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
5541	2025-03-06	Pre-trained convolutional neural networks identify Parkinson's disease from spectrogram images of voice samples 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92105-6 PMID:40025201	研究论文	本文提出了一种使用预训练卷积神经网络从语音样本的频谱图图像中识别帕金森病的新方法	首次在智能手机采集的宽带宽语音数据集上测试了该方法的性能，并比较了线性尺度和梅尔尺度频谱图图像的分类性能	NA	自动检测帕金森病	语音样本的频谱图图像	计算机视觉	帕金森病	深度学习	卷积神经网络（CNN）	图像	两个不同录音平台生成的语音数据集
5542	2025-03-06	Evaluation by dental professionals of an artificial intelligence-based application to measure alveolar bone loss 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05677-0 PMID:40025477	研究论文	本文评估了一种基于人工智能的应用程序，用于测量牙槽骨丧失，并调查了牙科专业人员对其接受度和可用性的看法	开发并实施了一种深度学习模型，结合语义分割神经网络和对象检测网络，精确识别牙槽骨嵴水平和牙骨质-釉质交界处，以测量牙槽嵴高度的变化	样本量较小，仅涉及56名牙科专业人员和35个可计算的牙槽嵴高度测量值	评估人工智能应用程序在牙槽骨丧失测量中的准确性和效率，并调查牙科专业人员对其接受度和可用性	牙科专业人员	数字病理	牙周病	深度学习	语义分割神经网络和对象检测网络	X光片	56名牙科专业人员和550张咬翼X光片数据集
5543	2025-03-06	Data-driven AI platform for dens evaginatus detection on orthodontic intraoral photographs 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05231-4 PMID:40025464	研究论文	本研究开发并评估了一种深度学习模型（BiStageNet），用于在正畸口内照片上自动检测dens evaginatus（DE）前磨牙，并基于训练结果开发了一个DE检测平台用于正畸临床应用	开发了BiStageNet模型和DE检测平台，显著提高了DE检测的特异性，减少了假阳性，同时保持了高灵敏度	研究中使用的数据集可能有限，未提及模型在其他数据集上的泛化能力	开发并评估用于自动检测dens evaginatus（DE）前磨牙的深度学习模型及临床应用平台	正畸口内照片中的前磨牙	计算机视觉	NA	深度学习	BiStageNet	图像	1,400张高质量口内照片用于前磨牙识别训练，2,128张图像用于DE检测训练
5544	2025-03-06	Automatic Calculation of Cervical Spine Parameters Using Deep Learning: Development and Validation on an External Dataset 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682231205352 PMID:37811580	研究论文	本研究开发了一种深度学习模型，用于从颈椎侧位X光片中自动计算重要的脊柱参数	开发了一种能够从不同机构获取的图像中进行准确预测的深度学习模型，展示了其鲁棒性和高度泛化能力	研究仅使用了两个数据集进行训练和验证，样本量相对较小，可能影响模型的广泛适用性	开发并验证一种深度学习模型，用于自动计算颈椎侧位X光片中的脊柱参数	颈椎侧位X光片	计算机视觉	颈椎疾病	深度学习	深度学习模型	图像	1498张图像用于训练，79张图像用于外部验证
5545	2025-03-06	Predicting Progression in Adolescent Idiopathic Scoliosis at the First Visit by Integrating 2D Imaging and 1D Clinical Information 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682231211273 PMID:37903546	研究论文	本研究旨在通过整合患者首次就诊时的1D临床信息和2D影像数据，预测青少年特发性脊柱侧弯（AIS）的进展	首次提出了一种多维输入模型，结合了1D临床数据和2D影像数据，用于预测AIS的进展，并采用了改进的CapsuleNet架构	研究样本量相对较小，且仅限于接受支具治疗的患者	预测青少年特发性脊柱侧弯（AIS）的进展，以辅助临床医生个性化治疗	青少年特发性脊柱侧弯（AIS）患者	数字病理	脊柱侧弯	深度学习	CapsuleNet	1D临床数据和2D影像数据	463名AIS患者
5546	2025-03-06	Urban fabric decoded: High-precision building material identification via deep learning and remote sensing 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100538 PMID:40034611	研究论文	本文介绍了一种利用深度学习和遥感技术进行高精度建筑材料识别的新框架	该框架结合了最新的传感技术和深度学习，能够利用遥感数据和Google街景图像识别屋顶和外墙材料，展示了模型在不同地理环境和建筑风格中的可扩展性和适应性	模型的训练和验证主要基于丹麦城市的数据，可能在其他地区的适用性需要进一步验证	旨在通过高精度建筑材料识别为城市环境中的碳减排、建筑改造和循环经济策略提供信息	丹麦城市（如欧登塞、哥本哈根、奥胡斯和奥尔堡）的建筑材料	计算机视觉	NA	深度学习	深度学习模型	遥感数据和Google街景图像	丹麦多个城市的建筑数据集
5547	2025-03-06	Learning Ordinal-Hierarchical Constraints for Deep Learning Classifiers 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3360641 PMID:38347692	研究论文	本文提出了两种新的序数-层次深度学习模型（HCLM和HOBD），用于同时学习层次和序数约束，以提高泛化性能	提出了两种新的深度学习模型（HCLM和HOBD），能够同时学习层次和序数约束，填补了现有深度学习模型在这方面的空白	NA	提高深度学习分类器在具有序数结构的层次分类问题中的泛化性能	具有序数结构的层次分类问题	机器学习	NA	深度学习	HCLM, HOBD	NA	四个实际应用案例数据集（涉及工业、生物医学、计算机视觉和金融领域）
5548	2025-03-06	PointWavelet: Learning in Spectral Domain for 3-D Point Cloud Analysis 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3363244 PMID:38393837	研究论文	本文提出了一种名为PointWavelet的新方法，通过在谱域中探索局部图来改进3D点云分析	引入可学习的图小波变换，避免耗时的谱分解，显著加速训练过程	NA	改进3D点云分类和分割的深度学习方法	3D点云数据	计算机视觉	NA	图小波变换	CNN	3D点云	四个流行的点云数据集：ModelNet40、ScanObjectNN、ShapeNet-Part和S3DIS
5549	2025-03-06	Scalable Moment Propagation and Analysis of Variational Distributions for Practical Bayesian Deep Learning 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367363 PMID:38412086	研究论文	本文提出了一种基于矩传播（MP）的快速可靠的贝叶斯深度学习方法，通过引入扩展的批量归一化层来训练深度学习模型，并探讨了不同变分分布的处理方法	提出了一种基于矩传播的贝叶斯深度学习方法，通过扩展的批量归一化层来训练深度学习模型，并研究了不同变分分布的处理方法	MP方法在深度模型中的适用性尚未充分探索，且设计良好校准的MP模型仍然具有挑战性	实现快速且可靠的贝叶斯深度学习方法，以处理预测不确定性	深度学习模型及其预测不确定性	机器学习	NA	矩传播（MP），变分推断（VI），蒙特卡罗采样（MC）	贝叶斯深度学习模型	NA	NA
5550	2025-03-06	Learning Rates of Deep Nets for Geometrically Strongly Mixing Sequence 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3371025 PMID:38466602	研究论文	本文为深度神经网络在几何强混合序列下的快速学习率建立了理论基础	首次提出了基于混合序列的深度神经网络方法的收敛性结果，这是对独立样本情况的自然推广	现有研究假设样本独立，这一假设在许多现实场景中过于强烈	建立深度神经网络在依赖样本情况下的快速学习率理论基础	深度神经网络回归中的经验风险最小化	机器学习	NA	NA	深度神经网络 (DNN)	NA	NA
5551	2025-03-06	On Model of Recurrent Neural Network on a Time Scale: Exponential Convergence and Stability Research 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3377446 PMID:38530720	研究论文	本文研究了在时间尺度上使用延迟微分方程建模的递归神经网络（RNN）的架构设计，重点探讨了系统的定性行为和稳定性	本文创新性地在时间尺度上结合多个离散和分布式延迟，探索了RNN模型的指数稳定性，并比较了Hilger和常规指数函数两种构建指数估计的方法	研究主要集中于理论分析和数值模拟，缺乏实际应用场景的验证	研究目的是在时间尺度上建模和探讨延迟RNN的架构设计及其稳定性	递归神经网络（RNN）及其在时间尺度上的动态行为	机器学习	NA	延迟微分方程	RNN	数值数据	两个模型：一个两神经元网络（含四个离散和分布式延迟）和一个七神经元环格延迟网络
5552	2025-03-06	Generalizable and Discriminative Representations for Adversarially Robust Few-Shot Learning 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3379172 PMID:38536695	研究论文	本文提出了一种新的对抗性鲁棒少样本图像分类方法，通过引入对抗感知机制和对抗重加权训练策略，以及循环特征净化器，提高了模型在对抗性样本下的鲁棒性和泛化能力	提出了一种无需繁琐元任务采样的对抗性鲁棒少样本学习方法，引入了对抗感知机制、对抗重加权训练策略和循环特征净化器，显著提升了模型在对抗性样本下的鲁棒性和泛化能力	未提及具体的局限性	提高少样本图像分类任务在对抗性样本下的鲁棒性和泛化能力	少样本图像分类任务	计算机视觉	NA	对抗性训练	NA	图像	在三个标准基准数据集上进行了广泛实验
5553	2025-03-06	Statistical Machine Learning for Power Flow Analysis Considering the Influence of Weather Factors on Photovoltaic Power Generation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3382763 PMID:38587954	研究论文	本文提出了一种基于统计机器学习的随机天气生成器（SWG），用于分析考虑天气因素影响的光伏发电的电力潮流	结合生成对抗网络（GANs）、概率论和信息论，提出了一种新的深度学习模型，用于生成和评估全年每小时的模拟天气数据	未提及具体局限性	分析天气因素对光伏发电和天气敏感负荷的影响，以提高电力潮流分析的准确性	光伏发电和天气敏感负荷	机器学习	NA	统计机器学习（SML）	生成对抗网络（GANs）	天气数据	中国广东的一个实际配电网络，使用全年模拟数据进行电力潮流分析
5554	2025-03-06	Toward Efficient Convolutional Neural Networks With Structured Ternary Patterns 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3380827 PMID:38652622	研究论文	本文提出了一种利用结构化三元模式（STePs）设计高效卷积神经网络（ConvNet）架构的方法，以减少训练和推理过程中的资源需求	通过使用从局部二值模式（LBPs）和Haar特征生成的非学习权重参数，减少了卷积神经网络的总权重更新，从而提高了效率	该方法需要进一步研究非学习权重的良好先验，以在不改变网络结构的情况下提高深度学习架构的效率	设计高效的卷积神经网络架构，以减少资源需求并提高在移动和嵌入式平台上的应用	卷积神经网络（ConvNets）	计算机视觉	NA	局部二值模式（LBPs）和Haar特征	卷积神经网络（ConvNets）	图像	四个图像分类数据集
5555	2025-03-06	EPIPDLF: a pre-trained deep learning framework for predicting enhancer-promoter interactions 2025-Mar-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	研究论文	本文介绍了一种名为EPIPDLF的深度学习框架，用于预测增强子与启动子之间的相互作用	EPIPDLF是一种创新的深度学习方法，仅基于基因组序列以可解释的方式预测增强子-启动子相互作用	NA	开发一种高效且成本较低的预测增强子与启动子相互作用的方法	增强子与启动子之间的相互作用	机器学习	NA	深度学习	深度学习框架	基因组序列	六个基准数据集
5556	2025-03-06	IoT-Based Elderly Health Monitoring System Using Firebase Cloud Computing 2025-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70498 PMID:40041774	研究论文	本研究开发并验证了一种基于物联网的老年人健康监测系统，旨在提高老年人的生活质量	系统集成了Firebase云平台和Android用户界面，实现了实时数据收集和分析，并采用监督机器学习技术进行健康状况预测	样本量较小，仅涉及六名参与者，未来可扩展样本量以验证系统的普适性	开发一种基于物联网的老年人健康监测系统，以应对日益增长的老年人口对医疗系统的挑战	老年人	物联网	老年疾病	监督机器学习	XGBoost	实时生理数据（心率、血氧饱和度、体温）	六名参与者
5557	2025-03-06	Multiplex Detection and Quantification of Virus Co-Infections Using Label-free Surface-Enhanced Raman Spectroscopy and Deep Learning Algorithms 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03209 PMID:39874586	研究论文	本文介绍了一种结合表面增强拉曼散射（SERS）和深度学习的无标记诊断平台，用于快速定量检测呼吸道病毒共感染	开发了MultiplexCR深度学习模型，能够同时从SERS光谱中预测病毒种类和浓度，准确率高达98.6%	未提及具体局限性	开发一种快速、定量的呼吸道病毒共感染检测平台	11种病毒、9种双病毒混合物和4种三病毒混合物	机器学习	呼吸道疾病	表面增强拉曼散射（SERS）	深度学习模型（MultiplexCR）	SERS光谱	超过120万条SERS光谱，来自唾液中的病毒样本
5558	2025-03-06	XLTLDisNet: A novel and lightweight approach to identify tomato leaf diseases with transparency 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42575 PMID:40040968	研究论文	本文提出了一种名为XLTLDisNet的新型轻量级深度学习模型，用于识别番茄叶部疾病，并增强了模型的可解释性	提出了一种新型轻量级深度学习模型XLTLDisNet，并集成了可解释性AI技术（如GRAD-CAM和LIME）以增强模型的可解释性	未提及具体局限性	通过早期检测番茄叶部疾病，减少农业损失并最大化产量	番茄叶部疾病	计算机视觉	NA	深度学习	XLTLDisNet	图像	PlantVillage番茄叶部疾病数据集，包含十类番茄叶部疾病（包括健康图像）
5559	2025-03-06	A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42483 PMID:40040994	研究论文	本文提出了一种结合气候和可靠性因素的混合贝叶斯网络深度学习模型，用于预测电动汽车充电容量	创新点在于将排队网络和贝叶斯网络模型与深度学习技术结合，以提高预测精度和基础设施可靠性	未明确提及具体局限性	开发一个综合系统，考虑气象条件和充电桩故障率等多种影响因素，以优化电动汽车基础设施	电动汽车充电需求	机器学习	NA	深度学习	混合贝叶斯网络深度学习（HBNDL）	交易数据和气候分析数据	未明确提及具体样本数量
5560	2025-03-06	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-Feb-27, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	review	本文综述了生物医学多模态数据融合与分析中的人工智能技术应用及其挑战	提出了深度学习模型在生物医学数据整合分析中的应用及其未来发展方向，包括模型预训练和知识整合	讨论了数据隐私、融合和模型解释等方面的挑战	探讨人工智能技术在生物医学多模态数据融合与分析中的应用及其挑战	生物医学多模态数据，包括分子、细胞、图像和电子健康记录数据集	machine learning	NA	deep learning	deep learning models	molecular, cellular, image, electronic health record datasets	NA