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
221	2025-04-29	Large-Scale Coastal Marine Wildlife Monitoring with Aerial Imagery 2025-Mar-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040094 PMID:40278010	研究论文	本研究探讨了利用航拍图像和深度学习方法自动检测、分类和计数沿海海洋野生动物的可行性	开发了一个深度学习框架，用于从航拍图像中自动识别和分类海洋野生动物，支持生态动态分析	模型的F1分数在0.7到0.9之间，具体取决于个体类型，可能存在识别精度不稳定的问题	提高沿海海洋野生动物监测的效率和准确性，支持生物多样性保护和环境管理	南象海豹和南美海狮群体	计算机视觉	NA	航拍图像采集和深度学习	深度学习框架	图像	在阿根廷巴塔哥尼亚的Valdés半岛采集的高分辨率航拍图像数据集
222	2025-04-29	Development of an Intelligent Tablet Press Machine for the In-Line Detection of Defective Tablets Using Machine Learning and Deep Learning Models 2025-Mar-24, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17040406 PMID:40284402	研究论文	开发了一种集成机器学习和深度学习模型的智能压片机，用于实时检测缺陷药片	将机器学习和深度学习模型集成到压片机中，实现实时检测药片缺陷，作为过程分析技术工具	研究仅针对特定药物（盐酸二甲双胍）的压片过程，未验证对其他药物的适用性	开发一种智能压片机，用于实时检测药片缺陷	盐酸二甲双胍药片	机器学习	NA	过程分析技术(PAT)	随机森林(RF), 人工神经网络(ANN)	实时处理数据（压缩力、排出力、压缩速度等）	商业规模实验生产的盐酸二甲双胍药片
223	2025-04-29	Deep Learning-Based Detection of Aflatoxin B1 Contamination in Almonds Using Hyperspectral Imaging: A Focus on Optimized 3D Inception-ResNet Model 2025-Mar-22, Toxins IF:3.9Q1 DOI:10.3390/toxins17040156 PMID:40278655	research paper	本研究提出了一种基于深度学习的3D Inception-ResNet模型，利用高光谱图像检测杏仁中的黄曲霉毒素B1污染	采用优化的3D Inception-ResNet架构，结合特征选择算法，提高了分类准确率和处理效率	未提及模型在其他食品污染检测中的泛化能力	开发一种快速、无损的黄曲霉毒素B1污染检测方法，确保食品安全	杏仁中的黄曲霉毒素B1污染	computer vision	NA	hyperspectral imaging	3D Inception-ResNet	image	NA
224	2025-04-29	Deep Learning-Enhanced Motor Training: A Hybrid VR and Exoskeleton System for Cognitive-Motor Rehabilitation 2025-Mar-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040331 PMID:40281692	research paper	本研究探索了将实时机器学习分类的运动想象数据与脑机接口相结合，利用预制外骨骼和集成虚拟现实(VR)的EEG头戴设备，开发实用且可扩展的康复和日常运动训练治疗方案	关键创新包括用于数据分类的运动想象EEG采集协议，以及利用小波包变换进行特征提取的深度学习机器学习框架，并开发了新颖的VR钓鱼游戏以动态响应EEG输出	临床测试仍在进行中	开发实用且可扩展的康复和日常运动训练治疗方案	老年人的认知运动功能	脑机接口	geriatric disease	EEG, VR, 外骨骼	SVM, CNN, LSTM	EEG信号	NA
225	2025-04-29	A Color-Based Multispectral Imaging Approach for a Human Detection Camera 2025-Mar-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040093 PMID:40278009	研究论文	提出了一种基于颜色的多光谱成像方法，用于开发实时人体检测相机	使用四个特定波长（453、556、668和708 nm）进行衣物与背景分离，构建轻量级机器学习模型（多层感知机）	仅适用于白天条件和常见织物，对部分遮挡物体可能效果有限	开发一种支持实时处理的人体检测相机	衣物（作为人体检测的代理）	计算机视觉	NA	多光谱成像	多层感知机（MLP）	多光谱图像	NA
226	2025-04-29	CAD-Skin: A Hybrid Convolutional Neural Network-Autoencoder Framework for Precise Detection and Classification of Skin Lesions and Cancer 2025-Mar-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040326 PMID:40281686	research paper	提出了一种结合CNN和自动编码器的深度学习算法CAD-Skin，用于精确检测和分类皮肤病变及癌症	结合了多尺度视网膜、伽马校正、非锐化掩蔽和对比度受限自适应直方图均衡化的预处理方法，并集成了量子支持向量机(QSVM)进行最终分类	未明确提及在实际临床环境中的适用性验证	提高皮肤病变和癌症的诊断效率和分类准确性	皮肤病变和癌症，包括光化性角化病、恶性黑色素瘤等	digital pathology	skin cancer	deep learning, data augmentation	CNN, Autoencoder, QSVM	image	PAD-UFES-20-Modified, ISIC-2018, ISIC-2019数据集
227	2025-04-29	Local Extremum Mapping for Weak Supervision Learning on Mammogram Classification and Localization 2025-Mar-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040325 PMID:40281685	research paper	提出了一种新的局部极值映射（LEM）机制，用于乳腺X光片分类和弱监督病变定位	通过局部极值映射机制，仅使用图像级标签实现病变定位，显著降低标注成本	在病变定位方面的Dice相似系数为0.37，仍有提升空间	提高乳腺X光片的早期和准确检测，以提升生存率	乳腺X光片中的病变	digital pathology	breast cancer	weak supervision learning	CNN	image	两个公共乳腺X光片数据集（CBIS-DDSM和INbreast）
228	2025-04-29	Methods for Brain Connectivity Analysis with Applications to Rat Local Field Potential Recordings 2025-Mar-21, Entropy (Basel, Switzerland) DOI:10.3390/e27040328 PMID:40282562	research paper	本文介绍了一系列用于分析大脑依赖网络的统计方法，并应用于大鼠海马局部场电位（LFP）时间序列数据	结合经典和前沿方法，探索了多种统计技术（如Granger因果性、谱传递熵、小波相干性等）以及拓扑数据分析（TDA）和深度学习框架，用于捕捉神经动态和连接性	未提及具体样本量或实验设计的局限性	分析大脑依赖网络以理解潜在的神经机制（如感知、行动和记忆）	大鼠海马局部场电位（LFP）时间序列数据，专注于非空间嗅觉信息的编码	神经科学	NA	Granger causality (GC), robust canonical coherence analysis, spectral transfer entropy (STE), wavelet coherence, topological data analysis (TDA), deep learning-based canonical correlation frameworks	NA	时间序列数据（局部场电位记录）	NA
229	2025-04-29	Global Trends in Diabetic Foot Research (2004-2023): A Bibliometric Study Based on the Scopus Database 2025-Mar-21, International journal of environmental research and public health DOI:10.3390/ijerph22040463 PMID:40283692	研究论文	通过文献计量分析探讨2004-2023年间糖尿病足研究的全球趋势	利用Scopus数据库进行文献计量分析，揭示糖尿病足研究的发展趋势和热点	仅基于Scopus数据库，可能未涵盖所有相关研究	分析糖尿病足研究的全球趋势和未来方向	2004-2023年间Scopus数据库中关于糖尿病足的研究文献	文献计量学	糖尿病足	文献计量分析工具（Excel, Python, Biblioshiny, VOSviewer）	NA	文献数据	7136篇文献
230	2025-04-29	New Method of Impact Localization on Plate-like Structures Using Deep Learning and Wavelet Transform 2025-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s25061926 PMID:40293079	研究论文	提出了一种利用二维卷积神经网络(CNN)和小波变换(WT)定位板状结构上冲击事件的新方法	结合CNN和小波变换处理冲击信号，实现了高精度的冲击定位	难以区分特征相似的数据样本，主要源于信号分段间隔和冲击距离两个因素	开发板状结构冲击定位的新方法	板状结构上的冲击事件	计算机视觉	NA	小波变换(WT)	CNN	图像	8个数据集(包含2-5次冲击信号)
231	2025-04-29	An Efficient 3D Measurement Method for Shiny Surfaces Based on Fringe Projection Profilometry 2025-Mar-20, Sensors (Basel, Switzerland) DOI:10.3390/s25061942 PMID:40293081	research paper	提出了一种基于条纹投影轮廓术（FPP）的高效3D测量方法，用于解决测量高反光表面时条纹饱和或过暗的问题	利用偏振片减轻条纹饱和，并通过深度学习方法增强低对比度区域的条纹质量，同时引入双频互补解码方法提高测量效率	未提及方法在极端反光条件下的表现或与其他方法的对比结果	解决高反光表面3D测量中的条纹饱和或过暗问题，提高测量精度和效率	高反光表面的3D测量	计算机视觉	NA	条纹投影轮廓术（FPP）	深度学习	图像	NA
232	2025-04-29	MAL-Net: A Multi-Label Deep Learning Framework Integrating LSTM and Multi-Head Attention for Enhanced Classification of IgA Nephropathy Subtypes Using Clinical Sensor Data 2025-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s25061916 PMID:40293045	research paper	提出了一种名为MAL-Net的多标签深度学习框架，用于整合LSTM和多头注意力机制以增强IgA肾病亚型的分类	MAL-Net整合了LSTM网络和多头注意力机制，有效捕捉临床数据中的序列和上下文依赖关系，并通过内存网络模块提取临床传感器和记录的特征	研究仅基于500名IgAN患者的数据，样本量可能不足以覆盖所有临床情况的多样性	提高IgA肾病亚型分类的准确性，支持早期诊断和个性化治疗	500名IgA肾病患者的多维临床数据，包括人口统计学、实验室和症状变量	digital pathology	IgA nephropathy	deep learning	LSTM, Multi-Head Attention	clinical sensor data	500名IgAN患者
233	2025-04-29	Interference Mitigation Using UNet for Integrated Sensing and Communicating Vehicle Networks via Delay-Doppler Sounding Reference Signal Approach 2025-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s25061902 PMID:40293069	研究论文	本文提出了一种利用UNet架构在延迟多普勒域中通过二维偏移增强集成传感与通信(ISAC)性能的新方法	利用延迟多普勒域中的二维偏移和UNet架构进行干扰抑制，提高了频谱效率和感知精度	未提及实际部署中的硬件限制或计算资源需求	提升车辆网络中集成传感与通信(ISAC)系统的性能	4G和5G系统中的车辆网络	通信系统	NA	延迟多普勒探测参考信号方法	UNet	Range-Doppler地图	NA
234	2025-04-29	A Weighted-Transfer Domain-Adaptation Network Applied to Unmanned Aerial Vehicle Fault Diagnosis 2025-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s25061924 PMID:40293102	研究论文	提出了一种加权迁移域适应网络（WTDAN）方法，用于无人机电磁敏感飞行数据的在线异常检测和故障诊断	基于无监督迁移学习，设计了三个多尺度模块（特征提取器、域鉴别器和标签分类器），并采用多层域适应和源域样本加权策略	在异常目标数据样本较少的情况下性能较好，但在样本分布极度不平衡或噪声干扰更大时的表现未验证	提升无人机在复杂环境下的在线异常检测与故障诊断能力	无人机电磁敏感飞行数据	机器学习	NA	无监督迁移学习	WTDAN（加权迁移域适应网络）	传感器时序数据	公开数据集+实验测试数据集（未注明具体数量）
235	2025-04-29	Exploring the Feasibility of Deep Learning for Predicting Lignin GC-MS Analysis Results Using TGA and FT-IR 2025-Mar-18, Polymers IF:4.7Q1 DOI:10.3390/polym17060806 PMID:40292675	research paper	探讨使用深度学习方法基于TGA和FT-IR数据预测木质素GC-MS分析结果的可行性	首次提出利用AI模型从TGA和FT-IR数据预测GC-MS结果，为预算有限的研究提供替代方案	模型需要在更多木质素底物上进行验证以提高普适性，且需与有机化学家合作评估实际应用价值	开发经济高效的木质素分析方法	木质素（植物细胞壁提取的复杂生物聚合物）	machine learning	NA	TGA, FT-IR, GC-MS	deep learning	spectroscopic data	未明确说明（需跨多种木质素底物验证）
236	2025-04-29	A Deep Sparse Capsule Network for Non-Invasive Blood Glucose Level Estimation Using a PPG Sensor 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061868 PMID:40293000	研究论文	该研究提出了一种基于深度学习的非侵入性方法，利用光电容积描记术（PPG）信号估计血糖水平	提出了一种深度稀疏胶囊网络（DSCNet）模型，用于准确和稳健的血糖监测，并开发了带有自注意力机制的增强模型	未提及样本的具体数量或多样性，可能影响模型的泛化能力	开发一种非侵入性血糖监测方法，以减少传统侵入性方法带来的不适	糖尿病患者的光电容积描记术（PPG）信号	机器学习	糖尿病	光电容积描记术（PPG）	深度稀疏胶囊网络（DSCNet）	信号数据	NA
237	2025-04-29	Deep Supervised Attention Network for Dynamic Scene Deblurring 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061896 PMID:40293008	research paper	提出了一种基于深度监督注意力网络的动态场景去模糊方法	采用多尺度端到端循环网络和监督注意力机制，结合新的损失函数和快速傅里叶变换，提高了去模糊效果	现有数据集存在数据量少、真实图像不清晰和单一模糊尺度的问题	改进动态场景去模糊的效果	模糊图像	computer vision	NA	fast Fourier transform (FFT)	CNN, recurrent network	image	NA
238	2025-04-29	Unobtrusive Bed Monitor State of the Art 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061879 PMID:40293004	review	本文综述了无干扰床监测设备的技术现状及其在健康管理和疾病预防中的应用	总结了无干扰床监测设备在过去30年的发展历程，并探讨了深度学习、AI和IoT技术对其的推动作用	未提及具体的技术细节或实验验证结果	探讨无干扰床监测设备在健康管理和疾病预防中的潜在应用	无干扰床监测设备及其检测的生理信息	医疗健康监测	NA	深度学习、AI、IoT	NA	生理信号数据	NA
239	2025-04-29	PCAFA-Net: A Physically Guided Network for Underwater Image Enhancement with Frequency-Spatial Attention 2025-Mar-17, Sensors (Basel, Switzerland) DOI:10.3390/s25061861 PMID:40293013	研究论文	提出了一种名为PCAFA-Net的物理引导网络，用于通过多颜色空间自适应调整和频率-空间注意力机制增强水下图像	结合物理模型与深度学习，引入自适应梯度模拟模块、自适应颜色范围调整模块和频率-空间条带注意力模块，充分利用频域和空间域信息	依赖于有限数量和多样性的水下图像数据，在未知环境中的表现仍有挑战	解决水下图像因光散射和水下环境导致的色彩偏移、细节模糊和对比度降低等问题	水下图像	计算机视觉	NA	深度学习	PCAFA-Net（包含AGSM、ACRAM和FSSAM模块）	图像	三个数据集
240	2025-04-29	Learning in Two-Scales Through LSTM-GPT2 Fusion Network: A Hybrid Approach for Time Series Anomaly Detection 2025-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s25061849 PMID:40292940	研究论文	提出了一种名为LGFN的多尺度特征提取和数据重构深度学习神经网络，用于在原始输入空间和潜在空间中检测多元时间序列数据中的异常	LGFN网络在原始输入空间和潜在空间同时检测异常，创新性地结合了LSTM和GPT-2的特点	未明确提及具体局限性	提高工业传感器收集的多元时间序列数据中异常检测的准确性和效率	火箭发动机、风力涡轮机叶片和飞机涡轮等机械的传感器数据	机器学习	NA	深度学习	LSTM-GPT2融合网络	多元时间序列数据	五个公共MTS数据集