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
6801	2025-02-16	A Prestressed Concrete Cylinder Pipe Broken Wire Detection Algorithm Based on Improved YOLOv5 2025-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s25030977 PMID:39943616	研究论文	本文研究了一种基于改进YOLOv5的预应力混凝土圆柱管断丝检测算法，旨在提高断丝检测的效率和准确性	提出了轻量级算法YOLOv5-Break，通过使用MobileNetV3替换YOLOv5网络主干、引入动态卷积和坐标注意力机制，以及采用Focal_EIoU损失函数，显著降低了模型的计算复杂度和内存占用，同时保持了高精度	算法在特定数据集上表现优异，但在其他类型或规模的数据集上的泛化能力尚未验证	开发一种高效且轻量化的预应力混凝土圆柱管断丝检测算法，以替代传统耗时费力的检测方法	预应力混凝土圆柱管（PCCP）的断丝检测	计算机视觉	NA	连续小波变换（CWT）	YOLOv5-Break（基于YOLOv5的改进模型）	时频谱图	自建的断丝数据集
6802	2025-02-16	Multi-Classification of Skin Lesion Images Including Mpox Disease Using Transformer-Based Deep Learning Architectures 2025-Feb-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030374 PMID:39941304	研究论文	本文提出了一种基于Transformer深度学习架构的多分类皮肤病变图像诊断模型，包括对Mpox（猴痘）疾病的诊断	使用Transformer架构进行皮肤病变图像的多分类诊断，并研究了自监督学习、自蒸馏和移位窗口技术对分类成功率的影响	研究中使用的数据集可能有限，且未提及模型在其他疾病或数据集上的泛化能力	开发一种快速、可靠的多分类皮肤病变图像诊断模型，特别是针对Mpox疾病	皮肤病变图像，包括Mpox疾病的图像	计算机视觉	皮肤疾病	深度学习	Transformer（SwinTransformer, ViT, MAE, DINO）	图像	Mpox Skin Lesion Dataset, Version 2.0（具体样本数量未提及）
6803	2025-02-16	Alzheimer's Prediction Methods with Harris Hawks Optimization (HHO) and Deep Learning-Based Approach Using an MLP-LSTM Hybrid Network 2025-Feb-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030377 PMID:39941306	研究论文	本文提出了一种结合群体智能与深度学习的集成方法，用于阿尔茨海默病的分类	结合了Harris Hawks Optimization (HHO)算法与多层感知器(MLP)和长短期记忆(LSTM)网络的混合模型，用于特征选择和分类	研究仅使用了ADNI数据集，可能限制了模型的泛化能力	提高阿尔茨海默病的早期诊断准确性	阿尔茨海默病相关的MRI图像	医学影像分析	阿尔茨海默病	卷积神经网络(CNN), 灰度共生矩阵(GLCM), Harris Hawks Optimization (HHO)	MLP-LSTM混合网络	MRI图像	ADNI数据集
6804	2025-02-16	Deep Learning to Distinguish Edema Secondary to Retinal Vein Occlusion and Diabetic Macular Edema: A Multimodal Approach Using OCT and Infrared Imaging 2025-Feb-05, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14031008 PMID:39941677	研究论文	本文提出了一种使用深度学习方法区分视网膜静脉阻塞继发性黄斑水肿和糖尿病性黄斑水肿的多模态方法，结合OCT和红外成像技术	首次使用深度学习模型对OCT图像进行分类，以区分视网膜静脉阻塞继发性黄斑水肿和糖尿病性黄斑水肿，并引入了多模态输入（OCT B扫描、红外图像和糖尿病信息）	研究依赖于单一数据集，可能限制了模型的泛化能力	提供一种可靠的工具，帮助眼科医生提高诊断的准确性和速度	视网膜静脉阻塞继发性黄斑水肿和糖尿病性黄斑水肿患者	计算机视觉	视网膜疾病	OCT成像、红外成像	卷积神经网络（CNN），VGG-19	图像（OCT B扫描、红外图像）	766名患者，包括208只健康眼、207只视网膜静脉阻塞继发性黄斑水肿眼、218只糖尿病性黄斑水肿眼和200只其他病理眼
6805	2025-02-16	Deep Learning-Based Ground-Penetrating Radar Inversion for Tree Roots in Heterogeneous Soil 2025-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s25030947 PMID:39943586	研究论文	本文提出了一种基于深度学习的地面穿透雷达（GPR）反演方法，用于实时成像地下树根和分层异质土壤的介电常数空间分布	引入了结合金字塔卷积和视觉Transformer的PyViTENet模型，通过增加边缘反演任务，提高了对异质结构细节的关注	NA	开发一种能够准确检测地下树根和异质土壤介电常数分布的方法，以支持树木健康和资源管理	地下树根和分层异质土壤	计算机视觉	NA	地面穿透雷达（GPR）	PyViTENet（结合金字塔卷积和视觉Transformer的模型）	模拟数据集和实测数据集	NA
6806	2025-02-16	A Survey of Deep Learning-Based Pedestrian Trajectory Prediction: Challenges and Solutions 2025-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s25030957 PMID:39943596	综述	本文综述了基于深度学习的行人轨迹预测方法，探讨了其面临的挑战及解决方案	总结了深度学习在行人轨迹预测中的主要挑战，并提出了相应的解决方案，同时分析了主流数据集上的最新研究成果	未提出新的预测模型或算法，主要基于现有文献进行分析和总结	研究基于深度学习的行人轨迹预测方法，提升预测准确性、效率和可靠性	行人轨迹预测	计算机视觉	NA	深度学习	NA	轨迹数据	NA
6807	2025-02-16	DeiT and Image Deep Learning-Driven Correction of Particle Size Effect: A Novel Approach to Improving NIRS-XRF Coal Quality Analysis Accuracy 2025-Feb-04, Sensors (Basel, Switzerland) DOI:10.3390/s25030928 PMID:39943568	研究论文	本文提出了一种结合Segment Anything Model (SAM)和Data-Efficient Image Transformers (DeiTs)的新方法，用于校正煤样粒度效应对NIRS-XRF煤质分析精度的影响	首次将SAM用于煤样粒度精确分割，并结合DeiT模型分析粒度与灰分测量误差的关系，显著提高了灰分预测的准确性和一致性	NA	提高NIRS-XRF煤质分析的准确性和一致性	煤样	计算机视觉	NA	近红外光谱和X射线荧光光谱(NIRS-XRF)	Segment Anything Model (SAM), Data-Efficient Image Transformers (DeiTs)	图像	NA
6808	2025-02-16	Building Better Deep Learning Models Through Dataset Fusion: A Case Study in Skin Cancer Classification with Hyperdatasets 2025-Feb-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030352 PMID:39941282	研究论文	本文探讨了通过数据集融合构建更大规模、更多样化的训练数据集的重要性，并提出了一个名为Data Merger App的图像数据集合并应用，以简化和合成大规模数据集的管理	提出了Data Merger App，能够识别不同数据集中的共同类别，并提供工具将它们合并和组织成结构良好且易于访问的形式	NA	研究通过数据集融合提高深度学习模型在皮肤癌分类中的性能	皮肤癌图像	计算机视觉	皮肤癌	NA	CNN (VGG16, ResNet50, MobileNetV3-small, DenseNet-161), Visual Transformer (ViT)	图像	NA
6809	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
6810	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
6811	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
6812	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
6813	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
6814	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）
6815	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
6816	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
6817	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
6818	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
6819	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
6820	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