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
7301	2024-09-04	Prediction of treatment outcome for branch retinal vein occlusion using convolutional neural network-based retinal fluorescein angiography 2024-08-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71061-7 PMID:39198599	研究论文	本文利用深度学习技术，开发了一种基于卷积神经网络的视网膜荧光素血管造影（FFA）模型，用于预测分支视网膜静脉阻塞（BRVO-ME）患者抗VEGF治疗的短期效果	本文创新性地使用FFA-Net模型，基于VGG网络，通过分类网络训练FFA图像，以预测BRVO-ME的治疗效果	文章未明确提及具体的局限性	研究目的是开发一种人工智能模型，用于预测BRVO-ME患者抗VEGF治疗的短期效果	研究对象为180名BRVO-ME患者	计算机视觉	视网膜疾病	卷积神经网络（CNN）	VGG	图像	180名BRVO-ME患者
7302	2024-09-04	Deep learning for automatic calcium detection in echocardiography 2024-Aug-28, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00381-1 PMID:39198921	research paper	本文开发了一种基于卷积神经网络（CNN）的全自动方法，用于在超声心动图图像中检测主动脉钙化	本文首次探索了使用超声心动图作为检测钙化的替代方法，并开发了基于CNN的全自动检测方法	NA	提高心血管疾病诊断的效率和准确性	主动脉钙化在超声心动图图像中的检测	computer vision	心血管疾病	Deep Learning (DL)	CNN	image	NA
7303	2024-09-04	Predictors of residual tricuspid regurgitation after interventional therapy: an automated deep-learning CT analysis 2024-08-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70768-x PMID:39198524	研究论文	本文利用计算机断层扫描（CT）和自动深度学习算法评估介入治疗后三尖瓣反流（TR）的预测因素	使用自动深度学习算法分析CT图像，评估三尖瓣解剖结构、右心形态和功能，以预测介入治疗后的TR减少情况	样本量相对较小，且仅包括接受经皮环形成形术（PA）或三尖瓣经导管缘对缘修复（T-TEER）治疗的患者	评估CT和自动深度学习算法在预测介入治疗后三尖瓣反流减少方面的应用	严重至大量三尖瓣反流患者在接受介入治疗前的CT图像	计算机视觉	心血管疾病	计算机断层扫描（CT）	深度学习算法	图像	84名患者，其中32名接受T-TEER治疗，52名接受PA治疗
7304	2024-09-04	Multiwell-based G0-PCC assay for radiation biodosimetry 2024-08-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69243-4 PMID:39187542	研究论文	本文开发了一种基于多孔板的化学诱导G0期早熟染色体凝集（G0-PCC）测定法，用于辐射生物剂量测定，能够在同一天提供结果	该方法使用低于推荐浓度的磷酸酶抑制剂，显著增加了具有高度凝集染色体的细胞产量，并利用定制的深度学习算法量化辐射损伤	NA	开发一种快速、高通量的细胞遗传学生物剂量测定方法，用于辐射紧急情况下的剂量分类和剂量重建	辐射暴露后的细胞染色体损伤	生物技术	NA	深度学习算法	深度学习	图像	NA
7305	2024-09-04	MMFSyn: A Multimodal Deep Learning Model for Predicting Anticancer Synergistic Drug Combination Effect 2024-Aug-22, Biomolecules IF:4.8Q1 DOI:10.3390/biom14081039 PMID:39199425	研究论文	本文提出了一种基于多模态药物数据和细胞系特征的新型深度学习模型MMFSyn，用于预测抗癌药物组合的协同效应	MMFSyn模型综合应用了Bi-LSTM、gMLP、多头注意力机制和多尺度GCN等多种技术，以提取药物特征，并通过结合基因表达和突变组学数据构建细胞系特征，从而预测药物组合的协同效应	NA	旨在通过多模态深度学习模型预测抗癌药物组合的协同效应	抗癌药物组合的协同效应	机器学习	NA	SMILES	Bi-LSTM, gMLP, 多头注意力机制, 多尺度GCN	Morgan指纹, 原子序列, 分子图, 原子点云数据, 基因表达, 突变组学数据	NA
7306	2024-09-04	Independent Vector Analysis for Feature Extraction in Motor Imagery Classification 2024-Aug-22, Sensors (Basel, Switzerland) DOI:10.3390/s24165428 PMID:39205122	研究论文	本文提出了一种基于独立向量分析（IVA）的多数据集特征提取方法，用于提高基于脑电图（EEG）的脑机接口（BCI）中运动想象分类的准确性	本文的创新点在于使用IVA方法处理多个数据集，以解决单一数据集处理可能不足以应对多源检索问题的情况	NA	提高基于EEG信号的脑机接口中运动想象分类的准确性	基于EEG信号的运动想象分类	机器学习	NA	独立向量分析（IVA）	支持向量机、K-最近邻、EEGNet、EEGInception	脑电图（EEG）信号	NA
7307	2024-09-04	Comparative Analysis of Machine Learning and Deep Learning Algorithms for Assessing Agricultural Product Quality Using NIRS 2024-Aug-22, Sensors (Basel, Switzerland) DOI:10.3390/s24165438 PMID:39205133	研究论文	本文比较了机器学习和深度学习算法在利用近红外光谱（NIRS）评估农产品质量中的应用	提出了一种基于Gramian角差场方法和坐标注意力卷积神经网络（G-CACNNs）的近红外校准模型	NA	研究深度学习方法在近红外光谱分析中的稳健性和有效性	小麦和雅梨作为农产品质量评估的例子	机器学习	NA	近红外光谱（NIRS）	卷积神经网络（CNN）	光谱数据	涉及小麦和雅梨的具体样本数量未在摘要中明确
7308	2024-09-04	Achieving More with Less: A Lightweight Deep Learning Solution for Advanced Human Activity Recognition (HAR) 2024-Aug-22, Sensors (Basel, Switzerland) DOI:10.3390/s24165436 PMID:39205129	研究论文	本研究通过替换和增强模型组件，提出了一种轻量级的深度学习解决方案，用于高级人体活动识别（HAR）	本研究通过使用标准和残差LSTM以及卷积网络替换计算密集型的BiLSTM组件，并结合数据翻转增强，实现了在资源受限设备上的高效部署	NA	探索在资源受限设备上部署高效的人体活动识别模型	人体活动识别模型及其在资源受限设备上的应用	机器学习	NA	LSTM, 卷积网络	LSTM, 残差LSTM (ResLSTM)	数据集	UCI-HAR数据集, WISDM数据集, KU-HAR数据集
7309	2024-09-04	Beehive Smart Detector Device for the Detection of Critical Conditions That Utilize Edge Device Computations and Deep Learning Inferences 2024-Aug-22, Sensors (Basel, Switzerland) DOI:10.3390/s24165444 PMID:39205138	研究论文	本文介绍了一种名为Bee Smart Detection节点的嵌入式物联网设备，用于检测蜂巢中的关键事件，如分蜂、蜂后丢失和蜂群崩溃失调症（CCD）	采用了两种深度学习子过程：模糊多层神经网络（fuzzy-stranded-NN）用于检测CCD，基于蜂巢内的温湿度数据；深度学习CNN模型用于检测分蜂和蜂后丢失，基于声音记录	NA	开发一种智能检测设备，用于自动检测蜂巢中的关键事件	蜂巢中的关键事件，包括分蜂、蜂后丢失和CCD	机器学习	NA	深度学习	CNN	声音数据	NA
7310	2024-09-04	Adaptive Sensing Data Augmentation for Drones Using Attention-Based GAN 2024-Aug-22, Sensors (Basel, Switzerland) DOI:10.3390/s24165451 PMID:39205144	research paper	本文提出了一种利用基于注意力机制的生成对抗网络（GAN）来解决无人机收集的时间序列传感器数据稀缺问题的综合系统	通过调整传感频率并保持数据分辨率，确保了数据收集的一致性和高质量。注意力机制增强了GAN生成合成数据的能力，填补了因降低传感频率而产生的数据空白	NA	提高无人机在各种应用中的效率和性能，如精准农业、环境监测和监视	无人机收集的时间序列传感器数据	machine learning	NA	attention-based GAN	GAN	time-series sensor data	NA
7311	2024-09-04	ACSwinNet: A Deep Learning-Based Rigid Registration Method for Head-Neck CT-CBCT Images in Image-Guided Radiotherapy 2024-Aug-22, Sensors (Basel, Switzerland) DOI:10.3390/s24165447 PMID:39205140	研究论文	提出了一种基于深度学习的头部-颈部CT-CBCT图像刚性配准方法ACSwinNet，用于图像引导放疗中的定位误差校正	集成解剖约束编码器和组织器官的解剖分割，采用基于Swin Transformer的网络处理大初始错位情况，并使用感知相似度度量网络解决CT和CBCT图像间的强度差异和伪影问题	传统配准方法在头部区域的精度不足	提高头部-颈部CT-CBCT图像在图像引导放疗中的配准精度	头部-颈部CT-CBCT图像的刚性配准	计算机视觉	头颈部肿瘤	深度学习	Swin Transformer	图像	临床患者获取的头部-颈部CT-CBCT数据集
7312	2024-09-04	EEG-Based Seizure Prediction Using Hybrid DenseNet-ViT Network with Attention Fusion 2024-Aug-21, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14080839 PMID:39199530	研究论文	本研究提出了一种结合DenseNet和Vision Transformer（ViT）的混合深度学习架构，用于基于EEG的癫痫发作预测	引入了一种新的混合深度学习架构，结合了DenseNet和ViT的特点，并通过注意力融合层有效整合两种网络的特征	NA	提高癫痫患者的生活质量	癫痫发作预测	机器学习	NA	短时傅里叶变换（STFT）	DenseNet-ViT	时间-频率矩阵	24名患者的数据
7313	2024-09-04	Advanced Global Prototypical Segmentation Framework for Few-Shot Hyperspectral Image Classification 2024-Aug-21, Sensors (Basel, Switzerland) DOI:10.3390/s24165386 PMID:39205080	研究论文	本文提出了一种先进的全球原型分割框架（AGPS），用于少样本高光谱图像分类，通过设计无块特征提取器分割网络（SegNet）和融合侧向连接（FLC）结构以及空洞空间金字塔池化-位置注意力（ASPP-PA）模块，有效捕捉全局信息并丰富特征表示。	本文的创新点包括设计了无块特征提取器分割网络（SegNet），融合侧向连接（FLC）结构和空洞空间金字塔池化-位置注意力（ASPP-PA）模块，以及提出了一种先进的全球原型表示学习策略，结合监督对比学习（CL）优化网络。	NA	旨在解决高光谱图像分类中由于块输入限制导致的全局信息捕捉不足和有限标记样本信息利用不足的问题。	高光谱图像分类	计算机视觉	NA	NA	FCN, CNN	图像	涉及三个公共数据集的实验
7314	2024-09-04	Indoor Infrared Sensor Layout Optimization for Elderly Monitoring Based on Fused Genetic Gray Wolf Optimization (FGGWO) Algorithm 2024-Aug-21, Sensors (Basel, Switzerland) DOI:10.3390/s24165393 PMID:39205086	研究论文	本文提出了一种基于融合遗传灰狼优化（FGGWO）算法的传感器布局优化方法，用于提高老年人监测系统的效率和准确性	FGGWO算法结合了遗传算法的全局搜索能力和灰狼优化算法的局部搜索能力，有效避免了传统方法中的局部最优问题，并减少了所需传感器的数量	未来研究将探索如何将深度学习技术集成到FGGWO算法中，以进一步增强系统的适应性和实时响应能力	提高老年人监测系统的效率和准确性	室内红外传感器布局	智能监控	老年疾病	遗传算法（GA），灰狼优化算法（GWO）	融合遗传灰狼优化（FGGWO）算法	传感器布局	NA
7315	2024-09-04	An Evaluation of Multi-Channel Sensors and Density Estimation Learning for Detecting Fire Blight Disease in Pear Orchards 2024-Aug-21, Sensors (Basel, Switzerland) DOI:10.3390/s24165387 PMID:39205081	研究论文	本文通过深度学习和密度估计技术，评估了多通道传感器在检测梨园中火疫病的效果	引入近红外（NIR）通道和密度估计方法，提高了预测性能并能检测中高严重程度的症状	NA	开发一种有效的技术来早期检测梨园中的火疫病	梨园中的火疫病	机器学习	果树病害	深度学习	NA	图像	NA
7316	2024-09-04	EmotionCast: An Emotion-Driven Intelligent Broadcasting System for Dynamic Camera Switching 2024-Aug-21, Sensors (Basel, Switzerland) DOI:10.3390/s24165401 PMID:39205094	研究论文	本研究提出并开发了一种基于情感驱动的智能广播系统EmotionCast，通过多模态情感识别技术提高直播中摄像机切换的效率	EmotionCast系统通过集成视觉、音频和文本分析，生成每个摄像机的情感分数，实现基于情感的摄像机切换，提高了直播的情感共鸣和观众满意度	NA	提高直播中摄像机切换的效率和情感共鸣	情感驱动的智能广播系统	计算机视觉	NA	多模态情感识别技术	深度学习算法	视频和音频数据	多个摄像机的实时数据
7317	2024-09-04	Dense Convolutional Neural Network-Based Deep Learning Pipeline for Pre-Identification of Circular Leaf Spot Disease of Diospyros kaki Leaves Using Optical Coherence Tomography 2024-Aug-21, Sensors (Basel, Switzerland) DOI:10.3390/s24165398 PMID:39205092	研究论文	本研究提出了一种基于密集卷积神经网络的深度学习管道，用于通过光学相干断层扫描（OCT）对柿子树叶的圆形叶斑病进行预识别	本研究通过集成OCT与深度学习技术，提供了一种自动化的疾病预识别方法，解决了现有视觉和破坏性检测方法的主观性、有限准确性和时间消耗大的问题	NA	提高农业环境中疾病识别过程的效率和客观性，特别是在柿子栽培中对圆形叶斑病的预识别	柿子树叶的圆形叶斑病	机器学习	植物病害	光学相干断层扫描（OCT）	DenseNet-121, VGG-16	图像	NA
7318	2024-09-04	Doppler Radar Sensor-Based Fall Detection Using a Convolutional Bidirectional Long Short-Term Memory Model 2024-Aug-20, Sensors (Basel, Switzerland) DOI:10.3390/s24165365 PMID:39205059	研究论文	本文提出了一种基于多普勒雷达传感器和卷积双向长短期记忆（CB-LSTM）模型的跌倒检测系统	引入CB-LSTM模型，能够同时捕捉时间序列和空间特征，提高检测的准确性和可靠性	NA	开发一种高效的跌倒检测系统，以提高老年人的生活质量和及时救援措施	老年人跌倒事件	机器学习	老年疾病	多普勒雷达传感器	卷积双向长短期记忆（CB-LSTM）	频率谱	NA
7319	2024-09-04	MASDF-Net: A Multi-Attention Codec Network with Selective and Dynamic Fusion for Skin Lesion Segmentation 2024-Aug-20, Sensors (Basel, Switzerland) DOI:10.3390/s24165372 PMID:39205066	研究论文	本文提出了一种多注意力编解码网络MASDF-Net，用于皮肤病变分割，通过选择性和动态融合技术提高分割精度	创新性地设计了多注意力融合模块、选择性信息收集模块和多尺度级联融合模块，以增强网络性能和分割边界精度	NA	提高皮肤镜图像中病变区域边界的准确分割	皮肤病变分割	计算机视觉	NA	深度学习	MASDF-Net	图像	ISIC 2016, ISIC 2017, ISIC 2018, 和 PH2 数据集
7320	2024-09-04	NABNet: Deep Learning-Based IoT Alert System for Detection of Abnormal Neck Behavior 2024-Aug-20, Sensors (Basel, Switzerland) DOI:10.3390/s24165379 PMID:39205072	研究论文	本文提出了一种基于深度学习的颈部异常行为检测系统NABNet，结合YOLOv5s物体检测和Lightweight OpenPose姿态估计，用于检测长时间使用电子设备导致的颈部问题	NABNet通过从全局到局部的详细颈部行为特征提取，并通过分析数据角度来检测异常行为	NA	开发一种有效的颈部异常行为检测系统，以预防和早期发现与长时间使用电子设备相关的颈部健康问题	颈部异常行为	计算机视觉	NA	深度学习	YOLOv5s, Lightweight OpenPose	图像	NA