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
18641	2025-10-07	Automatic classification of temporomandibular joint disorders by magnetic resonance imaging and convolutional neural networks 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.06.001 PMID:39873009	研究论文	利用磁共振成像和卷积神经网络对颞下颌关节疾病进行自动分类和严重程度分析	结合YOLO深度学习技术定位关键解剖区域，并通过HSV格式转换和线性判别分析优化图像特征提取	NA	开发自动识别颞下颌关节疾病的分类系统	颞下颌关节磁共振影像数据	计算机视觉	颞下颌关节疾病	磁共振成像	CNN, YOLO	医学影像	NA	NA	YOLO, 自定义六分类CNN	准确率	NA
18642	2025-10-07	Establishment and evaluation of a deep learning-based tooth wear severity grading system using intraoral photographs 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.05.013 PMID:39873059	研究论文	本研究开发了一种基于深度学习的牙齿磨损严重程度分级系统，使用口腔内照片自动诊断牙齿磨损程度	结合Mask R-CNN与U-Net和SGE注意力机制进行牙齿分割，并采用带掩码机制的视觉Transformer模型进行牙齿磨损分级	样本量相对有限（388张口腔照片），不同磨损等级间的F1分数存在差异（特别是3级磨损仅为0.82）	开发自动诊断牙齿磨损程度的AI系统	牙齿磨损程度	计算机视觉	牙齿磨损	深度学习	Mask R-CNN, Vision Transformer	图像	388张口腔内照片，分割后得到2774张单个牙齿图像	NA	Mask R-CNN, U-Net, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
18643	2025-10-07	Deep learning system for the differential diagnosis of oral mucosal lesions through clinical photographic imaging 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.10.019 PMID:39873061	研究论文	开发基于卷积神经网络的深度学习系统，通过临床摄影图像对口腔黏膜病变进行鉴别诊断	能够将口腔溃疡及相关病变的临床照片分类为五种不同诊断，而现有深度学习系统通常仅关注鉴别诊断的有限方面	数据集规模小且不平衡	开发能够辅助临床医生进行准确鉴别诊断的CNN诊断模型	口腔黏膜病变的临床摄影图像	计算机视觉	口腔黏膜病变	临床摄影成像	CNN	图像	506张图像，涵盖五种不同诊断	NA	包含卷积层、批量归一化层、最大池化层、dropout层和全连接层的自定义架构	加权精确率, 加权召回率, 加权F1分数, 平均特异性, Cohen's Kappa系数, 归一化混淆矩阵, AUC	NA
18644	2025-10-07	Towards automated recipe genre classification using semi-supervised learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317697 PMID:39874282	研究论文	本研究提出了一个包含200万条标注食谱的3A2M+数据集，并开发了自动化食谱分类方法	扩展了命名实体识别列表以解决食谱方向中缺失的命名实体，并构建了大规模标注食谱数据集	未明确说明模型在未见数据上的泛化能力	开发自动化食谱分类方法以解决在线食谱分类挑战	烹饪食谱	自然语言处理	NA	命名实体识别(NER)	传统机器学习,深度学习,预训练语言模型	文本	200万条烹饪食谱	NA	NA	准确率	NA
18645	2025-10-07	Identification of diabetic retinopathy lesions in fundus images by integrating CNN and vision mamba models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318264 PMID:39874303	研究论文	提出一种结合CNN和视觉Mamba模型的深度学习模型，用于准确识别和分类眼底图像中的糖尿病视网膜病变病变	首次将卷积神经网络与视觉Mamba模型相结合，利用双向状态空间方法和位置嵌入技术实现视觉数据的定位敏感性和全局关系建模	仅使用公开可用数据集进行验证，未说明模型在临床环境中的实际应用效果	开发自动识别和分类糖尿病视网膜病变病变的深度学习模型	眼底图像中的糖尿病视网膜病变病变	计算机视觉	糖尿病视网膜病变	深度学习	CNN, Vision Mamba	眼底图像	公开可用数据集（未指定具体数量）	NA	CNN, Vision Mamba	与最先进算法比较的实证结果	NA
18646	2025-10-07	AI-guided virtual biopsy: Automated differentiation of cerebral gliomas from other benign and malignant MRI findings using deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae225 PMID:39877747	研究论文	开发基于深度学习的自动化算法，通过MRI影像无创区分脑胶质瘤与其他颅内病变	首次提出AI引导的虚拟活检概念，实现胶质瘤与多种颅内病变的自动鉴别	样本量相对有限，需要更大规模的外部验证	开发非侵入性算法准确区分脑胶质瘤与其他颅内病理改变	1280名患有各种颅内病变的患者，包括胶质瘤、脑转移瘤、炎症病变、脑出血和脑膜瘤	医学影像分析	脑胶质瘤	MRI影像分析，放射组学特征提取	XGBoost	医学影像（MRI）	1280名患者，包含218例胶质瘤、514例脑转移瘤、366例炎症病变、99例脑出血和83例脑膜瘤	NA	NA	AUC（曲线下面积）	NA
18647	2025-01-29	Emotion analysis of EEG signals using proximity-conserving auto-encoder (PCAE) and ensemble techniques 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10187-w PMID:39866661	研究论文	本文提出了一种基于EEG信号的创新框架——邻近保持自编码器（PCAE），用于准确识别情绪，并解决了传统情绪分析技术面临的挑战	提出了邻近保持自编码器（PCAE）和邻近保持压缩激励自编码器（PC-SEAE）模型，结合了多种卷积和反卷积层以及局部邻近保持层，显著提高了情绪识别的准确性	未提及样本量的具体限制或数据集的多样性问题	开发一种基于EEG信号的准确情绪识别系统，以改善脑机接口（BCI）在医疗、教育等领域的应用	EEG信号	脑机接口	自闭症或情绪障碍	EEG信号分析	PCAE, PC-SEAE, SVM, RF, LSTM	EEG信号	使用EEG Brainwave数据集，未提及具体样本量	NA	NA	NA	NA
18648	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA	NA	NA	NA	NA
18649	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料	NA	NA	NA	NA
18650	2025-01-29	Synergistic effect evaluation method of atmospheric emission reduction based on deep learning fusion model 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136709 PMID:39637781	研究论文	本文提出了一种基于深度学习融合模型的大气减排协同效应评估方法，旨在模拟排放对空气质量的影响	开发了一种新的深度学习融合模型GR-BILSTM，结合生成对抗网络进行数据增强和ResNet-BILSTM模型，有效解决了深度网络中的梯度消失问题，并捕捉高维数据特征，提高了模型的预测精度	未提及具体的数据集规模或实验验证的局限性	评估大气减排的协同效应，模拟排放对空气质量的影响	工业园区的排放与空气污染之间的关系	机器学习	NA	深度学习	GR-BILSTM（生成对抗网络与ResNet-BILSTM融合模型）	空气质量数据	未提及具体样本数量	NA	NA	NA	NA
18651	2024-12-22	Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques 2025-Feb, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131976 PMID:39675638	研究论文	本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段	本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测	本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试	开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺	Haematococcus lacustris细胞周期	机器学习	NA	卷积神经网络	CNN	图像	NA	NA	NA	NA	NA
18652	2025-01-29	Deep Drug-Target Binding Affinity Prediction Base on Multiple Feature Extraction and Fusion 2025-Jan-21, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c08048 PMID:39866608	研究论文	本文提出了一种基于多特征提取和融合的深度药物-靶标结合亲和力预测模型BTDHDTA，旨在提高药物发现中的预测准确性	BTDHDTA模型通过双向门控循环单元（GRU）、Transformer编码器和扩张卷积提取药物和靶标的全局、局部及其相关性特征，并引入结合卷积神经网络和高速公路连接的模块来融合药物和蛋白质的深层特征	模型在特征提取和融合过程中可能仍存在一定的计算复杂性和数据依赖性	提高药物-靶标结合亲和力（DTA）预测的准确性，以促进药物发现	药物和靶标数据	机器学习	NA	深度学习	BTDHDTA（结合GRU、Transformer编码器、扩张卷积和CNN的模型）	序列数据	三个基准数据集（Davis、KIBA和Metz）以及3137种FDA批准药物与SARS-CoV-2复制相关蛋白的结合亲和力预测	NA	NA	NA	NA
18653	2025-01-28	Plant Detection in RGB Images from Unmanned Aerial Vehicles Using Segmentation by Deep Learning and an Impact of Model Accuracy on Downstream Analysis 2025-Jan-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010028 PMID:39852341	研究论文	本文提出了一种基于深度学习的图像分割方法，用于从无人机获取的图像中检测五种植物，并探讨了模型精度对后续分析的影响	通过结合无人机图像和深度学习算法，提出了一种新的植物检测方法，并分析了模型精度对纹理特征估计的影响	不同分辨率和标记质量的图像对模型性能的影响可能导致对田间种植模式特性的错误结论	提高无人机图像中植物检测的准确性，并评估其对后续纹理特征分析的影响	五种植物	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	12个正射影像和17个来自Roboflow服务的数据集	NA	NA	NA	NA
18654	2025-01-28	Deep Learning in Oral Hygiene: Automated Dental Plaque Detection via YOLO Frameworks and Quantification Using the O'Leary Index 2025-Jan-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020231 PMID:39857115	研究论文	本研究利用先进的YOLO架构自动检测牙菌斑的三个阶段（新、成熟和过度成熟），并通过O'Leary指数进行量化，以增强早期干预并减少对人工视觉评估的依赖	首次将YOLOv9、YOLOv10和YOLOv11等YOLO架构应用于牙菌斑检测，并在不同成像条件下验证了其可行性	研究样本量较小（177人），且仅使用了RGB图像，未涉及其他类型的医学影像数据	通过自动检测牙菌斑阶段，优化临床工作流程，支持早期诊断，并减轻低资源社区的口腔健康负担	牙菌斑的三个阶段（新、成熟和过度成熟）	计算机视觉	口腔疾病	YOLO架构	YOLOv9, YOLOv10, YOLOv11	RGB图像	177人，共531张RGB图像	NA	NA	NA	NA
18655	2025-01-29	A Feature-Enhanced Small Object Detection Algorithm Based on Attention Mechanism 2025-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s25020589 PMID:39860960	研究论文	本文提出了一种基于注意力机制的特征增强小目标检测算法，旨在解决无人机图像中小目标检测的挑战	使用YOLOv8s作为基础框架，引入多层次特征融合算法和注意力机制，改进小目标特征提取，并采用动态检测头和Slideloss、ShapeIoU等技术提升检测性能	未提及算法在极端环境或复杂背景下的表现，也未讨论计算资源消耗和实时性	提升无人机图像中小目标检测的准确性和召回率	无人机图像中的小目标	计算机视觉	NA	多层次特征融合算法、注意力机制、动态检测头、Slideloss、ShapeIoU	YOLOv8s	图像	VisDrone2019和AI-TODv1.5数据集	NA	NA	NA	NA
18656	2025-01-28	Blink Detection Using 3D Convolutional Neural Architectures and Analysis of Accumulated Frame Predictions 2025-Jan-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010027 PMID:39852340	研究论文	本文提出并比较了用于检测视频帧序列中眨眼的深度学习架构，并提出了结合形态学处理和水域分割的帧预测累加器来检测眨眼及其起止帧	提出了两种不同的3D卷积神经网络（简单的3D CNN和3D ResNet）以及结合分类器的3D自编码器，并引入了帧预测累加器结合形态学处理和水域分割的新方法	样本量相对较小，仅涉及9名参与者的训练数据和8名参与者的测试数据	开发一种有效的眨眼检测方法，用于临床条件和疲劳状态的评估	视频帧序列中的眨眼	计算机视觉	NA	深度学习	3D CNN, 3D ResNet, 3D autoencoder	视频	9名参与者的训练数据和8名参与者的测试数据，共162,400帧和1172次眨眼	NA	NA	NA	NA
18657	2025-01-28	Deep Learning-Based Glioma Segmentation of 2D Intraoperative Ultrasound Images: A Multicenter Study Using the Brain Tumor Intraoperative Ultrasound Database (BraTioUS) 2025-Jan-19, Cancers IF:4.5Q1 DOI:10.3390/cancers17020315 PMID:39858097	研究论文	本研究旨在开发一种基于卷积神经网络（CNN）的模型，用于多中心数据集中的胶质瘤分割，以增强术中超声（ioUS）图像的可解释性	利用多中心数据集开发CNN模型进行胶质瘤分割，支持多中心ioUS图像分割的可行性	未来工作需增强分割细节并探索实时临床应用	开发CNN模型用于胶质瘤分割，以增强术中超声图像的可解释性	胶质瘤患者	数字病理	胶质瘤	CNN	nnU-Net	2D图像	197名受试者（训练集141名，测试集56名，外部验证集53名）	NA	NA	NA	NA
18658	2025-01-28	TBF-YOLOv8n: A Lightweight Tea Bud Detection Model Based on YOLOv8n Improvements 2025-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s25020547 PMID:39860916	研究论文	本文提出了一种基于YOLOv8n改进的轻量级茶叶芽检测模型TBF-YOLOv8n，旨在提高茶叶芽检测的效率和精度	通过引入高效的分布式移位卷积（DSConv）改进C2f模块，结合坐标注意力（CA）机制、SIOU_Loss函数和动态样本上采样算子（DySample），显著提升了模型的检测精度和效率	未提及模型在实际茶园环境中的泛化能力和对不同光照、遮挡等复杂条件的适应性	解决深度学习检测模型计算复杂度高的问题，推动茶叶产业的智能化升级	茶叶芽	计算机视觉	NA	深度学习	YOLOv8n改进模型（TBF-YOLOv8n）	图像	未明确提及具体样本数量	NA	NA	NA	NA
18659	2025-01-29	Zero-Shot Traffic Identification with Attribute and Graph-Based Representations for Edge Computing 2025-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s25020545 PMID:39860913	研究论文	本文提出了一种基于流量行为和属性表示的零样本学习框架AG-ZSL，用于通用加密流量分类	AG-ZSL框架通过捕获基于突发流量交互图的流量行为嵌入和从流量属性描述中学习属性嵌入，最小化共享特征空间中的嵌入距离，实现了对已知和未知流量的有效分类	NA	解决细粒度流量识别在处理未见样本时的挑战，提升网络边缘的安全和高效流量管理	加密流量	机器学习	NA	零样本学习	K-Nearest Neighbors	流量数据	IoT数据集	NA	NA	NA	NA
18660	2025-01-29	The Application of an Intelligent Agaricus bisporus-Harvesting Device Based on FES-YOLOv5s 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020519 PMID:39860890	研究论文	本研究设计了一种基于机器视觉的智能双孢菇采摘设备，采用FES-YOLOv5s深度学习目标检测模型进行精准识别与定位，并通过S曲线加减速电机控制算法实现高效采摘	创新点在于结合FES-YOLOv5s深度学习模型和S曲线加减速电机控制算法，显著提高了采摘效率和精度，同时减少了振动和损伤	研究未涉及设备在不同环境条件下的适应性测试，也未讨论设备的长期稳定性和维护成本	旨在解决双孢菇人工采摘效率低、损伤大、成本高的问题，开发智能采摘设备	双孢菇	计算机视觉	NA	深度学习	FES-YOLOv5s	图像	未明确说明样本数量	NA	NA	NA	NA