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
301	2024-08-05	RF-Alphabet: Cross Domain Alphabet Recognition System Based on RFID Differential Threshold Similarity Calculation Model 2023-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s23020920 PMID:36679717	研究论文	本文提出了一种低成本、非侵入性且可扩展的手势识别技术RF-alphabet。	通过设计双标签、双天线布局实现复杂、细粒度手势数据的完整捕捉，并结合差异阈值相似度计算预测模型进行实时特征分析。	未提及具体的局限性	该研究旨在推广无障碍沟通与人机交互技术的发展。	研究对象为26个复杂的、细粒度的域独立英文字母的手势识别。	人机交互	语言障碍	RFID	差异阈值相似度计算模型	信号	NA
302	2024-08-05	Target Recognition in SAR Images by Deep Learning with Training Data Augmentation 2023-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s23020941 PMID:36679740	研究论文	本研究旨在通过深度学习和数据增强提升SAR图像目标识别的性能	提出了一种基于对比的新型数据增强技术，并利用自开发的MiniSAR系统的图像进行对抗性异常样本曝光	限制在深度学习模型对抗性样本的鲁棒性和环境变化的适应性上	建立基于深度学习的SAR-ATR系统的大规模开放场景实施基础	使用MSTAR和SAMPLE数据集进行SAR图像目标识别的研究	计算机视觉	NA	SAR图像处理	深度学习模型	合成SAR图像	使用MSTAR数据集和MiniSAR系统采集的军用车辆图像
303	2024-08-05	A Method of Generating Real-Time Natural Light Color Temperature Cycle for Circadian Lighting Service 2023-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s23020883 PMID:36679678	研究论文	本文提出了一种为生物节律照明服务生成实时自然光颜色温度周期的方法	通过深度学习模型TadGAN实现了对颜色温度周期的准确实时检测，尤其是在周期的开始和结束点	在特定天气条件下，光的颜色温度变化会影响实时监测的准确性	研究如何生成与生物节律相匹配的实时自然光颜色温度周期	自然光的颜色温度周期及其对人体生物节律的影响	数字光学	NA	深度学习	TadGAN	数据库测量数据	基于收集的自然光特征数据库构建的数据集
304	2024-08-05	The Effectiveness of Zero-Day Attacks Data Samples Generated via GANs on Deep Learning Classifiers 2023-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s23020900 PMID:36679705	研究论文	本研究提出了一种从生成零日类型数据开始，最后评估神经网络零日攻击检测器的整体方法。	创新点在于使用生成对抗网络（GANs）合成生成新的、更大规模的零日攻击数据集。	未提及具体的限制因素	研究目标是检测和评估零日攻击的有效性。	研究对象为使用合成数据和原始数据训练的神经网络模型。	计算机视觉	NA	生成对抗网络 (GAN)	神经网络	表格数据	约5000个迭代生成的数据样本
305	2024-08-05	Accurate Crack Detection Based on Distributed Deep Learning for IoT Environment 2023-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s23020858 PMID:36679655	研究论文	提出一种基于边缘计算的裂纹检测系统，能够在低功耗环境中实现准确的裂纹检测	引入了Rsef和Rsef-Edge两个系统，通过优化传统深度学习模型实现实时裂纹图像分割，并有效降低推理时间	对低功耗设备的适用性可能在某些极端条件下受到限制	提高低功耗物联网环境下的裂纹检测准确性和速度	涉及道路、建筑墙壁、地板和产品表面的裂纹检测	计算机视觉	NA	深度学习	深度学习模型	图像	NA
306	2024-08-05	Person Re-Identification Based on Contour Information Embedding 2023-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s23020774 PMID:36679571	研究论文	本研究通过轮廓信息提取模块和轮廓信息嵌入方法，提高了行人重识别的识别性能	提出了一种轮廓信息提取模块（CIEM）和轮廓信息嵌入方法，使网络能够更关注轮廓信息	未提及具体的局限性	旨在提高行人重识别网络的识别性能	通过分析行人轮廓特征对行人重识别的影响	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	在Market1501数据集中包含多个样本，mAP达到83.8%，Rank-1达到95.1%；在DukeMTMC-reID数据集中mAP达到73.5%，Rank-1达到86.8%
307	2024-08-05	Convolutional Neural Networks or Vision Transformers: Who Will Win the Race for Action Recognitions in Visual Data? 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020734 PMID:36679530	研究论文	本文探讨了卷积神经网络与视觉变压器在视频中的动作识别表现	研究CNN和视觉变压器在动作识别中的应用，并进行准确性与复杂性之间的比较分析	没有提及特定的数据集或实验设置的局限性	探讨CNN和视觉变压器在视频动作识别中的表现	视频中的动作识别	计算机视觉	NA	卷积神经网络，视觉变压器	CNN，ViT	视频	NA
308	2024-08-05	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	本研究评估了多代鼠类在不同毒物暴露下对疾病和肥胖的影响	首次展示了多代暴露对雄性精子表观遗传改变和病理的显著影响	本研究主要基于动物模型，可能无法完全转化到人类	研究多代暴露对表观遗传及疾病易感性的影响	三代和转代F5代的雄性及雌性鼠类	数字病理学	肥胖	深度学习，基于人工智能的组织病理学分析	NA	NA	多代鼠类，具体样本数量未说明
309	2024-08-07	Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1217037 PMID:37711738	研究论文	本研究比较了传统放射组学特征的机器学习与深度学习放射组学在预测头颈部鳞状细胞癌患者治疗结果中的应用	结合临床数据、放射组学特征和医学图像与深度学习模型，实现了高性能和跨机构通用性	临床和放射组学数据的特征选择导致过拟合和较差的跨机构通用性	评估传统放射组学和深度学习放射组学在预测头颈部鳞状细胞癌患者总体生存和无病生存中的效果	头颈部鳞状细胞癌患者的治疗结果	机器学习	头颈部鳞状细胞癌	放射组学	卷积神经网络	图像	238名头颈部鳞状细胞癌患者
310	2024-08-07	Wide and deep learning based approaches for classification of Alzheimer's disease using genome-wide association studies 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283712 PMID:37126509	research paper	本研究利用全基因组关联研究数据，通过基于关联测试、主成分分析和Boruta算法的混合特征选择方法，筛选出阿尔茨海默病的潜在预测因子，并将其输入到宽深神经网络模型中进行分类	提出了一种基于关联测试、主成分分析和Boruta算法的混合特征选择方法，并使用宽深神经网络模型进行分类，实验结果显示该方法在标准数据集上的准确率和F1分数达到99%	NA	旨在通过基因组数据准确诊断阿尔茨海默病，并识别影响该疾病的关键因素	阿尔茨海默病及其相关基因	machine learning	geriatric disease	GWAS	wide and deep neural network	genetic markers	包含620901个属性的原始数据集
311	2024-08-07	Deep learning on graphs for multi-omics classification of COPD 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284563 PMID:37083575	研究论文	本研究利用卷积图神经网络（ConvGNN）结合蛋白质相互作用（PPI）网络和多组学数据，开发了一种慢性阻塞性肺疾病（COPD）分类预测模型	首次使用AhGlasso算法重建COPD相关的PPI网络，并扩展ConvGNN方法以整合PPI、蛋白质组学和转录组学数据，提高了分类准确性	深度神经网络模型，尤其是图神经网络，在决策过程中难以解释，难以识别对预测贡献最大的特征	开发一种结合PPI网络信息和多组学数据的深度学习方法，用于提高COPD的分类准确性	COPD相关的PPI网络、蛋白质组学和转录组学数据	机器学习	慢性阻塞性肺疾病	卷积图神经网络（ConvGNN）	卷积图神经网络（ConvGNN）	蛋白质相互作用网络、蛋白质组学数据、转录组学数据	包括COPD病例和对照组的独立转录组学数据集
312	2024-08-07	XMR: an explainable multimodal neural network for drug response prediction 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1164482 PMID:37600972	研究论文	本文开发了一种名为XMR的可解释多模态神经网络模型，用于预测药物反应，结合了可见神经网络和图神经网络来学习基因组和药物结构特征	XMR模型通过多模态融合层整合了可见神经网络和图神经网络，提供了更好的生物学解释性，并提高了预测性能	NA	开发一种可解释的多模态神经网络模型，以提高癌症药物反应预测的准确性和生物学解释性	三阴性乳腺癌的药物反应预测	机器学习	乳腺癌	NA	多模态神经网络	基因组数据和药物分子结构数据	NA
313	2024-08-07	Neuropsychiatric Symptoms and Commonly Used Biomarkers of Alzheimer's Disease: A Literature Review from a Machine Learning Perspective 2023, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-221261 PMID:36872783	综述	本文从机器学习角度对阿尔茨海默病（AD）及其相关神经精神症状（NPS）的常用生物标志物进行了全面的文献回顾	探讨了机器学习方法在分析NPS和AD生物标志物方面的应用潜力	目前针对NPS的机器学习研究数量有限	描绘机器学习在AD和NPS研究中的现状和潜力	阿尔茨海默病及其相关神经精神症状的生物标志物	机器学习	阿尔茨海默病	NA	统计机器学习方法和深度学习方法	多模态数据集	共包含38篇文章
314	2024-08-07	Artificial intelligence-based locoregional markers of brain peritumoral microenvironment 2023-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26448-9 PMID:36653382	研究论文	本文通过扩散张量成像（DTI）技术，利用人工智能（AI）提取脑肿瘤周围微环境异质性的新型标志物	提出了一种基于深度学习的脑肿瘤周围微环境指数（PMI），并利用该指数提取了区域性的AI标志物，以捕捉肿瘤浸润异质性的不同方面	NA	开发新的AI标志物以量化脑肿瘤周围区域的浸润异质性，并用于临床决策	脑肿瘤周围区域的浸润异质性	数字病理学	脑肿瘤	扩散张量成像（DTI）	深度学习	图像	275例成人型弥漫性胶质瘤（CNS WHO 4级）
315	2024-08-07	Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1223377 PMID:37886239	研究论文	开发一种基于深度学习的方法，从常规的T1和T2加权MRI图像中回顾性地量化前列腺的T2值	该方法能够从临床获取的T1和T2加权图像中回顾性地估计前列腺T2图，有助于改善前列腺癌的诊断和特征描述，无需额外扫描	NA	开发一种深度学习方法，用于从常规MRI图像中回顾性地量化前列腺的T2值	前列腺T2值的量化	数字病理学	前列腺癌	MRI	U-Net	图像	25名受试者用于训练，38名前列腺癌患者用于验证
316	2024-08-07	Public mental health through social media in the post COVID-19 era 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1323922 PMID:38146469	研究论文	本文提出了一种基于微表情识别心理障碍的方法，使用深度学习模型HybridMicroNet进行情感识别	提出了一种基于卷积神经网络的深度学习模型HybridMicroNet，用于从微表情中识别情感	仅在CASME和SAMM数据集上进行了验证，可能需要更多数据集来验证模型的泛化能力	探索通过社交媒体中的微表情自动检测心理障碍的方法	心理障碍的自动检测	机器学习	NA	深度学习	CNN	图像	CASME数据集上的准确率为99.08%，SAMM数据集上的准确率为97.62%