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
321	2024-08-05	Segond Fractures Can Be Identified With Excellent Accuracy Utilizing Deep Learning on Anteroposterior Knee Radiographs 2024-Jun, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2024.100940 PMID:39006790	研究论文	本研究开发了一种深度学习模型用于检测前后向膝关节X光片中的Segond骨折	提出了一种深度学习方法，用于准确识别Segond骨折，并在表现上超越了专业人类观察者	测试集样本量较小，仅324张膝关节X光片，可能影响结果的普适性	研究深度学习在前后向膝关节X光片上识别Segond骨折的应用	319张前后向膝关节X光片，特别关注Segond骨折的识别	计算机视觉	膝关节损伤	深度学习	未提供具体模型类型	图像	324张膝关节X光片
322	2024-08-05	Bridging Convolutional Neural Networks and Transformers for Efficient Crack Detection in Concrete Building Structures 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134257 PMID:39001034	研究论文	本文提出了一种新型模型CCTNet，用于提高混凝土建筑结构裂缝检测的效率和准确性	CCTNet结合了卷积通道注意力与基于窗口的自注意力机制，提升了裂缝识别能力	文章中未提及具体的实验局限性或适用范围	旨在通过新的模型提高混凝土建筑裂缝检测的效率和准确性	研究对象为混凝土建筑结构中的裂缝	计算机视觉	NA	卷积神经网络（CNN）、自注意力机制	CCTNet	图像	在Historical Building Crack2019、SDTNET2018和DS3上的性能评估
323	2024-08-05	CSMC: A Secure and Efficient Visualized Malware Classification Method Inspired by Compressed Sensing 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134253 PMID:39001035	研究论文	提出了一种基于压缩感知的高效恶意软件分类方法CSMC，旨在提高恶意软件样本的处理和共享效率。	该方法通过压缩恶意软件样本，提高了共享和处理的有效性，并能够在压缩过程中提取恶意软件家族特征，这是传统方法无法实现的。	实验结果仅基于针对Windows和Android操作系统的恶意软件，可能对其他平台的适用性需进一步验证。	研究旨在提高恶意软件分类的效率和安全性，特别是在物联网环境中。	研究对象为针对智能传感器的恶意软件及其分类方法。	计算机视觉	NA	压缩感知	深度学习	恶意软件样本	针对Windows和Android操作系统的多个恶意软件样本
324	2024-08-05	ProPept-MT: A Multi-Task Learning Model for Peptide Feature Prediction 2024-Jun-30, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25137237 PMID:39000344	研究论文	提出了一种新颖的多任务学习模型ProPept-MT，用于准确预测肽的关键特征	ProPept-MT结合了多头注意力和BiLSTM用于特征提取，并采用Nash-MTL进行梯度协调，展示了卓越的预测性能	当前对DIA数据的分析依赖于项目特定的光谱库，限制了蛋白组覆盖面并且过程耗时	旨在提升定量蛋白组学中数据独立采集（DIA）数据分析的准确性和高效性	研究对象包括保留时间、离子强度和离子迁移率等肽特征	计算机视觉	NA	深度学习	BiLSTM	数字数据	在基准数据集上进行评估，具体样本数量未提及
325	2024-08-05	Bearing-DETR: A Lightweight Deep Learning Model for Bearing Defect Detection Based on RT-DETR 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134262 PMID:39001040	研究论文	本文介绍了Bearing-DETR，这是一个优化的深度学习模型，用于准确高效地检测轴承缺陷	Bearing-DETR采用了RT-DETR架构，并结合了Dysample动态上采样、元移动块的高效模型优化和变形大核关注机制，显著改善了缺陷检测性能	NA	旨在提高工业安全和效率，通过深度学习优化轴承缺陷检测	针对化工厂的数据集进行的轴承缺陷检测研究	机器学习	NA	实时检测变换器（RT-DETR）	NA	图片	NA
326	2024-08-05	A Novel Electrical Equipment Status Diagnosis Method Based on Super-Resolution Reconstruction and Logical Reasoning 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134259 PMID:39001038	研究论文	本文提出了一种基于超分辨率重建和逻辑推理的电气设备状态诊断方法	采用生成对抗网络（GAN）进行图像超分辨率重建以过滤环境噪声，并结合逻辑图进行电气设备故障诊断	该方法可能在更复杂的环境中仍然面临图像质量和解析能力的挑战	研究电气设备的状态检测和故障诊断方法	电气设备状态和故障	计算机视觉	NA	生成对抗网络（GAN）	深度学习模型	图像	六个数据集上进行的广泛实验
327	2024-08-05	Anomaly Detection and Remaining Useful Life Estimation for the Health and Usage Monitoring Systems 2023 Data Challenge 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134258 PMID:39001036	研究论文	本文介绍了旋转机械健康监测中齿轮故障检测和剩余使用寿命估计的新基准数据集	提出了一种新的信号处理异常检测算法，并证明其在多种测试渠道上超越深度学习算法	仅在特定的测试渠道上进行了比较，未涵盖所有可能的情况	监测旋转机械的健康状态并估计其剩余使用寿命	齿轮振动信号的异常检测和剩余使用寿命估计	数字病理学	NA	信号处理	传统信号处理算法和深度学习算法	振动信号	11个参与组
328	2024-08-05	How AI and Robotics Will Advance Interventional Radiology: Narrative Review and Future Perspectives 2024-Jun-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131393 PMID:39001283	综述	这篇综述文章探讨了人工智能和机器人技术在介入放射学中的研究进展和应用	文章强调了最新的研究方向及其潜在的应用前景和局限性	虽然提到AI和机器人技术在临床应用中的广泛性尚未实现，但文中指出这些技术正在多个方面演变	研究人工智能和机器人在介入放射学中的应用潜力	重点在于最近五年发表的关于AI和机器人在医疗领域应用的研究	数字病理学	肿瘤	深度学习，机器学习，卷积神经网络	CNN	文献	选择了大型研究来确保结果的全面性和可靠性
329	2024-08-05	MSE-VGG: A Novel Deep Learning Approach Based on EEG for Rapid Ischemic Stroke Detection 2024-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s24134234 PMID:39001013	研究论文	本研究开发了一种基于脑电图（EEG）的深度学习模型，用于快速检测缺血性中风	提出了一种新的特征相关加权相位滞后指数（cwPLI），融合EEG信号的时空信息和复杂性非线性信息以提高模型的判别能力	样本量相对较小，仅招募了20名缺血性中风患者，可能影响结果的普遍性	旨在提升缺血性中风的快速检测能力	研究对象包括20名缺血性中风患者及19名无中风病史的成人作为对照组	数字病理	缺血性中风	脑电图（EEG）	MSE-VGG网络	信号	20个缺血性中风患者和19个对照组成人
330	2024-08-05	Multisensory Fusion for Unsupervised Spatiotemporal Speaker Diarization 2024-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s24134229 PMID:39001008	研究论文	本文提出了一种框架，用于评估结合说话者嵌入和到达时间差(TDOA)值的有效性。	创新点在于利用空间信息显著提高说话者分离模型的性能，并比较两种说话者嵌入模型的潜力。	可能存在于数据集的多样性和样本量的限制，具体未在摘要中说明。	研究旨在探索结合空间和时间信息的无监督说话者分离技术。	研究对象为会议场景中的说话者身份标注任务。	计算机视觉	NA	通用互相关(GCC)方法与相位变换(PHAT)加权	ECAPA-TDNN和X-vectors	音频	使用AVLab说话者定位数据集和丰富手机录音的多通道数据集(SpeaD-M3C)
331	2024-08-05	A Sheep Identification Method Based on Three-Dimensional Sheep Face Reconstruction and Feature Point Matching 2024-Jun-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14131923 PMID:38998035	研究论文	本文提出了一种基于三维重建和特征点匹配的羊面识别方法	研究创新点在于使用三维重建技术和特征点匹配，丰富了羊面识别的方法	现有研究方法仅限于图像级别的模式识别，缺乏多样性	旨在建立数字化羊场和精准动物养殖，实现羊的准确识别	研究小尾寒羊的个体信息以及面部识别	计算机视觉	NA	三维重建技术	SFORA	图像	实验羊的全角面部图像，具体数量未提及
332	2024-08-05	An Improved U-Net Infrared Small Target Detection Algorithm Based on Multi-Scale Feature Decomposition and Fusion and Attention Mechanism 2024-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s24134227 PMID:39001006	研究论文	提出了一种名为MST-UNet的改进U-Net方法，用于红外小目标检测	结合多尺度特征分解和融合及注意力机制，优化了小目标的检测性能	NA	研究红外小目标检测技术	改进的U-Net算法及其在小目标检测中的应用	计算机视觉	NA	Haar小波变换	U-Net	图像	NUDT-SIRST数据集的实验数据
333	2024-08-05	Rotation Error Prediction of CNC Spindle Based on Short-Time Fourier Transform of Vibration Sensor Signals and Improved Weighted Residual Network 2024-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s24134244 PMID:39001023	研究论文	本研究开发了一种自适应加权深度残差网络用于预测CNC主轴的旋转误差	提出了一种考虑不同传感器数据重要性的自适应加权深度残差网络	未提及具体的局限性	研究CNC设备主轴旋转误差的预测方法	基于振动传感器数据的主轴旋转误差	机器学习	NA	短时傅里叶变换	残差网络	传感器数据	多传感器数据
334	2024-08-05	Outcome Prediction Using Multi-Modal Information: Integrating Large Language Model-Extracted Clinical Information and Image Analysis 2024-Jun-29, Cancers IF:4.5Q1 DOI:10.3390/cancers16132402 PMID:39001463	研究论文	该研究评估了人工智能大语言模型在提取临床信息和改善影像分析中的应用，旨在预测膀胱癌患者五年生存率	创新点在于结合大语言模型提取的临床信息与影像分析，改进临床结果预测	这项研究的限制在于它依赖回顾性数据，可能存在数据偏倚	研究的目的是提高膀胱癌患者的生存预后预测	研究对象为781名膀胱癌患者中的163名，接受了根治性膀胱切除术和化疗	数字病理学	膀胱癌	人工智能，大语言模型	CRD模型，结合临床、放射组学和深度学习特征	医疗记录和CT影像	781名膀胱癌患者中的163名
335	2024-08-05	Convolutional Neural Network Model for Intestinal Metaplasia Recognition in Gastric Corpus Using Endoscopic Image Patches 2024-Jun-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131376 PMID:39001267	研究论文	本研究提出了一种深度学习系统，用于通过内镜图像片段辅助榦躯腺腺癌前期病变的检测	开发了一种利用虚拟色彩内镜图像进行早期肠化生检测的学习投票方案	数据限制和缺乏预训练模型	本研究旨在提高胃癌前期病变检测的准确性	使用来自罗马Sant'Andrea大学医院的内镜图像数据集进行模型训练和验证	计算机视觉	胃癌	深度学习	卷积神经网络	图像	使用2020年1月至2023年12月之间收集的内镜图像数据集，具体样本数量未提供
336	2024-08-05	Target Detection of Diamond Nanostructures Based on Improved YOLOv8 Modeling 2024-Jun-28, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano14131115 PMID:38998719	研究论文	本文致力于改进YOLOv8模型以进行掺硼金刚石纳米结构的目标检测	引入DWS-YOLOv8模型，通过集成变形卷积和洗牌注意机制来优化YOLOv8n模型，提升了检测精度	在目标检测中仍然存在噪声、目标边界不清晰和目标间互相遮挡等挑战	探讨金刚石纳米结构与其性能之间的关系	掺硼金刚石薄膜的纳米结构	计算机视觉	NA	深度学习	YOLOv8	图像	NA
337	2024-08-05	Research into Prediction Method for Pressure Pulsations in a Centrifugal Pump Based on Variational Mode Decomposition-Particle Swarm Optimization and Hybrid Deep Learning Models 2024-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s24134196 PMID:39000975	研究论文	本文提出了一种基于变分模态分解-粒子群优化和混合深度学习模型的离心泵压力波动预测方法	创新之处在于将变分模态分解与粒子群优化相结合，并与卷积神经网络-长短期记忆模型联合使用，提高了压力波动预测的准确性	主要局限在于模型可能对新类型的非线性和非平稳信号的适应性较差	本研究旨在提高离心泵压力波动预测的准确性	研究对象为离心泵入口的压力脉动信号	机器学习	NA	变分模态分解-粒子群优化，卷积神经网络-长短期记忆模型	CNN-LSTM	信号	NA
338	2024-08-05	The Effect of Stress on a Personal Identification System Based on Electroencephalographic Signals 2024-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s24134167 PMID:39000946	研究论文	本文研究了压力对基于脑电图（EEG）信号的人脸识别系统的影响	探讨了精神和情感压力对脑电图信号稳定性的影响，尤其是在识别系统中的应用	未提及其他情感状态或外部因素对系统性能的影响	研究精神和情感压力对基于EEG信号的人脸识别系统的影响	两个数据集（SAM 40和DEAP）中的不同类型的精神和情感压力	数字病理学	NA	机器学习和深度学习	NA	脑电图信号	使用了两个数据集，具体样本量未说明
339	2024-08-05	Artificial Intelligence Applications for Thoracic Surgeons: "The Phenomenal Cosmic Powers of the Magic Lamp" 2024-Jun-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13133750 PMID:38999317	研究论文	本文探讨了人工智能在胸外科和肺癌管理中的潜力	揭示了人工智能在实现更精确的诊断和改善手术结果方面的创新应用	实施人工智能面临数据稀缺、可解释性问题和伦理担忧	研究人工智能在临床实践中的潜在变革作用	集中于胸外科和肺癌管理	计算机视觉	肺癌	机器学习和深度学习	多模态模型	NA	NA
340	2024-08-05	REMA: A Rich Elastic Mixed Attention Module for Single Image Super-Resolution 2024-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s24134145 PMID:39000923	研究论文	本文提出了一种新颖的富弹性混合注意力模块REMA，旨在提升单幅图像超分辨率的效果	REMA模块结合了丰富的空间注意力模块和丰富的通道注意力模块，增强了对不同复杂输入和任务要求的适应性	未提及具体的局限性	提高单幅图像超分辨率(SISR)的性能和兼容性	针对多种低分辨率-高分辨率图像对及多尺度特征进行研究	计算机视觉	NA	深度学习	注意力模块	图像	未提及具体样本量