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
6001	2024-10-01	AnyFace++: Deep Multi-Task, Multi-Domain Learning for Efficient Face AI 2024-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s24185993 PMID:39338738	研究论文	本文提出了一种名为AnyFace++的深度多任务、多领域学习模型，用于高效的人脸AI应用	AnyFace++模型能够同时处理人脸检测、面部关键点定位、年龄估计、性别分类和情感识别等多项任务，并且适用于人类、动物和卡通角色等多个领域	NA	解决现有面部应用需要多个模型来完成多项任务，导致内存使用增加和推理时间延长的问题，并扩展到其他领域如动物和卡通角色	人脸检测、面部关键点定位、年龄估计、性别分类和情感识别等多项任务，适用于人类、动物和卡通角色	计算机视觉	NA	深度多任务、多领域学习	NA	图像	NA
6002	2024-10-01	Image Processing for Smart Agriculture Applications Using Cloud-Fog Computing 2024-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s24185965 PMID:39338710	研究论文	本文提出了一种基于云雾计算的图像处理解决方案，用于智能农业应用中的早期问题检测和资源管理优化	本文的创新点在于利用卷积神经网络（CNN）进行图像分析，并通过云雾计算架构优化模型，使其适用于硬件资源有限的边缘设备	本文的局限性在于测试样本仅限于番茄病害分类，且模型在硬件资源有限设备上的准确率略有下降	本文的研究目的是开发一种适用于云雾计算环境的深度学习图像分类模型，以降低农业运营成本和人工劳动	本文的研究对象是智能农业中的作物生长监测和病害分类	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	测试样本为番茄病害分类，准确率从96.29%下降到95.46%，下降幅度为0.83%
6003	2024-10-01	Near-Surface Air Temperature Estimation Based on an Improved Conditional Generative Adversarial Network 2024-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s24185972 PMID:39338717	研究论文	提出了一种基于改进条件生成对抗网络（CGAN）的近地表气温估算方法	利用风云4A卫星遥感数据作为条件引导信息，结合自注意力机制和级联残差块的生成器，以及多层次多尺度空间特征融合的判别器，显著提高了近地表气温估算的准确性	未提及	解决地面气象观测站分布不均导致的近地表气温数据缺失问题	近地表气温估算	计算机视觉	NA	条件生成对抗网络（CGAN）	CGAN	遥感数据	未提及
6004	2024-10-01	FusionOpt-Net: A Transformer-Based Compressive Sensing Reconstruction Algorithm 2024-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s24185976 PMID:39338721	研究论文	本文提出了一种基于Transformer的压缩感知重建算法FusionOpt-Net	结合了快速迭代收缩阈值算法（FISTA）和Transformer网络的优势，采用块状采样方法提高计算效率，并通过神经网络映射FISTA的迭代过程来解决传统算法的超参数挑战	NA	改进压缩感知图像重建算法的效率和质量	压缩感知图像重建	计算机视觉	NA	压缩感知（CS）	Transformer	图像	涉及多个公共基准数据集
6005	2024-10-01	Fundus Image Deep Learning Study to Explore the Association of Retinal Morphology with Age-Related Macular Degeneration Polygenic Risk Score 2024-Sep-13, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092092 PMID:39335605	研究论文	研究使用深度学习技术分析眼底图像与年龄相关性黄斑变性多基因风险评分之间的关联	首次使用深度学习模型DenseNet121从单张眼底图像中估计年龄相关性黄斑变性的多基因风险评分，并结合Grad-CAM技术分析模型决策与黄斑变性特定形态特征的关系	研究样本量相对较小，且模型对图像中的伪影较为敏感	探索眼底图像中的视网膜形态与年龄相关性黄斑变性多基因风险评分之间的关联	年龄相关性黄斑变性患者和对照组的眼底图像	计算机视觉	眼科疾病	深度学习	DenseNet121	图像	332名受试者（235名黄斑变性患者和97名对照组）的23,654张眼底图像，最终选择558张高质量图像进行分析
6006	2024-10-01	User Sentiment Analysis Based on Securities Application Elements 2024-Sep-13, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs14090814 PMID:39336029	研究论文	本研究探讨了基于深度学习的韩语文本情感分析在证券应用程序设计中的应用	本研究采用了基于方面的情感分析（ABSA）作为传统用户研究方法的替代方案，通过分析大量用户评论数据，揭示了证券应用程序设计中的关键元素及其用户情感	研究主要集中在韩语文本上，可能限制了方法的普适性	通过分析用户评论，改进证券应用程序的设计	证券应用程序的用户评论数据	自然语言处理	NA	基于方面的情感分析（ABSA）	NA	文本	大量用户评论数据
6007	2024-10-01	Gemini-Assisted Deep Learning Classification Model for Automated Diagnosis of High-Resolution Esophageal Manometry Images 2024-Sep-13, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina60091493 PMID:39336534	研究论文	本文开发了一种基于Gemini辅助的深度学习模型，用于高分辨率食管测压图像的食管运动障碍自动诊断	本文利用Gemini辅助开发深度学习模型，展示了其在多类别图像分类任务中的优越性能	NA	开发一种用于食管运动障碍诊断的深度学习模型	高分辨率食管测压图像	计算机视觉	NA	深度学习	深度学习模型	图像	NA
6008	2024-10-01	Contact Hole Shrinkage: Simulation Study of Resist Flow Process and Its Application to Block Copolymers 2024-Sep-13, Micromachines IF:3.0Q2 DOI:10.3390/mi15091151 PMID:39337811	研究论文	研究了通过抗蚀剂流动过程（RFP）缩小接触孔（C/H）尺寸的方法，并应用于嵌段共聚物	使用有限元方法、机器学习和深度学习模型来模拟抗蚀剂流动过程（RFP），并结合自洽场理论（SCFT）描述嵌段共聚物的自组装过程	大多数经验模型是启发式方法，使用线性回归预测重流结构的临界尺寸，但未考虑中间形状	研究通过抗蚀剂流动过程（RFP）缩小接触孔（C/H）尺寸的方法，并应用于嵌段共聚物	抗蚀剂流动过程（RFP）和嵌段共聚物的自组装	NA	NA	有限元方法、机器学习、深度学习	深度学习、机器学习	NA	NA
6009	2024-10-01	Application of Object Detection Algorithms in Non-Destructive Testing of Pressure Equipment: A Review 2024-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s24185944 PMID:39338689	综述	本文综述了目标检测算法在压力设备无损检测中的应用和发展趋势	探讨了基于GAN的数据增强和无监督学习在提升无损检测中目标检测技术智能应用和性能方面的开放研究挑战	NA	提供研究人员和工程师一个全面的视角，以推进目标检测技术在压力设备无损检测中的应用和发展	压力设备无损检测中的目标检测算法	计算机视觉	NA	目标检测算法	GAN	图像	NA
6010	2024-10-01	Research on Fault Diagnosis of Rolling Bearing Based on Gramian Angular Field and Lightweight Model 2024-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s24185952 PMID:39338697	研究论文	本文提出了一种基于Gramian Angular Field（GAF）和增强轻量级残差网络的滚动轴承故障诊断方法	创新性地将一维信号转换为二维GAF图像，并改进了ResNet-18模型，引入了轻量级的Efficient Channel Attention（ECA）模块，形成了轻量级的E-ResNet13模型	NA	提高滚动轴承故障诊断的准确性和计算效率	滚动轴承的故障诊断	机器学习	NA	Gramian Angular Field（GAF），深度可分离卷积，Efficient Channel Attention（ECA）	E-ResNet13	图像	NA
6011	2024-10-01	Research on Bitter Peptides in the Field of Bioinformatics: A Comprehensive Review 2024-Sep-12, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25189844 PMID:39337334	综述	本文综述了苦味肽在生物信息学领域的研究进展	强调了生物信息学在苦味肽研究中的应用，包括苦味肽数据库的建立与改进、QSAR模型预测苦味阈值以及使用机器学习和深度学习算法构建分类预测模型	NA	探讨苦味肽的来源、苦味生成机制及其在味觉系统中的生理功能，并强调生物信息学在苦味肽研究中的应用	苦味肽及其在食品风味增强和疾病预防治疗中的应用	生物信息学	NA	NA	机器学习、深度学习	NA	NA
6012	2024-10-01	An Adaptive Vehicle Detection Model for Traffic Surveillance of Highway Tunnels Considering Luminance Intensity 2024-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s24185912 PMID:39338657	研究论文	本文提出了一种适应性车辆检测模型，用于高速公路隧道交通监控，考虑了亮度强度的变化	提出了一个适应性车辆检测模型，使用改进的CycleGAN和边缘损失模块来调整异常亮度场景下的图像亮度，并结合YOLOv7进行车辆检测	未提及	提高在异常光照条件下，特别是在高速公路隧道中的车辆检测性能	车辆检测模型在不同亮度条件下的表现	计算机视觉	NA	CycleGAN	YOLOv7	图像	未提及具体数量
6013	2024-10-01	Cloud-Edge Collaborative Defect Detection Based on Efficient Yolo Networks and Incremental Learning 2024-Sep-12, Sensors (Basel, Switzerland) DOI:10.3390/s24185921 PMID:39338667	研究论文	本文提出了一种基于高效Yolo网络和增量学习的云边协同缺陷检测系统	引入了一种新的轻量级YoloV5模型（SGRS-YoloV5n），通过集成四个模块（SCDown, GhostConv, RepNCSPELAN4, ScalSeq），显著提高了特征提取和计算效率，同时减少了模型大小和计算负载	未提及具体局限性	解决现有轻量级模型在资源受限的边缘设备上检测精度不足的问题，并提高产品缺陷检测的准确性和实时性能	工业生产中的缺陷检测	计算机视觉	NA	深度学习	YoloV5	图像	未提及具体样本数量
6014	2024-10-01	Advances in Ultrasound-Guided Surgery and Artificial Intelligence Applications in Musculoskeletal Diseases 2024-Sep-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182008 PMID:39335687	综述	本文综述了超声引导手术在肌肉骨骼疾病中的最新进展，并详细介绍了人工智能和深度学习在超声成像中的应用	人工智能和深度学习技术被应用于解决超声成像中的操作依赖性和图像模糊问题，提高了诊断准确性和预测工具	NA	总结超声引导手术在肌肉骨骼疾病中的最新进展，并探讨人工智能和深度学习在超声成像中的应用	超声成像在肌肉骨骼疾病中的应用，特别是超声引导手术	计算机视觉	肌肉骨骼疾病	人工智能（AI）和深度学习（DL）	深度学习模型	图像	NA
6015	2024-10-01	A Deep Learning Model for Cervical Optical Coherence Tomography Image Classification 2024-Sep-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182009 PMID:39335688	研究论文	研究开发了一种基于深度学习的宫颈光学相干断层扫描（OCT）图像分类模型，并验证了其在检测高风险宫颈病变中的有效性	提出了结合特征金字塔网络（FPN）和纹理编码及深度监督的深度学习模型，通过提取和融合四尺度纹理特征来提高分类性能，并设计了基于深度监督的辅助分类机制以适应性调整各尺度的权重	NA	开发和验证一种基于深度学习的宫颈OCT图像分类模型，以帮助妇科医生高效解读宫颈OCT图像	宫颈组织的3D OCT体积图像，以及高风险宫颈病变（如高级别鳞状上皮内病变和宫颈癌）的检测	计算机视觉	宫颈癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	Renmin数据集和Huaxi数据集
6016	2024-10-01	Advanced Prediction of Hepatic Oncogenic Transformation in HBV Patients via RNA-Seq Data Analysis and Deep Learning Techniques 2024-Sep-11, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25189827 PMID:39337315	研究论文	本研究通过RNA测序数据分析和深度学习技术，预测HBV感染患者的肝癌转化风险	本研究首次使用RNA-seq数据和深度学习模型（包括CNN）来预测HBV感染患者的肝癌转化风险，并取得了高达0.998的AUC值	本研究未发现病毒协同作用增强HBV的致病性，且CNN模型对较长序列的识别更为准确	探讨HBV感染与肝癌发展之间的关系，并利用RNA测序和深度学习技术预测肝癌转化风险	HBV感染患者及其肝癌转化风险	机器学习	肝癌	RNA-seq	CNN	RNA序列	NA
6017	2024-09-30	Applications of Artificial Intelligence for Heat Stress Management in Ruminant Livestock 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185890 PMID:39338635	研究论文	本文探讨了人工智能在反刍动物热应激管理中的应用	采用先进的AI技术，如机器学习、神经网络和深度学习，来评估反刍动物的生产风险和气候适应性	NA	研究如何利用人工智能技术有效管理反刍动物的热应激问题	反刍动物的热应激管理	机器学习	NA	机器学习、神经网络、深度学习	NA	行为、生理和动物健康数据	NA
6018	2024-10-01	Application of Hyperspectral Imaging and Multi-Module Joint Hierarchical Residual Network in Seed Cotton Foreign Fiber Recognition 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185892 PMID:39338637	研究论文	本文提出了一种结合高光谱成像技术和多模块联合分层残差网络的方法，用于种子棉中白色、透明和多类混合异纤的识别	设计了双分层残差结构，能够获取多尺度信息并避免梯度消失；集成了挤压激励网络，减少冗余信息，提高模型特征表达能力	NA	提高深度学习算法对种子棉中白色、透明和多类混合异纤的识别能力	种子棉中的异纤	计算机视觉	NA	高光谱成像技术	多模块联合分层残差网络	高光谱图像	NA
6019	2024-10-01	A Deep Learning Method for Human Sleeping Pose Estimation with Millimeter Wave Radar 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185900 PMID:39338645	研究论文	本文提出了一种基于毫米波雷达的深度学习方法用于人体睡眠姿势估计	引入了ResTCN架构，结合残差块和时间卷积网络，以识别不同的睡眠姿势	实验数据集仅包含16名志愿者的睡眠雷达序列，样本量较小	开发一种非接触式系统，用于监测睡眠障碍患者的睡眠姿势	人体睡眠姿势	计算机视觉	NA	毫米波雷达	ResTCN	雷达时间序列	16名志愿者
6020	2024-10-01	RT-CBAM: Refined Transformer Combined with Convolutional Block Attention Module for Underwater Image Restoration 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185893 PMID:39338642	研究论文	本文提出了一种结合卷积块注意力模块的改进Transformer模型，用于水下图像恢复	通过改进特征块（扩张Transformer块）更准确地计算注意力权重，增强了对局部和全局特征的捕捉；嵌入了自监督方法（局部和全局盲补丁网络）以增强细节恢复和纹理修复质量；引入了多尺度卷积块注意力模块（MSCBAM）以增强颜色通道的特征表示	未提及	提高水下图像恢复的质量	水下图像	计算机视觉	NA	Transformer, 卷积神经网络 (CNN)	Transformer, 卷积块注意力模块 (CBAM)	图像	未提及