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	2025-05-15	A Tree Crown Segmentation Approach for Unmanned Aerial Vehicle Remote Sensing Images on Field Programmable Gate Array (FPGA) Neural Network Accelerator 2025-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s25092729 PMID:40363175	研究论文	提出了一种基于FPGA神经网络加速器的树冠分割方法，用于无人机遥感图像处理	设计了一个轻量级神经网络U-Net-Light，并在FPGA上实现加速，显著降低了延迟和系统资源消耗	仅针对两种树种（油松和旱柳）进行了验证，可能不适用于其他树种	实现无人机遥感图像的实时树冠分割和分类	无人机采集的油松和旱柳树冠图像	计算机视觉	NA	FPGA加速，轻量级神经网络	U-Net-Light（基于U-Net和VGG16）	图像	北京昌平京豫生态林场采集的油松和旱柳无人机图像数据集
142	2025-05-15	Understanding the Impact of Deep Learning Model Parameters on Breast Cancer Histopathological Classification Using ANOVA 2025-Apr-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17091425 PMID:40361352	research paper	该研究分析了深度学习模型参数对乳腺癌组织病理学分类性能的影响	使用ANOVA方法评估深度学习模型参数对乳腺癌分类的影响，增强了模型的可解释性和可靠性	NA	分析不同模型参数变化对乳腺癌检测模型性能的影响	乳腺癌组织病理学分类	digital pathology	breast cancer	deep learning	weakly supervised deep learning model	image	NA
143	2025-05-15	The Effectiveness of Deep Learning in the Differential Diagnosis of Hemorrhagic Transformation and Contrast Accumulation After Endovascular Thrombectomy in Acute Ischemic Stroke Patients 2025-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091080 PMID:40361898	research paper	该研究利用深度学习技术在急性缺血性卒中患者血管内血栓切除术后，通过非对比计算机断层扫描图像区分出血性转化和对比剂积聚	首次使用多种CNN架构模型对急性缺血性卒中患者术后NCCT图像中的高密度区域进行自动分类，并比较了不同模型的性能	样本量相对较小（52名患者），且所有数据来自单一机构	开发一种能够准确区分血管内血栓切除术后出血性转化和对比剂积聚的自动化诊断方法	急性缺血性卒中患者术后NCCT图像中的高密度区域	digital pathology	cardiovascular disease	NCCT成像	CNN（包括DenseNet201、InceptionResNet、InceptionV3、NASNetLarge、ResNet50、ResNet101、VGG16、VGG19和Xception）	医学影像	52名患者（21名女性和31名男性）的556张图像
144	2025-05-15	Rapid and Efficient Screening of Helicobacter pylori in Gastric Samples Stained with Warthin-Starry Using Deep Learning 2025-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091085 PMID:40361903	research paper	该研究提出了一种结合特征金字塔网络和ResNet架构的深度学习算法，用于在Warthin-Starry染色的胃活检数字化图像中自动快速检测幽门螺杆菌	算法显著减少了诊断周转时间，提高了诊断准确性，尤其对经验不足的人员支持明显	NA	开发一种自动快速检测幽门螺杆菌的方法，以减少诊断周转时间并提高准确性	Warthin-Starry染色的胃活检数字化图像	digital pathology	gastric cancer	deep learning	FPN, ResNet	image	NA
145	2025-05-15	VFQB: A Novel Deep Learning Model for Rolling Bearing Fault Diagnosis 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092678 PMID:40363117	研究论文	提出了一种名为VFQB的新型深度学习模型，用于滚动轴承故障诊断，通过结合VMD/FFT-Quadratic-BiGRU模型来提高复杂环境下弱故障特征的捕捉能力	结合了VMD、FFT、二次神经网络输入、BiGRU模块和注意力机制，显著提高了在复杂环境下捕捉弱故障特征的能力	NA	提高滚动轴承故障诊断的准确性	滚动轴承的振动信号	机器学习	NA	VMD、FFT	BiGRU、注意力机制	振动信号	在两个数据集上进行了实验
146	2025-05-15	Trinocular Vision-Driven Robotic Fertilization: Enhanced YOLOv8n for Precision Mulberry Growth Synchronization 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092691 PMID:40363130	研究论文	本研究提出了一种基于深度学习的智能叶面施肥系统，用于解决气溶胶栽培中桑树根系发育延迟的问题	对YOLOv8n模型进行了多项改进，包括引入渐进特征金字塔网络（AFPN）、使用MSBlock模块优化特征提取、采用动态ATSS标签分配策略以及将CIoU损失函数替换为Focal_XIoU损失函数	NA	解决桑树在气溶胶栽培中由于枝条和芽生长不同步导致的根系发育延迟问题	桑树	计算机视觉	NA	深度学习	YOLOv8n	图像	NA
147	2025-05-15	YOLO-BCD: A Lightweight Multi-Module Fusion Network for Real-Time Sheep Pose Estimation 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092687 PMID:40363127	research paper	本研究开发了一个名为YOLOv8-BCD的优化深度学习框架，专门用于羊的姿态识别，以提高计算效率和检测精度	1) 通过双向跨层连接实现自适应多尺度特征聚合 2) 上下文感知注意力加权以强调关键区域 3) 针对资源受限设备进行简化的检测头优化	NA	开发一个实时监测羊姿态的深度学习框架，以支持精准畜牧业管理	羊的姿态（站立、躺卧和侧卧）	computer vision	NA	深度学习	YOLOv8-BCD	image	1476张标注图像
148	2025-05-15	Smartphone-Based Deep Learning System for Detecting Ractopamine-Fed Pork Using Visual Classification Techniques 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092698 PMID:40363136	研究论文	本研究提出了一种基于智能手机的深度学习系统，用于通过视觉分类技术检测含有莱克多巴胺的猪肉	开发了一种智能手机应用，能够在零售环境中通过图像分析快速检测猪肉来源及是否含有莱克多巴胺	在猪肉来源分类和莱克多巴胺检测方面的准确率仍有提升空间	解决消费者对进口猪肉来源及莱克多巴胺含量难以辨别的问题	北美进口猪肉及台湾本地猪肉	计算机视觉	NA	深度学习视觉分类技术	MobileNet	图像	未明确说明样本数量
149	2025-05-15	Research and Optimization of White Blood Cell Classification Methods Based on Deep Learning and Fourier Ptychographic Microscopy 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092699 PMID:40363138	研究论文	本文提出了一种基于深度学习和傅里叶叠层显微术的白细胞分类优化方法CCE-YOLOv7	结合了CNN的局部模式提取能力和Transformer的全局上下文推理能力，采用CARAFE上采样算子、EMA模块和Soft-NMS，提高了分类准确率和模型效率	NA	优化白细胞分类方法，提高检测准确率和模型效率	白细胞图像	计算机视觉	血液病	傅里叶叠层显微术(FPM)	CCE-YOLOv7（基于YOLOv7改进）	图像	使用FPM系统获取的白细胞图像数据集
150	2025-05-15	A Multivariate Linear Regression-Based Ultrasonic Non-Destructive Evaluating Method for Characterizing Weld Tensile Strength Properties 2025-Apr-24, Materials (Basel, Switzerland) DOI:10.3390/ma18091925 PMID:40363429	研究论文	提出了一种基于多元线性回归的超声波无损评估方法，用于表征焊缝的拉伸强度特性	使用超声波无损检测技术结合多元线性回归模型预测焊缝拉伸强度，克服了传统破坏性测试的局限性	方法的准确率为76.3%，仍有提升空间	开发一种无损评估焊缝拉伸强度的方法	X80钢管的焊缝	无损检测	NA	超声波检测	多元线性回归(MLR)	声学信号	240个测量点
151	2025-05-15	Developments in Deep Learning Artificial Neural Network Techniques for Medical Image Analysis and Interpretation 2025-Apr-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091072 PMID:40361891	review	本文探讨了深度学习在医学图像分析中的最新进展，包括各种神经网络技术的应用及其挑战	综述了多种深度学习模型（如CNN、RNN、GAN、U-Net、ViT等）在医学图像分析中的应用，并讨论了未来研究方向	面临数据可用性、模型可解释性、过拟合和计算需求等关键挑战，以及模型信任、数据隐私和伦理问题	探索深度学习技术在医学图像分析中的应用及其潜力，以提高诊断准确性	医学图像分析技术及其应用	digital pathology	NA	深度学习	CNN, RNN, GAN, U-Net, ViT	医学图像（MRI、CT、US、X-ray等）	NA
152	2025-05-15	Classification of Intraoral Photographs with Deep Learning Algorithms Trained According to Cephalometric Measurements 2025-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091059 PMID:40361877	研究论文	本研究评估了基于实际头影测量数据训练的深度学习算法在口腔内临床照片分类中的应用	首次利用头影测量数据训练深度学习模型对口腔内照片进行分类	分类准确率在不同测量指标间存在较大波动（33.33%-99.00%）	探索深度学习在口腔正畸诊断中的应用潜力	990名患者的侧位头影测量片和右侧口腔内图像	数字病理	口腔正畸	深度学习	DenseNet, EfficientNet, Inception, MobileNet, NasNet, ResNet, VGG, Xception	图像	990名患者
153	2025-05-15	Guided Filter-Inspired Network for Low-Light RAW Image Enhancement 2025-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s25092637 PMID:40363077	research paper	提出了一种基于引导滤波启发的网络（GFNet），用于低光照RAW图像增强任务，以更好地融合源图像间的互补信息	GFNet采用类似引导滤波的方式在图像和特征域中融合源图像，能够更好地捕捉图像间的内在关联，提升细节保留和降噪效果	未明确提及具体局限性，但可能受限于特定场景或数据集的泛化能力	提升低光照RAW图像增强的性能	低光照RAW图像	computer vision	NA	deep learning	GFNet（引导滤波启发网络）	image（RAW格式）	基准LRIE数据集（未明确数量）
154	2025-05-15	SECrackSeg: A High-Accuracy Crack Segmentation Network Based on Proposed UNet with SAM2 S-Adapter and Edge-Aware Attention 2025-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s25092642 PMID:40363082	研究论文	提出了一种基于改进UNet架构的高精度裂缝分割网络SECrackSeg，结合了SAM2 S-Adapter和边缘感知注意力机制	1) 使用冻结骨干的SAM2 S-Adapter增强低数据场景下的泛化能力；2) 采用多尺度空洞卷积模块促进多尺度特征融合；3) 引入MI-Upsampling减少上采样过程中的特征损失；4) 实施边缘感知注意力机制提高裂缝边缘分割精度	未明确提及具体局限性	提高裂缝分割的精度和鲁棒性，用于结构健康监测和基础设施维护	裂缝图像	计算机视觉	NA	深度学习	UNet, SAM2	图像	CFD, Crack500和DeepCrack数据集
155	2025-05-15	Automated Recognition and Measurement of Corrugated Pipes for Precast Box Girder Based on RGB-D Camera and Deep Learning 2025-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s25092641 PMID:40363081	research paper	本文提出了一种基于RGB-D摄像头和深度学习的波纹管自动识别与测量方法，用于预制箱梁中的波纹管定位	结合RGB-D摄像头和深度学习技术，提出了一种成本效益高且测量精度高的波纹管自动识别与测量方法	方法在模拟预制工厂环境中测试，实际施工现场的复杂环境可能影响测量精度	开发一种自动化方法以提高波纹管在预制箱梁中的定位精度和效率	预制箱梁中的波纹管	computer vision	NA	RGB-D摄像头、深度学习	BP neural network	point cloud data	模拟预制工厂环境中的测试
156	2025-05-15	A Novel Artificial Intelligence-Based Mobile Application for Pediatric Weight Estimation 2025-Apr-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14092873 PMID:40363905	研究论文	开发并评估了一款基于人工智能的移动应用，用于儿科体重估计	利用MoveNet的人体姿态估计和深度神经网络回归模型开发新型体重预测应用，替代传统需要全身伸展的测量工具	研究仅针对1个月至12岁的儿科患者，未涵盖其他年龄段	开发一种在紧急情况下准确估计儿科患者体重的替代工具	1个月至12岁的儿科患者	计算机视觉	NA	MoveNet人体姿态估计，DNN回归模型	DNN	图像	1335名儿科参与者（57.4%男孩，42.6%女孩）
157	2025-05-15	EBMGP: a deep learning model for genomic prediction based on Elastic Net feature selection and bidirectional encoder representations from transformer's embedding and multi-head attention pooling 2025-Apr-19, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-04894-z PMID:40253568	研究论文	提出了一种基于Elastic Net特征选择和双向编码器表示转换器嵌入与多头注意力池化的深度学习模型EBMGP，用于基因组预测	结合Elastic Net特征选择、双向编码器表示转换器嵌入和多头注意力池化，显著提高了基因组预测的准确性和计算效率	未提及具体局限性	通过基因组预测加速育种程序，减少世代间隔	植物和动物的基因组数据	机器学习	NA	Elastic Net特征选择、双向编码器表示转换器嵌入、多头注意力池化	EBMGP	基因组数据	四个不同的植物和动物数据集
158	2025-05-15	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-Apr-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	综述	本文综述了人工智能（AI）在优化黑色素瘤免疫检查点抑制剂（ICI）治疗中的潜力，重点关注预测模型、生物标志物识别和治疗反应预测	AI与RNAseq分析结合开发个性化ICI治疗，机器学习模型识别与nivolumab清除相关的预后细胞因子特征，深度学习算法在肿瘤微环境分析中表现出高准确性	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫治疗	黑色素瘤患者	数字病理学	黑色素瘤	RNAseq, 电子健康记录（EHR）数据分析	机器学习, 深度学习	影像数据, 实验室数据, EHR数据	NA
159	2025-05-15	Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions 2025-Apr-13, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13040951 PMID:40299653	综述	本文回顾了人工智能在肿瘤学中的最新进展，重点关注计算机辅助诊断的早期检测、个性化治疗策略和药物发现	探讨了人工智能与纳米医学和免疫疗法的整合，以及比较了AI模型与传统诊断方法的优势	数据质量、算法偏见和临床验证等挑战限制了广泛采用	探索人工智能在肿瘤学中的应用及其潜力，以改善癌症诊断、治疗和管理	癌症研究和治疗	机器学习	癌症	深度学习	NA	NA	NA
160	2025-05-15	Advances in Artificial Intelligence and Machine Learning for Precision Medicine in Necrotizing Enterocolitis and Neonatal Sepsis: A State-of-the-Art Review 2025-Apr-13, Children (Basel, Switzerland) DOI:10.3390/children12040498 PMID:40310141	review	本文综述了人工智能和机器学习在坏死性小肠结肠炎（NEC）和新生儿败血症精准医学中的最新进展	AI和ML模型在NEC风险分层、早期诊断和治疗策略优化方面展现出比传统临床方法更高的准确性，并发现了与疾病发作和严重程度相关的新生物标志物	数据异质性、模型可解释性以及需要大规模验证研究等挑战仍然存在	探索AI和ML在NEC预测、早期诊断和管理中的应用	坏死性小肠结肠炎（NEC）和新生儿败血症	machine learning	necrotizing enterocolitis, neonatal sepsis	AI, ML, deep learning	NA	medical imaging, clinical data	NA