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
7041	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
7042	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
7043	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
7044	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）
7045	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
7046	2025-03-01	Recent Advances in Deep Learning-Based Spatiotemporal Fusion Methods for Remote Sensing Images 2025-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s25041093 PMID:40006322	综述	本文综述了基于深度学习的时空融合方法在遥感图像中的应用，分析比较了现有算法，总结了当前挑战，并提出了未来研究方向	引入了深度学习模型（如CNN、GAN、Transformers和扩散模型）到时空融合领域，提高了算法的效率和准确性	现有深度学习融合算法在处理复杂融合场景时仍存在困难，需要进一步分析和比较	提高遥感图像的时空分辨率，以支持精确的环境监测和资源管理	遥感图像	计算机视觉	NA	深度学习	CNN, GAN, Transformers, 扩散模型	图像	NA
7047	2025-03-01	Acoustic Emission-Based Pipeline Leak Detection and Size Identification Using a Customized One-Dimensional DenseNet 2025-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s25041112 PMID:40006342	研究论文	本文提出了一种基于声发射（AE）的管道监测方法，结合经验小波变换（EWT）和定制的1D DenseNet架构，用于精确的泄漏检测和大小分类	创新点在于结合了EWT进行自适应频率分解和定制的1D DenseNet架构，显著提高了泄漏检测的准确性和计算效率	方法在真实世界数据上的表现仍需进一步验证，尤其是在更复杂的操作环境中	研究目的是开发一种高效的管道泄漏检测和大小识别方法，以提高工业管道的操作安全性和完整性	研究对象是工业管道中的泄漏现象	机器学习	NA	经验小波变换（EWT），自适应阈值和去噪技术	定制的1D DenseNet	声发射（AE）数据	在受控泄漏和非泄漏条件下收集的真实世界AE数据
7048	2025-03-01	Electromagnetic Imaging in Half-Space Using U-Net with the Iterative Modified Contrast Scheme 2025-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s25041120 PMID:40006349	研究论文	本文提出了一种结合U-Net和迭代修改对比度方案（IMCS）的方法，用于解决半空间中的逆散射问题	创新点在于将IMCS与U-Net结合，通过深度学习提高对比度边界的检测能力，增强噪声免疫性，并提高结构相似性（SSI）	未提及具体局限性	研究目的是改进半空间中逆散射问题的解决方案，提高图像重建的准确性和噪声免疫性	半空间中的逆散射问题	计算机视觉	NA	迭代修改对比度方案（IMCS）	U-Net	图像	NA
7049	2025-03-01	Few-Shot Segmentation of 3D Point Clouds Under Real-World Distributional Shifts in Railroad Infrastructure 2025-Feb-11, Sensors (Basel, Switzerland) DOI:10.3390/s25041072 PMID:40006300	研究论文	本文探讨了在铁路基础设施中，面对现实世界分布变化时，使用少样本学习进行3D点云分割的应用	本文首次将少样本学习应用于铁路监控系统，并形式化了三种常见的分布变化类型，评估了少样本学习在这些变化下的适应性	少样本学习在处理域内和跨域分布外变化时性能显著下降，尤其是在处理未见过的基础设施类别时	研究少样本学习在铁路监控系统中对3D点云分割的适应性	铁路基础设施的3D点云数据	计算机视觉	NA	少样本学习	深度学习模型	3D点云数据	NA
7050	2025-03-01	Object Recognition and Positioning with Neural Networks: Single Ultrasonic Sensor Scanning Approach 2025-Feb-11, Sensors (Basel, Switzerland) DOI:10.3390/s25041086 PMID:40006314	研究论文	本文提出了一种基于单个低成本超声波传感器的成像技术，通过卷积神经网络（CNN）进行物体识别和定位	利用单个超声波传感器扫描数据集，结合卷积神经网络（CNN）进行物体特征提取和坐标估计，实现了90%的分类和定位准确率	研究仅限于单个超声波传感器的应用，未涉及多传感器融合或其他复杂环境下的性能评估	开发一种基于超声波传感器的物体识别和定位技术，以解决光学不可见环境下的测量问题	超声波传感器扫描数据集	计算机视觉	NA	超声波传感	CNN	图像	未明确说明样本数量，但提到通过训练合理数量的数据实现了90%的准确率
7051	2025-03-01	CXR-Seg: A Novel Deep Learning Network for Lung Segmentation from Chest X-Ray Images 2025-Feb-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020167 PMID:40001687	研究论文	本文提出了一种名为CXR-Seg的新型深度学习网络，用于从胸部X光图像中进行肺部语义分割	CXR-Seg网络结合了预训练的EfficientNet编码器、空间增强模块、变压器注意力模块和多尺度特征融合块，以提高肺部分割的准确性和泛化能力	尽管在多个数据集上表现出色，但该方法的泛化能力仍需在更多样化的数据集上进行验证	提高胸部X光图像中肺部语义分割的准确性和诊断可靠性	胸部X光图像中的肺部	计算机视觉	肺癌	深度学习	CXR-Seg（结合EfficientNet、空间增强模块、变压器注意力模块和多尺度特征融合块）	图像	四个公开数据集（MC、Darwin、Shenzhen和TCIA）
7052	2025-03-01	Streamlit Application and Deep Learning Model for Brain Metastasis Monitoring After Gamma Knife Treatment 2025-Feb-10, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020423 PMID:40002836	研究论文	本研究探索了使用AI驱动的放射组学来分类和监测伽玛刀放射外科（GKRS）后脑转移的进展和消退，基于MRI成像	使用动态类别加权和数据增强的迁移学习增强AlexNet深度学习模型，开发了基于Streamlit的临床决策支持应用，提供实时AI驱动的治疗监测预测	尽管模型达到了100%的准确率，但需要多中心验证以确保其普适性	探索AI驱动的放射组学在伽玛刀放射外科后脑转移监测中的应用	60名患者的3194张MRI图像	计算机视觉	脑转移	MRI成像	AlexNet, ResNet-50, EfficientNet-B0	图像	60名患者的3194张MRI图像
7053	2025-03-01	Deep Learning in Glaucoma Detection and Progression Prediction: A Systematic Review and Meta-Analysis 2025-Feb-10, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020420 PMID:40002833	系统综述与荟萃分析	本文评估了深度学习在诊断青光眼和预测其进展方面的表现，使用了眼底摄影和视网膜光学相干断层扫描（OCT）图像	本文通过荟萃分析系统地评估了深度学习在青光眼诊断和进展预测中的表现，并指出了未来改进方向	在预测青光眼进展方面，深度学习模型的表现不如诊断任务中稳健，且外部验证数据集的准确性较低	评估深度学习在青光眼诊断和进展预测中的性能	青光眼	计算机视觉	青光眼	眼底摄影和视网膜光学相干断层扫描（OCT）	深度学习（DL）	图像	48项研究
7054	2025-03-01	Semi-Supervised Burn Depth Segmentation Network with Contrast Learning and Uncertainty Correction 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041059 PMID:40006288	研究论文	本文提出了一种结合对比学习和不确定性校正的半监督烧伤深度分割网络SBCU-Net，用于提高烧伤深度分割的自动化与标准化	SBCU-Net引入了两个额外的解码器分支以增强概率图与软伪标签在多级扰动下的一致性，通过对比学习改进复杂区域的分割，并利用不确定性校正机制减少不准确伪标签的影响	未明确提及具体局限性	提高烧伤深度分割的自动化与标准化，减少治疗成本并提高生存率	烧伤深度分割	计算机视觉	烧伤	深度学习	SBCU-Net	图像	未明确提及具体样本量
7055	2025-03-01	A Heterogeneity-Aware Semi-Decentralized Model for a Lightweight Intrusion Detection System for IoT Networks Based on Federated Learning and BiLSTM 2025-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s25041039 PMID:40006268	研究论文	本文提出了一种基于联邦学习和双向长短期记忆网络的半分散模型，用于物联网网络中的轻量级入侵检测系统	该模型通过聚类物联网设备并分配集群头来减少与服务器通信的设备数量，从而降低通信开销，并改进聚合过程	模型主要关注分布式拒绝服务攻击，可能未全面覆盖其他类型的网络攻击	开发一种适合物联网设备能力的轻量级入侵检测系统	物联网网络中的设备	机器学习	NA	联邦学习, 双向长短期记忆网络	BiLSTM, LSTM, WGAN	网络数据	使用了CICIoT2023、BoT-IoT、WUSTL-IIoT-2021和Edge-IIoTset四个数据集
7056	2025-03-01	ResGRU: A Novel Hybrid Deep Learning Model for Compound Fault Diagnosis in Photovoltaic Arrays Considering Dust Impact 2025-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s25041035 PMID:40006264	研究论文	本文提出了一种新型混合深度学习模型ResGRU，用于光伏阵列的复合故障诊断，特别考虑了灰尘影响	ResGRU模型结合了残差网络（ResNet）和双向门控循环单元（BiGRU），并引入了Squeeze-and-Excitation（SE）模块和中心损失函数，以提高故障诊断的准确性和模型的判别能力	NA	提高光伏阵列复合故障诊断的准确性，特别是在灰尘积累情况下的诊断	光伏阵列的故障诊断	机器学习	NA	深度学习	ResGRU（结合ResNet和BiGRU）	I-V曲线	NA
7057	2025-03-01	An Extensive Study of Convolutional Neural Networks: Applications in Computer Vision for Improved Robotics Perceptions 2025-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s25041033 PMID:40006262	review	本文综述了卷积神经网络（CNNs）的基本原理及其在机器人感知中的计算机视觉任务中的应用，同时探讨了该领域的挑战和未来前景	本文不仅回顾了CNNs的历史、基本概念和工作原理，还特别强调了其在机器人感知中的应用，填补了现有综述的空白	本文主要关注CNNs在机器人感知中的应用，可能未涵盖CNNs在其他领域的最新进展	探讨CNNs在计算机视觉中的应用，特别是其在提升机器人感知性能方面的潜力	卷积神经网络（CNNs）及其在机器人感知中的应用	computer vision	NA	NA	CNN	image	NA
7058	2025-03-01	CylinDeRS: A Benchmark Visual Dataset for Robust Gas Cylinder Detection and Attribute Classification in Real-World Scenes 2025-Feb-08, Sensors (Basel, Switzerland) DOI:10.3390/s25041016 PMID:40006245	研究论文	本文介绍了CylinDeRS，一个用于真实场景中气瓶检测及其属性分类的领域特定数据集	提出了一个包含7060张RGB图像和超过25,250个标注实例的新数据集，用于气瓶检测和属性分类	数据集可能无法涵盖所有真实世界场景的多样性	提升气瓶检测和属性分类的准确性和效率，以增强安全和操作效率	气瓶及其属性（材料、尺寸、方向）	计算机视觉	NA	深度学习	SotA模型	图像	7060张RGB图像，包含超过25,250个标注实例
7059	2025-03-01	Autism Data Classification Using AI Algorithms with Rules: Focused Review 2025-Feb-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020160 PMID:40001680	综述	本文综述了使用基于规则的AI算法进行自闭症谱系障碍（ASD）数据分类的研究，旨在整合当前研究、识别差距并指导未来研究	本文的创新点在于专注于从行为学角度探讨可解释的分类算法在ASD检测中的应用，并提出了将深度学习与基于规则的分类器相结合的混合方法以提高模型的可解释性和准确性	本文的局限性在于缺乏对具体数据集和样本量的详细讨论，且未深入探讨混合方法在实际应用中的具体效果	研究目的是通过综述基于规则的分类研究，提供对ASD早期检测和干预方法的深入理解，并指导未来研究方向	研究对象为自闭症谱系障碍（ASD）的行为学数据	机器学习	自闭症谱系障碍	基于规则的分类算法、深度学习	决策树、混合模型	行为学数据	NA
7060	2025-03-01	Sequence-Only Prediction of Super-Enhancers in Human Cell Lines Using Transformer Models 2025-Feb-07, Biology DOI:10.3390/biology14020172 PMID:40001940	研究论文	本研究揭示了基于Transformer的深度学习模型在人类肿瘤细胞系中预测超级增强子的应用，特别关注于人类基因组中超级增强子和增强子元素的序列特征	提出了仅使用序列特征的SE预测方法，利用GENA-LM处理长DNA序列，并在没有表观遗传标记的情况下分析扩展的基因组序列	研究仅限于特定的人类肿瘤细胞系，未涵盖所有可能的细胞类型	开发一种仅基于序列特征的超级增强子预测方法，用于生物信息学中的增强子/超级增强子表征和基因调控研究	人类肿瘤细胞系中的超级增强子和增强子元素	生物信息学	肿瘤	Transformer模型	GENA-LM	DNA序列	HeLa, HEK293, H2171, Jurkat, K562, MM1S和U87细胞系