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
7661	2025-03-01	Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146 2025-Feb-18, Life (Basel, Switzerland) DOI:10.3390/life15020316 PMID:40003734	correction	本文是对先前发表的关于皮肤病变分析和癌症检测的综述文章的更正	NA	NA	NA	NA	digital pathology	skin cancer	NA	NA	NA	NA
7662	2025-03-01	A Study on Systematic Improvement of Transformer Models for Object Pose Estimation 2025-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s25041227 PMID:40006456	研究论文	本研究提出了一种基于Transformer架构的深度学习模型，用于计算机视觉中的物体姿态估计，通过调整注意力层和引入低秩权重分解来减少内存消耗并提高训练效率	通过调整Transformer的注意力层和引入低秩权重分解，显著减少了GPU内存使用，并提高了多物体姿态估计的性能	改进后的模型虽然减少了内存使用，但增加了模型权重参数的数量	改进Transformer模型在物体姿态估计中的性能，特别是减少内存消耗和提高训练效率	物体姿态估计	计算机视觉	NA	深度学习	Transformer	图像	NA
7663	2025-03-01	Evaluating Synthetic Diffusion MRI Maps created with Diffusion Denoising Probabilistic Models 2025-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.06.621173 PMID:39574701	研究论文	本研究训练了潜在扩散模型（LDM）和去噪扩散概率模型（DDPM），专门用于生成合成扩散张量成像（DTI）图	将生成式AI模型应用于医学和神经影像数据，生成高质量的合成DTI图，并通过数据增强提高分类器性能	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	评估生成式AI模型在生成合成DTI图方面的效果，并探索其在神经科学研究和临床诊断中的应用	合成扩散张量成像（DTI）图	计算机视觉	NA	潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）	CNN、ViT	3D DTI扫描	未明确提及具体样本数量
7664	2025-03-01	A Non-Invasive Approach for Facial Action Unit Extraction and Its Application in Pain Detection 2025-Feb-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020195 PMID:40001714	研究论文	本文提出了一种基于3D面部标志的非侵入性面部动作单元（AU）提取方法，并将其应用于疼痛检测	使用3D面部标志而非面部图像进行AU检测，保护患者隐私的同时保持高准确性	未提及具体的数据集规模或多样性限制	开发一种保护隐私的面部动作单元提取方法，并应用于疼痛检测	面部动作单元（AUs）及其强度	计算机视觉	NA	3D面部标志提取，轻量级神经网络	轻量级神经网络（NN），深度学习模型	视频记录中的3D面部标志	未提及具体样本数量
7665	2025-03-01	Objective Pain Assessment Using Deep Learning Through EEG-Based Brain-Computer Interfaces 2025-Feb-17, Biology DOI:10.3390/biology14020210 PMID:40001978	研究论文	本研究开发了一种基于脑电图（EEG）的疼痛检测系统，利用深度学习模型进行疼痛分类和检测	采用脑机接口技术结合深度学习模型进行疼痛分类和检测，相比传统机器学习模型有更高的准确率	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种可靠的疼痛分类和检测系统，以支持临床治疗策略的制定	基于脑电图（EEG）的疼痛信号	脑机接口	NA	脑电图（EEG）	卷积神经网络（CNN）、循环神经网络（RNN）	脑电图（EEG）信号	未明确提及样本数量
7666	2025-03-01	A Comprehensive AI Framework for Superior Diagnosis, Cranial Reconstruction, and Implant Generation for Diverse Cranial Defects 2025-Feb-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020188 PMID:40001707	研究论文	本文提出了一种综合AI框架，用于改进颅骨缺陷的诊断、重建和植入物生成	提出了CRIGNet这一新型深度学习模型，并在包含2160张图像的多样化数据集上进行了严格训练，确保了诊断各种缺陷模式的鲁棒性	现有方法面临数据集多样性不足、缺乏整合预处理、重建和植入物生成的综合流程等固有局限	改进颅骨缺陷的诊断、重建和植入物生成流程，提高准确性和效率	颅骨缺陷	数字病理	NA	深度学习	CRIGNet	CT图像	2160张图像
7667	2025-03-01	Intracranial Aneurysm Segmentation with a Dual-Path Fusion Network 2025-Feb-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020185 PMID:40001704	研究论文	本文介绍了一种名为双路径融合网络（DPF-Net）的深度学习架构，用于改进颅内动脉瘤（IAs）的自动分割	DPF-Net通过独特的保留分辨率细节分支和交叉融合模块，有效结合了语义信息和细节特征，提高了分割精度	NA	提高颅内动脉瘤自动分割的精度，以支持临床诊断	颅内动脉瘤（IAs）	计算机视觉	颅内动脉瘤	深度学习	双路径融合网络（DPF-Net）	医学影像	CADA数据集和BraTS 2020 MRI数据集
7668	2025-03-01	Challenging Cognitive Load Theory: The Role of Educational Neuroscience and Artificial Intelligence in Redefining Learning Efficacy 2025-Feb-15, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15020203 PMID:40002535	系统综述	本文系统综述了认知负荷理论（CLT）、教育神经科学（EdNeuro）、人工智能（AI）和机器学习（ML）在优化学习环境中的综合影响	结合AI驱动的自适应学习系统和神经生理学工具（如EEG和fNIRS），动态调整教学策略，提升个性化教育效果	实际应用中存在数据隐私、伦理问题、算法偏见和可扩展性等挑战	探讨AI和ML如何通过管理认知负荷和提供个性化教学来提升学习效能	K-12学生和成人学习者	教育技术	NA	EEG, fNIRS, fMRI, ECG, GSR	CNN, RNN, SVM	神经生理数据	103篇相关论文
7669	2025-03-01	Disentangling Multiannual Air Quality Profiles Aided by Self-Organizing Map and Positive Matrix Factorization 2025-Feb-14, Toxics IF:3.9Q1 DOI:10.3390/toxics13020137 PMID:39997952	研究论文	本文提出了一种结合自组织映射（SOM）算法、层次聚类分析（HCA）和正矩阵分解（PMF）的方法，用于解析多年多地的空气质量数据	创新点在于结合了SOM、HCA和PMF方法，能够在单次处理中解析多年多地的数据，而无需预先分离地点和年份	未提及具体的数据集大小或处理时间，可能在实际应用中存在计算资源需求较高的问题	研究目的是解析多年多地的空气质量数据，以识别污染物来源及其随时间的变化	研究对象是多年多地的空气质量数据	环境科学	NA	自组织映射（SOM）、层次聚类分析（HCA）、正矩阵分解（PMF）	SOM、HCA、PMF	空气质量数据	未提及具体样本数量
7670	2025-03-01	IDCC-SAM: A Zero-Shot Approach for Cell Counting in Immunocytochemistry Dataset Using the Segment Anything Model 2025-Feb-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020184 PMID:40001703	研究论文	本文介绍了一种名为IDCC-SAM的新方法，用于在免疫细胞化学数据集中进行细胞计数，该方法利用Segment Anything Model（SAM）实现零样本学习	IDCC-SAM是首个将Segment Anything Model（SAM）应用于免疫细胞化学数据集中的零样本细胞计数方法，无需标注数据即可实现高效计数	尽管IDCC-SAM在多个数据集上表现优异，但其在复杂场景下的泛化能力仍需进一步验证	研究目标是开发一种无需标注数据的细胞计数方法，以提高免疫细胞化学研究中的效率和准确性	研究对象是免疫细胞化学数据集中的细胞	计算机视觉	NA	Segment Anything Model（SAM）	SAM	荧光显微镜图像	三个公共数据集（IDCIA、ADC和VGG）
7671	2025-03-01	An Assessment of Deep Learning's Impact on General Dentists' Ability to Detect Alveolar Bone Loss in 2D Intraoral Radiographs 2025-Feb-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040467 PMID:40002618	研究论文	本研究评估了深度学习技术对普通牙医在2D口内X光片中检测牙槽骨丧失能力的影响	首次评估了Denti.AI深度学习技术对普通牙医在临床实践中检测牙槽骨丧失能力的影响	研究未发现使用Denti.AI深度学习技术对经验丰富的牙医在诊断准确性上有显著提升	探讨深度学习技术对牙医检测牙槽骨丧失能力的影响	普通牙医	数字病理学	牙周病	深度学习	NA	图像	26张口内X光片（根尖片和咬翼片），10名牙医参与评估
7672	2025-03-01	Automatic Evaluation of Bone Age Using Hand Radiographs and Pancorporal Radiographs in Adolescent Idiopathic Scoliosis 2025-Feb-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040452 PMID:40002603	研究论文	本研究提出了一种新的深度神经网络，用于通过手部X光片自动评估青少年特发性脊柱侧弯（AIS）患者的骨龄	开发了一种基于DenseNet201的定制神经网络，并引入了Score-CAM解释工具，以提高骨龄评估的透明度和可信度	未来工作需检测其他感兴趣区域并整合其他骨化中心	提高AIS患者骨龄评估的精度和效率	青少年特发性脊柱侧弯（AIS）患者	计算机视觉	脊柱侧弯	深度学习	DenseNet201	图像	超过250名AIS患者的临床测试数据集
7673	2025-03-01	Advances in Neuroimaging and Deep Learning for Emotion Detection: A Systematic Review of Cognitive Neuroscience and Algorithmic Innovations 2025-Feb-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040456 PMID:40002607	系统综述	本文综述了神经影像技术与深度学习在情感检测中的结合，旨在融合认知神经科学的见解与先进的算法方法，以增强情感识别的理解和应用	结合神经影像技术与深度学习，评估不同神经影像模态（如fMRI、EEG、MEG）和深度学习架构（如神经网络、CNN、GAN）在情感识别中的表现，并探讨其伦理和实践挑战	尽管深度学习模型在情感分类中表现良好，但数据隐私和偏见等伦理问题仍是重大挑战	增强情感识别的理解和应用，结合认知神经科学与先进算法方法	神经影像数据（fMRI、EEG、MEG）与深度学习模型（神经网络、CNN、GAN）	机器学习	NA	fMRI, EEG, MEG	神经网络, CNN, GAN	神经影像数据	64项实证研究
7674	2025-03-01	Machine Vision-Assisted Design of End Effector Pose in Robotic Mixed Depalletizing of Heterogeneous Cargo 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041137 PMID:40006367	研究论文	本文提出了一种实时方法，用于处理尺寸和方向各异的异质货物托盘拆垛，通过深度学习机器视觉确定箱子的尺寸、位置和方向，并实现无碰撞路径规划	利用深度学习机器视觉处理异质货物托盘拆垛，解决了现有系统主要针对高度同质货物的问题	未提及具体样本量或实验规模的限制	提高自动化拆垛系统在复杂工业环境中的效率和适应性	异质货物托盘	计算机视觉	NA	深度学习	NA	深度数据	NA
7675	2025-03-01	Artificial Intelligence and Deep Learning in Sensors and Applications: 2nd Edition 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041144 PMID:40006373	研究论文	本文探讨了人工智能和深度学习与传感器技术的结合，在多个领域提供创新解决方案	将AI和DL与传感器技术结合，提供跨领域的创新应用	NA	研究人工智能和深度学习在传感器技术中的应用	传感器技术及其应用	机器学习	NA	NA	深度学习	NA	NA
7676	2025-03-01	Detection of Flexible Pavement Surface Cracks in Coastal Regions Using Deep Learning and 2D/3D Images 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041145 PMID:40006376	研究论文	本研究利用深度学习和2D/3D图像技术，开发了一种用于检测沿海地区柔性路面表面裂缝的YOLOv5模型	使用YOLOv5模型结合2D/3D图像进行路面裂缝检测，特别是在沿海地区极端天气条件下的应用	模型的精度仍需进一步验证，特别是在背景噪声较多的沥青路面上	开发一种能够高效检测和分类路面表面裂缝的自动化系统	美国路易斯安那州、密西西比州和德克萨斯州靠近墨西哥湾的路面	计算机视觉	NA	深度学习	YOLOv5	2D/3D图像	分辨率4096×2048的图像，包含九种路面和非路面对象的标注
7677	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
7678	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
7679	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
7680	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）