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
5161	2025-03-05	Deep learning for accurate classification of conifer pollen grains: enhancing species identification in palynology 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1507036 PMID:40027520	研究论文	本研究利用深度学习技术，特别是迁移学习模型，来提高针叶树花粉粒的准确分类，从而增强物种识别能力	首次应用多种迁移学习架构（如DenseNet201、EfficientNetV2S等）于针叶树花粉粒的分类，显著提高了分类准确率	研究依赖于博物馆标本的图像数据，可能无法完全代表自然环境中花粉粒的多样性	提高针叶树花粉粒的分类准确性，以支持生态研究和环境变化监测	针叶树花粉粒，包括冷杉、云杉和松树	计算机视觉	NA	迁移学习	DenseNet201, EfficientNetV2S, InceptionV3, MobileNetV2, ResNet101, ResNet50, VGG16, VGG19, Xception	图像	博物馆标本的花粉粒图像数据集
5162	2025-03-05	The application of artificial intelligence in stroke research: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251323833 PMID:40027591	研究论文	本文通过文献计量分析总结了人工智能在卒中研究中应用的研究现状和热点变化	首次通过文献计量学方法系统分析了过去20年人工智能在卒中研究中的应用趋势和热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	总结和阐明人工智能在卒中研究中应用的研究现状和热点变化	卒中研究领域的人工智能应用	自然语言处理	心血管疾病	文献计量分析	NA	文本	4437篇文献
5163	2025-03-05	Isfahan Artificial Intelligence Event 2023: Macular Pathology Detection Competition 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_47_24 PMID:40028045	研究论文	本文介绍了2023年伊斯法罕人工智能事件中的黄斑病理检测竞赛，旨在评估当前基于AI的分类方法在黄斑病理检测中的应用	通过竞赛形式评估多种AI-CAD工具，展示了深度学习在病理图像特征学习中的潜力	在处理不平衡的小数据集时，选择和调整合适的模型需要特别注意	评估和改进基于AI的黄斑病理检测技术	黄斑疾病患者和正常受试者的OCT图像	计算机视觉	黄斑疾病	光学相干断层扫描（OCT）	深度学习	图像	包括正常受试者、糖尿病性黄斑水肿患者和其他黄斑疾病患者的OCT图像数据集
5164	2025-03-05	Deep-learning tool for early identification of non-traumatic intracranial hemorrhage etiology and application in clinical diagnostics based on computed tomography (CT) scans 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18850 PMID:40028214	研究论文	开发了一种基于非对比计算机断层扫描（NCCT）的人工智能系统，用于准确识别急性非创伤性颅内出血（ICH）的病因，并研究其在临床诊断中的应用	该研究首次开发了一种深度学习工具，能够基于NCCT扫描早期识别颅内出血的多种病因，并在临床诊断中验证其有效性	研究中的样本量相对有限，且未涵盖所有可能的颅内出血病因	开发并验证一种基于NCCT扫描的深度学习工具，用于早期识别非创伤性颅内出血的病因	非创伤性颅内出血患者的NCCT扫描数据	数字病理学	颅内出血	深度学习	深度学习模型	图像	1,868例NCCT扫描数据，以及两个独立数据集（TT200和SD98）
5165	2025-03-05	Advanced driving assistance integration in electric motorcycles: road surface classification with a focus on gravel detection using deep learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1520557 PMID:40028228	研究论文	本文提出了一种在嵌入式系统（如Raspberry Pi）上高效运行的深度学习模型，用于实时监测道路状况，特别是砾石检测，以提高摩托车骑手的安全性	通过比较多种先进的卷积神经网络架构，确定了EfficientNetV2在推理时间和准确性之间的最佳平衡，特别适合交通密集的城市环境中的实时应用	研究主要关注砾石检测，未涉及其他道路状况或更复杂的驾驶辅助功能	开发一种能够在嵌入式系统上实时运行的深度学习模型，用于监测道路状况，提高摩托车骑手的安全性	摩托车骑手和道路状况，特别是砾石检测	计算机视觉	NA	深度学习	CNN（包括EfficientNet和Inception）	图像	NA
5166	2025-03-05	Determining the meter of classical Arabic poetry using deep learning: a performance analysis 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1523336 PMID:40028229	研究论文	本研究开发了一种基于深度学习的模型，用于准确确定古典阿拉伯诗歌的韵律	采用字符级编码保留关键语言特征，并测试了多种深度学习架构，其中双向长短期记忆模型在完整诗句和半诗句数据上均取得了最高准确率	未提及模型在其他语言或诗歌类型上的泛化能力	开发一种能够准确分类古典阿拉伯诗歌韵律的深度学习模型	古典阿拉伯诗歌的韵律	自然语言处理	NA	深度学习	LSTM, GRU, Bi-LSTM	文本	未明确提及具体样本数量，但使用了大规模数据集，并按70-15-15的比例划分训练、验证和测试集
5167	2025-03-05	Refining Pseudo Labeling via Multi-Granularity Confidence Alignment for Unsupervised Cross Domain Object Detection 2025-Jan-01, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3522807 PMID:40030753	研究论文	本文提出了一种名为多粒度置信度对齐均值教师（MGCAMT）的新框架，用于无监督跨域目标检测，通过同时缓解类别、实例和图像级别的置信度错位来优化伪标签，从而提升教师-学生学习的性能	提出了多粒度置信度对齐均值教师（MGCAMT）框架，通过分类置信度对齐（CCA）、任务置信度对齐（TCA）和图像聚焦置信度对齐（FCA）三个模块，解决了伪标签中的置信度错位问题，从而优化了无监督跨域目标检测的性能	未明确提及具体局限性，但可能包括对特定数据集或场景的依赖，以及计算复杂度较高的问题	解决无监督跨域目标检测中的伪标签置信度错位问题，提升目标检测模型的泛化能力	无监督跨域目标检测中的伪标签生成与优化	计算机视觉	NA	均值教师（Mean Teacher）、证据深度学习（EDL）	MGCAMT（多粒度置信度对齐均值教师）	图像	未明确提及具体样本数量，但涉及多个场景的实验
5168	2025-03-05	Hybrid Quantum Deep Learning With Superpixel Encoding for Earth Observation Data Classification 2025-Jan-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3518108 PMID:40030763	研究论文	本文介绍了一种混合量子深度学习模型，用于地球观测数据的分类任务	提出了一种结合超像素编码的高效量子数据编码方法，减少了大规模图像表示所需的量子资源	未明确提及具体局限性	解决使用复杂深度学习模型分析大规模地球观测数据时的计算挑战	地球观测数据	机器学习	NA	量子计算	混合量子深度学习模型	图像	多个地球观测基准数据集（包括Overhead-MNIST、So2Sat LCZ42和SAT-6数据集）
5169	2025-03-05	DARCS: Memory-Efficient Deep Compressed Sensing Reconstruction for Acceleration of 3D Whole-Heart Coronary MR Angiography 2025-Jan-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3524717 PMID:40030771	研究论文	本文提出了一种内存高效的深度压缩感知方法DARCS，用于加速3D全心冠状动脉磁共振血管成像的重建	DARCS方法通过预训练的伪影估计网络实现稀疏变换，显著减少了训练展开网络所需的内存，并在重建质量上优于现有方法	NA	提高3D全心冠状动脉磁共振血管成像的重建质量和加速效率	3D全心冠状动脉磁共振血管成像数据	计算机视觉	心血管疾病	深度压缩感知	预训练的伪影估计网络	3D图像	NA
5170	2025-03-05	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3531768 PMID:40031143	研究论文	本研究利用深度学习方法和证据网络分析中风患者的运动障碍，通过不确定性估计提高中风相关损伤的检测灵敏度	使用证据网络和基于不确定性的细化方法，显著提高了对轻微中风患者和短暂性脑缺血发作（TIA）患者的运动障碍检测灵敏度	研究依赖于Kinarm外骨骼系统的数据，可能限制了结果的普适性	提高中风后运动障碍的检测灵敏度，特别是对轻微中风和TIA患者的检测	337名中风患者和368名健康对照者	机器学习	中风	深度学习	证据网络	运动学数据	337名中风患者和368名健康对照者
5171	2025-03-05	SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection 2024-Dec-31, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3518774 PMID:40030754	研究论文	本文提出了一种改进的静态-动态协同教学框架SDCoT++，用于解决3D物体检测中的类别增量学习问题	提出了一种新颖的静态-动态协同教学框架，通过静态和动态教师模型分别传递旧知识和新知识，并生成伪标签以缓解新旧类别共现带来的问题	未明确提及具体局限性	解决3D物体检测中的类别增量学习问题，特别是缓解灾难性遗忘现象	3D物体检测模型	计算机视觉	NA	静态-动态协同教学	VoteNet, 3DETR, CAGroup3D	3D数据	未明确提及具体样本数量
5172	2025-03-05	Grid-Centric Traffic Scenario Perception for Autonomous Driving: A Comprehensive Review 2024-Dec-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3495045 PMID:40030797	综述	本文对自动驾驶中的网格中心感知进行了全面回顾，探讨了其在动态、大规模交通场景中的应用及其优势	提出了网格中心感知相较于物体中心感知的几何优先范式，强调了其在开放世界驾驶场景中的鲁棒性，并探讨了4D场景感知和预测的最新进展	网格中心感知的复杂性和计算成本较高，且当前缺乏对该领域的全面调查	回顾和总结自动驾驶中网格中心感知技术的发展和应用	自动驾驶车辆	计算机视觉	NA	深度学习	占用网络	图像	NA
5173	2025-03-05	Decoding Gestures in Electromyography: Spatiotemporal Graph Neural Networks for Generalizable and Interpretable Classification 2024-Dec-30, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3523943 PMID:40030831	研究论文	本文提出了一种基于图卷积网络（GCN）的肌电图（EMG）手势识别方法，旨在解决现有方法在多通道EMG信号处理中的局限性	引入了新颖的图结构，以捕捉分布式EMG传感器的空间邻近性和EMG信号的时间邻接性，从而提高了模型的性能、泛化能力和可解释性	尽管在五个公开数据集上取得了最先进的性能，但该方法在实际应用中的效果仍需进一步验证	提升基于EMG的上肢手势识别系统的性能、泛化能力和可解释性	多通道EMG信号	机器学习	NA	图卷积网络（GCN）	GCN	EMG信号	五个公开数据集
5174	2025-03-05	SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation 2024-Dec-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523492 PMID:40030824	研究论文	本文提出了一种名为SWMA-UNet的并行多路径注意力架构，用于改进医学图像分割	提出了一种并行多路径注意力架构，结合了Transformers和CNNs，以同时处理全局和局部信息，从而提高医学图像分割的准确性	未明确提及具体限制	改进医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	SWMA-UNet, Transformers, CNNs	图像	Synapse, ACDC, ISIC 2018和MoNuSeg数据集
5175	2025-03-05	Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522664 PMID:40030782	研究论文	本文提出了一种深度学习框架PhysioGPN，用于预测帕金森病患者的步态冻结事件，并通过知识蒸馏技术减少对多传感器的依赖	提出了PhysioGPN框架，结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制，以及知识蒸馏技术，解决了步态冻结预测中的多个挑战	尽管模型在减少传感器数量时性能下降得到缓解，但仍需进一步验证其在不同患者群体中的泛化能力	解决帕金森病患者步态冻结预测中的多个挑战，包括预测间隔短、跨患者泛化能力有限和多传感器不便等问题	帕金森病患者的步态冻结事件	机器学习	帕金森病	深度学习	PhysioGPN（结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制）	传感器数据	未明确提及样本数量
5176	2025-03-05	A Review of Deep Learning for Video Captioning 2024-Dec-26, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3522295 PMID:40030799	综述	本文对基于深度学习的视频字幕生成方法进行了全面回顾	提供了视频字幕生成领域的详细分类，包括基于注意力的架构、图网络、强化学习、对抗网络和密集视频字幕生成，并讨论了现有数据集和研究空白	未提出新的方法或模型，仅对现有研究进行总结和分类	回顾和分类视频字幕生成领域的深度学习方法	视频字幕生成方法	自然语言处理	NA	深度学习	基于注意力的架构、图网络、强化学习、对抗网络	视频	NA
5177	2025-03-05	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	本文提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情绪识别框架	该框架通过毫米波雷达在动态场景中隔离心率信号，并采用混合1D-CNN和Bi-LSTM模型进行特征提取和时序分析，确保实时性，且不受环境因素如光照或衣物的影响	NA	开发一种非侵入式情绪识别系统，适用于医疗、人机交互和教育等多种场景	通过毫米波雷达捕捉的心率信号	机器学习	NA	毫米波雷达	1D-CNN, Bi-LSTM	雷达信号	NA
5178	2025-03-05	Distributed Deep Learning With Gradient Compression for Big Remote Sensing Image Interpretation 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3517535 PMID:40030610	研究论文	本文提出了一种分布式深度学习框架，结合梯度压缩技术，用于大规模遥感图像的解释	引入了分布式背景学习方法和梯度压缩技术（GCC），显著减少了通信开销并保持了目标检测的准确性	未提及具体局限性	解决大规模高光谱数据与资源受限的物联网/边缘设备硬件之间的矛盾，促进高光谱目标检测在边缘计算环境中的部署	高光谱图像（HSIs）	计算机视觉	NA	分布式深度学习、梯度压缩	深度神经网络（DNNs）	高光谱图像	两个大型高光谱数据集，总大小约3.2GB
5179	2025-03-05	Deep Learning Based Post-stroke Myoelectric Gesture Recognition: From Feature Construction to Network Design 2024-Dec-23, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3521583 PMID:40030685	研究论文	本文探讨了深度学习在脑卒中后手势识别中的应用，通过收集八名慢性脑卒中患者的表面肌电信号，研究了特征域、数据结构和神经网络架构对识别效果的影响	本研究首次全面评估了18种深度学习模型在脑卒中后手势识别中的表现，并分析了两种后处理算法对识别准确率的提升效果	研究样本量较小，仅涉及八名慢性脑卒中患者，可能影响结果的普适性	探索深度学习在脑卒中后手势识别中的应用，以提高机器人辅助康复的效果	八名慢性脑卒中患者的表面肌电信号	机器学习	脑卒中	表面肌电信号(sEMG)	CNN, CNN-LSTM, CNN-LSTM-Attention	一维和二维图像数据	八名慢性脑卒中患者
5180	2025-03-05	Learn to Supervise: Deep Reinforcement Learning-Based Prototype Refinement for Few-Shot Motor Fault Diagnosis 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3516035 PMID:40030687	研究论文	本文提出了一种基于深度强化学习的原型精炼方法，用于半监督少样本电机故障诊断	创新点在于将深度强化学习应用于少样本故障诊断，通过迭代的半监督元学习策略选择信息丰富的未标记样本并精炼类别原型	未提及具体限制	研究目的是解决工业场景中数据稀缺问题，提高少样本故障诊断的实用性	研究对象是工业电机	机器学习	NA	深度强化学习（DRL）	镜像原型网络（ProtoNet）	标记数据和未标记数据	多个电机实验数据集