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
1561	2025-01-14	An Attention-Based Multidimensional Fault Information Sharing Framework for Bearing Fault Diagnosis 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010224 PMID:39797015	研究论文	本文提出了一种基于注意力的多维故障信息共享框架（AMFIS），用于解决小样本环境下轴承故障诊断的多维信息获取问题	提出了一个创新的动态调整策略（DAS），用于自适应调节故障定位任务（FLT）和故障量化任务（FQT）的训练权重，以达到最佳训练效果	在小样本环境下进行多维故障诊断仍存在挑战，且实际工程应用中样本量不足可能限制深度学习的潜力	克服小样本环境下轴承故障诊断的多维信息获取困难	轴承故障诊断	机器学习	NA	深度学习	基于注意力的网络	多维故障信息	小样本环境
1562	2025-01-14	DHCT-GAN: Improving EEG Signal Quality with a Dual-Branch Hybrid CNN-Transformer Network 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010231 PMID:39797022	研究论文	本文提出了一种新的EEG去噪模型DHCT-GAN，通过双分支混合网络架构独立学习干净EEG信号和伪迹信号的特征，并通过自适应门控网络融合信息以生成去噪后的EEG信号	DHCT-GAN模型通过双分支混合网络架构独立学习干净EEG信号和伪迹信号的特征，并通过自适应门控网络融合信息，显著提高了去噪效果	需要进一步探索跨学科知识的整合，如伪迹研究的见解	提高EEG信号质量，去除生理伪迹	EEG信号	机器学习	神经系统疾病	深度学习	GAN, CNN, Transformer	EEG信号	NA
1563	2025-01-14	Seasonal Land Use and Land Cover Mapping in South American Agricultural Watersheds Using Multisource Remote Sensing: The Case of Cuenca Laguna Merín, Uruguay 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010228 PMID:39797019	研究论文	本研究利用多源遥感技术对乌拉圭Cuenca de la Laguna Merín地区的夏季和冬季土地利用/土地覆盖特征进行制图，并比较了随机森林、支持向量机和梯度提升树分类器的性能	结合Sentinel-2、Sentinel-1和SRTM影像，使用Google Earth Engine平台，对比了多种分类器在土地利用/土地覆盖制图中的表现，并分析了特征重要性	在减少类别混淆方面存在挑战，特别是自然植被与季节性淹没植被、后农业用地/裸地与草本区域之间的区分	利用多源遥感技术进行季节性土地利用/土地覆盖制图，并评估不同分类器的性能	乌拉圭Cuenca de la Laguna Merín地区的土地利用/土地覆盖特征	遥感	NA	多源遥感（Sentinel-2、Sentinel-1、SRTM影像）	随机森林、支持向量机、梯度提升树	遥感影像	NA
1564	2025-01-14	An FPGA-Based SiNW-FET Biosensing System for Real-Time Viral Detection: Hardware Amplification and 1D CNN for Adaptive Noise Reduction 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010236 PMID:39797026	研究论文	本文提出了一种基于FPGA的SiNW-FET生物传感系统，用于实时病毒检测，结合了高增益放大电路和1D卷积神经网络（CNN）进行自适应噪声降低	将SiNW-FET生物传感技术与FPGA实现的深度学习噪声降低相结合，创建了一个紧凑的系统，能够在最小计算延迟下进行实时病毒检测	研究结果仅基于COMSOL和MATLAB的综合模拟，未进行物理原型或生物标志物检测实验	开发一种高精度、实时的病毒检测系统，用于便携式诊断	病毒检测	生物传感	病毒性疾病	SiNW-FET生物传感技术，FPGA实现的1D CNN	1D CNN	模拟数据	NA
1565	2025-01-14	Deep Learning-Based Pointer Meter Reading Recognition for Advancing Manufacturing Digital Transformation Research 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010244 PMID:39797035	研究论文	本文提出了一种基于深度学习的指针仪表读数识别方法，以推动制造业数字化转型研究	提出了一种基于YOLOX-DC的解耦圆头检测算法和PM-SwinUnet分割网络的端到端PMRR方法，解决了现有方法在仪表图像模糊、光照不均、倾斜和复杂背景等问题上的不足	NA	提高指针仪表读数识别的准确性和鲁棒性，以支持制造业的数字化转型	指针仪表图像	计算机视觉	NA	深度学习	YOLOX-DC, PM-SwinUnet	图像	三个指针仪表数据集
1566	2025-01-14	Epilepsy Diagnosis from EEG Signals Using Continuous Wavelet Transform-Based Depthwise Convolutional Neural Network Model 2025-Jan-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010084 PMID:39795612	研究论文	本文提出了一种基于连续小波变换的深度卷积神经网络模型，用于从EEG信号中诊断癫痫	该研究首次将连续小波变换与深度卷积神经网络结合，并采用图像拼接技术，无需额外的分类器或特征选择算法	未提及模型在其他数据集上的泛化能力及实际临床应用中的表现	开发一种自动化的癫痫诊断系统，以提高诊断效率和准确性	35通道的EEG信号	机器学习	癫痫	连续小波变换	深度卷积神经网络（DCNN）	图像	未提及具体样本数量
1567	2025-01-14	Advanced Brain Tumor Classification in MR Images Using Transfer Learning and Pre-Trained Deep CNN Models 2025-Jan-02, Cancers IF:4.5Q1 DOI:10.3390/cancers17010121 PMID:39796749	研究论文	本研究探讨了预训练深度学习模型在脑部MRI图像分类中的有效性，旨在通过自动化提升诊断过程	使用多种先进的预训练模型（如Xception、MobileNetV2等）进行微调，结合高级预处理和数据增强技术，显著提高了分类准确率	在Glioma和Meningioma类别上的召回率仍有提升空间，深度学习模型的黑箱性质需要进一步关注以提高可解释性	提高脑部肿瘤分类的准确性和效率，以支持临床诊断	脑部MRI图像	计算机视觉	脑肿瘤	迁移学习	CNN	图像	7023张脑部MRI图像
1568	2025-01-14	Study on Long-Term Temperature Variation Characteristics of Concrete Bridge Tower Cracks Based on Deep Learning 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010207 PMID:39796998	研究论文	本研究旨在利用LSTM神经网络开发深度学习模型，基于主塔的热变化预测裂缝深度	利用LSTM神经网络预测混凝土桥塔裂缝深度，通过多温度输入数据集提高模型预测裂缝宽度的准确性	NA	开发深度学习模型以预测混凝土桥塔裂缝深度，并建立精确的温度阈值以早期检测裂缝异常	淮安桥的混凝土桥塔裂缝	机器学习	NA	深度学习	LSTM	温度数据	NA
1569	2025-01-14	Review of Recent Advances in Predictive Maintenance and Cybersecurity for Solar Plants 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010206 PMID:39796997	review	本文系统回顾了太阳能发电厂预测性维护和网络安全的最新进展，探讨了预测性维护技术在太阳能发电厂中的应用优势与挑战	强调了物联网（IoT）、机器学习（ML）和深度学习（DL）在太阳能板预测性维护中的整合，提高了维护过程的准确性和效率	在可再生能源行业中采用预测性维护面临模型复杂性与准确性之间的平衡、系统不可预测性以及适应环境条件变化的挑战	探讨太阳能发电厂预测性维护方法和网络安全的最新进展	太阳能板系统	machine learning	NA	IoT, ML, DL	NA	实时监测数据	NA
1570	2025-01-14	Cybersecurity Solutions for Industrial Internet of Things-Edge Computing Integration: Challenges, Threats, and Future Directions 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010213 PMID:39797003	研究论文	本文详细介绍了工业物联网（IIoT）与边缘计算集成中网络物理系统（CPS）网络安全的当前挑战和解决方案	系统性地收集和分析了过去五年的相关文献，开发了IIoT-边缘计算中CPS的主要安全机制的详细分类，并进行了与现有研究的比较分析	未提及具体的研究局限性	推进IIoT-边缘计算集成中的网络安全研究	工业物联网（IIoT）与边缘计算集成中的网络物理系统（CPS）	网络安全	NA	机器学习（ML）、联邦学习（FL）、区块链、区块链-ML、深度学习（DL）、加密、密码学、IT/OT融合、数字孪生	NA	NA	NA
1571	2025-01-14	A Comprehensive Survey of Machine Learning Techniques and Models for Object Detection 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010214 PMID:39797004	综述	本文对计算机视觉中的目标检测领域进行了全面调查，重点分析了机器学习和深度学习技术的演变和重大进展	深入探讨了从传统方法到最新深度学习模型的广泛方法，并评估了它们的性能、优势和局限性，同时讨论了该领域的挑战和未来研究方向	未涉及具体实验数据或样本分析，主要集中于理论和方法论的综述	增强目标检测系统在不同应用中的鲁棒性、准确性和效率	目标检测技术	计算机视觉	NA	机器学习（ML）、深度学习（DL）	Transformers	图像	NA
1572	2025-01-14	For the busy clinical-imaging professional in an AI world: Gaining intuition about deep learning without math 2025-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.101762 PMID:39437625	研究论文	本文旨在通过医学类比和快速模拟帮助临床影像专业人员更直观地理解深度学习，而无需深入数学细节	通过医学类比和模拟练习，使临床专业人员能够更直观地理解深度学习的内部机制	主要关注诊断应用，未深入探讨治疗应用的细节	帮助临床影像专业人员更好地理解深度学习，以解释计算机辅助诊断结果并做出更好的决策	临床影像专业人员	计算机视觉	乳腺癌	深度学习	NA	图像	NA
1573	2025-01-14	ECMHA-PP: A Breast Cancer Prognosis Prediction Model Based on Energy-Constrained Multi-Head Self-Attention 2025-Jan, Proteomics. Clinical applications DOI:10.1002/prca.202400035 PMID:39623567	研究论文	本文提出了一种基于能量约束多头自注意力的深度学习模型ECMHA-PP，用于预测乳腺癌的预后	ECMHA-PP模型通过能量约束多头自注意力层提高了特征提取能力，结合交叉位置混合和通道混合多层感知器，显著提升了乳腺癌预后预测的准确性	NA	提高乳腺癌预后预测的准确性，以帮助医生制定更合理的治疗策略	乳腺癌患者	机器学习	乳腺癌	深度学习	ECMHA-PP（基于能量约束多头自注意力的预后预测模型）	临床数据	METABRIC数据集和BRCA数据集
1574	2025-01-14	Denoising low-field MR images with a deep learning algorithm based on simulated data from easily accessible open-source software 2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107812 PMID:39647413	研究论文	本文介绍了一种基于深度学习的去噪方法，旨在提高低场MRI图像的对比度	使用先进的3D深度卷积残差网络模型，并采用合成脑成像数据集模拟低场MRI的对比和噪声特性	由于缺乏可用的体内低场MRI数据集，训练深度学习模型存在限制	提高低场MRI图像的对比度	低场MRI图像	计算机视觉	NA	深度学习	3D深度卷积残差网络	图像	合成脑成像数据集和体内数据
1575	2025-01-14	Using machine learning to improve the hard modeling of NMR time series 2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107813 PMID:39700601	研究论文	本文提出了一种结合机器学习和非线性优化的混合方法，用于改进NMR时间序列的建模	提出了一种混合方法，结合了深度学习和非线性优化的优点，通过神经网络预测初始参数，优化算法只需微调参数，从而提高了运行时间和准确性	在峰值重叠或交叉的情况下，准确性显著下降	改进NMR时间序列的建模方法，以提高运行时间和准确性	NMR时间序列	机器学习	NA	NMR	神经网络	时间序列数据	构造和实验数据集
1576	2025-01-14	Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis 2025-Jan, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.030 PMID:38176985	系统综述和元分析	本文通过系统综述和元分析评估了深度学习算法在牙科植入物品牌检测中的准确性、敏感性和特异性	首次对深度学习算法在牙科植入物品牌检测中的准确性进行了全面的评估和元分析	仅选择了13项研究进行系统综述，其中仅3项用于元分析，样本量有限	评估深度学习算法在牙科植入物品牌检测中的准确性、敏感性和特异性	牙科植入物品牌	计算机视觉	NA	深度学习	CNN, CNN Multitask ResNet152, deep CNN (Neuro-T version 2.0.1)	2D图像（如根尖周或全景X光片）	13项研究（其中3项用于元分析）
1577	2025-01-14	An Evolutionary Federated Learning Approach to Diagnose Alzheimer's Disease Under Uncertainty 2025-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010080 PMID:39795608	研究论文	本文提出了一种进化联邦学习方法，用于在不确定性条件下诊断阿尔茨海默病	结合深度学习和联邦学习框架，利用信念规则库（BRB）有效整合多种数据源，提供了一种可扩展且保护隐私的医疗解决方案	未提及具体样本量或数据集的多样性限制	通过整合医学影像和人口统计数据，早期诊断阿尔茨海默病	阿尔茨海默病患者	机器学习	老年疾病	深度学习，联邦学习	CNN, BRB	医学影像（MRI），人口统计数据	NA
1578	2025-01-14	A Deep Learning-Based Watershed Feature Fusion Approach for Tunnel Crack Segmentation in Complex Backgrounds 2025-Jan-01, Materials (Basel, Switzerland) DOI:10.3390/ma18010142 PMID:39795787	研究论文	本文提出了一种基于深度学习的流域特征融合方法，用于复杂背景下的隧道裂缝分割	提出了一种自动标注和优化裂缝样本集的算法，结合裂缝特征和流域算法实现高效自动化分割，并通过网络深度和残差结构配置的对比分析优化了深度学习裂缝分割网络	复杂背景条件和干扰因素较多，裂缝在结构中的比例较低，深度学习训练数据集的标注劳动密集且效率有限	解决复杂背景下高速公路隧道裂缝的快速准确识别问题	高速公路隧道中的裂缝	计算机视觉	NA	深度学习	CNN	图像	NA
1579	2025-01-14	A Survey of Deep Anomaly Detection in Multivariate Time Series: Taxonomy, Applications, and Directions 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010190 PMID:39796981	综述	本文对多变量时间序列异常检测（MTSAD）中的深度学习技术进行了结构化且全面的概述	提出了从学习范式和深度学习模型角度对异常检测策略进行分类的体系，并系统性地回顾了这些策略的优缺点	未涉及具体实验验证，仅进行了理论和方法上的综述	综述多变量时间序列异常检测领域的最新深度学习技术	多变量时间序列数据	机器学习	NA	深度学习	NA	时间序列数据	NA
1580	2025-01-14	Table Extraction with Table Data Using VGG-19 Deep Learning Model 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010203 PMID:39796994	研究论文	本文介绍了一种基于VGG-19深度学习模型的表格数据提取方法，旨在从包含表格的文档图像中精确识别和提取行和列	提出了一种结合表格检测、结构识别和语义规则的综合深度学习方法，并利用VGG-19进行迁移学习以增强模型性能	依赖于公开的Marmot数据集，可能限制了模型的泛化能力	开发一种能够准确提取表格结构的深度学习方法	文档图像中的表格数据	计算机视觉	NA	深度学习	VGG-19	图像	公开的Marmot数据表数据集