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
6661	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
6662	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
6663	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
6664	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
6665	2025-02-16	A Deep Learning Approach for the Classification of Fibroglandular Breast Density in Histology Images of Human Breast Tissue 2025-Jan-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17030449 PMID:39941816	研究论文	本研究旨在开发一种基于深度学习的计算工具，用于分类H&E染色的人乳腺组织切片中的纤维腺体密度，以辅助未来的乳腺密度研究	使用迁移学习的MobileNet-v2卷积神经网络和视觉变换器模型来分类纤维腺体密度，提供了快速且易于使用的乳腺密度分析工具	分类中最具挑战性的是第3类，第2类和第4类的图像被错误分类为第3类	开发一种计算工具，用于分类纤维腺体密度，以辅助乳腺密度研究	H&E染色的人乳腺组织切片	计算机视觉	乳腺癌	深度学习	MobileNet-v2, 视觉变换器	图像	93名患者的965个组织块
6666	2025-02-16	Decoding Pain: A Comprehensive Review of Computational Intelligence Methods in Electroencephalography-Based Brain-Computer Interfaces 2025-Jan-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030300 PMID:39941230	综述	本文综述了基于脑电图（EEG）信号的疼痛检测研究，探讨了机器学习和深度学习方法在脑机接口（BCI）技术中的应用	结合人工智能与脑机接口技术，提升系统的实时响应和适应性，深度学习方法在分析EEG信号和识别疼痛相关模式方面表现出色	讨论了EEG基础疼痛检测的进展和挑战，特别是在临床应用中的功能需求，指出了当前研究的空白和未来研究的机会	探讨基于EEG信号的疼痛检测方法，评估机器学习和深度学习技术在疼痛分类和检测中的应用效果	脑电图（EEG）信号	脑机接口	疼痛	机器学习，深度学习	支持向量机，随机森林，k近邻，卷积神经网络，循环神经网络，Transformer	EEG信号	20篇同行评审文章
6667	2025-02-16	Research on Detection Methods for Gas Pipeline Networks Under Small-Hole Leakage Conditions 2025-Jan-26, Sensors (Basel, Switzerland) DOI:10.3390/s25030755 PMID:39943394	研究论文	本文提出了一种针对小孔泄漏条件下的气体管道网络检测方法，采用时空注意力网络（STAN）来提高检测精度	创新点在于结合图注意力网络（GAT）和LSTM模型，通过时空注意力机制捕捉管道数据的动态变化，从而提升检测能力	现有方法未能有效建模管道的时间变化结构数据，限制了检测能力	研究目的是提高气体管道网络在小孔泄漏条件下的检测精度	研究对象是气体管道网络及其泄漏检测	机器学习	NA	时空注意力网络（STAN）、图注意力网络（GAT）、LSTM模型	STAN、GAT、LSTM	时间序列数据	使用气体管道仿真数据集进行评估
6668	2025-02-16	MammoViT: A Custom Vision Transformer Architecture for Accurate BIRADS Classification in Mammogram Analysis 2025-Jan-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030285 PMID:39941215	研究论文	本文提出了一种名为MammoViT的新型混合深度学习框架，用于在乳腺X光片分析中准确分类BIRADS	结合了ResNet50的分层特征提取能力和Vision Transformer捕捉图像长距离依赖关系的能力，解决了传统计算机辅助检测系统在复杂特征提取和上下文理解上的不足	未提及具体局限性	提高乳腺X光片BIRADS分类的准确性，支持乳腺癌筛查的临床决策	乳腺X光片	计算机视觉	乳腺癌	深度学习	ResNet50, Vision Transformer	图像	未提及具体样本数量
6669	2025-02-14	Radar Signal Processing and Its Impact on Deep Learning-Driven Human Activity Recognition 2025-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s25030724 PMID:39943363	研究论文	本研究探讨了将卷积神经网络（CNN）与传统雷达信号处理方法结合，以提高人类活动识别（HAR）的准确性和效率	将雷达生成的图像作为视觉数据处理，连接雷达信号处理和图像表示领域，同时确保敏感应用中的隐私	NA	提高人类活动识别的准确性和效率	人类活动识别（HAR）	计算机视觉	NA	雷达信号处理	CNN（VGG-16, VGG-19, ResNet-50, MobileNetV2）	图像	NA
6670	2025-02-16	A Novel Framework for Whole-Slide Pathological Image Classification Based on the Cascaded Attention Mechanism 2025-Jan-25, Sensors (Basel, Switzerland) DOI:10.3390/s25030726 PMID:39943365	研究论文	本文介绍了一种创新的深度学习框架，用于解决传统病理图像分析的局限性以及肿瘤诊断中医疗资源的迫切需求	提出了一种基于级联注意力机制的框架，增强了有意义模式的识别并抑制了无关背景信息，相比现有方法在分类准确性、模型泛化能力和结果可解释性上表现更优	未提及具体局限性	提高肿瘤诊断的效率和准确性，减少医疗成本并改善患者预后	全切片病理图像	计算机视觉	癌症	深度学习	级联注意力机制	图像	Camelyon16数据集
6671	2025-02-16	Prediction of the Trimer Protein Interface Residue Pair by CNN-GRU Model Based on Multi-Feature Map 2025-Jan-24, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15030188 PMID:39940164	研究论文	本文提出了一种基于多特征图和CNN-GRU深度学习框架的方法，用于预测三聚体蛋白质界面残基对	利用氨基酸k间隔乘积因子描述符(AAIPF(k))整合氨基酸的位置信息和理化性质，结合残基的电性质和几何形状特征，构建8×16的多特征图，并采用CNN-GRU深度学习框架进行预测	当每个二聚体蛋白质提供10个预测结果且需要准确预测三聚体蛋白质的两个蛋白质-蛋白质相互作用界面时，准确率为60%，存在一定的局限性	研究三聚体蛋白质界面残基对，以更深入地理解蛋白质-蛋白质相互作用机制	三聚体蛋白质界面残基对	生物信息学	NA	深度学习	CNN-GRU	蛋白质序列和结构数据	NA
6672	2025-02-16	The Role of Artificial Intelligence in Urogynecology: Current Applications and Future Prospects 2025-Jan-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030274 PMID:39941204	综述	本文综述了人工智能在泌尿妇科领域的当前应用和未来前景	探讨了人工智能在泌尿妇科诊断和成像工具中的应用，并讨论了其未来前景和局限性	人工智能在泌尿妇科领域的安全实施面临挑战	探讨人工智能在泌尿妇科中的应用及其未来前景	泌尿妇科领域的诊断和成像工具	医学影像	妇科疾病	机器学习和深度学习	NA	图像	NA
6673	2025-02-16	Optical Coherence Tomography Image Enhancement and Layer Detection Using Cycle-GAN 2025-Jan-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030277 PMID:39941207	研究论文	本文介绍了使用深度学习方法将一种OCT设备的低清晰度图像转换为另一种设备的高清晰度图像，并同时估计增强图像中的视网膜神经纤维层（RNFL）分割线	使用cycle-GAN方法进行图像转换，并在转换图像中估计RNFL分割线，相比pix2pix方法，cycle-GAN在图像转换和曲线相似性方面表现更优	未提及具体的研究样本量或数据集大小，可能影响结果的普适性	提高不同OCT设备间图像清晰度的一致性，并准确估计RNFL分割线，以改善青光眼的诊断一致性	OCT图像	计算机视觉	青光眼	深度学习	cycle-GAN, pix2pix	图像	NA
6674	2025-02-16	Spatio-Temporal Transformer with Kolmogorov-Arnold Network for Skeleton-Based Hand Gesture Recognition 2025-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s25030702 PMID:39943338	研究论文	本文提出了一种基于骨架的手势识别框架ST-KT，结合了时空图卷积网络和带有Kolmogorov-Arnold网络的Transformer模型，用于捕捉手部关节之间的长时依赖关系	提出了ST-KT框架，结合了时空图卷积网络和KAN-Transformer模块，能够有效捕捉非相邻手部关节之间的潜在连接和长时依赖关系	未提及具体局限性	提高基于骨架的手势识别的准确性和鲁棒性	手部骨架序列	计算机视觉	NA	时空图卷积网络（ST-GCN）、Kolmogorov-Arnold网络（KAN）	ST-GCN、KAN-Transformer	骨架序列数据	在两个具有挑战性的骨架动态手势数据集（SHREC'17和DHG-14/28）上进行了评估
6675	2025-02-16	Digital Twin Smart City Visualization with MoE-Based Personal Thermal Comfort Analysis 2025-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s25030705 PMID:39943343	研究论文	本研究利用数字孪生技术结合深度学习模型，构建了一个智能城市可视化应用，用于个人热舒适度分析，以优化能源使用和提升城市居民生活质量	结合数字孪生技术与深度学习模型进行个人热舒适度分析，为智能城市应用开发提供了新的框架和路线图	研究主要针对韩国某智能区域，可能在其他地区的适用性有限	通过数字孪生技术和AI驱动分析，优化城市能源使用、降低成本并提升居民生活质量	智能城市中的建筑和家庭能源消耗	数字孪生技术	NA	深度学习	NA	3D地理空间数据	NA
6676	2025-02-16	CDKD-w+: A Keyframe Recognition Method for Coronary Digital Subtraction Angiography Video Sequence Based on w+ Space Encoding 2025-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s25030710 PMID:39943348	研究论文	本文提出了一种基于w+空间编码的冠状动脉数字减影血管造影视频序列关键帧识别方法CDKD-w+，旨在提高冠状动脉3D建模的准确性	创新点在于使用pSp编码器将冠状动脉DSA图像编码为w+空间中的潜在代码，并通过帧间潜在代码的差异分析进行心跳关键帧定位	由于心脏跳动导致的动脉血管收缩和扩张，DSA序列之间存在较大差异，这可能影响3D建模的准确性	研究目的是提高冠状动脉3D建模的准确性，通过识别DSA视频序列中的关键帧	研究对象是冠状动脉数字减影血管造影（DSA）视频序列	计算机视觉	心血管疾病	DSA成像技术	pSp编码器	视频序列	自建的冠状动脉DSA心跳关键帧识别数据集
6677	2025-02-16	Deep Learning Design for Loss Optimization in Metamaterials 2025-Jan-23, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15030178 PMID:39940154	研究论文	本文利用深度学习结合超材料中的弱相互作用原理，重新审视并优化了先前验证的无序离散超材料，提出了一种创新的损耗优化策略	结合深度学习和超材料中的弱相互作用原理，提出了一种新的无序离散超材料损耗优化策略	未提及具体实验验证或实际应用中的挑战	优化超材料在可见光波段的损耗，开发高性能光子器件	无序离散超材料	机器学习	NA	深度学习	NA	NA	NA
6678	2025-02-16	Comprehensive Evaluation of Multi-Omics Clustering Algorithms for Cancer Molecular Subtyping 2025-Jan-23, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26030963 PMID:39940732	研究论文	本文开发了一个用于全面评估多组学聚类算法的通用框架，并引入了一种创新的指标——准确性加权平均指数，该指标同时考虑了聚类性能和临床相关性	引入了准确性加权平均指数，同时考虑了聚类性能和临床相关性，并开发了一个用于评估多组学聚类算法的通用框架	缺乏明确的金标准，使得评估和比较这些方法具有挑战性	评估和比较多组学聚类算法在癌症分子分型中的应用	11种最先进的多组学聚类算法，包括基于深度学习的方法	机器学习	癌症	多组学数据整合	深度学习	多组学数据	NA
6679	2025-02-16	Bone Age Assessment Using Various Medical Imaging Techniques Enhanced by Artificial Intelligence 2025-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030257 PMID:39941187	研究论文	本文探讨了利用人工智能增强的各种医学成像技术进行骨龄评估的进展	本文比较了基于人工智能的骨龄评估方法在不同成像技术中的应用，填补了现有文献的空白	本文未进行具体的实验验证，主要依赖于文献综述	研究目的是改进骨龄评估的准确性和效率，以解决传统方法的局限性	研究对象是骨龄评估方法及其在不同医学成像技术中的应用	计算机视觉	NA	X-ray, MRI, CT, 超声成像	机器学习和深度学习	图像	NA
6680	2025-02-16	Lightweight Deep Learning Framework for Accurate Detection of Sports-Related Bone Fractures 2025-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030271 PMID:39941201	研究论文	本文提出了一种轻量级的深度学习框架，用于准确检测与运动相关的骨折，旨在提高诊断的准确性和计算效率	提出了一种基于DenseNet121架构的新型骨折检测框架，通过修改初始卷积块和最终层来优化特征提取，并集成了Canny边缘检测器以增强检测局部结构不连续性的能力	未来的工作将集中在扩展模型的应用到其他成像模式和骨折类型	开发一种轻量级且高效的深度学习框架，以提高骨折检测的准确性和计算效率，满足运动医学的需求	与运动相关的骨折	计算机视觉	NA	深度学习	DenseNet121	图像	定制的放射影像数据集，专注于常见的运动相关骨折