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
6341	2025-03-01	IDCC-SAM: A Zero-Shot Approach for Cell Counting in Immunocytochemistry Dataset Using the Segment Anything Model 2025-Feb-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020184 PMID:40001703	研究论文	本文介绍了一种名为IDCC-SAM的新方法，用于在免疫细胞化学数据集中进行细胞计数，该方法利用Segment Anything Model（SAM）实现零样本学习	IDCC-SAM是首个将Segment Anything Model（SAM）应用于免疫细胞化学数据集中的零样本细胞计数方法，无需标注数据即可实现高效计数	尽管IDCC-SAM在多个数据集上表现优异，但其在复杂场景下的泛化能力仍需进一步验证	研究目标是开发一种无需标注数据的细胞计数方法，以提高免疫细胞化学研究中的效率和准确性	研究对象是免疫细胞化学数据集中的细胞	计算机视觉	NA	Segment Anything Model（SAM）	SAM	荧光显微镜图像	三个公共数据集（IDCIA、ADC和VGG）
6342	2025-03-01	An Assessment of Deep Learning's Impact on General Dentists' Ability to Detect Alveolar Bone Loss in 2D Intraoral Radiographs 2025-Feb-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040467 PMID:40002618	研究论文	本研究评估了深度学习技术对普通牙医在2D口内X光片中检测牙槽骨丧失能力的影响	首次评估了Denti.AI深度学习技术对普通牙医在临床实践中检测牙槽骨丧失能力的影响	研究未发现使用Denti.AI深度学习技术对经验丰富的牙医在诊断准确性上有显著提升	探讨深度学习技术对牙医检测牙槽骨丧失能力的影响	普通牙医	数字病理学	牙周病	深度学习	NA	图像	26张口内X光片（根尖片和咬翼片），10名牙医参与评估
6343	2025-03-01	Leveraging Artificial Occluded Samples for Data Augmentation in Human Activity Recognition 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041163 PMID:40006391	研究论文	本文提出了一种新颖的数据增强方法，通过人工移除训练数据集中骨架表示的身体部分来模拟遮挡，以提高人类活动识别的模型鲁棒性	与之前专注于旋转骨架的数据增强方法不同，本文提出了一种通过人工遮挡身体部分来增加数据集大小和多样性的新方法	未明确提及具体局限性	提高人类活动识别（HAR）模型的鲁棒性和识别性能	人类活动识别中的骨架数据	计算机视觉	NA	数据增强	深度学习模型	骨架数据	未明确提及具体样本数量
6344	2025-03-01	Advancing Emotionally Aware Child-Robot Interaction with Biophysical Data and Insight-Driven Affective Computing 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041161 PMID:40006397	研究论文	本文探讨了利用生物物理数据和情感计算技术提升儿童与机器人互动（CRI）中情感识别能力的研究	结合神经科学、心理学和人工智能的跨学科见解，开发了能够动态识别和响应人类情感状态的自适应情感感知系统	研究主要基于NAO机器人的小规模试点研究，样本量和多样性可能有限	提升儿童与机器人互动中的情感识别和响应能力，支持治疗和教育干预	儿童与机器人互动中的情感状态	情感计算	NA	面部表情分析、语音情感识别、机器学习	Dynamic Bayesian Mixture Model (DBMM)	面部表情数据、语音数据	NAO机器人参与的试点研究
6345	2025-03-01	Optimized Machine Learning for the Early Detection of Polycystic Ovary Syndrome in Women 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041166 PMID:40006393	研究论文	本研究旨在设计一种专家机器学习模型，用于基于初始症状和健康指标早期诊断多囊卵巢综合征（PCOS）	提出了一种集成学习模型，结合了七种基础分类器和一种深度学习模型作为元级分类器，并通过自然启发的海象优化（WaO）、布谷鸟搜索优化（CSO）和随机搜索优化（RSO）算法优化了集成学习模型的超参数	研究中使用的数据集可能有限，且模型的泛化能力需要进一步验证	早期诊断多囊卵巢综合征（PCOS）	女性患者	机器学习	多囊卵巢综合征	集成学习（EL）、深度学习（DL）	WaOEL, CSOEL, RSOEL	症状和健康指标数据	包含12个属性的新症状数据集
6346	2025-03-01	Improving Fall Classification Accuracy of Multi-Input Models Using Three-Axis Accelerometer and Heart Rate Variability Data 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041180 PMID:40006408	研究论文	本研究通过结合三轴加速度传感器和Holter心电图仪数据，提出了一种多输入模型，以提高跌倒分类的准确性	结合了加速度传感器和心电图数据，利用CNN-LSTM深度学习模型和宽学习模型，提出了一种新的多输入模型来增强跌倒分类的准确性	研究中存在两种运动类型下心率变异性未增加的情况，这可能影响模型的普适性	提高老年人跌倒分类的准确性，以预防跌倒及其导致的严重身体伤害	老年人	机器学习	老年疾病	深度学习，宽学习	CNN-LSTM	加速度传感器数据，心电图数据	15种不同运动的数据
6347	2025-03-01	Data Reconstruction Methods in Multi-Feature Fusion CNN Model for Enhanced Human Activity Recognition 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041184 PMID:40006413	研究论文	本文提出了一种多输入二维CNN架构，通过三种不同的数据重建方法融合特征，提升了人类活动识别的性能	采用多输入二维CNN架构，结合三种数据重建方法，有效提升了特征提取能力，减少了噪声影响	方法在自定义HAR数据集上验证，未在其他公开数据集上测试，可能影响泛化能力	提升人类活动识别（HAR）的准确性和鲁棒性	人类活动识别（HAR）	计算机视觉	NA	CNN	多输入二维CNN	一维加速度计数据	自定义HAR数据集
6348	2025-03-01	Automatic Evaluation of Bone Age Using Hand Radiographs and Pancorporal Radiographs in Adolescent Idiopathic Scoliosis 2025-Feb-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040452 PMID:40002603	研究论文	本研究提出了一种新的深度神经网络，用于通过手部X光片自动评估青少年特发性脊柱侧弯（AIS）患者的骨龄	开发了一种基于DenseNet201的定制神经网络，并引入了Score-CAM解释工具，以提高骨龄评估的透明度和可信度	未来工作需检测其他感兴趣区域并整合其他骨化中心	提高AIS患者骨龄评估的精度和效率	青少年特发性脊柱侧弯（AIS）患者	计算机视觉	脊柱侧弯	深度学习	DenseNet201	图像	超过250名AIS患者的临床测试数据集
6349	2025-03-01	Advances in Neuroimaging and Deep Learning for Emotion Detection: A Systematic Review of Cognitive Neuroscience and Algorithmic Innovations 2025-Feb-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040456 PMID:40002607	系统综述	本文综述了神经影像技术与深度学习在情感检测中的结合，旨在融合认知神经科学的见解与先进的算法方法，以增强情感识别的理解和应用	结合神经影像技术与深度学习，评估不同神经影像模态（如fMRI、EEG、MEG）和深度学习架构（如神经网络、CNN、GAN）在情感识别中的表现，并探讨其伦理和实践挑战	尽管深度学习模型在情感分类中表现良好，但数据隐私和偏见等伦理问题仍是重大挑战	增强情感识别的理解和应用，结合认知神经科学与先进算法方法	神经影像数据（fMRI、EEG、MEG）与深度学习模型（神经网络、CNN、GAN）	机器学习	NA	fMRI, EEG, MEG	神经网络, CNN, GAN	神经影像数据	64项实证研究
6350	2025-03-01	A Projective-Geometry-Aware Network for 3D Vertebra Localization in Calibrated Biplanar X-Ray Images 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041123 PMID:40006352	研究论文	本文提出了一种名为ProVLNet的投影几何感知网络，用于在标定的双平面X射线图像中定位3D椎骨	ProVLNet网络设计包括三个组件：Siamese 2D特征提取器、空间对齐融合模块和3D地标回归模块，能够有效结合投影几何信息，提高3D导航的准确性	目前的方法主要关注2D信息，忽略了投影几何，限制了X射线引导脊柱手术中3D导航的准确性	解决在标定的双平面X射线图像中进行3D椎骨定位的问题	腰椎和胸椎的双平面X射线图像	计算机视觉	脊柱疾病	深度学习	CNN	图像	两个典型且具有挑战性的数据集，分别来自腰椎和胸椎
6351	2025-03-01	A Novel Improvement of Feature Selection for Dynamic Hand Gesture Identification Based on Double Machine Learning 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041126 PMID:40006355	研究论文	本文提出了一种基于双重机器学习的新方法，用于动态手势识别中的特征选择，以提高模型的性能和可解释性	引入了双重机器学习方法，专注于变量之间的因果关系而非相关性，从而改进了特征选择的效果	未提及具体的研究限制	探索双重机器学习在手势识别问题中的应用，以选择与最终手势结果有因果关系的独立变量	动态手势识别中的特征选择	机器学习	NA	双重机器学习	NA	NA	NA
6352	2025-03-01	Machine Vision-Assisted Design of End Effector Pose in Robotic Mixed Depalletizing of Heterogeneous Cargo 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041137 PMID:40006367	研究论文	本文提出了一种实时方法，用于处理尺寸和方向各异的异质货物托盘拆垛，通过深度学习机器视觉确定箱子的尺寸、位置和方向，并实现无碰撞路径规划	利用深度学习机器视觉处理异质货物托盘拆垛，解决了现有系统主要针对高度同质货物的问题	未提及具体样本量或实验规模的限制	提高自动化拆垛系统在复杂工业环境中的效率和适应性	异质货物托盘	计算机视觉	NA	深度学习	NA	深度数据	NA
6353	2025-03-01	A Multimodal Deep Learning Approach to Intraoperative Nociception Monitoring: Integrating Electroencephalogram, Photoplethysmography, and Electrocardiogram 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041150 PMID:40006379	研究论文	本研究提出了一种多模态深度学习方法，通过整合脑电图（EEG）、光电容积描记图（PPG）和心电图（ECG）信号来预测全身麻醉下的伤害感受	创新点在于整合了多种生理信号（EEG、PPG、ECG）并使用深度学习模型（MLP和LSTM）来预测伤害感受，提高了监测的准确性	LSTM模型对快速变化的敏感性较低，可能影响其在实时监测中的应用	研究目的是改进全身麻醉下的伤害感受监测方法	研究对象为接受全身麻醉的患者	机器学习	NA	EEG、PPG、ECG信号采集	MLP、LSTM	生理信号数据	来自两家医院的患者数据
6354	2025-03-01	Artificial Intelligence and Deep Learning in Sensors and Applications: 2nd Edition 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041144 PMID:40006373	研究论文	本文探讨了人工智能和深度学习与传感器技术的结合，在多个领域提供创新解决方案	将AI和DL与传感器技术结合，提供跨领域的创新应用	NA	研究人工智能和深度学习在传感器技术中的应用	传感器技术及其应用	机器学习	NA	NA	深度学习	NA	NA
6355	2025-03-01	Detection of Flexible Pavement Surface Cracks in Coastal Regions Using Deep Learning and 2D/3D Images 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041145 PMID:40006376	研究论文	本研究利用深度学习和2D/3D图像技术，开发了一种用于检测沿海地区柔性路面表面裂缝的YOLOv5模型	使用YOLOv5模型结合2D/3D图像进行路面裂缝检测，特别是在沿海地区极端天气条件下的应用	模型的精度仍需进一步验证，特别是在背景噪声较多的沥青路面上	开发一种能够高效检测和分类路面表面裂缝的自动化系统	美国路易斯安那州、密西西比州和德克萨斯州靠近墨西哥湾的路面	计算机视觉	NA	深度学习	YOLOv5	2D/3D图像	分辨率4096×2048的图像，包含九种路面和非路面对象的标注
6356	2025-03-01	Multi-Harmonic Nonlinear Ultrasonic Fusion with Deep Learning for Subtle Parameter Identification of Micro-Crack Groups 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041152 PMID:40006381	研究论文	本文提出了一种结合深度学习模型的多谐波非线性响应融合识别方法，用于识别微裂纹群的细微参数	提出了一种新的多谐波非线性响应融合识别方法，结合深度学习模型，提高了微裂纹群细微参数的识别精度	NA	识别金属材料中微裂纹群的细微参数，以提高无损检测的准确性	金属材料中的微裂纹群	机器学习	NA	非线性超声波技术	一维卷积神经网络（1D CNN）	时域信号	NA
6357	2025-03-01	Deep Learning in Thoracic Oncology: Meta-Analytical Insights into Lung Nodule Early-Detection Technologies 2025-Feb-12, Cancers IF:4.5Q1 DOI:10.3390/cancers17040621 PMID:40002216	meta-analysis	本文通过系统回顾和荟萃分析评估了深度学习模型在胸部CT图像上检测肺结节的诊断准确性	首次对深度学习模型在肺结节检测中的诊断准确性进行了全面的荟萃分析，并揭示了数据集特征和研究方法对模型性能的影响	研究结果强调了需要更多样化的数据集、标准化的评估协议和干预性研究以提高模型的普适性和临床适用性	评估深度学习模型在胸部CT图像上检测肺结节的诊断准确性	肺结节	计算机视觉	肺癌	CT	CNN	图像	48项研究
6358	2025-03-01	Optimized Lightweight Architecture for Coronary Artery Disease Classification in Medical Imaging 2025-Feb-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040446 PMID:40002597	研究论文	本研究开发并评估了一种轻量级深度学习模型，用于运动员冠状动脉疾病（CAD）的早期检测	通过将ResNet启发的残差连接集成到VGG16架构中，模型在保持高诊断准确性的同时实现了计算效率的平衡	未来工作需要整合更广泛的数据集验证并增强模型的可解释性，以提高在现实临床场景中的采用率	开发一种适用于运动员冠状动脉疾病检测的轻量级深度学习模型	从事高强度耐力运动的运动员	计算机视觉	心血管疾病	深度学习	VGG16与ResNet结合的轻量级模型	医学影像	NA
6359	2025-03-01	Early Diagnosis of Alzheimer's Disease in Human Participants Using EEGConformer and Attention-Based LSTM During the Short Question Task 2025-Feb-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040448 PMID:40002598	研究论文	本研究利用EEGConformer和基于注意力的LSTM模型，在简短问答任务中对阿尔茨海默病（AD）谱系进行早期诊断	提出了一种基于认知任务的EEG分析方法，结合先进的深度学习模型，提高了AD谱系早期诊断的准确性	样本量较小，特别是AD患者组仅有10人，可能影响结果的普适性	探索基于任务EEG的AD谱系早期诊断方法	20名主观认知下降（SCD）患者、28名轻度认知障碍（MCI）患者和10名AD患者	数字病理学	老年疾病	EEG	LSTM, EEGConformer	EEG信号	58名参与者（20名SCD，28名MCI，10名AD）
6360	2025-03-01	Towards the Prediction of Responses to Cancer Immunotherapy: A Multi-Omics Review 2025-Feb-12, Life (Basel, Switzerland) DOI:10.3390/life15020283 PMID:40003691	综述	本文综述了利用多组学特征预测肿瘤免疫治疗反应的最新进展	强调了TMB、新抗原、MSI和突变特征在预测ICI反应中的重要性，并整合了bulk和单细胞RNA测序以增强对肿瘤免疫微环境的理解	需要大规模和多样化的临床数据集、多组学数据的标准化以及模型的可解释性	预测肿瘤免疫治疗反应	肿瘤患者	机器学习	癌症	高通量技术、bulk和单细胞RNA测序	传统机器学习和深度学习框架	多组学数据	NA