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
5901	2025-03-01	Deep Learning in Glaucoma Detection and Progression Prediction: A Systematic Review and Meta-Analysis 2025-Feb-10, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020420 PMID:40002833	系统综述与荟萃分析	本文评估了深度学习在诊断青光眼和预测其进展方面的表现，使用了眼底摄影和视网膜光学相干断层扫描（OCT）图像	本文通过荟萃分析系统地评估了深度学习在青光眼诊断和进展预测中的表现，并指出了未来改进方向	在预测青光眼进展方面，深度学习模型的表现不如诊断任务中稳健，且外部验证数据集的准确性较低	评估深度学习在青光眼诊断和进展预测中的性能	青光眼	计算机视觉	青光眼	眼底摄影和视网膜光学相干断层扫描（OCT）	深度学习（DL）	图像	48项研究
5902	2025-03-01	Semi-Supervised Burn Depth Segmentation Network with Contrast Learning and Uncertainty Correction 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041059 PMID:40006288	研究论文	本文提出了一种结合对比学习和不确定性校正的半监督烧伤深度分割网络SBCU-Net，用于提高烧伤深度分割的自动化与标准化	SBCU-Net引入了两个额外的解码器分支以增强概率图与软伪标签在多级扰动下的一致性，通过对比学习改进复杂区域的分割，并利用不确定性校正机制减少不准确伪标签的影响	未明确提及具体局限性	提高烧伤深度分割的自动化与标准化，减少治疗成本并提高生存率	烧伤深度分割	计算机视觉	烧伤	深度学习	SBCU-Net	图像	未明确提及具体样本量
5903	2025-03-01	Decision Fusion-Based Deep Learning for Channel State Information Channel-Aware Human Action Recognition 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041061 PMID:40006290	研究论文	本文提出了一种基于决策融合的深度学习架构DF-CNN，用于WiFi信道状态信息（CSI）感知的人体动作识别	DF-CNN架构将CSI信道分开处理，并通过决策融合策略整合它们的输出，显著优于传统方法	NA	提高WiFi信道状态信息（CSI）在人体动作识别中的性能	WiFi信道状态信息（CSI）	机器学习	NA	决策融合策略	CNN	WiFi信道状态信息（CSI）	NA
5904	2025-03-01	Research on Upper Limb Motion Intention Classification and Rehabilitation Robot Control Based on sEMG 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041057 PMID:40006285	研究论文	本研究基于表面肌电图（sEMG）对上肢运动意图进行分类和识别，并将其应用于末端执行器康复机器人的交互控制	结合sEMG生成机制及上肢肌肉的解剖学和运动学原理，建立了上肢肌肉骨骼模型，并采用多流卷积神经网络（MLCNN）进行运动意图分类，应用于康复机器人控制	未提及样本量及具体实验对象的详细信息，可能影响结果的普适性	实现基于sEMG的上肢运动意图分类与康复机器人控制	上肢运动意图及末端执行器康复机器人	生物医学工程	NA	表面肌电图（sEMG）	多流卷积神经网络（MLCNN）	肌电信号	未提及具体样本量
5905	2025-03-01	Conotoxins: Classification, Prediction, and Future Directions in Bioinformatics 2025-Feb-09, Toxins IF:3.9Q1 DOI:10.3390/toxins17020078 PMID:39998095	综述	本文回顾了机器学习（ML）和深度学习（DL）在芋螺毒素研究中的应用进展，比较了关键数据库、特征提取技术和分类模型，并讨论了未来的研究方向	探讨了ML和DL在芋螺毒素序列分类、功能预测和从头肽设计中的应用，强调了多模态数据整合和预测框架的改进	传统芋螺毒素分类和功能表征仍然劳动密集型，需要更多的计算方法的采用	探讨芋螺毒素的分类、预测及其在生物信息学中的未来方向	芋螺毒素	生物信息学	NA	机器学习（ML）、深度学习（DL）	NA	序列数据	NA
5906	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
5907	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
5908	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
5909	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
5910	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
5911	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
5912	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
5913	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
5914	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
5915	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
5916	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
5917	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
5918	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
5919	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
5920	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