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
7561	2025-01-31	A Deep-Learning Method for Remaining Useful Life Prediction of Power Machinery via Dual-Attention Mechanism 2025-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s25020497 PMID:39860867	研究论文	本文提出了一种基于双注意力机制的深度学习方法，用于预测动力机械的剩余使用寿命（RUL）	提出了一种多特征融合模型，结合了卷积神经网络（CNN）、通道注意力机制、门控循环单元（GRU）和自注意力机制，以更全面地提取和整合时空特征	现有模型在全面特征提取方面存在困难，尤其是在捕捉动力机械复杂行为时，非线性退化模式在不同操作条件下出现	提高动力机械剩余使用寿命（RUL）预测的可靠性和准确性	动力机械	机器学习	NA	深度学习	CNN, GRU, 双注意力机制	时间序列数据	C-MAPSS数据集
7562	2025-01-31	LightweightUNet: Multimodal Deep Learning with GAN-Augmented Imaging Data for Efficient Breast Cancer Detection 2025-Jan-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010073 PMID:39851348	研究论文	本文提出了一种名为LightweightUNet的混合深度学习分类器，用于乳腺癌的准确分类，并通过多模态方法验证了其性能	提出了创新的LightweightUNet混合深度学习分类器，具有较低的计算成本和自适应特性，使用深度可分离卷积，并通过GAN生成合成图像增强数据集	未提及具体的局限性	开发一种高效、自动且精确的乳腺癌检测方法	乳腺癌检测	计算机视觉	乳腺癌	GAN（生成对抗网络）	LightweightUNet	图像	13,000张图像（来自两种模态：乳腺X光成像和超声成像），并使用StyleGAN3生成10,000张合成超声图像
7563	2025-01-31	Topology Design of Soft Phononic Crystals for Tunable Band Gaps: A Deep Learning Approach 2025-Jan-15, Materials (Basel, Switzerland) DOI:10.3390/ma18020377 PMID:39859848	研究论文	本文提出了一种基于深度学习的框架，用于设计具有可调带隙的软声子晶体拓扑结构	使用条件变分自编码器和多层感知器构建深度学习框架，实现从带隙到拓扑布局的映射关系，提高了设计的智能性和灵活性	NA	探索软声子晶体的拓扑设计，以实现可调带隙	软声子晶体	机器学习	NA	深度学习	条件变分自编码器（CVAE）、多层感知器（MLP）	NA	NA
7564	2025-01-31	Predicting Semen Analysis Parameters from Testicular Ultrasonography Images Using Deep Learning Algorithms: An Innovative Approach to Male Infertility Diagnosis 2025-Jan-15, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14020516 PMID:39860522	研究论文	本研究评估了基于深度学习算法的人工智能在预测睾丸超声图像中的精液分析参数方面的有效性	首次使用深度学习算法从睾丸超声图像中预测精液分析参数，为男性不育诊断提供了创新方法	研究样本量有限，且所有操作由同一操作者完成，可能存在操作者偏差	评估人工智能在男性不育诊断中的应用效果	18-54岁因不育问题就诊的男性患者	计算机视觉	男性不育	深度学习	VGG-16	图像	2022年2月至2023年4月期间就诊的男性患者
7565	2025-01-31	A Review of CNN Applications in Smart Agriculture Using Multimodal Data 2025-Jan-15, Sensors (Basel, Switzerland) DOI:10.3390/s25020472 PMID:39860841	综述	本文综述了卷积神经网络（CNN）在智能农业中的应用，涵盖了杂草检测、病害检测、作物分类、水资源管理和产量预测等多个领域	本文通过综合分析115多项最新研究，结合文献计量学研究，将CNN的应用置于农业5.0的背景下，展示了技术整合如何优化农业效率	未来研究需要进一步整合物联网和云平台进行实时数据处理，并利用大型语言模型获取监管洞察，以提高数据可访问性和混合建模能力	探讨CNN在智能农业中的应用及其在农业5.0中的潜力	智能农业中的多种应用场景，如杂草检测、病害检测、作物分类等	计算机视觉	NA	图像分类、图像分割、回归、目标检测	CNN	RGB图像、多光谱图像、雷达数据、热成像数据	超过115项研究
7566	2025-01-31	Fault Detection in Induction Machines Using Learning Models and Fourier Spectrum Image Analysis 2025-Jan-15, Sensors (Basel, Switzerland) DOI:10.3390/s25020471 PMID:39860842	研究论文	本研究提出了一种通过分析傅里叶频谱图像来自动检测感应电机故障的创新方法，结合深度学习技术进行故障检测	提出了一种新的预处理技术，通过引入独特的背景来增强频谱特征学习，并展示了不同卷积块如何捕捉特定特征，为模型解释性提供了新的视角	NA	开发一种自动检测感应电机故障的方法，以提高预测性维护的效率	感应电机	计算机视觉	NA	深度学习	VGG-19	图像	4251张图像，来源于不同运行条件下的三相感应电机信号
7567	2025-01-31	Mapping the Green Urban: A Comprehensive Review of Materials and Learning Methods for Green Infrastructure Mapping 2025-Jan-15, Sensors (Basel, Switzerland) DOI:10.3390/s25020464 PMID:39860833	综述	本文综述了绿色基础设施（GI）映射的当前状况，重点关注了各种传感器和图像数据，以及机器学习和深度学习技术在分类或分割任务中的应用	提出了一种新颖的自动化验证方法，展示了其潜在的有效性并指出了改进领域	NA	探讨绿色基础设施映射的材料和最新方法，以支持可持续城市发展	绿色基础设施（GI）	计算机视觉	NA	机器学习和深度学习	深度学习方法和机器学习方法	图像数据	分析了55篇相关论文
7568	2025-01-31	Biologically Inspired Spatial-Temporal Perceiving Strategies for Spiking Neural Network 2025-Jan-14, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10010048 PMID:39851764	研究论文	本文提出了一种基于神经元群的结构学习方法，用于尖峰神经网络（SNN），以更好地捕捉外部环境的时空信息，并提出了一种时间切片方案以更好地解释SNN生成的响应	提出了一种新的基于神经元群的结构学习方法，增强了SNN的环境感知能力，并具备一定的鲁棒性，有助于构建可解释或可理解的人工智能	NA	构建具有通用环境感知能力的未来无人系统，并实现可解释或可理解的人工智能	尖峰神经网络（SNN）	机器学习	NA	NA	SNN	时空信息	NA
7569	2025-01-31	Foodborne Event Detection Based on Social Media Mining: A Systematic Review 2025-Jan-14, Foods (Basel, Switzerland) DOI:10.3390/foods14020239 PMID:39856905	系统综述	本文系统评估了社交媒体和机器学习在食源性疾病检测和管理中的作用	结合社交媒体数据和机器学习技术，探索实时监测和疫情分析的新方法	许多研究存在高或不明确的偏倚风险，且需要标准化方法和进一步探索深度学习模型	评估社交媒体和机器学习在食源性疾病检测和管理中的潜力	食源性疾病	自然语言处理	食源性疾病	数据挖掘	浅层学习和深度学习	社交媒体数据	NA
7570	2025-01-28	Application of Convolutional Neural Networks and Recurrent Neural Networks in Food Safety 2025-Jan-14, Foods (Basel, Switzerland) DOI:10.3390/foods14020247 PMID:39856912	综述	本文探讨了卷积神经网络（CNNs）和循环神经网络（RNNs）在食品安全检测和风险预测中的应用	比较了传统食品安全检测方法与深度学习技术的优劣，并提出了结合物联网、区块链和联邦学习等技术以提高检测和预警的准确性和效率	讨论了RNNs和CNNs在食品安全领域的局限性，以及模型可解释性方面的挑战	研究深度学习技术在食品安全检测和风险预测中的应用	食品安全检测和风险预测	机器学习	NA	深度学习	CNN, RNN, LSTM	图像, 时间序列数据	NA
7571	2025-01-31	A Novel Mesoscale Eddy Identification Method Using Enhanced Interpolation and A Posteriori Guidance 2025-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s25020457 PMID:39860829	研究论文	本文提出了一种新的中尺度涡旋识别方法，通过增强插值和后验指导来提高识别精度	引入深度学习模型，结合多源融合数据和Squeeze-and-Excitation (SE)注意力机制，提高了正常和异常涡旋的识别精度	NA	提高中尺度涡旋识别的准确性和稳定性，以推动其动力学和影响的研究	中尺度涡旋	海洋学	NA	深度学习	Squeeze-and-Excitation (SE)注意力机制	多源融合数据	NA
7572	2025-01-31	Fluorescence Lifetime Endoscopy with a Nanosecond Time-Gated CAPS Camera with IRF-Free Deep Learning Method 2025-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s25020450 PMID:39860819	研究论文	本文介绍了一种基于纳米秒时间门控CAPS相机的荧光寿命内窥镜系统，结合无IRF的深度学习方法，用于实时荧光寿命成像	使用仅6个时间点的无IRF深度学习方法，提高了荧光寿命成像的均匀性和精度	未提及样本量或临床验证的详细信息	开发一种实时荧光寿命成像系统，用于内窥镜检查中恶性与良性细胞的区分	荧光寿命成像系统及其在刚性内窥镜中的应用	计算机视觉	NA	荧光寿命成像	深度学习	图像	NA
7573	2025-01-31	Clinical Decision Support Using Speech Signal Analysis: Systematic Scoping Review of Neurological Disorders 2025-Jan-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63004 PMID:39804693	系统范围综述	本文通过系统范围综述探讨了语音信号分析在神经系统疾病临床决策支持中的应用	提出了一个结合临床实践、语音科学和数据科学的结构化研究框架，以指导未来的研究	需要结构化研究过程来指导临床环境中的技术干预研究	探讨语音信号分析在神经系统疾病临床决策支持中的技术革命和最新趋势	神经系统疾病，特别是帕金森病、阿尔茨海默病和认知障碍	自然语言处理	神经系统疾病	语音信号分析	传统机器学习和深度学习	语音数据	389篇文章，其中72篇专注于神经系统疾病
7574	2025-01-31	Enhanced Detection Performance of Acute Vertebral Compression Fractures Using a Hybrid Deep Learning and Traditional Quantitative Measurement Approach: Beyond the Limitations of Genant Classification 2025-Jan-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010064 PMID:39851338	研究论文	本研究评估了传统方法高度损失比（HLR）在临床实践中识别主要急性压缩骨折的适用性，并将其与基于深度学习（DL）的VCF检测方法进行了比较，探讨了结合HLR与DL方法提升检测性能的潜力	结合传统高度损失比（HLR）与深度学习（DL）方法，显著提高了急性椎体压缩骨折（VCF）的检测性能，特别是TSVD_SD模型在敏感性和准确性方面表现最佳	研究仅基于589名患者的数据集，样本量相对有限，可能影响结果的普遍性	评估和比较传统方法与深度学习在急性椎体压缩骨折检测中的性能，探索两者结合的应用潜力	急性椎体压缩骨折（VCF）	医学影像分析	骨科疾病	深度学习（DL）	TSVD_SD, EEVD, TSVD_DC	医学影像	589名患者
7575	2025-01-31	ZooCNN: A Zero-Order Optimized Convolutional Neural Network for Pneumonia Classification Using Chest Radiographs 2025-Jan-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010022 PMID:39852335	研究论文	本文提出了一种基于零阶优化的卷积神经网络（ZooCNN），用于通过胸部X光片（CXR）图像对肺炎进行分类	使用零阶优化（Zoo）技术对CNN模型进行超参数微调，减少了72%的权重，并采用自适应合成采样（ADASYN）方法确保数据集的类别平衡	模型仅在Kaggle CXR图像（肺炎）数据集上进行了训练和验证，未在其他数据集上进行测试	开发一种自动化的肺炎诊断系统，以解决最不发达国家（LDCs）中放射科医生短缺的问题	胸部X光片（CXR）图像	计算机视觉	肺炎	自适应合成采样（ADASYN）	CNN	图像	Kaggle CXR图像（肺炎）数据集
7576	2025-01-31	Explainable AI in Diagnostic Radiology for Neurological Disorders: A Systematic Review, and What Doctors Think About It 2025-Jan-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020168 PMID:39857052	综述	本文系统回顾了可解释人工智能（XAI）在诊断放射学中用于神经系统疾病的应用，并探讨了医生对此的看法	特别强调了嵌入可解释性的计算机辅助诊断（CAD）系统，并总结了医学领域专家的意见和未来需要解决的挑战	当前研究主要集中在提高深度学习方案的性能准确性，而对解释的真实性和实用性关注较少，且缺乏可解释性的真实数据	探讨XAI在诊断放射学中的应用潜力，以解决医疗诊断中的挑战	神经系统疾病的诊断放射学	数字病理学	神经系统疾病	磁共振成像（MRI）、计算机断层扫描（CT）、正电子发射断层扫描（PET）	深度学习（DL）	图像	47项研究
7577	2025-01-31	Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images 2025-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17020230 PMID:39858012	研究论文	本研究利用深度学习技术分析数字细胞病理学图像，直接预测葡萄膜黑色素瘤患者的48个月生存状态	首次使用深度学习直接从数字细胞病理学图像预测葡萄膜黑色素瘤患者的长期生存状态	样本量较小（74名患者），且需要前瞻性验证	开发一种基于深度学习的葡萄膜黑色素瘤患者生存预测工具	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	细针穿刺活检（FNAB）和H&E染色	人工神经网络	图像	74名患者，207,260个独特ROI
7578	2025-01-28	In Shift and In Variance: Assessing the Robustness of HAR Deep Learning Models Against Variability 2025-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s25020430 PMID:39860799	研究论文	本研究评估了深度学习模型在人类活动识别（HAR）中对现实世界变异性的鲁棒性	首次系统地分析了主体、设备、位置和方向变异性对深度学习HAR模型的影响，并使用最大均值差异（MMD）量化了这些变异性引起的数据分布变化	研究主要基于实验室控制的数据集，未在更广泛的现实世界数据上进行验证	评估深度学习模型在人类活动识别中对现实世界变异性的鲁棒性	人类活动识别（HAR）的深度学习模型	机器学习	NA	最大均值差异（MMD）	深度学习模型	IMU传感器数据	使用了HARVAR和REALDISP数据集
7579	2025-01-31	A Hybrid Approach for Sports Activity Recognition Using Key Body Descriptors and Hybrid Deep Learning Classifier 2025-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s25020441 PMID:39860811	研究论文	本文提出了一种利用人体部位特征及其周围环境进行序列图像中事件识别的方法	结合了多种特征描述符和混合深度学习分类器，并采用灰狼优化算法进行特征选择，显著提高了事件识别的准确性	未提及具体的数据集限制或模型泛化能力的问题	提高复杂场景下运动活动识别的准确性	序列图像中的人体运动活动	计算机视觉	NA	MSER, SURF, 距离变换, DOF, BRIEF, HOG, FAST, 光流	CNN + RNN	图像	UCF-101 数据集和 YouTube 数据集
7580	2025-01-31	Unsupervised deep learning of electrocardiograms enables scalable human disease profiling 2025-Jan-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01418-9 PMID:39799251	研究论文	本文开发了一种深度学习的去噪自编码器，用于从12导联心电图（ECG）中检测人类疾病，并在三个独立的数据集中评估了ECG编码与约1600种基于Phecode的疾病之间的关联	利用深度学习的去噪自编码器从ECG中提取潜在空间特征，系统地评估了ECG编码与多种疾病之间的关联，并展示了如何利用潜在空间模型生成疾病特定的ECG波形	研究结果基于特定的数据集，可能无法推广到所有人群	探索ECG在检测人类疾病中的潜力，并开发一种能够进行疾病分析的深度学习模型	12导联心电图（ECG）数据	机器学习	心血管疾病	深度学习	去噪自编码器	ECG数据	三个独立的数据集，涉及约1600种基于Phecode的疾病