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
4041	2025-03-20	Voxel-level radiomics and deep learning for predicting pathologic complete response in esophageal squamous cell carcinoma after neoadjuvant immunotherapy and chemotherapy 2025-Mar-15, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2024-011149 PMID:40090670	研究论文	本研究开发并验证了一种基于体素级放射组学和深度学习的模型，用于预测食管鳞状细胞癌患者在新辅助免疫治疗联合化疗后的病理完全缓解	提出了一种新的体素级放射组学方法，结合深度学习模型Vision-Mamba，用于预测病理完全缓解，并在多中心数据上验证了其性能	研究为回顾性研究，可能存在选择偏倚，且外部验证集的样本量较小	开发并验证一种基于术前CT图像的深度学习模型，用于预测食管鳞状细胞癌患者在新辅助免疫治疗联合化疗后的病理完全缓解	食管鳞状细胞癌患者	数字病理	食管鳞状细胞癌	CT成像	Vision-Mamba, 3D-ResNet, Vision Transformer	CT图像	741名患者（469名训练集，118名内部验证集，120名和34名外部验证集）
4042	2025-03-20	A Novel Artificial Intelligence Approach to Kennedy Classification for Partially Edentulous Patients Using Panoramic Radiographs 2025-Mar-13, The European journal of prosthodontics and restorative dentistry DOI:10.1922/EJPRD_2801Hassan09 PMID:40105321	研究论文	本研究旨在开发一种人工智能系统，用于从全景X光片中自动分类部分缺牙弓，并识别现有牙齿以进行自动报告	使用YOLOv8s深度学习模型进行牙齿检测，并结合Kennedy分类系统和Applegate规则进行部分缺牙弓的自动分类	数据集仅包含公开可用的全景X光片，可能无法涵盖所有临床情况	开发一种人工智能系统，用于自动分类部分缺牙弓并识别现有牙齿	部分缺牙患者	计算机视觉	NA	深度学习	YOLOv8s	图像	5261张匿名数字全景X光片，其中1875张高质量图像用于训练、验证和测试
4043	2025-03-20	Deep learning to quantify the pace of brain aging in relation to neurocognitive changes 2025-Mar-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2413442122 PMID:39993207	研究论文	本文介绍了一种使用三维卷积神经网络（3D-CNN）从纵向MRI中非侵入性估计大脑衰老速度的方法，并评估其与神经认知变化的关系	引入了一种新的纵向模型（LM），通过3D-CNN从纵向MRI中估计大脑衰老速度，显著优于现有的横截面模型，并能够捕捉神经解剖和神经认知衰老之间的关系	研究主要依赖于MRI数据，未涉及其他生物标志物或分子层面的数据	研究大脑衰老速度与神经认知变化之间的关系，并开发一种非侵入性方法来估计大脑衰老速度	认知正常的成年人和阿尔茨海默病（AD）患者	计算机视觉	阿尔茨海默病	MRI	3D-CNN	图像	训练集：2,055名认知正常成年人；验证集：1,304名认知正常成年人；独立队列：104名认知正常成年人和140名AD患者
4044	2025-03-20	Detection of Anomalies in Data Streams Using the LSTM-CNN Model 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051610 PMID:40096438	研究论文	本文对应用于数据流异常检测的深度学习方法进行了比较分析，并评估了创新的LSTM-CNN方法的效果	提出了创新的LSTM-CNN方法，并证明其在数据流异常检测中的有效性	仅使用了Yahoo! Webscope S5数据集进行实验，未在其他数据集上验证	比较不同深度学习模型在数据流异常检测中的性能	数据流中的异常检测	机器学习	NA	NA	LSTM, LSTM autoencoder, LSTM-CNN	数据流	Yahoo! Webscope S5数据集
4045	2025-03-20	Deep-Learning-Based Analysis of Electronic Skin Sensing Data 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051615 PMID:40096464	综述	本文综述了深度学习技术在电子皮肤（e-skin）数据分析中的应用，并探讨了当前挑战和未来发展方向	深度学习技术能够自动提取数据特征并识别模式，显著提升了对复杂e-skin数据的分析能力，特别是在处理多模态数据和实时响应方面	数据标注不足和计算资源需求高限制了e-skin的应用	探讨深度学习技术在e-skin数据分析中的应用，并为后续研究提供启发	电子皮肤（e-skin）数据	机器学习	NA	深度学习	卷积神经网络（CNN）、循环神经网络（RNN）、Transformer	时间序列数据、多模态数据	NA
4046	2025-03-20	Landsat Time Series Reconstruction Using a Closed-Form Continuous Neural Network in the Canadian Prairies Region 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051622 PMID:40096481	研究论文	本研究探讨了在加拿大草原地区使用封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合的CFC-mmRNN模型，用于重建1985年至今的Landsat时间序列	提出了一种新的CFC-mmRNN模型，显著提高了Landsat时间序列重建的准确性，相比传统方法在光谱波段上的精度提升了33%至42%	研究主要针对加拿大草原地区，可能在其他地理区域的适用性有待验证	提高Landsat时间序列重建的准确性，以支持更广泛的环境监测和预测应用	Landsat时间序列数据	遥感	NA	封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合	CFC-mmRNN	卫星图像	1985年至今的Landsat时间序列数据
4047	2025-03-20	YOLO-ACE: Enhancing YOLO with Augmented Contextual Efficiency for Precision Cotton Weed Detection 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051635 PMID:40096500	研究论文	本文提出了一种名为YOLO-ACE的改进模型，用于提高棉花田中杂草检测的精度和效率	YOLO-ACE通过集成上下文增强模块（CAM）和选择性核注意力机制（SKAttention），以及解耦检测头，提升了多尺度特征捕捉和动态调整感受野的能力	NA	提高棉花田中杂草检测的精度和效率，以满足现代农业杂草管理的严格要求	棉花田中的杂草	计算机视觉	NA	深度学习	YOLOv5s的改进版YOLO-ACE	图像	CottonWeedDet12 (CWD12) 数据集和CropWeed数据集
4048	2025-03-20	Machine Learning-Based Computer Vision for Depth Camera-Based Physiotherapy Movement Assessment: A Systematic Review 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051586 PMID:40096440	系统性综述	本文系统回顾了2020年至2024年间使用深度摄像头进行物理治疗运动评估的机器学习计算机视觉技术的研究进展	首次系统性地总结了深度摄像头在物理治疗运动评估中的应用、效果和局限性，并提出了未来研究方向	现实世界验证有限、数据集多样性不足、算法泛化能力有待提高	探索机器学习计算机视觉技术在物理治疗运动评估中的应用和效果	物理治疗运动评估	计算机视觉	NA	深度摄像头	传统机器学习和深度学习	RGB-D数据和骨骼数据	18篇符合纳入标准的研究
4049	2025-03-20	Automated Segmentation of Breast Cancer Focal Lesions on Ultrasound Images 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051593 PMID:40096452	研究论文	本文提出了一种自动化检测和分割乳腺超声图像中病理病变的方法	提出了一种结合随机森林分类器和基于像素亮度差异的病变轮廓选择的两阶段视频图像处理方法	深度学习方法的模型验证不足和训练数据库收集复杂	开发有效的算法用于乳腺超声图像的分割、分类和分析	乳腺超声图像中的病理病变	计算机视觉	乳腺癌	超声成像	随机森林分类器	超声视频	52个包含组织学证实的可疑病变的超声视频
4050	2025-03-20	Quality of Experience (QoE) in Cloud Gaming: A Comparative Analysis of Deep Learning Techniques via Facial Emotions in a Virtual Reality Environment 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051594 PMID:40096493	研究论文	本文比较了在虚拟现实环境中通过玩家面部表情评估云游戏体验质量（QoE）的深度学习技术	提出了一种基于卷积神经网络（CNN）架构的EmotionNET模型技术，用于通过面部表情评估云游戏体验质量，并与ConvoNEXT、EfficientNET和Vision Transformer（ViT）等其他深度学习技术进行了比较	传统评估方法未能准确捕捉用户的实际体验质量，部分用户对提供反馈不认真，即使服务符合SLA，部分玩家仍声称未收到承诺的服务	提高云游戏用户的体验质量（QoE）	云游戏玩家	计算机视觉	NA	深度学习（DL）	CNN, ConvoNEXT, EfficientNET, Vision Transformer (ViT)	面部表情数据	自定义数据集，EmotionNET模型训练准确率为98.9%，验证准确率为87.8%
4051	2025-03-20	Graph neural networks for single-cell omics data: a review of approaches and applications 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf109 PMID:40091193	综述	本文系统回顾了图神经网络（GNNs）在单细胞组学数据分析中的应用，涵盖了107个成功案例及其六种变体	将图神经网络应用于非欧几里得数据的单细胞组学分析，解决了传统深度学习方法在处理高维稀疏数据时的困难	当前研究存在潜在不足，未来研究需要进一步探索和改进	探讨图神经网络在单细胞组学数据分析中的应用及其潜力	单细胞组学数据，包括表观基因组学、转录组学、空间转录组学、蛋白质组学和多组学数据	机器学习	NA	单细胞测序技术	图神经网络（GNNs）及其六种变体	单细胞组学数据	77个公开可用的单细胞数据集
4052	2025-03-20	Research on Network Intrusion Detection Model Based on Hybrid Sampling and Deep Learning 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051578 PMID:40096461	研究论文	本研究提出了一种基于混合采样和深度学习的增强型网络入侵检测模型TRBMA，旨在解决现有模型在时间特征学习不完整和恶意流量分类准确率低的问题	TRBMA模型结合了Temporal Convolutional Networks (TCNs)、Bidirectional Gated Recurrent Units (BiGRUs)和Multi-Head Self-Attention机制，改进了ResNet18架构，并引入了AdamW优化器以提高模型训练的收敛速度和泛化能力	NA	提高网络入侵检测模型的准确率，特别是对恶意流量类型的识别	网络流量数据，特别是恶意流量类型	机器学习	NA	深度学习	1D-TCN-ResNet-BiGRU-Multi-Head Attention (TRBMA)	时间序列数据	CIC-IDS-2017数据集
4053	2025-03-20	Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051576 PMID:40096448	研究论文	本文探讨了基于大脑内嗅皮层网格细胞的机器人导航系统，并展示了使用深度学习模型从移动无人地面车辆（UGV）机器人轨迹中训练网格细胞网络的实验结果	通过深度学习模型训练网格细胞网络，成功模拟了生物网格细胞的空间周期性和六边形激活模式，为移动机器人开发先进的导航算法提供了基础	当前挑战和未来研究方向尚未完全解决，需要进一步研究以应对不确定性和动态环境	研究基于网格细胞的机器人导航系统，特别是深度学习模型在动态环境中的应用	移动无人地面车辆（UGV）机器人	机器人学	NA	深度学习	网格细胞网络	机器人轨迹数据	NA
4054	2025-03-20	AD-VAE: Adversarial Disentangling Variational Autoencoder 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051574 PMID:40096455	研究论文	本文提出了一种名为AD-VAE的新框架，用于单样本人脸识别（SSPP FR），结合了变分自编码器（VAE）和生成对抗网络（GAN）技术	AD-VAE框架通过结合VAE和GAN技术，能够从受控和野生数据集中学习构建具有代表性的身份保持原型，有效处理姿态、光照和遮挡等变化	NA	解决单样本人脸识别中的挑战，学习鲁棒且具有区分性的特征以保持主体身份	人脸识别	计算机视觉	NA	VAE, GAN	VAE, GAN	图像	四个受控基准数据集（AR, E-YaleB, CAS-PEAL, FERET）和一个非受控数据集（LFW）
4055	2025-03-20	Closing Gaps in Diabetic Retinopathy Screening in India Using a Deep Learning System 2025-Mar-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.0991 PMID:40105846	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4056	2025-03-20	An Improved YOLOv8-Based Method for Detecting Pests and Diseases on Cucumber Leaves in Natural Backgrounds 2025-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s25051551 PMID:40096374	研究论文	本研究提出了一种基于YOLOv8的改进深度学习网络模型SEDCN-YOLOv8，用于在复杂自然背景下检测黄瓜叶片上的病虫害	引入了DCNv2变形卷积网络和SEAM注意力模块，改进了C2f模块和损失函数，提升了模型对多尺度、变形叶片和病虫害特征的识别能力	未提及模型在其他作物或环境下的泛化能力	提高在复杂自然背景下黄瓜叶片病虫害的检测准确率	黄瓜叶片上的病虫害	计算机视觉	NA	深度学习	YOLOv8, SEDCN-YOLOv8	图像	未明确提及样本数量
4057	2025-03-20	Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.037 PMID:39665892	研究论文	本研究旨在开发并评估一种结合临床、放射组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌（NSCLC）患者的淋巴结转移（LNM），并通过Shapley加性解释（SHAP）增强模型的可解释性	结合临床、放射组学和深度学习特征，使用SHAP增强模型的可解释性，显著提高了NSCLC患者淋巴结转移预测的准确性	样本量相对较小，仅包含248名NSCLC患者，可能影响模型的泛化能力	开发并评估一种机器学习模型，用于预测NSCLC患者的淋巴结转移	248名接受术前PET/CT扫描的NSCLC患者	数字病理学	肺癌	PET/CT成像	XGBoost	图像	248名NSCLC患者
4058	2025-03-20	Targeting protein-ligand neosurfaces with a generalizable deep learning tool 2025-Mar, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08435-4 PMID:39814890	研究论文	本文提出了一种计算策略，用于设计针对新表面的蛋白质，这些新表面是由蛋白质-配体复合物产生的	利用几何深度学习方法，基于学习的分子表面表示，成功设计了针对三种药物结合蛋白复合物的高亲和力和准确特异性的结合剂	NA	开发一种计算工具，用于设计新的化学诱导蛋白质相互作用	蛋白质-配体复合物的新表面	机器学习	NA	几何深度学习	NA	分子表面表示	三种药物结合蛋白复合物：Bcl2-venetoclax、DB3-progesterone和PDF1-actinonin
4059	2025-03-20	Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware? 2025-Mar, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2024.0666 PMID:39932744	研究论文	本研究比较了在金属髋关节假体存在下，使用和不使用深度学习重建（DLR）和金属伪影减少（MAR）的低剂量和常规剂量CT扫描在输尿管结石检测和图像质量方面的表现	首次在金属髋关节假体存在下，评估了DLR和MAR对低剂量CT扫描在输尿管结石检测和图像质量方面的改善效果	研究样本量较小，仅使用了10个泌尿系统组合	比较低剂量和常规剂量CT扫描在金属髋关节假体存在下，使用和不使用DLR和MAR的输尿管结石检测和图像质量	植入4至6毫米输尿管结石的尸体模型	数字病理	泌尿系统疾病	CT扫描	深度学习重建（DLR）	图像	10个泌尿系统组合
4060	2025-03-20	Status and Opportunities of Machine Learning Applications in Obstructive Sleep Apnea: A Narrative Review 2025-Mar-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.27.25322950 PMID:40061337	综述	本文综述了2018年至2023年间发表的254篇科学出版物，探讨了机器学习在阻塞性睡眠呼吸暂停（OSA）研究中的应用现状和机会	本文首次系统地评估了机器学习在OSA研究中的应用，包括诊断、治疗优化和生物标志物开发等多个方面，并指出了当前研究中的不足和未来改进方向	研究队列主要为超重男性，女性、年轻肥胖成年人、60岁以上个体和不同种族群体的代表性不足，许多研究样本量小且模型验证不够稳健	评估机器学习在阻塞性睡眠呼吸暂停（OSA）研究中的应用现状和机会	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	NA	深度学习, 支持向量机	多导睡眠图, 心电图数据, 可穿戴设备数据	254篇科学出版物