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
1161	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
1162	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
1163	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
1164	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
1165	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
1166	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
1167	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
1168	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
1169	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
1170	2024-12-18	Segmentation-Based Measurement of Orbital Structures: Achievements in Eyeball Volume Estimation and Barriers in Optic Nerve Analysis 2024-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232643 PMID:39682551	研究论文	本研究使用深度学习分割技术来自动化和优化眼眶CT扫描中的眼球体积、视神经鞘直径和顶点到眼球距离的测量	采用2D注意力U-Net架构进行分割，并结合切片级信息嵌入以提高上下文理解能力	视神经分割的准确性较低，导致视神经鞘直径和顶点到眼球距离的测量可靠性较差	自动化和优化眼眶疾病诊断和治疗计划中的眼球体积、视神经鞘直径和顶点到眼球距离的测量	眼球体积、视神经鞘直径和顶点到眼球距离的测量	计算机视觉	NA	深度学习分割技术	2D注意力U-Net	CT扫描图像	来自不同年龄组和性别的个体眼眶CT数据集
1171	2024-12-18	Etiology of Late-Onset Alzheimer's Disease, Biomarker Efficacy, and the Role of Machine Learning in Stage Diagnosis 2024-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232640 PMID:39682548	研究论文	本研究探讨了晚发性阿尔茨海默病的病因、生物标志物的有效性以及机器学习在疾病阶段诊断中的作用	本研究整合了多种生物标志物，并评估了机器学习技术在阿尔茨海默病诊断中的应用，特别是深度学习和卷积神经网络的使用	NA	识别研究空白、评估生物标志物的有效性以及确定在阿尔茨海默病诊断中最有效或最常用的机器学习技术	晚发性阿尔茨海默病的病因、生物标志物和机器学习在疾病诊断中的应用	机器学习	阿尔茨海默病	机器学习	卷积神经网络	生物标志物数据	NA
1172	2024-12-18	TMS: Ensemble Deep Learning Model for Accurate Classification of Monkeypox Lesions Based on Transformer Models with SVM 2024-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232638 PMID:39682546	研究论文	本文提出了一种基于Transformer模型和SVM的集成深度学习模型，用于准确分类猴痘病变	本文的创新点在于结合了Transformer模型和SVM，通过集成多个CNN架构进行特征提取，并使用SVM进行分类，提高了猴痘病变的分类准确性	本文的局限性在于数据集主要来自公开可访问的资源，可能存在样本偏差	研究目的是开发一种高效的猴痘病变分类模型，以支持临床决策和疾病监测	研究对象是猴痘皮肤病变数据集，包含770张来自162名患者的图像	计算机视觉	猴痘	CNN, SVM	集成模型	图像	770张图像，来自162名患者
1173	2024-12-18	Deep Learning-Based Object Detection Strategies for Disease Detection and Localization in Chest X-Ray Images 2024-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232636 PMID:39682544	研究论文	本文提出了一种基于深度学习的对象检测方法，用于在胸部X光图像中自动识别和标注异常区域	本文引入了少样本对象检测技术，并比较了卷积神经网络和基于Transformer的模型在医学图像分析中的效果	本文未详细讨论模型在不同医院数据集上的泛化能力	开发一种高效可靠的系统，用于在胸部X光图像中自动检测疾病标签和位置边界框	胸部X光图像中的异常区域	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	来自E-Da医院的疾病标注胸部X光图像和位置边界框
1174	2024-12-18	A Spatial-Temporal Multi-Feature Network (STMF-Net) for Skeleton-Based Construction Worker Action Recognition 2024-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s24237455 PMID:39685994	研究论文	本文提出了一种基于时空多特征网络（STMF-Net）用于识别建筑工人动作的方法	该研究创新性地利用了六种基于3D骨骼的特征来捕捉建筑工人的动作，相较于以往的单流数据方法，能够更全面地提取动作特征	实验结果的准确率为79.36%，仍有提升空间	旨在提高建筑工地的生产力、职业健康和安全管理	建筑工人的动作识别	计算机视觉	NA	深度学习算法	STMF-Net	3D骨骼数据	NA
1175	2024-12-18	Unsupervised Deep Learning for Synthetic CT Generation from CBCT Images for Proton and Carbon Ion Therapy for Paediatric Patients 2024-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s24237460 PMID:39685997	研究论文	本文提出了一种基于CycleGAN的无监督深度学习方法，用于从锥形束CT（CBCT）图像生成合成CT（sCT），以适应儿童患者的质子和碳离子治疗	本文首次采用CycleGAN网络，结合Res-Net和U-Net生成器，从CBCT图像生成高质量的sCT图像，以改善儿童患者的适应性粒子治疗	由于输入图像质量不佳和小视野（FOV）的限制，生成的sCT图像质量存在一定局限性	开发一种能够从CBCT图像生成高质量sCT图像的方法，以改善儿童患者的适应性粒子治疗	15名年轻骨盆患者的44个CBCT图像	计算机视觉	NA	CycleGAN	CycleGAN	图像	15名年轻骨盆患者的44个CBCT图像，其中36个用于训练，8个用于测试
1176	2024-12-18	Artificial Intelligence in the Diagnosis and Quantitative Phenotyping of Hyperkinetic Movement Disorders: A Systematic Review 2024-Nov-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13237009 PMID:39685480	综述	本文系统回顾了人工智能在诊断和定量表征运动障碍中的应用	本文整合了多模态运动测量和成像技术，并在大规模数据上进行分析	需要采用基于人工智能的研究指南，以减少报告异质性并增强临床可解释性	评估人工智能在诊断和定量表征运动障碍中的表现	运动障碍，包括共济失调、舞蹈病、肌张力障碍、肌阵挛、抽动和震颤	机器学习	运动障碍	人工智能	机器学习、深度学习	运动学数据（如加速度计和惯性测量单元）	55项研究，涉及11,946名受试者
1177	2024-12-18	Intelligent Identification and Prediction of Roof Deterioration Areas Based on Measurements While Drilling 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237421 PMID:39685961	研究论文	本研究通过理论分析、实验室实验、ABAQUS动态数值模拟和现场测量，系统研究了钻进过程中推力、扭矩和Y方向振动信号对不同岩石层组合的响应特征，并提出了一种基于长短期记忆（LSTM）循环神经网络的深度学习算法和随机森林算法，用于智能识别和预测顶板劣化区域	本研究创新性地结合了长短期记忆（LSTM）循环神经网络和随机森林算法，用于智能识别和预测顶板劣化区域，并在实验室实验和现场测试中表现出优异的性能	本研究主要集中在实验室实验和现场测试，未来需要进一步验证和优化算法在不同地质条件下的适用性	研究目的是通过钻进测量信号实现对顶板劣化区域的及时有效识别和预测，以提高巷道开挖的安全性和稳定性	研究对象是巷道开挖过程中顶板劣化区域，如分层空间和弱夹层	计算机视觉	NA	长短期记忆（LSTM）循环神经网络，随机森林算法	LSTM	信号	实验室实验和现场测试中涉及的钻进测量信号
1178	2024-12-18	Automated Pipeline for Robust Cat Activity Detection Based on Deep Learning and Wearable Sensor Data 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237436 PMID:39685969	研究论文	本文提出了一种基于深度学习和可穿戴传感器数据的自动化管道，用于稳健的猫活动检测	本研究创新性地结合了加速度、运动和磁传感器数据，并采用一维卷积神经网络（1D-CNN）进行猫活动建模和分类	NA	开发一种自动化系统，用于使用人工智能技术进行稳健的宠物（猫）活动分析	猫的活动检测和分类	机器学习	NA	一维卷积神经网络（1D-CNN）	1D-CNN	传感器数据	使用加速度计、陀螺仪和磁力计三种可穿戴传感器收集数据
1179	2024-12-18	An Efficient Printing Defect Detection Based on YOLOv5-DCN-LSK 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237429 PMID:39685973	研究论文	本文提出了一种基于YOLOv5-DCN-LSK的改进模型，用于高效检测喷墨印刷标签中的印刷缺陷	引入了C3-DCN模块和Large Selective Kernel (LSK)模块，结合Normalized Gaussian Wasserstein Distance (NWD)和Efficient IoU (EIoU)损失函数，并应用模型剪枝技术，提高了检测精度和速度	未提及具体的局限性	提高印刷缺陷检测的精度和效率	喷墨印刷标签中的印刷缺陷	计算机视觉	NA	深度学习	YOLOv5	图像	未提及具体样本数量
1180	2024-12-18	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2024-Nov-19, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	研究论文	本研究比较了在脑部MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像进行转移瘤检测的敏感性和精确性	本研究首次比较了使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像进行转移瘤检测的效果	本研究的样本量较小，且仅在特定条件下进行，结果可能不适用于所有情况	比较在脑部MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像进行转移瘤检测的敏感性和精确性	脑部MRI中的转移瘤	医学影像	脑部疾病	MRI	深度学习	图像	917名参与者，其中40名有转移瘤或无明显脑部病变