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
10761	2024-08-05	A Novel Hybrid Deep Learning Method for Predicting the Flow Fields of Biomimetic Flapping Wings 2024-Jan-25, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9020072 PMID:38392118	研究论文	本文提出了一种新的混合深度学习方法，用于预测仿生拍翅翼的流场	提出了一种混合粗数据驱动的物理信息神经网络模型（HCDD-PINN），能有效提高非线性偏微分方程解的预测精度和可靠性	主要局限是在处理二维不可稳态拍翅问题时，三维和优化问题的优势尚未充分验证	快速准确地解决与仿生拍翅结构相关的非线性偏微分方程	仿生拍翅结构的流动场特征	计算机视觉	NA	物理信息深度学习	HCDD-PINN	流场数据	使用的内部训练数据比传统计算流体动力学所需的网格粗得多
10762	2024-08-05	Deep Learning-Based Technique for Remote Sensing Image Enhancement Using Multiscale Feature Fusion 2024-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s24020673 PMID:38276366	研究论文	本研究提出了一种新颖的深度学习模型用于遥感图像增强	提出了一种基于U-Net的改进层次模型GSA-Net，结合多尺度特征融合，提高图像增强效果	由于样本数据不足，需要采用伽玛校正生成低光图像以供训练	研究遥感图像增强的深度学习技术	旨在改善通过低光遥感获取的图像质量	计算机视觉	NA	深度学习	GSA-Net	图像	使用NWPU VHR-10数据集进行测试
10763	2024-08-05	Ensemble Learning Method for the Continuous Decoding of Hand Joint Angles 2024-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s24020660 PMID:38276352	研究论文	本文提出了一种使用集成学习方法解决手关节角度解码问题的新模型	引入集成学习组合CatBoost和LightGBM模型，建立高性能的手动动作识别解码系统，且模型需求的参数和训练数据少于传统深度学习模型	未提及具体的局限性	旨在提高智能假肢的灵活性和灵巧性的手动动作解码技术	通过表面肌电图（sEMG）信号，估计手掌关节的运动学角度	自然语言处理	NA	表面肌电图 (sEMG)	集成学习模型	信号	涉及多个测试场景的被试数据集
10764	2024-08-05	CenterNet-Saccade: Enhancing Sonar Object Detection with Lightweight Global Feature Extraction 2024-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s24020665 PMID:38276357	研究论文	本文提出了一种基于轻量级模块的网络，以提高声呐图像中的目标检测准确性和实时性	提出了结合影子信息的检测方法，并设计了适应Hourglass的ShuffleBlock模型以减轻网络负担	未提及具体的样本数量和数据来源的多样性	实现声呐图像中目标的准确实时检测	声呐图像中的目标及其影子	计算机视觉	NA	NA	ShuffleBlock, Hourglass	声呐图像	NA
10765	2024-08-05	Segmentation of 71 Anatomical Structures Necessary for the Evaluation of Guideline-Conforming Clinical Target Volumes in Head and Neck Cancers 2024-Jan-18, Cancers IF:4.5Q1 DOI:10.3390/cancers16020415 PMID:38254904	研究论文	本文探讨了头颈癌患者中71个解剖结构的自动分割，以改善临床目标体积(CTV)的划定	提出了一种基于最新深度学习方法的自动化分割策略，并对71个解剖结构进行细致分析	缺乏对手动绘制轮廓与专家指南一致性的量化评估方法	研究旨在提升头颈癌放疗中CTV的自动分割精度	重点研究了71个与CTV划定相关的解剖结构	数字病理学	头颈癌	深度学习	3D nnU-Net	计算机断层扫描图像	104个计算机断层扫描样本
10766	2024-08-05	Beyond Conventional Monitoring: A Semantic Segmentation Approach to Quantifying Traffic-Induced Dust on Unsealed Roads 2024-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s24020510 PMID:38257603	研究论文	本研究提出了一种使用语义分割方法量化交通引起的道路灰尘的创新方法	引入了一种基于深度学习的语义分割技术，提供了一种实用且鲁棒的灰尘量化方案	依赖于特定的图像数据集进行训练，可能对其他类型的道路情况适应性有限	量化因交通引起的路面粉尘以便改善监测方法	交通引起的道路灰尘	计算机视觉	NA	深度学习	语义分割	图像	NA
10767	2024-08-05	Cross Entropy in Deep Learning of Classifiers Is Unnecessary-ISBE Error Is All You Need 2024-Jan-12, Entropy (Basel, Switzerland) DOI:10.3390/e26010065 PMID:38248190	研究论文	本研究介绍了ISBE功能，证明了在深度学习分类器中计算交叉熵的多余性	提出了ISBE功能，能够省略交叉熵的计算，并在反向传播中将误差直接送入模型网络	尚未讨论ISBE在所有类型深度学习模型中的应用有效性	探讨深度学习分类器中成本函数的简化可能性	使用感知机和卷积网络对MNIST图像数据集进行分类	机器学习	NA	深度学习	感知机和卷积神经网络	图像	MNIST数据集中的图像应用
10768	2024-08-05	Scale-Fractal Detrended Fluctuation Analysis for Fault Diagnosis of a Centrifugal Pump and a Reciprocating Compressor 2024-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s24020461 PMID:38257554	研究论文	提出了一种用于往复式压缩机和多级离心泵故障分类的新方法	使用多分形去趋势波动分析（MFDFA）处理原始振动信号以提取有助于故障类别的特征	NA	为往复式压缩机和多级离心泵的故障检测提供一种可靠的方法	往复式压缩机和多级离心泵	机器学习	NA	多分形去趋势波动分析（MFDFA）	卷积神经网络（CNN）	振动信号	13种离心泵故障，17种阀门故障以及13种往复式压缩机多重故障
10769	2024-08-05	Effectiveness of Data Augmentation for Localization in WSNs Using Deep Learning for the Internet of Things 2024-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s24020430 PMID:38257522	研究论文	本文开发了一种基于深度学习的范围无关定位方法来提高无线传感器网络的定位性能	提出了一种数据增强策略，通过创建虚拟锚点来增加训练数据量，从而提高深度神经网络的定位准确性	文章中未详细讨论数据增强策略在不同环境下的适用性和局限性	旨在提高无线传感器网络在物联网中的定位准确性	主要研究无线传感器网络中的定位算法和深度学习的应用	机器学习	NA	深度学习 (DL)	深度神经网络 (DNN)	虚拟数据	通过创建多个虚拟锚点生成的增强训练数据
10770	2024-08-05	Combining Synthetic Images and Deep Active Learning: Data-Efficient Training of an Industrial Object Detection Model 2024-Jan-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10010016 PMID:38249001	研究论文	本研究结合了物理基础渲染生成合成训练图像和深度主动学习用于工业物体检测任务	创新之处在于结合合成图像和深度主动学习以迭代提高模型性能	该研究可能在合成数据与现实世界数据之间的领域差距上存在局限	研究旨在使用较少的真实世界图像高效训练物体检测模型	研究对象为工业物体检测模型	计算机视觉	NA	物理基础渲染，深度主动学习	NA	图像	少量真实图像
10771	2024-08-05	Non-invasively Discriminating the Pathological Subtypes of Non-small Cell Lung Cancer with Pretreatment 18F-FDG PET/CT Using Deep Learning 2024-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.03.032 PMID:37117141	研究论文	本文旨在开发一种基于18F-FDG PET/CT影像的深度学习模型，用于非侵入性预测非小细胞肺癌的病理亚型	采用深度学习技术进行非小细胞肺癌病理亚型的非侵入性分类，展示了模型的优秀性能和临床应用潜力	限于回顾性分析，可能存在样本选择偏倚和外部验证不足的问题	研究基于PET/CT影像预测非小细胞肺癌病理亚型的可能性	189名接受手术的非小细胞肺癌患者的术前PET/CT影像	计算机视觉	肺癌	18F-FDG PET/CT	Mobilenet v2	影像	189
10772	2024-08-05	Distilling Knowledge From an Ensemble of Vision Transformers for Improved Classification of Breast Ultrasound 2024-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.08.006 PMID:37666747	研究论文	开发了一种深度学习模型，以自动分类乳腺超声图像为良性或恶性	探讨了视觉转换器、集成学习和知识蒸馏在乳腺超声分类中的应用，展示了如何使用单一视觉转换器模型模拟集成模型的性能	未提供具体的限制信息	研究乳腺超声图像的自动分类	单视图B模式超声图像，来自公开的乳腺超声图像（BUSI）数据集	计算机视觉	乳腺癌	视觉转换器（ViT）	视觉转换器（ViT），卷积神经网络（CNN）	图像	未提供具体的样本数量信息
10773	2024-08-05	Real-time precision detection algorithm for jellyfish stings in neural computing, featuring adaptive deep learning enhanced by an advanced YOLOv4 framework 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1375886 PMID:38845696	研究论文	本研究提出了一种新颖的海洋水母刺痛检测算法，结合了YOLOv4对象检测、注意机制和PID控制	通过增强YOLOv4并引入注意机制来提高检测精度和实时性能，展现出相较传统方法的显著优势	具体的限制因素在摘要中未详细说明	旨在提升智能机器人系统在海洋水母刺痛检测中的效率和准确性	本文的研究对象为海洋水母刺痛及其相关检测技术	计算机视觉	NA	YOLOv4, PID控制	NA	图像	使用了真实的海洋水母刺痛图像数据集进行广泛实验评估
10774	2024-08-05	Deep Learning Accelerated Image Reconstruction of Fluid-Attenuated Inversion Recovery Sequence in Brain Imaging: Reduction of Acquisition Time and Improvement of Image Quality 2024-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.05.010 PMID:37280126	研究论文	本文研究了一种基于深度学习的加速FLAIR脑成像序列对图像质量和诊断信心的影响	提出了一种创新的深度学习加速FLAIR成像序列，显著缩短了采集时间并提高了图像质量	研究仅在单中心进行，样本数量相对较少	探讨创新深度学习加速FLAIR序列在脑成像中的应用效果	70例接受脑MRI检查的患者	数字病理学	NA	深度学习	NA	图像	70例
10775	2024-08-05	Automated facial recognition system using deep learning for pain assessment in adults with cerebral palsy 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241259664 PMID:38846372	研究论文	本文旨在开发一种基于深度学习的自动化面部识别系统，以评估脑瘫患者的疼痛。	本文创新地开发了脑瘫患者面部疼痛表情的数据集，并构建了针对该群体的自动化疼痛评估系统。	研究中涉及的样本规模较小，进一步和更广泛的数据集可能提高模型对细微疼痛表情的敏感性。	研究旨在提高脑瘫患者的疼痛评估的可靠性。	研究对象为脑瘫患者，特别关注他们的疼痛表情。	计算机视觉	脑瘫	深度学习	InceptionV3	图像	109张脑瘫患者的面部疼痛表情图像
10776	2024-08-05	Deep learning driven diagnosis of malignant soft tissue tumors based on dual-modal ultrasound images and clinical indexes 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1361694 PMID:38846984	研究论文	本文研究了基于双模态超声图像和临床指标的恶性软组织肿瘤的深度学习驱动诊断	本文提出了一种新型的深度学习人工智能系统，结合灰度和彩色多普勒超声图像及临床特征，进行恶性软组织肿瘤的诊断	该研究主要基于回顾性数据集，结果可能会受到样本选择偏差的影响	研究旨在建立一个深度学习驱动的人工智能系统，用于预测恶性软组织肿瘤	研究对象包括271个恶性肿瘤和462个良性肿瘤的超声图像及临床指标	计算机视觉	肿瘤	深度学习	卷积神经网络 (CNN)	图像	271个恶性肿瘤和462个良性肿瘤用于建立系统，44个恶性肿瘤和101个良性肿瘤用于验证
10777	2024-08-05	Data-driven Design of High Pressure Hydride Superconductors using DFT and Deep Learning 2024, Materials futures IF:12.0Q1 DOI:10.1088/2752-5724/ad4a94 PMID:38841205	研究论文	本文利用密度泛函理论(DFT)和深度学习方法设计高压氢化物超导体	结合DFT和图神经网络(GNN)建立高压氢化物的更完整地图，并加速筛选过程	在高压范围内预测材料的稳定性有其局限性，具体模型的普适性需要进一步验证	探究高压氢化物超导体的发现方法	超过900种氢化物材料的临界温度预测	材料科学	NA	DFT	GNN	材料结构数据	900种氢化物材料
10778	2024-08-05	Deep Network-Based Comprehensive Parotid Gland Tumor Detection 2024-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.04.028 PMID:37271636	研究论文	本文介绍了一种基于深度学习的腮腺肿瘤自动分割方法	提出了一种新的深度学习架构，用于腮腺肿瘤分割，替代传统的人工分割方法	研究可能受限于样本数量及模型训练的多样性	本研究旨在开发一种自动化的腮腺肿瘤分割系统	研究对象为腮腺肿瘤的T1-w、T1C-w和T2-w的磁共振影像	数字病理学	NA	磁共振成像（MRI）	ResNet18和Xception-based DeepLab v3+	影像	共306张磁共振影像（102张T1-w，102张对比增强T1-w，102张T2-w）
10779	2024-08-05	Swin Transformer and the Unet Architecture to Correct Motion Artifacts in Magnetic Resonance Image Reconstruction 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/8972980 PMID:38725808	研究论文	本文提出了一种基于深度学习的方法，用于校正运动伪影，从而加速磁共振成像的数据采集和重建	提出了Motion Artifact Correction by Swin Network (MACS-Net)模型，该模型结合了Swin transformer和Unet架构，并引入了双上采样技术	本文未提及具体的局限性	研究旨在提高磁共振成像过程中运动伪影的校正效果	研究对象为含有运动伪影的原始磁共振成像数据集	计算机视觉	NA	深度学习	Swin transformer, Unet	成像数据	包含运动伪影的多种受试者的原始磁共振成像数据集
10780	2024-08-07	Editorial: Deep learning approaches applied to spectral images for plant phenotyping 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1425310 PMID:38845848	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA