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
161	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
162	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
163	2025-04-29	Diabetes: Non-Invasive Blood Glucose Monitoring Using Federated Learning with Biosensor Signals 2025-Apr-16, Biosensors DOI:10.3390/bios15040255 PMID:40277568	research paper	该研究提出了一种基于联邦学习的非侵入性血糖监测方法，利用光电容积描记术（PPG）信号和深度神经网络（DNN）来预测血糖水平	采用联邦学习（FL）框架，允许多个医疗机构协作训练全局模型而无需共享原始患者数据，同时结合连续小波变换（CWT）、自适应周期分割（ACBS）和粒子群优化（PSO）进行信号处理和特征选择	需要进一步验证在更大规模和多样化人群中的适用性	开发一种非侵入性、隐私保护的血糖监测方法，以提高糖尿病管理的便利性和准确性	糖尿病患者的光电容积描记术（PPG）信号	machine learning	diabetes	PPG, FL, CWT, ACBS, PSO	DNN	biosensor signals	来自VitalDB和MUST数据集的多样化数据，包括手术和麻醉期间收集的数据
164	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
165	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）
166	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
167	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
168	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
169	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
170	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
171	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
172	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
173	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
174	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
175	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
176	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）
177	2025-04-29	Comparative Analysis of Deep Neural Networks for Automated Ulcerative Colitis Severity Assessment 2025-Apr-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040413 PMID:40281773	研究论文	本研究比较了多种深度神经网络在自动化溃疡性结肠炎严重程度评估中的性能	研究发现VGG19是最佳性能网络，同时挑战了较大网络必然提供更好临床结果的假设	性能差异在顶级模型之间非常小，选择应取决于具体部署需求	自动化溃疡性结肠炎严重程度分类	溃疡性结肠炎患者的公开可用内窥镜图像	计算机视觉	溃疡性结肠炎	深度学习	VGG19及其他先进架构	图像	NA
178	2025-04-29	Global Research Trends, Hotspots, Impacts, and Emergence of Artificial Intelligence and Machine Learning in Health and Medicine: A 25-Year Bibliometric Analysis 2025-Apr-13, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13080892 PMID:40281841	研究论文	本文通过文献计量分析，探讨了人工智能和机器学习在健康和医学领域的全球研究趋势、热点、影响及新兴方向	提供了25年来AI和ML在健康与医学领域的全球和历史研究图景，识别了核心期刊、机构、国家以及研究热点和新兴主题	仅基于Scopus数据库的数据，可能未涵盖所有相关研究	分析AI和ML在健康与医学领域的研究趋势和影响	2000年至2024年间发表的22,113篇研究文章	机器学习	阿尔茨海默病、帕金森病、COVID-19、糖尿病	文献计量分析	CNN, deep learning	文献数据	22,113篇研究文章
179	2025-04-29	A Review of You Only Look Once Algorithms in Animal Phenotyping Applications 2025-Apr-13, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15081126 PMID:40281960	review	本文综述了YOLO算法在动物表型识别中的应用及其发展	聚焦于YOLO算法在动物表型识别中的创新应用和未来发展方向	未提及具体实验数据或性能比较	探讨YOLO算法在精准畜牧管理和智能农业中的应用	动物表型识别	computer vision	NA	YOLO算法	YOLO	image	NA
180	2025-04-29	Underwater Weight Estimation of Three Sea Cucumber Species in Culture Tanks Using Image Analysis and ArUco Markers 2025-Apr-13, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15081121 PMID:40281955	研究论文	本研究评估了结合图像分析和ArUco标记来估算三种海参重量的方法的有效性	提出了一种简单、经济高效且适应性强的方法，结合图像分析和ArUco标记来非侵入性地估算海参重量	在野外条件下应用此技术时，需要考虑阴影、水体浑浊度以及海参附近形状相似的物体等挑战	开发一种非侵入性且准确的海参重量估算工具，以支持海参的管理和保护	三种在泰国具有经济和生态重要性的海参物种：黑海参、粉疣海参和沙鱼	计算机视觉	NA	图像分析结合ArUco标记	NA	图像	三种海参物种（具体数量未提及）