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
4061	2025-03-20	Towards artificial intelligence application in pain medicine 2025-03, Recenti progressi in medicina DOI:10.1701/4460.44555 PMID:40084580	研究论文	本文综述了人工智能在疼痛医学中的最新进展，包括自动疼痛评估方法及其在诊断和治疗中的应用	提出了自动疼痛评估（APA）方法，利用AI技术分析生物信号、面部表情和语音模式，为疼痛诊断提供更客观的评估手段	需要解决验证、参数选择和技术实施的伦理问题	探讨人工智能在疼痛医学中的应用，包括诊断、个性化治疗策略和预测阿片类药物使用障碍	疼痛患者，特别是新生儿和无法沟通的患者	人工智能	疼痛医学	机器学习算法和深度学习架构，如自然语言处理系统	自然语言处理系统	生物信号、面部表情、语音模式	NA
4062	2025-03-20	Applications of Artificial Intelligence in Acute Promyelocytic Leukemia: An Avenue of Opportunities? A Systematic Review 2025-Mar-01, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14051670 PMID:40095699	系统综述	本文系统综述了人工智能（AI）在急性早幼粒细胞白血病（APL）中的应用潜力	首次全面评估AI、机器学习和深度学习在APL中的应用前景	仅基于20篇文献进行定性分析，样本量有限	评估AI、机器学习和深度学习在APL诊断、评估和管理中的潜在应用	急性早幼粒细胞白血病（APL）	机器学习	白血病	荧光原位杂交（FISH）、聚合酶链反应（PCR）	机器学习（ML）、深度学习（DL）	常规生物学参数、细胞形态学、流式细胞术、OMICS数据	20篇文献
4063	2025-03-19	Single-Model Self-Recovering Fringe Projection Profilometry Absolute Phase Recovery Method Based on Deep Learning 2025-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s25051532 PMID:40096375	研究论文	本文提出了一种基于深度学习的单模型自恢复条纹投影轮廓术绝对相位恢复方法	结合深度学习技术与自恢复算法，简化了相位检索和相位展开的复杂过程，无需额外模式辅助即可直接处理高分辨率条纹图像	NA	实现高效且准确的高分辨率绝对相位恢复	条纹投影轮廓术中的绝对相位恢复	计算机视觉	NA	深度学习	Fringe Prediction Self-Recovering network	图像	NA
4064	2025-03-20	Elucidating the role of artificial intelligence in drug development from the perspective of drug-target interactions 2025-Mar, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101144 PMID:40099205	综述	本文综述了人工智能在药物开发中的应用，特别是在药物-靶点预测方面的作用	系统地编译和评估了用于药物及药物组合-靶点预测的AI算法，强调了它们的理论框架、优势和局限性	未具体提及研究的局限性	探讨人工智能在药物开发中的应用，特别是在药物-靶点预测方面的作用	药物-靶点相互作用	生物医学	NA	人工智能（AI）	卷积神经网络（CNNs）、图卷积网络（GCNs）、变换器（transformers）	生物数据	NA
4065	2025-03-20	Research on mood monitoring and intervention for anxiety disorder patients based on deep learning wearable devices 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241291376 PMID:40105160	研究论文	本文介绍了一种基于深度学习可穿戴设备的焦虑症患者情绪监测和干预系统	使用双向长短期记忆网络（Bi-LSTM）处理心率变异性（HRV）数据，以提高情绪状态预测的准确性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一种高精度的情绪监测系统，用于焦虑症患者的情绪状态预测和干预	焦虑症患者	机器学习	焦虑症	深度学习	Bi-LSTM	生理数据（心率变异性）	NA
4066	2025-03-20	Diabetic retinopathy detection via deep learning based dual features integrated classification model 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241292939 PMID:40105166	研究论文	本文提出了一种基于深度学习的双特征集成分类模型（DD-FIC），用于从彩色视网膜图像中检测糖尿病视网膜病变（DR）	提出了一种新的双特征提取模块，结合全局和局部特征，并通过随机森林特征选择模型进行优化预测，显著提高了检测准确率	未提及模型在实际临床环境中的验证情况，且数据集仅限于Kaggle数据集	开发一种基于计算机视觉的智能系统，用于有效诊断糖尿病视网膜病变	彩色视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	DD-FIC（双特征集成分类模型）、随机森林、多类支持向量机（MCSVM）	图像	Kaggle数据集
4067	2025-03-20	Parkinson's disease prediction using improved crayfish optimization based hybrid deep learning 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296352 PMID:40105156	研究论文	本研究提出了一种基于改进的螯虾优化算法的混合深度学习模型，用于帕金森病的预测	结合了改进的螯虾优化算法（ImCfO）和基于注意力的高效双向网络（ImCfO_Attn_EffBNet），以提高预测准确性和收敛速度	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	预测帕金森病的病程，以促进早期诊断和治疗	帕金森病患者	机器学习	帕金森病	Empirical Mode Decomposition (EMD), Improved Crayfish Optimization (ImCfO)	Attention-based Efficient Bidirectional Network (ImCfO_Attn_EffBNet), EfficientNet-B7, BiLSTM	NA	NA
4068	2025-03-20	Detection of motor nervous disease using deep learning based Duple feature extraction network 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241291367 PMID:40105172	研究论文	本文提出了一种基于深度学习的Duple特征提取网络，用于早期检测运动神经疾病（MND）	提出了一种新颖的Duple特征提取网络，结合了颜色信息和边缘信息的双重特征提取方法，显著提高了MND早期检测的准确率	未提及样本的多样性和数据集的规模，可能影响模型的泛化能力	开发一种自动化方法，用于快速且准确地检测运动神经疾病（MND）	运动神经疾病（MND）患者	计算机视觉	运动神经疾病	深度学习	Duple特征提取网络（结合LinkNet和MobileNet模块）	DTI图像	未提及具体样本数量
4069	2025-03-20	Deep learning-driven multi-omics sequential diagnosis with Hybrid-OmniSeq: Unraveling breast cancer complexity 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296438 PMID:40105178	研究论文	本文介绍了一种名为'Hybrid-OmniSeq'的深度学习驱动的多组学数据分析技术，旨在提高乳腺癌诊断的精确性和有效性	结合了深度神经网络（DNN）技术、顺序前向浮动选择（SFFS）和截断奇异值分解（TSVD）熵，实现了从多组学基因数据中自适应学习	NA	提高乳腺癌诊断的精确性和有效性	乳腺癌的分子亚型	机器学习	乳腺癌	RNA-seq	DNN, Logistic Regression, Random Forest	基因数据	METABRIC RNA-seq数据集中的乳腺癌内在亚型数据
4070	2025-03-20	Developing a method for predicting DNA nucleosomal sequences using deep learning 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241297900 PMID:40105177	研究论文	本文开发了一种使用深度学习预测DNA核小体序列的方法，并展示了简化模型在解决生物学挑战中的优越性	提出了一种简化的深度学习模型架构，用于识别核小体序列，并证明其在性能上优于复杂的模型	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种深度学习模型，用于从核苷酸序列中识别核小体	DNA核小体序列	机器学习	NA	深度学习	卷积神经网络（CNN）	核苷酸序列	NA
4071	2025-03-20	Automatic Quantification of Atmospheric Turbulence Intensity in Space-Time Domain 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051483 PMID:40096319	研究论文	本文提出了一种基于深度学习的方法，通过分析视频中的时空域来量化大气湍流强度	使用深度学习模型从视频中提取时空特征来量化大气湍流强度，这是一种新颖的方法	实验在受控环境下进行，可能无法完全反映真实世界中的复杂湍流情况	量化大气湍流强度	视频中捕捉到的静态图像在不同湍流强度下的表现	计算机视觉	NA	深度学习	CNN	视频	NA
4072	2025-03-20	An Efficient and Low-Complexity Transformer-Based Deep Learning Framework for High-Dynamic-Range Image Reconstruction 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051497 PMID:40096329	研究论文	本文提出了一种基于Transformer的高动态范围（HDR）图像重建框架，旨在在降低计算成本的同时实现与现有技术相媲美的结果	通过减少自注意力块的数量并引入卷积块注意力模块（CBAM），在保持图像质量的同时显著降低了计算复杂度	未提及具体的数据集规模或实验环境的限制	开发一种高效且低复杂度的HDR图像重建方法	高动态范围图像	计算机视觉	NA	深度学习	Transformer, 卷积块注意力模块（CBAM）	图像	在两个数据集上进行了评估，具体样本数量未提及
4073	2025-03-20	GPC-YOLO: An Improved Lightweight YOLOv8n Network for the Detection of Tomato Maturity in Unstructured Natural Environments 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051502 PMID:40096330	研究论文	本文提出了一种基于YOLOv8n的轻量级模型GPC-YOLO，用于在非结构化自然环境中检测番茄的成熟度	提出了C2f-PC模块、GSConv卷积、CCFF模块、SimAM注意力机制和EIoU损失函数，显著减少了计算量和模型大小，同时提高了检测精度	研究仅基于1249张手机拍摄的番茄图像，样本量相对较小，且未在其他作物或环境中验证模型的通用性	开发一种轻量化的深度学习模型，用于在复杂自然环境中高效检测番茄的成熟度	番茄果实及其成熟度	计算机视觉	NA	深度学习	YOLOv8n改进模型（GPC-YOLO）	图像	1249张手机拍摄的番茄图像
4074	2025-03-20	A Comparative Study of Plantar Pressure and Inertial Sensors for Cross-Country Ski Classification Using Deep Learning 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051500 PMID:40096333	研究论文	本文比较了低成本、低侵入性传感器（足底压力和惯性测量单元）在越野滑雪技术分类中的应用	使用足底压力传感器和惯性测量单元进行对称比较分析，并通过深度学习模型（CNN和LSTM）进行技术分类	未提及具体的研究限制	比较不同传感器组合在越野滑雪技术分类中的性能	越野滑雪运动员	机器学习	NA	深度学习	CNN, LSTM	传感器数据（足底压力、加速度、磁力计、陀螺仪）	未提及具体样本数量
4075	2025-03-20	Artificial Vision Systems for Fruit Inspection and Classification: Systematic Literature Review 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051524 PMID:40096367	系统文献综述	本文通过系统文献综述，探讨了计算机视觉在水果分选和质量检测中的应用、典型硬件配置及使用的技术和算法	本文首次系统性地总结了2015年至2024年间关于水果检测和分类的计算机视觉应用，涵盖了不同应用场景、硬件配置及算法	研究仅基于2015年至2024年间发表的56篇文章，可能未涵盖所有相关研究	识别水果分选和质量检测中计算机视觉的不同应用领域、硬件配置及使用的技术和算法	水果分选和质量检测	计算机视觉	NA	传统算法（如Otsu和Sobel）和深度学习模型（如ResNet和VGG）	ResNet, VGG	图像	56篇文章
4076	2025-03-20	A Review of Research on SLAM Technology Based on the Fusion of LiDAR and Vision 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051447 PMID:40096278	综述	本文综述了基于LiDAR和视觉融合的SLAM技术研究现状，分析了早期单传感器SLAM技术和当前LiDAR与视觉融合SLAM的主要研究成果和发现	通过融合深度学习和自适应算法，LiDAR与视觉传感器的有效融合在处理多种情况时表现出高效性	在特征稀缺（低纹理、重复结构）环境场景和动态环境中的局限性	为LiDAR和视觉融合的SLAM技术发展提供指导和见解，为进一步的SLAM技术研究提供参考	SLAM技术，特别是基于LiDAR和视觉融合的SLAM技术	计算机视觉	NA	LiDAR与视觉传感器融合	深度学习	3D空间信息，图像数据	NA
4077	2025-03-20	Gesture Recognition Achieved by Utilizing LoRa Signals and Deep Learning 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051446 PMID:40096281	研究论文	本研究提出了一种基于LoRa技术的手势识别系统，结合先进的信号预处理、自适应分割算法和改进的SS-ResNet50深度学习模型	通过结合残差学习和动态卷积技术，SS-ResNet50模型显著增强了多尺度手势特征的提取能力，从而提高了分类准确性	NA	探索基于LoRa技术的低功耗、长距离非接触手势识别系统的可行性	手势识别	计算机视觉	NA	LoRa技术	SS-ResNet50	信号数据	六种手势
4078	2025-03-20	Application of Multiple Deep Learning Architectures for Emotion Classification Based on Facial Expressions 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051478 PMID:40096310	研究论文	本研究评估了十种先进的深度学习模型在面部表情识别任务上的表现，使用FER2013数据集进行分析	全面比较了十种深度学习模型在面部表情识别任务上的性能，包括准确率、训练时间和权重文件大小，并强调了计算效率与预测准确性之间的权衡	轻量级模型如MobileNet V1和ShuffleNet V2在准确性上存在局限，特别是在识别“恐惧”和“厌恶”等复杂情绪类别时	评估不同深度学习模型在面部表情识别任务中的性能，以推动深度学习在面部表情识别领域的应用	面部表情识别	计算机视觉	NA	深度学习	VGG16, VGG19, ResNet50, ResNet101, DenseNet, GoogLeNet V1, MobileNet V1, EfficientNet V2, ShuffleNet V2, RepVGG	图像	FER2013数据集
4079	2025-03-20	Deep Learning Based Pile-Up Correction Algorithm for Spectrometric Data Under High-Count-Rate Measurements 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051464 PMID:40096323	研究论文	本文提出了一种基于深度学习的堆积校正算法，用于高计数率测量下的光谱数据	提出了一种新颖的深度学习框架，结合计数率信息和2D注意力U-Net进行能量谱恢复	训练数据基于开源模拟器生成，可能无法完全反映真实场景	解决高计数率测量下的堆积效应问题，提高光谱数据的准确性	伽马射线光谱数据	机器学习	NA	深度学习	2D注意力U-Net	光谱数据	基于公开的伽马光谱数据库生成的训练数据
4080	2025-03-20	Joint Driver State Classification Approach: Face Classification Model Development and Facial Feature Analysis Improvement 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051472 PMID:40096318	研究论文	本研究提出了一种结合卷积神经网络（CNN）和面部标志分析模型的双框架方法，以提高驾驶员疲劳检测的准确性	通过集成CNN分类和精确的面部标志分析，增强了疲劳检测的鲁棒性，并在低光等挑战性条件下表现出更强的适应性	未提及具体的数据集规模或实验环境的具体限制	提高驾驶员疲劳检测的准确性和鲁棒性，以减少与疲劳相关的交通事故	驾驶员的面部特征和生理状态	计算机视觉	NA	图像预处理技术（如图像归一化、光照校正和面部幻觉）	CNN, 深度学习面部标志分析模型	图像	未提及具体样本数量