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
481	2024-10-01	A Deep Learning Method for Human Sleeping Pose Estimation with Millimeter Wave Radar 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185900 PMID:39338645	研究论文	本文提出了一种基于毫米波雷达的深度学习方法用于人体睡眠姿势估计	引入了ResTCN架构，结合残差块和时间卷积网络，以识别不同的睡眠姿势	实验数据集仅包含16名志愿者的睡眠雷达序列，样本量较小	开发一种非接触式系统，用于监测睡眠障碍患者的睡眠姿势	人体睡眠姿势	计算机视觉	NA	毫米波雷达	ResTCN	雷达时间序列	16名志愿者
482	2024-10-01	RT-CBAM: Refined Transformer Combined with Convolutional Block Attention Module for Underwater Image Restoration 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185893 PMID:39338642	研究论文	本文提出了一种结合卷积块注意力模块的改进Transformer模型，用于水下图像恢复	通过改进特征块（扩张Transformer块）更准确地计算注意力权重，增强了对局部和全局特征的捕捉；嵌入了自监督方法（局部和全局盲补丁网络）以增强细节恢复和纹理修复质量；引入了多尺度卷积块注意力模块（MSCBAM）以增强颜色通道的特征表示	未提及	提高水下图像恢复的质量	水下图像	计算机视觉	NA	Transformer, 卷积神经网络 (CNN)	Transformer, 卷积块注意力模块 (CBAM)	图像	未提及
483	2024-10-01	Gas Detection and Classification Using Multimodal Data Based on Federated Learning 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185904 PMID:39338648	研究论文	本文研究了基于多模态数据和联邦学习的气体检测与分类方法	本文创新性地结合了多传感器数据和热成像数据，并采用联邦学习保护数据隐私	低成本传感器的可靠性和灵敏度较低，不适合长距离气体检测	旨在通过多模态数据和联邦学习实现早期气体泄漏检测和分类	气体泄漏检测和分类	机器学习	NA	联邦学习	卷积神经网络 (CNN) 和双向长短期记忆网络 (Bi-LSTM)	多模态数据（传感器数据和热成像数据）	6400个样本，包括烟雾、香水、混合物和中性环境
484	2024-10-01	Penetration State Recognition during Laser Welding Process Control Based on Two-Stage Temporal Convolutional Networks 2024-Sep-10, Materials (Basel, Switzerland) DOI:10.3390/ma17184441 PMID:39336184	研究论文	本文提出了一种基于两阶段时序卷积网络的激光焊接过程穿透状态识别方法，用于实现激光焊接的在线过程控制	本文提出了一种基于通道剪枝的轻量级分割模型，用于从清晰的熔池关键孔图像中提取熔池和关键孔的关键特征，并建立了基于注意力机制的时序卷积网络进行穿透状态识别	NA	实现激光焊接过程的在线控制和穿透状态的有效预测	激光焊接过程中的穿透状态	计算机视觉	NA	通道剪枝	时序卷积网络	图像	NA
485	2024-10-01	Asymmetric Stereo High Dynamic Range Imaging with Smartphone Cameras 2024-Sep-10, Sensors (Basel, Switzerland) DOI:10.3390/s24185876 PMID:39338621	研究论文	本文提出了一种利用智能手机相机的不对称镜头实现单次拍摄高动态范围融合的方法	利用现代智能手机上的不对称镜头实现立体高动态范围成像，采用基于参考的深度学习方法进行单次拍摄HDR融合	NA	开发一种更稳定且准确的高动态范围成像方法	智能手机相机的不对称镜头	计算机视觉	NA	深度学习	深度学习模型	图像	NA
486	2024-10-01	Early Detection of Mental Health Crises through Artifical-Intelligence-Powered Social Media Analysis: A Prospective Observational Study 2024-Sep-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14090958 PMID:39338211	研究论文	本研究探讨了利用人工智能分析社交媒体数据以早期检测心理健康危机的潜力	开发了一种多模态深度学习模型，结合自然语言处理和时间分析技术，能够跨语言和文化背景准确检测心理健康危机	存在伦理挑战，包括隐私问题、潜在的污名化和文化偏见	探索人工智能在分析社交媒体数据以识别心理健康危机早期迹象方面的潜力	社交媒体数据，包括来自Twitter、Reddit和Facebook的996,452条多语言帖子	机器学习	NA	多模态深度学习	深度学习模型	文本	996,452条社交媒体帖子，涵盖英语、西班牙语、普通话和阿拉伯语
487	2024-10-01	YOLO-PBESW: A Lightweight Deep Learning Model for the Efficient Identification of Indomethacin Crystal Morphologies in Microfluidic Droplets 2024-Sep-06, Micromachines IF:3.0Q2 DOI:10.3390/mi15091136 PMID:39337796	研究论文	提出了一种改进的YOLOv8算法（YOLO-PBESW）用于高效识别微流体液滴中吲哚美辛晶体的不同形态	通过集成高分辨率特征层P2和BiFPN结构增强了小目标检测能力，并采用EMA机制提升网络对全局特征的关注，同时使用SimSPPF替代SPPF以降低计算成本和推理时间，以及用WIoUv3替代CIoU损失函数以提高检测性能	NA	开发一种轻量级深度学习模型，用于高效识别微流体液滴中吲哚美辛晶体的不同形态	吲哚美辛晶体的不同形态	计算机视觉	NA	深度学习	YOLOv8	图像	NA
488	2024-10-01	DTVF: A User-Friendly Tool for Virulence Factor Prediction Based on ProtT5 and Deep Transfer Learning Models 2024-Sep-05, Genes IF:2.8Q2 DOI:10.3390/genes15091170 PMID:39336761	研究论文	本文提出了一种基于ProtT5和深度迁移学习模型的用户友好型工具DTVF，用于预测病原体的毒力因子	本文创新性地将长短期记忆网络（LSTM）与卷积神经网络（CNN）结合，并引入注意力机制，显著提高了毒力因子检测的准确性	NA	解决生物信息学领域中病原体毒力因子识别的重要问题	病原体的毒力因子	机器学习	NA	深度迁移学习	LSTM和CNN	蛋白质序列	NA
489	2024-10-01	Deep Learning-Based Obesity Identification System for Young Adults Using Smartphone Inertial Measurements 2024-Sep-04, International journal of environmental research and public health DOI:10.3390/ijerph21091178 PMID:39338061	研究论文	本文提出了一种基于深度学习的肥胖识别系统，利用智能手机的惯性测量数据来识别年轻人的肥胖情况	本文创新性地将智能手机的惯性测量数据与深度学习模型结合，用于识别肥胖	研究样本较小，且排除了步态异常的个体	开发一种基于智能手机惯性测量数据的深度学习模型，用于识别年轻人的肥胖情况	年轻人的肥胖识别	机器学习	NA	惯性测量	CNN, LSTM, CNN-LSTM	惯性测量数据	训练集包含138名受试者，测试集包含35名受试者
490	2024-10-01	Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques 2024-Sep-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091105 PMID:39334871	研究论文	本文提出了一种名为MissenseNet的模型，通过整合AlphaFold2的蛋白质结构预测和基于ShuffleNet的深度学习技术，提高了错义变异致病性预测的准确性	MissenseNet模型不仅利用了传统的预测特征，还整合了AlphaFold2的蛋白质结构预测数据，并通过ShuffleNet架构中的编码器-解码器框架和Squeeze-and-Excitation模块优化了特征融合和交互	NA	提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略	错义变异的致病性分类	机器学习	NA	深度学习	ShuffleNet	蛋白质结构数据	NA
491	2024-10-01	MuToN Quantifies Binding Affinity Changes upon Protein Mutations by Geometric Deep Learning 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402918 PMID:38995072	研究论文	本文介绍了一种名为MuToN的几何深度学习框架，用于量化蛋白质突变后结合亲和力的变化	MuToN利用几何注意力网络，能够捕捉突变复合物蛋白质结合界面的变化，并评估氨基酸的变构效应	NA	评估蛋白质突变对蛋白质-蛋白质结合亲和力的影响	蛋白质突变后的结合亲和力变化	机器学习	NA	几何深度学习	几何注意力网络	蛋白质结合界面数据	涉及SARS-CoV-2变体与ACE2复合物的结合亲和力变化
492	2024-10-01	Text-to-Microstructure Generation Using Generative Deep Learning 2024-Sep, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202402685 PMID:38770745	研究论文	本文提出了一种基于生成深度学习的文本到微观结构生成网络Txt2Microstruct-Net，能够直接从文本提示生成3D材料微观结构	首次提出了一种文本到微观结构的生成网络，无需额外优化过程，且能够生成多种几何表示	尚未提及	开发一种能够从文本直接生成3D材料微观结构的生成网络	材料微观结构和超材料的设计	机器学习	NA	生成深度学习	生成网络	微观结构-描述对数据集	大量微观结构-描述对数据
493	2024-10-01	Comparison of deep learning models to traditional Cox regression in predicting survival of colon cancer: Based on the SEER database 2024-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16598 PMID:38725241	研究论文	本研究使用深度学习算法预测结肠癌患者的生存率，并与传统的Cox回归模型进行性能比较	深度学习模型在预测结肠癌患者生存率方面表现出比传统Cox回归模型更好的性能	NA	比较深度学习模型与传统Cox回归模型在预测结肠癌患者生存率方面的性能	结肠癌患者的生存率预测	机器学习	结肠癌	深度学习	人工神经网络 (ANN), 深度神经网络 (DNN), 长短期记忆 (LSTM) 神经网络	文本	训练集10596例，测试集4536例
494	2024-10-01	Data-driven discrete fractional chaotic systems, new numerical schemes and deep learning 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0218662 PMID:39345192	研究论文	本文提出了一种基于数据驱动的离散分数阶混沌系统的新数值方案和深度学习方法	本文首次提出了针对Caputo和Riemann-Liouville类型的延迟分数阶差分方程的新数值方案，并利用神经网络方法估计离散分数阶混沌系统的未知参数	NA	研究数据驱动的分数阶混沌系统中的参数估计问题	离散分数阶混沌系统的参数估计	机器学习	NA	神经网络	神经网络	数值数据	NA
495	2024-10-01	Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0230837 PMID:39345191	研究论文	研究使用深度学习方法在混沌动力学中进行数据同化（DA）方案的发现	提出了一种无需集合的深度学习方法，能够准确地进行混沌动力学的数据同化，达到了与最佳调谐的集合卡尔曼滤波器相当的精度	假设动力学已知，且仅在Lorenz 96动力学模型上进行了实验	探索深度学习在混沌动力学数据同化中的应用	数据同化中的分析步骤，特别是从状态轨迹和观测中学习分析步骤	机器学习	NA	深度学习	残差卷积神经网络	时间序列数据	Lorenz 96动力学模型
496	2024-09-30	Identification of Alzheimer's disease and vascular dementia based on a Deep Forest and near-infrared spectroscopy analysis method 2024-Sep-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125209 PMID:39340951	研究论文	本研究利用近红外光谱技术和深度森林模型，开发了一种阿尔茨海默病和血管性痴呆的鉴别诊断模型	首次将近红外光谱技术与深度学习结合，用于阿尔茨海默病和血管性痴呆的鉴别诊断	样本量相对较小，可能影响模型的泛化能力	开发一种准确且快速的阿尔茨海默病和血管性痴呆鉴别诊断方法	阿尔茨海默病患者、血管性痴呆患者和健康个体	机器学习	阿尔茨海默病	近红外光谱技术	深度森林	光谱数据	33名阿尔茨海默病患者、37名血管性痴呆患者和130名健康个体
497	2024-09-30	Optimizing Deep Learning Models with Improved BWO for TEC Prediction 2024-Sep-22, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090575 PMID:39329597	研究论文	本文提出了一种改进的BWO算法FAMBWO，用于优化深度学习模型的超参数，并应用于TEC预测	提出了FAMBWO算法，结合了萤火虫优化和多策略优化，显著提高了收敛速度和优化效果	未提及具体限制	优化深度学习模型的超参数，提高TEC预测的准确性	TEC预测和深度学习模型的超参数优化	机器学习	NA	深度学习	BiLSTM	数值数据	30个基准函数
498	2024-09-30	AI-Powered Telemedicine for Automatic Scoring of Neuromuscular Examinations 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090942 PMID:39329684	研究论文	本文提出了一种基于人工智能的远程医疗工具，用于自动评分神经肌肉检查	利用计算机视觉、深度学习和自然语言处理技术，自动化神经肌肉检查评分，减少人为主观性	未提及具体限制	提高神经肌肉检查评分的效率和质量	重症肌无力患者的神经肌肉检查	计算机视觉	重症肌无力	计算机视觉、深度学习、自然语言处理	NA	视频	未提及具体样本数量
499	2024-09-30	Improvement in Image Quality of Low-Dose CT of Canines with Generative Adversarial Network of Anti-Aliasing Generator and Multi-Scale Discriminator 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090944 PMID:39329686	研究论文	本文提出了一种基于生成对抗网络（GAN）的低剂量CT图像质量改进框架，专门用于动物CT成像	引入了抗锯齿生成器和多尺度判别器，结合BlurPool、PixelShuffle、分层特征合成网络和空间通道挤压激励块等技术，显著提高了低剂量CT图像的噪声减少、对比度增强和解剖结构保留	NA	旨在通过深度学习技术改进低剂量CT图像质量，以减少辐射暴露并提高诊断准确性	动物CT图像	计算机视觉	NA	生成对抗网络（GAN）	CycleGAN	图像	NA
500	2024-09-30	Deep Learning-Based Fine-Tuning Approach of Coarse Registration for Ear-Nose-Throat (ENT) Surgical Navigation Systems 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090941 PMID:39329683	研究论文	本研究提出了一种基于深度学习的细化步骤，用于增强耳鼻喉（ENT）手术导航系统中表面注册的准确性	本研究引入了一种新的深度学习方法，通过在传统粗注册和ICP细注册之间集成机器学习模型，显著提高了目标注册误差（TRE）	NA	提高耳鼻喉手术导航系统中图像与患者解剖结构注册的准确性	耳鼻喉手术导航系统中的表面注册	计算机视觉	NA	深度学习	深度学习模型	图像	硅胶面具头模和CT影像