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
5721	2025-03-01	A Heterogeneity-Aware Semi-Decentralized Model for a Lightweight Intrusion Detection System for IoT Networks Based on Federated Learning and BiLSTM 2025-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s25041039 PMID:40006268	研究论文	本文提出了一种基于联邦学习和双向长短期记忆网络的半分散模型，用于物联网网络中的轻量级入侵检测系统	该模型通过聚类物联网设备并分配集群头来减少与服务器通信的设备数量，从而降低通信开销，并改进聚合过程	模型主要关注分布式拒绝服务攻击，可能未全面覆盖其他类型的网络攻击	开发一种适合物联网设备能力的轻量级入侵检测系统	物联网网络中的设备	机器学习	NA	联邦学习, 双向长短期记忆网络	BiLSTM, LSTM, WGAN	网络数据	使用了CICIoT2023、BoT-IoT、WUSTL-IIoT-2021和Edge-IIoTset四个数据集
5722	2025-03-01	ResGRU: A Novel Hybrid Deep Learning Model for Compound Fault Diagnosis in Photovoltaic Arrays Considering Dust Impact 2025-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s25041035 PMID:40006264	研究论文	本文提出了一种新型混合深度学习模型ResGRU，用于光伏阵列的复合故障诊断，特别考虑了灰尘影响	ResGRU模型结合了残差网络（ResNet）和双向门控循环单元（BiGRU），并引入了Squeeze-and-Excitation（SE）模块和中心损失函数，以提高故障诊断的准确性和模型的判别能力	NA	提高光伏阵列复合故障诊断的准确性，特别是在灰尘积累情况下的诊断	光伏阵列的故障诊断	机器学习	NA	深度学习	ResGRU（结合ResNet和BiGRU）	I-V曲线	NA
5723	2025-03-01	An Extensive Study of Convolutional Neural Networks: Applications in Computer Vision for Improved Robotics Perceptions 2025-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s25041033 PMID:40006262	review	本文综述了卷积神经网络（CNNs）的基本原理及其在机器人感知中的计算机视觉任务中的应用，同时探讨了该领域的挑战和未来前景	本文不仅回顾了CNNs的历史、基本概念和工作原理，还特别强调了其在机器人感知中的应用，填补了现有综述的空白	本文主要关注CNNs在机器人感知中的应用，可能未涵盖CNNs在其他领域的最新进展	探讨CNNs在计算机视觉中的应用，特别是其在提升机器人感知性能方面的潜力	卷积神经网络（CNNs）及其在机器人感知中的应用	computer vision	NA	NA	CNN	image	NA
5724	2025-03-01	CylinDeRS: A Benchmark Visual Dataset for Robust Gas Cylinder Detection and Attribute Classification in Real-World Scenes 2025-Feb-08, Sensors (Basel, Switzerland) DOI:10.3390/s25041016 PMID:40006245	研究论文	本文介绍了CylinDeRS，一个用于真实场景中气瓶检测及其属性分类的领域特定数据集	提出了一个包含7060张RGB图像和超过25,250个标注实例的新数据集，用于气瓶检测和属性分类	数据集可能无法涵盖所有真实世界场景的多样性	提升气瓶检测和属性分类的准确性和效率，以增强安全和操作效率	气瓶及其属性（材料、尺寸、方向）	计算机视觉	NA	深度学习	SotA模型	图像	7060张RGB图像，包含超过25,250个标注实例
5725	2025-03-01	Autism Data Classification Using AI Algorithms with Rules: Focused Review 2025-Feb-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020160 PMID:40001680	综述	本文综述了使用基于规则的AI算法进行自闭症谱系障碍（ASD）数据分类的研究，旨在整合当前研究、识别差距并指导未来研究	本文的创新点在于专注于从行为学角度探讨可解释的分类算法在ASD检测中的应用，并提出了将深度学习与基于规则的分类器相结合的混合方法以提高模型的可解释性和准确性	本文的局限性在于缺乏对具体数据集和样本量的详细讨论，且未深入探讨混合方法在实际应用中的具体效果	研究目的是通过综述基于规则的分类研究，提供对ASD早期检测和干预方法的深入理解，并指导未来研究方向	研究对象为自闭症谱系障碍（ASD）的行为学数据	机器学习	自闭症谱系障碍	基于规则的分类算法、深度学习	决策树、混合模型	行为学数据	NA
5726	2025-03-01	Sequence-Only Prediction of Super-Enhancers in Human Cell Lines Using Transformer Models 2025-Feb-07, Biology DOI:10.3390/biology14020172 PMID:40001940	研究论文	本研究揭示了基于Transformer的深度学习模型在人类肿瘤细胞系中预测超级增强子的应用，特别关注于人类基因组中超级增强子和增强子元素的序列特征	提出了仅使用序列特征的SE预测方法，利用GENA-LM处理长DNA序列，并在没有表观遗传标记的情况下分析扩展的基因组序列	研究仅限于特定的人类肿瘤细胞系，未涵盖所有可能的细胞类型	开发一种仅基于序列特征的超级增强子预测方法，用于生物信息学中的增强子/超级增强子表征和基因调控研究	人类肿瘤细胞系中的超级增强子和增强子元素	生物信息学	肿瘤	Transformer模型	GENA-LM	DNA序列	HeLa, HEK293, H2171, Jurkat, K562, MM1S和U87细胞系
5727	2025-03-01	Diagnosis on Ultrasound Images for Developmental Dysplasia of the Hip with a Deep Learning-Based Model Focusing on Signal Heterogeneity in the Bone Region 2025-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040403 PMID:40002554	研究论文	本研究旨在开发和评估一种基于深度学习的模型，用于通过3D转换技术对二维超声图像进行自动发育性髋关节发育不良（DDH）诊断	结合3D技术和深度学习，解决了超声图像中的噪声和旋转问题，展示了与专业评估相当的准确性，即使是非专业图像也显示出其潜力	研究中使用的样本量相对较小（417名婴儿），且为回顾性研究，可能限制了结果的普遍性	开发并评估一种基于深度学习的模型，用于自动诊断发育性髋关节发育不良（DDH）	417名有DDH风险的婴儿的超声图像	计算机视觉	发育性髋关节发育不良	3D转换技术	CNN, HigherHRNet-W48	图像	417名婴儿的超声图像
5728	2025-03-01	Evaluation of the Performance of a YOLOv10-Based Deep Learning Model for Tooth Detection and Numbering on Panoramic Radiographs of Patients in the Mixed Dentition Period 2025-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040405 PMID:40002557	研究论文	本研究评估了基于YOLOv10的深度学习模型在混合牙列期儿童全景X光片中检测和编号牙齿的性能	首次将YOLOv10模型应用于混合牙列期儿童全景X光片的牙齿检测和编号，展示了高精度的检测能力	模型在不同儿科病例中的优化仍需进一步研究以增强临床适用性	评估深度学习模型在混合牙列期儿童全景X光片中牙齿检测和编号的准确性	混合牙列期儿童的全景X光片	计算机视觉	NA	深度学习	YOLOv10	图像	200名混合牙列期儿童的全景X光片，共8153颗牙齿
5729	2025-03-01	Assessment of Cracking Development in Concrete Precast Crane Beams Using Optical and Deep Learning Methods 2025-Feb-07, Materials (Basel, Switzerland) DOI:10.3390/ma18040731 PMID:40004255	研究论文	本文提出了一种结合深度卷积神经网络和数字图像相关技术的新方法，用于评估使用超过五十年的预制起重机梁的结构健康状况	创新点在于将深度学习U-Net架构用于起重机梁表面裂缝的检测和分割，并结合数字图像相关技术进行表面应变和位移的测量，实现了非破坏性、精确且详细的分析	NA	研究目的是评估预制起重机梁的结构健康状况，以早期检测可能影响结构安全的退化	预制起重机梁	计算机视觉	NA	数字图像相关方法	U-Net	图像	NA
5730	2025-03-01	Multi-Modality Fusion and Tumor Sub-Component Relationship Ensemble Network for Brain Tumor Segmentation 2025-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020159 PMID:40001679	研究论文	本文提出了一种多模态和单模态特征重校准网络，用于磁共振成像脑肿瘤分割	设计了双重新校准模块，通过整合多模态的互补特征与单模态的特定特征，实现精确的特征校准	未提及具体局限性	探索有效的多模态特征与单模态特征融合解决方案，以提高脑肿瘤分割的准确性	脑肿瘤	计算机视觉	脑肿瘤	多模态磁共振成像	双重新校准模块	磁共振成像数据	BraTS 2018数据集
5731	2025-03-01	A Dual-Energy Computed Tomography Guided Intelligent Radiation Therapy Platform 2025-Feb-05, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.01.028 PMID:39921109	研究论文	本研究介绍了一种新型的双能计算机断层扫描（DECT）引导的智能放射治疗（DEIT）平台，旨在简化和优化放射治疗过程	结合了DECT、新设计的双层多叶准直器、用于自动分割的深度学习算法以及自动规划和质量保证功能	NA	通过先进的成像和人工智能技术提高放射治疗的精确性和适应性	放射治疗过程中的目标定位和剂量优化	数字病理	癌症	双能计算机断层扫描（DECT）	深度学习算法	CT图像	5个病例，每个病例包含99个风险器官
5732	2025-03-01	Improving Identification of Drug-Target Binding Sites Based on Structures of Targets Using Residual Graph Transformer Network 2025-Feb-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom15020221 PMID:40001524	研究论文	本文提出了一种新的深度学习框架RGTsite，利用残差图变换网络改进药物-靶标结合位点的识别	提出了RGTsite框架，结合残差1D卷积神经网络和预训练模型ProtT5，以及残差图变换网络，显著提升了药物-靶标结合位点的识别性能	未明确提及数据集的规模限制或模型在其他类型数据上的泛化能力	改进药物-靶标结合位点的识别，以辅助药物筛选和设计	药物-靶标结合位点	机器学习	NA	深度学习	残差图变换网络（GTN）、1D卷积神经网络（1D-CNN）、ProtT5	蛋白质序列数据	多个基准数据集，但未明确样本数量
5733	2025-03-01	Machine Learning- and Deep Learning-Based Myoelectric Control System for Upper Limb Rehabilitation Utilizing EEG and EMG Signals: A Systematic Review 2025-Feb-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020144 PMID:40001664	系统综述	本文系统综述了机器学习和深度学习技术在基于肌电控制的上肢康复系统中的应用，重点关注脑电图和肌电图信号的使用	整合非侵入性信号采集方法与先进计算模型，提升康复设备的准确性和效率	模型鲁棒性、计算复杂性和实时应用性方面仍存在挑战	探讨机器学习和深度学习在上肢康复中的应用，以恢复运动功能并改善患者预后	上肢残疾患者，特别是由中风或神经系统疾病引起的患者	机器学习	中风、神经系统疾病	脑电图（EEG）、肌电图（EMG）	LSTM、SVM、CNN	EEG信号、EMG信号	14项研究
5734	2025-03-01	Predicting emergence of crystals from amorphous precursors with deep learning potentials 2025-Feb, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00752-y PMID:39695321	研究论文	本文展示了通过使用通用的深度学习原子间势能，可以在许多无机系统中预测无定形前体的结晶产物	利用深度学习原子间势能预测无定形前体的结晶产物，这在分子建模或从头计算方法中尚未实现	NA	预测无定形前体结晶的结果，以促进新材料的研究和开发	无机系统中的无定形前体及其结晶产物	机器学习	NA	深度学习原子间势能	深度学习	原子结构数据	多种材料系统，包括多晶氧化物、氮化物、碳化物、氟化物、氯化物、硫族化物和金属合金
5735	2025-03-01	Deep Learning-Assisted Diagnostic System: Apices and Odontogenic Sinus Floor Level Analysis in Dental Panoramic Radiographs 2025-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020134 PMID:40001654	研究论文	本研究开发了一种基于深度学习的辅助诊断系统，用于牙科全景X光片中牙源性鼻窦炎的精确诊断	结合了多种深度学习模型，并融合了常见的对比度受限自适应直方图均衡化、最小-最大归一化和RGB映射方法，显著提高了诊断准确性	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	开发一种辅助牙医精确诊断牙源性鼻窦炎的AI系统	牙科全景X光片中的牙源性鼻窦炎	计算机视觉	牙源性鼻窦炎	深度学习	YOLO 11n, YOLOv8n-cls	图像	NA
5736	2025-03-01	FDoSR-Net: Frequency-Domain Informed Auto-Encoder Network for Arbitrary-Scale 3D Whole-Heart MRI Super-Resolution 2025-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020129 PMID:40001649	研究论文	本文旨在开发一种三维超分辨率网络，用于执行任意比例的三维全心磁共振成像超分辨率，同时保持精细的图像细节	提出了一种利用频域正则化训练的3D自编码器框架，能够在训练中保持精细图像细节，并实现任意比例的超分辨率	NA	开发一种能够执行任意比例三维全心磁共振成像超分辨率的网络	三维全心磁共振成像	计算机视觉	心血管疾病	NA	3D自编码器	三维磁共振成像	120个三维全心磁共振成像体积，使用四种不同的序列获取
5737	2025-03-01	Anatomically Guided Deep Learning System for Right Internal Jugular Line (RIJL) Segmentation and Tip Localization in Chest X-Ray 2025-Jan-29, Life (Basel, Switzerland) DOI:10.3390/life15020201 PMID:40003610	研究论文	本研究提出了一种结合解剖学标志分割、RIJL分割网络和后处理功能的深度学习系统，用于在胸部X光图像中准确分割右颈内静脉导管（RIJL）并定位其尖端	通过整合解剖学知识和空间推理，利用气管作为解剖学标志提取与RIJL最相关的子区域，从而提高了分割和尖端定位的准确性	NA	开发一种自动化深度学习系统，以减少临床医生在胸部X光图像中检查右颈内静脉导管（RIJL）放置的工作量	右颈内静脉导管（RIJL）在胸部X光图像中的分割和尖端定位	计算机视觉	NA	深度学习	nnU-Net	图像	NA
5738	2025-03-01	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本文提出了一种基于深度学习的超分辨率技术，用于从厚层CT图像生成薄层CT图像，以提高肺结节体积测量和分类的准确性	提出了一种新的深度学习超分辨率技术，显著提高了肺结节分类的准确性，从72.7%提升至94.5%	研究未提及样本的具体数量，且仅使用了商业化的AI肺癌筛查软件进行评估，可能限制了结果的普适性	提高肺结节体积测量和分类的准确性，以支持肺癌筛查项目	肺结节	计算机视觉	肺癌	深度学习超分辨率技术	NA	CT图像	NA
5739	2025-03-01	Deep Learning-Enhanced Portable Chemiluminescence Biosensor: 3D-Printed, Smartphone-Integrated Platform for Glucose Detection 2025-Jan-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020119 PMID:40001639	研究论文	本文介绍了一种新型便携式化学发光生物传感器平台，结合深度学习和智能手机集成，用于葡萄糖检测	该平台采用低成本蜡印微垫和3D打印黑盒，替代传统笨重设备，并通过深度学习模型显著提升检测性能	NA	开发一种成本效益高且选择性强的葡萄糖检测平台	葡萄糖	生物传感	NA	化学发光（CL）传感	Random Forest, SVM, InceptionV3, VGG16, ResNet-50	图像	600张实验化学发光图像，其中80%用于模型训练，20%用于测试
5740	2025-03-01	CLTNet: A Hybrid Deep Learning Model for Motor Imagery Classification 2025-Jan-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15020124 PMID:40002457	研究论文	本文提出了一种名为CLTNet的混合深度学习模型，用于改进基于脑电图（EEG）的运动想象（MI）分类	CLTNet模型创新性地结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和Transformer模块，以更全面地理解运动想象期间EEG信号的特征	NA	改进基于EEG的运动想象分类，以促进脑机接口（BCI）技术的应用	运动想象EEG信号	机器学习	NA	NA	CNN, LSTM, Transformer	EEG信号	BCI IV 2a和BCI IV 2b数据集