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
8801	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
8802	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
8803	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）
8804	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
8805	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
8806	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
8807	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
8808	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
8809	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
8810	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
8811	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
8812	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
8813	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
8814	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
8815	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
8816	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
8817	2025-01-14	Improved Intelligent Condition Monitoring with Diagnostic Indicator Selection 2024-Dec-29, Sensors (Basel, Switzerland) DOI:10.3390/s25010137 PMID:39796927	研究论文	本研究开发了一种预测性维护系统，专注于特征选择以检测和分类风力涡轮机叶片中的模拟缺陷	提出了一种基于相关性分析并结合全面视觉评估的结构化特征选择方法，保留了关键的领域特定信息，避免了故障指标的误解	特征减少并未同样提升深度学习模型的性能指标	开发一种更有效的预测性维护系统，用于风力涡轮机叶片的缺陷检测和分类	风力涡轮机叶片的模拟缺陷	机器学习	NA	相关性分析	深度神经网络, 投票分类器	振动数据	NA
8818	2025-01-14	Improved Consistency of Lung Nodule Categorization in CT Scans with Heterogeneous Slice Thickness by Deep Learning-Based 3D Super-Resolution 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010050 PMID:39795578	研究论文	本文提出了一种基于深度学习的3D超分辨率方法，用于从异质性厚层CT图像生成薄层CT图像，以提高肺结节体积评估的准确性	提出了一种新的深度学习方法，用于处理异质性厚层CT图像，生成高质量的薄层CT图像，从而提高肺结节体积测量的准确性和一致性	研究主要依赖于放射科医生的感知评估和定量测量，未涉及大规模临床验证	提高肺结节体积评估的准确性，促进更可靠的早期肺结节检测	肺结节	计算机视觉	肺癌	深度学习	3D超分辨率模型	CT图像	未明确提及样本数量
8819	2025-01-14	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究旨在探索利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	样本量较小，仅涉及27名健康参与者	预测体力消耗水平	27名健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度（RPM）和心率变异性（HRV）	LSTM、传统机器学习模型	生理信号数据	27名健康参与者
8820	2025-01-14	Artificial Intelligence-Based Classification and Segmentation of Bladder Cancer in Cystoscope Images 2024-Dec-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17010057 PMID:39796686	研究论文	本研究利用VGG19和Deeplab v3+深度学习模型对膀胱镜图像进行分类和分割，以提高膀胱癌的诊断准确性	首次将VGG19和Deeplab v3+模型应用于膀胱镜图像的分类和分割，并展示了高准确性和分割效果	研究依赖于标注数据的质量，且样本量相对有限	提高膀胱癌的诊断准确性，特别是对模糊病变的识别	膀胱镜图像	计算机视觉	膀胱癌	深度学习	VGG19, Deeplab v3+	图像	772名患者的膀胱镜图像