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
1121	2025-04-29	Enhanced Simultaneous Localization and Mapping Algorithm Based on Deep Learning for Highly Dynamic Environment 2025-Apr-17, Sensors (Basel, Switzerland) DOI:10.3390/s25082539 PMID:40285228	研究论文	提出了一种基于深度学习的动态SLAM算法，用于高动态环境中的精确定位与地图构建	结合YOLOv10n和ORB-SLAM2，通过语义信息提升动态环境下的SLAM精度	未提及算法在极端动态条件下的鲁棒性测试	提高动态环境中SLAM算法的定位与地图构建精度	高动态环境下的视觉SLAM系统	计算机视觉	NA	深度学习	YOLOv10n, ORB-SLAM2	图像	NA
1122	2025-04-29	Development of a Deep-Learning-Based Computerized Scoring Algorithm 2025-Apr-17, Sensors (Basel, Switzerland) DOI:10.3390/s25082537 PMID:40285226	研究论文	本文介绍了一种基于深度神经网络的韩国计算机化评分系统，旨在减少测谎检查员的主观偏见并提高评分准确性	利用深度神经网络处理生物信号的非线性特性，显著提升了计算机化评分系统的性能	未明确提及算法的泛化能力或在不同文化背景下的适用性	开发高精度的计算机化测谎评分系统以减少人为误差	测谎测试中的生理反应信号	机器学习	NA	深度神经网络	DNN	生理信号数据	NA
1123	2025-04-29	Flight Trajectory Prediction Based on Automatic Dependent Surveillance-Broadcast Data Fusion with Interacting Multiple Model and Informer Framework 2025-Apr-17, Sensors (Basel, Switzerland) DOI:10.3390/s25082531 PMID:40285220	research paper	提出了一种基于ADS-B数据融合的飞行轨迹预测新框架IMM-Informer，结合了交互多模型和深度学习模型	整合了交互多模型(IMM)和基于深度学习的Informer模型，通过融合两者的优势实现更准确和鲁棒的预测	未明确说明模型在极端天气或其他异常条件下的表现	提高飞行轨迹预测的准确性和鲁棒性	飞行轨迹数据	machine learning	NA	自动相关监视广播(ADS-B)	IMM, Informer	飞行监视数据	真实飞行监视数据(具体数量未说明)
1124	2025-04-29	An Approach for Detecting Mangrove Areas and Mapping Species Using Multispectral Drone Imagery and Deep Learning 2025-Apr-17, Sensors (Basel, Switzerland) DOI:10.3390/s25082540 PMID:40285231	research paper	本研究提出了一种基于多光谱无人机影像和深度学习的红树林区域检测和物种分布映射方法	开发了MangroveNet和AttCloudNet+模型，结合多尺度光谱和空间信息以及注意力机制，提高了红树林区域检测和物种识别的准确性和效率	未明确提及研究的具体局限性	开发更高效、智能和准确的红树林监测方法，以更好地了解和保护红树林生态系统	红树林区域和红树林物种	computer vision	NA	多光谱无人机影像	MangroveNet, AttCloudNet+, SegNet, UNet, DeepUNet, K-means, ISODATA, RF, SVM	image	NA
1125	2025-04-29	Smartphone-Based SPAD Value Estimation for Jujube Leaves Using Machine Learning: A Study on RGB Feature Extraction and Hybrid Modeling 2025-Apr-17, Sensors (Basel, Switzerland) DOI:10.3390/s25082545 PMID:40285234	研究论文	本研究提出了一种利用智能手机图像和机器学习模型快速检测枣叶叶绿素含量的方法	结合智能手机图像和机器学习模型进行叶绿素含量快速检测，提出CNN-SVR混合模型，性能优于其他模型	研究仅针对新疆枣椰树，未验证在其他植物上的适用性	开发一种简单、经济且高精度的叶绿素含量检测方法	新疆枣椰树叶片的SPAD值和RGB图像	计算机视觉	NA	RGB图像处理，机器学习，深度学习	SVR, RVM, CNN, CNN-SVR, CNN-RVM	图像	NA
1126	2025-04-29	Multi-modal multi-task deep neural networks for sleep disordered breathing assessment using cardiac and audio signals 2025-Apr-17, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105932 PMID:40286704	研究论文	本文提出了一种使用心电和音频信号的多模态多任务深度学习方法，用于睡眠呼吸障碍（SDB）的评估	结合心电和音频信号的多模态数据融合方法，用于SDB事件检测和严重性分类	样本量较小（161名受试者），且SDB严重性分类的准确率有待提高（57.8%）	开发一种成本效益高且易于获取的SDB检测方法	睡眠呼吸障碍（SDB）患者	机器学习	心血管疾病	多模态数据融合	深度神经网络	心电信号和音频信号	161名受试者的夜间记录
1127	2025-04-29	Achieving precision assessment of functional clinical scores for upper extremity using IMU-Based wearable devices and deep learning methods 2025-Apr-16, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01625-9 PMID:40241161	研究论文	本研究利用基于IMU的可穿戴设备和深度学习方法，对中风患者上肢运动功能进行精确评估	结合IMU信号和GRU网络对Fugl-Meyer上肢子量表进行评分，并基于Fugl-Meyer评估与Brunnstrom量表的内在关联，建立Brunnstrom阶段预测模型	研究样本量相对较小（120名患者），且为回顾性注册临床试验	实现中风患者上肢运动功能的精确评估，以促进个性化康复方案	120名中风后运动功能障碍患者	数字病理学	心血管疾病	IMU信号采集	GRU, 随机森林, 极端随机树	运动信号数据	120名患者
1128	2025-04-29	DermViT: Diagnosis-Guided Vision Transformer for Robust and Efficient Skin Lesion Classification 2025-Apr-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040421 PMID:40281781	research paper	提出了一种名为DermViT的医学驱动深度学习架构，用于皮肤病变分类，通过模仿医生的诊断模式解决现有模型的不足	DermViT通过三个医学启发的模块（DCP、DHA、DFG）解决了病变背景语义纠缠、类内高变异性等问题，并模仿医生的诊断范式	未提及具体局限性	提高皮肤病变分类的准确性和效率，为皮肤癌早期诊断提供可靠解决方案	皮肤病变图像，特别是黑色素瘤等皮肤癌病变	digital pathology	skin cancer	deep learning	Vision Transformer (ViT)	image	ISIC2018和ISIC2019数据集
1129	2025-04-29	Visualization of Runs of Homozygosity and Classification Using Convolutional Neural Networks 2025-Apr-16, Biology DOI:10.3390/biology14040426 PMID:40282291	研究论文	本研究提出了一种通过可视化和使用卷积神经网络（CNN）分类来分析纯合子片段（ROH）的新方法	首次将ROH图谱可视化为彩色编码图像，并利用CNN进行分类分析	在预测表型性状（肢体缺陷）时准确率中等（78.57%）	分析ROH与种群遗传结构、表型性状的关联	大白猪（n=568）和杜洛克猪（n=600）的遗传数据	机器学习	NA	GeneSeek GGP SNP80x1_XT芯片基因分型，PLINK v1.9软件分析	CNN	基因数据	1168头猪（568头大白猪+600头杜洛克猪）
1130	2025-04-29	Artificial Intelligence in Thoracic Surgery: A Review Bridging Innovation and Clinical Practice for the Next Generation of Surgical Care 2025-Apr-16, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14082729 PMID:40283559	review	本文综述了人工智能在胸外科手术中的应用、优势、局限性及未来发展方向	探讨了AI在胸外科手术中的创新应用，包括诊断准确性、手术精确性、术中导航和术后管理	存在算法偏见、缺乏多中心验证、高实施成本以及数据安全和临床责任的伦理问题	分析AI在胸外科手术中的当前应用、益处、局限性和未来方向	胸外科手术中的AI技术应用	digital pathology	lung cancer	machine learning, deep learning, computer vision, robotic-assisted surgery	NA	image, clinical data	36项研究符合纳入标准
1131	2025-04-29	Estimation of Flood Inundation Area Using Soil Moisture Active Passive Fractional Water Data with an LSTM Model 2025-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s25082503 PMID:40285193	研究论文	利用SMAP分数水数据和LSTM模型估算洪水淹没区域	结合土壤湿度信息、降雨预测和洪泛区地形，使用LSTM模型进行洪水区域估算，提高了传统方法的准确性	在低植被覆盖、季节性水位变化和平坦区域表现最佳，可能在其他地形条件下表现有限	提高洪水监测和预测的准确性，以改善灾害准备和减灾能力	洪水淹没区域	机器学习	NA	SMAP分数水数据、Sentinel-1 SAR图像	LSTM	卫星观测数据、土壤湿度信息、降雨预测、地形数据	NA
1132	2025-04-29	MEF-CAAN: Multi-Exposure Image Fusion Based on a Low-Resolution Context Aggregation Attention Network 2025-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s25082500 PMID:40285190	research paper	提出了一种基于低分辨率上下文聚合注意力网络的多曝光图像融合方法（MEF-CAAN）	通过低分辨率上下文聚合注意力网络（CAAN）和引导滤波上采样（GFU）技术，提高了在极端曝光区域的信息和细节恢复能力	未提及具体的数据集或样本量限制	提升多曝光图像融合的效果，特别是在极端曝光区域的信息恢复	多曝光图像	computer vision	NA	低分辨率上下文聚合注意力网络（CAAN），引导滤波上采样（GFU）	CNN	image	NA
1133	2025-04-29	Advancements in the diagnosis of biliopancreatic diseases: A comparative review and study on future insights 2025-Apr-16, World journal of gastrointestinal endoscopy IF:1.4Q4 DOI:10.4253/wjge.v17.i4.103391 PMID:40291132	综述	本文综述了胆胰疾病诊断中的关键技术进步，包括生物标志物、影像技术和基于人工智能的技术	探讨了AI在影像和病理学中的应用，以及生物标志物液体活检在非侵入性诊断中的重要性	未来研究需要标准化生物标志物验证，改进AI驱动的诊断技术，并在资源有限的环境中扩大先进影像技术的可及性	优化胆胰疾病的检测和管理	胆胰疾病，包括胰腺和胆道恶性肿瘤	数字病理学	胰腺癌	CT、PET-CT、磁共振胰胆管造影、内镜超声	深度学习算法	医学影像	NA
1134	2025-04-29	Radar-Based Activity Recognition in Strictly Privacy-Sensitive Settings Through Deep Feature Learning 2025-Apr-15, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10040243 PMID:40277642	研究论文	该研究探讨了在严格隐私敏感环境中使用雷达技术进行人类活动识别的可行性	采用雷达技术进行非侵入式匿名监测，解决了传统视觉方法和可穿戴传感器在隐私敏感环境中的局限性	躺下和起床等动作由于运动相似性识别效果较差	开发一种在隐私敏感环境中有效且保护隐私的人类活动识别方法	浴室环境中的日常活动	机器学习	NA	60 GHz雷达	DenseNet201, ResNet50, 双向LSTM网络	雷达信号	7名志愿者进行的10种日常活动
1135	2025-04-29	Application of deep learning on quantitative analysis of binary solid dispersions by UV Raman spectroscopy for planetary exploration 2025-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126154 PMID:40279879	研究论文	本研究提出了一种名为IRMSE的深度学习模型，用于紫外拉曼光谱的定量分析，以支持行星探索任务	结合了Inception-ResNet-v1模型和挤压-激励块的深度学习模型IRMSE，能够自动从拉曼光谱中学习并提取成分信息，并通过注意力机制选择最关键的信息	NA	验证深度学习在行星探索任务中通过拉曼光谱对矿物和有机材料进行定量分析的可行性	矿物和有机化合物的固体分散体	机器学习	NA	紫外拉曼光谱	Inception-ResNet-v1模型与挤压-激励块结合(IRMSE)	光谱数据	NA
1136	2025-04-29	A Machine Learning Method for the Fast Simulation of the Scattering Characteristics of a Target Under a Planar Layered Medium 2025-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s25082481 PMID:40285173	研究论文	提出一种基于机器学习的快速求解方法，用于平面分层介质下目标散射特性的快速模拟	设计了一种创新的循环嵌套深度学习网络架构，能够充分探索场景参数与主成分权重系数之间的内在因果关系，并对每个预测的主成分进行细化和校正	NA	提高全波形反演中分层介质和埋藏目标数值计算的效率	埋藏在沙下混凝土中的钢筋	机器学习	NA	有限差分时域(FDTD)模拟、主成分分析(PCA)	循环嵌套深度学习网络	散射回波信号	NA
1137	2025-04-29	Boosting Skin Cancer Classification: A Multi-Scale Attention and Ensemble Approach with Vision Transformers 2025-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s25082479 PMID:40285168	research paper	提出了一种基于多尺度注意力和集成学习的方法，用于提升皮肤癌分类的准确性	结合Vision Transformer架构的多尺度注意力机制和集成学习技术，显著提高了皮肤癌分类的准确率	研究仅基于ISIC2018数据集，未在其他数据集上验证模型的泛化能力	提高皮肤癌分类的准确性，特别是区分良性和恶性病变	皮肤病变图像	computer vision	skin cancer	deep learning	Vision Transformer (ViT), EfficientNet, CNN	image	ISIC2018数据集
1138	2025-04-29	A Lightweight Dual-Branch Complex-Valued Neural Network for Automatic Modulation Classification of Communication Signals 2025-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s25082489 PMID:40285178	研究论文	本文提出了一种轻量级双分支复数神经网络（LDCVNN），用于通信信号的自动调制分类（AMC）	LDCVNN通过双路径分别捕获相位信息和复数缩放等变表示，并通过可训练的加权融合自适应融合，同时扩展了SCConv到复数域并结合CBlock和复数平均池化以减少特征冗余并提取高阶特征	未提及具体局限性	解决现有模型因参数过多和计算复杂度高而面临的部署挑战	通信信号的自动调制分类	机器学习	NA	复数神经网络（CVNNs）	LDCVNN	通信信号数据	RML2016.10a数据集
1139	2025-04-29	LO-MLPRNN: A Classification Algorithm for Multispectral Remote Sensing Images by Fusing Selective Convolution 2025-Apr-14, Sensors (Basel, Switzerland) DOI:10.3390/s25082472 PMID:40285163	研究论文	提出了一种名为LO-MLPRNN的改进植被覆盖分类算法，用于多光谱遥感图像的分类	融合了Large Selective Kernel Network (LSK)和Omni-Dimensional Dynamic Convolution (ODC)与Multi-Layer Perceptron Recurrent Neural Network (MLPRNN)，通过并行连接的ODC和LSK模块自适应调整卷积核参数和动态优化空间感受野，实现多视角特征融合	仅针对多光谱遥感图像进行分类，未涉及其他类型图像或数据	提高多光谱遥感图像中植被覆盖分类的准确性和效率	多光谱遥感图像	计算机视觉	NA	多光谱遥感图像处理	LO-MLPRNN (融合LSK、ODC和MLPRNN)	图像	GF-2 (0.75 m)和Sentinel-2 (10 m)多光谱遥感图像，来自广西壮族自治区柳州市柳城县
1140	2025-04-29	Prediction of the Non-Reducing Biomineralization of Nuclide-Microbial Interactions by Machine Learning: The Case of Uranium and Bacillus subtilis 2025-Apr-13, Toxics IF:3.9Q1 DOI:10.3390/toxics13040305 PMID:40278621	research paper	使用深度学习神经网络模型预测环境敏感因素对铀与枯草芽孢杆菌非还原生物矿化的影响	首次构建深度学习模型预测五种环境敏感因素对铀非还原矿化的影响，并识别pH值为最关键因素	模型仅针对铀与枯草芽孢杆菌的相互作用，未验证其他核素或微生物体系的适用性	探究环境因素调控铀非还原矿化效率的机制并优化铀富集过程	铀(VI)与枯草芽孢杆菌的非还原生物矿化相互作用	machine learning	NA	深度学习	deep learning neural network	环境参数数据(数值型)	NA（未明确说明具体样本量）