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
10581	2024-08-05	Protein-Protein Interfaces: A Graph Neural Network Approach 2024-May-28, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25115870 PMID:38892057	研究论文	本研究利用图神经网络来预测蛋白质-蛋白质相互作用。	提出了一种新的方法，通过将蛋白质结构建模为图来增强PPI的预测准确性。	研究中可能未考虑蛋白质结构的动态变化对相互作用的影响。	旨在通过深度学习技术来提高蛋白质-蛋白质相互作用的预测效率和准确性。	研究对象是蛋白质的相互作用及其结构特征。	计算机视觉	NA	图神经网络（GNN）	NA	生物数据	三个数据集，涵盖整个蛋白质、相互作用链对和单链的数据
10582	2024-08-05	Enhancing Accuracy in Breast Density Assessment Using Deep Learning: A Multicentric, Multi-Reader Study 2024-May-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111117 PMID:38893643	研究论文	该研究提出了一种基于深度学习的自动检测算法来评估乳腺密度	引入了一种深度学习算法，能够提高乳腺密度评估的准确性和一致性	未提及具体的局限性	旨在提高乳腺密度评估的准确性，减少不同评估者之间的差异	使用122个全视场数字乳腺摄影研究的数据集，进行多中心和多读者的研究	计算机视觉	乳腺癌	深度学习	NA	图像	122个全视场数字乳腺摄影研究（488张图像）
10583	2024-08-05	Prediction of Protein-Protein Interactions Based on Integrating Deep Learning and Feature Fusion 2024-May-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25115820 PMID:38892007	研究论文	本文探讨了通过整合深度学习和特征融合来预测蛋白质-蛋白质相互作用。	将深度学习与特征融合相结合，利用手工特征和蛋白质序列嵌入的优势。	NA	旨在通过深度学习方法改进蛋白质-蛋白质相互作用预测。	主要研究对象是蛋白质-蛋白质相互作用。	机器学习	NA	深度学习	NA	数据集	使用了酵母和人类的数据集，共涉及多个跨物种数据集
10584	2024-08-05	Remaining Useful Life Prediction Based on Deep Learning: A Survey 2024-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s24113454 PMID:38894245	综述	本论文对基于深度学习的剩余使用寿命预测进行了综合调查	提出了一个统一的框架来审视深度学习驱动的RUL预测方法	传统的数据驱动方法在设计健康特征方面需要大量人力，且预测准确性有限	探讨深度学习在剩余使用寿命预测中的应用及其挑战	主要研究基于深度学习的剩余使用寿命预测模型和方法	机器学习	NA	深度学习	NA	数据驱动方法	NA
10585	2024-08-05	Integrating Spatial and Morphological Characteristics into Melanoma Prognosis: A Computational Approach 2024-May-27, Cancers IF:4.5Q1 DOI:10.3390/cancers16112026 PMID:38893146	研究论文	本研究探讨了细胞形态和空间配置在黑色素瘤预后中的价值，旨在补充传统预后指标	创新地将细胞核大小的量化与空间区域分析结合，并利用机器学习和深度学习方法进行研究	未提及具体样本量和研究环境的局限性	研究细胞形态和空间特征对黑色素瘤预后的影响	黑色素瘤细胞的核大小及其在侵袭带内的空间配置	计算机视觉	黑色素瘤	机器学习和深度学习	Cox模型	图像	NA
10586	2024-08-05	Bagging Improves the Performance of Deep Learning-Based Semantic Segmentation with Limited Labeled Images: A Case Study of Crop Segmentation for High-Throughput Plant Phenotyping 2024-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s24113420 PMID:38894212	研究论文	本研究提出了一种结合深度学习和聚合的方法，用于提高作物分割的性能，适用于高通量植物表型分析	提出了一种深度学习结合聚合的方法，能够在小规模标注数据集上实现高准确率的语义分割	该研究主要集中在玉米地块的高分辨率RGB图像上，可能无法广泛适用于所有类型的植物或图像	研究旨在提高高通量植物表型分析中的作物分割精度	研究对象为高分辨率RGB图像中的作物分割	计算机视觉	NA	深度学习，聚合	深度卷积神经网络（DCNN）	图像	使用NU-Spidercam数据集的玉米地块图像，具体样本数量未说明
10587	2024-08-05	Cervical Spondylosis Diagnosis Based on Convolutional Neural Network with X-ray Images 2024-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s24113428 PMID:38894217	研究论文	本文提出了一种基于卷积神经网络的颈椎病诊断方法，并使用X射线图像进行验证	利用ResNet-34卷积神经网络对颈椎X射线图像进行深度学习，提高了诊断准确性	验证集样本数量有限，仅有136张X射线图像	提高颈椎病的诊断准确性和效率	1235张颈椎X射线图像用于模型训练	计算机视觉	颈椎病	深度学习	ResNet-34	图像	1235张颈椎X射线图像用于训练，136张用于验证
10588	2024-08-05	Deep Learning-Based Nystagmus Detection for BPPV Diagnosis 2024-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s24113417 PMID:38894208	研究论文	本研究提出了一种基于深度学习的眼震检测算法，用于诊断良性发作性位置性眩晕（BPPV）	本研究提出的CNN1D模型在眼震检测方面表现最好，表明深度学习在BPPV诊断中的实用性	NA	验证深度学习在BPPV诊断中的实用性	使用视频眼动测量（VOG）数据进行眼震检测	计算机视觉	良性发作性位置性眩晕	视频眼动测量（VOG）	CNN1D	视频	NA
10589	2024-08-05	Context-Enhanced Network with Spatial-Aware Graph for Smartphone Screen Defect Detection 2024-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s24113430 PMID:38894220	研究论文	本文提出了一种用于智能手机屏幕缺陷检测的上下文增强网络CE-SGNet	提出了自适应感受野注意模块ARFAM和空间感知图推理模块SGRM，创新性地结合上下文信息和空间关系	本文未提及具体的局限性	提高智能手机屏幕缺陷检测的准确性和鲁棒性	智能手机屏幕上的缺陷	计算机视觉	NA	深度学习	图注意力网络	图像	两组公共数据集
10590	2024-08-05	Revolutionizing Cardiology through Artificial Intelligence-Big Data from Proactive Prevention to Precise Diagnostics and Cutting-Edge Treatment-A Comprehensive Review of the Past 5 Years 2024-May-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111103 PMID:38893630	综述	该文章提供了过去五年人工智能在心脏病学应用的综合视角	此文综述了过去五年人工智能在心脏病学各个领域的新进展与应用	研究的限制在于样本量较小以及伦理实施所带来的挑战	探讨人工智能在心脏病学的应用现状与未来前景	涵盖与心脏病学相关的200个研究论文	自然语言处理	心血管疾病	机器学习和深度学习	NA	文献	200篇相关论文
10591	2024-08-05	CyberSentinel: A Transparent Defense Framework for Malware Detection in High-Stakes Operational Environments 2024-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s24113406 PMID:38894196	研究论文	本研究提出了一种基于图像的恶意软件检测方法，以提高恶意软件分类的性能	提出了一种两分支深度网络，通过增强特征提取能力来捕捉恶意软件图像的显著特征	现有方法在恶意软件分类的高性能实现上存在显著局限性	旨在提高图像基础的恶意软件检测的准确性	研究恶意软件图像及其分类	计算机视觉	NA	深度学习	两分支深度网络	图像	NA
10592	2024-08-05	Variable Temporal Length Training for Action Recognition CNNs 2024-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s24113403 PMID:38894195	研究论文	本文提出了一种新颖的训练范式，使3D卷积神经网络能够处理具有可变时间长度的视频输入	提出了可变长度训练（VLT）方法，允许模型灵活适应不同长度的视频，无需在推理阶段进行修改	对于较长视频的特征可能损害，同时在训练和测试阶段的时间长度统一使用存在局限性	旨在提高深度学习模型在视频动作识别任务中的灵活性和适应性	针对视频相关任务中的3D卷积神经网络	计算机视觉	NA	3D卷积神经网络	3D-CNN	视频	在多个流行的动作识别数据集上进行实验
10593	2024-08-05	A Comparative Review on Enhancing Visual Simultaneous Localization and Mapping with Deep Semantic Segmentation 2024-May-24, Sensors (Basel, Switzerland) DOI:10.3390/s24113388 PMID:38894177	综述	本文对将深度语义分割融入视觉同步定位与地图构建(VSLAM)的主要组件进行了综合比较审查	探讨了将深度语义分割与VSLAM结合的创新方法，并提出了新的研究方向	现有的VSLAM模型仍面临计算复杂性相关的挑战	提高VSLAM在动态环境中的性能	对比分析传统VSLAM与深度语义分割在各个模块中的应用	计算机视觉	NA	深度学习，语义分割	NA	图像	NA
10594	2024-08-05	RB-GAT: A Text Classification Model Based on RoBERTa-BiGRU with Graph ATtention Network 2024-May-24, Sensors (Basel, Switzerland) DOI:10.3390/s24113365 PMID:38894157	研究论文	提出了一种结合RoBERTa-BiGRU和多头图注意力网络的新型文本分类模型RB-GAT	通过结合RoBERTa-BiGRU嵌入与多头图注意力网络，改进了文本分类中的上下文信息捕捉	未提及该模型在处理特定类型文本或极端情况的表现	提升文本分类任务的准确性和效果	应用于五个基准数据集的文本分类	自然语言处理	NA	NA	BiGRU	文本	五个基准数据集
10595	2024-08-05	The Fault Diagnosis of Rolling Bearings Is Conducted by Employing a Dual-Branch Convolutional Capsule Neural Network 2024-May-24, Sensors (Basel, Switzerland) DOI:10.3390/s24113384 PMID:38894172	研究论文	本文提出了一种改进的双分支卷积胶囊神经网络用于滚动轴承的故障诊断	引入多尺度卷积模块和坐标注意机制以提高特征提取能力，并实现了故障类型和损伤直径的双标签标注	实验结果虽然表现优越，但未提及其他领域或类型故障的适用性	解决当前深度学习模型在噪声信号和变负载条件下的故障诊断性能不足问题	滚动轴承的故障检测与诊断	机器学习	NA	卷积神经网络	双分支卷积胶囊神经网络	图像	使用了Case Western Reserve University的轴承数据集和自制数据集进行验证
10596	2024-08-05	Computer-Vision- and Deep-Learning-Based Determination of Flow Regimes, Void Fraction, and Resistance Sensor Data in Microchannel Flow Boiling 2024-May-24, Sensors (Basel, Switzerland) DOI:10.3390/s24113363 PMID:38894154	研究论文	本文介绍了一种基于深度学习的微通道流动沸腾的流态和空隙率识别新方法	提出了一种使用图像处理和深度学习相结合的方式，能够自动检测流动沸腾的条件和空隙率	本文未提及具体的限制	研究微通道流动沸腾中的流态识别和空隙率计算	流动沸腾过程中的气泡、块流和环形流等流态	计算机视觉	NA	深度学习，图像处理	CNN（U-net）	视频	NA
10597	2024-08-05	A Comprehensive Evaluation of Deep Learning Models on Knee MRIs for the Diagnosis and Classification of Meniscal Tears: A Systematic Review and Meta-Analysis 2024-May-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111090 PMID:38893617	meta-analysis	本研究对深度学习模型在膝关节MRI中诊断和分类半月板撕裂的有效性进行了系统评估	本研究的创新之处在于全面分析了深度学习模型在识别和定位半月板撕裂方面的表现，并包含了对关节镜手术作为真实标准的分析	本研究仅限于对深度学习模型及其对半月板撕裂的识别与定位进行评估，未涵盖其他方法	评估深度学习模型在膝关节MRI中识别、定位、描述及分类半月板撕裂的有效性	本研究对象为使用深度学习技术分析的膝关节MRI图像中的半月板撕裂	机器学习	NA	深度卷积神经网络（DCNN）	NA	图像	八项研究用于检测撕裂的存在，三项低异质性研究用于定位和分类半月板
10598	2024-08-05	Compatibility Review for Object Detection Enhancement through Super-Resolution 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113335 PMID:38894125	研究论文	本文研究了超分辨率与目标检测技术的兼容性，以改善小物体的检测效果	分析超分辨率和目标检测模型的组合，展示其协同作用的潜在好处	仅探讨了超分辨率与目标检测的兼容性，未考虑其他可能的性能影响因素	提升在低图像质量或小目标物体情况下的目标检测性能	超分辨率（SR）模型与目标检测（OD）模型的结合	计算机视觉	NA	深度学习	NA	图像	MS COCO 数据集中的小物体与所有物体的对比评估
10599	2024-08-05	Wearable-Based Integrated System for In-Home Monitoring and Analysis of Nocturnal Enuresis 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113330 PMID:38894140	研究论文	提出了一种利用可穿戴设备和机器学习技术进行夜间遗尿的家庭监测系统NEcare	首次结合可穿戴技术与深度学习方法进行夜间遗尿患者的家庭监测和分析	研究样本数量相对较小，未来需要扩大样本规模以验证系统的有效性	旨在通过家庭监测改善夜间遗尿患者的研究与治疗	研究对象为夜间遗尿患者，重点分析膀胱容量、心率和睡眠期间的周期性肢体运动	机器学习	NA	机器学习	深度学习	传感器数据	30名住院患者和4名家庭患者
10600	2024-08-05	Enhancing Intrusion Detection in Wireless Sensor Networks Using a GSWO-CatBoost Approach 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113339 PMID:38894128	研究论文	该研究提出了一种名为GSWO-CatBoost的新方法来增强无线传感器网络中的入侵检测	GSWO结合了遗传算法和鲸鱼优化算法，并通过新的三种种群划分策略克服了传统方法的局限性	NA	提高无线传感器网络中入侵检测系统的有效性	无线传感器网络中的入侵检测	机器学习	NA	遗传算法，鲸鱼优化算法，CatBoost	NA	数据集	涉及多个数据集，包括WSN-DS，WSNBFSF，NSL-KDD和CICIDS2017