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
7321	2024-09-04	Analyzing Diabetes Detection and Classification: A Bibliometric Review (2000-2023) 2024-Aug-19, Sensors (Basel, Switzerland) DOI:10.3390/s24165346 PMID:39205040	综述	本研究使用文献计量分析方法，从2000年至2023年对糖尿病检测与分类的学术研究进行了调查	本研究采用了文献计量分析和科学图谱技术，对大量文献数据进行了深入分析，揭示了糖尿病检测与分类领域的学术格局	NA	评估糖尿病检测与分类领域的研究影响	糖尿病检测与分类的学术文献	NA	糖尿病	文献计量分析	NA	文献数据	863篇出版物
7322	2024-09-04	Deep Learning-Based Transmitter Localization in Sparse Wireless Sensor Networks 2024-Aug-18, Sensors (Basel, Switzerland) DOI:10.3390/s24165335 PMID:39205029	研究论文	本文提出了一种基于深度学习的稀疏无线传感器网络中的发射器定位方法DSLoc	DSLoc方法采用改进的高分辨率神经网络模型，并通过设计高效的特征增强模块和使用基于图像质心的定位方法，显著降低了发射器漏检率并提高了定位精度	NA	实现无线通信中准确的发射器定位	稀疏无线传感器网络中的发射器定位技术	无线通信	NA	深度学习	神经网络	图像	实验在部署密度为0.01%的无线传感器网络上进行
7323	2024-09-04	Phase-Based Gait Prediction after Botulinum Toxin Treatment Using Deep Learning 2024-Aug-18, Sensors (Basel, Switzerland) DOI:10.3390/s24165343 PMID:39205037	研究论文	本文提出了一种基于双向长短期记忆（Bi-LSTM）深度学习架构的方法，用于预测肉毒杆菌毒素A（BTX-A）治疗后膝关节和踝关节的运动学	本文引入了两种深度学习模型，分别通过隐藏层和门控机制整合分类医疗治疗数据，以模拟不同治疗组合之间的相互作用	NA	研究旨在探讨该方法在BTX-A治疗后准确预测步态周期各阶段运动学的有效性	膝关节和踝关节的运动学	机器学习	NA	NA	Bi-LSTM	运动学数据	NA
7324	2024-09-04	Improving the Sensitivity of Task-Based Multi-Echo Functional Magnetic Resonance Imaging via T2* Mapping Using Synthetic Data-Driven Deep Learning 2024-Aug-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14080828 PMID:39199519	研究论文	本文通过合成数据驱动的深度学习方法，改进了基于任务的多回波功能磁共振成像的敏感性，通过T2*映射提高了时间信噪比和任务相关血氧水平依赖性信号变化。	提出了一种合成数据驱动的深度学习方法，用于从多回波fMRI数据中获取T2*映射，相比传统的体素级对数线性拟合方法，提高了BOLD敏感性。	NA	提高多回波功能磁共振成像的敏感性和稳定性。	多回波功能磁共振成像数据及其T2*映射。	医学影像	NA	功能磁共振成像（fMRI）	深度学习	图像	NA
7325	2024-09-04	Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction 2024-Aug-16, Journal of visualized experiments : JoVE DOI:10.3791/66981 PMID:39221929	研究论文	本文开发了一种结合动物行为研究和卷积神经网络的方法，用于分析小鼠在同时嗅酒和食用芥末时的面部表情	首次研究了嗅食酒精饮料对芥末辛辣感的影响，并开发了一种结合动物行为和深度学习的方法来分析这一现象	需要进一步研究酒精抑制芥末辛辣感的潜在机制	研究嗅食酒精饮料对芥末辛辣感的影响	小鼠在同时嗅酒和食用芥末时的面部表情	机器学习	NA	卷积神经网络	CNN	图像	涉及的小鼠数量未明确提及
7326	2024-09-04	An End-to-End Deep Learning Framework for Fault Detection in Marine Machinery 2024-Aug-16, Sensors (Basel, Switzerland) DOI:10.3390/s24165310 PMID:39205003	研究论文	本研究提出了一种基于深度学习的端到端框架，用于海事机械的故障检测	利用图注意力网络（GATs）从时间序列数据中提取时空信息，并通过特征评分机制提供可解释的预测	NA	优化海事操作中的预测性维护（PdM）	海事机械的故障检测	机器学习	NA	深度学习（DL）	图注意力网络（GATs）	时间序列数据	涉及三种类型的开源数据集：电气数据、轴承数据和水循环实验数据
7327	2024-09-04	Semantic Segmentation Network Based on Adaptive Attention and Deep Fusion Utilizing a Multi-Scale Dilated Convolutional Pyramid 2024-Aug-16, Sensors (Basel, Switzerland) DOI:10.3390/s24165305 PMID:39205000	研究论文	本文提出了一种基于自适应注意力和深度融合的多尺度扩张卷积金字塔语义分割网络（SDAMNet），通过开发扩张卷积空洞空间金字塔池化（DCASPP）模块和语义通道空间细节模块（SCSDM）来增强上下文信息和特征提取，以及构建语义特征融合模块（SFFM）来改善低级特征的语义丰富性和高级特征的分辨率。	本文创新地引入了多尺度扩张卷积金字塔和自适应特征选择机制，通过DCASPP、SCSDM和SFFM模块优化了语义分割中的上下文信息和特征融合。	当前方法在语义分割过程中缺乏足够的上下文信息和注意力机制，低级特征缺乏语义丰富性，高级特征分辨率低，导致模型在复杂场景中处理细节和边界划分、区域分类及小物体处理方面存在不足。	旨在解决现有语义分割方法中的上下文信息不足、特征提取不充分和分辨率低等问题，提高模型在复杂场景中的分割准确性。	语义分割网络的性能提升，特别是在复杂场景中的细节处理和准确性。	计算机视觉	NA	多尺度扩张卷积	CNN	图像	在两个数据集上进行了实验，具体样本数量未提及。
7328	2024-09-04	Comparison of the Accuracy of Ground Reaction Force Component Estimation between Supervised Machine Learning and Deep Learning Methods Using Pressure Insoles 2024-Aug-16, Sensors (Basel, Switzerland) DOI:10.3390/s24165318 PMID:39205012	研究论文	本文比较了六种方法（三种深度学习方法和三种监督机器学习方法）在压力鞋垫数据上估计地面反作用力（GRF）分量的准确性	首次研究了在两种手动物料搬运活动中的GRF分量估计	研究样本量较小，仅涉及九名受试者	比较不同方法在估计GRF分量上的准确性	地面反作用力（GRF）分量的估计	机器学习	NA	压力鞋垫传感器	人工神经网络、长短期记忆网络、卷积神经网络、最小二乘法、支持向量回归、随机森林	压力数据	九名受试者参与六种活动
7329	2024-09-04	A Novel Intelligent Fault Diagnosis Method for Bearings with Multi-Source Data and Improved GASA 2024-Aug-15, Sensors (Basel, Switzerland) DOI:10.3390/s24165285 PMID:39204978	研究论文	本文提出了一种基于多源数据和改进遗传模拟退火优化（GASA）的智能故障诊断方法，用于滚动轴承的故障诊断	该方法结合了多源数据卷积神经网络（MSCNN）和遗传模拟退火优化（GASA），能够更准确地识别轴承故障并充分利用多源数据	NA	旨在提高滚动轴承故障诊断的准确性和鲁棒性	滚动轴承的故障诊断	机器学习	NA	连续小波变换（CWT）	卷积神经网络（CNN）	时间-频率图	使用了不同噪声环境下的滚动轴承数据集
7330	2024-09-04	Exploring the Processing Paradigm of Input Data for End-to-End Deep Learning in Tool Condition Monitoring 2024-Aug-15, Sensors (Basel, Switzerland) DOI:10.3390/s24165300 PMID:39204994	研究论文	本文探讨了在工具状态监测中，如何将多传感器原始数据转换为适合深度学习模型直接输入的数据处理方法	提出了三种新的输入范式：降采样范式、周期范式和子序列范式，并通过改进的混合模型验证了这些方法的有效性	文章未明确提及具体的局限性	旨在探索和优化深度学习模型在工具状态监测中的输入数据处理方法	工具状态监测中的多传感器原始数据	机器学习	NA	NA	CNN和BiLSTM的混合模型	时间序列数据	基于PHM2010数据集，使用120个子序列进行验证
7331	2024-09-04	A Comprehensive Survey on Visual Perception Methods for Intelligent Inspection of High Dam Hubs 2024-Aug-14, Sensors (Basel, Switzerland) DOI:10.3390/s24165246 PMID:39204940	综述	本文总结了高坝安全检查的内容，并回顾了基于视觉感知技术的智能检查中视觉感知技术的最新研究	本文详细阐述了基于直方图均衡化、Retinex和深度学习的图像增强方法及其特点，并分析了相关的发展趋势	本文未明确提及具体的局限性	确保高坝安全运行的定期检查	高坝的安全检查	计算机视觉	NA	计算机视觉、人工智能	深度学习	图像	NA
7332	2024-09-04	High-Throughput and Accurate 3D Scanning of Cattle Using Time-of-Flight Sensors and Deep Learning 2024-Aug-14, Sensors (Basel, Switzerland) DOI:10.3390/s24165275 PMID:39204969	研究论文	介绍了一种用于准确测量牛只表型的高通量3D扫描系统，该系统使用时间飞行（ToF）传感器和深度学习技术	系统结合了ToF传感器和深度学习方法，能够实时生成高精度的牛只3D模型	需要进一步验证系统在不同环境和条件下的稳定性和准确性	开发一种能够准确测量牛只体积和表面积的高通量3D扫描系统	牛只的3D扫描和表型测量	计算机视觉	NA	时间飞行（ToF）传感器	深度学习模型	3D点云数据	实验中使用了多只牛只进行测试
7333	2024-09-04	Specifics of Data Collection and Data Processing during Formation of RailVista Dataset for Machine Learning- and Deep Learning-Based Applications 2024-Aug-13, Sensors (Basel, Switzerland) DOI:10.3390/s24165239 PMID:39204933	研究论文	本文介绍了创建用于检测铁路轨道缺陷的Rail Vista数据集的方法和成果	该研究通过复杂的图像采集方法和数据增强的畸变技术，创建了一个高质量的数据集，有助于提高机器学习和深度学习模型在铁路安全维护应用中的自动化缺陷检测能力	NA	旨在通过机器学习和深度学习技术提高铁路轨道缺陷检测的效率和准确性	铁路轨道缺陷检测	机器学习	NA	机器学习和深度学习技术	NA	图像	200,000张高分辨率图像，分为19个不同类别
7334	2024-09-04	Mix-VIO: A Visual Inertial Odometry Based on a Hybrid Tracking Strategy 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165218 PMID:39204913	research paper	本文提出了一种基于混合跟踪策略的单目和双目视觉惯性里程计Mix-VIO，以解决传统视觉前端跟踪在动态光照和图像模糊条件下的失效问题	Mix-VIO采用混合跟踪方法，结合传统手工跟踪技术和基于深度神经网络（DNN）的特征提取与匹配流程，提高了在快速相机运动和环境光照变化下的前端跟踪性能	NA	旨在改善视觉惯性里程计在动态光照和图像模糊条件下的跟踪性能	单目和双目视觉惯性里程计的跟踪性能	computer vision	NA	深度学习方法	DNN	image	NA
7335	2024-09-04	Development and Validation of a Real-Time Service Model for Noise Removal and Arrhythmia Classification Using Electrocardiogram Signals 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165222 PMID:39204918	研究论文	本研究开发并验证了一种实时服务模型，用于从可穿戴心电图信号中去除噪声并进行心律失常分类	利用生成对抗网络（GANs）进行有效噪声去除，并使用ResNet进行精确的心律失常分类	NA	创建一种新的深度学习模型，以提高可穿戴设备中心电图信号的噪声去除和心律失常检测的准确性	可穿戴设备采集的心电图信号	机器学习	心血管疾病	生成对抗网络（GANs），ResNet	GAN，ResNet	心电图信号	使用了MIT-BIH心律失常和噪声数据库进行预训练
7336	2024-09-04	Explainable Deep Learning-Based Feature Selection and Intrusion Detection Method on the Internet of Things 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165223 PMID:39204919	研究论文	本文提出了一种基于SHAP和因果原则的可解释特征选择方法，用于物联网中的加密流量入侵检测，并通过实验验证了其性能。	本文的创新点在于结合SHAP和因果原则，提出了一种可解释的特征选择方法，有效减少了特征数量并提高了模型可靠性。	本文的局限性在于仅在两个公开网络流量数据集上进行了验证，可能需要进一步在更多数据集上进行测试以验证其泛化能力。	研究目的是提高网络入侵检测系统的性能和可解释性。	研究对象是物联网中的网络入侵检测系统。	机器学习	NA	深度学习	CNN, 随机森林	网络流量数据	使用了两个公开网络流量数据集：CICIDS2017和NSL-KDD
7337	2024-09-04	Leveraging Deep Learning for Time-Series Extrinsic Regression in Predicting the Photometric Metallicity of Fundamental-Mode RR Lyrae Stars 2024-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s24165203 PMID:39204898	研究论文	本研究利用深度学习技术，从盖亚望远镜的光学G波段光变曲线中预测基本模式RR Lyrae星的光度金属丰度	本研究开发了一种新颖的深度学习方法，用于从时间序列数据中预测光度金属丰度，展示了深度学习在处理大规模天文数据集中的有效性	NA	探索和应用深度学习技术，特别是先进的神经网络架构，以提高从时间序列数据中预测光度金属丰度的准确性	基本模式（ab型）RR Lyrae星的光度金属丰度	机器学习	NA	深度学习	神经网络	时间序列数据	NA
7338	2024-09-04	Semi-Supervised Building Extraction with Optical Flow Correction Based on Satellite Video Data in a Tsunami-Induced Disaster Scene 2024-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s24165205 PMID:39204902	研究论文	本文提出了一种基于卫星视频数据的半监督建筑提取方法，通过光学流校正模块提高在海啸引发灾害场景中的建筑提取准确性和效率	利用卫星视频数据和光学流校正技术，提出了一种新的语义分割模型，能够在有限的训练数据下实现高效准确的建筑提取	NA	提高在复杂自然灾害场景中建筑提取的准确性和效率	海啸引发灾害场景中的建筑提取	计算机视觉	NA	光学流	编码器-解码器结构	视频	有限数量的训练数据
7339	2024-09-04	MOVING: A Multi-Modal Dataset of EEG Signals and Virtual Glove Hand Tracking 2024-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s24165207 PMID:39204903	研究论文	本文介绍了MOVING数据集，该数据集包含脑电图（EEG）信号和虚拟手套手部追踪的多模态数据，用于研究脑机接口（BCI）	引入了一个新的多模态数据集MOVING，包含EEG信号和虚拟手套手部追踪数据，用于BCI研究和辅助设备开发	使用干式无线EEG系统和虚拟手套系统可能导致比传统设备更多的噪声	研究EEG信号中的哪些频段对运动任务分类最具信息性，并探讨基线降低对手势识别的影响	EEG信号和虚拟手套手部追踪数据	脑机接口	NA	EEG	EEGnetV4	多模态数据	11名受试者
7340	2024-09-04	Exploratory Analysis Using Deep Learning for Water-Body Segmentation of Peru's High-Mountain Remote Sensing Images 2024-Aug-10, Sensors (Basel, Switzerland) DOI:10.3390/s24165177 PMID:39204871	研究论文	本文利用深度学习技术对秘鲁安第斯山脉的安卡什和库斯科地区的高山湖泊进行遥感图像的水体分割研究	研究采用了三种深度学习模型（DeepWaterMapV2、WatNet和WaterSegDiff）进行湖泊分割，并引入了基于扩散和变换机制的WaterSegDiff模型	研究主要集中在安卡什和库斯科地区，可能不适用于其他地理环境	旨在通过遥感技术监测和分析高山湖泊的环境动态	秘鲁安第斯山脉的安卡什和库斯科地区的高山湖泊	计算机视觉	NA	深度学习	CNN	图像	使用了2013年至2023年的Landsat-8多光谱影像（波段2-7）创建的新数据集