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
1101	2025-04-29	Histology-Specific Treatment Strategies and Survival Prediction in Lung Cancer Patients with Spinal Metastases: A Nationwide Analysis 2025-Apr-21, Cancers IF:4.5Q1 DOI:10.3390/cancers17081374 PMID:40282550	research paper	本研究评估了肺癌脊柱转移患者的治疗模式、生存结果和预后因素，并整合了深度学习生存预测模型	整合了深度学习生存预测模型来评估肺癌脊柱转移患者的预后，并提出了组织学特异性治疗策略	研究为回顾性队列研究，可能存在选择偏倚，且未考虑所有潜在混杂因素	评估肺癌脊柱转移患者的治疗模式、生存结果和预后因素，以优化治疗策略	非小细胞肺癌（NSCLC）和小细胞肺癌（SCLC）脊柱转移患者	digital pathology	lung cancer	深度学习生存预测模型	SurvTrace	临床数据	428,919名肺癌患者，其中5.1%发展为脊柱转移
1102	2025-04-29	Mutual Information Neural-Estimation-Driven Constellation Shaping Design and Performance Analysis 2025-Apr-21, Entropy (Basel, Switzerland) DOI:10.3390/e27040451 PMID:40282686	研究论文	本文提出了基于互信息神经估计（MINE）的几何、概率及联合星座成形方案，以最大化互信息（MI）	首次引入MINE模块，通过反向传播有效估计和最大化互信息，无需明确了解信道状态信息	仅优化发射端，未考虑接收端的复杂性	提高高速相干通信系统中的星座成形性能，以满足日益增长的容量需求	无线和光通信中的星座成形设计	通信技术	NA	深度学习（DL）	MINE-GCS, MINE-PCS, MINE-JCS	信号数据	通过仿真验证，具体样本数量未提及
1103	2025-04-29	MAF-MixNet: Few-Shot Tea Disease Detection Based on Mixed Attention and Multi-Path Feature Fusion 2025-Apr-21, Plants (Basel, Switzerland) DOI:10.3390/plants14081259 PMID:40284147	research paper	提出了一种名为MAF-MixNet的新型少样本端到端检测网络，用于复杂田间条件下的茶叶病害检测	设计了混合注意力分支(MA-Branch)和多路径特征融合模块(MAFM)，有效解决了有限样本下特征提取不足的瓶颈	未提及具体局限性	开发一种能够在少量标注数据下实现稳健检测的茶叶病害检测方法	茶叶病害（炭疽病和褐斑病）	computer vision	plant disease	few-shot learning	MAF-MixNet (基于混合注意力和多路径特征融合的CNN变体)	image	5-shot和10-shot场景下的测试
1104	2025-04-29	A Vision-Based Method for Detecting the Position of Stacked Goods in Automated Storage and Retrieval Systems 2025-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s25082623 PMID:40285312	research paper	提出了一种基于机器视觉的检测算法，用于自动化存储和检索系统中货物堆叠位置的检测	集成了托盘表面物体检测网络（STEGNet）与箱体边缘检测算法，引入了高效门控金字塔特征网络（EG-FPN）和轻量级注意力机制	未提及具体局限性	为现代物流系统中的自动化货物堆叠监控提供可靠解决方案	自动化存储和检索系统中的货物堆叠	computer vision	NA	机器视觉、深度学习	STEGNet、EG-FPN	image	GY-WSBW-4D数据集和WSGID-B数据集
1105	2025-04-29	ProAttUnet: Advancing protein secondary structure prediction with deep learning via U-Net dual-pathway feature fusion and ESM2 pretrained protein language model 2025-Apr-21, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108429 PMID:40288255	研究论文	提出了一种名为ProAttUnet的新方法，通过结合ESM2预训练蛋白质语言模型和双路径U-Net特征融合，提升了蛋白质二级结构预测的性能	整合了SOTA模型ESM2获取残基嵌入和接触图，采用独特的双路径U-Net框架和交叉注意力机制，并引入GCU_SE模块以增强模型性能	NA	提升基于单序列的蛋白质二级结构预测模型的性能	蛋白质序列	生物信息学	NA	深度学习	U-Net, ESM2	蛋白质序列数据	五个测试集（SPOT-2016, SPOT-2016-HQ, SPOT-2018, SPOT-2018-HQ, TEST2018）
1106	2025-04-29	One for multiple: Physics-informed synthetic data boosts generalizable deep learning for fast MRI reconstruction 2025-Apr-20, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103616 PMID:40279827	research paper	提出了一种名为PISF的物理信息合成数据学习框架，用于快速MRI重建，通过单一训练模型实现多场景下的通用深度学习	PISF框架通过将2D图像重建分解为多个1D基本问题，并使用合成数据进行训练，显著减少对真实MRI数据的依赖，同时保持或超越匹配真实数据集训练的模型性能	尽管PISF在多种场景下表现出色，但其在更广泛的解剖结构或更复杂的病理条件下的通用性仍需进一步验证	提升深度学习在快速MRI重建中的通用性和广泛应用	MRI图像重建	digital pathology	NA	MRI	DL	image	4种采样模式、5种解剖结构、6种对比度、5种厂商、7个中心的MRI数据，以及2种神经和2种心血管患者群体的验证
1107	2025-04-29	Deep Learning-Based Fault Diagnosis via Multisensor-Aware Data for Incipient Inter-Turn Short Circuits (ITSC) in Wind Turbine Generators 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082599 PMID:40285287	研究论文	提出了一种基于深度学习的多传感器感知数据方法，用于风力涡轮发电机早期匝间短路故障诊断	结合传统基线机器学习算法和先进深度网络架构，利用电流、振动和轴向磁通传感器信号诊断七种不同的ITSC故障类型	未提及具体数据集的规模或在实际风电场环境中的验证情况	提高风力涡轮发电机早期匝间短路故障诊断的准确性和稳定性	风力涡轮发电机的匝间短路故障	机器学习	NA	深度学习框架	深度网络架构	多传感器信号（电流、振动、轴向磁通）	未明确提及具体样本数量
1108	2025-04-29	Forced Oscillation Detection via a Hybrid Network of a Spiking Recurrent Neural Network and LSTM 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082607 PMID:40285296	research paper	提出了一种结合脉冲循环神经网络(SRNN)和长短期记忆网络(LSTM)的混合网络，用于检测电力系统中的强制振荡	通过结合SRNN的计算和能效优势与LSTM的时间依赖性捕捉能力，提出了一种新型混合网络，有效区分强制振荡与自然振荡	未明确提及具体局限性	提高电力系统稳定性监测中强制振荡检测的准确性和效率	电力系统中的振荡数据	machine learning	NA	backpropagation-through-time (BPTT)优化算法	混合网络(SRNN + LSTM)	时间序列数据	模拟和真实振荡数据集
1109	2025-04-29	Deep Layered Network Based on Rotation Operation and Residual Transform for Building Segmentation from Remote Sensing Images 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082608 PMID:40285301	研究论文	提出了一种基于旋转操作和残差变换的深度分层网络C_ASegformer，用于高分辨率遥感图像中的建筑物分割	设计了深度分层增强融合模块(DLEF)整合不同感受野的层次信息，引入三重注意力模块(TA)通过多方向旋转操作和残差变换建立建筑物与环境间的依赖关系，并提出多级扩张连接模块(MDC)以低计算成本捕获多尺度上下文关系	未明确提及研究局限性	提升高分辨率遥感图像中建筑物分割的精度	高分辨率遥感图像中的建筑物	计算机视觉	NA	深度学习	C_ASegformer（基于Transformer的改进模型）	遥感图像	三个数据集（马萨诸塞州数据集、INRIA数据集和WHU数据集）
1110	2025-04-29	Overview of Research on Digital Image Denoising Methods 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082615 PMID:40285303	综述	本文综述了传统图像去噪方法和基于深度神经网络的图像去噪方法，并进行了比较分析	提供了传统与深度学习方法在图像去噪领域的全面对比，并指出了未来研究方向	未提出新的去噪算法，主要是对现有方法的总结和比较	比较和总结图像去噪领域的不同方法	二维振幅图像	计算机视觉	NA	NA	深度神经网络	图像	公共去噪数据集
1111	2025-04-29	Retina-Inspired Models Enhance Visual Saliency Prediction 2025-Apr-18, Entropy (Basel, Switzerland) DOI:10.3390/e27040436 PMID:40282671	research paper	提出了一种结合视网膜模型和深度神经网络的显著性预测框架，通过信息理论优化信息流和减少冗余	将视网膜模型与深度神经网络结合，利用信息理论优化显著性预测，提高预测准确性和效率	未提及具体的数据集限制或模型泛化能力的测试	提高视觉显著性预测的准确性和效率	视觉显著性预测模型	computer vision	NA	deep neural networks (DNNs), information theory	DNNs	image	多个基准数据集（未提及具体数量）
1112	2025-04-29	Self-Supervised Multiscale Contrastive and Attention-Guided Gradient Projection Network for Pansharpening 2025-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s25082560 PMID:40285249	研究论文	提出了一种基于多尺度对比学习和注意力引导梯度投影网络的全色锐化方法	结合多尺度对比学习和注意力引导梯度投影网络，设计了一种高效且通用的光谱-空间通用模块（SSUM），用于逐步平衡光谱和空间信息	NA	解决遥感图像处理中的全色锐化问题	全色（PAN）和多光谱（MS）图像	计算机视觉	NA	离散小波变换（DWT）	注意力引导梯度投影网络	图像	NA
1113	2025-04-29	Technical Aspects of Deploying UAV and Ground Robots for Intelligent Logistics Using YOLO on Embedded Systems 2025-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s25082572 PMID:40285259	研究论文	本研究探讨了在资源受限的嵌入式平台上部署基于深度学习的物体检测技术，以优化无人机和地面机器人在物流领域的实时应用	提供了YOLOv5和YOLOv8的全面比较分析，开发了用于选择性物体可视化的用户友好GUI，并比较了Python和C#环境下的部署策略	研究主要关注嵌入式平台的性能优化，可能未涵盖所有物流场景的复杂性	优化实时物体检测在嵌入式平台上的部署，提升物流自动化的效率和操作效果	无人机和地面机器人	计算机视觉	NA	YOLO物体检测	YOLOv5, YOLOv8	图像	COCO数据集和定制的物流数据集
1114	2025-04-29	Accuracy of artificial intelligence in prediction of osteoporotic fractures in comparison with dual-energy X-ray absorptiometry and the Fracture Risk Assessment Tool: A systematic review 2025-Apr-18, World journal of orthopedics IF:2.0Q2 DOI:10.5312/wjo.v16.i4.103572 PMID:40290609	系统综述	比较人工智能（AI）与双能X线吸收测定法（DXA）和骨折风险评估工具（FRAX）在预测骨质疏松性骨折中的效能	AI在预测骨质疏松性骨折方面显示出优于DXA和FRAX的潜力	需要更多中心、更多样化的人群、更大数据集和更长的随访时间来验证AI模型的预测性能	评估和比较AI模型与DXA和FRAX在预测脆性骨折中的效能	骨质疏松导致的近端股骨和脊柱骨折患者	数字病理	骨质疏松	AI算法、深度学习、机器学习、卷积神经网络	CNN	医学影像数据	来自13项研究的24489名患者
1115	2025-04-29	Deep Learning-Driven Abbreviated Shoulder MRI Protocols: Diagnostic Accuracy in Clinical Practice 2025-Apr-17, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11040048 PMID:40278715	research paper	本研究评估了深度学习加速的肩部MRI协议在临床实践中的诊断准确性	首次在临床实践中探索不同加速因子对肩部MRI诊断准确性的影响	单中心研究，样本量相对较小（88例患者）	评估2倍和4倍深度学习加速肩部MRI协议与标准协议相比的诊断准确性	88例连续患者（49男，39女；平均年龄51岁）的肩部MRI检查	digital pathology	NA	MRI	deep learning	image	88例患者
1116	2025-04-29	A Lightweight Pig Aggressive Behavior Recognition Model by Effective Integration of Spatio-Temporal Features 2025-Apr-17, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15081159 PMID:40281992	研究论文	提出一种基于深度学习的轻量级猪只攻击行为识别模型，结合MobileNetV2和Autoformer，有效提取时空特征	结合MobileNetV2和Autoformer，集成CBAM和HS-FPN模块，改进Autoformer编码器嵌入GAU单元，提升模型在复杂环境下的适应性和小目标检测能力	实验仅在公开数据集上验证，未说明在实际养殖场景中的泛化性能	提高猪只攻击行为识别的准确性和适应性，支持科学养殖管理	猪只攻击行为	计算机视觉	NA	深度学习	MobileNetV2, Autoformer, CBAM, HS-FPN, GAU	视频	公开数据集（未说明具体样本量）
1117	2025-04-29	Non-Destructive Detection of Chilled Mutton Freshness Using a Dual-Branch Hierarchical Spectral Feature-Aware Network 2025-Apr-17, Foods (Basel, Switzerland) DOI:10.3390/foods14081379 PMID:40282781	研究论文	本研究提出了一种双分支分层光谱特征感知网络（DBHSNet），用于高精度检测冷藏羊肉的新鲜度	提出DBHSNet网络，通过PBCA模块增强全局与局部分支间的信息交互，利用MSMHA模块捕捉光谱变化趋势与细粒度特征，并采用动态损失加权平衡分类性能	未明确说明模型在其他肉类新鲜度检测中的泛化能力	实现冷藏羊肉新鲜度的高精度检测	冷藏羊肉	计算机视觉	NA	高光谱成像与深度学习方法	DBHSNet（双分支分层光谱特征感知网络）	高光谱图像数据	未明确说明具体样本数量
1118	2025-04-29	Comparing Auto-Machine Learning and Expert-Designed Models in Diagnosing Vitreomacular Interface Disorders 2025-Apr-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14082774 PMID:40283604	research paper	本研究比较了专家设计的深度学习模型和AutoML模型在诊断玻璃体黄斑界面疾病中的效果	比较了专家设计的深度学习模型和AutoML模型在玻璃体黄斑界面疾病分类中的性能	AutoML模型在某些类别上的性能仍不及专家设计的模型	比较两种机器学习模型在玻璃体黄斑界面疾病分类中的有效性	玻璃体黄斑界面疾病的OCT图像	digital pathology	vitreomacular interface disorders	optical coherence tomography (OCT)	ResNet-50, EfficientNet-B0, AutoML	image	平衡数据集，包含五个类别的OCT图像（正常、ERM、FTMH、LMH、VMT）
1119	2025-04-29	Ethics and Algorithms to Navigate AI's Emerging Role in Organ Transplantation 2025-Apr-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14082775 PMID:40283605	综述	本文探讨了人工智能在实体器官移植中的多样化应用及其对诊断、治疗和市场格局的影响	利用机器学习、深度学习和生成式AI处理大量数据以预测移植结果、个性化免疫抑制方案及优化患者选择	未具体说明AI技术的实际应用案例及效果验证	探索AI如何解决实体器官移植中的器官短缺、移植排斥和术后并发症等挑战	实体器官移植的诊断、治疗及市场格局	人工智能在医疗领域的应用	终末期器官衰竭	机器学习、深度学习、生成式AI	NA	医疗数据	NA
1120	2025-04-29	Exploration of Advanced Applications of Triboelectric Nanogenerator-Based Self-Powered Sensors in the Era of Artificial Intelligence 2025-Apr-17, Sensors (Basel, Switzerland) DOI:10.3390/s25082520 PMID:40285210	综述	本文综述了深度学习与传感器技术的融合，特别是基于摩擦电纳米发电机(TENG)的自供电传感器与人工智能(AI)算法的结合应用	重点介绍了TENG自供电传感器与深度学习算法在运动识别、智能医疗、智能家居和人机交互等领域的创新应用	NA	探讨深度学习与自供电传感器技术的协同创新，为下一代智能系统的发展铺平道路	基于摩擦电纳米发电机的自供电传感器及其与AI算法的集成应用	人工智能与传感器技术	NA	深度学习算法、摩擦电纳米发电机技术	神经网络	传感器数据	NA