深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
601	2024-08-13	Global Research Network Analysis of Edible Coatings and Films for Preserving Perishable Fruit Crops: Current Status and Future Directions 2024-Jul-24, Foods (Basel, Switzerland) DOI:10.3390/foods13152321 PMID:39123513	研究论文	本研究通过文献计量分析，识别了食用涂层和薄膜在水果保鲜领域的核心研究区域、研究空白和新兴趋势	研究揭示了食用涂层和薄膜领域的三个发展阶段，并指出了人工智能在该领域的应用潜力	研究指出缺乏监管框架和安全指南，以及在试点和工业规模应用上的不足	提供未来食用涂层和薄膜在水果保鲜领域研究的全面路线图	食用涂层和薄膜在水果保鲜中的应用	NA	NA	文献计量分析	NA	文献数据	涉及428篇相关研究文章	NA	NA	NA	NA
602	2024-08-13	An Improved Fire and Smoke Detection Method Based on YOLOv8n for Smart Factories 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154786 PMID:39123833	研究论文	本文提出了一种基于YOLOv8n的改进型火灾和烟雾检测方法，用于智能工厂的火灾监控	引入了ConNeXtV2增强通道间特征竞争，使用RepBlock和SimConv替换原始卷积以提高计算能力和内存带宽，并采用MPDIoU替换CIoU以提高边界框的准确性	算法复杂度增加，但仍满足实时监控需求	改进智能工厂中的火灾和烟雾检测技术	火灾和烟雾检测算法	计算机视觉	NA	YOLOv8n	CNN	图像	超过5000张图像及其对应的标签	NA	NA	NA	NA
603	2024-08-13	Graph Attention Informer for Long-Term Traffic Flow Prediction under the Impact of Sports Events 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154796 PMID:39123843	研究论文	提出了一种结合图注意力层和informer层的Graph Attention Informer (GAT-Informer)结构，用于长期交通流量预测，特别是在体育赛事影响下的预测	通过结合图注意力层和informer层，能够更好地捕捉时空相关性中的内在特征和外部因素，如体育赛事的影响	未提及具体限制	提高模型在长期时间序列预测中的准确性和鲁棒性	长期交通流量预测	机器学习	NA	图注意力网络	GAT-Informer	时间序列数据	使用伦敦收集的真实世界数据进行测试	NA	NA	NA	NA
604	2024-08-13	A Single-Camera-Based Three-Dimensional Velocity Field Measurement Method for Granular Media in Mass Finishing with Deep Learning 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154790 PMID:39123840	研究论文	本研究提出了一种基于单摄像头的深度学习方法，用于测量大规模抛光中颗粒介质的三维速度场	本研究首次提出了一种使用单色相机进行三维重建和速度场测量的新方法，并将深度学习与传统光学技术相结合	NA	解决大规模抛光过程中颗粒介质速度场测量的难题	颗粒介质的三维速度场	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
605	2024-08-13	Compressed Deep Learning Models for Wearable Atrial Fibrillation Detection through Attention 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154787 PMID:39123835	研究论文	本研究通过集成定制的通道注意力机制来压缩深度学习神经网络，用于从心电图/光电容积脉搏波（ECG/PPG）数据中检测心房颤动（AF），使其能够在资源受限的可穿戴设备上部署。	本研究的创新点在于通过通道注意力机制压缩深度学习模型，同时保持检测准确性，并增强了模型的可解释性。	NA	研究目的是开发一种能够在低功耗可穿戴设备上部署的高效、准确且可解释的心房颤动检测工具。	研究对象是心房颤动（AF）的检测，特别是从心电图/光电容积脉搏波（ECG/PPG）数据中进行检测。	机器学习	心血管疾病	深度学习	注意力机制	时间序列数据	NA	NA	NA	NA	NA
606	2024-08-13	Robust Detection of Cracked Eggs Using a Multi-Domain Training Method for Practical Egg Production 2024-Jul-23, Foods (Basel, Switzerland) DOI:10.3390/foods13152313 PMID:39123505	研究论文	本文提出了一种多域训练方法，用于提高深度学习模型在实际蛋品生产中对裂纹蛋的检测性能	通过使用最大均值差异与归一化平方特征估计（NSFE-MMD）建立多域训练策略，提取最大域不变特征，增强模型对未知测试蛋数据的检测能力	未提及具体限制	解决深度学习模型在实际工业场景中因蛋品种、来源和环境变化导致的性能下降问题	裂纹蛋的检测	计算机视觉	NA	深度学习	YOLOV5, YOLOV8	图像	涉及多个未知测试域的蛋数据	NA	NA	NA	NA
607	2024-08-13	Age Prediction From 12-lead Electrocardiograms Using Deep Learning: A Comparison of Four Models on a Contemporary, Freely Available Dataset 2024-Jul-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.02.02.24302201 PMID:38352374	研究论文	本文通过深度学习方法，使用四种模型从12导联心电图（ECG）中预测年龄和性别，并在公开数据集上比较它们的性能	本文首次直接比较了四种模型在预测年龄和性别方面的性能	NA	比较不同模型在从12导联心电图中预测年龄和性别方面的性能	12导联心电图数据	机器学习	NA	深度学习	CNN, LSTM, GAN, ...	心电图数据	公开数据集	NA	NA	NA	NA
608	2024-08-13	A critical systematic review on spectral-based soil nutrient prediction using machine learning 2024-Jul-04, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12817-6 PMID:38963427	综述	本研究对155篇从2014年到2024年发表的论文进行系统性回顾，评估机器学习和深度学习在预测土壤养分中的应用	强调了高光谱和多光谱传感器在通过多波段光谱分析精确识别养分中的潜力，以及特征选择技术在通过消除与目标养分弱相关的冗余光谱波段来提高模型性能的重要性	NA	评估人工智能技术在优化土壤养分管理中的应用，以支持全球发展目标和促进环境可持续性	土壤养分预测	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	光谱数据	155篇论文	NA	NA	NA	NA
609	2024-08-13	Attention module incorporated transfer learning empowered deep learning-based models for classification of phenotypically similar tropical cattle breeds (Bos indicus) 2024-Jul-02, Tropical animal health and production IF:1.7Q2 DOI:10.1007/s11250-024-04050-7 PMID:38954103	研究论文	开发了一种基于卷积神经网络（CNN）的模型，用于识别外观相似的热带牛品种（Bos indicus），通过图像分割和多视角输入提高分类准确性	采用图像分割技术去除背景干扰，并通过多视角输入和迁移学习增强的深度学习模型提高分类准确性	NA	提高外观相似的热带牛品种的识别准确性，优化畜群管理和遗传标准	Sahiwal和Red Sindhi牛品种的识别	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	每头牛使用四种不同视角的图像：正面视图、侧面视图、灰度正面视图和灰度侧面视图	NA	NA	NA	NA
610	2024-08-13	Progressive Feature Fusion Attention Dense Network for Speckle Noise Removal in OCT Images 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3205217 PMID:36074879	研究论文	本文提出了一种渐进特征融合注意力密集网络（PFFADN）用于OCT图像中的斑点噪声去除	通过在深度卷积网络中排列密集连接的密集块，并结合注意力机制提取关键特征，抑制无关特征，实现了更好的去噪性能	NA	提高OCT图像去噪的识别率并降低计算复杂度	OCT图像中的斑点噪声	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
611	2024-08-13	A Self-Supervised Learning Based Framework for Eyelid Malignant Melanoma Diagnosis in Whole Slide Images 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3207352 PMID:36136924	研究论文	本文提出了一种基于自监督学习的眼睑恶性黑色素瘤诊断框架，该框架包括用于检测黑色素瘤区域的补丁级自监督模型和用于分类病变类型的幻灯片级模型	首次将自监督学习方法应用于眼睑恶性黑色素瘤的自动诊断，并集成了挤压激励注意力结构和特征投影结构以提高模型性能	仅在部分标记的病理全幻灯片图像数据集上进行了测试，未涉及所有完全注释的图像	设计一种节省劳动力且高数据利用率的诊断方法，以自动检测眼睑恶性黑色素瘤	眼睑恶性黑色素瘤的自动检测和病变类型分类	数字病理学	眼睑恶性黑色素瘤	自监督学习	自监督模型	图像	不同数据集上的实验结果表明，在仅有一部分全幻灯片图像被注释的情况下，该方法优于其他最先进的自监督学习和完全监督方法	NA	NA	NA	NA
612	2024-08-13	Scale Mutualized Perception for Vessel Border Detection in Intravascular Ultrasound Images 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3224934 PMID:36441897	研究论文	本文提出了一种尺度互化感知方法，用于提高血管内超声图像中血管边界检测的准确性	通过考虑相邻尺度间的互补信息，解决了现有方法在多尺度特征聚合中存在的干扰问题	NA	提高血管内超声图像中血管边界检测的准确性，以辅助冠状动脉疾病的诊断	血管内超声图像中的血管边界	计算机视觉	心血管疾病	深度学习	NA	图像	153个血管内超声序列	NA	NA	NA	NA
613	2024-08-13	Morphological Rule-Constrained Object Detection of Key Structures in Infant Fundus Image 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3234100 PMID:37018340	研究论文	本文旨在通过结合领域特定的形态学规则来提升基于深度学习的对象检测方法，特别是在婴儿眼底图像中对视盘和黄斑的检测	本文定义了五种形态学规则，包括数量限制、大小限制、距离限制、角度/斜率限制和位置限制，以提高对象检测的准确性	NA	提高视盘和黄斑检测的准确性，以辅助早产儿视网膜病变（ROP）的区域分割和疾病诊断	婴儿眼底图像中的视盘和黄斑	计算机视觉	早产儿视网膜病变	深度学习	NA	图像	2953张婴儿眼底图像，包含2935个视盘实例和2892个黄斑实例	NA	NA	NA	NA
614	2024-08-13	A Parkinson's Auxiliary Diagnosis Algorithm Based on a Hyperparameter Optimization Method of Deep Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3246961 PMID:37027659	研究论文	本文提出了一种基于深度学习超参数优化方法的帕金森病辅助诊断算法	采用了改进的人工蜂群算法（GDABC）和提出的'范围修剪策略'及'维度调整策略'来优化ResNet50的超参数	未提及具体限制	提高帕金森病的诊断准确性	帕金森病的辅助诊断	机器学习	帕金森病	深度学习	ResNet50	语音信号	使用King's College London的Mobile Device Voice Recordings (MDVR-CKL)数据集进行验证	NA	NA	NA	NA
615	2024-08-13	Medical Tumor Image Classification Based on Few-Shot Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3282226 PMID:37294647	research paper	本文提出了一种改进的小样本学习方法用于医学肿瘤图像分类，并引入特征融合策略以充分利用有限样本的特征信息	本文提出的改进小样本学习方法和特征融合策略在仅使用少量标记样本的情况下，实现了优于现有先进方法的分类准确率	NA	提高医学肿瘤图像分类的准确性	医学肿瘤图像	computer vision	NA	few-shot learning	NA	image	仅使用10个标记样本进行实验	NA	NA	NA	NA
616	2024-08-12	Deep learning approach for unified recognition of driver speed and lateral intentions using naturalistic driving data 2024-Jul-28, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106569 PMID:39121787	研究论文	本研究提出了一种基于深度学习的统一识别方法，用于识别驾驶员的速度和横向意图，使用自然驾驶数据	本研究首次考虑了驾驶环境对速度意图的影响，并利用横向意图中的时间依赖性来防止识别错误的变化，同时整合了速度和横向意图的耦合关系	NA	提高车辆安全性、智能化和燃油经济性	驾驶员的速度和横向意图	机器学习	NA	深度学习	LSTM	自然驾驶数据	大量自然驾驶数据	NA	NA	NA	NA
617	2024-08-12	A Hyper-Transformer model for Controllable Pareto Front Learning with Split Feasibility Constraints 2024-Jul-26, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106571 PMID:39121789	研究论文	本文提出了一种用于可控帕累托前沿学习的超变换器模型，该模型适用于具有分割可行性约束的多目标优化问题	本文创新性地使用了超变换器模型（Hyper-Trans）替代传统的多层感知器（Hyper-MLP）模型，以提高计算效率和准确性	NA	研究目的是改进可控帕累托前沿学习方法，使其在具有分割可行性约束的多目标优化问题中更有效	研究对象是可控帕累托前沿学习方法及其在多目标优化问题中的应用	机器学习	NA	超变换器模型	超变换器（Hyper-Trans）	NA	NA	NA	NA	NA	NA
618	2024-08-12	CAPE: a deep learning framework with Chaos-Attention net for Promoter Evolution 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae398 PMID:39120645	研究论文	本文介绍了一种名为CAPE的深度学习框架，该框架采用混沌注意力网络用于启动子进化，旨在预测启动子强度并指导其定向进化	CAPE模型通过综合提取启动子内的进化信息，并使用改进的DenseNet和Transformer结构处理整体信息，实现了对原核生物启动子强度预测的最新成果	NA	预测启动子强度并指导其定向进化，以降低传统启动子工程中的实验成本	原核生物启动子强度	机器学习	NA	深度学习	DenseNet, Transformer	序列数据	NA	NA	NA	NA	NA
619	2024-08-12	Multi-step ahead forecasting of electrical conductivity in rivers by using a hybrid Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM) model enhanced by Boruta-XGBoost feature selection algorithm 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65837-0 PMID:38951605	研究论文	本研究使用混合卷积神经网络-长短期记忆（CNN-LSTM）模型结合Boruta-XGBoost特征选择算法，预测澳大利亚两条河流（Albert River和Barratta Creek）的电导率（EC），预测时间长达10天	采用创新的深度学习算法CNN-LSTM，并结合Boruta-XGBoost特征选择方法，提高了预测电导率的准确性	随着预测时间范围从3天增加到10天，模型的性能略有下降	开发一种高效的软计算方法，用于准确预测河流中电导率的变化	澳大利亚的Albert River和Barratta Creek的电导率	机器学习	NA	Boruta-XGBoost特征选择算法	CNN-LSTM	时间序列数据	从两条河流的10年数据中，使用7年（2012-2018）作为训练集，3年（2019-2021）作为测试集	NA	NA	NA	NA
620	2024-08-12	Deep learning-based super-resolution of structural brain MRI at 1.5 T: application to quantitative volume measurement 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01165-8 PMID:38758489	研究论文	本研究探讨了基于深度学习的超分辨率技术在低分辨率图像上生成高分辨率磁共振图像的可行性，旨在缩短扫描时间，并通过脑体积测量评估其效果。	本研究采用了3D残差密集网络（RDN）进行模型训练，提高了图像质量，并通过脑体积测量验证了其有效性。	NA	研究基于深度学习的超分辨率技术在低分辨率磁共振图像上的应用，以缩短扫描时间并保持图像质量。	低分辨率磁共振图像和脑体积测量。	计算机视觉	NA	深度学习	3D残差密集网络（RDN）	图像	使用了多种磁共振扫描仪获取的活体脑图像进行模型训练和测试。	NA	NA	NA	NA