深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
18361	2025-10-07	An Evolutionary Federated Learning Approach to Diagnose Alzheimer's Disease Under Uncertainty 2025-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010080 PMID:39795608	研究论文	提出一种结合进化联邦学习和信念规则库的多模态方法，用于阿尔茨海默病的早期诊断	将联邦学习与信念规则库相结合处理医疗数据不确定性，并采用多模态数据融合方法	未明确说明样本来源和具体数据规模	开发可扩展、保护隐私的阿尔茨海默病早期诊断系统	阿尔茨海默病患者的多模态医疗数据	医疗人工智能	阿尔茨海默病	医学影像处理，联邦学习	CNN, BRB	MRI图像，人口统计数据	NA	联邦学习框架	卷积神经网络，信念规则库	准确率	NA
18362	2025-10-07	A Deep Learning-Based Watershed Feature Fusion Approach for Tunnel Crack Segmentation in Complex Backgrounds 2025-Jan-01, Materials (Basel, Switzerland) DOI:10.3390/ma18010142 PMID:39795787	研究论文	提出一种基于深度学习的 watershed 特征融合方法，用于复杂背景下隧道裂缝的自动分割	结合裂缝特征与 watershed 算法实现自动标注，通过轴提取和 watershed 填充算法优化分割结果	训练数据集标注需要大量人工且效率有限，复杂背景和干扰因素影响识别效果	开发智能裂缝分割算法以替代传统人工检测方法	高速公路隧道结构裂缝	计算机视觉	NA	watershed 算法，轴提取算法	深度学习	图像	NA	NA	残差结构	准确率，交并比(IoU)	NA
18363	2025-01-14	A Survey of Deep Anomaly Detection in Multivariate Time Series: Taxonomy, Applications, and Directions 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010190 PMID:39796981	综述	本文对多变量时间序列异常检测（MTSAD）中的深度学习技术进行了结构化且全面的概述	提出了从学习范式和深度学习模型角度对异常检测策略进行分类的体系，并系统性地回顾了这些策略的优缺点	未涉及具体实验验证，仅进行了理论和方法上的综述	综述多变量时间序列异常检测领域的最新深度学习技术	多变量时间序列数据	机器学习	NA	深度学习	NA	时间序列数据	NA	NA	NA	NA	NA
18364	2025-01-14	Table Extraction with Table Data Using VGG-19 Deep Learning Model 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010203 PMID:39796994	研究论文	本文介绍了一种基于VGG-19深度学习模型的表格数据提取方法，旨在从包含表格的文档图像中精确识别和提取行和列	提出了一种结合表格检测、结构识别和语义规则的综合深度学习方法，并利用VGG-19进行迁移学习以增强模型性能	依赖于公开的Marmot数据集，可能限制了模型的泛化能力	开发一种能够准确提取表格结构的深度学习方法	文档图像中的表格数据	计算机视觉	NA	深度学习	VGG-19	图像	公开的Marmot数据表数据集	NA	NA	NA	NA
18365	2025-01-14	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-Jan, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新	结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险	相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理	提高药物开发过程的效率，降低成本，增强患者的治疗效果	药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学	机器学习	NA	机器学习、深度学习、生成式AI	NA	大数据	NA	NA	NA	NA	NA
18366	2025-10-07	Synchronous Analysis of Speech Production and Lips Movement to Detect Parkinson's Disease Using Deep Learning Methods 2024-Dec-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010073 PMID:39795601	研究论文	提出一种通过同步分析语音信号和唇部运动视频来检测帕金森病的深度学习方法	首次引入同步融合语音记录和唇部运动视频信息的双模态方法，采用基于注意力机制的串联投影策略	NA	提高帕金森病的自动检测准确率	帕金森病患者	计算机视觉,自然语言处理	帕金森病	深度学习	深度学习模型	语音信号,视频	NA	NA	注意力机制	准确率	NA
18367	2025-01-14	Task Offloading with LLM-Enhanced Multi-Agent Reinforcement Learning in UAV-Assisted Edge Computing 2024-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s25010175 PMID:39796966	研究论文	本文提出了一种创新的多智能体深度学习框架，用于优化无人机辅助边缘计算环境中的任务卸载和轨迹规划	结合QTRAN算法与大型语言模型（LLM）进行区域分解，并利用图卷积网络（GCN）与自注意力机制有效管理子区域间关系	未提及具体实验环境或数据集的局限性	优化无人机辅助边缘计算环境中的任务卸载和轨迹规划	无人机集群和用户设备（UE）	机器学习	NA	多智能体强化学习、大型语言模型（LLM）、图卷积网络（GCN）	QTRAN、GCN、自注意力机制	模拟数据	未提及具体样本数量	NA	NA	NA	NA
18368	2025-10-07	The Role of Machine Learning in the Detection of Cardiac Fibrosis in Electrocardiograms: Scoping Review 2024-Dec-30, JMIR cardio DOI:10.2196/60697 PMID:39753213	综述	本文通过范围综述系统评估了基于心电图和机器学习技术检测心脏纤维化的研究现状	首次系统性地综述了机器学习在心电图检测心脏纤维化领域的应用现状，识别了当前研究的局限性和未来发展方向	纳入研究样本量有限，缺乏外部验证，方法学报告不一致，影响结果的普适性和可重复性	综合评估基于心电图的机器学习方法在心脏纤维化检测中的应用现状	心脏纤维化检测相关的机器学习研究	机器学习	心血管疾病	心电图分析	支持向量机,集成学习,深度学习,卷积神经网络	心电图,矢量心电图	11项研究，最大样本量14,052例	NA	卷积神经网络	准确率,AUC	NA
18369	2025-10-07	SmartSkin-XAI: An Interpretable Deep Learning Approach for Enhanced Skin Cancer Diagnosis in Smart Healthcare 2024-Dec-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010064 PMID:39795592	研究论文	提出一种结合可解释人工智能技术的深度学习方法SmartSkin-XAI，用于增强皮肤癌诊断	将微调的DenseNet121模型与XAI技术相结合，在保持高准确性的同时提供可解释的预测结果	NA	开发准确且可解释的皮肤癌诊断系统，改善早期检测和患者管理	皮肤癌（特别是黑色素瘤）诊断	计算机视觉	皮肤癌	深度学习，可解释人工智能	CNN	皮肤图像	ISIC数据集和Kaggle数据集	NA	DenseNet121, InceptionV3, ResNet50	准确率, 精确率, 召回率, F1分数	NA
18370	2025-01-14	Effect of Depth Band Replacement on Red, Green and Blue Image for Deep Learning Weed Detection 2024-Dec-30, Sensors (Basel, Switzerland) DOI:10.3390/s25010161 PMID:39796952	研究论文	本研究探讨了在深度学习杂草检测中，用深度数据替换RGB图像中的一个波段对YOLOv8模型性能的影响	提出了一种用深度数据替换RGB图像中的一个波段的方法，以解决传统RGB方法在检测杂草时因纹理和结构相似性而导致的困难	使用RGBD系统计算成本高，不适合小型轻量级机器人	研究深度数据替换RGB波段对YOLOv8模型在杂草检测中性能的影响	牧场中的杂草	计算机视觉	NA	深度学习	YOLOv8	图像	NA	NA	NA	NA	NA
18371	2025-10-07	Improving Imitation Skills in Children with Autism Spectrum Disorder Using the NAO Robot and a Human Action Recognition 2024-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010060 PMID:39795588	研究论文	本研究使用NAO机器人和人类动作识别算法来改善自闭症谱系障碍儿童的模仿技能	将机器人技术与深度学习相结合，开发基于人类动作识别算法的模仿技能分析方法	NA	探索机器人技术是否能改善自闭症儿童的模仿技能并支持治疗师	自闭症谱系障碍儿童	机器人技术	自闭症谱系障碍	深度学习	NA	动作数据	NA	NA	NA	NA	NA
18372	2025-10-07	Design, Development, and Testing of Machine Learning Models to Estimate Properties of Friction Stir Welded Joints 2024-Dec-29, Materials (Basel, Switzerland) DOI:10.3390/ma18010094 PMID:39795739	研究论文	本研究使用六种监督机器学习模型预测搅拌摩擦焊接接头的极限抗拉强度和硬度	首次系统比较六种机器学习模型在搅拌摩擦焊接性能预测中的表现，并发现人工神经网络具有最高精度	研究基于200个数据集，样本量相对有限，模型泛化能力需进一步验证	开发能够准确预测搅拌摩擦焊接接头力学性能的机器学习模型	搅拌摩擦焊接接头	机器学习	NA	搅拌摩擦焊接	线性回归,支持向量回归,决策树回归,随机森林回归,K近邻算法,人工神经网络	数值数据	200个数据集	NA	人工神经网络	准确率	NA
18373	2025-01-14	Improved Intelligent Condition Monitoring with Diagnostic Indicator Selection 2024-Dec-29, Sensors (Basel, Switzerland) DOI:10.3390/s25010137 PMID:39796927	研究论文	本研究开发了一种预测性维护系统，专注于特征选择以检测和分类风力涡轮机叶片中的模拟缺陷	提出了一种基于相关性分析并结合全面视觉评估的结构化特征选择方法，保留了关键的领域特定信息，避免了故障指标的误解	特征减少并未同样提升深度学习模型的性能指标	开发一种更有效的预测性维护系统，用于风力涡轮机叶片的缺陷检测和分类	风力涡轮机叶片的模拟缺陷	机器学习	NA	相关性分析	深度神经网络, 投票分类器	振动数据	NA	NA	NA	NA	NA
18374	2025-10-07	Improved Consistency of Lung Nodule Categorization in CT Scans with Heterogeneous Slice Thickness by Deep Learning-Based 3D Super-Resolution 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010050 PMID:39795578	研究论文	提出基于深度学习的3D超分辨率方法，用于从异质性层厚CT图像生成薄层CT图像，提高肺结节体积测量的准确性	首次将深度学习3D超分辨率技术应用于肺结节CT图像的层厚标准化，显著改善异质性层厚对结节体积评估的影响	研究样本量有限，仅由两名放射科医生进行定性评估，需要更大规模验证	提高肺结节体积测量的准确性，改善肺癌筛查中结节分类的一致性	肺结节CT图像	计算机视觉	肺癌	CT扫描	深度学习	3D医学图像	未明确说明具体样本数量	NA	3D超分辨率网络	Likert量表评分, 结节体积差异百分比, Lung-RADS分类一致性	NA
18375	2025-01-14	Physics-Constrained Deep Learning for Security Ink Colorimetry with Attention-Based Spectral Sensing 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010128 PMID:39796919	研究论文	本文提出了一种基于物理约束的深度学习框架，用于高精度安全墨水比色法，集成了物理信息神经网络架构、先进的注意力机制和贝叶斯优化框架	该框架在颜色预测精度上达到了前所未有的水平（CIEDE2000 (ΔE00): 0.70 ± 0.08），特征提取效率提高了58.3%，并通过贝叶斯优化框架确保参数调优的鲁棒性	NA	开发一种高精度的安全墨水比色法，以应对全球安全和商业中的伪造问题	安全墨水	机器学习	NA	深度学习	物理信息神经网络架构	光谱数据	1500个工业样品	NA	NA	NA	NA
18376	2025-10-07	Leveraging Thermal Infrared Imaging for Pig Ear Detection Research: The TIRPigEar Dataset and Performances of Deep Learning Models 2024-Dec-27, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15010041 PMID:39794984	研究论文	本文建立了猪耳热红外图像数据集TIRPigEar，并评估了多种深度学习模型在猪耳检测任务上的性能	创建了首个包含23,189张猪耳热红外图像的大规模数据集，并通过猪舍巡检机器人自动采集数据	猪耳温度不能直接代表核心体温，仅能反映温度变化趋势	开发基于热红外成像的猪耳检测方法，为精准畜牧业提供技术支持	猪耳热红外图像	计算机视觉	NA	热红外成像技术	YOLO系列目标检测模型	热红外图像	23,189张图像，包含69,567个标注文件	NA	YOLOv9m	精确率,召回率,mAP50	NA
18377	2025-10-07	Automatic Reproduction of Natural Head Position in Orthognathic Surgery Using a Geometric Deep Learning Network 2024-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010042 PMID:39795570	研究论文	开发了一种几何深度学习网络NHP-Net，用于从CT扫描中自动重现自然头位	首次使用几何深度学习网络自动从CT扫描中重现自然头位，解决了传统方法依赖外部设备和患者配合的问题	研究仅基于150名正颌手术患者的数据集，样本量相对有限	提高正颌手术中自然头位确定的准确性和效率	正颌手术患者的头骨三维结构	计算机视觉	颌面畸形	CT扫描	几何深度学习网络	三维点云数据	150名正颌手术患者	NA	NHP-Net	平均绝对误差,旋转误差	NA
18378	2025-10-07	Porter 6: Protein Secondary Structure Prediction by Leveraging Pre-Trained Language Models (PLMs) 2024-Dec-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010130 PMID:39795988	研究论文	本研究开发了基于预训练语言模型的蛋白质二级结构预测系统Porter 6	利用预训练语言模型ESM-2作为输入特征，采用CBRNN集成预测器，在蛋白质二级结构预测准确率上相比前代提升3%	NA	提高蛋白质二级结构预测的准确性和计算效率	蛋白质序列及其二级结构	自然语言处理, 机器学习	NA	蛋白质语言模型	CBRNN, 集成学习	蛋白质序列数据	NA	NA	CBRNN, ESM-2, ProtTrans	准确率, Q3分类准确率, Q8分类准确率	NA
18379	2025-01-14	Reconstruction of Optical Coherence Tomography Images from Wavelength Space Using Deep Learning 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010093 PMID:39796883	研究论文	本文提出了一种基于深度学习的简化且计算效率高的方法，直接从波长域重建去斑的光学相干断层扫描（OCT）图像	提出了一种直接从波长域重建OCT图像的深度学习方法，减少了传统方法对硬件资源的依赖和计算复杂性	未提及具体的数据集大小或实验样本数量，可能影响方法的普适性验证	旨在提高OCT图像重建的质量和计算效率	光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习	CNN（卷积神经网络）	图像	NA	NA	NA	NA	NA
18380	2025-01-14	Fault Diagnosis of Lithium Battery Modules via Symmetrized Dot Pattern and Convolutional Neural Networks 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010094 PMID:39796884	研究论文	本文提出了一种结合对称点模式（SDP）方法和卷积神经网络（CNN）的混合算法，用于锂电池模块的故障检测	结合SDP方法和CNN进行锂电池故障检测，实现了99.9%的识别准确率	NA	开发一种高效的锂电池模块故障检测方法	锂电池模块	机器学习	NA	对称点模式（SDP）方法，卷积神经网络（CNN）	CNN	图像	共收集3000个样本，每种故障类型400个用于训练，200个用于测试	NA	NA	NA	NA