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
1641	2025-05-11	Prediction of Vertical Ground Reaction Forces Under Different Running Speeds: Integration of Wearable IMU with CNN-xLSTM 2025-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s25041249 PMID:40006478	研究论文	本研究通过整合可穿戴IMU与CNN-xLSTM模型，预测不同跑步速度下的垂直地面反作用力（GRFs）	首次在生物力学研究中应用xLSTM模型，并仅使用下肢关节角度预测跑步时的GRFs	研究仅针对12名健康男性跑步者，样本量较小且未考虑其他人群	开发一种新的GRF测量方法，为实时运动检测和运动损伤预测提供参考	12名健康男性跑步者在五种不同速度下的下肢关节角度和垂直地面反作用力数据	生物力学	NA	Xsens传感器数据采集	CNN-xLSTM	运动学数据（关节角度）	12名健康男性跑步者
1642	2025-05-11	A Multimodal Pain Sentiment Analysis System Using Ensembled Deep Learning Approaches for IoT-Enabled Healthcare Framework 2025-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s25041223 PMID:40006452	研究论文	介绍了一种多模态情感分析系统，用于评估和识别物联网（IoT）医疗框架中的人类疼痛情感	开发了一种结合面部表情和语音音频记录的多模态疼痛情感分析系统，提高了疼痛强度评估的准确性	未提及具体局限性	提高疼痛情感识别的准确性，支持实时患者护理决策	人类疼痛情感	自然语言处理	NA	深度学习	CNN	图像和音频	使用了三个图像数据库（2D Face Set Database with Pain Expression、UNBC-McMaster database、BioVid database）和一个音频数据库（VIVAE database）
1643	2025-05-11	Mixed-Supervised Learning for Cell Classification 2025-Feb-16, Sensors (Basel, Switzerland) DOI:10.3390/s25041207 PMID:40006436	research paper	提出了一种结合半监督学习和人类在环的混合监督学习方法，用于细胞分类	结合半监督学习和人类在环的方法，设计了一个样本选择机制，将高置信度的未标记样本分配给自动半监督优化，不可靠的样本用于在线注释校正	未提及具体的数据集规模限制或模型泛化能力的局限性	提高基于组织病理学图像的细胞分类准确性，用于肿瘤识别和癌症诊断	细胞分类	digital pathology	cancer	deep learning	mixed-supervised model	image	LUSC, BloodCell, and PanNuke datasets
1644	2025-05-11	Exploring Potential Medications for Alzheimer's Disease with Psychosis by Integrating Drug Target Information into Deep Learning Models: A Data-Driven Approach 2025-Feb-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26041617 PMID:40004081	研究论文	本研究通过将药物靶点信息整合到深度学习模型中，探索阿尔茨海默病伴精神病（AD + P）的潜在药物治疗方案	首次将药物靶点相互作用信息整合到DeepBiomarker深度学习模型中，用于预测AD + P风险并识别潜在治疗药物	研究数据仅来自匹兹堡大学医学中心的电子健康记录，样本来源单一	改善AD + P的预测并识别潜在治疗药物	阿尔茨海默病伴精神病患者	数字病理学	阿尔茨海默病	深度学习	DeepBiomarker	电子健康记录	来自匹兹堡大学医学中心的AD患者数据
1645	2025-05-11	Leveraging Artificial Occluded Samples for Data Augmentation in Human Activity Recognition 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041163 PMID:40006391	research paper	提出了一种新的人体活动识别数据增强方法，通过人工移除骨架表示中的身体部分来模拟遮挡	与以往专注于旋转骨架的数据增强方法不同，该方法通过模拟遮挡来增加数据集的多样性和大小	未提及具体的实验样本量和实际应用中的性能表现	提高人体活动识别模型的泛化能力和鲁棒性	人体活动识别中的骨架数据	computer vision	NA	数据增强	deep learning	skeleton data	NA
1646	2025-05-11	Advancing Emotionally Aware Child-Robot Interaction with Biophysical Data and Insight-Driven Affective Computing 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041161 PMID:40006397	研究论文	本文研究了利用生物物理数据和情感计算技术提升儿童与机器人互动中的情感识别能力	结合神经科学、心理学和人工智能的跨学科见解，开发了能够动态识别和响应人类情感状态的自适应系统	研究仅基于小规模的试点研究，需要更大规模的验证	提升儿童与机器人互动中的情感识别和响应能力，支持治疗和教育干预	儿童与NAO机器人的互动	情感计算	NA	面部表情分析和语音情感识别	Dynamic Bayesian Mixture Model (DBMM)	生物物理数据（面部表情和语音）	试点研究，具体样本量未明确说明
1647	2025-05-11	Optimized Machine Learning for the Early Detection of Polycystic Ovary Syndrome in Women 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041166 PMID:40006393	研究论文	本研究旨在设计一种优化的机器学习模型，用于基于初期症状和健康指标早期诊断多囊卵巢综合征（PCOS）	提出了一种结合七种基础分类器的集成学习模型和深度学习模型作为元级分类器，并通过自然启发的海象优化（WaO）、布谷鸟搜索优化（CSO）和随机搜索优化（RSO）算法优化超参数，最终开发出WaOEL、CSOEL和RSOEL模型	研究中使用的数据集仅包含12个属性，可能不足以涵盖所有PCOS相关症状	早期诊断PCOS，减少未确诊病例	女性PCOS患者	机器学习	多囊卵巢综合征	集成学习（EL）、深度学习（DL）	WaOEL、CSOEL、RSOEL	症状和健康指标数据	两个数据集合并后的新症状数据集
1648	2025-05-11	Improving Fall Classification Accuracy of Multi-Input Models Using Three-Axis Accelerometer and Heart Rate Variability Data 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041180 PMID:40006408	研究论文	本研究通过结合三轴加速度传感器和Holter心电图仪数据，提出了一种多输入模型，用于提高老年人跌倒分类的准确性	利用心脏势能变化的压力反射特性，结合CNN-LSTM深度学习模型和宽学习模型分析心率变异性数据，提出了一种新的多输入模型以提高跌倒分类准确性	在两种运动类型中HRV未增加，且从椅子上站立时HRV下降，这可能影响分类准确性	提高老年人跌倒分类的准确性，以预防跌倒及相关身体伤害	老年人的15种不同运动类型，包括跌倒	机器学习	老年疾病	三轴加速度传感器和Holter心电图仪	CNN-LSTM和宽学习模型	加速度传感器数据和心率变异性(HRV)数据	涉及15种不同运动的老年人数据
1649	2025-05-11	Data Reconstruction Methods in Multi-Feature Fusion CNN Model for Enhanced Human Activity Recognition 2025-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s25041184 PMID:40006413	研究论文	提出了一种多输入二维CNN架构，通过三种不同的数据重建方法融合特征，提升人类活动识别的性能	采用多输入二维CNN架构和三种数据重建方法融合特征，无需复杂预处理步骤，显著提升了识别准确性和鲁棒性	仅在自定义HAR数据集上验证，未在其他公开数据集上测试	提升人类活动识别（HAR）的准确性和鲁棒性	人类活动识别	计算机视觉	NA	数据重建方法	CNN	时间序列信号（一维加速度计数据）和二维图像	自定义HAR数据集
1650	2025-05-11	A Projective-Geometry-Aware Network for 3D Vertebra Localization in Calibrated Biplanar X-Ray Images 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041123 PMID:40006352	研究论文	提出了一种名为ProVLNet的投影几何感知网络，用于在校准的双平面X射线图像中定位3D椎骨	结合投影几何信息，通过Siamese 2D特征提取器和空间对齐融合模块，在3D空间中融合2D特征，显著提高了3D椎骨定位的准确性	仅针对校准的双平面X射线图像，未涉及其他类型的医学影像	提高X射线引导脊柱手术中3D椎骨定位的准确性	腰椎和胸椎的椎骨	计算机视觉	脊柱疾病	深度学习	ProVLNet（包含Siamese 2D特征提取器、空间对齐融合模块和3D地标回归模块）	双平面X射线图像	两个典型且具有挑战性的数据集（腰椎和胸椎）
1651	2025-05-11	A Novel Improvement of Feature Selection for Dynamic Hand Gesture Identification Based on Double Machine Learning 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041126 PMID:40006355	研究论文	本文提出了一种基于双重机器学习的新型特征选择方法，用于动态手势识别	引入双重机器学习方法，专注于变量间的因果关系而非相关性，提高了手势识别的性能和可解释性	未提及具体实验数据规模和实际应用场景的局限性	改进动态手势识别中的特征选择方法	动态手势识别问题	机器学习	NA	双重机器学习	Double Machine Learning	手势数据	NA
1652	2025-05-11	A Multimodal Deep Learning Approach to Intraoperative Nociception Monitoring: Integrating Electroencephalogram, Photoplethysmography, and Electrocardiogram 2025-Feb-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041150 PMID:40006379	研究论文	提出了一种多模态深度学习方法，整合EEG、PPG和ECG信号来预测全身麻醉下的伤害感受	首次整合EEG、PPG和ECG信号，并比较MLP和LSTM两种深度学习模型在伤害感受监测中的表现	LSTM模型对快速变化的敏感性较低	改进全身麻醉下的实时伤害感受监测	接受全身麻醉的患者	机器学习	NA	EEG、PPG和ECG信号分析	MLP和LSTM	生物信号数据（EEG、PPG、ECG）	来自两家医院的患者数据
1653	2025-05-11	Discrimination of the Lame Limb in Horses Using a Machine Learning Method (Support Vector Machine) Based on Asymmetry Indices Measured by the EQUISYM System 2025-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s25041095 PMID:40006323	研究论文	本研究开发了一种基于支持向量机（SVM）的预测系统，用于识别马匹在直线小跑时受影响的肢体	利用支持向量机（SVM）分析惯性测量单元（IMUs）数据，首次实现了对马匹肢体跛行的自动化识别	对健康马匹的识别准确率较低（54.8%），且在区分前肢和后肢跛行时存在误分类情况	开发一种自动化系统，用于早期检测马匹的肢体跛行问题	287匹马（256匹单肢跛行马和31匹健康马）	机器学习	马匹肢体跛行	惯性测量单元（IMUs）	支持向量机（SVM）	运动数据	287匹马（256匹单肢跛行马和31匹健康马）
1654	2025-05-11	CFR-YOLO: A Novel Cow Face Detection Network Based on YOLOv7 Improvement 2025-Feb-11, Sensors (Basel, Switzerland) DOI:10.3390/s25041084 PMID:40006313	研究论文	提出了一种基于YOLOv7改进的新型奶牛面部检测网络CFR-YOLO，用于提高奶牛个体检测的准确性	使用FReLU激活函数替代SiLU，用CBF模块替换CBS模块，在骨干网络中引入RFB模块，并在头部层引入CBAM卷积注意力模块	实验仅在自建的奶牛面部数据集上进行，未在其他数据集上验证模型的泛化能力	探索奶牛面部检测技术在奶牛个体检测中的应用，以提高检测准确性	奶牛面部特征（包括鼻子、眼角和嘴角）	计算机视觉	NA	深度学习	YOLOv7改进模型（CFR-YOLO）	图像	自建的奶牛面部数据集
1655	2025-05-11	Decision Fusion-Based Deep Learning for Channel State Information Channel-Aware Human Action Recognition 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041061 PMID:40006290	研究论文	提出了一种基于决策融合的深度学习方法DF-CNN，用于WiFi信道状态信息（CSI）感知的人类动作识别	DF-CNN将CSI信道分开处理，并通过决策融合策略整合输出，显著优于传统方法	未提及具体局限性	提升基于CSI的人类动作识别性能	WiFi信道状态信息（CSI）	计算机视觉	NA	决策融合（DF）	CNN	WiFi信道状态信息（CSI）	未提及具体样本数量
1656	2025-05-11	Research on Upper Limb Motion Intention Classification and Rehabilitation Robot Control Based on sEMG 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041057 PMID:40006285	研究论文	本研究基于表面肌电信号（sEMG）对上肢运动意图进行分类识别，并将其应用于末端执行器康复机器人的交互控制	结合传统机器学习和深度学习方法进行九分类任务，并使用多流卷积神经网络（MLCNN）提取运动意图控制康复机器人	未提及具体样本量及实验人群的多样性	实现基于sEMG的上肢运动意图分类及康复机器人控制	上肢运动意图及末端执行器康复机器人	生物医学工程	康复医学	sEMG	MLCNN	生物电信号	NA
1657	2025-05-11	CLUMM: Contrastive Learning for Unobtrusive Motion Monitoring 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041048 PMID:40006277	research paper	提出了一种基于对比学习的无干扰运动监测框架CLUMM，用于从原始图像中学习丰富的表示而无需手动标注	利用对比学习方法直接从人类特定数据中学习，减少周围环境的影响，并专注于与制造任务相关的关键关节坐标	需要定制的人类模拟任务数据集进行训练和评估，可能在实际环境中的泛化能力有限	开发一种无干扰、实时的人类运动监测方法，用于制造环境	人类运动数据	computer vision	NA	对比学习	NA	image	定制的人类模拟任务数据集
1658	2025-05-11	Conotoxins: Classification, Prediction, and Future Directions in Bioinformatics 2025-Feb-09, Toxins IF:3.9Q1 DOI:10.3390/toxins17020078 PMID:39998095	综述	本文探讨了机器学习与深度学习在芋螺毒素研究中的应用进展	回顾了机器学习在芋螺毒素序列分类、功能预测和从头设计中的最新应用	未提及具体实验验证或模型性能的局限性	促进芋螺毒素的计算分类与治疗发现	芋螺毒素及其与离子通道的相互作用	生物信息学	NA	机器学习(ML)与深度学习(DL)	NA	序列数据	NA
1659	2025-05-11	A Novel Deep Learning-Based (3D U-Net Model) Automated Pulmonary Nodule Detection Tool for CT Imaging 2025-Feb-08, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32020095 PMID:39996895	research paper	本研究提出了一种基于深度学习的3D U-Net模型，用于自动检测CT影像中的肺结节	开发了一种新型的深度学习算法，用于自动检测肺结节，并与放射科医生的解读进行了性能比较	研究依赖于特定数据集（公共和私人），可能限制了模型的泛化能力	提高肺结节的自动检测精度，辅助早期诊断和管理	CT扫描中的肺结节	digital pathology	lung cancer	CT imaging	3D U-Net	image	491次扫描，包含5669个由放射科医生标注的肺结节
1660	2025-05-11	Retinal Arteriovenous Information Improves the Prediction Accuracy of Deep Learning-Based baPWV Index From Color Fundus Photographs 2025-Feb-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.63 PMID:39998460	研究论文	本研究比较了使用不同深度学习模型从彩色眼底照片(CFPs)预测臂踝脉搏波传导速度(baPWV)的准确性	通过改进的深度U-net和HURVS模型自动计算动脉和静脉概率图，并将其作为通道注意力应用于视网膜血管位置信息以提高baPWV预测准确性	研究为回顾性研究，样本量相对有限(696名参与者)	提高从彩色眼底照片预测臂踝脉搏波传导速度的准确性	696名体检参与者的baPWV和彩色眼底照片数据	数字病理学	心血管疾病	深度学习	深度U-net, HURVS模型	图像(彩色眼底照片)	696名体检参与者