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
8681	2025-01-14	Review of Recent Advances in Predictive Maintenance and Cybersecurity for Solar Plants 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010206 PMID:39796997	review	本文系统回顾了太阳能发电厂预测性维护和网络安全的最新进展，探讨了预测性维护技术在太阳能发电厂中的应用优势与挑战	强调了物联网（IoT）、机器学习（ML）和深度学习（DL）在太阳能板预测性维护中的整合，提高了维护过程的准确性和效率	在可再生能源行业中采用预测性维护面临模型复杂性与准确性之间的平衡、系统不可预测性以及适应环境条件变化的挑战	探讨太阳能发电厂预测性维护方法和网络安全的最新进展	太阳能板系统	machine learning	NA	IoT, ML, DL	NA	实时监测数据	NA
8682	2025-01-14	Cybersecurity Solutions for Industrial Internet of Things-Edge Computing Integration: Challenges, Threats, and Future Directions 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010213 PMID:39797003	研究论文	本文详细介绍了工业物联网（IIoT）与边缘计算集成中网络物理系统（CPS）网络安全的当前挑战和解决方案	系统性地收集和分析了过去五年的相关文献，开发了IIoT-边缘计算中CPS的主要安全机制的详细分类，并进行了与现有研究的比较分析	未提及具体的研究局限性	推进IIoT-边缘计算集成中的网络安全研究	工业物联网（IIoT）与边缘计算集成中的网络物理系统（CPS）	网络安全	NA	机器学习（ML）、联邦学习（FL）、区块链、区块链-ML、深度学习（DL）、加密、密码学、IT/OT融合、数字孪生	NA	NA	NA
8683	2025-01-14	A Comprehensive Survey of Machine Learning Techniques and Models for Object Detection 2025-Jan-02, Sensors (Basel, Switzerland) DOI:10.3390/s25010214 PMID:39797004	综述	本文对计算机视觉中的目标检测领域进行了全面调查，重点分析了机器学习和深度学习技术的演变和重大进展	深入探讨了从传统方法到最新深度学习模型的广泛方法，并评估了它们的性能、优势和局限性，同时讨论了该领域的挑战和未来研究方向	未涉及具体实验数据或样本分析，主要集中于理论和方法论的综述	增强目标检测系统在不同应用中的鲁棒性、准确性和效率	目标检测技术	计算机视觉	NA	机器学习（ML）、深度学习（DL）	Transformers	图像	NA
8684	2025-01-14	ECMHA-PP: A Breast Cancer Prognosis Prediction Model Based on Energy-Constrained Multi-Head Self-Attention 2025-Jan, Proteomics. Clinical applications DOI:10.1002/prca.202400035 PMID:39623567	研究论文	本文提出了一种基于能量约束多头自注意力的深度学习模型ECMHA-PP，用于预测乳腺癌的预后	ECMHA-PP模型通过能量约束多头自注意力层提高了特征提取能力，结合交叉位置混合和通道混合多层感知器，显著提升了乳腺癌预后预测的准确性	NA	提高乳腺癌预后预测的准确性，以帮助医生制定更合理的治疗策略	乳腺癌患者	机器学习	乳腺癌	深度学习	ECMHA-PP（基于能量约束多头自注意力的预后预测模型）	临床数据	METABRIC数据集和BRCA数据集
8685	2025-01-14	Denoising low-field MR images with a deep learning algorithm based on simulated data from easily accessible open-source software 2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107812 PMID:39647413	研究论文	本文介绍了一种基于深度学习的去噪方法，旨在提高低场MRI图像的对比度	使用先进的3D深度卷积残差网络模型，并采用合成脑成像数据集模拟低场MRI的对比和噪声特性	由于缺乏可用的体内低场MRI数据集，训练深度学习模型存在限制	提高低场MRI图像的对比度	低场MRI图像	计算机视觉	NA	深度学习	3D深度卷积残差网络	图像	合成脑成像数据集和体内数据
8686	2025-01-14	Using machine learning to improve the hard modeling of NMR time series 2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107813 PMID:39700601	研究论文	本文提出了一种结合机器学习和非线性优化的混合方法，用于改进NMR时间序列的建模	提出了一种混合方法，结合了深度学习和非线性优化的优点，通过神经网络预测初始参数，优化算法只需微调参数，从而提高了运行时间和准确性	在峰值重叠或交叉的情况下，准确性显著下降	改进NMR时间序列的建模方法，以提高运行时间和准确性	NMR时间序列	机器学习	NA	NMR	神经网络	时间序列数据	构造和实验数据集
8687	2025-01-14	Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis 2025-Jan, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.030 PMID:38176985	系统综述和元分析	本文通过系统综述和元分析评估了深度学习算法在牙科植入物品牌检测中的准确性、敏感性和特异性	首次对深度学习算法在牙科植入物品牌检测中的准确性进行了全面的评估和元分析	仅选择了13项研究进行系统综述，其中仅3项用于元分析，样本量有限	评估深度学习算法在牙科植入物品牌检测中的准确性、敏感性和特异性	牙科植入物品牌	计算机视觉	NA	深度学习	CNN, CNN Multitask ResNet152, deep CNN (Neuro-T version 2.0.1)	2D图像（如根尖周或全景X光片）	13项研究（其中3项用于元分析）
8688	2025-01-14	An Evolutionary Federated Learning Approach to Diagnose Alzheimer's Disease Under Uncertainty 2025-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010080 PMID:39795608	研究论文	本文提出了一种进化联邦学习方法，用于在不确定性条件下诊断阿尔茨海默病	结合深度学习和联邦学习框架，利用信念规则库（BRB）有效整合多种数据源，提供了一种可扩展且保护隐私的医疗解决方案	未提及具体样本量或数据集的多样性限制	通过整合医学影像和人口统计数据，早期诊断阿尔茨海默病	阿尔茨海默病患者	机器学习	老年疾病	深度学习，联邦学习	CNN, BRB	医学影像（MRI），人口统计数据	NA
8689	2025-01-14	A Deep Learning-Based Watershed Feature Fusion Approach for Tunnel Crack Segmentation in Complex Backgrounds 2025-Jan-01, Materials (Basel, Switzerland) DOI:10.3390/ma18010142 PMID:39795787	研究论文	本文提出了一种基于深度学习的流域特征融合方法，用于复杂背景下的隧道裂缝分割	提出了一种自动标注和优化裂缝样本集的算法，结合裂缝特征和流域算法实现高效自动化分割，并通过网络深度和残差结构配置的对比分析优化了深度学习裂缝分割网络	复杂背景条件和干扰因素较多，裂缝在结构中的比例较低，深度学习训练数据集的标注劳动密集且效率有限	解决复杂背景下高速公路隧道裂缝的快速准确识别问题	高速公路隧道中的裂缝	计算机视觉	NA	深度学习	CNN	图像	NA
8690	2025-01-14	A Survey of Deep Anomaly Detection in Multivariate Time Series: Taxonomy, Applications, and Directions 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010190 PMID:39796981	综述	本文对多变量时间序列异常检测（MTSAD）中的深度学习技术进行了结构化且全面的概述	提出了从学习范式和深度学习模型角度对异常检测策略进行分类的体系，并系统性地回顾了这些策略的优缺点	未涉及具体实验验证，仅进行了理论和方法上的综述	综述多变量时间序列异常检测领域的最新深度学习技术	多变量时间序列数据	机器学习	NA	深度学习	NA	时间序列数据	NA
8691	2025-01-14	Table Extraction with Table Data Using VGG-19 Deep Learning Model 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010203 PMID:39796994	研究论文	本文介绍了一种基于VGG-19深度学习模型的表格数据提取方法，旨在从包含表格的文档图像中精确识别和提取行和列	提出了一种结合表格检测、结构识别和语义规则的综合深度学习方法，并利用VGG-19进行迁移学习以增强模型性能	依赖于公开的Marmot数据集，可能限制了模型的泛化能力	开发一种能够准确提取表格结构的深度学习方法	文档图像中的表格数据	计算机视觉	NA	深度学习	VGG-19	图像	公开的Marmot数据表数据集
8692	2025-01-14	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-Jan, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新	结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险	相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理	提高药物开发过程的效率，降低成本，增强患者的治疗效果	药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学	机器学习	NA	机器学习、深度学习、生成式AI	NA	大数据	NA
8693	2025-01-14	Synchronous Analysis of Speech Production and Lips Movement to Detect Parkinson's Disease Using Deep Learning Methods 2024-Dec-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010073 PMID:39795601	研究论文	本文介绍了一种新的方法，通过同步融合从语音记录和对应的唇部运动视频中提取的信息来检测帕金森病	首次提出了一种同步融合语音和唇部运动信息的双模态方法，并使用了基于注意力机制的串联投影策略	未提及具体样本量或数据集的详细信息	提高帕金森病的自动检测和监测准确性	帕金森病患者	数字病理学	帕金森病	深度学习	基于注意力机制的串联投影模型	语音和视频	NA
8694	2025-01-14	Task Offloading with LLM-Enhanced Multi-Agent Reinforcement Learning in UAV-Assisted Edge Computing 2024-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s25010175 PMID:39796966	研究论文	本文提出了一种创新的多智能体深度学习框架，用于优化无人机辅助边缘计算环境中的任务卸载和轨迹规划	结合QTRAN算法与大型语言模型（LLM）进行区域分解，并利用图卷积网络（GCN）与自注意力机制有效管理子区域间关系	未提及具体实验环境或数据集的局限性	优化无人机辅助边缘计算环境中的任务卸载和轨迹规划	无人机集群和用户设备（UE）	机器学习	NA	多智能体强化学习、大型语言模型（LLM）、图卷积网络（GCN）	QTRAN、GCN、自注意力机制	模拟数据	未提及具体样本数量
8695	2025-01-14	SmartSkin-XAI: An Interpretable Deep Learning Approach for Enhanced Skin Cancer Diagnosis in Smart Healthcare 2024-Dec-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010064 PMID:39795592	研究论文	本文提出了一种名为SmartSkin-XAI的可解释深度学习方法，用于增强智能医疗中的皮肤癌诊断	结合了微调的DenseNet121模型和XAI技术，提供了透明决策过程，平衡了准确性和可解释性	未提及具体局限性	提高皮肤癌（特别是黑色素瘤）的早期检测和患者管理	皮肤癌（黑色素瘤）	计算机视觉	皮肤癌	XAI（可解释人工智能）	DenseNet121	图像	ISIC数据集和Kaggle数据集
8696	2025-01-14	Effect of Depth Band Replacement on Red, Green and Blue Image for Deep Learning Weed Detection 2024-Dec-30, Sensors (Basel, Switzerland) DOI:10.3390/s25010161 PMID:39796952	研究论文	本研究探讨了在深度学习杂草检测中，用深度数据替换RGB图像中的一个波段对YOLOv8模型性能的影响	提出了一种用深度数据替换RGB图像中的一个波段的方法，以解决传统RGB方法在检测杂草时因纹理和结构相似性而导致的困难	使用RGBD系统计算成本高，不适合小型轻量级机器人	研究深度数据替换RGB波段对YOLOv8模型在杂草检测中性能的影响	牧场中的杂草	计算机视觉	NA	深度学习	YOLOv8	图像	NA
8697	2025-01-14	A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging 2024-Dec-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.30.630782 PMID:39803485	研究论文	本文介绍了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	该模型仅需1-3张Micro-CT图像即可训练，且适用于不同组织对比染色、扫描仪型号和基因型	需要依赖预训练的神经网络和少量用户知识	开发一种高效的深度学习模型，用于自动化分析Micro-CT图像	果蝇（Drosophila melanogaster）大脑	计算机视觉	NA	Micro-CT成像	预训练的神经网络	三维图像	1-3张Micro-CT图像
8698	2025-01-14	Improving Imitation Skills in Children with Autism Spectrum Disorder Using the NAO Robot and a Human Action Recognition 2024-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010060 PMID:39795588	研究论文	本研究探讨了使用NAO机器人和人类动作识别算法来提高自闭症谱系障碍儿童的模仿技能	结合机器人技术和深度学习算法，用于自闭症儿童的模仿技能训练	研究样本量未明确提及，且未讨论长期效果	探索机器人技术是否能够提高自闭症儿童的模仿技能并支持治疗师	自闭症谱系障碍儿童	机器人技术	自闭症谱系障碍	深度学习	人类动作识别算法	视频数据	未明确提及
8699	2025-01-14	Design, Development, and Testing of Machine Learning Models to Estimate Properties of Friction Stir Welded Joints 2024-Dec-29, Materials (Basel, Switzerland) DOI:10.3390/ma18010094 PMID:39795739	研究论文	本文使用六种监督机器学习模型估计摩擦搅拌焊接接头的极限抗拉强度（UTS）和硬度	使用深度学习人工神经网络（ANN）实现了最高准确度，并成功估计了摩擦搅拌焊接接头的UTS和硬度	NA	估计摩擦搅拌焊接接头的极限抗拉强度和硬度	摩擦搅拌焊接接头	机器学习	NA	监督机器学习	线性回归、支持向量回归、决策树回归、随机森林回归、K近邻、人工神经网络（ANN）	数值数据	200个数据集
8700	2025-01-14	A Systematic Review of the Applications of Deep Learning for the Interpretation of Positron Emission Tomography Images of Patients with Lymphoma 2024-Dec-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17010069 PMID:39796698	系统综述	本文系统综述了深度学习在淋巴瘤患者正电子发射断层扫描（PET）图像解释中的应用	首次系统性地总结了深度学习在淋巴瘤PET图像分析中的应用，涵盖了病变检测、组织学分类、鉴别诊断、代谢肿瘤体积量化及治疗反应和生存预测等多个医学任务	部分研究存在参与者数量较少和缺乏外部验证的问题	评估深度学习在淋巴瘤PET图像解释中的应用效果	淋巴瘤患者的PET图像	医学影像分析	淋巴瘤	深度学习	深度学习模型	图像	21项研究，共9402名参与者