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
7721	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
7722	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
7723	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
7724	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）
7725	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
7726	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
7727	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
7728	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
7729	2025-02-16	A Hybrid Deep Transfer Learning Framework for Delamination Identification in Composite Laminates 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030826 PMID:39943465	研究论文	本文提出了一种混合深度迁移学习框架，用于识别复合材料层压板中的分层现象	结合预训练的EfficientNet和ResNet模型，利用有限数据进行深度特征提取，提高了结构健康监测的性能	需要验证框架在不同类型复合材料或更复杂损伤情况下的适用性	提高复合材料层压板中分层检测的准确性和鲁棒性	复合材料层压板	机器学习	NA	深度迁移学习	EfficientNet, ResNet	振动信号	包含三种健康状态的复合材料层压板上的压电传感器数据
7730	2025-02-16	Towards an Energy Consumption Index for Deep Learning Models: A Comparative Analysis of Architectures, GPUs, and Measurement Tools 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030846 PMID:39943485	研究论文	本研究引入了一种新开发的能耗指数，用于评估深度学习模型的能效，提供了一个标准化且适应性强的方法	提出了一个新的能耗指数，能够评估不同深度学习模型的能效，并展示了其在多种架构和GPU上的适用性	研究主要关注卷积神经网络和Swin Transformer，未涵盖所有类型的深度学习模型	评估深度学习模型的能效，推动AI系统的可持续发展	深度学习模型，包括AlexNet、ResNet18、VGG16、EfficientNet-B3、ConvNeXt-T和Swin Transformer	机器学习	NA	NA	卷积神经网络（CNN）、Swin Transformer	图像数据（Imagenette数据集）	使用TITAN XP和GTX 1080 GPU进行训练和推理的深度学习模型
7731	2025-02-16	An Intrusion Detection System over the IoT Data Streams Using eXplainable Artificial Intelligence (XAI) 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030847 PMID:39943488	研究论文	本文提出了一种基于深度学习和可解释人工智能（XAI）技术的新型入侵检测系统（IDS）架构，旨在提高网络和物联网（IoT）系统的安全性	结合深度学习和XAI技术，创建可解释的模型，使安全分析师能够有效使用这些模型	实时实施该方法需要解释生成的预测，这可能增加系统的复杂性	提高网络和物联网系统的入侵检测准确性和透明度	网络和物联网系统的数据流	机器学习	NA	深度学习，可解释人工智能（XAI）	1-D CNN, DNN, TabNet	网络和物联网数据流	七个不同的TON_IOT数据集
7732	2025-02-16	Transformers for Neuroimage Segmentation: Scoping Review 2025-Jan-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本文综述了2019年至2023年间使用Transformer模型进行神经影像分割的研究现状	本文首次系统性地评估了Transformer在神经影像分割中的应用，特别是混合卷积神经网络-Transformer架构的性能	Transformer模型的高计算成本和小数据集上的潜在过拟合问题限制了其应用	评估和总结Transformer模型在神经影像分割中的应用现状	神经影像分割，特别是脑肿瘤检测	计算机视觉	脑肿瘤	Transformer模型	混合卷积神经网络-Transformer架构	磁共振成像（MRI）	67篇符合纳入标准的研究，涉及1246篇出版物
7733	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
7734	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
7735	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
7736	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
7737	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
7738	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
7739	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
7740	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