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
141	2025-05-29	EnsembleEdgeFusion: advancing semantic segmentation in microvascular decompression imaging with innovative ensemble techniques 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02470-5 PMID:40410312	research paper	该研究提出了一种创新的集成技术EnsembleEdgeFusion，用于提升微血管减压影像中的语义分割性能	引入了集成技术（如堆叠和装袋）来提升分割性能，特别是装袋与朴素贝叶斯方法结合表现出显著改进	公开可用的数据集稀缺，且专家标注要求高	提升微血管减压影像中的语义分割性能	2003张RGB微血管减压影像及其标注掩码	digital pathology	NA	语义分割	DeepLabv3+, U-Net, DilatedFastFCN with JPU, DANet, Vanilla architecture	image	2003张RGB微血管减压影像
142	2025-05-29	Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study 2025-May-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107595 PMID:40424761	研究论文	本研究比较了自监督学习的Vision Transformers（ViTs）与传统视觉注意力模型在预测人类凝视行为上的差异	发现自监督DINO训练的ViTs能形成与人类凝视行为高度一致的结构化注意力，并自主分化为三种不同的注意力头集群	研究仅针对视频观看场景，未验证在其他视觉任务中的表现	探索自监督学习如何使ViTs产生更接近生物视觉的注意力机制	Vision Transformers的注意力机制与人类凝视行为	计算机视觉	NA	自监督学习（DINO）	ViT (Vision Transformer)	视频	NA
143	2025-05-29	A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education 2025-May-21, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13101205 PMID:40428041	review	本文是一篇范围综述，探讨了AI驱动的数字干预在心理健康护理中的应用，涵盖了筛查、支持、监测、预防和临床教育五个阶段	引入了一个四支柱框架，全面概述了AI增强心理健康护理的当前应用和未来方向	存在算法偏见、数据隐私风险和工作流程整合障碍等挑战	指导研究人员、临床医生和政策制定者开发安全、有效和公平的数字心理健康干预措施	AI驱动的数字工具在心理健康护理中的应用	natural language processing	mental health	large language models (LLMs), machine learning (ML) models, and conversational agents	machine learning and deep learning models	text	36 empirical studies
144	2025-05-29	Brain Tumour Segmentation and Grading Using Local and Global Context-Aggregated Attention Network Architecture 2025-May-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050552 PMID:40428171	研究论文	本文提出了一种名为LGCNet的智能模型，用于脑肿瘤的分割和分级，结合了局部和全局上下文注意力网络架构	LGCNet结合了局部上下文注意力网络和全局上下文注意力网络，通过任务、维度和尺度提取信息，并设计了专用的网络用于特定任务	研究范围仅限于BraTS2019数据集，未来工作需扩展模型到不同的临床和成像环境	设计并开发一个能更有效检测和分级脑肿瘤的智能模型	脑肿瘤的分割和分级	数字病理学	脑肿瘤	深度学习	LGCNet（结合局部和全局上下文注意力网络）	医学图像	BraTS2019数据集
145	2025-05-29	RDW-YOLO: A Deep Learning Framework for Scalable Agricultural Pest Monitoring and Control 2025-May-21, Insects IF:2.7Q1 DOI:10.3390/insects16050545 PMID:40429258	研究论文	介绍了一种基于YOLO11改进的害虫检测算法RDW-YOLO，用于农业害虫监测与控制	提出了三个关键创新点：Reparameterized Dilated Fusion Block (RDFBlock)增强特征提取，DualPathDown (DPDown)模块提升多尺度适应性，以及改进的Wise-Wasserstein IoU (WWIoU)损失函数优化边界框回归	NA	提高农业害虫检测的准确性和效率	农业害虫	计算机视觉	NA	深度学习	YOLO	图像	增强的IP102数据集
146	2025-05-29	Improved YOLOv8 Network of Aircraft Target Recognition Based on Synthetic Aperture Radar Imaging Feature 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103231 PMID:40432024	研究论文	本文提出了一种基于合成孔径雷达（SAR）成像特征的改进YOLOv8网络，用于飞机目标识别	采用了Shi-Tomasi角点检测算法和Enhanced Lee滤波算法将灰度图像转换为RGB图像，增强了YOLOv8模型的检测分支，并集成了Swin Transformer机制	NA	提高SAR图像中飞机目标的识别准确率和效率	SAR图像中的飞机目标	计算机视觉	NA	合成孔径雷达（SAR）成像	YOLOv8	图像	ISPRS-SAR-aircraft数据集和SAR-Aircraft-1.0数据集
147	2025-05-29	Optimizing Backbone Networks Through Hybrid-Modal Fusion: A New Strategy for Waste Classification 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103241 PMID:40432034	研究论文	提出了一种高效的混合模态融合方法HFWC-Net，用于精确的垃圾图像分类	HFWC-Net结合了CNN和Transformer的层次结构，通过Agent Attention机制和LionBatch优化策略，提高了分类准确性并显著减少了分类时间	在复杂环境和多样化垃圾类型中仍可能存在识别准确性和泛化能力的挑战	优化主干网络以提高垃圾分类的准确性和效率	垃圾图像分类	计算机视觉	NA	混合模态融合	HFWC-Net（结合CNN和Transformer）	图像	公共数据集Garbage Classification、TrashNet和自建MixTrash数据集
148	2025-05-29	Machine learning in neuroimaging and computational pathophysiology of Parkinson's disease: A comprehensive review and meta-analysis 2025-May-20, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104537 PMID:40424835	综述与荟萃分析	本文全面回顾和荟萃分析了机器学习和深度学习在帕金森病神经影像学和计算病理生理学中的应用	提出了Meta-Park模型用于帕金森病诊断，训练、测试和验证准确率分别达到97.67%、95%和94.04%	研究指出需要更广泛和多样化的数据集以及改进模型的可访问性	通过数据驱动的方法为帕金森病的早期诊断和有效治疗提供创新决策	帕金森病患者的MRI、语音和手写数据集	神经影像学与计算病理生理学	帕金森病	机器学习和深度学习	Meta-Park模型	MRI图像、语音数据和手写数据	NA
149	2025-05-29	Investigating the interpretability of ChatGPT in mental health counseling: An analysis of artificial intelligence generated content differentiation 2025-May-20, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108864 PMID:40424870	research paper	评估ChatGPT在心理健康咨询中的有效性和情感支持能力，并探讨如何区分AI生成内容与用户生成内容	首次从宏观和微观两个层面评估ChatGPT的心理咨询能力，并开发了区分AI生成内容的深度学习模型	未涉及ChatGPT在长期心理咨询中的表现评估，以及不同文化背景下的适用性	评估大型语言模型在心理健康咨询中的应用潜力	ChatGPT生成的心理咨询内容和人类专家的咨询内容	natural language processing	mental health	BERTopic算法, LIME, SHAP	deep learning models	text	未明确说明样本数量
150	2025-05-29	Multiclassification of Colorectal Polyps from Colonoscopy Images Using AI for Early Diagnosis 2025-May-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101285 PMID:40428278	研究论文	本研究利用多种深度学习架构对结肠镜图像中的结直肠息肉进行多分类，以实现早期诊断	开发了自定义的CRP-ViT模型，在捕获复杂特征方面表现出色，并在实时图像上取得了高准确率	未提及模型在更广泛或多样化数据集上的表现	提高结直肠癌前病变息肉的准确分类，以改善筛查结果	结肠镜图像中的结直肠息肉	计算机视觉	结直肠癌	深度学习	VGG16, VGG19, ResNet50, DenseNet121, EfficientNetV2, InceptionNetV3, ViT, CRP-ViT	图像	公开数据集和实时采集的结肠镜图像
151	2025-05-29	Artificial Intelligence and Novel Technologies for the Diagnosis of Upper Tract Urothelial Carcinoma 2025-May-20, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61050923 PMID:40428881	综述	本文综述了人工智能和新技术在上尿路尿路上皮癌（UTUC）诊断中的应用，旨在提高高级别UTUC的早期诊断准确性	探讨了人工智能在尿液细胞学、CT尿路造影和输尿管镜可视化中的应用，以提高UTUC的诊断准确性	ChatGPT在诊断和治疗方面的信息提供尚不成熟，且研究仅纳入12篇英文文献	研究人工智能和新技术在UTUC早期诊断中的应用，以预防转移并促进及时治疗	上尿路尿路上皮癌（UTUC）	数字病理学	尿路上皮癌	人工智能、计算机视觉、深度学习	随机森林模型、深度学习模型	图像、文本	12篇文献
152	2025-05-29	A Smartphone-Based Non-Destructive Multimodal Deep Learning Approach Using pH-Sensitive Pitaya Peel Films for Real-Time Fish Freshness Detection 2025-May-19, Foods (Basel, Switzerland) DOI:10.3390/foods14101805 PMID:40428585	研究论文	提出了一种基于智能手机的多模态深度学习方法，利用火龙果皮pH敏感薄膜实时检测鱼类新鲜度	结合火龙果皮pH智能指示薄膜与多模态深度学习，设计轻量级MobileNetV2网络和MDFA模块增强颜色特征提取，采用TCN建模化学指标动态模式，并通过CAG-Fusion机制自适应整合图像和化学时序特征	NA	开发一种低成本、便携式的鱼类新鲜度实时无损检测方法	鱼类新鲜度	计算机视觉	NA	高压力均质技术	MobileNetV2, TCN	图像, 化学指标数据	3600张指示薄膜图像，涵盖不同光照条件和角度
153	2025-05-29	Automated Stuttering Detection Using Deep Learning Techniques 2025-May-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14103552 PMID:40429548	研究论文	本研究提出了一种利用深度学习技术自动检测口吃的创新系统	采用CNN和ConvLSTM深度学习模型，实现了对口吃的高精度自动检测，性能优于先前研究	NA	开发一种自动检测口吃的系统，以克服人工测量的局限	口吃（包括重复、延长、插入和阻塞等不流畅现象）	自然语言处理	NA	深度学习	CNN, ConvLSTM	语音数据	两个基准数据集：FluencyBank和SEP-28K
154	2025-05-29	NeuroDetect: Deep Learning-Based Signal Detection in Phase-Modulated Systems with Low-Resolution Quantization 2025-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s25103192 PMID:40431983	research paper	本文介绍了NeuroDetect，一种基于深度学习的无模型信号检测框架，专为具有低分辨率模数转换器（ADC）的相位调制无线系统设计	NeuroDetect无需显式信道状态信息，直接通过神经网络学习量化接收信号与发送符号之间的非线性关系，在低分辨率ADC条件下实现接近最优的性能	性能与理想最大似然检测器相比仍有12%的最坏情况差距	开发适用于低分辨率ADC相位调制无线系统的高效能信号检测方法	相位调制无线系统中的信号检测	machine learning	NA	deep learning	neural network	wireless signals	NA
155	2025-05-29	Novel Spatio-Temporal Joint Learning-Based Intelligent Hollowing Detection in Dams for Low-Data Infrared Images 2025-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s25103199 PMID:40431991	研究论文	提出了一种基于时空联合学习的智能大坝空鼓检测方法，适用于低数据红外图像	创新性地提出了非破坏性红外检测方法，结合物理信息神经网络（PINNs）和多子网设计，解决了低数据情况下的空鼓检测问题	方法依赖于构建的数据集，实际应用中可能需要更多真实图像验证	开发一种高效、智能的大坝空鼓检测方法，满足定期检查的全面覆盖和智能管理需求	混凝土大坝的表面温度场变化及空鼓缺陷	计算机视觉	NA	红外检测技术、深度学习算法	PINNs（物理信息神经网络）	红外图像	少量真实图像（few shots real images）
156	2025-05-29	Neurophysiological Approaches to Lie Detection: A Systematic Review 2025-May-18, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15050519 PMID:40426690	系统综述	本文系统评估了2017-2024年间基于EEG和ERP P300反应的测谎研究，总结了常用的EEG信号处理技术、特征提取方法和分类算法	首次系统比较了不同EEG信号处理与分类方法在测谎任务中的表现，并指出深度学习模型对性能的提升作用	研究仅限于2017-2024年的英文文献，且主要关注面部识别任务中的P300反应	评估EEG-based测谎技术的最新进展，确定最有效的信号处理和分类方法	使用EEG和ERP P300进行测谎的研究文献	神经工程	NA	EEG、ERP P300、CIT、GKT、DIT	SVM、LDA、CNN	神经电生理信号	NA
157	2025-05-29	A Systematic Review of AI-Based Techniques for Automated Waste Classification 2025-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s25103181 PMID:40431972	系统综述	本文系统综述了基于AI的自动化废物分类技术，重点关注机器学习和深度学习的应用	提供了对97项研究的全面分析，并提出了一个结构化路线图，将挑战和机遇分为短期、中期和长期优先事项	数据集不平衡、现实世界变异性及标准化问题	探索AI在自动化废物分类中的作用，并指导未来研究方向	废物分类技术及其相关数据集	机器学习	NA	机器学习(ML)、深度学习(DL)	CNN、混合模型	图像	超过15个公开可用的废物分类数据集
158	2025-05-29	A Supervised Scene Adaptive Model for Identifying Impact Load with Few Samples 2025-May-17, Sensors (Basel, Switzerland) DOI:10.3390/s25103169 PMID:40431961	研究论文	提出了一种基于监督场景自适应模型的冲击载荷识别方法，适用于样本量少的情况	该方法能够在少量甚至零冲击训练样本的情况下构建深度学习模型，并提高模型在不同结构间的迁移能力	NA	解决下一代大型飞机结构健康监测中冲击载荷识别技术的样本依赖和扩展性问题	大型飞机结构	机器学习	NA	深度学习	监督场景自适应模型	NA	少量样本（基线区域样本训练，迁移区域仅需极少量校准样本）
159	2025-05-29	Depth Perception Based on the Interaction of Binocular Disparity and Motion Parallax Cues in Three-Dimensional Space 2025-May-17, Sensors (Basel, Switzerland) DOI:10.3390/s25103171 PMID:40431963	综述	本文系统总结了基于双目视差和运动视差线索的三维空间深度感知研究	从单一线索研究发展到定量研究两种线索的交互作用，并总结了四种深度感知模型	未提出新的实验数据或模型，主要基于文献综述	总结和分析基于双目视差和运动视差的深度感知研究现状和发展趋势	人类视觉系统的深度感知机制	计算机视觉	NA	文献调查与模型分析	WF模型、MWF模型、SF模型、IC模型	文献数据	NA
160	2025-05-29	Pancreas segmentation using AI developed on the largest CT dataset with multi-institutional validation and implications for early cancer detection 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01802-9 PMID:40379726	research paper	该研究开发了一种基于深度学习的卷积神经网络（CNN）用于胰腺的自动化分割，并在大规模CT数据集上进行了验证	使用了迄今为止最大的单机构数据集（n=3031 CTs）进行训练，并在多机构数据集AbdomenCT-1K（n=585）上进行了外部验证，展示了模型的高空间一致性和鲁棒性	未提及具体局限性，但可能包括模型在更广泛人群或不同成像条件下的泛化能力需要进一步验证	开发一种准确且全自动的胰腺分割方法，以推动早期胰腺癌检测的影像生物标志物研究	胰腺的CT影像	digital pathology	pancreatic cancer	deep learning, CT imaging	3D nnU-Net	CT images	3031 CTs（训练集），585 CTs（外部验证集），452 CTs（测试集）