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
801	2025-05-17	Deep learning approach in undergraduate nursing students and their relationship with learning outcomes: A latent profile analysis 2025-May, Nurse education in practice IF:3.3Q1 DOI:10.1016/j.nepr.2025.104379 PMID:40279950	研究论文	本研究通过潜在剖面分析识别了本科护理学生深度学习方法的潜在类型，并分析了这些类型的影响因素及其与学习成果的关系	首次在护理教育中应用潜在剖面分析方法识别学生的深度学习类型，并探讨了不同类型与学习成果的关系	研究设计为横断面调查，无法确定因果关系；样本仅来自中国两所医科大学，可能限制结果的普适性	探索本科护理学生的深度学习类型及其与学习成果的关系	本科护理学生	教育心理学	NA	潜在剖面分析(LPA)、单因素方差分析、多项逻辑回归分析、BCH方法	NA	问卷调查数据	来自中国两所医科大学的891名本科护理学生
802	2025-05-03	Correction to: DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf218 PMID:40314061	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
803	2025-05-17	Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI 2025-May-01, ArXiv PMID:40342862	研究论文	提出一种新型外部体积去除（OVR）方法，通过深度学习辅助消除实时动态MRI中的混叠伪影	结合复合时间图像和深度学习模型，无需修改采集协议即可有效去除非心脏区域的混叠伪影	未明确说明模型在不同患者群体或病理条件下的泛化能力	提高实时电影MRI在高加速因子下的图像质量	心脏动态MRI图像	医学影像分析	心血管疾病	深度学习辅助MRI重建	PD-DL（物理驱动深度学习）	MRI k空间数据	NA
804	2025-05-17	Evolving and Novel Applications of Artificial Intelligence in Cancer Imaging 2025-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17091510 PMID:40361437	综述	本文综述了人工智能在癌症影像学中的新兴应用及其对筛查、诊断和治疗的革命性影响	深入探讨了AI在癌症影像学中的最新应用，包括风险预测、肿瘤检测与分类、治疗预后预测等，并强调了多学科合作的重要性	AI在医疗领域的整合面临数据准确性、患者隐私保护和模型泛化性等挑战，需要更多临床验证和跨机构研究	概述人工智能在肿瘤影像学中的应用及其局限性，推动精准医疗和患者治疗效果提升	癌症影像学中的AI应用	数字病理学	癌症	深度学习、机器学习	深度学习框架	影像数据	NA
805	2025-05-17	Multi-Modal Graph Neural Networks for Colposcopy Data Classification and Visualization 2025-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17091521 PMID:40361447	research paper	提出了一种基于图神经网络的多模态框架，用于宫颈病变分类和可视化	整合了阴道镜图像、分割掩码和图表示的多模态数据，提高了病变分类的准确性	需要多模态数据输入，可能增加数据收集和处理的复杂性	改进宫颈病变分类方法，实现早期宫颈癌检测	宫颈病变数据	digital pathology	cervical cancer	GNN, LIME	GCNConv	image, graph	NA
806	2025-05-17	Advanced Feature Extraction for Cervical Cancer Image Classification: Integrating Neural Feature Extraction and AutoInt Models 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092826 PMID:40363261	research paper	本研究提出了一种结合神经特征提取器和AutoInt模型的深度学习框架，用于宫颈癌图像分类	整合了基于预训练VGG16架构的神经特征提取器(NFE)和用于自动特征交互学习的AutoInt模型，提出了一种新颖的分类框架	未提及模型在临床环境中的实际应用验证	提高宫颈癌图像分类的准确性，特别是在资源有限的环境中	宫颈癌图像数据集	digital pathology	cervical cancer	deep learning	VGG16, AutoInt, KNN, LGBM, Extra Trees, LDA	image	公开可用的宫颈癌图像数据集(具体数量未提及)
807	2025-05-17	Hybrid Deep Learning Framework for Continuous User Authentication Based on Smartphone Sensors 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092817 PMID:40363255	research paper	提出了一种混合深度学习框架，用于基于智能手机传感器的连续用户认证	结合了计算机视觉和序列建模技术，包括ViT启发的补丁提取、多头注意力和BiLSTM网络，以从智能手机传感器数据中连续认证用户	仅在MotionSense和UCI HAR数据集上进行了实验，可能需要更多数据验证其普适性	提高移动设备安全性，解决传统一次性认证方法的漏洞	智能手机传感器数据	machine learning	NA	ViT-inspired patch extraction, multi-head attention, BiLSTM	CNN, LSTM, Transformer, Informer	sensor data	MotionSense和UCI HAR数据集
808	2025-05-17	High-Precision 3D Reconstruction in Complex Scenes via Implicit Surface Reconstruction Enhanced by Multi-Sensor Data Fusion 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092820 PMID:40363257	研究论文	本文研究了一种基于深度学习的隐式表面重建方法，通过多传感器数据融合提高复杂场景中3D重建的精度	提出了一种新颖的深度神经网络，通过学习连续的符号距离函数（SDF）并结合多传感器特征表示，实现了多模态数据的无缝融合和精确的表面重建	NA	提高复杂场景中3D重建的精度	复杂场景的3D重建	计算机视觉	NA	多传感器数据融合	深度神经网络	3D数据	NA
809	2025-05-17	Improving High-Precision BDS-3 Satellite Orbit Prediction Using a Self-Attention-Enhanced Deep Learning Model 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092844 PMID:40363281	研究论文	本研究提出了一种名为SCINet-SA的自注意力增强深度学习模型，用于提高BDS-3卫星的超快速轨道预测精度	引入了自注意力机制的深度学习模型SCINet-SA，有效捕捉长期时间依赖性，显著提升了BDS-3超快速轨道预测的准确性	研究主要针对BDS-3系统，未与其他GNSS系统进行广泛比较	提高BDS-3卫星的超快速轨道预测精度	BDS-3卫星的轨道数据	机器学习	NA	深度学习	SCINet-SA（结合自注意力机制的深度学习模型）	卫星轨道数据	NA
810	2025-05-17	A Bluetooth Indoor Positioning System Based on Deep Learning with RSSI and AoA 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092834 PMID:40363271	research paper	提出了一种基于深度学习的蓝牙室内定位系统，结合RSSI和AoA测量，以提高复杂室内环境中的定位精度	结合Kalman滤波器减少AoA测量中的角度误差，使用中值滤波器和移动平均滤波器减少RSSI距离测量的波动，并提出了CNN-MHA模型	NA	提高复杂室内环境中的蓝牙定位精度	蓝牙室内定位系统	machine learning	NA	RSSI, AoA	CNN, multi-head attention (MHA)	signal data	NA
811	2025-05-17	CGLCS-Net: Addressing Multi-Temporal and Multi-Angle Challenges in Remote Sensing Change Detection 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092836 PMID:40363274	研究论文	提出了一种名为CGLCS-Net的新网络，用于解决遥感变化检测中的多时相和多角度挑战	引入了全局-局部上下文感知选择器（GLCAS）和基于子空间的自注意力融合（SSAF）模块，以增强对多尺度和不规则变化区域的特征表示能力	在处理来自多个传感器、不同视角和长时间跨度的遥感图像数据时，现有模型在动态交互和特征表示方面存在局限	提高遥感图像变化检测的准确性和效率，特别是在多时相和多角度场景下	遥感图像数据	计算机视觉	NA	深度学习和自注意力机制	CNN和Transformer的混合架构	图像	三个公共数据集（LEVIR-CD、SYSU-CD和S2Looking）
812	2025-05-17	Image Fusion and Target Detection Based on Dual ResNet for Power Sensing Equipment 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092858 PMID:40363295	研究论文	该论文提出了一种基于改进SIFT算法和双ResNet网络的图像融合与目标检测方法，用于提升电力传感设备中复杂环境下的目标检测能力	改进了传统SIFT配准算法，设计了双ResNet网络进行深度特征提取，提高了图像融合质量和目标检测精度	未明确说明算法在极端光照条件下的表现以及计算复杂度分析	提升电力传感网络中关键部件的目标检测精度	电力传感网络中的绝缘子等关键部件	计算机视觉	NA	改进SIFT算法，双ResNet网络	ResNet	红外与可见光图像	未明确说明具体样本数量，但涉及多组电力设备图像
813	2025-05-17	Bridging Domain Gaps in Computational Pathology: A Comparative Study of Adaptation Strategies 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092856 PMID:40363293	研究论文	本文比较了三种不同的领域适应策略在计算病理学中的应用效果	首次在计算病理学领域比较了FixMatch、CycleGAN和自监督特征提取器三种领域适应策略的性能	仅关注从单一源分布到目标域的适应，未考虑多源分布的情况	评估不同领域适应策略在计算病理学中的适用性	H&E染色的全切片图像(WSI)	数字病理学	NA	深度学习	FixMatch, CycleGAN, 自监督特征提取器	图像	NA
814	2025-05-17	Deep Ensemble Learning for Application Traffic Classification Using Differential Model Selection Technique 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092853 PMID:40363289	research paper	提出了一种基于模型选择的集成学习方法，用于提高应用流量分类器的性能与推理时间的平衡	结合了基于模型选择的集成机制，以端到端学习方式优化分类器性能与推理时间的权衡	未提及具体的技术限制或数据集局限性	提高应用流量分类的准确性和时间效率	互联网应用流量数据	machine learning	NA	deep ensemble learning	ensemble mechanism	traffic data	两个公共数据集和一个私有数据集
815	2025-05-17	Advances in Infant Cry Paralinguistic Classification-Methods, Implementation, and Applications: Systematic Review 2025-Apr-29, JMIR rehabilitation and assistive technologies DOI:10.2196/69457 PMID:40163619	综述	本文系统回顾了过去24年婴儿哭声分类方法、实施和应用的进展	总结了婴儿哭声分类技术的演变，从传统统计方法到机器学习和深度学习，并提出了未来研究方向，如数据隐私保护和多模态音频方法	大多数模型(90%)未实际部署，数据隐私和保密性考虑不足，降噪技术和联邦学习应用有限(仅5%研究)	系统回顾婴儿哭声分类领域的方法、覆盖范围、部署方案和应用，并识别该领域的最新趋势和方向	婴儿哭声	自然语言处理	NA	机器学习、深度学习、混合方法	NA	音频	126项符合条件的研究(来自5904个初步检索结果)
816	2025-05-17	Correction: Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation 2025-Apr-29, JMIR AI DOI:10.2196/76150 PMID:40299541	correction	对一篇关于使用深度学习进行呼吸音分类的算法开发与验证的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
817	2025-05-17	Lung Cancer Risk Prediction in Patients with Persistent Pulmonary Nodules Using the Brock Model and Sybil Model 2025-Apr-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17091499 PMID:40361426	研究论文	评估Brock模型和Sybil模型在持续性肺结节患者中预测肺癌风险的表现	比较了基于临床和放射学特征的Brock模型与新型深度学习模型Sybil在肺癌风险预测中的表现，并尝试用机器学习模型优化风险评估	样本量相对较小，且仅基于医院队列，可能无法代表更广泛的人群	评估和优化持续性肺结节的肺癌风险预测模型	持续性肺结节患者	数字病理学	肺癌	CT扫描	Brock模型, Sybil模型, 逻辑回归模型	影像数据	回顾性队列130例，前瞻性队列301例
818	2025-05-17	Deep Learning-Based Multimode Fiber Distributed Temperature Sensing 2025-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s25092811 PMID:40363250	研究论文	本文提出了一种基于深度学习的多模光纤分布式温度传感方法，利用多模光纤产生的散斑图案进行高精度温度测量	采用双输出CNN模型同时预测温度和加热点位置，实现了高精度非接触式温度测量	未明确说明系统在极端温度条件下的性能表现	开发一种适用于危险环境的高精度温度传感方法	多模光纤温度传感器	机器学习	NA	深度学习	双输出CNN	图像(散斑图案)	未明确说明具体样本数量，但使用了多种类型的多模光纤进行实验
819	2025-05-17	Semantic-Aware Remote Sensing Change Detection with Multi-Scale Cross-Attention 2025-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s25092813 PMID:40363253	研究论文	提出了一种基于CNN的多尺度交叉注意力网络（MSCANet），用于遥感图像变化检测，以提高语义理解和检测准确性	引入了多尺度特征提取策略和交叉注意力模块，以增强模型对双时相图像间语义级变化的理解能力	未明确提及模型的局限性	改进遥感图像变化检测的准确性和语义理解能力	遥感图像	计算机视觉	NA	CNN	MSCANet	图像	三个公共数据集（LEVIR-CD、CDD和SYSU-CD）
820	2025-05-17	Comprehensive Serum Glycopeptide Spectra Analysis Combined with Machine Learning for Early Detection of Lung Cancer: A Case-Control Study 2025-Apr-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17091474 PMID:40361401	研究论文	通过结合全面的血清糖肽谱分析和机器学习技术，开发了一种用于肺癌早期检测的新方法	首次将血清糖肽谱分析与多种肿瘤标志物结合，并应用机器学习模型提高肺癌早期诊断的准确性	样本量相对有限（199例患者和590例健康志愿者），且需要进一步验证在其他人群中的适用性	开发一种非侵入性的血液检测方法，用于肺癌的早期诊断	肺癌患者和健康志愿者的血清样本	数字病理学	肺癌	液相色谱-质谱联用技术（LC-MS）	决策树和深度学习	质谱数据和临床数据	199例肺癌患者和590例健康志愿者