象是骨龄评估方法及其在不同医学成像技术中的应用	计算机视觉	NA	X-ray, MRI, CT, 超声成像	机器学习和深度学习	图像	NA
1131	2025-02-16	Lightweight Deep Learning Framework for Accurate Detection of Sports-Related Bone Fractures 2025-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030271 PMID:39941201	研究论文	本文提出了一种轻量级的深度学习框架，用于准确检测与运动相关的骨折，旨在提高诊断的准确性和计算效率	提出了一种基于DenseNet121架构的新型骨折检测框架，通过修改初始卷积块和最终层来优化特征提取，并集成了Canny边缘检测器以增强检测局部结构不连续性的能力	未来的工作将集中在扩展模型的应用到其他成像模式和骨折类型	开发一种轻量级且高效的深度学习框架，以提高骨折检测的准确性和计算效率，满足运动医学的需求	与运动相关的骨折	计算机视觉	NA	深度学习	DenseNet121	图像	定制的放射影像数据集，专注于常见的运动相关骨折
1132	2025-02-16	Deep Learning-Enhanced Diagnosis of Sow Pregnancy Through Low-Frequency Ultrasound Imaging 2025-Jan-23, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15030318 PMID:39943088	研究论文	本研究提出了一种利用深度学习技术分析低频超声图像进行母猪妊娠诊断的创新方法	首次将深度学习技术应用于低频超声图像的母猪妊娠诊断，并比较了三种不同的分类模型（ViT-H、ConvNeXt-xlarge和Xception）的性能	低频超声图像的分辨率较低，可能影响诊断的准确性	提高母猪妊娠诊断的准确性和效率，以提升农场盈利能力	母猪	计算机视觉	NA	低频超声成像	ViT-H, ConvNeXt-xlarge, Xception	图像	未明确提及样本数量
1133	2025-02-16	Deep Learning Tool Wear State Identification Method Based on Cutting Force Signal 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030662 PMID:39943299	研究论文	本研究提出了一种基于切削力信号的深度学习刀具磨损状态识别方法，结合连续小波变换和改进的MobileViT轻量级网络	在MobileViT网络结构中引入Contextual Transformer模块和Global Attention Mechanism模块，增强了视觉表示能力，减少了信息损失，并改善了全局特征之间的交互	NA	准确、快速、高效地识别铣刀的磨损状态	铣刀的磨损状态	机器学习	NA	连续小波变换	改进的MobileViT网络	切削力信号	NA
1134	2025-02-16	CR-Mask RCNN: An Improved Mask RCNN Method for Airport Runway Detection and Segmentation in Remote Sensing Images 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030657 PMID:39943296	研究论文	本文提出了一种改进的Mask RCNN方法（CR-Mask RCNN），用于遥感图像中机场跑道的检测和分割	使用旋转区域生成网络代替非旋转区域生成网络，生成更贴合机场跑道形状的旋转边界框，并在骨干特征提取网络中引入注意力机制，增强局部特征信息的提取	NA	提高遥感图像中机场跑道的检测和分割精度	机场跑道	计算机视觉	NA	深度学习	Mask RCNN	遥感图像	NA
1135	2025-02-16	Efficient Deep Learning-Based Detection Scheme for MIMO Communication Systems 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030669 PMID:39943308	研究论文	本文提出了一种基于深度学习的MIMO通信系统信号检测策略，通过预处理阶段标记输入信号，提出了两种新方案并评估了其性能	提出了一种新的基于深度学习的信号检测策略，并引入了两种新方案（OHA和DSE），在降低复杂度的同时保持了较高的分类性能和较低的误码率	与传统的OH方案相比，OHA和DSE方案在误码率性能上有轻微损失（分别小于1 dB和2 dB）	解决MIMO通信系统中检测器复杂度高的问题，提供一种在检测复杂度和误码率之间权衡的灵活设计	MIMO通信系统的信号检测	机器学习	NA	深度学习	神经网络	信号数据	NA
1136	2025-02-16	Enhanced Multi-Model Deep Learning for Rapid and Precise Diagnosis of Pulmonary Diseases Using Chest X-Ray Imaging 2025-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030248 PMID:39941178	研究论文	本文提出了一种增强的多模型深度学习（EMDL）方法，用于通过胸部X光成像快速准确诊断肺部疾病	EMDL方法集成了五种预训练的深度学习模型，并结合了先进的图像预处理和多阶段特征选择与优化管道，显著提高了诊断精度和模型鲁棒性	研究主要依赖于胸部X光数据集，可能在其他类型的医学影像数据上表现不同	开发一种快速、准确的肺部疾病诊断工具，以改善医疗响应	流感、结核病和病毒性肺炎等呼吸系统疾病	计算机视觉	肺癌	深度学习	VGG-16, VGG-19, ResNet, AlexNet, GoogleNet	图像	两个独立的胸部X光数据集
1137	2025-02-16	Virtual Biopsy for the Prediction of MGMT Promoter Methylation in Gliomas: A Comprehensive Review of Radiomics and Deep Learning Approaches Applied to MRI 2025-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030251 PMID:39941181	综述	本文综述了利用放射组学和深度学习方法预测胶质瘤中MGMT启动子甲基化状态的研究进展	结合放射组学和深度学习，提供了一种非侵入性的MGMT启动子甲基化状态预测工具	研究人群、数据来源和方法的异质性反映了管道和机器学习算法的复杂性，可能需要通用标准化才能在临床实践中实施	预测胶质瘤中MGMT启动子甲基化状态，以增强神经肿瘤学中的个性化医疗	胶质瘤患者	数字病理学	胶质瘤	放射组学（RD）和深度学习（DL）	深度学习模型	MRI影像数据	34项研究，涉及公共（如BraTS, TCGA）和私人机构数据集
1138	2025-02-16	Deep-Learning Framework for Efficient Real-Time Speech Enhancement and Dereverberation 2025-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s25030630 PMID:39943269	研究论文	本文提出了一种用于高效实时语音增强和去混响的深度学习框架	提出了一个扩展的Deep Filter Net框架，显著提高了去混响性能，同时保持了竞争性的降噪质量	Deep Filter Net的去混响性能有限	开发一种计算高效的语音增强和去混响方法，适用于资源受限设备	语音信号	自然语言处理	NA	深度学习	Deep Filter Net	语音数据	NA
1139	2025-02-16	Specific Emitter Identification Method for Limited Samples via Time-Wavelet Spectrum Consistency 2025-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s25030648 PMID:39943287	研究论文	本文提出了一种基于TFC-CNN的特定发射器识别方法，用于解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题	提出了一种基于时间-小波谱一致性的TFC-CNN方法，通过连续小波变换进行数据增强，并利用复值神经网络和深度卷积神经网络提取隐藏的发射器身份特征	方法在样本稀缺的情况下表现良好，但在样本充足的情况下是否仍具有优势未明确说明	解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题	无线电信号中的发射器	机器学习	NA	连续小波变换（CWT）	TFC-CNN（复值神经网络和深度卷积神经网络）	无线电信号	开源WiFi数据集和自动相关监视广播（ADS-B）数据集
1140	2025-02-16	Coupling Artificial Intelligence with Proper Mathematical Algorithms to Gain Deeper Insights into the Biology of Birds' Eggs 2025-Jan-21, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15030292 PMID:39943062	研究论文	本文探讨了将人工智能与适当的数学算法结合，以深入理解鸟类卵的生物学特性	提出了将深度学习和人工智能应用于禽蛋形态分析的新方法，并重新评估了多种数学模型的有效性和实用性	未具体说明所提出方法的实验验证结果和实际应用效果	研究目的是通过AI和DL技术提高禽蛋的质量、生产力和市场竞争力	研究对象是禽蛋的形态特征，包括形状、重量、体积、表面积和气室计算	计算机视觉	NA	深度学习（DL）	深度学习模型	图像	未提及具体样本数量