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
13821	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
13822	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
13823	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
13824	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
13825	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
13826	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
13827	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
13828	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
13829	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
13830	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）
13831	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
13832	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
13833	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
13834	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
13835	2025-01-14	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-Jan, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新	结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险	相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理	提高药物开发过程的效率，降低成本，增强患者的治疗效果	药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学	机器学习	NA	机器学习、深度学习、生成式AI	NA	大数据	NA
13836	2025-01-13	Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6378 PMID:39788558	研究论文	本研究通过计算病理学方法，分析了三个临床结直肠癌队列中的肿瘤微环境，识别出预测预后的免疫和内皮细胞空间模式	使用深度学习细胞分类器对H&E染色切片中的八种细胞类型进行检测，并量化了这些细胞类型的空间组织和共定位，揭示了肿瘤微环境中与治疗反应相关的重要因素	研究结果基于特定分子亚型和治疗历史的患者队列，可能不适用于所有结直肠癌患者	研究结直肠癌肿瘤微环境在肿瘤进展中的作用，并识别预测预后的生物标志物	三个临床结直肠癌队列中的肿瘤微环境	数字病理学	结直肠癌	深度学习细胞分类器	深度学习	图像	375例临床注释的结直肠癌患者
13837	2025-01-13	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2025-Jan-10, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（ML）与超分辨率显微镜结合在生物医学研究中的变革性进展	利用深度学习（DL）实现超分辨率显微镜的自动化成像任务，减少人工干预并适应动态生物过程	自动化在超分辨率显微镜中的应用仍处于初期阶段	探索超分辨率显微镜中自动化的潜力及其在药物发现和疾病表型分析中的应用	超分辨率显微镜图像	计算机视觉	NA	深度学习（DL）	NA	图像	NA
13838	2025-01-13	Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features 2025-Jan-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13424-5 PMID:39789538	研究论文	本研究基于扩散加权成像（DWI）的深度学习和放射组学特征，结合临床变量，构建了评估子宫内膜癌（EC）TP53突变的预测模型	结合深度学习特征、放射组学特征和临床变量，使用高斯过程（GP）算法构建的联合模型在诊断效能和风险重分类方面表现出色	样本量相对较小，训练集、测试集和外部验证集的样本量分别为80、35和40	评估子宫内膜癌（EC）中TP53突变的预测模型	155名子宫内膜癌患者	数字病理	子宫内膜癌	扩散加权成像（DWI）	高斯过程（GP）和决策树（DT）	图像和临床数据	155名子宫内膜癌患者（80名训练集，35名测试集，40名外部验证集）
13839	2025-01-13	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-Jan-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	本研究利用机器学习方法预测尿路感染（UTI），并找出最具信息量的变量	结合经典和深度学习模型，通过集成XGBoost、决策树和LightGBM模型，提出了一个高精度的UTI预测方法	未提及样本量的具体限制或数据集的潜在偏差	开发一种可靠的尿路感染预测方法，以减少抗生素的滥用和误用	尿路感染患者	机器学习	尿路感染	机器学习	XGBoost, 决策树, LightGBM	尿液检测数据、血液检测数据、人口统计数据	未提及具体样本量
13840	2025-01-13	Apnet: Lightweight network for apricot tree disease and pest detection in real-world complex backgrounds 2025-Jan-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01324-5 PMID:39789617	研究论文	本文介绍了一种轻量级网络APNet，用于在真实世界复杂背景下检测杏树病虫害	提出了ATZD01数据集，包含11类杏树病虫害，并开发了基于卷积神经网络的创新检测算法APNet和自适应阈值算法（ATA）模块	目前学术界缺乏专门针对杏树的大量真实数据集和深度学习策略	提高杏树病虫害检测的准确性	杏树病虫害	计算机视觉	NA	深度学习	CNN	图像	ATZD01数据集，包含11类杏树病虫害