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
4861	2025-03-20	Efficient Deep Learning-Based Device-Free Indoor Localization Using Passive Infrared Sensors 2025-Feb-23, Sensors (Basel, Switzerland) DOI:10.3390/s25051362 PMID:40096168	研究论文	本文提出了一种基于深度学习的无设备室内定位方法，使用被动红外传感器进行多人定位	提出了一种结合通道分离和模板匹配技术的深度CNN-LSTM架构，并使用均值装袋技术提高定位精度	信号质量、模糊性以及多人复杂交错运动引起的干扰仍然是挑战	提高无设备室内定位的精度，特别是在多人环境中的应用	室内环境中的多人定位	机器学习	NA	被动红外传感器	CNN-LSTM	传感器数据	两个参与者
4862	2025-03-20	Securing IoT Networks Against DDoS Attacks: A Hybrid Deep Learning Approach 2025-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s25051346 PMID:40096136	研究论文	本研究提出了一种混合深度学习模型，用于物联网（IoT）网络中的分布式拒绝服务（DDoS）攻击检测	提出了一种新颖的混合模型，结合了卷积神经网络（CNN）进行特征提取、长短期记忆（LSTM）网络进行时间模式识别以及自编码器进行降维	在检测罕见攻击类型方面存在局限性，并强调了解决数据不平衡问题的重要性	提高物联网网络中DDoS攻击检测的效率和准确性	物联网网络中的DDoS攻击	机器学习	NA	深度学习	CNN, LSTM, Autoencoders	网络数据	CICIOT2023数据集
4863	2025-03-20	Content-Based Histopathological Image Retrieval 2025-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s25051350 PMID:40096145	研究论文	本文提出了一种基于局部-全局特征融合的嵌入模型，用于增强组织病理学图像检索中的特征描述符	提出了局部-全局特征融合嵌入模型，结合多尺度信息以增强特征描述符的深度和实用性	模型依赖于预训练的主干网络，可能限制了其在新数据集上的泛化能力	改进组织病理学图像检索中的特征描述符提取方法	组织病理学图像	数字病理学	NA	深度学习	卷积神经网络（CNN）、视觉变换器（Vision Transformers）	图像	ImageNet-1k和PanNuke数据集，Kimia Path24C数据集
4864	2025-03-20	Integrative Approaches to Soybean Resilience, Productivity, and Utility: A Review of Genomics, Computational Modeling, and Economic Viability 2025-Feb-21, Plants (Basel, Switzerland) DOI:10.3390/plants14050671 PMID:40094561	综述	本文综述了多组学、人工智能和经济可持续性在提高大豆抗逆性和生产力方面的进展	整合了基因组学、人工智能和经济可持续性等多学科方法，推动了大豆抗逆性和生产力的提升	未提及具体的研究局限性	提高大豆的抗逆性和生产力，并评估其经济可行性和环境可持续性	大豆	机器学习	NA	多组学（包括MAS、GS、GWAS、QTL映射、GBS、CRISPR-Cas9、宏基因组学和代谢组学）	深度学习	基因组数据、环境数据	NA
4865	2025-03-20	The Role of Baseline Total Kidney Volume Growth Rate in Predicting Tolvaptan Efficacy for ADPKD Patients: A Feasibility Study 2025-Feb-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14051449 PMID:40094908	研究论文	本研究探讨了基线总肾脏体积（TKV）增长率在预测托伐普坦对ADPKD患者疗效中的作用	提出了一种量化TKV增长率变化的方法，用于回顾性评估托伐普坦对个体患者的疗效	样本量较小（32名患者），且为回顾性研究，可能影响结果的普遍性	评估托伐普坦对ADPKD患者的疗效预测因素	ADPKD患者	数字病理学	肾脏疾病	MRI扫描、深度学习辅助肾脏分割	k-means聚类分析	医学影像	32名ADPKD患者
4866	2025-03-20	Deep Learning-Based Recognition and Classification of Soiled Photovoltaic Modules Using HALCON Software for Solar Cleaning Robots 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051295 PMID:40096011	研究论文	本研究提出了一种基于深度学习的污损光伏图像识别与分类方法，旨在通过HALCON软件框架增强太阳能清洁机器人的能力	使用EANN和CNN架构结合先进的图像处理技术，实现了污损模式的精确检测与分类，展示了智能视觉分析在优化可再生能源维护实践中的变革性作用	未提及具体样本量及实验环境的具体限制	提高太阳能清洁机器人的自动化清洁策略，减少不必要的清洁周期，增强太阳能电池板的整体性能	污损的光伏模块	计算机视觉	NA	图像处理技术	EANN, CNN	图像	NA
4867	2025-03-20	Artificial Intelligence for Quality Defects in the Automotive Industry: A Systemic Review 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051288 PMID:40096013	系统性综述	本文系统性回顾了人工智能在汽车行业质量管理和问题识别中的应用，特别是在工业4.0和5.0背景下提升生产流程的AI实施	强调了AI在实时汽车零件追踪、减少对人工检查的依赖以及推动零缺陷制造策略中的作用	未来研究应优先考虑透明的AI方法、网络物理系统整合和AI材料增强以实现可持续生产	探讨AI在汽车行业质量保证中的应用，以提高效率、一致性和长期结果	汽车行业的生产流程和质量控制	机器学习和计算机视觉	NA	深度学习、人工神经网络和主成分分析	卷积神经网络（CNN）	图像	NA
4868	2025-03-20	Utilization of Classification Learning Algorithms for Upper-Body Non-Cyclic Motion Prediction 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051297 PMID:40096019	研究论文	本研究探索了使用分类算法预测非周期性上半身运动的两种方法	采用KNN和深度学习模型从表面肌电信号预测运动特征，如幅度和类别，以解决外骨骼系统在主动控制中的滞后问题	需要进一步探索基于回归的预测模型以提高预测精度，并研究其在串联或可穿戴机器人应用中对流畅性的影响	提高外骨骼系统的流畅性，减少能量效率低下和不适感	非周期性上半身运动	机器学习	NA	表面肌电信号处理	KNN, 深度神经网络	sEMG信号	来自肘部周围六块肌肉的数据
4869	2025-03-20	Deep Learning-Based Algorithm for Road Defect Detection 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051287 PMID:40096028	研究论文	本文提出了一种基于改进YOLOv8的模型RepGD-YOLOV8W，用于提高道路缺陷检测的精度和计算效率	改进YOLOv8模型，引入Rep-GD模块和Wise-IoU损失函数，显著提升检测精度和计算效率	未提及模型在极端天气或夜间条件下的表现	提高道路缺陷检测的精度和计算效率，解决复杂背景下的漏检和误检问题	道路缺陷（如裂缝和坑洞）	计算机视觉	NA	深度学习	YOLOv8, RepGD-YOLOV8W	图像	RDD2022数据集
4870	2025-03-20	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	综述	本文系统回顾了过去十年深度学习在牙科领域的应用，提供了趋势、模型及其临床意义的全面概览	首次对深度学习在牙科领域的应用进行了系统性的映射回顾，识别了主要的研究趋势和模型架构	主要依赖于标注数据，且需要进一步探索新兴模型架构和学习方法	探索深度学习在牙科领域的应用，特别是诊断方面的进展	牙科领域的诊断、治疗规划和预后预测	数字病理	NA	深度学习	CNN	图像	从21,242项筛选的研究中，纳入了1,007项
4871	2025-03-20	Phase determination with and without deep learning 2025-Feb, Physical review. E DOI:10.1103/PhysRevE.111.024131 PMID:40103033	研究论文	本文研究了无监督学习在检测J_{1}-J_{2}伊辛模型相变中的表现，并提出了一种基于配置直接比较的简单方法	提出了一种基于配置直接比较的简单方法，用于检测相变，并与变分自编码器生成的结果进行对比，发现简单方法在某些系统中可以产生与复杂神经网络相当的结果	研究仅限于J_{1}-J_{2}伊辛模型，未涉及其他复杂系统	研究无监督学习在统计物理学中检测相变的应用	J_{1}-J_{2}伊辛模型	机器学习	NA	无监督学习，变分自编码器	变分自编码器	配置数据	NA
4872	2025-03-20	Time-inversion of spatiotemporal beam dynamics using uncertainty-aware latent evolution reversal 2025-Feb, Physical review. E DOI:10.1103/PhysRevE.111.025307 PMID:40103073	研究论文	本文提出了一种用于时空光束动力学时间反转的反向潜在演化模型，利用条件变分自编码器（CVAE）和长短期记忆（LSTM）网络进行自监督深度学习	提出了一个结合CVAE和LSTM的自监督深度学习框架，用于预测上游六维相空间投影，并捕捉输入数据的不确定性	计算复杂度较高，可能限制在线应用的实用性	解决带电粒子束动力学中的逆问题，估计上游六维相空间	带电粒子束的六维相空间投影	机器学习	NA	条件变分自编码器（CVAE），长短期记忆（LSTM）网络	CVAE, LSTM	六维相空间测量数据	NA
4873	2025-03-20	A malware classification method based on directed API call relationships 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299706 PMID:40096061	研究论文	本文提出了一种基于有向API调用关系的恶意软件分类方法，通过将API序列建模为有向图，并结合图卷积网络和卷积神经网络进行分类	提出了一种新的恶意软件分类方法，利用API序列中的有向关系，并引入一阶和二阶图卷积网络（FSGCN）来近似有向图卷积网络（DGCN）的操作	虽然方法在实验中表现良好，但仍需进一步验证其在更大规模和多样化数据集上的泛化能力	开发一种更有效的恶意软件分类方法，以应对日益复杂的网络威胁	恶意软件样本	机器学习	NA	图卷积网络（GCN）、卷积神经网络（CNN）、合成少数类过采样技术（SMOTE）	FSGCN、CNN	API序列数据、图像数据	两个真实世界的恶意软件数据集
4874	2025-03-20	Deep learning imaging analysis to identify bacterial metabolic states associated with carcinogen production 2025, Discover imaging DOI:10.1007/s44352-025-00006-1 PMID:40098681	研究论文	本研究利用深度学习成像分析技术，识别与致癌物产生相关的细菌代谢状态	首次使用深度学习模型通过成像分析区分产生和不产生致癌物脱氧胆酸（DCA）的Clostridium scindens细胞	研究仅针对Clostridium scindens和两种Bacteroides物种，未涵盖其他可能影响CRC的细菌	探索成像方法是否能够区分产生和不产生DCA的C. scindens细胞	Clostridium scindens和两种Bacteroides物种	数字病理学	结直肠癌	光学显微镜成像	CNN, DenseNet, ResNet, nnU-Net	图像	四种培养条件下的Clostridium scindens图像
4875	2025-03-20	Predicting the risk of relapsed or refractory in patients with diffuse large B-cell lymphoma via deep learning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1480645 PMID:40098696	研究论文	本研究通过深度学习预测弥漫性大B细胞淋巴瘤患者的复发或难治性风险	结合临床特征和组织病理学图像，利用随机森林算法和弱监督学习方法CLAM构建预测模型，并进一步融合图像特征和临床信息以提高预测性能	样本量相对较小，仅来自单一医疗机构，可能影响模型的泛化能力	早期预测弥漫性大B细胞淋巴瘤患者的复发或难治性风险，以调整治疗方案并改善患者预后	227名2015年至2018年在徐州医科大学附属医院确诊的弥漫性大B细胞淋巴瘤患者	数字病理学	弥漫性大B细胞淋巴瘤	深度学习，随机森林算法，弱监督学习	随机森林，CLAM	临床信息，H&E图像	227名患者
4876	2025-03-20	Identification of biomarkers and target drugs for melanoma: a topological and deep learning approach 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1471037 PMID:40098976	研究论文	本研究通过拓扑和深度学习方法，系统探索了黑色素瘤进展中的免疫基因调控动态，并预测了潜在的药物靶点	开发了双向、加权、有符号和有方向的拓扑免疫基因调控网络，结合深度学习模型预测药物-靶点相互作用，填补了当前单基因分析方法的不足	未来研究需要在临床前模型中验证这些靶点，并探索基于网络的早期检测生物标志物	系统探索黑色素瘤进展中的免疫基因调控动态，并预测潜在的药物靶点	良性黑色素细胞痣和皮肤黑色素瘤的转录组景观	机器学习	黑色素瘤	下一代测序（NGS）	深度学习模型	基因表达数据	NA
4877	2025-03-20	Multi-view united transformer block of graph attention network based autism spectrum disorder recognition 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1485286 PMID:40099145	研究论文	本文提出了一种名为多视图统一Transformer图注意力网络（MVUT_GAT）的新模型，用于通过分析神经影像数据来识别自闭症谱系障碍（ASD）	MVUT_GAT结合了多视图学习和注意力机制的优势，能够从物理和功能性MRI数据中提取精细特征，提高了ASD识别的准确性	NA	提高自闭症谱系障碍（ASD）的早期识别准确性	自闭症谱系障碍（ASD）患者	计算机视觉	自闭症谱系障碍	功能性MRI	Transformer, 图注意力网络（GAT）	神经影像数据	使用ABIDE数据集进行实验
4878	2025-03-20	Statistical Evaluation of Smartphone-Based Automated Grading System for Ocular Redness Associated with Dry Eye Disease and Implications for Clinical Trials 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S506519 PMID:40099234	研究论文	本研究介绍了一种基于深度学习的全自动方法，用于选择结膜作为大规模、多中心临床试验的兴趣区域（ROI），旨在通过精确、客观的评分系统减少评分者间和评分者内的变异性	引入了'水平性'参数到评分系统中，评估了该方法在提高评分精度、减少样本量和提高临床试验效率方面的潜力	NA	评估自动化评分系统在干眼病相关眼红症状中的应用及其对临床试验的影响	450名受试者的29,640张图像	计算机视觉	干眼病	深度学习	DeepLabV3	图像	450名受试者的29,640张图像
4879	2025-03-20	Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1495306 PMID:40099258	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	首次对机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能进行了系统综述和荟萃分析，并识别了关键研究空白	模型开发和验证过程中存在的数据偏差问题仍需解决，未来研究应增强数据透明度和标准化，并通过多中心研究验证模型的泛化能力	评估机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	2型糖尿病患者	机器学习	糖尿病肾病	机器学习算法	随机森林（RF）	临床数据	26项研究，共94个机器学习模型
4880	2025-03-20	Enhancing Amyloid PET Quantification: MRI-Guided Super-Resolution Using Latent Diffusion Models 2024-Dec-01, Life (Basel, Switzerland) DOI:10.3390/life14121580 PMID:39768288	研究论文	本文提出了一种基于潜在扩散模型（LDM-RR）的新方法，用于提高淀粉样蛋白PET成像的分辨率，以解决部分容积效应（PVE）问题	使用潜在扩散模型进行分辨率恢复，结合MRI引导的重建，显著提高了PET定量准确性，并减少了不同示踪剂之间的变异性	NA	提高淀粉样蛋白PET成像的定量准确性，以更好地检测和监测阿尔茨海默病的进展	淀粉样蛋白PET成像	数字病理学	阿尔茨海默病	潜在扩散模型（LDM-RR）	潜在扩散模型	PET成像数据	NA