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
4821	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
4822	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）
4823	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
4824	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
4825	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
4826	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
4827	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
4828	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
4829	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
4830	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
4831	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
4832	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
4833	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
4834	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
4835	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
4836	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
4837	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
4838	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
4839	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
4840	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