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
8041	2025-01-23	Predicting metabolite response to dietary intervention using deep learning 2025-Jan-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56165-6 PMID:39827177	研究论文	本文开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢物反应	McMLP方法填补了现有预测方法在深度学习领域的空白，并在合成数据和真实数据上均优于现有方法	NA	开发一种能够基于个体肠道微生物组成准确预测代谢物反应的方法，以实现精准营养	个体对特定食物和营养素的代谢物反应	机器学习	NA	深度学习	McMLP（耦合多层感知器）	合成数据和真实数据	六项饮食干预研究的数据
8042	2025-01-28	TBF-YOLOv8n: A Lightweight Tea Bud Detection Model Based on YOLOv8n Improvements 2025-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s25020547 PMID:39860916	研究论文	本文提出了一种基于YOLOv8n改进的轻量级茶叶芽检测模型TBF-YOLOv8n，旨在提高茶叶芽检测的效率和精度	通过引入高效的分布式移位卷积（DSConv）改进C2f模块，结合坐标注意力（CA）机制、SIOU_Loss函数和动态样本上采样算子（DySample），显著提升了模型的检测精度和效率	未提及模型在实际茶园环境中的泛化能力和对不同光照、遮挡等复杂条件的适应性	解决深度学习检测模型计算复杂度高的问题，推动茶叶产业的智能化升级	茶叶芽	计算机视觉	NA	深度学习	YOLOv8n改进模型（TBF-YOLOv8n）	图像	未明确提及具体样本数量
8043	2025-01-29	Zero-Shot Traffic Identification with Attribute and Graph-Based Representations for Edge Computing 2025-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s25020545 PMID:39860913	研究论文	本文提出了一种基于流量行为和属性表示的零样本学习框架AG-ZSL，用于通用加密流量分类	AG-ZSL框架通过捕获基于突发流量交互图的流量行为嵌入和从流量属性描述中学习属性嵌入，最小化共享特征空间中的嵌入距离，实现了对已知和未知流量的有效分类	NA	解决细粒度流量识别在处理未见样本时的挑战，提升网络边缘的安全和高效流量管理	加密流量	机器学习	NA	零样本学习	K-Nearest Neighbors	流量数据	IoT数据集
8044	2025-01-29	The Application of an Intelligent Agaricus bisporus-Harvesting Device Based on FES-YOLOv5s 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020519 PMID:39860890	研究论文	本研究设计了一种基于机器视觉的智能双孢菇采摘设备，采用FES-YOLOv5s深度学习目标检测模型进行精准识别与定位，并通过S曲线加减速电机控制算法实现高效采摘	创新点在于结合FES-YOLOv5s深度学习模型和S曲线加减速电机控制算法，显著提高了采摘效率和精度，同时减少了振动和损伤	研究未涉及设备在不同环境条件下的适应性测试，也未讨论设备的长期稳定性和维护成本	旨在解决双孢菇人工采摘效率低、损伤大、成本高的问题，开发智能采摘设备	双孢菇	计算机视觉	NA	深度学习	FES-YOLOv5s	图像	未明确说明样本数量
8045	2025-01-28	Improving Industrial Quality Control: A Transfer Learning Approach to Surface Defect Detection 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020527 PMID:39860894	研究论文	本文开发了一种结合偏转测量和强光照明图像采集、深度学习模型以及在线网络的自动缺陷检测和分类系统，用于加热设备涂漆表面的质量控制	通过结合双模态信息在决策层面进行融合，使用预训练网络（ResNet-50和Inception V3）进行迁移学习，提高了缺陷分类的准确性	未提及系统在实际工业环境中的长期稳定性和适应性	自动化加热设备涂漆表面的质量控制	加热设备的涂漆表面	计算机视觉	NA	偏转测量和强光照明图像采集	ResNet-50, Inception V3	图像	未明确提及样本数量
8046	2025-01-29	GenVarLoader: An accelerated dataloader for applying deep learning to personalized genomics 2025-Jan-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.15.633240 PMID:39868273	研究论文	本文介绍了GenVarLoader，一种用于加速个性化基因组学深度学习的工具	GenVarLoader通过新的内存映射格式存储个性化基因组数据，实现了比现有方法快约1000倍的吞吐量和约2000倍的压缩率	NA	提高个性化基因组学中深度学习模型的应用效率	个性化基因组数据	机器学习	NA	深度学习	NA	基因组数据	NA
8047	2025-01-29	Automated Audit and Self-Correction Algorithm for Seg-Hallucination Using MeshCNN-Based On-Demand Generative AI 2025-Jan-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010081 PMID:39851355	研究论文	本文提出了一种自动化Seg-Hallucination监测和校正算法（ASHSC），利用3D器官掩码信息进行医学图像分割的自我校正	提出了一种不依赖真实标签的自动化Seg-Hallucination监测和校正算法，结合了基于网格的卷积神经网络和生成式人工智能	算法仅在CT图像上进行了验证，未涉及其他类型的医学影像数据	提高医学图像分割的效率和可靠性，减少Seg-Hallucination对定量分析和成像生物标志物的影响	CT图像中的3D器官掩码	计算机视觉	NA	生成式人工智能	MeshCNN	3D CT图像	554个CT扫描（280个用于训练，274个用于性能评估）
8048	2025-01-29	Time Series Data Augmentation for Energy Consumption Data Based on Improved TimeGAN 2025-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s25020493 PMID:39860862	研究论文	本文提出了一种基于改进TimeGAN模型的时间序列数据增强方法，用于优化制造过程中的能源消耗数据预测	在TimeGAN模型中加入了多头自注意力机制层，以提高预测准确性	未提及具体的数据收集限制或模型在其他数据集上的泛化能力	优化能源管理效率，减少企业维护成本	制造过程中的能源消耗数据	机器学习	NA	时间序列数据增强	改进的TimeGAN模型，混合CNN-GRU模型	时间序列数据	未提及具体样本数量
8049	2025-01-28	Milk Composition Is Predictive of Low Milk Supply Using Machine Learning Approaches 2025-Jan-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020191 PMID:39857075	研究论文	本研究旨在通过机器学习方法预测低乳量，并探讨低乳量与正常乳量母亲之间乳汁成分的差异	首次将机器学习算法应用于低乳量的预测，结合乳汁成分及母婴特征，开发出高精度的预测模型	样本量相对较小，仅包含164名女性，可能影响模型的泛化能力	研究低乳量的预测方法，以支持母乳喂养和确保婴儿营养	58名低乳量母亲和106名正常乳量母亲	机器学习	NA	机器学习算法	深度学习和梯度提升机	乳汁成分数据及母婴特征数据	164名女性（58名低乳量，106名正常乳量）
8050	2025-01-29	A Novel CNN-Based Framework for Alzheimer's Disease Detection Using EEG Spectrogram Representations 2025-Jan-14, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15010027 PMID:39852219	研究论文	本文提出了一种基于CNN的深度学习框架，用于通过EEG频谱图表示来检测阿尔茨海默病	提出了一种新的深度学习框架，结合了先进的预处理技术和基于FFT的频谱图的CNN分类，用于EEG信号的分类	未提及具体局限性	开发一种自动化的方法来诊断阿尔茨海默病和其他痴呆症，如额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FTD）和对照组（CN）的EEG信号	机器学习	阿尔茨海默病	EEG频谱图表示	CNN	EEG信号	未提及具体样本数量
8051	2025-01-28	An Efficient 3D Convolutional Neural Network for Dose Prediction in Cancer Radiotherapy from CT Images 2025-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020177 PMID:39857061	研究论文	本文提出了一种基于3D卷积神经网络的模型，用于从CT图像中预测癌症放疗的剂量分布	提出了一种定制的3D卷积神经网络模型，采用U-Net架构，并使用基于剂量-体积直方图的损失函数来训练模型，确保预测的剂量浓度在放疗中具有高度意义	模型仅在头颈癌患者的数据集上进行了训练和测试，可能不适用于其他类型的癌症	构建一个高性能的深度学习模型，用于预测癌症放疗的剂量分布，并开发易于操作的软件	头颈癌患者的CT图像	计算机视觉	头颈癌	3D卷积神经网络	U-Net	CT图像	200名头颈癌患者用于训练，100名用于测试，40名用于验证
8052	2025-01-29	Establishment and Evaluation of Atmospheric Water Vapor Inversion Model Without Meteorological Parameters Based on Machine Learning 2025-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s25020420 PMID:39860790	研究论文	本文基于机器学习建立了一种无需气象参数的大气水汽反演模型，并对其进行了评估	提出了一种无需加权平均温度（Tm）参数的水汽反演模型，相比传统模型，新模型的精度更高，且具有更好的通用性	研究仅基于香港地区的数据，模型的普适性需要进一步验证	提高大气可降水量（PWV）的反演精度，为气象监测和天气预报提供参考方法	香港地区的17个地面GNSS站和水汽再分析产品	机器学习	NA	深度学习	深度学习模型（未具体说明）	地面GNSS数据、水汽再分析产品、探空数据	17个地面GNSS站，2年的数据
8053	2025-01-29	A Fast Identification Method for Seismic Responses of Bridge Structures by Integrating Digital Signal Features and Deep Learning 2025-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s25020399 PMID:39860769	研究论文	本文提出了一种结合信号处理技术和深度学习技术的桥梁结构地震响应识别方法	结合短时能量法、短时傅里叶变换、连续小波变换和Meier频率倒谱系数，有效提取桥梁结构响应的非平滑段特征，并通过LSTM网络和Resnet50网络进行分类	未提及具体的数据集大小或实验环境限制	提高桥梁结构地震响应的识别精度和效率	桥梁结构的地震响应	机器学习	NA	短时能量法、短时傅里叶变换、连续小波变换、Meier频率倒谱系数	LSTM, Resnet50	传感器采集的信号	未提及具体样本数量
8054	2025-01-29	Classroom Behavior Recognition Using Computer Vision: A Systematic Review 2025-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s25020373 PMID:39860742	系统综述	本文通过系统文献综述，探讨了基于计算机视觉的课堂行为识别的研究现状和未来趋势	首次系统性地总结了计算机视觉在课堂行为识别中的应用，并提出了未来研究方向	现有研究对行为分类的定义多样，且缺乏与教学内容和事件的联系	探讨基于计算机视觉的课堂行为识别的研究现状、技术应用及未来挑战	教师和学生的课堂行为	计算机视觉	NA	深度学习	YOLO系列	视频	80篇同行评审的期刊文章
8055	2025-01-29	Application of Additive Manufacturing and Deep Learning in Exercise State Discrimination 2025-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s25020389 PMID:39860758	研究论文	本文介绍了3D打印和深度学习技术在智能可穿戴设备中的应用，用于检测运动疲劳状态	结合3D打印和LSTM神经网络设计智能可穿戴设备，提高了运动疲劳状态检测的准确性和舒适性	当前可穿戴传感设备的不适感和不精确性，以及疲劳检测方法的稳定性尚未完全解决	优化运动训练，预防过度疲劳和伤害，提高训练效率和安全性	运动疲劳状态	机器学习	NA	3D打印，深度学习	LSTM	生物电信号	大量数值实验
8056	2025-01-28	A Novel Ensemble Meta-Model for Enhanced Retinal Blood Vessel Segmentation Using Deep Learning Architectures 2025-Jan-09, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13010141 PMID:39857725	研究论文	本文提出了一种新颖的集成学习框架，结合了四种深度学习架构，用于增强视网膜血管分割	提出了一种结合U-Net、ResNet50、U-Net与ResNet50骨干以及U-Net与transformer块的集成学习框架，通过堆叠方法整合预测，实现了最先进的性能	NA	提高视网膜血管分割的准确性，以辅助诊断视网膜疾病	视网膜图像中的血管	计算机视觉	糖尿病视网膜病变、青光眼、高血压视网膜病变	深度学习	U-Net, ResNet50, Transformer	图像	DRIVE和STARE数据集
8057	2025-01-28	Precision Medicine Assessment of the Radiographic Defect Angle of the Intrabony Defect in Periodontal Lesions by Deep Learning of Bitewing Radiographs 2025-Jan-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010043 PMID:39851317	研究论文	本研究通过深度学习分析咬翼X光片中的骨内缺损放射线缺损角度，以评估牙周病的严重程度，从而优化治疗计划	采用一系列新颖的图像增强技术显著提高了诊断准确性，并使用YOLOv8模型检测受影响的牙齿	未提及样本的具体数量或多样性，可能影响模型的泛化能力	通过分析骨内缺损的放射线缺损角度，评估牙周病的严重程度，以优化治疗计划并改善患者护理	牙周病患者的咬翼X光片	计算机视觉	牙周病	深度学习	YOLOv8	图像	NA
8058	2025-01-28	DeepGenMon: A Novel Framework for Monkeypox Classification Integrating Lightweight Attention-Based Deep Learning and a Genetic Algorithm 2025-Jan-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020130 PMID:39857013	研究论文	本文提出了一种名为DeepGenMon的新型轻量级框架，用于准确分类各种皮肤病，如水痘、黄褐斑、猴痘等	该框架结合了基于注意力的卷积神经网络（CNN）和遗传算法（GA），以提高检测准确性并优化模型超参数	虽然模型在低资源环境下表现良好，但仍需进一步验证其在更大规模和多样化数据集上的性能	提高猴痘及其他皮肤病的早期检测和分类准确性	猴痘及其他皮肤病	计算机视觉	猴痘	基于注意力的卷积神经网络（CNN）和遗传算法（GA）	CNN	图像	数据集1包含847张皮肤病图像，数据集2包含659张分类图像
8059	2025-01-28	Graph Convolutional Network with Neural Collaborative Filtering for Predicting miRNA-Disease Association 2025-Jan-08, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13010136 PMID:39857720	研究论文	本文提出了一种结合图卷积网络和神经协同过滤的机器学习模型，用于预测miRNA与疾病的关联	创新点在于结合了图卷积网络和神经协同过滤技术，有效捕捉网络中的miRNA和疾病特征向量，并保持网络结构	未提及具体局限性	研究目的是预测与疾病相关的miRNA，以理解人类疾病的潜在发病机制	研究对象是miRNA与疾病的关联	机器学习	NA	图卷积网络（GCN），神经协同过滤（NCF）	GCNCF	网络数据	未提及具体样本数量
8060	2025-01-28	Diabetes Prediction Through Linkage of Causal Discovery and Inference Model with Machine Learning Models 2025-Jan-07, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13010124 PMID:39857708	研究论文	本研究通过结合AI模型和因果发现与推理模型，预测糖尿病并定量分析其因果关系	结合AI模型与因果推理模型，不仅提供预测性能，还深入分析影响糖尿病的因素	NA	预测糖尿病并分析其因果关系	糖尿病患者	机器学习	糖尿病	因果发现技术（如LiNGAM）	逻辑回归、深度学习、梯度提升、决策树	结构化数据	Kaggle提供的国家糖尿病、消化和肾脏疾病研究所数据集