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
81	2024-08-05	Development of a Deep Learning Model for Retinal Hemorrhage Detection on Head Computed Tomography in Young Children 2023-06-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.19420 PMID:37347482	研究论文	本研究开发了一种基于深度学习的模型，用于儿童头部CT图像中检测视网膜出血	该研究首次使用深度学习图像分析来检测小儿头部CT图像中的视网膜出血	可能需要外部前瞻性验证以确认模型的准确性	评估深度学习模型在儿童头部CT中检测视网膜出血的有效性	301名诊断为虐待性头部创伤（AHT）的儿童患者	计算机视觉	NA	深度学习	NA	图像	301名患者
82	2024-08-05	A Trainable Open-Source Machine Learning Accelerometer Activity Recognition Toolbox: Deep Learning Approach 2023-Jun-08, JMIR AI DOI:10.2196/42337 PMID:38875548	研究论文	本研究开发了一种准确、可训练的开源手机活动追踪工具箱。	提出了一种开放源代码的深度学习加速器活动识别工具，能够适应新行为的检测。	维度自适应神经架构模型在测试自有数据时准确性大幅下降至26%。	解决当前活动追踪器在科学应用中动作判别准确性不足的问题。	使用加速度计和陀螺仪数据识别不同类别的活动。	机器学习	NA	深度学习	维度自适应神经架构模型	加速度计和陀螺仪数据	6种不同的行为，包含来自自身记录的数据和MotionSense数据
83	2024-08-05	Natural Language Processing for Clinical Laboratory Data Repository Systems: Implementation and Evaluation for Respiratory Viruses 2023-Jun-06, JMIR AI DOI:10.2196/44835 PMID:38875570	研究论文	本文探讨了自然语言处理技术在临床实验室数据中的应用，评估了其在呼吸病毒信息提取中的可行性	提出了一种基于深度学习的自然语言处理模型，以替代耗时且资源密集的手工规则工具	模型性能在不同病毒类别和类型间存在差异，且在检测到的病毒案例中的表现较差	研究自然语言处理模型在实验室报告信息提取中的可行性	省级实验室报告中的文本数据，涵盖14种呼吸病毒及其亚型	自然语言处理	呼吸道病毒感染	深度学习	层次多标签分类器	文本	87,500份独特的实验室报告
84	2024-08-05	Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing 2023-Jun-01, JMIR AI DOI:10.2196/44537 PMID:38875565	研究论文	本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征	创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征	样本仅限于肺癌患者，可能不具备更广泛适应性	旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析	本研究对象为13,216名肺癌患者的放射学记录	自然语言处理	肺癌	深度学习，NLP	双向长短期记忆模型	文本	涉及13,216名肺癌患者的放射学记录
85	2024-08-05	Automated deep learning auto-segmentation of air volumes for MRI-guided online adaptive radiation therapy of abdominal tumors 2023-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acda0b PMID:37253374	研究论文	本研究开发了一种自动化方法，用于在MRI引导的腹部肿瘤适应性放射治疗中分割空气区域	提出了一种修改版ResUNet3D深度学习模型用于自动分割MRI中的空气区域	该研究可能受到专门的MR图像序列和模型训练样本的限制	研究的目的是提高腹部肿瘤放射治疗中空气区域的分割速度和准确性	研究对象是102名患者的MRI图像	数字病理学	NA	深度学习	ResUNet3D	图像	102个患者的MR图像
86	2024-08-05	MeshDeform: Surface Reconstruction of Subcortical Structures in Human Brain MRI 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_41 PMID:37915753	研究论文	本论文提出了一种名为MeshDeform的新型深度学习网格变形网络，用于重建人脑MRI中皮层下结构的表面	MeshDeform结合了U-Net编码器提取的特征和网格变形模块，能够以亚体素精度快速重建皮层下结构的拓扑正确表面	NA	研究脑的形态学，通过重建皮层和皮层下结构的表面	人脑MRI中的皮层下结构	数字病理学	NA	深度学习	U-Net	MRI图像	涉及了17个皮层下结构
87	2024-08-05	Pashto Handwritten Invariant Character Trajectory Prediction Using a Customized Deep Learning Technique 2023-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s23136060 PMID:37447909	研究论文	本研究专注于使用深度学习技术检测和识别普什图手写字符和连字	开发了针对普什图的特定数据集，并引入了数据增强技术，以提升手写字符识别的准确性	专注于普什图语言，可能对其他区域语言的适用性有限	旨在保护普什图手写字符的识别和记录	普什图手写字符和连字	计算机视觉	NA	深度学习	定制CNN	图像	NA
88	2024-08-05	ConvNeXt steel slag sand substitution rate detection method incorporating attention mechanism 2023-Jun-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37676-y PMID:37391568	研究论文	提出了一种基于深度学习的钢渣砂替代率检测方法	通过在ConvNeXt模型中加入Squeeze and Excitation注意力机制，提高了钢渣砂混合物颜色特征的提取效率	检测方法效率低，缺乏具有代表性的采样	提升钢渣砂替代率检测的效率和准确性	钢渣砂的替代率	计算机视觉	NA	深度学习	ConvNeXt	图像	NA
89	2024-08-05	Micro-architecture design exploration template for AutoML case study on SqueezeSEMAuto 2023-Jun-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37682-0 PMID:37391458	研究论文	本文探讨了一种AutoML框架，用于SqueezeNet的微架构设计探索	提出了将SE块与残差块组合并应用于SqueezeNet的创新方法	没有提及实验的计算资源和时间成本	旨在优化CNN架构设计以提高图像识别任务的准确性	研究对象为基于SqueezeNet的深度学习模型	计算机视觉	NA	卷积神经网络	SqueezeNet	图像	CIFAR-10和清华人脸表情数据集
90	2024-08-05	Performance Degradation Assessment of Railway Axle Box Bearing Based on Combination of Denoising Features and Time Series Information 2023-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s23135910 PMID:37447760	研究论文	提出了一种基于深度残差收缩网络和深度长短期记忆网络的铁路轴箱轴承性能退化评估模型	提出了结合去噪特征和时间序列信息的方法，提高模型对早期故障的敏感性	未提及特定的应用环境和实际操作中的限制	解决现有滚动轴承性能退化评估方法中噪声和时间信息被忽略的问题	铁路轴箱轴承的性能退化评估	机器学习	NA	深度残差收缩网络，深度长短期记忆网络	DRSN-LSTM	信号	人工诱导缺陷和加速疲劳测试数据
91	2024-08-05	FPGA Implementation of Keyword Spotting System Using Depthwise Separable Binarized and Ternarized Neural Networks 2023-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s23125701 PMID:37420866	研究论文	该研究提出了一种深度可分离的二元/三元神经网络硬件加速器，用于关键词识别系统	提出了一种新的深度可分离二元/三元神经网络加速器，能够在单一设备上同时进行唤醒词识别和命令分类	没有提到在不同硬件平台上的适应性和扩展性	研究旨在优化关键词识别系统的硬件实现，以提高效率	本研究对象是关键词识别系统中的深度学习算法和硬件实现	机器学习	NA	硬件加速	深度可分离二元/三元神经网络	音频数据	NA
92	2024-08-05	Forest Fire Smoke Detection Based on Deep Learning Approaches and Unmanned Aerial Vehicle Images 2023-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s23125702 PMID:37420867	研究论文	该文章提出了一种基于深度学习的森林火灾烟雾检测方法，使用无人机图像提高检测效率	提出了改进的YOLOv7模型，结合CBAM注意机制和SPPF+层来增强烟雾特征提取能力	未提及限制条件	旨在快速识别森林火灾初期烟雾，以便及时响应并防止火势蔓延	森林火灾烟雾图像	计算机视觉	NA	YOLOv7	YOLOv7	图像	6500张无人机拍摄的烟雾图像
93	2024-08-05	Indoor Scene Recognition Mechanism Based on Direction-Driven Convolutional Neural Networks 2023-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s23125672 PMID:37420835	研究论文	本文提出了一种基于深度学习的房间级室内定位系统，结合视觉信息和智能手机传感器。	引入了方向驱动的卷积神经网络（CNN），并采用多种加权融合策略提升系统性能。	研究仍受限于智能手机计算能力，需结合服务器进行部分计算。	研究旨在提升室内场景识别与定位的准确性。	研究对象包括使用智能手机拍摄的室内图像。	计算机视觉	NA	深度学习、卷积神经网络（CNN）	卷积神经网络（CNN）	图像	在真实数据集上进行的多个实验分析
94	2024-08-05	A Cost-Driven Method for Deep-Learning-Based Hardware Trojan Detection 2023-Jun-11, Sensors (Basel, Switzerland) DOI:10.3390/s23125503 PMID:37420671	研究论文	提出了一种基于深度学习的多尺度硬件木马检测模型MHTtext	引入深度学习进行自动特征提取，并提出了稳定性效率指数(SEI)的新评估指标	现有传统检测方法不适用于大规模集成，研究社区尚处于早期阶段	研究自动检测硬件木马的方法以应对恶意电路	重点研究硬件木马在芯片中的检测问题	深度学习	NA	深度学习	TextCNN	电路网表	基准网表的实验结果
95	2024-08-05	A Deep Learning Method for Rolling Bearing Fault Diagnosis Based on Attention Mechanism and Graham Angle Field 2023-Jun-10, Sensors (Basel, Switzerland) DOI:10.3390/s23125487 PMID:37420653	研究论文	提出了一种基于Gramian角场编码技术和改进的ResNet50模型的滚动轴承故障诊断方法	结合Graham角场技术与ResNet算法实现了自动特征提取和故障诊断	无法在摘要中找到具体的局限性信息	提高滚动轴承故障诊断的准确性和时效性	滚动轴承的故障诊断	机器学习	NA	GAF编码技术	改进的ResNet50模型	图像	使用了Casey Reserve University的滚动轴承数据进行验证
96	2024-08-05	Research on Apple Recognition Algorithm in Complex Orchard Environment Based on Deep Learning 2023-Jun-08, Sensors (Basel, Switzerland) DOI:10.3390/s23125425 PMID:37420591	研究论文	本文提出了一种基于深度学习的水果识别算法，以解决果园复杂环境下的低识别准确率问题	通过将残差模块与交叉阶段平衡网络（CSP Net）组合，集成空间金字塔池（SPP）模块，并替换NMS算法为Soft NMS算法，显著提高了识别精度	未提及具体的局限性	提高在复杂果园环境中的水果识别准确率和实时性	果园中的水果	计算机视觉	NA	深度学习	YOLOv5	图像	使用数据集进行训练和测试，具体样本量未说明
97	2024-08-05	Noninvasive Tracking of Every Individual in Unmarked Mouse Groups Using Multi-Camera Fusion and Deep Learning 2023-Jun, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-022-00988-6 PMID:36571715	研究论文	该文章提出了一种新的多目标跟踪系统，用于非侵入性地跟踪未标记的小鼠。	创新之处在于结合了Faster R-CNN深度学习算法和多相机融合技术，成功跟踪每个未标记小鼠的移动。	文章未讨论该方法在其他动物或不同环境下的适用性。	研究旨在开发一种精确、高效的方法，以非侵入性地追踪组内个体小鼠。	研究对象为未标记的小鼠群体。	计算机视觉	NA	视频跟踪	Faster R-CNN	视频	多个未标记小鼠的群体
98	2024-08-05	Hybrid Optimization Algorithm Enabled Deep Learning Approach Brain Tumor Segmentation and Classification Using MRI 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00752-2 PMID:36622465	研究论文	本研究提出了一种混合优化算法驱动的深度学习方法用于脑肿瘤的分割和分类	创新点在于提出了一种将Jaya算法和蜜獾算法结合，并应用于脑肿瘤分割与分类的混合优化算法	未提及具体的限制条件	旨在提高脑肿瘤的分割和分类精度以便于医疗诊断	使用MRI图像对脑肿瘤进行分割和分类	计算机视觉	脑肿瘤	MRI	CNN和深度残差网络（DRN）	图像	使用BRATS 2018和Figshare数据集进行评估
99	2024-08-05	A Comparison of Three Different Deep Learning-Based Models to Predict the MGMT Promoter Methylation Status in Glioblastoma Using Brain MRI 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00757-x PMID:36604366	研究论文	本文比较了三种不同的深度学习模型在使用脑部MRI预测胶质母细胞瘤中MGMT启动子甲基化状态的效果	该研究提供了三种基于深度学习的方法来无创预测MGMT启动子甲基化状态，解决了传统组织检测的限制	研究的准确率相对较低，并且可能受到样本选择和模型训练的影响	研究旨在比较三种不同的深度学习方法预测胶质母细胞瘤的MGMT启动子甲基化状态	研究对象为576个T2WI脑MRI图像及对应的肿瘤掩模和MGMT启动子甲基化状态	计算机视觉	胶质母细胞瘤	使用深度学习	3D-Vnet，目标检测模型，3D Densenet121	图像	576个T2WI图像
100	2024-08-07	Automated Bone Tumor Segmentation and Classification as Benign or Malignant Using Computed Tomographic Imaging 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00771-z PMID:36627518	研究论文	本研究利用计算机断层扫描（CT）图像和机器学习技术，实现骨肿瘤的自动分割和良恶性分类，以辅助临床医生判断是否需要进行活检	本研究首次提出了一种基于深度学习的方法，用于从CT图像中自动分割和分类骨肿瘤	尽管在特异性和敏感性上取得了相似的分类性能，但数据集中良性和恶性病例的不平衡仍然存在	开发一种自动化的深度学习方法，用于从CT图像中分割和分类骨肿瘤	84例股骨CT扫描图像，包含50名女性和34名男性，年龄20岁及以上，具有明确的骨病变组织学证实	计算机视觉	骨肿瘤	深度学习	深度学习架构	CT扫描图像	84例股骨CT扫描图像