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
2521	2024-12-01	Assessing the Impact of New Technologies on Managing Chronic Respiratory Diseases 2024-Nov-16, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13226913 PMID:39598056	研究论文	本文探讨了新兴技术，特别是人工智能（AI）在慢性呼吸系统疾病（CRD）管理中的影响	AI应用，包括机器学习（ML）、深度学习（DL）和大语言模型（LLMs），正在改变CRD护理的格局，实现早期诊断、个性化治疗和增强的远程患者监测	挑战包括数据质量问题、算法偏差以及患者隐私和AI透明性等伦理问题	评估AI驱动的工具在CRD管理中的有效性、可访问性和伦理影响	慢性呼吸系统疾病，包括哮喘和慢性阻塞性肺病（COPD）	机器学习	呼吸系统疾病	人工智能（AI）	机器学习（ML）、深度学习（DL）、大语言模型（LLMs）	NA	NA
2522	2024-12-01	Fault Diagnosis Method for Converter Stations Based on Fault Area Identification and Evidence Information Fusion 2024-Nov-16, Sensors (Basel, Switzerland) DOI:10.3390/s24227321 PMID:39599098	研究论文	提出了一种基于故障区域识别和证据信息融合的换流站故障诊断方法	该方法通过初步识别故障范围和融合开关信号与电气量的证据信息，解决了传统方法在直流输电系统中信息利用不足和诊断范围不完整的问题	NA	提高电力系统的安全稳定运行	换流站的故障诊断	NA	NA	模糊Petri网模型、BP神经网络模型、D-S证据理论	BP神经网络	事件记录数据、开关信号、电气量	以直流换流站的故障数据为例
2523	2024-12-01	Characterization of Breast Cancer Intra-Tumor Heterogeneity Using Artificial Intelligence 2024-Nov-16, Cancers IF:4.5Q1 DOI:10.3390/cancers16223849 PMID:39594804	研究论文	本研究利用深度学习技术评估早期管腔型乳腺癌的肿瘤内异质性，并探讨其对肿瘤行为和患者预后的影响	本研究首次利用深度学习模型对早期管腔型乳腺癌的肿瘤内异质性进行全面评估，并生成异质性评分与临床病理特征和预后相关联	研究仅限于早期管腔型乳腺癌，未涵盖其他类型的乳腺癌	研究旨在利用深度学习技术准确解析乳腺癌的肿瘤内异质性，并提供额外的预后预测信息	早期管腔型乳腺癌的肿瘤内异质性	数字病理学	乳腺癌	深度学习	深度学习模型	图像	2561例早期管腔型乳腺癌样本
2524	2024-12-01	Improved Surface Electromyogram-Based Hand-Wrist Force Estimation Using Deep Neural Networks and Cross-Joint Transfer Learning 2024-Nov-15, Sensors (Basel, Switzerland) DOI:10.3390/s24227301 PMID:39599078	研究论文	研究通过深度神经网络和跨关节迁移学习改进基于表面肌电图的手腕力估计	本研究首次探索了跨两个上肢关节的迁移学习，提高了数据集的大小和多样性，并减少了所需的训练数据量	研究仅限于两个上肢关节，且未探讨更多复杂的神经网络结构	提高基于表面肌电图的手腕力估计的准确性	表面肌电图与手腕力之间的关系	机器学习	NA	表面肌电图	深度神经网络	时间序列数据	NA
2525	2024-12-01	Highly Efficient JR Optimization Technique for Solving Prediction Problem of Soil Organic Carbon on Large Scale 2024-Nov-15, Sensors (Basel, Switzerland) DOI:10.3390/s24227317 PMID:39599094	研究论文	本文利用遥感和地面覆盖数据预测了大范围地理区域内的土壤有机碳含量，并开发了一种新的优化算法	提出了一种新的数据融合方法，结合了DEM数据、MODIS卫星图像、WOSIS土壤剖面数据和CHELSA环境数据，并开发了一种新的优化技术，显著提高了机器学习和深度学习模型的性能	研究主要集中在印度、澳大利亚和南非，可能限制了结果的普适性	开发和评估一种新的优化算法，以提高土壤有机碳预测的准确性	土壤有机碳含量预测	机器学习	NA	遥感技术	XGBoost回归、LightGBM、梯度提升回归、随机森林回归、决策树回归、多层感知器模型	图像	研究涵盖印度、澳大利亚和南非
2526	2024-12-01	Multimodal Data Fusion for Precise Lettuce Phenotype Estimation Using Deep Learning Algorithms 2024-Nov-15, Plants (Basel, Switzerland) DOI:10.3390/plants13223217 PMID:39599426	研究论文	本文开发了一种基于多模态数据融合的深度学习模型，用于精确估计生菜的表型特征	设计了一个双模态网络，结合RGB和深度图像，并引入了特征校正模块和特征融合模块，显著提高了对象检测、分割和特征估计的性能	NA	开发一种精确监测生菜生长特征、质量评估和最佳收获时间的方法	生菜的表型特征，包括鲜重、干重、植株高度、冠层直径和叶面积	计算机视觉	NA	深度学习算法	双模态网络	图像	使用了开放的生菜数据集，并进行了5折交叉验证
2527	2024-12-01	AI-powered home cage system for real-time tracking and analysis of rodent behavior 2024-Nov-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111223 PMID:39605925	研究论文	本文介绍了一种利用深度学习技术自动识别实验动物行为的AI监控系统RodentWatch (RW)	该系统通过单一多功能摄像头和边缘设备实现对实验动物行为的实时连续监控，并采用上下文对象标注和改进的非极大值抑制（NMS）方案提高行为识别准确性	NA	开发一种能够减少研究人员工作量并提高实验动物行为监测效率的AI监控系统	实验大鼠的饮水和休息行为	计算机视觉	NA	深度学习	NA	图像	NA
2528	2024-12-01	Systematic Review of AI-Assisted MRI in Prostate Cancer Diagnosis: Enhancing Accuracy Through Second Opinion Tools 2024-Nov-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222576 PMID:39594242	综述	本文系统回顾了人工智能辅助MRI在前列腺癌诊断中的应用，重点评估了AI工具在提高诊断准确性、特异性、敏感性和临床实用性方面的效果	本文展示了AI技术在前列腺癌MRI诊断中的显著潜力，特别是在提供第二意见方面	需要进一步在不同人群和临床环境中验证AI工具的效果，以全面整合到标准实践中	评估AI辅助MRI在前列腺癌诊断中的有效性	AI技术在MRI前列腺癌诊断中的应用	机器学习	前列腺癌	MRI	深度学习	图像	NA
2529	2024-12-01	deepBBQ: A Deep Learning Approach to the Protein Backbone Reconstruction 2024-Nov-14, Biomolecules IF:4.8Q1 DOI:10.3390/biom14111448 PMID:39595623	研究论文	本文介绍了一种名为deepBBQ的深度学习方法，用于从Cα坐标重建蛋白质骨架原子位置	提出了一种基于深度卷积神经网络的新方法，用于从Cα坐标预测每个肽板的单个内部坐标，并基于肽板原子位于同一平面的假设重新计算笛卡尔坐标	NA	开发一种快速且准确的方法，将粗粒度模型转换为全原子表示	蛋白质骨架原子位置的重建	机器学习	NA	深度卷积神经网络	CNN	蛋白质结构数据	NA
2530	2024-12-01	Detection of Aortic Dissection and Intramural Hematoma in Non-Contrast Chest Computed Tomography Using a You Only Look Once-Based Deep Learning Model 2024-Nov-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13226868 PMID:39598012	研究论文	使用基于YOLO的深度学习模型在非对比胸部CT图像中检测主动脉夹层和壁内血肿	开发了一种基于YOLOv4的深度学习模型，能够在非对比CT图像中区分主动脉夹层、壁内血肿和正常主动脉	研究是回顾性的，且样本量相对较小	使用CT图像和深度学习算法区分主动脉夹层和壁内血肿与正常主动脉	主动脉夹层、壁内血肿和正常主动脉	计算机视觉	心血管疾病	深度学习	YOLOv4	图像	121名患者的8881张非对比胸部CT图像
2531	2024-12-01	Double Decomposition and Fuzzy Cognitive Graph-Based Prediction of Non-Stationary Time Series 2024-Nov-14, Sensors (Basel, Switzerland) DOI:10.3390/s24227272 PMID:39599049	研究论文	本文提出了一种基于小波分解和经验模态分解的双重分解策略，并构建了一种高阶模糊认知图（HFCM）预测模型，称为WE-HFCM模型，旨在提高非平稳时间序列预测的解释性和准确性	本文的创新点在于结合了小波分解和经验模态分解的双重分解策略，以及高阶模糊认知图的构建，实现了对非平稳时间序列信号的高频、低频、时域和频域特征的深度提取	本文的局限性在于仅在模拟实验中验证了模型的有效性，尚未在实际应用场景中进行测试	本文的研究目的是开发一种具有解释性和高准确性的非平稳时间序列预测模型，以提高决策者对模型的信任并提供决策依据	本文的研究对象是非平稳时间序列数据	机器学习	NA	小波分解（WD）、经验模态分解（EMD）、岭回归	高阶模糊认知图（HFCM）	时间序列	本文未明确提及样本数量
2532	2024-12-01	Autoencoder-Based System for Detecting Anomalies in Pelletizer Melt Processes 2024-Nov-14, Sensors (Basel, Switzerland) DOI:10.3390/s24227277 PMID:39599053	研究论文	本文提出了一种基于自编码器的系统，用于检测造粒机熔融过程中的异常情况	本文创新性地使用自编码器技术来检测熔融过程中的异常，并通过数据增强方法提高了系统的鲁棒性	本文未详细讨论系统的实际应用场景和可能的技术挑战	研究目的是提高工业制造中熔融过程的效率和产品质量	研究对象是造粒机熔融过程中的异常检测	机器学习	NA	自编码器	自编码器	图像	未明确提及具体样本数量
2533	2024-12-01	Advanced Modulation Formats for 400 Gbps Optical Networks and AI-Based Format Recognition 2024-Nov-14, Sensors (Basel, Switzerland) DOI:10.3390/s24227291 PMID:39599068	研究论文	本文提出了一种基于交替极化啁啾归零频移键控（Apol-CRZ-FSK）调制格式的高速光网络解决方案，并使用Inception-ResNet-v2卷积神经网络模型进行调制格式识别	提出的Apol-CRZ-FSK调制格式在抵抗非线性效应方面优于传统调制格式，且使用Inception-ResNet-v2模型在调制格式识别上表现最佳	NA	实现高速光网络中的信号传输和识别，以满足未来光网络中通信和感知集成的需求	400 Gbps光网络中的调制格式和信号识别	光通信	NA	交替极化啁啾归零频移键控（Apol-CRZ-FSK）调制	Inception-ResNet-v2卷积神经网络	光信号	4 × 100 Gbps密集波分复用（DWDM）光网络
2534	2024-12-01	Deep Learning-Based Slice Thickness Reduction for Computer-Aided Detection of Lung Nodules in Thick-Slice CT 2024-Nov-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222558 PMID:39594224	研究论文	本研究评估了一种基于深度学习的切片厚度减少技术，从5毫米CT扫描减少到1毫米，以提高计算机辅助检测（CAD）系统在肺结节检测中的性能	本研究首次应用深度学习技术将CT扫描的切片厚度从5毫米减少到1毫米，显著提高了CAD系统在肺结节检测中的性能	本研究为回顾性研究，样本量有限，且仅评估了特定条件下的CAD性能	评估基于深度学习的切片厚度减少技术在提高肺结节检测CAD性能中的有效性	肺结节的检测和诊断	计算机视觉	肺部疾病	深度学习	NA	CT扫描图像	687例胸部CT扫描，包括355例有结节和332例无结节
2535	2024-12-01	Advancing Indoor Epidemiological Surveillance: Integrating Real-Time Object Detection and Spatial Analysis for Precise Contact Rate Analysis and Enhanced Public Health Strategies 2024-Nov-13, International journal of environmental research and public health DOI:10.3390/ijerph21111502 PMID:39595769	研究论文	本研究开发了一种先进的软件工具，用于准确计算封闭空间内个体之间的接触率，以支持公共卫生监测和疾病传播缓解	该系统创新性地结合了YOLOv8深度学习模型和动态圆形缓冲区，通过2D投影变换将视频数据坐标精确映射到物理环境的数字布局上，提供详细的接触实例和空间接触模式的热图可视化	NA	提高室内环境中疾病传播监测的准确性和效率，支持更有效的非药物感染控制策略	封闭空间内个体之间的接触率	计算机视觉	呼吸道疾病	YOLOv8	深度学习模型	视频	NA
2536	2024-12-01	Distance and Angle Insensitive Radar-Based Multi-Human Posture Recognition Using Deep Learning 2024-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s24227250 PMID:39599026	研究论文	本文提出了一种基于深度学习的雷达多人体姿态识别框架，能够在距离和角度不敏感的情况下识别多人的姿态	与现有雷达研究不同，本文提出了一种新颖的框架，利用FMCW雷达点云提取近距离内两人的姿态，并通过无监督聚类和DenseNet模型进行姿态分类	NA	开发一种能够在静态环境下识别多人体姿态的雷达系统，应用于预防性健康护理领域	使用FMCW雷达识别两人在不同姿态下的组合	计算机视觉	NA	FMCW雷达	DenseNet	点云	使用四种基本姿态（站立、椅子上坐、地板上坐、躺下），对两人场景的十种姿态组合进行分类，并对两人重叠的五种姿态组合进行实验
2537	2024-12-01	A Hybrid Deep Learning Model for Enhanced Structural Damage Detection: Integrating ResNet50, GoogLeNet, and Attention Mechanisms 2024-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s24227249 PMID:39599027	研究论文	本文介绍了一种结合ResNet50、GoogLeNet和注意力机制的混合深度学习模型，用于增强结构损伤检测	该研究引入了卷积块注意力模块（CBAM），以提高结构损伤检测的准确性和性能	NA	提高结构损伤检测的准确性和效率，特别是在自然灾害后的基础设施维护中	结构损伤检测	计算机视觉	NA	深度学习	混合深度神经网络	图像	使用了一个包含结构损伤和未损伤情况的多样化图像数据集
2538	2024-11-28	An Efficient Weed Detection Method Using Latent Diffusion Transformer for Enhanced Agricultural Image Analysis and Mobile Deployment 2024-Nov-13, Plants (Basel, Switzerland) DOI:10.3390/plants13223192 PMID:39599401	研究论文	本文提出了一种基于潜在扩散变换器的杂草检测方法，旨在提高农业图像分析的准确性和适用性	该方法结合了潜在空间特征提取和自注意力机制，构建了一个轻量级模型，能够在移动设备上快速响应	未来的研究将集中在数据多样性和模型可解释性上，以进一步提高模型的适应性和用户信任	提高农业图像分析的准确性和适用性	杂草检测	计算机视觉	NA	潜在扩散变换器	潜在扩散变换器	图像	NA
2539	2024-12-01	Comprehensive Symptom Prediction in Inpatients With Acute Psychiatric Disorders Using Wearable-Based Deep Learning Models: Development and Validation Study 2024-Nov-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65994 PMID:39536315	研究论文	本研究开发并验证了基于可穿戴设备的深度学习模型，用于全面预测急性精神病患者的症状	结合可穿戴传感器数据和深度学习技术，克服传统精神病评估的局限，支持临床决策	不同病房的显著差异对开发临床决策支持系统构成挑战，未来研究需解决泛化性问题	开发和验证基于可穿戴设备的深度学习模型，以全面预测急性精神病患者的症状	急性精神病患者	机器学习	精神疾病	深度学习	多任务学习模型	可穿戴设备数据	244名参与者，最终分析包括191名（78.3%）
2540	2024-12-01	Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images 2024-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s24227231 PMID:39599008	研究论文	本文探讨了利用高效的自我注意力结构来检测皮肤癌，并引入了一种带有双浓缩注意力浓缩器（DC-AC）的深度神经网络设计，专门用于从皮肤病变图像中检测皮肤癌	本文的创新点在于引入了一种名为双浓缩注意力浓缩器（DC-AC）的新技术，结合自我注意力神经网络，实现了更快速和高效的计算，同时减少了模型参数和计算成本	本文的局限性在于其方法目前仅在皮肤癌检测上进行了验证，未来工作需要进一步验证其在其他类型癌症检测中的通用性	本文的研究目的是开发一种高效的深度学习模型，用于从皮肤病变图像中检测皮肤癌	本文的研究对象是皮肤癌及其病变图像	计算机视觉	皮肤癌	深度学习	深度神经网络	图像	使用了ISIC 2020测试集的公开和私有数据集，具体样本数量未明确提及