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
921	2024-08-17	CucumberAI: Cucumber Fruit Morphology Identification System Based on Artificial Intelligence 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0193 PMID:39144674	研究论文	本文提出了一种基于人工智能的黄瓜果实形态特征识别框架和软件CucumberAI，结合图像处理技术和深度学习模型，高效识别多达51种黄瓜特征	引入了黄瓜轮廓提取和果实分割的算法，并结合多种深度学习模型进行果实形态识别	NA	提高黄瓜育种效率和完善瓜果发育模型	黄瓜果实的形态特征	计算机视觉	NA	图像处理技术	CNN	图像	NA
922	2024-08-17	Deep Learning for Strain Field Customization in Bioreactor with Dielectric Elastomer Actuator Array 2024, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0155 PMID:39144697	研究论文	本文介绍了一种使用9×9独立可控介电弹性体执行器阵列的生物反应器，通过基于图像回归的机器学习技术实现对复杂应变场的定制	采用多层感知器（MLP）和超分辨率生成对抗网络（SRGAN）进行逆向和正向控制，以实现对目标应变场的复制和快速预测	NA	解决生物反应器技术中根据特定要求定制复杂应变场的挑战	生物反应器中的应变场控制	生物力学	NA	有限元分析（FEA）	多层感知器（MLP），超分辨率生成对抗网络（SRGAN）	图像	10,000个不同的输出应变场图像用于训练集
923	2024-08-17	Prediction of protein content in paddy rice (Oryza sativa L.) combining near-infrared spectroscopy and deep-learning algorithm 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1398762 PMID:39145192	研究论文	本研究利用近红外光谱和深度学习技术开发了一种非破坏性预测带壳稻米（粳稻）蛋白质含量的方法	本研究首次将深度神经网络（DNN）与近红外光谱技术结合，用于非破坏性预测稻米的蛋白质含量，并取得了较高的预测准确度	NA	开发一种快速且非破坏性的方法来测量收获和储存阶段稻米的蛋白质含量	带壳稻米（粳稻）和糙米的蛋白质含量	机器学习	NA	近红外光谱	深度神经网络（DNN）	光谱数据	1800个带壳稻米光谱和1200个糙米光谱
924	2024-08-17	Emerging trends in gait recognition based on deep learning: a survey 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2158 PMID:39145199	综述	本文综述了基于深度学习的步态识别技术的最新进展，探讨了其在法医、安全和刑事调查中的应用，并分析了当前面临的挑战和未来研究方向	文章介绍了多种基于神经网络的步态识别模型，如GA-ICDNet、MSTFE、GaitNet等，这些模型在不同行走条件下展示了高准确性	步态识别面临多种挑战，包括行走条件、视角和衣着变化等，尽管深度神经网络在一定程度上能解决这些问题，但仍存在改进空间	旨在综述和分析基于深度学习的步态识别技术的发展及其在多个领域的应用	步态识别技术及其在法医、安全和刑事调查中的应用	计算机视觉	NA	深度学习	CNN, RNN, 注意力机制	图像	NA
925	2024-08-17	A DoS attack detection method based on adversarial neural network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2162 PMID:39145212	研究论文	本文研究了基于深度学习的分布式拒绝服务（DoS）攻击检测系统，并提出了一种改进的条件Wasserstein生成对抗网络与逆变器（ICWGANInverter）模型来提高检测性能	提出了ICWGANInverter模型，该模型能够自动学习原始数据的抽象信息，并通过重建误差方法识别最佳分类标签	NA	分析深度学习模型在检测拒绝服务（DoS）攻击中的影响，并提出改进的检测方法	拒绝服务（DoS）攻击的检测	机器学习	NA	深度学习	生成对抗网络（GAN）	网络流量数据	使用了NSL-KDD入侵检测数据集进行测试
926	2024-08-17	Pashto script and graphics detection in camera captured Pashto document images using deep learning model 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2089 PMID:39145223	研究论文	本研究首次探索了Pashto文档图像中的文本和图形检测，提出了一种基于深度学习的分类器	首次针对Pashto语言文档图像进行文本和图形检测，并创建了一个包含超过1000张Pashto文档图像的真实数据集	仅评估了测试集中的300张图像	开发一种能够检测Pashto文档图像中文本和图形的深度学习模型	Pashto文档图像中的文本和图形	计算机视觉	NA	卷积神经网络（CNN）	Single-Shot Detector（SSD）	图像	超过1000张Pashto文档图像
927	2024-08-17	ProcGCN: detecting malicious process in memory based on DGCNN 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2193 PMID:39145247	研究论文	本文提出了一种基于DGCNN的深度学习模型ProcGCN，用于检测内存图像中的恶意进程	相较于基于进程字节特征的方法，本文采用函数调用特征，能更稳健地表示恶意软件的行为	NA	旨在提高内存取证中恶意进程检测的准确性和速度	内存图像中的恶意进程	机器学习	NA	DGCNN	GCN	图像	使用公开数据集进行实验
928	2024-08-16	A hybrid TCN-GRU model for classifying human activities using smartphone inertial signals 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304655 PMID:39137226	研究论文	本文提出了一种结合时间卷积网络（TCN）和门控循环单元（GRU）的混合轻量级模型，用于通过智能手机惯性信号识别人类活动	该模型通过在TCN中引入膨胀和残差连接，以及使用GRU层，实现了对输入惯性序列的长期时间依赖性的建模，同时减少了计算成本	目前的研究仅限于使用智能手机捕获的惯性信号，未来研究将探索该模型在不同传感器类型和数据集上的泛化能力	开发一种轻量级的深度学习模型，用于通过智能手机惯性信号识别人类活动	人类活动识别	机器学习	NA	时间卷积网络（TCN），门控循环单元（GRU）	TCN-GRU	惯性信号	两个基准智能手机HAR数据库，即UCI HAR和UniMiB SHAR
929	2024-08-16	Leveraging smart image processing techniques for early detection of foot ulcers using a deep learning network 2024, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/189412 PMID:39139256	研究论文	本文利用深度学习模型分析糖尿病患者足部的红外图像，以早期检测足溃疡，并通过与现有研究比较评估所提模型的有效性	采用ResNet50和EfficientNetB0模型，通过边缘检测和分水岭分割预处理数据集，提高了模型的准确性和降低了计算成本	NA	开发一种实用的足溃疡检测方法，特别是在缺乏专家分析的情况下	糖尿病患者的足部溃疡	计算机视觉	糖尿病	深度学习	ResNet50, EfficientNetB0	红外图像	1055张图像，其中543张为正常足部图像，其余为异常足部图像
930	2024-08-16	Linking genetic markers and crop model parameters using neural networks to enhance genomic prediction of integrative traits 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1393965 PMID:39139722	研究论文	本文通过使用卷积神经网络（CNN）将遗传标记与作物模型参数关联，以提高综合性状的基因组预测	提出使用卷积神经网络（CNN）和作物生长模型（CGM）结合的方法来预测非加性效应，如基因间的上位性	NA	提高作物综合性状的基因组预测准确性	高粱的综合性状，特别是地上鲜重积累	机器学习	NA	卷积神经网络（CNN）	CNN	NA	NA
931	2024-08-16	Multi-Quantifying Maxillofacial Traits via a Demographic Parity-Based AI Model 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0054 PMID:39139805	研究论文	本研究提出了一种基于人口统计平权的AI模型，用于多指标量化颌面特征，以提高其在颌面外科手术中的诊断、决策和预后能力	本研究采用了一种人口统计平权策略，通过集成学习提高了AI模型在量化颌面特征时的泛化能力	初步泛化结果显示AI模型在量化主要基底骨指标时表现不佳，需要通过细分数据集和训练子模型来改进	提高AI模型在颌面特征量化中的泛化能力和准确性	颌面特征的多指标量化	机器学习	NA	深度学习	深度学习模型	图像	共收集了4000张锥形束计算机断层摄影（CBCT）矢状图像
932	2024-08-16	Automated crack identification in structures using acoustic waveforms and deep learning 2024, Journal of infrastructure preservation and resilience DOI:10.1186/s43065-024-00102-2 PMID:39140005	研究论文	本文提出了一种使用声波信号和深度学习模型来自动识别结构中裂缝的方法	本文采用密集连接卷积神经网络（CNN）进行特征提取，减少了训练数据需求，并提高了预测损伤程度和位置的准确性	NA	自动化预测结构损伤程度和位置	混凝土梁和木梁及板	机器学习	NA	声发射（AE）波形	CNN	声波信号	混凝土梁和木梁及板的数据
933	2024-08-16	A knowledge graph algorithm enabled deep recommendation system 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2010 PMID:39145203	研究论文	本研究提出了一种基于知识图谱的深度推荐系统算法（D-KGR），该算法包含四个数据处理单元，旨在提高在线教育中个性化学习资源推荐的准确性和效率	该算法引入了知识图谱中的交叉压缩技术，预测用户属性，并使用多模态技术优化项目属性处理过程，同时在知识图谱重建过程中引入卷积神经网络算法以优化数据特征质量	NA	提高在线教育中个性化学习资源推荐的准确性和效率	在线教育中的学习资源推荐	机器学习	NA	知识图谱、深度学习、神经网络、数据挖掘	卷积神经网络	文本、多值类型数据	超过1,000个学习资源和用户
934	2024-08-15	Detection and position evaluation of chest percutaneous drainage catheter on chest radiographs using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305859 PMID:39133733	研究论文	本研究旨在开发一种利用深度学习自动检测胸腔穿刺引流导管并评估其在胸片上位置的算法	使用深度学习模型自动检测和评估胸腔穿刺引流导管的位置，以辅助早期发现导管位置不当和功能障碍	回顾性研究，数据集来自单一机构，可能存在样本偏倚	开发和验证一种自动检测胸腔穿刺引流导管位置的算法	胸腔穿刺引流导管的位置及其功能	计算机视觉	NA	深度学习	AI模型	图像	1217张胸片，来自960名患者
935	2024-08-14	Unfolded Proximal Neural Networks for Robust Image Gaussian Denoising 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3437219 PMID:39110565	研究论文	本文提出了一种基于双FB和原始对偶Chambolle-Pock算法的统一框架，用于构建用于高斯去噪任务的近端神经网络（PNNs），并探讨了其鲁棒性和去噪效率。	引入了加速惯性版本的算法，并在关联的神经网络层中实现了跳跃连接。	NA	改进图像去噪任务的估计质量。	高斯去噪任务和图像去模糊问题。	计算机视觉	NA	近端算法与深度学习策略结合	近端神经网络（PNNs）	图像	NA
936	2024-08-14	Deep learning-based elaiosome detection in milk thistle seed for efficient high-throughput phenotyping 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1395558 PMID:39129764	研究论文	本研究提出了一种基于深度学习的新方法，用于半自动检测和分割奶蓟种子中的油质体，以实现高效的高通量表型分析	使用Detectron2深度学习算法进行半自动图像标注和模型再训练，提高了检测和分割油质体的准确性	NA	开发一种高效的高通量表型分析方法，用于检测和分割奶蓟种子中的油质体	奶蓟种子中的油质体	计算机视觉	NA	深度学习	Detectron2	图像	总共使用了6,000张标记图像进行训练
937	2024-08-14	Diagnostic value of a deep learning-based hyoid bone tracking model for aspiration in patients with post-stroke dysphagia 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241271778 PMID:39130520	研究论文	本研究利用基于深度学习的甲状骨追踪模型，评估其在卒中后吞咽困难患者中预测吸入风险的诊断价值	采用基于BiFPN-U-Net(T)架构的深度学习模型，高效准确地测量甲状骨运动距离，并评估其在临床上的实用性	NA	旨在更高效准确地测量卒中后吞咽困难患者甲状骨运动距离，并确定该模型的临床有用性	卒中后吞咽困难患者的甲状骨运动	机器学习	卒中	深度学习	BiFPN-U-Net(T)	视频	85名卒中后吞咽困难患者，分为吸入组（35名）和非吸入组（50名）
938	2024-08-14	Design of Interoperable Electronic Health Record (EHR) Application for Early Detection of Lung Diseases Using a Decision Support System by Expanding Deep Learning Techniques 2024, The open respiratory medicine journal DOI:10.2174/0118743064296470240520075316 PMID:39130650	研究论文	本研究旨在通过扩展深度学习技术，设计一个用于早期发现肺部疾病的互操作电子健康记录（EHR）应用程序，利用决策支持系统提高护理质量。	本研究通过开发一个Android应用程序，结合深度学习技术，实现了EHR系统的互操作性和早期肺部疾病的检测。	研究主要集中在肺部疾病的早期检测，未来工作可以扩展到其他疾病的早期检测。	实现一个互操作的EHR系统，通过决策支持系统在早期阶段识别肺部疾病，提高护理质量。	主要研究对象是肺部疾病，特别是肺癌的早期检测。	机器学习	肺部疾病	深度学习技术	深度学习模型	图像	实验过程中共考虑了316张图像，数据集分为80:20的训练和测试比例。
939	2024-08-14	Prediction of PM2.5 concentration based on a CNN-LSTM neural network algorithm 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17811 PMID:39131620	研究论文	本研究基于卷积神经网络长短期记忆（CNN-LSTM）模型，预测和分析了监测站的PM浓度	采用CNN-LSTM深度学习模型，结合CNN层提取空间特征和LSTM层学习时间依赖性，提高了PM浓度的预测准确性和泛化能力	NA	预测和分析PM浓度的空间分布，以便更好地追踪污染源并采取保护人类健康的措施	青岛市2020年的PM数据及气象因素（如温度、风速和气压）	机器学习	NA	CNN-LSTM	CNN-LSTM	时间序列数据	青岛市2020年的PM数据及气象因素数据
940	2024-08-14	Automatic Identification of Hate Speech - A Case-Study of alt-Right YouTube Videos 2024, F1000Research DOI:10.12688/f1000research.147107.1 PMID:39131834	研究论文	本文研究了自动识别仇恨言论的方法，特别是针对alt-right YouTube视频的应用	提出了一种跨学科的混合方法，结合机器学习、深度学习和自然语言处理技术与传统的实证研究	自动识别或 moderation 仇恨言论无法适应间接象征意义的不断变化的背景	探讨自动识别仇恨言论的有效方法及其在alt-right YouTube视频中的应用	alt-right YouTube视频中的仇恨言论	自然语言处理	NA	机器学习, 深度学习, 自然语言处理 (NLP)	NA	视频	涉及alt-right YouTube视频的数据