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
241	2025-06-01	Next-Level Prediction of Structural Progression in Knee Osteoarthritis: A Perspective 2025-May-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26104748 PMID:40429891	perspective	本文探讨了利用机器学习和深度学习技术改进膝关节骨关节炎结构进展预测的前景	提出利用ML/DL整合多维数据（如生化标志物和MRI成像标志物）来增强膝关节OA患者分层和预测能力	未提及具体模型验证结果或实际临床应用数据	改进膝关节骨关节炎结构进展的预测方法，优化疾病修饰药物临床试验设计	膝关节骨关节炎患者	machine learning	骨关节炎	MRI, 生化标志物检测	ML/DL	多维数据（包括影像数据和生化数据）	NA
242	2025-06-01	A Comprehensive Review of Deep Learning Applications in Cotton Industry: From Field Monitoring to Smart Processing 2025-May-15, Plants (Basel, Switzerland) DOI:10.3390/plants14101481 PMID:40431047	review	本文综述了深度学习在棉花产业中的应用，从田间监测到智能加工	深度学习在棉花产业链中的广泛应用，包括种子质量评估、病虫害检测、智能灌溉、自主收获和纤维分类等，提高了准确性、效率和适应性	模型泛化能力有限、计算需求高、环境适应性问题和数据标注成本高	探讨深度学习在棉花产业中的应用及其潜力	棉花产业中的各个环节，包括种植、监测和加工	machine learning	NA	深度学习	DL	多模态数据（如遥感、天气和土壤信息）	NA
243	2025-06-01	TDP-SAR: Task-Driven Pruning Method for Synthetic Aperture Radar Target Recognition Convolutional Neural Network Model 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103117 PMID:40431911	research paper	提出了一种针对合成孔径雷达（SAR）目标识别卷积神经网络模型的任务驱动剪枝方法（TDP-SAR）	与依赖通用参数重要性度量的传统剪枝技术不同，该方法实现了SAR目标识别模型不同处理阶段卷积核的频域分析	SAR图像相比光学图像更难理解，导致在空间域分析SAR图像目标特征时存在较大困难	解决SAR目标识别模型因复杂度过高而难以实际部署的问题	合成孔径雷达（SAR）目标识别	computer vision	NA	频域分析	CNN	image	MSTAR基准数据集
244	2025-06-01	Embedded Vision System for Thermal Face Detection Using Deep Learning 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103126 PMID:40431918	研究论文	本文开发了一种基于深度学习的嵌入式视觉系统，用于在热红外图像中实时检测人脸	利用热红外传感器克服了传统人脸检测算法在光照不足条件下的局限性，并比较了不同YOLO模型和嵌入式系统板的性能	仅测试了特定的热红外数据库和嵌入式系统板，可能在其他场景或硬件上的泛化性有限	开发一种在光照变化条件下仍能准确检测人脸的嵌入式视觉系统	热红外图像中的人脸	计算机视觉	NA	深度学习	YOLOv8, YOLO11	热红外图像	Terravic Facial IR数据库和Charlotte-ThermalFace数据库
245	2025-06-01	A Semi-Supervised Attention-Temporal Ensembling Method for Ground Penetrating Radar Target Recognition 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103138 PMID:40431932	研究论文	提出一种半监督注意力-时间集成方法（Attention-TE），用于探地雷达（GPR）地下目标识别	结合半监督时间集成架构与三重注意力模块，提升分类性能，减少对大量标注数据的依赖	未提及具体局限性	解决探地雷达地下目标识别中标注数据不足的问题	探地雷达B扫描图像	计算机视觉	NA	半监督学习	Attention-TE（结合时间集成与三重注意力模块）	图像（GPR B-scan）	实验室与现场数据（具体数量未说明），训练集使用少于30%的标注数据
246	2025-06-01	Robust DOA Estimation via a Deep Learning Framework with Joint Spatial-Temporal Information Fusion 2025-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s25103142 PMID:40431933	research paper	提出了一种基于深度学习的鲁棒方向到达（DOA）估计方法，通过CRDCNN-LSTM网络架构融合空间和时间特征	开发了新型CRDCNN-LSTM网络架构，结合多级交叉残差连接和深度可分离卷积，以及定制的FD损失函数，提高了DOA估计的精度和效率	未提及实际环境中的测试结果，可能在实际应用中存在限制	提高方向到达（DOA）估计的精度和鲁棒性	方向到达（DOA）估计	machine learning	NA	深度学习	CRDCNN-LSTM	信号数据	NA
247	2025-06-01	Automated Risk Prediction of Post-Stroke Adverse Mental Outcomes Using Deep Learning Methods and Sequential Data 2025-May-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050517 PMID:40428136	research paper	该研究利用深度学习方法预测中风幸存者出现中风后不良心理结果（PSAMO）的风险	结合多层感知机（MLP）和长短期记忆（LSTM）等深度学习算法，并引入新型数据类型（如序列数据），以提高模型性能	样本量较小（179名患者），可能影响模型的泛化能力	预测中风幸存者出现中风后抑郁和/或焦虑的风险	179名中风患者	machine learning	cardiovascular disease	深度学习	MLP, LSTM	序列数据（如连续七天的实验室结果）、人口统计学和社会学数据、生活质量评分、中风相关信息、医疗和用药史、合并症	179名中风患者
248	2025-06-01	A Multitask Deep Learning Model for Predicting Myocardial Infarction Complications 2025-May-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050520 PMID:40428139	research paper	本研究提出了一种多任务深度学习模型，用于预测心肌梗死并发症和死亡原因的多维分类	该模型能够同时处理心肌梗死并发症的多维二分类和死亡原因的多类分类任务，相比传统预后模型如GRACE和TIMI评分具有更高的预测准确性和灵活性	未来研究需要进一步优化模型并在真实临床环境中验证其泛化能力	提高心肌梗死并发症和死亡原因的预测准确性，为临床决策提供支持	1700名心肌梗死患者	machine learning	cardiovascular disease	deep neural networks	multitask deep learning model	clinical and demographic data	1700 patients with 111 clinical and demographic features
249	2025-06-01	Hybrid Deep Learning for Survival Prediction in Brain Metastases Using Multimodal MRI and Clinical Data 2025-May-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101242 PMID:40428235	研究论文	提出一种新型混合深度学习框架，结合多模态MRI和临床数据预测脑转移患者的生存期	首次将体积MRI成像生物标志物与结构化临床数据通过混合深度学习框架整合，实现高精度且可解释的生存预测	样本量相对有限（148例患者），需进一步多中心验证	开发可指导脑转移患者个体化治疗决策的生存预测模型	脑转移患者的MRI影像和临床数据	数字病理	脑转移瘤	多模态MRI分析	ResNet-50与EfficientNet-B0混合架构	MRI图像和结构化临床数据	来自3个机构的148例患者（含专家标注的肿瘤/坏死/水肿区域分割）
250	2025-06-01	Deep Learning Models for Multi-Part Morphological Segmentation and Evaluation of Live Unstained Human Sperm 2025-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s25103093 PMID:40431886	research paper	本研究系统评估和比较了Mask R-CNN、YOLOv8、YOLO11和U-Net在人类活体未染色精子的多部分形态分割中的性能	首次系统比较了多种深度学习模型在精子多部分分割任务中的表现，并针对不同精子结构提供了模型选择的见解	研究仅使用了活体未染色精子样本，未考虑染色或其他处理方法的影响	优化精子形态分割的计算机视觉评估方法，以辅助生殖医学应用	人类活体未染色精子的头部、顶体、细胞核、颈部和尾部	computer vision	生殖医学	深度学习图像分割	Mask R-CNN, YOLOv8, YOLO11, U-Net	image	未明确说明数量的活体未染色人类精子样本
251	2025-06-01	Hypergraph Convolution Network Classification for Hyperspectral and LiDAR Data 2025-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s25103092 PMID:40431884	research paper	提出了一种名为HGCN-HL的新型多模态深度学习框架，用于高光谱和LiDAR数据的分类	结合超图卷积网络（HGCNs）与轻量级CNNs，设计了自适应权重机制和基于超像素的动态超边构建，以捕捉像素间复杂的高阶空间-光谱依赖关系	未明确提及具体局限性	改进多源数据融合技术，提升遥感分类性能	高光谱成像（HSI）和激光雷达（LiDAR）数据	computer vision	NA	超图卷积网络（HGCNs）、卷积神经网络（CNNs）	HGCN、CNN	高光谱图像、LiDAR数据	三个基准数据集
252	2025-06-01	Machine Learning Techniques Applied to COVID-19 Prediction: A Systematic Literature Review 2025-May-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050514 PMID:40428133	系统文献综述	本文系统回顾了2020年至2023年间使用机器学习技术进行COVID-19预测的研究	建立了包含传统统计模型、机器学习模型、深度学习模型、集成学习方法和混合模型的多层次分类框架，揭示了混合建模策略通过特征组合优化和模型级联集成有效提高了预测准确性	尽管机器学习方法在COVID-19预测中表现出色，但仍面临挑战和限制	为传染病预测中的人工智能应用提供系统理论支持，促进公共卫生领域的技术创新	COVID-19预测模型	机器学习	COVID-19	机器学习	SVM, CNN, LSTM, AdaBoost等	多维数据集	从5731篇初步筛选的文献中最终选择了136篇符合条件的研究
253	2025-06-01	An Innovative Deep Learning Approach for Ventilator-Associated Pneumonia (VAP) Prediction in Intensive Care Units-Pneumonia Risk Evaluation and Diagnostic Intelligence via Computational Technology (PREDICT) 2025-May-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103380 PMID:40429377	研究论文	本研究开发并验证了一种名为PREDICT的深度学习算法，用于早期预测重症监护病房中的呼吸机相关肺炎（VAP）	PREDICT是首个专门为ICU中早期VAP预测设计的深度学习模型，仅基于生命体征数据	研究基于回顾性数据，未提及前瞻性验证或实际临床应用的测试	开发早期VAP预测工具以改善治疗效果和指导抗生素使用	重症监护病房中使用呼吸机至少48小时的患者	数字病理学	肺炎	深度学习	LSTM	生命体征数据（呼吸频率、SpO2、心率、体温和平均动脉压）	来自MIMIC-IV数据库的ICU患者数据
254	2025-06-01	Natural Gas Consumption Forecasting Model Based on Feature Optimization and Incremental Long Short-Term Memory 2025-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s25103079 PMID:40431871	研究论文	提出了一种基于特征优化和增量LSTM的天然气消费预测模型，通过高斯混合模型处理缺失和异常数据，设计弱监督级联网络进行特征选择，并引入增量学习回归差异损失以提高模型性能	结合高斯混合模型处理数据缺失和异常，设计弱监督级联网络自适应选择特征，引入增量学习回归差异损失以增强模型对数据分布耦合关系的理解	未提及模型在其他城市或不同时间段的泛化能力测试	提高天然气消费预测的准确性和可靠性	武汉市2011年至2024年的日常城市燃气负荷	机器学习	NA	高斯混合模型、增量学习	LSTM	时间序列数据	武汉市2011年至2024年的日常城市燃气负荷数据
255	2025-06-01	Filamentary Convolution for SLI: A Brain-Inspired Approach with High Efficiency 2025-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s25103085 PMID:40431873	research paper	提出了一种名为丝状卷积的新方法，用于改善语音语言识别中的频率特征提取	使用丝状卷积替代传统矩形卷积核，减少参数同时保留关键频率特征，提升语音语言识别的效率和准确性	未提及具体的数据集规模限制或计算资源需求	提高语音语言识别(SLI)系统的特征提取效率和识别性能	语音信号中的频率特征(如音高、音调和节奏)	natural language processing	NA	short-time Fourier transform (STFT), filamentary convolution	LSTM/TDNN	语音信号	自建数据集和公开语料库(未提具体数量)
256	2025-06-01	Artificial Intelligence Model Assists Knee Osteoarthritis Diagnosis via Determination of K-L Grade 2025-May-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101220 PMID:40428213	research paper	该研究通过深度学习模型自动评估膝骨关节炎（KOA）的严重程度，使用Kellgren-Lawrence分级系统（0~4级）进行训练	利用深度学习模型（DenseNet201、ResNet101和EfficientNetV2）自动分类KOA严重程度，其中DenseNet201表现最佳	模型在K-L Grade 1的分类准确率较低（53.7%），可能影响轻度病例的诊断	自动化评估膝骨关节炎的严重程度，辅助专家诊断	膝骨关节炎（KOA）患者	digital pathology	geriatric disease	深度学习	DenseNet201, ResNet101, EfficientNetV2	image	15000张图像（每级3000张）
257	2025-06-01	Tensile Strength Estimation of UHPFRC Based on Predicted Cracking Location Using Deep Learning 2025-May-12, Materials (Basel, Switzerland) DOI:10.3390/ma18102237 PMID:40428975	研究论文	本研究提出了一种基于深度学习预测开裂位置的超高性能纤维增强混凝土（UHPFRC）抗拉强度估计方法	通过深度学习模型预测开裂位置，并分析该位置的纤维特性来估计抗拉强度，提供了一种非破坏性的评估框架	应变软化试样的实验-估计误差和理论-估计误差显著高于应变硬化试样	开发一种可靠的非破坏性方法来估计UHPFRC的抗拉强度	超高性能纤维增强混凝土（UHPFRC）	计算机视觉	NA	X射线计算机断层扫描（CT）和图像分析技术	YOLOv11	图像	应变硬化和应变软化试样
258	2025-06-01	YOLO-TARC: YOLOv10 with Token Attention and Residual Convolution for Small Void Detection in Root Canal X-Ray Images 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103036 PMID:40431831	研究论文	本文提出了一种改进的YOLOv10模型YOLO-TARC，结合了Token Attention和Residual Convolution，用于牙根管X射线图像中的小空洞检测	引入了ResConv确保小物体判别特征的传输，Token Attention模块增强对小目标的聚焦能力，以及优化的边界框损失函数	仅在私有牙根管X射线图像数据集上进行了验证，未在其他公开数据集上测试	提高牙根管X射线图像中小空洞或缺陷的检测精度	牙根管X射线图像中的小空洞或缺陷	计算机视觉	牙科疾病	深度学习	YOLOv10, CNN	图像	私有牙根管X射线图像数据集（具体数量未提及）
259	2025-06-01	An Anomaly Node Detection Method for Wireless Sensor Networks Based on Deep Metric Learning with Fusion of Spatial-Temporal Features 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103033 PMID:40431828	研究论文	本文提出了一种基于深度度量学习融合时空特征的无线传感器网络异常节点检测方法	结合图注意力网络(GAT)和Transformer来捕捉时空特征，并引入新的距离测量模块改进相似性学习，同时通过联合度量分类训练提高模型准确性和泛化能力	未明确说明方法在更大规模网络或更复杂环境中的适用性	提高无线传感器网络中异常节点检测的准确性和有效性	无线传感器网络中的异常节点	机器学习	NA	深度度量学习	GAT, Transformer	多节点、多模态时间序列数据	公共数据集（未明确具体样本数量）
260	2025-06-01	MCFNet: Multi-Scale Contextual Fusion Network for Salient Object Detection in Optical Remote Sensing Images 2025-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s25103035 PMID:40431830	研究论文	提出了一种多尺度上下文融合网络（MCFNet），用于光学遥感图像中的显著目标检测	引入了语义感知注意力模块（SAM）和上下文互连模块（CIM），以增强对显著目标的定位和边界描绘	未提及具体的数据集限制或计算资源需求	解决光学遥感图像中显著目标检测的挑战	光学遥感图像中的显著目标	计算机视觉	NA	深度学习	MCFNet（包含SAM和CIM模块）	图像	在三个标准ORSI-SOD基准数据集上进行了评估