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
6621	2025-02-16	Training State-of-the-Art Deep Learning Algorithms with Visible and Extended Near-Infrared Multispectral Images of Skin Lesions for the Improvement of Skin Cancer Diagnosis 2025-Feb-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030355 PMID:39941285	研究论文	本研究探讨了使用多光谱成像技术改进深度学习模型对皮肤病变分类的效果	使用多光谱图像而非传统的RGB图像来训练深度学习模型，以提高皮肤病变分类的准确性	数据集规模较小，可能影响模型的泛化能力	改进皮肤病变的诊断方法，特别是皮肤癌的诊断	皮肤病变，包括痣、黑色素瘤和基底细胞癌	计算机视觉	皮肤癌	多光谱成像	CNN, VGG-16	图像	327个痣、112个黑色素瘤和70个基底细胞癌的多光谱图像
6622	2025-02-16	Advancements in Artificial Intelligence for Kidney Transplantology: A Comprehensive Review of Current Applications and Predictive Models 2025-Feb-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14030975 PMID:39941645	综述	本文深入探讨了人工智能在肾脏移植学中的当前应用和预测模型	重点介绍了机器学习和深度学习技术及其子类型在肾脏移植中的应用，包括移植排斥预测模型、个性化免疫抑制治疗优化、供体与受体匹配算法以及组织病理学图像的复杂分析	NA	探讨人工智能在肾脏移植学中的应用及其对临床决策的影响	肾脏移植学中的数据和预测模型	机器学习	肾脏疾病	机器学习和深度学习	NA	医学数据	NA
6623	2025-02-16	Geographical Origin Traceability of Navel Oranges Based on Near-Infrared Spectroscopy Combined with Deep Learning 2025-Feb-03, Foods (Basel, Switzerland) DOI:10.3390/foods14030484 PMID:39942078	研究论文	本研究基于近红外光谱结合深度学习技术，探讨了脐橙地理来源的快速、无损、精确追溯方法	首次将一维卷积神经网络（1DCNN）应用于脐橙地理来源的追溯，并与多种传统机器学习算法进行了比较	研究仅针对中国五个主要产区的Newhall脐橙，样本来源和品种有限	探索一种快速、无损、精确的脐橙地理来源追溯方法，以防止产地欺诈现象	脐橙	机器学习	NA	近红外光谱（NIRS）	一维卷积神经网络（1DCNN）	光谱数据	490个来自中国五个主要产区的Newhall脐橙
6624	2025-02-16	Adaptive Grasp Pose Optimization for Robotic Arms Using Low-Cost Depth Sensors in Complex Environments 2025-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s25030909 PMID:39943551	研究论文	本文提出了一种高效的抓取姿态估计算法，适用于配备两指平行夹持器和消费级深度相机的机械臂系统	与依赖大量数据且对低精度点云效率低下的传统深度学习方法不同，本文采用椭球建模来克服这些问题，并通过三阶段优化来细化抓取路径	NA	提高机械臂在复杂环境中的抓取成功率和计算效率	机械臂系统，特别是配备两指平行夹持器和消费级深度相机的系统	机器人学	NA	椭球建模，非线性优化	NA	点云数据	通过仿真和实验验证，具体样本数量未提及
6625	2025-02-16	RGANet: A Human Activity Recognition Model for Extracting Temporal and Spatial Features from WiFi Channel State Information 2025-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s25030918 PMID:39943556	研究论文	本文提出了一种名为RGANet的模型，用于从WiFi信道状态信息中提取时空特征以进行人类活动识别	通过改进残差网络（ResNet）而非简单的CNN，有效提取空间特征并保留时间信息，然后将提取的空间特征输入改进的GRU模型进行时间序列学习	未明确提及	提高基于WiFi的人类活动识别（HAR）的准确性	WiFi信道状态信息（CSI）	计算机视觉	NA	深度学习	ResNet, GRU	WiFi信道状态信息	UT_HAR数据集和NTU-FI HAR数据集
6626	2025-02-16	A Deep Learning Model for Detecting the Arrival Time of Weak Underwater Signals in Fluvial Acoustic Tomography Systems 2025-Feb-03, Sensors (Basel, Switzerland) DOI:10.3390/s25030922 PMID:39943561	研究论文	本文提出了一种用于检测河流声学断层扫描系统中弱水下信号到达时间的深度学习模型	提出了一种双通道深度学习模型（DCA-Net），通过设计交互模块和注意力模块来提高网络的特征信息提取能力	模型在复杂水下环境中的应用效果仍需进一步验证	解决传统匹配滤波方法在低信噪比（SNR）环境下难以有效应用的问题	河流声学断层扫描系统中的声学信号	机器学习	NA	深度学习	DCA-Net	声学信号	使用现场收集的声学断层扫描系统接收信号合成的低SNR数据（-10、-15和-20分贝）
6627	2025-02-16	Automatic Detection of Occluded Main Coronary Arteries of NSTEMI Patients with MI-MS ConvMixer + WSSE Without CAG 2025-Feb-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030347 PMID:39941277	研究论文	本研究提出了一种基于深度学习的新方法，用于自动检测NSTEMI患者中被阻塞的主要冠状动脉	开发了新的多输入多尺度（MI-MS）ConvMixer模型，用于自动检测，并引入了WSSE算法以根据特征重要性权重调整分类预测值，提高了分类器性能	研究未提及模型在不同人群或不同医疗环境中的泛化能力，也未讨论模型在实际临床应用中可能遇到的挑战	旨在通过自动检测NSTEMI患者中被阻塞的主要冠状动脉，减少对冠状动脉造影（CAG）的依赖	NSTEMI患者	数字病理	心血管疾病	深度学习	MI-MS ConvMixer	12通道ECG数据	NA
6628	2025-02-16	A Novel Rolling Bearing Fault Diagnosis Method Based on the NEITD-ADTL-JS Algorithm 2025-Jan-31, Sensors (Basel, Switzerland) DOI:10.3390/s25030873 PMID:39943513	研究论文	本文提出了一种创新的轴承故障诊断方法，旨在提高迁移学习的准确性和有效性	在信号预处理阶段引入了噪声消除内在时间尺度分解（NEITD）算法，并结合改进的自适应深度迁移学习（ADTL）网络和水母搜索（JS）算法自适应优化故障诊断参数	NA	提高轴承故障诊断的准确性和鲁棒性	轴承故障信号	机器学习	NA	NEITD, ADTL, JS	深度学习网络	信号数据	NA
6629	2025-02-16	Recent Applications of Theoretical Calculations and Artificial Intelligence in Solid-State Electrolyte Research: A Review 2025-Jan-30, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15030225 PMID:39940203	综述	本文综述了理论计算和人工智能在固态电解质研究中的最新应用	结合高通量筛选、理论计算和人工智能方法，展示了多种方法在材料发现和性能优化中的独特优势	理论计算方法如密度泛函理论和分子动力学在材料结构优化和离子传输动力学分析中存在局限性	促进高性能固态电解质材料的发展，推动全固态电池的工业应用	固态电解质材料	材料科学	NA	密度泛函理论（DFT）、分子动力学（MD）、机器学习（ML）、深度学习（DL）	NA	NA	NA
6630	2025-02-16	DynHeter-DTA: Dynamic Heterogeneous Graph Representation for Drug-Target Binding Affinity Prediction 2025-Jan-30, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26031223 PMID:39940990	研究论文	本文提出了一种动态异构图预测模型DynHeter-DTA，用于药物-靶点结合亲和力预测，通过充分利用药物-药物、蛋白质-蛋白质和药物-蛋白质之间的复杂关系，使模型能够自适应地学习最优图结构	提出了一种动态异构图预测模型DynHeter-DTA，通过动态调整药物-药物、蛋白质-蛋白质和药物-蛋白质之间的连接强度，构建可变异构图结构，显著提高了模型的表达能力和泛化性能	NA	提高药物-靶点结合亲和力预测的准确性和效率	药物和靶点蛋白质	机器学习	NA	深度学习	Graph Isomorphism Networks (GIN) 和 Self-Attention Graph Pooling (SAGPooling)	图数据	Davis、KIBA 和 Human 公共数据集
6631	2025-02-16	PPLA-Transformer: An Efficient Transformer for Defect Detection with Linear Attention Based on Pyramid Pooling 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030828 PMID:39943467	研究论文	本文提出了一种基于金字塔池化的线性注意力机制，用于提高工业产品缺陷检测的准确性和效率	提出了一种新的线性注意力机制，结合金字塔池化增强全局特征提取能力，并通过部分卷积提升局部特征提取能力，从而在减少计算负担的同时提高检测精度	未提及具体局限性	提高工业产品缺陷检测的准确性和效率	工业产品缺陷	计算机视觉	NA	深度学习	Transformer, 线性注意力机制	图像	自建的SIM卡槽缺陷数据集和公开的PKU-Market-PCB数据集
6632	2025-02-16	A Vision Transformer Model for the Prediction of Fatal Arrhythmic Events in Patients with Brugada Syndrome 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030824 PMID:39943462	研究论文	本研究介绍了一种基于视觉变换器（ViT）的模型，利用12导联心电图图像预测Brugada综合征患者的致命性心律失常事件	首次将视觉变换器（ViT）模型应用于Brugada综合征患者的心电图分析，以预测致命性心律失常事件	数据集规模较小，仅包含278份心电图，且模型在非平衡数据集上的表现仍有提升空间	通过深度学习模型提高Brugada综合征患者致命性心律失常事件的风险预测准确性	Brugada综合征患者的心电图数据	计算机视觉	心血管疾病	深度学习	视觉变换器（ViT）	图像	278份心电图，来自210名Brugada综合征患者
6633	2025-02-16	A Hybrid Deep Transfer Learning Framework for Delamination Identification in Composite Laminates 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030826 PMID:39943465	研究论文	本文提出了一种混合深度迁移学习框架，用于识别复合材料层压板中的分层现象	结合预训练的EfficientNet和ResNet模型，利用有限数据进行深度特征提取，提高了结构健康监测的性能	需要验证框架在不同类型复合材料或更复杂损伤情况下的适用性	提高复合材料层压板中分层检测的准确性和鲁棒性	复合材料层压板	机器学习	NA	深度迁移学习	EfficientNet, ResNet	振动信号	包含三种健康状态的复合材料层压板上的压电传感器数据
6634	2025-02-16	Towards an Energy Consumption Index for Deep Learning Models: A Comparative Analysis of Architectures, GPUs, and Measurement Tools 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030846 PMID:39943485	研究论文	本研究引入了一种新开发的能耗指数，用于评估深度学习模型的能效，提供了一个标准化且适应性强的方法	提出了一个新的能耗指数，能够评估不同深度学习模型的能效，并展示了其在多种架构和GPU上的适用性	研究主要关注卷积神经网络和Swin Transformer，未涵盖所有类型的深度学习模型	评估深度学习模型的能效，推动AI系统的可持续发展	深度学习模型，包括AlexNet、ResNet18、VGG16、EfficientNet-B3、ConvNeXt-T和Swin Transformer	机器学习	NA	NA	卷积神经网络（CNN）、Swin Transformer	图像数据（Imagenette数据集）	使用TITAN XP和GTX 1080 GPU进行训练和推理的深度学习模型
6635	2025-02-16	An Intrusion Detection System over the IoT Data Streams Using eXplainable Artificial Intelligence (XAI) 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030847 PMID:39943488	研究论文	本文提出了一种基于深度学习和可解释人工智能（XAI）技术的新型入侵检测系统（IDS）架构，旨在提高网络和物联网（IoT）系统的安全性	结合深度学习和XAI技术，创建可解释的模型，使安全分析师能够有效使用这些模型	实时实施该方法需要解释生成的预测，这可能增加系统的复杂性	提高网络和物联网系统的入侵检测准确性和透明度	网络和物联网系统的数据流	机器学习	NA	深度学习，可解释人工智能（XAI）	1-D CNN, DNN, TabNet	网络和物联网数据流	七个不同的TON_IOT数据集
6636	2025-02-16	Transformers for Neuroimage Segmentation: Scoping Review 2025-Jan-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本文综述了2019年至2023年间使用Transformer模型进行神经影像分割的研究现状	本文首次系统性地评估了Transformer在神经影像分割中的应用，特别是混合卷积神经网络-Transformer架构的性能	Transformer模型的高计算成本和小数据集上的潜在过拟合问题限制了其应用	评估和总结Transformer模型在神经影像分割中的应用现状	神经影像分割，特别是脑肿瘤检测	计算机视觉	脑肿瘤	Transformer模型	混合卷积神经网络-Transformer架构	磁共振成像（MRI）	67篇符合纳入标准的研究，涉及1246篇出版物
6637	2025-02-16	The Use of Artificial Intelligence and Wearable Inertial Measurement Units in Medicine: Systematic Review 2025-Jan-29, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/60521 PMID:39880389	系统综述	本文系统综述了人工智能（AI）与可穿戴惯性测量单元（IMU）在医疗领域的整合应用，探讨了当前的应用、挑战和未来机会	本文首次系统性地评估了AI与可穿戴IMU在医疗领域的结合，揭示了当前研究中的模型使用、数据集特征以及未来扩展的潜力	数据集规模较小（中位数为50名参与者），限制了AI模型的有效训练和泛化能力；研究多在临床环境中进行，而非真实生活场景，限制了实际应用性	评估AI模型与可穿戴IMU在医疗领域的整合，识别当前应用、挑战和未来机会	医疗领域中的AI模型与可穿戴IMU数据	医疗健康	神经系统疾病	AI模型与可穿戴IMU数据结合	机器学习模型（如线性回归、支持向量机、随机森林）	IMU数据	中位数为50名参与者
6638	2025-02-16	Infrared Small Target Detection Algorithm Based on Improved Dense Nested U-Net Network 2025-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s25030814 PMID:39943453	研究论文	本文提出了一种基于改进的密集嵌套U-Net网络的红外小目标检测算法，旨在解决传统CNN方法在红外小目标检测中因多次下采样操作导致的深层目标消失问题	提出了IDNA-UNet方法，设计了密集嵌套交互模块（DNIM）和自底向上的特征金字塔融合模块，以保留小目标的特征和细节定位信息，并应用了更适合的尺度与位置敏感（SLS）损失函数	未提及具体的数据集或实验环境限制	提高红外小目标检测的准确性和鲁棒性	红外小目标	计算机视觉	NA	深度学习	U-Net	红外图像	未提及具体样本数量
6639	2025-02-16	Real-Time Driver Drowsiness Detection Using Facial Analysis and Machine Learning Techniques 2025-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s25030812 PMID:39943451	研究论文	本研究利用面部分析和机器学习技术开发了一种实时、非侵入式的驾驶员疲劳检测系统，旨在提高道路安全	系统性地评估了多种机器学习和深度学习算法在三个关键公共数据集上的表现，其中KNN分类器在UTA-RLDD数据集上达到了98.89%的准确率，YOLOv5和YOLOv8在UTA-RLDD数据集上实现了100%的精确率和召回率	尽管系统在特定数据集上表现优异，但未提及在其他环境或数据集上的泛化能力	开发一种实时、非侵入式的驾驶员疲劳检测系统，以提高道路安全	驾驶员的面部特征	计算机视觉	NA	机器学习、深度学习、计算机视觉	KNN、SVM、CNN、YOLOv5、YOLOv8、Faster R-CNN	图像	三个公共数据集：NTHUDDD、YawDD、UTA-RLDD
6640	2025-02-16	Aircraft Sensor Fault Diagnosis Based on GraphSage and Attention Mechanism 2025-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s25030809 PMID:39943448	研究论文	本文提出了一种基于GraphSage和注意力机制的飞机传感器故障诊断方法，以提高故障检测性能和计算速度	结合GraphSage和注意力机制，增强了故障特征的提取，并通过图采样和基于注意力的聚合方法充分利用数据点之间的相关性	未提及方法在极端或复杂环境下的鲁棒性	提高飞机传感器故障诊断的准确性和效率	飞机传感器	机器学习	NA	GraphSage, 注意力机制	GraphSage, 注意力机制	传感器信号数据	模拟和真实飞行数据