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
201	2025-04-29	Semi-Supervised Class-Incremental Sucker-Rod Pumping Well Operating Condition Recognition Based on Multi-Source Data Distillation 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082372 PMID:40285062	研究论文	提出一种基于多源数据蒸馏的半监督类增量抽油机井工况识别方法	结合图神经网络教师模型、Squeeze-and-Excitation注意力机制和多源数据蒸馏损失，减少类增量学习中旧工况类别知识的遗忘，并通过增强的标签传播方法提升分类性能	需要实测地面示功图和电功率图作为信息源，且对复杂多变数据的鲁棒性要求较高	解决抽油机井复杂多变工况的及时准确识别问题	抽油机井的工况	机器学习	NA	多源数据蒸馏、KL散度、标签传播	图神经网络	多源数据（地面示功图和电功率图）	NA
202	2025-04-29	Privacy-Preserving Federated Learning Framework for Multi-Source Electronic Health Records Prognosis Prediction 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082374 PMID:40285064	研究论文	提出了一种名为MultiProg的安全联邦学习框架，用于临床表示学习，支持多医疗机构的协作而不交换原始患者数据	采用多通道架构和特征校准机制，确保在异构特征集下的鲁棒性能，同时保护敏感患者信息	未提及具体的数据集规模或参与机构数量，可能影响框架的泛化能力	解决临床预测系统中安全和隐私保护的挑战，实现跨医疗机构的安全知识共享	多源电子健康记录（EHR）	机器学习	NA	联邦学习	多通道架构	电子健康记录	NA
203	2025-04-29	A Generalized Convolutional Neural Network Model Trained on Simulated Data for Fault Diagnosis in a Wide Range of Bearing Designs 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082378 PMID:40285067	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于广泛轴承设计的故障诊断，通过数值模拟振动数据进行训练	采用了一种新颖的混合信号处理方法增强特征提取并减少模拟数据与真实数据之间的领域偏移	模型在真实工业应用中的泛化能力仍需进一步验证	开发一种能够克服训练数据稀缺和泛化挑战的智能故障诊断模型	滚动轴承（REBs）	机器学习	NA	混合信号处理	CNN	振动信号	Case Western Reserve University实验数据集和Safran喷气发动机地面测试数据
204	2025-04-29	Application of YOLO11 Model with Spatial Pyramid Dilation Convolution (SPD-Conv) and Effective Squeeze-Excitation (EffectiveSE) Fusion in Rail Track Defect Detection 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082371 PMID:40285061	研究论文	本文提出了一种改进的轨道缺陷检测算法，结合YOLO11模型、SPD-Conv模块和EffectiveSE注意力机制，提高了检测效率和准确性	使用SPD-Conv模块替代传统卷积层以提升低分辨率图像和小物体检测性能，集成EffectiveSE注意力机制增强特征信息利用，并增加小目标检测头以捕获不同尺度目标	未提及模型在极端环境或复杂背景下的性能表现	提高轨道缺陷检测的效率和准确性	轨道紧固件和轨道表面缺陷	计算机视觉	NA	深度学习	YOLO11	图像	轨道紧固件数据集和轨道表面数据集（具体数量未提及）
205	2025-04-29	An Innovative Study for Tool Wear Prediction Based on Stacked Sparse Autoencoder and Ensemble Learning Strategy 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082391 PMID:40285081	研究论文	提出了一种基于堆叠稀疏自编码器和集成学习策略的创新方法，用于实时预测铣削刀具的磨损	融合多传感器特征，构建集成深度学习模型，使用堆叠学习策略和贝叶斯优化的超参数梯度提升决策树回归模型作为次级学习器	NA	提高计算机数控(CNC)加工中刀具预测和健康监控系统的准确性	铣削刀具的磨损	机器学习	NA	堆叠稀疏自编码器(SSAE)、反向传播神经网络(BPNN)、梯度提升决策树(GBDT)	SSAE、BPNN、GBDT	振动和切削力的原始信号	NA
206	2025-04-29	Recurrence Quantification Analysis for Scene Change Detection and Foreground/Background Segmentation in Videos 2025-Apr-08, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040113 PMID:40278029	research paper	本文介绍了递归量化分析（RQA）在动态视频处理中的数学框架，并探讨了其在场景变化检测和自适应前景/背景分割两个主要任务中的应用	将原本用于时间序列分析的RQA方法创新性地应用于视频流处理，提供了一种计算高效且鲁棒的替代方案，避免了传统深度学习方法需要大量训练数据和高计算资源的问题	未提及该方法在实时处理或极端光照条件下的表现	探索RQA在视频分析中的应用效果	视频流中的场景变化和前景/背景分割	computer vision	NA	Recurrence Quantification Analysis (RQA)	NA	video	三个标注视频数据集（Autoshot、RAI和BBC Planet Earth）以及UCF101和DAVIS数据集
207	2025-04-29	Efficient 2D-DOA Estimation Based on Triple Attention Mechanism for L-Shaped Array 2025-Apr-08, Sensors (Basel, Switzerland) DOI:10.3390/s25082359 PMID:40285048	research paper	提出了一种基于三重注意力机制的深度卷积神经网络（TADCN），用于L形阵列的二维到达方向（DOA）估计	引入了三重注意力机制（TAM），使网络能够捕捉信号样本特征在通道、高度和宽度维度上的关系，从而增强特征提取能力并改善空间谱	未提及实际硬件实现中的挑战或计算资源需求	提高二维到达方向（DOA）估计的准确性和效率	L形阵列接收的信号	signal processing	NA	deep convolutional neural network (DCN), triple attention mechanism (TAM)	CNN	signal	通过仿真结果验证，未提及具体样本数量
208	2025-04-29	Deep Learning-Based Medical Ultrasound Image and Video Segmentation Methods: Overview, Frontiers, and Challenges 2025-Apr-08, Sensors (Basel, Switzerland) DOI:10.3390/s25082361 PMID:40285051	综述	本文综述了基于深度学习的医学超声图像和视频分割方法，总结了该领域的最新进展	介绍了扩散模型和segment anything模型等最新技术，并对方法进行了分类和评估	未提及具体实验验证或性能比较结果	总结和评估深度学习在医学超声图像分割领域的应用	医学超声图像和视频	数字病理学	NA	深度学习	扩散模型, segment anything模型	图像, 视频	NA
209	2025-04-29	ATOMICA: Learning Universal Representations of Intermolecular Interactions 2025-Apr-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.02.646906 PMID:40291688	research paper	介绍了一种名为ATOMICA的几何深度学习模型，用于学习跨多种生物分子模式的分子间相互作用的原子尺度表示	ATOMICA模型通过自监督去噪和掩蔽目标训练，能够跨分子类别泛化，并恢复共享的物理化学特征，无需监督	NA	开发一种能够系统建模分子间相互作用的通用表示方法	小分子、金属离子、氨基酸和核酸等多种生物分子	machine learning	自身免疫性神经病变和淋巴瘤	几何深度学习	ATOMICA	分子相互作用数据	2,037,972个相互作用复合体
210	2025-04-29	MRS-Sim: Open-Source Framework for Simulating In Vivo-like Magnetic Resonance Spectra 2025-Apr-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.20.629645 PMID:40291707	research paper	介绍了一个名为MRS-Sim的开源框架，用于模拟体内磁共振光谱数据	提出了两个新颖的组件：3D场图模拟器和半参数生成器，用于模拟场不均匀性和未充分表征的残余水区域信号	需要分析现有体内数据的拟合参数范围以确定适当的模型参数范围和分布	开发和验证磁共振光谱方法	磁共振光谱数据	磁共振光谱	NA	磁共振光谱模拟	NA	光谱数据	NA
211	2025-04-29	Surface EMG Sensing and Granular Gesture Recognition for Rehabilitative Pouring Tasks: A Case Study 2025-Apr-07, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10040229 PMID:40277628	研究论文	该研究提出了一种基于粒计算的深度学习方法，用于表面肌电信号（sEMG）的精细手势识别，特别针对康复中的倒水动作	结合特征融合和粒计算改进ConvMixer架构，显著提高了手势识别的准确性	研究仅针对倒水这一特定动作，未验证其他日常复杂动作的适用性	开发高精度的sEMG手势识别方法以支持康复治疗	倒水动作相关的肌肉电信号	机器学习	康复医学	表面肌电信号（sEMG）采集	ConvMixer架构（结合特征融合和粒计算）	生物电信号	NA
212	2025-04-29	Automated Graphic Divergent Thinking Assessment: A Multimodal Machine Learning Approach 2025-Apr-07, Journal of Intelligence IF:2.8Q1 DOI:10.3390/jintelligence13040045 PMID:40278054	研究论文	本研究提出了一种多模态深度学习模型，用于自动化评分基于图像的发散思维测试，整合视觉和语义特征以提高评估的客观性和效率	通过结合预训练的ResNet50（图像特征）和GloVe（文本嵌入），并通过全连接神经网络融合，有效捕捉发散思维的多个维度，实现新颖性、流畅性和灵活性的同时评估	验证集上的相关性（r = 0.561）和参与者层面的相关性（0.602）显示模型在泛化能力上仍有提升空间	提高发散思维测试的自动化评分客观性和效率	708名中国高中生的测试响应	机器学习	NA	多模态机器学习	ResNet50, GloVe, 全连接神经网络	图像和文本	708名中国高中生的测试响应（训练集603张图像，验证集100张图像）
213	2025-04-29	Berg Balance Scale Scoring System for Balance Evaluation by Leveraging Attention-Based Deep Learning with Wearable IMU Sensors 2025-Apr-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040395 PMID:40281755	研究论文	提出了一种基于注意力机制深度学习的自动化Berg平衡量表评分系统，利用可穿戴IMU传感器进行平衡评估	结合CNN进行空间特征提取、Bi-LSTM进行时间建模和注意力机制强调信息特征，提供了一种高效、客观的平衡评估解决方案	对无法独立行走的严重受损患者泛化能力有限，且无法预测单个任务的分数	开发一种自动化平衡评估系统，以辅助医疗保健医生和患者进行健康监测	健康受试者（年轻人和老年人）和患者（帕金森病和中风患者）	数字病理学	帕金森病和中风	可穿戴惯性测量单元（IMU）	CNN、Bi-LSTM和注意力机制	运动数据	20名健康受试者和20名患者
214	2025-04-29	Mapping individualized multi-scale hierarchical brain functional networks from fMRI by self-supervised deep learning 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.07.647618 PMID:40291726	研究论文	通过自监督深度学习从fMRI数据中映射个体化的多尺度分层脑功能网络	提出了一种自监督深度学习框架，能够同时计算多尺度功能网络并表征其在个体水平上的跨尺度层次结构	当前方法通常仅在单一尺度上计算个体化功能网络，无法量化可能的层次结构	理解脑功能网络的多尺度分层组织及其个体间差异	人类脑功能网络	神经影像分析	神经精神疾病	fMRI, 自监督深度学习	DL模型	fMRI扫描数据	Human Connectome Project数据及两个外部队列
215	2025-04-29	Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.07.647497 PMID:40291740	研究论文	本文提出了一种名为DELSSOME的框架，通过深度学习优化生物物理大规模脑回路模型的参数，显著提高了计算效率	引入DELSSOME框架，绕过数值积分直接预测模型参数是否产生真实的脑动力学，实现了2000倍的速度提升	未提及具体的数据集规模或模型在其他类型脑回路模型上的泛化能力	优化生物物理大规模脑回路模型的参数，提高计算效率和生物合理性	反馈抑制控制（FIC）平均场模型	机器学习	NA	深度学习	DELSSOME	脑动力学数据	NA
216	2025-04-29	Ultrasound-Based Deep Learning Radiomics Models for Predicting Primary and Secondary Salivary Gland Malignancies: A Multicenter Retrospective Study 2025-Apr-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040391 PMID:40281751	research paper	开发并评估基于超声特征、放射组学和深度学习的非侵入性诊断模型，用于区分原发性和继发性唾液腺恶性肿瘤	结合放射组学和深度学习特征构建RadiomicsDL模型，其性能优于单独的超声、放射组学或深度学习模型	回顾性研究设计可能引入选择偏倚，样本量较小（140例患者）	区分原发性和继发性唾液腺恶性肿瘤	68例原发性和72例继发性唾液腺恶性肿瘤患者	digital pathology	salivary gland malignancies	ultrasonography, radiomics, deep learning	Multi-Layer Perceptron (MLP)	ultrasound images	140 patients (68 primary and 72 secondary salivary gland malignancies)
217	2025-04-29	Effects of Landscape Characteristic Perception of Campus on College Students' Mental Restoration 2025-Apr-05, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs15040470 PMID:40282091	研究论文	本研究探讨了校园景观特征感知对大学生心理恢复的影响机制	开发了一个包含三个维度的校园景观感知量表，并探索了景观特征、偏好、地方依恋因素与心理恢复之间的复杂相互关系	研究仅在中国南京的六所高等教育机构进行，样本可能不具有全球代表性	探究校园景观特征感知对心理恢复的影响机制	大学生	环境心理学	NA	深度学习技术	偏最小二乘法(PLS)	心理指标数据	来自6所高校36个校园绿地的759名参与者
218	2025-04-29	From Indoor to Daylight Electroluminescence Imaging for PV Module Diagnostics: A Comprehensive Review of Techniques, Challenges, and AI-Driven Advancements 2025-Apr-04, Micromachines IF:3.0Q2 DOI:10.3390/mi16040437 PMID:40283312	综述	本文全面分析了光伏（PV）模块诊断中的电致发光（EL）成像技术，重点关注从传统室内成像到户外及日光EL成像的进展	探讨了红外敏感铟镓砷（InGaAs）相机、光学滤波和周期性电流调制等创新技术，以及AI驱动方法在缺陷分类和性能评估自动化中的应用	未提及具体研究样本数量或实验数据，可能缺乏实证支持	评估和提升光伏模块诊断中EL成像技术的效率和可靠性	光伏（PV）模块	计算机视觉	NA	电致发光（EL）成像、红外敏感铟镓砷（InGaAs）相机、光学滤波、周期性电流调制	深度学习、生成对抗网络（GANs）	图像	NA
219	2025-04-29	Artificial Intelligence in Placental Pathology: New Diagnostic Imaging Tools in Evolution and in Perspective 2025-Apr-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040110 PMID:40278026	review	本文综述了人工智能在胎盘病理学中的最新应用，包括数字图像分析、三维重建和深度学习模型	介绍了AI在胎盘病理学中的创新应用，如GestAltNet模型用于精确孕周估计和组织学病变的自动识别	当前AI算法存在数据集异质性、解释性不足和模型透明度问题	总结AI在胎盘组织病理学中的最新应用进展	胎盘病理学	digital pathology	NA	digital image analysis, three-dimensional reconstruction, deep learning	GestAltNet	image	NA
220	2025-04-29	U-Net-Based Deep Learning Hybrid Model: Research and Evaluation for Precise Prediction of Spinal Bone Density on Abdominal Radiographs 2025-Apr-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040385 PMID:40281745	research paper	本研究提出了一种结合U-Net和人工神经网络的混合模型，用于通过腹部X光片精确预测脊柱骨密度	该研究创新性地将U-Net用于图像预处理以减少背景噪声并增强骨组织特征，随后通过人工神经网络模型进行非线性回归预测骨密度	研究仅针对女性患者，且仅关注L2椎体的骨密度测量	开发一种更准确、成本效益更高的骨密度预测方法，以克服现有技术的限制	腹部X光片中的L2椎体	digital pathology	osteoporosis	X-ray imaging	U-Net and artificial neural network	image	NA