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
8001	2025-01-31	Deep learning uncovers histological patterns of YAP1/TEAD activity related to disease aggressiveness in cancer patients 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111638 PMID:39868035	研究论文	本文利用深度学习技术从H&E染色组织切片中预测YAP1/TEAD活性，并探讨其与癌症患者疾病侵袭性的关系	首次将深度学习应用于组织切片，预测YAP1/TEAD活性，并验证其在多个癌症中的稳健性	需要进一步验证该方法在不同癌症类型中的普适性和临床应用的可行性	开发一种可重复且成本效益高的方法来测量Hippo信号通路的激活状态，以增强治疗效果	癌症患者的H&E染色组织切片	数字病理学	癌症	深度学习	NA	图像	七个独立的验证队列
8002	2025-01-31	LEHP-DETR: A model with backbone improved and hybrid encoding innovated for flax capsule detection 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111558 PMID:39877068	研究论文	本文提出了一种名为LEHP-DETR的改进模型，用于亚麻籽胶囊的检测，通过引入多个新模块显著提升了检测性能	引入了RepNCSPELAN4模块、ADown模块、Context Aggregation模块和TFE模块，并设计了HWD-ADown模块、HiLo-AIFI模块和DSSFF模块，显著提升了模型性能	未提及模型的泛化能力或其他数据集的测试结果	开发一种高效且准确的亚麻籽胶囊检测模型	亚麻籽胶囊	计算机视觉	NA	深度学习	LEHP-DETR	图像	未明确提及样本数量
8003	2025-01-31	Validation of a Fingertip Home Sleep Apnea Testing System Using Deep Learning AI and a Temporal Event Localization Analysis 2025-Jan-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae317 PMID:39821673	研究论文	本文验证了TipTraQ，一种紧凑型家庭睡眠呼吸暂停测试系统，通过深度学习AI和时态事件定位分析评估其性能	TipTraQ系统结合了指尖穿戴设备、移动应用和基于云的深度学习AI系统，利用PPG和加速度计传感器进行睡眠呼吸暂停评估	研究仅在两个医疗中心进行，样本量相对较小，可能限制了结果的普遍性	验证TipTraQ系统在家庭睡眠呼吸暂停测试中的准确性和可靠性	疑似阻塞性睡眠呼吸暂停（OSA）的患者	数字病理学	阻塞性睡眠呼吸暂停	PPG（红光、红外光和绿光通道）和加速度计传感器	深度学习AI	传感器数据	240名参与者用于内部验证，112名参与者用于外部验证
8004	2025-01-31	FE-YOLO: An Efficient Deep Learning Model Based on Feature-Enhanced YOLOv7 for Microalgae Identification and Detection 2025-Jan-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10010062 PMID:39851778	研究论文	本文提出了一种基于特征增强YOLOv7的高效深度学习模型FE-YOLO，用于微藻的识别与检测	通过集成CAGS注意力模块增强特征提取能力，并使用SIoU算法替代CIoU损失函数以解决收敛不稳定的问题	NA	提高微藻细胞识别与检测的准确性和效率	微藻细胞	计算机视觉	NA	深度学习	YOLOv7, FE-YOLO	图像	包含7种微藻的6300张图像
8005	2025-01-31	Overview of Deep Learning and Nondestructive Detection Technology for Quality Assessment of Tomatoes 2025-Jan-16, Foods (Basel, Switzerland) DOI:10.3390/foods14020286 PMID:39856952	综述	本文系统综述了基于机械特性、电磁特性和电化学传感器的无损检测技术原理及其在番茄质量评估中的应用，并探讨了深度学习在数据分析中的应用	结合深度学习技术，系统总结了无损检测技术在番茄质量评估中的应用，并展望了未来发展方向	讨论了无损检测技术与深度学习在番茄质量评估中的局限性和未来期望	提供无损检测技术在番茄质量评估中的系统概述，并探讨深度学习在其中的应用	番茄	农业工程	NA	无损检测技术	深度学习	机械特性、电磁特性、电化学传感器数据	NA
8006	2025-01-31	Artificial Intelligence and Neuroscience: Transformative Synergies in Brain Research and Clinical Applications 2025-Jan-16, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14020550 PMID:39860555	review	本文探讨了人工智能（AI）与神经科学的融合如何重新定义我们对大脑的理解，并在研究、诊断和治疗方面开辟新的可能性	AI的前沿算法，从深度学习到神经形态计算，正在通过分析复杂的神经数据集（如神经影像、电生理学和基因组分析）革新神经科学	挑战包括数据整合问题、伦理考虑以及许多AI系统的“黑箱”性质，强调了透明、公平和跨学科方法的必要性	探索AI与神经科学的融合如何推动脑科学的发展，并在医疗、技术等领域带来前所未有的进步	神经科学中的复杂神经数据集，包括神经影像、电生理学和基因组分析	神经科学	NA	深度学习、神经形态计算	NA	神经影像、电生理学、基因组分析	NA
8007	2025-01-31	Enhanced Neural Architecture for Real-Time Deep Learning Wavefront Sensing 2025-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s25020480 PMID:39860850	研究论文	本研究提出了一种基于卷积神经网络（CNN）的增强型波前传感神经网络（WFSNet），用于实时深度学习波前传感（DLWFS）	引入了一种新颖的多目标神经架构搜索（MNAS）方法，旨在实现WFSNet在误差和浮点运算（FLOPs）方面的帕累托最优性	仅在室内实验中验证了有效性，尚未在真实大气湍流环境中进行测试	实现实时深度学习波前传感，以应对大气湍流引起的动态随机波前畸变	波前传感神经网络（WFSNet）	计算机视觉	NA	卷积神经网络（CNN）	EfficientNet-B0	图像	NA
8008	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
8009	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
8010	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
8011	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
8012	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
8013	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
8014	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
8015	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
8016	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
8017	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
8018	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
8019	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
8020	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