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
721	2024-12-18	Pixel-Based Long-Wave Infrared Spectral Image Reconstruction Using a Hierarchical Spectral Transformer 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237658 PMID:39686195	研究论文	本文提出了一种基于像素的分层光谱Transformer（HST），用于长波红外光谱图像重建	创新点在于提出了HST架构，能够有效捕捉局部和全局光谱相关性，并在有限数据下提高光谱分辨率和减少噪声	本文的局限性在于依赖于公开的单像素长波红外光谱数据库，数据稀缺性仍然是一个挑战	研究目的是提高长波红外光谱图像的分辨率和质量	研究对象是长波红外光谱图像	计算机视觉	NA	深度学习	Transformer	图像	使用了公开的单像素长波红外光谱数据库
722	2024-12-18	Dense-TNT: Efficient Vehicle Type Classification Neural Network Using Satellite Imagery 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237662 PMID:39686199	研究论文	本文提出了一种新的Dense-TNT神经网络框架，用于在复杂环境下进行车辆类型分类	提出了结合Densely Connected Convolutional Network (DenseNet) 和 Transformer-in-Transformer (TNT) 层的Dense-TNT框架，以提高在复杂环境下的车辆类型分类能力	未提及具体的局限性	提高在复杂环境下的车辆类型分类能力	车辆类型分类	计算机视觉	NA	深度神经网络	Dense-TNT	图像	三个区域在四种不同天气条件下的车辆数据
723	2024-12-18	DeepRSMA: a cross-fusion-based deep learning method for RNA-small molecule binding affinity prediction 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae678 PMID:39540702	研究论文	提出了一种基于交叉融合的深度学习方法DeepRSMA，用于预测RNA与小分子的结合亲和力	开发了核苷酸级和原子级的特征提取模块，并引入了基于Transformer的交叉融合模块，以捕捉RNA和小分子之间的交互模式	NA	加速RNA靶向药物的发现	RNA与小分子的结合亲和力	机器学习	NA	深度学习	Transformer	序列和图	NA
724	2024-12-18	Severity Classification of Parkinson's Disease via Synthesis of Energy Skeleton Images from Videos Produced in Uncontrolled Environments 2024-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232685 PMID:39682593	研究论文	本文提出了一种基于深度学习技术的框架，用于在非受控环境中通过视频数据合成能量骨架图像，以诊断和分类帕金森病的严重程度	创新点在于利用深度学习技术从非受控环境中的步态序列合成能量骨架图像，并通过三种先进模型（CNN、ResNet和ViT）进行分析，实现帕金森病的早期诊断和严重程度分类	NA	开发一种成本效益高且易于访问的工具，用于在各种医疗环境中进行帕金森病的早期检测和监测	帕金森病的诊断和严重程度分类	机器学习	神经退行性疾病	深度学习	CNN、ResNet、ViT	视频	包含早期帕金森病标记视频的数据集
725	2024-12-18	Enhancing Radiologist Efficiency with AI: A Multi-Reader Multi-Case Study on Aortic Dissection Detection and Prioritization 2024-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232689 PMID:39682597	研究论文	本研究评估了将基于深度学习的应用集成到胸部CT血管造影中，用于主动脉夹层自动检测和优先排序的临床效益	本研究展示了AI辅助方法在减少扫描到评估时间（STAT）和解释时间（IT）方面的显著效果，并优于标准的先到先服务（FIFO）工作流程	本研究是回顾性的，且样本量相对较小，可能存在偏倚	评估AI辅助在主动脉夹层检测和优先排序中的临床效益	主动脉夹层的检测和优先排序	计算机视觉	心血管疾病	深度学习（DL）	NA	图像	285例CT血管造影（每位读者每组95例）
726	2024-12-18	Detection of Critical Parts of River Crab Based on Lightweight YOLOv7-SPSD 2024-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s24237593 PMID:39686133	研究论文	本文提出了一种轻量级的YOLOv7-SPSD模型，用于检测河蟹尾部，以实现机器人去除河蟹背甲的高效处理	本文引入了Slimneck模块、PConv和SimAM注意力机制，优化了YOLOv7-tiny模型，并通过DepGraph剪枝算法进一步减少冗余参数，使其适用于边缘设备	NA	开发一种高效的深度学习模型，用于机器人去除河蟹背甲的精确处理	河蟹尾部	计算机视觉	NA	深度学习	YOLOv7-SPSD	图像	河蟹尾部数据集
727	2024-12-18	Enhanced Radar Signal Classification Using AMP and Visibility Graph for Multi-Signal Environments 2024-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s24237612 PMID:39686152	研究论文	本文提出了一种结合振幅模式（AMP）分析和可见性图的新型两阶段分类框架，用于在复杂环境中提高雷达信号分类的准确性和效率	创新点在于结合了振幅模式分析和可见性图技术，并集成了深度学习模型（如GoogLeNet和ResNet），以提高低信噪比和多信号环境下的分类性能	未提及具体限制	旨在解决复杂环境中雷达信号分类和去交错的挑战	研究对象为在复杂环境中（如电子战）的雷达信号	信号处理	NA	振幅模式分析（AMP）、可见性图技术	GoogLeNet、ResNet	雷达信号	未提及具体样本数量
728	2024-12-18	Mitigating Algorithmic Bias in AI-Driven Cardiovascular Imaging for Fairer Diagnostics 2024-Nov-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232675 PMID:39682584	研究论文	研究针对心血管风险预测中的深度学习模型算法偏差问题，通过集成公平感知算法、SCIR模型和可解释性框架，结合公平性和可操作的AI洞察力，以减少健康差异	研究创新性地将公平感知算法、SCIR模型和可解释性框架集成，以解决心血管预测模型中的偏差问题，并通过平衡概率调整显著改善了偏差指标	研究的主要局限性在于计算复杂性，尤其是在大规模数据处理中的挑战	研究旨在通过公平感知算法和可解释性AI技术，减少心血管成像诊断中的算法偏差，促进公平诊断	研究对象包括心血管风险预测模型、公平感知算法、SCIR模型以及可解释性框架	机器学习	心血管疾病	深度学习模型、公平感知算法、SCIR模型、可解释性框架	YOLOv5、Mask R-CNN、ResNet18	3D/4D心脏磁共振成像、表格数据	使用了Cardiac Atlas Project (CAP)开放挑战中的数据集
729	2024-12-18	CAD-EYE: An Automated System for Multi-Eye Disease Classification Using Feature Fusion with Deep Learning Models and Fluorescence Imaging for Enhanced Interpretability 2024-Nov-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232679 PMID:39682587	研究论文	本文介绍了一种名为CAD-EYE的自动化系统，用于通过特征融合和深度学习模型以及荧光成像进行多眼疾病分类	提出了CAD-EYE系统，结合了MobileNet和EfficientNet两种深度学习模型的特征融合，并引入了荧光成像以提高系统的解释性和准确性	该工具不会取代眼科医生，仍需专业人士的参与	开发一种能够帮助医疗专业人员诊断眼疾病的自动化系统	糖尿病视网膜病变、高血压视网膜病变、青光眼和对比相关眼疾病	计算机视觉	眼科疾病	深度学习模型、特征融合、荧光成像	MobileNet、EfficientNet	图像	65,871张眼底图像
730	2024-12-18	Improved CSW-YOLO Model for Bitter Melon Phenotype Detection 2024-Nov-27, Plants (Basel, Switzerland) DOI:10.3390/plants13233329 PMID:39683122	研究论文	本研究开发了一种名为CSW-YOLO的苦瓜表型检测模型，通过引入ConvNeXt V2模块和SimAM注意力机制，提升了模型的识别精度和目标特征的关注度	本研究的创新点在于使用ConvNeXt V2模块替换YOLOv8的主干网络，并引入SimAM注意力机制和WIoUv3边界框损失函数，显著提升了模型的识别精度和收敛速度	NA	本研究的目的是提高苦瓜表型检测的自动化和智能化水平，解决传统人工识别方法耗时且不准确的问题	本研究的研究对象是苦瓜的表型检测	计算机视觉	NA	ConvNeXt V2, SimAM, WIoUv3	YOLO	图像	苦瓜图像数据集
731	2024-12-18	Activities of Daily Living Object Dataset: Advancing Assistive Robotic Manipulation with a Tailored Dataset 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237566 PMID:39686103	研究论文	本文介绍了一个专门为辅助机器人操作设计的日常生活活动（ADL）对象数据集，旨在通过深度学习模型简化操作界面，提升辅助机器人的自主性	本文的创新点在于提供了一个专门为ADL对象设计的深度学习数据集，填补了现有数据集的空白，并标准化了注释格式，提高了数据质量	本文的局限性在于数据集主要来源于现有的开放源数据集，可能存在一定的局限性，且未提及数据集在实际机器人操作中的性能验证	本文的研究目的是通过提供一个专门为辅助机器人操作设计的ADL对象数据集，推动辅助机器人技术的发展，提升用户的自主性和独立性	本文的研究对象是日常生活活动（ADL）中涉及的物体，特别是那些适合机器人操作的物体	计算机视觉	NA	深度学习	YOLOv5x	图像	112,000张高质量图像
732	2024-12-18	Ultrasound Versus Elastography in the Diagnosis of Hepatic Steatosis: Evaluation of Traditional Machine Learning Versus Deep Learning 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237568 PMID:39686106	研究论文	本研究通过超声和弹性成像图像，使用传统机器学习分类器和深度学习架构对肝脂肪变性进行分类	本研究首次对比了传统机器学习和深度学习在肝脂肪变性诊断中的表现，并展示了深度学习在医学图像分类中的潜力	尽管深度学习在某些数据集上表现优异，但并未在所有数据集上达到最高结果	评估传统机器学习和深度学习在肝脂肪变性诊断中的准确性	肝脂肪变性	计算机视觉	肝病	NA	ResNet50V2, DenseNet-201, 随机森林, 支持向量机	图像	NA
733	2024-12-18	Segmentation of Low-Grade Brain Tumors Using Mutual Attention Multimodal MRI 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237576 PMID:39686112	研究论文	本研究提出了一种基于互注意力机制的多模态MRI深度学习框架，用于低级别脑肿瘤的自动分割	本研究提出了互注意力机制，使网络能够动态关注跨模态的显著特征，并联合学习成像序列之间的相互依赖关系，从而提高分割精度	本研究仅使用了35个病例的数据集进行验证，样本量较小	提高低级别脑肿瘤的自动分割精度	低级别星形细胞瘤	计算机视觉	脑肿瘤	MRI	深度学习框架	图像	35个星形细胞瘤病例
734	2024-12-18	Calibrated Adaptive Teacher for Domain-Adaptive Intelligent Fault Diagnosis 2024-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s24237539 PMID:39686075	研究论文	本文提出了一种名为校准自适应教师（CAT）的新方法，用于解决智能故障诊断中的无监督域适应问题，通过校准教师网络的预测来提高伪标签的质量	提出了校准自适应教师（CAT）方法，利用后验校准技术在整个自训练过程中校准教师网络在目标样本上的预测，显著提高了伪标签的质量	本文未提及具体的局限性	解决智能故障诊断中的无监督域适应问题，提高模型在不同分布下的性能	滚动轴承在不同操作条件下的故障诊断	机器学习	NA	深度学习	神经网络	时间域和频率域信号	十二个PU转移任务
735	2024-12-18	MCCA-VNet: A Vit-Based Deep Learning Approach for Micro-Expression Recognition Based on Facial Coding 2024-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s24237549 PMID:39686086	研究论文	提出了一种基于Transformer的深度学习模型MCCA-VNet，用于微表情识别	融合通道注意力和空间注意力到Vision Transformer中，捕捉不同维度特征之间的相关性，增强了微表情识别的准确性	NA	提高微表情识别的准确性	微表情识别	计算机视觉	NA	深度学习	Transformer	图像	使用了SAMM、CAS(ME) II和SMIC数据集
736	2024-12-18	SLA-MLP: Enhancing Sleep Stage Analysis from EEG Signals Using Multilayer Perceptron Networks 2024-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232657 PMID:39682565	研究论文	本文提出了一种基于多层感知器网络的睡眠阶段分析模型SLA-MLP，用于从脑电信号中增强睡眠阶段的分类	SLA-MLP模型通过先进的深度学习技术，包括数据预处理、数据平衡、特征提取和多层感知器分类，有效解决了现有模型在过拟合、计算效率和数据不平衡方面的挑战	NA	提高睡眠阶段分类的准确性，为睡眠研究和临床应用提供更精确的工具	脑电信号中的睡眠阶段	机器学习	NA	多层感知器（MLP），时间卷积网络（TCN）	多层感知器（MLP）	脑电信号	多样且高质量的脑电数据
737	2024-12-18	BSDA: Bayesian Random Semantic Data Augmentation for Medical Image Classification 2024-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s24237511 PMID:39686050	研究论文	本文提出了一种名为BSDA的贝叶斯随机语义数据增强方法，用于医学图像分类任务	BSDA通过在潜在空间中进行语义数据增强，避免了过度偏移导致的数据标签变化问题，并能无缝集成到任何神经网络中	NA	解决现有语义数据增强方法在医学图像分类中可能导致数据标签变化的问题	医学图像分类任务中的数据增强	计算机视觉	NA	语义数据增强	神经网络	图像	涉及2D和3D医学图像数据集以及多种医学成像模式
738	2024-12-18	A Deep Learning-Based Method for Bearing Fault Diagnosis with Few-Shot Learning 2024-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s24237516 PMID:39686052	研究论文	提出了一种基于深度学习的滚动轴承故障诊断方法，结合KANs-CNN网络和扩散网络，通过小样本学习提高诊断精度	提出了一种结合KANs-CNN网络和扩散网络的故障诊断方法，利用KANs的非线性激活提取深层复杂特征，并通过FAN模块进行多层次特征聚合，解决了小样本条件下的诊断问题	未提及具体的局限性	解决小样本条件下滚动轴承故障诊断的精度问题	滚动轴承的故障诊断	机器学习	NA	连续小波变换、扩散网络	CNN、KANs、FAN	时间-频率图像	小样本条件下的滚动轴承和工具数据
739	2024-12-18	Hybrid Deep Learning and Machine Learning for Detecting Hepatocyte Ballooning in Liver Ultrasound Images 2024-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232646 PMID:39682554	研究论文	本文提出了一种结合深度学习和机器学习技术的方法，用于在肝脏超声图像中检测肝细胞气球样变	本文创新性地结合了InceptionV3深度学习模型和随机森林机器学习分类器，采用双重二分法分类策略，显著提高了检测肝细胞气球样变的准确性和敏感性	本文的局限性在于需要进一步在多中心的大规模数据集上验证模型的泛化能力和临床应用效果	开发一种非侵入性方法，用于在肝脏超声图像中准确识别和测量肝细胞气球样变	肝脏超声图像中的肝细胞气球样变	计算机视觉	非酒精性脂肪肝病	深度卷积神经网络	CNN	图像	包含超声图像的数据集
740	2024-12-18	EC-WAMI: Event Camera-Based Pose Optimization in Remote Sensing and Wide-Area Motion Imagery 2024-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s24237493 PMID:39686028	研究论文	本文首次成功将事件相机应用于宽域运动成像（WAMI）和遥感（RS），展示了其在不同成像场景中推进运动结构（SfM）和三维重建的潜力	首次将事件相机应用于WAMI和遥感，展示了其在低帧率和高动态光照条件下的优势，并使用深度学习特征提取方法LIGHTGLUE提高了事件相机在SfM中的可靠性和准确性	本文主要通过模拟事件数据进行实验，尚未在实际飞行中验证事件相机的性能	探索事件相机在宽域运动成像和遥感中的应用，提升运动结构和三维重建的效率和准确性	事件相机在宽域运动成像和遥感中的应用，以及其在运动结构和三维重建中的性能	计算机视觉	NA	运动结构（SfM），捆绑调整（Bundle Adjustment）	LIGHTGLUE	图像	使用了两套最先进的SfM方法（COLMAP和BA4S）进行评估