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
6181	2025-03-20	Machine Learning-Based Computer Vision for Depth Camera-Based Physiotherapy Movement Assessment: A Systematic Review 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051586 PMID:40096440	系统性综述	本文系统回顾了2020年至2024年间使用深度摄像头进行物理治疗运动评估的机器学习计算机视觉技术的研究进展	首次系统性地总结了深度摄像头在物理治疗运动评估中的应用、效果和局限性，并提出了未来研究方向	现实世界验证有限、数据集多样性不足、算法泛化能力有待提高	探索机器学习计算机视觉技术在物理治疗运动评估中的应用和效果	物理治疗运动评估	计算机视觉	NA	深度摄像头	传统机器学习和深度学习	RGB-D数据和骨骼数据	18篇符合纳入标准的研究
6182	2025-03-20	Automated Segmentation of Breast Cancer Focal Lesions on Ultrasound Images 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051593 PMID:40096452	研究论文	本文提出了一种自动化检测和分割乳腺超声图像中病理病变的方法	提出了一种结合随机森林分类器和基于像素亮度差异的病变轮廓选择的两阶段视频图像处理方法	深度学习方法的模型验证不足和训练数据库收集复杂	开发有效的算法用于乳腺超声图像的分割、分类和分析	乳腺超声图像中的病理病变	计算机视觉	乳腺癌	超声成像	随机森林分类器	超声视频	52个包含组织学证实的可疑病变的超声视频
6183	2025-03-20	Quality of Experience (QoE) in Cloud Gaming: A Comparative Analysis of Deep Learning Techniques via Facial Emotions in a Virtual Reality Environment 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051594 PMID:40096493	研究论文	本文比较了在虚拟现实环境中通过玩家面部表情评估云游戏体验质量（QoE）的深度学习技术	提出了一种基于卷积神经网络（CNN）架构的EmotionNET模型技术，用于通过面部表情评估云游戏体验质量，并与ConvoNEXT、EfficientNET和Vision Transformer（ViT）等其他深度学习技术进行了比较	传统评估方法未能准确捕捉用户的实际体验质量，部分用户对提供反馈不认真，即使服务符合SLA，部分玩家仍声称未收到承诺的服务	提高云游戏用户的体验质量（QoE）	云游戏玩家	计算机视觉	NA	深度学习（DL）	CNN, ConvoNEXT, EfficientNET, Vision Transformer (ViT)	面部表情数据	自定义数据集，EmotionNET模型训练准确率为98.9%，验证准确率为87.8%
6184	2025-03-20	Graph neural networks for single-cell omics data: a review of approaches and applications 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf109 PMID:40091193	综述	本文系统回顾了图神经网络（GNNs）在单细胞组学数据分析中的应用，涵盖了107个成功案例及其六种变体	将图神经网络应用于非欧几里得数据的单细胞组学分析，解决了传统深度学习方法在处理高维稀疏数据时的困难	当前研究存在潜在不足，未来研究需要进一步探索和改进	探讨图神经网络在单细胞组学数据分析中的应用及其潜力	单细胞组学数据，包括表观基因组学、转录组学、空间转录组学、蛋白质组学和多组学数据	机器学习	NA	单细胞测序技术	图神经网络（GNNs）及其六种变体	单细胞组学数据	77个公开可用的单细胞数据集
6185	2025-03-20	Research on Network Intrusion Detection Model Based on Hybrid Sampling and Deep Learning 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051578 PMID:40096461	研究论文	本研究提出了一种基于混合采样和深度学习的增强型网络入侵检测模型TRBMA，旨在解决现有模型在时间特征学习不完整和恶意流量分类准确率低的问题	TRBMA模型结合了Temporal Convolutional Networks (TCNs)、Bidirectional Gated Recurrent Units (BiGRUs)和Multi-Head Self-Attention机制，改进了ResNet18架构，并引入了AdamW优化器以提高模型训练的收敛速度和泛化能力	NA	提高网络入侵检测模型的准确率，特别是对恶意流量类型的识别	网络流量数据，特别是恶意流量类型	机器学习	NA	深度学习	1D-TCN-ResNet-BiGRU-Multi-Head Attention (TRBMA)	时间序列数据	CIC-IDS-2017数据集
6186	2025-03-20	Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051576 PMID:40096448	研究论文	本文探讨了基于大脑内嗅皮层网格细胞的机器人导航系统，并展示了使用深度学习模型从移动无人地面车辆（UGV）机器人轨迹中训练网格细胞网络的实验结果	通过深度学习模型训练网格细胞网络，成功模拟了生物网格细胞的空间周期性和六边形激活模式，为移动机器人开发先进的导航算法提供了基础	当前挑战和未来研究方向尚未完全解决，需要进一步研究以应对不确定性和动态环境	研究基于网格细胞的机器人导航系统，特别是深度学习模型在动态环境中的应用	移动无人地面车辆（UGV）机器人	机器人学	NA	深度学习	网格细胞网络	机器人轨迹数据	NA
6187	2025-03-20	AD-VAE: Adversarial Disentangling Variational Autoencoder 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051574 PMID:40096455	研究论文	本文提出了一种名为AD-VAE的新框架，用于单样本人脸识别（SSPP FR），结合了变分自编码器（VAE）和生成对抗网络（GAN）技术	AD-VAE框架通过结合VAE和GAN技术，能够从受控和野生数据集中学习构建具有代表性的身份保持原型，有效处理姿态、光照和遮挡等变化	NA	解决单样本人脸识别中的挑战，学习鲁棒且具有区分性的特征以保持主体身份	人脸识别	计算机视觉	NA	VAE, GAN	VAE, GAN	图像	四个受控基准数据集（AR, E-YaleB, CAS-PEAL, FERET）和一个非受控数据集（LFW）
6188	2025-03-20	Closing Gaps in Diabetic Retinopathy Screening in India Using a Deep Learning System 2025-Mar-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.0991 PMID:40105846	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6189	2025-03-20	An Improved YOLOv8-Based Method for Detecting Pests and Diseases on Cucumber Leaves in Natural Backgrounds 2025-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s25051551 PMID:40096374	研究论文	本研究提出了一种基于YOLOv8的改进深度学习网络模型SEDCN-YOLOv8，用于在复杂自然背景下检测黄瓜叶片上的病虫害	引入了DCNv2变形卷积网络和SEAM注意力模块，改进了C2f模块和损失函数，提升了模型对多尺度、变形叶片和病虫害特征的识别能力	未提及模型在其他作物或环境下的泛化能力	提高在复杂自然背景下黄瓜叶片病虫害的检测准确率	黄瓜叶片上的病虫害	计算机视觉	NA	深度学习	YOLOv8, SEDCN-YOLOv8	图像	未明确提及样本数量
6190	2025-03-20	Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.037 PMID:39665892	研究论文	本研究旨在开发并评估一种结合临床、放射组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌（NSCLC）患者的淋巴结转移（LNM），并通过Shapley加性解释（SHAP）增强模型的可解释性	结合临床、放射组学和深度学习特征，使用SHAP增强模型的可解释性，显著提高了NSCLC患者淋巴结转移预测的准确性	样本量相对较小，仅包含248名NSCLC患者，可能影响模型的泛化能力	开发并评估一种机器学习模型，用于预测NSCLC患者的淋巴结转移	248名接受术前PET/CT扫描的NSCLC患者	数字病理学	肺癌	PET/CT成像	XGBoost	图像	248名NSCLC患者
6191	2025-03-20	Status and Opportunities of Machine Learning Applications in Obstructive Sleep Apnea: A Narrative Review 2025-Mar-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.27.25322950 PMID:40061337	综述	本文综述了2018年至2023年间发表的254篇科学出版物，探讨了机器学习在阻塞性睡眠呼吸暂停（OSA）研究中的应用现状和机会	本文首次系统地评估了机器学习在OSA研究中的应用，包括诊断、治疗优化和生物标志物开发等多个方面，并指出了当前研究中的不足和未来改进方向	研究队列主要为超重男性，女性、年轻肥胖成年人、60岁以上个体和不同种族群体的代表性不足，许多研究样本量小且模型验证不够稳健	评估机器学习在阻塞性睡眠呼吸暂停（OSA）研究中的应用现状和机会	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	NA	深度学习, 支持向量机	多导睡眠图, 心电图数据, 可穿戴设备数据	254篇科学出版物
6192	2025-03-20	Applications of Artificial Intelligence in Acute Promyelocytic Leukemia: An Avenue of Opportunities? A Systematic Review 2025-Mar-01, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14051670 PMID:40095699	系统综述	本文系统综述了人工智能（AI）在急性早幼粒细胞白血病（APL）中的应用潜力	首次全面评估AI、机器学习和深度学习在APL中的应用前景	仅基于20篇文献进行定性分析，样本量有限	评估AI、机器学习和深度学习在APL诊断、评估和管理中的潜在应用	急性早幼粒细胞白血病（APL）	机器学习	白血病	荧光原位杂交（FISH）、聚合酶链反应（PCR）	机器学习（ML）、深度学习（DL）	常规生物学参数、细胞形态学、流式细胞术、OMICS数据	20篇文献
6193	2025-03-19	Single-Model Self-Recovering Fringe Projection Profilometry Absolute Phase Recovery Method Based on Deep Learning 2025-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s25051532 PMID:40096375	研究论文	本文提出了一种基于深度学习的单模型自恢复条纹投影轮廓术绝对相位恢复方法	结合深度学习技术与自恢复算法，简化了相位检索和相位展开的复杂过程，无需额外模式辅助即可直接处理高分辨率条纹图像	NA	实现高效且准确的高分辨率绝对相位恢复	条纹投影轮廓术中的绝对相位恢复	计算机视觉	NA	深度学习	Fringe Prediction Self-Recovering network	图像	NA
6194	2025-03-20	Elucidating the role of artificial intelligence in drug development from the perspective of drug-target interactions 2025-Mar, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101144 PMID:40099205	综述	本文综述了人工智能在药物开发中的应用，特别是在药物-靶点预测方面的作用	系统地编译和评估了用于药物及药物组合-靶点预测的AI算法，强调了它们的理论框架、优势和局限性	未具体提及研究的局限性	探讨人工智能在药物开发中的应用，特别是在药物-靶点预测方面的作用	药物-靶点相互作用	生物医学	NA	人工智能（AI）	卷积神经网络（CNNs）、图卷积网络（GCNs）、变换器（transformers）	生物数据	NA
6195	2025-03-20	Research on mood monitoring and intervention for anxiety disorder patients based on deep learning wearable devices 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241291376 PMID:40105160	研究论文	本文介绍了一种基于深度学习可穿戴设备的焦虑症患者情绪监测和干预系统	使用双向长短期记忆网络（Bi-LSTM）处理心率变异性（HRV）数据，以提高情绪状态预测的准确性	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	开发一种高精度的情绪监测系统，用于焦虑症患者的情绪状态预测和干预	焦虑症患者	机器学习	焦虑症	深度学习	Bi-LSTM	生理数据（心率变异性）	NA
6196	2025-03-20	Diabetic retinopathy detection via deep learning based dual features integrated classification model 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241292939 PMID:40105166	研究论文	本文提出了一种基于深度学习的双特征集成分类模型（DD-FIC），用于从彩色视网膜图像中检测糖尿病视网膜病变（DR）	提出了一种新的双特征提取模块，结合全局和局部特征，并通过随机森林特征选择模型进行优化预测，显著提高了检测准确率	未提及模型在实际临床环境中的验证情况，且数据集仅限于Kaggle数据集	开发一种基于计算机视觉的智能系统，用于有效诊断糖尿病视网膜病变	彩色视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	DD-FIC（双特征集成分类模型）、随机森林、多类支持向量机（MCSVM）	图像	Kaggle数据集
6197	2025-03-20	Parkinson's disease prediction using improved crayfish optimization based hybrid deep learning 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296352 PMID:40105156	研究论文	本研究提出了一种基于改进的螯虾优化算法的混合深度学习模型，用于帕金森病的预测	结合了改进的螯虾优化算法（ImCfO）和基于注意力的高效双向网络（ImCfO_Attn_EffBNet），以提高预测准确性和收敛速度	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	预测帕金森病的病程，以促进早期诊断和治疗	帕金森病患者	机器学习	帕金森病	Empirical Mode Decomposition (EMD), Improved Crayfish Optimization (ImCfO)	Attention-based Efficient Bidirectional Network (ImCfO_Attn_EffBNet), EfficientNet-B7, BiLSTM	NA	NA
6198	2025-03-20	Detection of motor nervous disease using deep learning based Duple feature extraction network 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241291367 PMID:40105172	研究论文	本文提出了一种基于深度学习的Duple特征提取网络，用于早期检测运动神经疾病（MND）	提出了一种新颖的Duple特征提取网络，结合了颜色信息和边缘信息的双重特征提取方法，显著提高了MND早期检测的准确率	未提及样本的多样性和数据集的规模，可能影响模型的泛化能力	开发一种自动化方法，用于快速且准确地检测运动神经疾病（MND）	运动神经疾病（MND）患者	计算机视觉	运动神经疾病	深度学习	Duple特征提取网络（结合LinkNet和MobileNet模块）	DTI图像	未提及具体样本数量
6199	2025-03-20	Deep learning-driven multi-omics sequential diagnosis with Hybrid-OmniSeq: Unraveling breast cancer complexity 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296438 PMID:40105178	研究论文	本文介绍了一种名为'Hybrid-OmniSeq'的深度学习驱动的多组学数据分析技术，旨在提高乳腺癌诊断的精确性和有效性	结合了深度神经网络（DNN）技术、顺序前向浮动选择（SFFS）和截断奇异值分解（TSVD）熵，实现了从多组学基因数据中自适应学习	NA	提高乳腺癌诊断的精确性和有效性	乳腺癌的分子亚型	机器学习	乳腺癌	RNA-seq	DNN, Logistic Regression, Random Forest	基因数据	METABRIC RNA-seq数据集中的乳腺癌内在亚型数据
6200	2025-03-20	Developing a method for predicting DNA nucleosomal sequences using deep learning 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241297900 PMID:40105177	研究论文	本文开发了一种使用深度学习预测DNA核小体序列的方法，并展示了简化模型在解决生物学挑战中的优越性	提出了一种简化的深度学习模型架构，用于识别核小体序列，并证明其在性能上优于复杂的模型	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种深度学习模型，用于从核苷酸序列中识别核小体	DNA核小体序列	机器学习	NA	深度学习	卷积神经网络（CNN）	核苷酸序列	NA