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
6661	2024-09-17	Deep Learning-Based Joint Effusion Classification in Adult Knee Radiographs: A Multi-Center Prospective Study 2024-Aug-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171900 PMID:39272685	研究论文	本文研究了基于深度学习的成人膝关节放射影像中的关节积液分类	提出了一种新的预处理技术，优化图像以诊断膝关节积液，并结合可解释的人工智能方法提高诊断性能和可解释性	NA	开发一种自动检测膝关节放射影像中关节积液的方法	膝关节放射影像中的关节积液	计算机视觉	骨关节炎	深度学习	深度学习分类模型	图像	1281张膝关节放射影像
6662	2024-09-17	Drug Repurposing Approach to Identify Candidate Drug Molecules for Hepatocellular Carcinoma 2024-Aug-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25179392 PMID:39273340	研究论文	本研究通过重新利用现有化合物，利用机器学习工具MDeePred，识别肝细胞癌治疗的候选药物分子	本研究展示了MDeePred深度学习工具在癌症治疗中的计算机药物重新定位应用	本研究仅限于计算机模拟和初步的药物性质分析，未进行实验验证	识别肝细胞癌治疗的候选药物分子	肝细胞癌及其相关药物分子	机器学习	肝癌	MDeePred	深度学习	药物目标相互作用数据	380个药物目标相互作用数据中筛选出6个进行进一步分析
6663	2024-09-17	Low-Cost Non-Wearable Fall Detection System Implemented on a Single Board Computer for People in Need of Care 2024-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s24175592 PMID:39275503	研究论文	本文提出了一种基于单板计算机的低成本非穿戴式跌倒检测系统，用于需要护理的人群	该系统利用深度学习技术，通过Raspberry Pi4和高清红外摄像头进行跌倒检测，并通过Telegram平台发送警报通知	系统在不同条件下的表现可能受到服装、光线和距离摄像头远近的影响	开发一种经济实惠的跌倒检测系统，以减少需要护理人群的跌倒风险	需要护理的人群的跌倒检测	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	系统在不同条件下的室内日常活动中进行了评估
6664	2024-09-17	Composite Ensemble Learning Framework for Passive Drone Radio Frequency Fingerprinting in Sixth-Generation Networks 2024-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s24175618 PMID:39275529	研究论文	本文提出了一种基于复合集成学习框架的无人机射频指纹识别方法，用于第六代网络中的无人机信号分类	本文创新性地将深度集成学习应用于第六代网络中的无人机射频指纹识别，并提出了一种基于复合集成学习的神经网络方法，结合小波去噪和自动与手动特征提取技术，提高了特征多样性和分类性能	NA	研究如何通过射频指纹识别技术在第六代网络中有效分类无人机信号，以应对无人机和无人机群攻击带来的安全挑战	研究对象为无人机在第六代网络中的射频信号	机器学习	NA	复合集成学习	神经网络	射频信号	使用了开源的无人机基准数据集进行实验
6665	2024-09-17	Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data 2024-Aug-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171894 PMID:39272680	研究论文	本文研究了使用混合深度学习范式对心血管疾病风险进行分层的方法	本文首次在加拿大试验数据上应用混合深度学习（HDL）范式进行心血管疾病风险分层，并假设HDL将优于单向深度学习、双向深度学习和机器学习范式	NA	验证混合深度学习在心血管疾病风险分层中的有效性	心血管疾病风险分层	机器学习	心血管疾病	混合深度学习（HDL）	混合深度学习模型	图像	500名接受过颈动脉B超和冠状动脉造影的患者
6666	2024-09-17	Oncologic Applications of Artificial Intelligence and Deep Learning Methods in CT Spine Imaging-A Systematic Review 2024-Aug-28, Cancers IF:4.5Q1 DOI:10.3390/cancers16172988 PMID:39272846	综述	本文综述了人工智能和深度学习方法在CT脊柱影像中的肿瘤学应用	探讨了AI在提高诊断准确性、治疗计划和患者预后方面的潜力	AI在可推广性、可解释性和临床整合方面存在局限性	总结AI在CT影像中对脊柱肿瘤的应用证据	脊柱肿瘤的检测、分类、预后和治疗计划	计算机视觉	脊柱肿瘤	深度学习	NA	CT影像	33项研究，涉及不同类型的脊柱肿瘤应用
6667	2024-09-17	Efficient Model Updating of a Prefabricated Tall Building by a DNN Method 2024-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s24175557 PMID:39275467	研究论文	本文介绍了一种基于深度神经网络（DNN）的预制高层建筑模型更新方法	该方法简化了模型更新过程，直接利用模态分析和数值模拟结果作为深度学习输入，避免了复杂的数学计算，并在预制隔墙对建筑整体刚度的影响方面进行了研究	NA	提高数值模型的精度	预制高层建筑的模型更新	计算机视觉	NA	深度学习	深度神经网络（DNN）	数值模型模拟结果	NA
6668	2024-09-17	A Single-Frame and Multi-Frame Cascaded Image Super-Resolution Method 2024-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s24175566 PMID:39275476	研究论文	本文提出了一种结合多帧超分辨率（MFSR）和单帧超分辨率（SFSR）的两步图像超分辨率方法，以逐步将图像上采样到所需分辨率	本文的创新点在于提出了一种新的两步图像超分辨率方法，结合了L0范数约束的重建方案和增强的残差反投影网络，集成了变分模型方法的灵活性和深度学习方法的特征学习能力	NA	研究目的是提高图像超分辨率重建的性能，特别是在放大倍数增加时	研究对象是低分辨率图像的超分辨率重建	计算机视觉	NA	深度学习	CNN	图像	实验包括了set5和set14数据集，分别获得了33.413 dB和29.658 dB的平均PSNR值
6669	2024-09-17	Leakage Identification of Underground Structures Using Classification Deep Neural Networks and Transfer Learning 2024-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s24175569 PMID:39275478	研究论文	本文开发了一种基于迁移学习的深度神经网络方法用于地下结构泄漏识别	利用迁移学习策略克服了地下结构泄漏识别中数据不足的问题	未提及	开发一种有效的地下结构泄漏识别方法	地下结构泄漏缺陷	计算机视觉	NA	深度学习	深度神经网络	图像	未提及具体数量
6670	2024-09-17	Smart Ship Draft Reading by Dual-Flow Deep Learning Architecture and Multispectral Information 2024-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s24175580 PMID:39275491	研究论文	本文提出了一种基于双流深度学习架构和多光谱信息的智能船舶吃水读取方法	首次将NIR信息与RGB图像结合应用于自动吃水读取任务，并提出了一种双分支骨干网络BIF来提取和融合RGB和NIR图像的光谱信息	NA	提高船舶吃水读取的准确性和自动化程度	船舶吃水读取	计算机视觉	NA	深度学习	双分支骨干网络BIF	多光谱图像	524张多光谱图像
6671	2024-09-17	Streamlining YOLOv7 for Rapid and Accurate Detection of Rapeseed Varieties on Embedded Device 2024-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s24175585 PMID:39275496	研究论文	本文针对嵌入式设备上的实时种子检测问题，提出了一种基于YOLOv7模型的双维度（空间和通道）剪枝方法	设计了一种双维度剪枝方法，通过自定义比例逐层剪枝策略优化了YOLOv7模型，提高了检测精度和实时性能	NA	提高嵌入式设备上油菜品种检测的准确性和实时性能	油菜品种检测	计算机视觉	NA	深度学习	YOLOv7	图像	NA
6672	2024-09-17	Advancing Prostate Cancer Diagnosis: A Deep Learning Approach for Enhanced Detection in MRI Images 2024-Aug-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171871 PMID:39272656	研究论文	本文提出了一种利用深度学习方法在MRI图像中增强前列腺癌检测的综合方法	通过集成多种深度学习模型（包括3D卷积神经网络、残差网络和Inception网络）并采用软投票技术，显著提高了前列腺癌检测的准确性和鲁棒性	NA	提高前列腺癌诊断的准确性和治疗效果	前列腺癌的MRI图像	计算机视觉	前列腺癌	MRI	3D CNN, Residual Network, Inception Network	图像	SPIE-AAPM-NCI PROSTATEx数据集中的MRI图像
6673	2024-09-17	Diagnostic Performance of a Deep Learning-Powered Application for Aortic Dissection Triage Prioritization and Classification 2024-Aug-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171877 PMID:39272662	研究论文	本研究评估了一种基于深度学习的应用程序在胸部和胸腹CT血管造影扫描中检测、分类和突出疑似主动脉夹层的能力	该应用程序展示了在检测和分类主动脉夹层病例方面的强大性能，可能有助于在临床环境中更快地进行这些紧急病例的分诊	设备错误标记了32例，主要由于采集伪影和类似主动脉夹层的主动脉病理	评估基于深度学习的应用程序在CT血管造影扫描中检测和分类主动脉夹层的诊断性能	胸部和胸腹CT血管造影扫描中的主动脉夹层	计算机视觉	心血管疾病	深度学习	NA	图像	1303例CT血管造影扫描，平均年龄58.8 ± 16.4岁，46.7%为男性，10.5%为阳性病例
6674	2024-09-17	A Point Cloud Graph Neural Network for Protein-Ligand Binding Site Prediction 2024-Aug-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25179280 PMID:39273227	研究论文	提出了一种基于几何深度学习的框架PGpocket，用于改进蛋白质-配体结合位点的预测	PGpocket通过将蛋白质表面转换为点云，并利用点云图神经网络提取和分析蛋白质表面信息，显著提高了结合位点预测的准确性	NA	改进蛋白质-配体结合位点的预测方法，以推动药物创新和生物功能机制的阐明	蛋白质-配体结合位点	结构生物学	NA	几何深度学习	点云图神经网络（GNN）	点云	训练集使用scPDB数据集，验证集使用Coach420和HOLO4K数据集
6675	2024-09-17	Rapeseed Flower Counting Method Based on GhP2-YOLO and StrongSORT Algorithm 2024-Aug-27, Plants (Basel, Switzerland) DOI:10.3390/plants13172388 PMID:39273871	研究论文	本文提出了一种基于GhP2-YOLO和StrongSORT算法的油菜花计数方法	本文创新性地结合了GhP2-YOLO和StrongSORT算法，用于视频帧中油菜花蕾和花朵的计数，提高了目标识别的准确性和计算效率	NA	探索神经网络GhP2-YOLO在油菜花蕾和花朵计数中的应用	油菜花蕾和花朵	计算机视觉	NA	深度学习	GhP2-YOLO	视频	20段视频用于比较分析
6676	2024-09-17	Multi-Scale Spatio-Temporal Attention Networks for Network-Scale Traffic Learning and Forecasting 2024-Aug-27, Sensors (Basel, Switzerland) DOI:10.3390/s24175543 PMID:39275454	研究论文	本文介绍了一种用于学习和预测图结构交通数据的多尺度时空注意力网络模型	提出了时空网络嵌入（STNE）模型，使用图卷积网络（GCNs）捕捉道路网络拓扑的空间特征，并通过多维长短期记忆神经网络（MDLSTM）灵活访问多维上下文	NA	开发一种能够准确及时预测局部道路网络交通的深度学习框架	局部道路网络的交通数据	机器学习	NA	图卷积网络（GCNs），多维长短期记忆神经网络（MDLSTM）	图卷积网络（GCNs），多维长短期记忆神经网络（MDLSTM）	图结构数据	两个大规模真实世界交通数据集
6677	2024-09-17	Artificial Intelligence-Driven Prognosis of Respiratory Mechanics: Forecasting Tissue Hysteresivity Using Long Short-Term Memory and Continuous Sensor Data 2024-Aug-27, Sensors (Basel, Switzerland) DOI:10.3390/s24175544 PMID:39275455	研究论文	研究利用长短期记忆网络和连续传感器数据预测呼吸力学中的组织滞后性	首次探索使用长短期记忆网络预测组织滞后性，并显著减少所需的测量次数和时间	NA	减少呼吸疾病诊断所需的测量次数和时间	组织滞后性参数η的预测	机器学习	呼吸疾病	NA	长短期记忆网络（LSTM）	连续传感器数据	患者样本数量未明确提及
6678	2024-09-17	Ultrasonic Assessment of Liver Fibrosis Using One-Dimensional Convolutional Neural Networks Based on Frequency Spectra of Radiofrequency Signals with Deep Learning Segmentation of Liver Regions in B-Mode Images: A Feasibility Study 2024-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s24175513 PMID:39275424	研究论文	本研究提出了一种基于超声回波射频信号的深度学习模型，用于自动分割肝脏区域并评估肝纤维化程度	本研究首次将深度学习应用于超声回波射频信号的频率谱分析，并结合自动肝脏区域分割，提高了肝纤维化评估的准确性	本研究仅在特定样本集上进行了验证，未来需要在更大规模和多样化的样本上进行验证	开发一种基于超声回波射频信号的深度学习方法，用于早期肝纤维化的自动检测和评估	超声回波射频信号和B模式超声图像	计算机视觉	肝病	深度学习	卷积神经网络（CNN）	图像和信号	613名参与者用于肝脏区域分割，237名参与者用于肝纤维化阶段分类
6679	2024-09-17	Holo-U2Net for High-Fidelity 3D Hologram Generation 2024-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s24175505 PMID:39275416	研究论文	本文提出了一种名为Holo-UNet的神经网络架构，用于生成高保真度的3D全息图	Holo-UNet在计算机生成全息术中展示了显著的性能提升，特别是在模拟菲涅尔衍射方面	NA	提高计算机生成全息术中全息图的保真度和生成速度	高保真度的3D全息图生成	计算机视觉	NA	深度学习	UNet	图像	MIT-CGH-4K大规模全息图数据集
6680	2024-09-17	Feature Interaction-Based Face De-Morphing Factor Prediction for Restoring Accomplice's Facial Image 2024-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s24175504 PMID:39275415	研究论文	本文提出了一种基于特征交互的面部去变形因子预测方法，用于恢复共犯的面部图像	本文创新性地引入了基于特征交互的通道注意力机制，并结合实时捕捉的参考图像，预测去变形因子，从而恢复共犯的身份信息	NA	恢复共犯的面部图像	面部去变形因子预测	计算机视觉	NA	通道注意力机制	StyleGAN	图像	NA