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
8461	2025-02-16	Bone Age Assessment Using Various Medical Imaging Techniques Enhanced by Artificial Intelligence 2025-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030257 PMID:39941187	研究论文	本文探讨了利用人工智能增强的各种医学成像技术进行骨龄评估的进展	本文比较了基于人工智能的骨龄评估方法在不同成像技术中的应用，填补了现有文献的空白	本文未进行具体的实验验证，主要依赖于文献综述	研究目的是改进骨龄评估的准确性和效率，以解决传统方法的局限性	研究对象是骨龄评估方法及其在不同医学成像技术中的应用	计算机视觉	NA	X-ray, MRI, CT, 超声成像	机器学习和深度学习	图像	NA
8462	2025-02-16	Lightweight Deep Learning Framework for Accurate Detection of Sports-Related Bone Fractures 2025-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030271 PMID:39941201	研究论文	本文提出了一种轻量级的深度学习框架，用于准确检测与运动相关的骨折，旨在提高诊断的准确性和计算效率	提出了一种基于DenseNet121架构的新型骨折检测框架，通过修改初始卷积块和最终层来优化特征提取，并集成了Canny边缘检测器以增强检测局部结构不连续性的能力	未来的工作将集中在扩展模型的应用到其他成像模式和骨折类型	开发一种轻量级且高效的深度学习框架，以提高骨折检测的准确性和计算效率，满足运动医学的需求	与运动相关的骨折	计算机视觉	NA	深度学习	DenseNet121	图像	定制的放射影像数据集，专注于常见的运动相关骨折
8463	2025-02-16	Deep Learning-Enhanced Diagnosis of Sow Pregnancy Through Low-Frequency Ultrasound Imaging 2025-Jan-23, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15030318 PMID:39943088	研究论文	本研究提出了一种利用深度学习技术分析低频超声图像进行母猪妊娠诊断的创新方法	首次将深度学习技术应用于低频超声图像的母猪妊娠诊断，并比较了三种不同的分类模型（ViT-H、ConvNeXt-xlarge和Xception）的性能	低频超声图像的分辨率较低，可能影响诊断的准确性	提高母猪妊娠诊断的准确性和效率，以提升农场盈利能力	母猪	计算机视觉	NA	低频超声成像	ViT-H, ConvNeXt-xlarge, Xception	图像	未明确提及样本数量
8464	2025-02-16	Deep Learning Tool Wear State Identification Method Based on Cutting Force Signal 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030662 PMID:39943299	研究论文	本研究提出了一种基于切削力信号的深度学习刀具磨损状态识别方法，结合连续小波变换和改进的MobileViT轻量级网络	在MobileViT网络结构中引入Contextual Transformer模块和Global Attention Mechanism模块，增强了视觉表示能力，减少了信息损失，并改善了全局特征之间的交互	NA	准确、快速、高效地识别铣刀的磨损状态	铣刀的磨损状态	机器学习	NA	连续小波变换	改进的MobileViT网络	切削力信号	NA
8465	2025-02-16	CR-Mask RCNN: An Improved Mask RCNN Method for Airport Runway Detection and Segmentation in Remote Sensing Images 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030657 PMID:39943296	研究论文	本文提出了一种改进的Mask RCNN方法（CR-Mask RCNN），用于遥感图像中机场跑道的检测和分割	使用旋转区域生成网络代替非旋转区域生成网络，生成更贴合机场跑道形状的旋转边界框，并在骨干特征提取网络中引入注意力机制，增强局部特征信息的提取	NA	提高遥感图像中机场跑道的检测和分割精度	机场跑道	计算机视觉	NA	深度学习	Mask RCNN	遥感图像	NA
8466	2025-02-16	Efficient Deep Learning-Based Detection Scheme for MIMO Communication Systems 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030669 PMID:39943308	研究论文	本文提出了一种基于深度学习的MIMO通信系统信号检测策略，通过预处理阶段标记输入信号，提出了两种新方案并评估了其性能	提出了一种新的基于深度学习的信号检测策略，并引入了两种新方案（OHA和DSE），在降低复杂度的同时保持了较高的分类性能和较低的误码率	与传统的OH方案相比，OHA和DSE方案在误码率性能上有轻微损失（分别小于1 dB和2 dB）	解决MIMO通信系统中检测器复杂度高的问题，提供一种在检测复杂度和误码率之间权衡的灵活设计	MIMO通信系统的信号检测	机器学习	NA	深度学习	神经网络	信号数据	NA
8467	2025-02-16	Enhanced Multi-Model Deep Learning for Rapid and Precise Diagnosis of Pulmonary Diseases Using Chest X-Ray Imaging 2025-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030248 PMID:39941178	研究论文	本文提出了一种增强的多模型深度学习（EMDL）方法，用于通过胸部X光成像快速准确诊断肺部疾病	EMDL方法集成了五种预训练的深度学习模型，并结合了先进的图像预处理和多阶段特征选择与优化管道，显著提高了诊断精度和模型鲁棒性	研究主要依赖于胸部X光数据集，可能在其他类型的医学影像数据上表现不同	开发一种快速、准确的肺部疾病诊断工具，以改善医疗响应	流感、结核病和病毒性肺炎等呼吸系统疾病	计算机视觉	肺癌	深度学习	VGG-16, VGG-19, ResNet, AlexNet, GoogleNet	图像	两个独立的胸部X光数据集
8468	2025-02-16	Virtual Biopsy for the Prediction of MGMT Promoter Methylation in Gliomas: A Comprehensive Review of Radiomics and Deep Learning Approaches Applied to MRI 2025-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030251 PMID:39941181	综述	本文综述了利用放射组学和深度学习方法预测胶质瘤中MGMT启动子甲基化状态的研究进展	结合放射组学和深度学习，提供了一种非侵入性的MGMT启动子甲基化状态预测工具	研究人群、数据来源和方法的异质性反映了管道和机器学习算法的复杂性，可能需要通用标准化才能在临床实践中实施	预测胶质瘤中MGMT启动子甲基化状态，以增强神经肿瘤学中的个性化医疗	胶质瘤患者	数字病理学	胶质瘤	放射组学（RD）和深度学习（DL）	深度学习模型	MRI影像数据	34项研究，涉及公共（如BraTS, TCGA）和私人机构数据集
8469	2025-02-16	Deep-Learning Framework for Efficient Real-Time Speech Enhancement and Dereverberation 2025-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s25030630 PMID:39943269	研究论文	本文提出了一种用于高效实时语音增强和去混响的深度学习框架	提出了一个扩展的Deep Filter Net框架，显著提高了去混响性能，同时保持了竞争性的降噪质量	Deep Filter Net的去混响性能有限	开发一种计算高效的语音增强和去混响方法，适用于资源受限设备	语音信号	自然语言处理	NA	深度学习	Deep Filter Net	语音数据	NA
8470	2025-02-16	Specific Emitter Identification Method for Limited Samples via Time-Wavelet Spectrum Consistency 2025-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s25030648 PMID:39943287	研究论文	本文提出了一种基于TFC-CNN的特定发射器识别方法，用于解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题	提出了一种基于时间-小波谱一致性的TFC-CNN方法，通过连续小波变换进行数据增强，并利用复值神经网络和深度卷积神经网络提取隐藏的发射器身份特征	方法在样本稀缺的情况下表现良好，但在样本充足的情况下是否仍具有优势未明确说明	解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题	无线电信号中的发射器	机器学习	NA	连续小波变换（CWT）	TFC-CNN（复值神经网络和深度卷积神经网络）	无线电信号	开源WiFi数据集和自动相关监视广播（ADS-B）数据集
8471	2025-02-16	Coupling Artificial Intelligence with Proper Mathematical Algorithms to Gain Deeper Insights into the Biology of Birds' Eggs 2025-Jan-21, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15030292 PMID:39943062	研究论文	本文探讨了将人工智能与适当的数学算法结合，以深入理解鸟类卵的生物学特性	提出了将深度学习和人工智能应用于禽蛋形态分析的新方法，并重新评估了多种数学模型的有效性和实用性	未具体说明所提出方法的实验验证结果和实际应用效果	研究目的是通过AI和DL技术提高禽蛋的质量、生产力和市场竞争力	研究对象是禽蛋的形态特征，包括形状、重量、体积、表面积和气室计算	计算机视觉	NA	深度学习（DL）	深度学习模型	图像	未提及具体样本数量
8472	2025-02-16	Physics-informed deep learning for infectious disease forecasting 2025-Jan-16, ArXiv PMID:39876937	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的新型传染病预测模型，旨在提高传染病预测的准确性和能力	该模型将疾病传播的动态系统表示融入损失函数中，结合流行病学理论和数据，防止模型过拟合，并引入子网络考虑流动性、疫苗接种等影响传播率的关键因素	模型仅在加利福尼亚州的COVID-19数据上进行了验证，尚未在其他地区或疾病上进行广泛测试	提高传染病预测的准确性和能力，以支持公共卫生决策	COVID-19在加利福尼亚州的传播情况	机器学习	传染病	物理信息神经网络（PINNs）	PINN	时间序列数据	加利福尼亚州的COVID-19数据
8473	2024-08-07	Cardiac CT-derived quantification of myocardial extracellular volume using deep learning-based reconstruction: A feasibility study 2025 Jan-Feb, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.07.008 PMID:39025757	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8474	2025-02-16	Improving building extraction from high-resolution aerial images: Error correction and performance enhancement using deep learning on the Inria dataset 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251318202 PMID:39943714	研究论文	本研究利用深度学习技术改进从高分辨率航空图像中提取建筑物的方法，并在Inria数据集上进行了性能比较	通过消除错误数据和调整图像大小，显著提升了深度学习网络在建筑物提取任务中的性能	某些模型在特定挑战性条件下（如树木遮挡、复杂室内花园）表现不佳，容易产生误报	提高从高分辨率航空图像中提取建筑物的准确性和效率	高分辨率航空图像中的建筑物	计算机视觉	NA	深度学习	DeepLabv3+, Attention U-Net, U-Net, SE-ResNeXt-50, SE-ResNet-50, ResNeXt-50, ResNet-50, UNet++, U2Net	图像	180张高分辨率航空图像
8475	2025-02-15	COVID-19 recognition from chest X-ray images by combining deep learning with transfer learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251319667 PMID:39949849	研究论文	本文提出了一种名为Covid-DenseNet的深度学习模型，用于从胸部X光图像中检测COVID-19，旨在构建一个计算复杂度较小、泛化能力较强且在基准数据集和其他具有不同样本分布特征和样本大小的数据集上表现优异的模型	结合迁移学习和注意力机制，通过多尺度融合架构提取和增强图像特征，提高了模型的识别准确性和泛化能力	模型在外部测试集上的识别准确率仍有提升空间，特别是在样本分布不平衡的情况下	开发一种高效且泛化能力强的深度学习模型，用于从胸部X光图像中检测COVID-19	胸部X光图像	计算机视觉	COVID-19	深度学习，迁移学习	Covid-DenseNet	图像	三个公开的胸部放射学数据集，包括基准数据集和其他两个数据集
8476	2025-02-16	Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis 2025, Frontiers in global women's health DOI:10.3389/fgwh.2025.1447579 PMID:39950139	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性	首次系统评估了AI模型在孕龄估计中的准确性，并进行了亚组分析，包括孕龄评估的孕期、AI模型类型、研究设计和外部验证	研究数量有限，且大多数研究来自高收入国家，可能限制了结果的普遍性	评估人工智能模型在孕龄估计中的准确性，并与超声作为金标准进行比较	使用超声图像进行孕龄估计的研究	数字病理学	妊娠相关疾病	超声成像	CNN, DNN	2D图像, 盲扫视频	17项研究（其中10项纳入荟萃分析），涉及不同收入地区的数据
8477	2025-02-16	Avoiding missed opportunities in AI for radiology 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03295-9 PMID:39585545	评论	本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性	提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处	文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性	探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理	放射学中的AI应用	机器学习	NA	深度学习	人工神经网络	NA	NA
8478	2025-02-16	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	本文介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于基因组学中的不确定性感知模型，同时捕捉预测的平均值和变异性	未明确提及具体局限性	提高深度神经网络在基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络（DNNs）	DEGU（集成学习和知识蒸馏模型）	基因组学数据	NA
8479	2025-02-16	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制	揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守	研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物	探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束	细胞类型家族及其基因组可及性	基因组学	NA	单核多组学测序，深度学习	深度学习模型	基因组序列数据	涉及多个早期分支动物物种的细胞类型
8480	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA