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
261	2025-10-01	Convolutional Neural Networks for Hole Inspection in Aerospace Systems 2025-Sep-22, Sensors (Basel, Switzerland) DOI:10.3390/s25185921 PMID:41013160	研究论文	开发了一种名为HANNDI的手持式检测设备，用于航空航天系统中孔洞的自动化光学检测	首个结合机械成像几何控制、可控照明和嵌入式CNN推理的手持式自动化光学检测系统	使用专有数据集进行训练和测试，未提及外部验证结果	开发快速可靠的航空航天制造孔洞检测系统	航空航天制造中的铆钉孔、机加工孔和紧固件位置	计算机视觉	NA	深度学习、自动化光学检测	CNN、YOLO架构	图像	约3700张航空航天资产图像数据集
262	2025-10-01	Enhancing Melanoma Diagnosis in Histopathology with Deep Learning and Synthetic Data Augmentation 2025-Sep-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12091001 PMID:41007246	研究论文	本研究探索使用GAN生成合成图像增强黑色素瘤组织病理学诊断的深度学习模型性能	首次在1024×1024像素高分辨率下系统评估GAN合成数据对黑色素瘤诊断的影响，特别关注假阴性减少这一临床关键指标	混合模型性能并未持续优于纯真实数据训练模型，且仅针对黑色素痣类别进行数据平衡	提高基于组织病理学图像的黑色素瘤诊断准确性	H&E染色组织病理学图像中的黑色素细胞病变	数字病理学	黑色素瘤	GAN（生成对抗网络）	ResNet-18	图像	未明确样本总数，但假阴性案例从80例减少至75例
263	2025-10-01	A Comparative Evaluation of Meta-Learning Models for Few-Shot Chest X-Ray Disease Classification 2025-Sep-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182404 PMID:41008775	研究论文	比较评估四种元学习模型在胸部X射线疾病少样本分类中的性能	首次系统比较原型网络、关系网络、MAML和FoMAML在胸部X射线疾病分类中的表现，并确定最佳骨干网络组合	仅在ChestX-ray14数据集上进行实验，未验证在其他医学影像数据上的泛化能力	评估元学习模型在数据稀缺情况下对胸部疾病的分类效果	胸部X射线图像中的疾病分类	计算机视觉	胸部疾病	元学习	原型网络、关系网络、MAML、FoMAML、ConvNeXt、DenseNet-121、ResNet-50、MobileNetV2、ViT	医学影像	ChestX-ray14数据集，采用2-way多shot配置
264	2025-10-01	Damage Localization and Sensor Layout Optimization for In-Service Reinforced Concrete Columns Using Deep Learning and Acoustic Emission 2025-Sep-21, Materials (Basel, Switzerland) DOI:10.3390/ma18184406 PMID:41010246	研究论文	本研究结合深度学习和声发射技术，对在役钢筋混凝土柱进行损伤定位并优化传感器布局方案	提出基于k-means聚类和投票选择概念的数据清洗方法，并比较不同神经网络模型在声发射源定位中的性能表现	NA	解决在役钢筋混凝土柱的健康检测问题，提高结构使用寿命和整体性能	在役钢筋混凝土柱	结构健康监测	NA	声发射技术、深度学习算法、k-means聚类	BP神经网络、RBF神经网络、SVR模型	声发射信号数据	NA
265	2025-10-01	Robust Pedestrian Detection and Intrusion Judgment in Coal Yard Hazard Areas via 3D LiDAR-Based Deep Learning 2025-Sep-21, Sensors (Basel, Switzerland) DOI:10.3390/s25185908 PMID:41013146	研究论文	提出基于3D LiDAR的深度学习方法来检测煤场危险区域行人入侵	提出EFT-RCNN行人检测网络，通过EnhancedVFE模块改进空间特征提取，使用FocalConv重构3D骨干网络增强前景背景区分，并采用TeBEVPooling优化鸟瞰图生成	NA	解决煤场工作区域行人入侵检测问题，提升安全监管能力	煤场危险区域内的行人	计算机视觉	NA	3D LiDAR，深度学习	EFT-RCNN（基于Voxel-RCNN改进的CNN架构）	3D点云数据	在公开KITTI数据集上进行评估，并进行了实际测试
266	2025-10-01	GPR Feature Enhancement of Asphalt Pavement Hidden Defects Using Computational-Efficient Image Processing Techniques 2025-Sep-20, Materials (Basel, Switzerland) DOI:10.3390/ma18184400 PMID:41010241	研究论文	本研究提出使用计算高效的图像处理技术增强沥青路面隐蔽缺陷的探地雷达特征	将Sobel边缘检测器和Otsu阈值处理等简单图像处理方法作为GPR数据预处理步骤，显著提高双曲线特征检测精度和速度	NA	开发快速准确的GPR数据预处理方法以增强反射特征检测能力	沥青路面隐蔽缺陷的探地雷达双曲线反射特征	计算机视觉	NA	探地雷达(GPR)、图像处理技术	Faster R-CNN、CBAM-YOLOv8	雷达图像	NA
267	2025-10-01	Enhancing Heart Rate Detection in Vehicular Settings Using FMCW Radar and SCR-Guided Signal Processing 2025-Sep-20, Sensors (Basel, Switzerland) DOI:10.3390/s25185885 PMID:41013123	研究论文	提出一种基于FMCW雷达和SCR引导信号处理的优化框架，用于车辆环境中非接触式心率检测	集成雷达位置优化和先进相位处理技术，通过SCR分析确定最佳雷达放置位置，实现无需接触传感器的心率检测	仅在基线和轻度运动条件下验证，未涉及剧烈运动或极端驾驶场景	提高车辆环境中基于雷达的心率和心率变异性检测精度	车辆驾驶员的心率信号	信号处理	心血管疾病	FMCW雷达、SCR分析、相位解缠、深度学习	深度学习	雷达信号	多名人类参与者在实验室和动态驾驶模拟器环境中的测试
268	2025-10-01	Advances in computational nephropathology 2025-Sep-19, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.06.029 PMID:40976424	综述	本文全面概述了计算病理学在肾脏病理学领域的进展与应用	提出将计算病理学方法整合到数字病理工作流程中，推动肾脏病理学向'kidnAI'病理学转型	在常规临床实践中实施仍面临技术、监管和伦理挑战	探讨计算病理学在肾脏病理学中的发展和应用前景	肾脏组织病理学图像及相关数据分析方法	数字病理学	肾脏疾病	人工智能、深度学习、定量病理学分析	深度学习图像分类和回归模型	组织病理学图像	NA
269	2025-10-01	ErisNet: A Deep Learning Model for Noise Reduction in CT Images 2025-Sep-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090997 PMID:41007242	研究论文	提出一种名为ErisNet的深度学习模型用于降低CT图像中的噪声	开发了新型AI模型ErisNet，专门针对CT图像噪声降低，在多种客观指标和放射科医生主观评估中均表现优异	仅使用23例尸体全身CT扫描进行训练，样本量有限	开发有效的CT图像噪声降低方法	CT图像	计算机视觉	NA	深度学习	CNN	医学图像	23例尸体全身CT扫描
270	2025-10-01	YOLOv8-DMC: Enabling Non-Contact 3D Cattle Body Measurement via Enhanced Keypoint Detection 2025-Sep-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15182738 PMID:41007983	研究论文	提出了一种基于增强关键点检测的非接触式牛体三维测量方法YOLOv8-DMC	集成三种注意力模块(DRAMiTransformer、MHSA-C2f、CASimAM)提升遮挡和光照变化下的鲁棒性，采用16邻域深度补全和通滤波生成彩色点云	NA	实现精准的非接触式牛体三维测量	牛的侧视图像	计算机视觉	NA	深度学习	YOLOv8-DMC	RGB-D图像	7000多张图像，来自137头牛的严格侧视RGB-D图像
271	2025-10-01	Exploring Imagined Movement for Brain-Computer Interface Control: An fNIRS and EEG Review 2025-Sep-19, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15091013 PMID:41008372	综述	本文综述了EEG和fNIRS在解码运动想象用于脑机接口控制的效能	系统比较了EEG和fNIRS在运动想象解码中的优劣，并探讨了混合EEG-fNIRS系统的潜力	在线运动想象预测的可靠性仍低于实际运动执行，fNIRS存在生理延迟	评估非侵入性脑机接口在运动功能恢复中的应用效果	运动想象的脑信号解码	脑机接口	肢体缺失	EEG、fNIRS、深度学习	深度学习模型	脑电信号、近红外光谱信号	NA
272	2025-10-01	Electroencephalography-Based Machine Learning for Biomarker Detection in Dyslexia and Autism Spectrum Disorder: A Comparative Review of Models, Features, and Diagnostic Utility 2025-Sep-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182388 PMID:41008759	综述	基于脑电图的机器学习和深度学习方法在自闭症谱系障碍和发育性阅读障碍生物标志物检测中的比较综述	比较了传统机器学习与基于Transformer的先进架构在神经发育障碍诊断中的应用，涵盖多种特征工程方法	模型可解释性不足，泛化能力有限，特别是对自闭症谱系的高度异质性适应困难	探索自闭症谱系障碍和发育性阅读障碍的神经生物学指标检测	自闭症谱系障碍和发育性阅读障碍患者	机器学习	自闭症谱系障碍	脑电图	支持向量机、随机森林、深度神经网络、Transformer	脑电信号	基于2013-2025年间15篇同行评审研究论文
273	2025-10-01	Deep Learning-Based Prediction Model of Surgical Indication of Nasal Bone Fracture Using Waters' View 2025-Sep-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182386 PMID:41008757	研究论文	开发基于深度学习的AI模型，通过Waters位X光片预测鼻骨骨折手术指征	首次将深度学习应用于鼻骨骨折手术指征预测，结合位移角度、骨间隙大小等多参数开发临床决策支持工具	回顾性研究，样本量相对有限(2099张影像)，需进一步前瞻性验证	开发AI算法辅助急诊科医生识别鼻骨骨折并预测手术必要性	鼻骨骨折患者的Waters位X光影像	计算机视觉	鼻骨骨折	深度学习	CNN(50层网络架构)	X光影像	2099张放射影像
274	2025-10-01	RETRACTED: Hasanin et al. Exploration of Despair Eccentricities Based on Scale Metrics with Feature Sampling Using a Deep Learning Algorithm. Diagnostics 2022, 12, 2844 2025-Sep-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15182384 PMID:41008786	撤稿声明	期刊正式撤回了题为《基于尺度指标和特征采样的绝望异常性探索使用深度学习算法》的文章	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
275	2025-10-01	Deep Learning-Based Automatic Segmentation and Analysis of Mitochondrial Damage by Zika Virus and SARS-CoV-2 2025-Sep-19, Viruses DOI:10.3390/v17091272 PMID:41012699	研究论文	开发基于深度学习的自动分割和分析方法，用于识别寨卡病毒和SARS-CoV-2引起的线粒体损伤	首次将U-Net架构的卷积神经网络应用于病毒感染的线粒体超微结构自动分割与分析，实现免疫反应预测	仅针对两种SARS-CoV-2变体和寨卡病毒进行研究，未验证其他病毒类型	开发自动化工具以研究病毒感染引起的线粒体形态变化与免疫反应关联	感染SARS-CoV-2变体或寨卡病毒的细胞线粒体	数字病理学	病毒感染	透射电子显微镜	CNN with U-Net architecture	图像	未明确样本数量，使用感染两种SARS-CoV-2变体和寨卡病毒的细胞薄层切片
276	2025-10-01	Pixel-Level Segmentation of Retinal Breaks in Ultra-Widefield Fundus Images with a PraNet-Based Machine Learning Model 2025-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s25185862 PMID:41013098	研究论文	本研究开发了一种基于PraNet架构的深度学习模型，用于在超广角眼底图像中实现视网膜裂孔的像素级分割	这是首个使用深度学习在超广角眼底图像中实现视网膜裂孔像素级分割的研究	NA	开发自动准确的视网膜裂孔分割模型以辅助早期诊断	视网膜裂孔	计算机视觉	视网膜疾病	深度学习	PraNet	图像	8083个病例的34,867张超广角眼底图像
277	2025-10-01	Partitioned RIS-Assisted Vehicular Secure Communication Based on Meta-Learning and Reinforcement Learning 2025-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s25185874 PMID:41013112	研究论文	提出一种基于元学习和强化学习的分区RIS辅助车载安全通信方案	采用分区RIS分别增强合法信号和定向人工噪声，结合元学习快速确定RIS分区比例，利用强化学习动态优化波束成形和反射系数	仅通过仿真验证性能，未提及实际部署中的硬件限制和信道测量误差	解决车载自组织网络中动态窃听威胁下的安全通信问题	车载自组织网络中的通信安全	机器学习	NA	元学习、强化学习、波束成形	元学习、强化学习	仿真数据	未明确说明具体样本数量，仅提及大量仿真验证
278	2025-10-01	A Hybrid Deep Learning Framework for Fault Diagnosis in Milling Machines 2025-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s25185866 PMID:41013110	研究论文	提出一种用于铣床刀具故障诊断的混合深度学习框架	结合基线漂移去除、对数连续小波尺度图、Canny边缘算子和双分支编码器，有效解决振动信号噪声、故障标签有限和工况变化三大挑战	未提及具体的数据集规模和实际部署中的计算资源需求	开发高精度刀具故障诊断方法以适应数据受限的工业环境	铣床切削刀具	机器学习	NA	连续小波变换、Canny边缘检测、深度学习	混合深度学习框架、双分支编码器、集成决策机制	振动信号、时频图像	真实切削刀具数据（具体数量未提及）
279	2025-10-01	Review of Uneven Road Surface Information Perception Methods for Suspension Preview Control 2025-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s25185884 PMID:41013122	综述	系统综述了用于悬架预瞄控制的路面不平信息感知方法，重点关注坑洼和减速带的识别技术	强调高程信息在悬架预瞄控制中的核心作用，并系统总结了基于LiDAR、立体视觉和多模态融合的高程重建技术	NA	提升路面信息检测精度和悬架预瞄系统控制效率，促进智能底盘发展	路面不平信息（坑洼、减速带）	计算机视觉	NA	LiDAR、立体视觉、多模态融合、2D图像处理、3D点云分析	机器学习/深度学习方法	图像、点云、多传感器数据	NA
280	2025-10-01	Compound Jamming Recognition Under Low JNR Setting Based on a Dual-Branch Residual Fusion Network 2025-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s25185881 PMID:41013118	研究论文	提出一种基于双分支残差融合网络的复合干扰识别方法，用于低干噪比环境下的雷达干扰信号识别	采用双分支架构同时处理时域和时频域特征，结合多分支卷积结构增强特征提取，并应用有效的特征融合策略捕获细微模式	仅通过仿真实验验证，未提及实际环境测试结果	提升雷达抗干扰能力，实现复杂电磁环境下复合干扰信号的准确识别	雷达复合干扰信号	信号处理	NA	深度学习	双分支残差融合网络	雷达信号	NA