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
581	2024-08-07	Flexible Self-Powered Low-Decibel Voice Recognition Mask 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103007 PMID:38793860	research paper	本文介绍了一种集成单电极接触分离式摩擦电纳米发电机（CS-TENG）的低分贝语音识别口罩，该口罩能在安静环境中捕捉对话语音信号并通过先进信号处理技术进行准确识别	采用单电极接触分离式摩擦电纳米发电机（CS-TENG），具有高频感应能力和长期稳定性，结合短时傅里叶变换（STFT）、Mel频率倒谱系数（MFCC）和深度学习神经网络进行信号处理	NA	开发一种在安静环境中实现安全、高效且不显眼的通信系统	低分贝语音识别口罩及其在安静环境中的应用	NA	NA	摩擦电纳米发电机（TENG）	深度学习神经网络	语音信号	NA
582	2024-08-07	Optical Flow-Based Obstacle Detection for Mid-Air Collision Avoidance 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103016 PMID:38793871	研究论文	本文开发了一种基于光流的空中障碍物检测算法，用于避免空中碰撞	使用光流算法来区分由相机运动和接近物体引起的运动，无需依赖训练数据	算法性能依赖于模拟器提供的数据，实际应用中的效果可能有所不同	寻找低成本的解决方案以减少空中碰撞	空中障碍物检测算法	计算机视觉	NA	光流	NA	图像	使用自研模拟器获取的不同环境、轨迹和高度的飞行物数据
583	2024-08-07	Lightweight Low-Rank Adaptation Vision Transformer Framework for Cervical Cancer Detection and Cervix Type Classification 2024-May-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050468 PMID:38790335	研究论文	本研究提出了一种结合低秩适应（LoRA）和视觉变换器（ViT）模型的数字病理分类方法，用于提高宫颈癌检测和宫颈类型分类的效率	关键创新点在于使用LoRA，使得模型能够在较小的数据集上进行有效训练，充分利用ViT表示视觉信息的能力	NA	旨在通过深度学习分类器提高宫颈类型分类的效率，特别是在数据有限的情况下	宫颈癌检测和宫颈类型分类	数字病理	宫颈癌	低秩适应（LoRA）	视觉变换器（ViT）	图像	涉及多个病例和不同大小的数据集
584	2024-08-07	Prediction of Drug-Target Affinity Using Attention Neural Network 2024-May-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25105126 PMID:38791165	研究论文	本文提出了一种名为GRA-DTA的新型深度学习算法，用于预测药物-靶点亲和力	引入了双向门控循环单元（BiGRU）与软注意力机制结合的方法来学习靶点表示，并使用Graph Sample and Aggregate（GraphSAGE）学习药物表示，通过注意力神经网络（ANN）合并药物和靶点表示	NA	研究药物-靶点相互作用，为药物发现提供快速有效的计算方法	药物-靶点亲和力的预测	机器学习	NA	深度学习	注意力神经网络（ANN）	数据集	使用了KIBA和Davis两个基准数据集
585	2024-08-07	Novel Imaging Approaches for Glioma Classification in the Era of the World Health Organization 2021 Update: A Scoping Review 2024-May-08, Cancers IF:4.5Q1 DOI:10.3390/cancers16101792 PMID:38791871	综述	本文通过范围综述探讨了2021年世界卫生组织中枢神经系统肿瘤分类更新背景下，利用磁共振成像、放射组学、机器学习和深度学习算法等新型数据分析工具在胶质瘤分类中的应用现状和研究空白	利用多参数磁共振成像取得了最佳的预测结果，并关注了IDH突变和1p/19q共缺失状态的预测	研究中仅8%包括了儿科患者，功能性磁共振成像数据代表性不足，且针对较小亚组的性能较差，缺乏评估普遍性的研究设计	探讨新型数据分析工具在神经影像中预测肿瘤亚组的作用	胶质瘤亚组分类	计算机视觉	脑肿瘤	磁共振成像（MRI）、放射组学、机器学习、深度学习算法	NA	图像	分析了62篇原始文章，其中仅8%包括儿科患者，低级别胶质瘤和弥漫中线胶质瘤占研究论文的三分之一，22%的研究使用了公共数据集
586	2024-08-07	Discriminating Spectral-Spatial Feature Extraction for Hyperspectral Image Classification: A Review 2024-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s24102987 PMID:38793842	综述	本文综述了高光谱图像分类中用于区分光谱-空间特征提取的关键因素	系统总结了从特征提取和特征优化角度区分光谱-空间特征的关键因素	讨论了现有技术的特点和局限性，并指出了未来在高光谱图像分类特征区分方面的挑战	旨在提高高光谱图像分类中光谱-空间特征的区分度	高光谱图像的光谱和空间特征	计算机视觉	NA	深度学习	CNN	图像	NA
587	2024-08-07	A Deep Learning Approach for Accurate Path Loss Prediction in LoRaWAN Livestock Monitoring 2024-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s24102991 PMID:38793846	研究论文	本研究利用深度学习方法，特别是在LoRaWAN环境中，针对畜牧业监测中的路径损耗预测问题进行了探索	提出了一种创新的深度学习方法，使用双向长短期记忆网络（Bi-LSTM）来提高路径损耗模型的精确度，显著减少了估计误差	研究受限于在山区环境中密集部署终端设备的成本，这可能影响了对LoRa链路行为的全面分析	旨在阐明LoRa链路性能在空间维度上的稳定性，并确定在山区环境中网关可实现的可靠通信覆盖范围	研究对象为在意大利西北部阿尔卑斯山区的牧场中使用LoRa通信进行畜牧业监测	物联网	NA	LoRa通信	双向长短期记忆网络（Bi-LSTM）	实验数据	具体样本数量未在摘要中提及
588	2024-08-07	Deep Learning Based Over-the-Air Training of Wireless Communication Systems without Feedback 2024-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s24102993 PMID:38793848	研究论文	本文提出了一种无需反馈通道的无线通信系统空中训练方法，通过在接收端训练混合密度网络来近似信道分布，从而实现发射机和接收机的训练	提出了一种无需反馈通道的无线通信系统空中训练方法，通过随机样本传输和混合密度网络训练来近似信道分布	未提及	解决因信道环境导致的反向传播学习中断问题，并减少系统资源需求和对抗攻击的风险	无线通信系统中的发射机和接收机模型	机器学习	NA	深度学习	混合密度网络	信道环境数据	未提及具体样本数量
589	2024-08-07	MurSS: A Multi-Resolution Selective Segmentation Model for Breast Cancer 2024-May-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050463 PMID:38790330	研究论文	本文提出了一种多分辨率选择性分割模型（MurSS），用于从苏木精和伊红（H&E）染色的全切片图像（WSIs）中准确分割乳腺癌病变	MurSS模型利用低分辨率和高分辨率补丁，通过自适应实例归一化来利用多分辨率特征，并采用选择性分割方法自动拒绝模糊组织区域，确保稳定训练	NA	提高乳腺癌病变的分割准确性，以实现有效的个性化治疗和改善患者预后	乳腺癌病变	数字病理学	乳腺癌	自适应实例归一化	CNN	图像	使用The Cancer Genome Atlas乳腺癌浸润性癌（BRCA）公共数据集进行训练和验证，使用韩国大学医学中心九老医院BRCA数据集进行最终测试评估
590	2024-08-07	Electroencephalogram-Based ConvMixer Architecture for Recognizing Attention Deficit Hyperactivity Disorder in Children 2024-May-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050469 PMID:38790448	研究论文	本研究提出了一种基于脑电图信号的ConvMixer-ECA深度学习架构，用于儿童注意力缺陷多动障碍（ADHD）的准确诊断	结合了ConvMixer与高效通道注意力（ECA）块，提高了ADHD识别的准确性，并优于其他基于注意力的变体及现有的深度学习模型	NA	开发一种新的深度学习模型，以提高ADHD的诊断准确性	儿童ADHD的诊断	机器学习	神经发育障碍	脑电图（EEG）	ConvMixer	脑电图信号	60名健康儿童和61名ADHD儿童
591	2024-08-07	AI-Driven Sensing Technology: Review 2024-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s24102958 PMID:38793814	综述	本文综述了机器学习和深度学习技术如何推动传感技术的进步，并探讨了其在多个领域的应用	文章展示了AI算法如何显著提升传感器功能并扩展其应用范围	文章提到了在利用这些技术进行传感应用时遇到的挑战	探讨AI与传感器技术的融合及其在传感器设计、校准和补偿、物体识别和行为预测方面的影响	机器学习、深度学习技术与传感技术的融合	机器学习	NA	机器学习、深度学习	NA	NA	NA
592	2024-08-07	Single-Pixel Imaging Based on Deep Learning Enhanced Singular Value Decomposition 2024-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s24102963 PMID:38793818	研究论文	本文提出并展示了一种基于深度学习网络增强奇异值分解的单像素成像方法	该方法能够在低采样率下（低至3.12%）或更少的测量次数或更短的采集时间内重建图像，具有更好的抗噪性能和泛化能力	NA	开发一种新的单像素成像方法，以提高图像质量和系统性能	单像素成像技术及其在不同条件下的表现	计算机视觉	NA	奇异值分解	深度学习网络	图像	NA
593	2024-08-07	Improving the Accuracy of Direction of Arrival Estimation with Multiple Signal Inputs Using Deep Learning 2024-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s24102971 PMID:38793827	研究论文	本文提出了一种创新的循环噪声降低方法和改进的CAPON算法（即最小方差无失真响应（MVDR）算法），以提高DOA（到达方向）估计的准确性和可靠性	通过处理从接收信号的协方差矩阵获得的特征值，循环噪声降低方法可以将信噪比（SNR）提高多达5 dB，从而提高DOA估计的准确性。改进的CAPON算法采用卷积神经网络（CNN）结构，其输入是处理后的接收信号的协方差矩阵，CAPON谱值用作训练标签以获得估计的空间谱	NA	提高DOA估计的准确性和可靠性	DOA估计的准确性和可靠性	机器学习	NA	CNN	CNN	协方差矩阵	NA
594	2024-08-07	Where Does Auto-Segmentation for Brain Metastases Radiosurgery Stand Today? 2024-May-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050454 PMID:38790322	综述	本文综述了脑转移瘤自动分割技术在立体定向放射手术中的应用现状	近年来深度学习在医学图像分割领域取得了先进成果	本文探讨了脑转移瘤分割面临的挑战	分析自动分割策略，评估前沿脑转移瘤分割方法的性能	脑转移瘤的检测与分割	计算机视觉	脑转移瘤	深度学习	NA	图像	NA
595	2024-08-07	Artificial Intelligence-Guided Segmentation and Path Planning Software for Transthoracic Lung Biopsy 2024-May, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2024.02.006 PMID:38355040	研究论文	本文验证了一种3D卷积神经网络（CNN）人工智能软件在肺部病变检测中的敏感性和特异性，并评估了该软件生成的针路径与实际活检程序中使用的路径的一致性。	使用3D-CNN进行肺部病变检测，并通过贝叶斯优化提出可能的针轨迹，以避免重要结构。	研究为回顾性，且样本主要来自三家医院，可能存在选择偏倚。	验证人工智能软件在肺部病变检测和路径规划中的应用效果。	肺部病变检测和针路径规划。	计算机视觉	肺部疾病	3D卷积神经网络（CNN）	CNN	CT扫描图像	2,147个结节用于模型训练，235次扫描用于验证，150名患者用于路径规划比较。
596	2024-08-07	Prediction of Visual Outcome After Rhegmatogenous Retinal Detachment Surgery Using Artificial Intelligence Techniques 2024-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.5.17 PMID:38776109	研究论文	本研究旨在开发人工智能模型，预测视网膜脱离手术后的功能结果	采用多模态融合模型，结合多种预手术预测因素，提高了预测准确性	样本量较小，仅为184名患者	开发人工智能模型预测视网膜脱离手术后的视觉结果	视网膜脱离手术后的功能结果	机器学习	NA	深度学习	多模态融合模型	图像	184名视网膜脱离患者
597	2024-08-07	PallorMetrics: Software for Automatically Quantifying Optic Disc Pallor in Fundus Photographs, and Associations With Peripapillary RNFL Thickness 2024-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.5.20 PMID:38780955	研究论文	开发了一种自动量化眼底照片中视盘苍白的软件，并研究了其与视网膜神经纤维层厚度的关联	首次使用深度学习技术自动分割眼底照片中的视盘、黄斑和血管，并测量苍白程度	NA	开发一种自动方法来量化眼底照片中的视盘苍白，并确定其与视网膜神经纤维层厚度的关联	视盘苍白与视网膜神经纤维层厚度的关系	计算机视觉	NA	深度学习	NA	图像	118名参与者
598	2024-08-07	Deep-learning-based sampling position selection on color Doppler sonography images during renal artery ultrasound scanning 2024-05-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60355-5 PMID:38782971	研究论文	本研究评估了深度学习对象检测技术在彩色多普勒超声（CDS）图像中辅助选择肾动脉超声采样位置的有效性	首次评估了深度学习在辅助选择肾动脉超声采样位置的潜力	NA	评估深度学习对象检测技术在彩色多普勒超声图像中辅助选择采样位置的有效性	2004名接受肾动脉超声检查的患者的彩色多普勒超声图像	计算机视觉	NA	深度学习	对象检测模型	图像	2004名患者
599	2024-08-07	Assessment of image quality and impact of deep learning-based software in non-contrast head CT scans 2024-05-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62394-4 PMID:38782976	研究论文	本研究回顾性地评估了不同重建技术和基于深度学习的软件对非对比头部CT图像的客观和主观图像质量的影响	使用基于深度学习的后处理算法显著降低了FBP重建图像的噪声，提高了信噪比	深度学习后处理与IR相比的差异不一致且部分不显著，主观评估未显示显著的临床影响	评估不同重建技术和基于深度学习的软件对非对比头部CT图像质量的影响	非对比头部CT图像的图像质量	计算机视觉	NA	CT扫描	深度学习	图像	152例成人头部CT扫描（77名女性，75名男性；平均年龄69.4±18.3岁）
600	2024-08-07	Partial discharge localization in power transformer tanks using machine learning methods 2024-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62527-9 PMID:38782982	研究论文	本文比较了用于电力变压器油箱内局部放电三维定位的机器学习方法	研究采用了从支持向量机到卷积神经网络等多种机器学习和深度学习方法，并在不同案例中进行了分析和比较	NA	旨在预测单传感器电场测量下的局部放电三维位置	电力变压器油箱内的局部放电定位	机器学习	NA	机器学习方法，包括支持向量机和卷积神经网络	卷积神经网络 (CNN)	电场测量信号	多个具有不同传感器位置、局部放电信号频率内容和变压器油箱尺寸的案例