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
741	2024-09-17	Use of the SNOWED Dataset for Sentinel-2 Remote Sensing of Water Bodies: The Case of the Po River 2024-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s24175827 PMID:39275738	研究论文	本文展示了SNOWED数据集在Sentinel-2图像中识别水体的有效性，并基于深度神经网络开发了一个遥感系统，用于监测意大利最重要的水道——波河	利用SNOWED数据集训练U-Net神经模型进行卫星图像分割，并成功应用于波河的水体面积测量，展示了该数据集在深度学习卫星遥感中的实用性	研究主要集中在波河，未提及在其他水体的适用性	开发一个基于深度学习的遥感系统，用于监测水体面积并补充传统的实地监测站	波河及其水体面积	计算机视觉	NA	遥感	U-Net	图像	100个虚拟监测站，覆盖10年（2015-2024）的Sentinel-2卫星图像
742	2024-09-17	Phasor-Based Myoelectric Synergy Features: A Fast Hand-Crafted Feature Extraction Scheme for Boosting Performance in Gait Phase Recognition 2024-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s24175828 PMID:39275739	研究论文	本文介绍了一种基于相量（PHASOR）的肌电协同特征提取方法，用于提高步态阶段识别的性能	提出了一种新的相量（PHASOR）特征提取方法，能够有效捕捉肌电信号的空间特征，从而提高步态阶段识别的准确性	未提及	旨在提高基于表面肌电信号（EMG）的步态阶段识别系统的性能	步态阶段识别系统	机器学习	NA	线性判别分析（LDA）和支持向量机（SVM）	SVM	肌电信号（EMG）	40名受试者
743	2024-09-17	A Novel End-to-End Deep Learning Framework for Chip Packaging Defect Detection 2024-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s24175837 PMID:39275746	研究论文	本文提出了一种用于芯片封装中空洞缺陷检测的端到端深度学习框架	提出了基于Mamba模型的编码器和交互式双流解码器，用于多尺度信息提取和特征融合，以提高缺陷分割的准确性	未提及	解决芯片封装中空洞缺陷检测的挑战	芯片封装中的空洞缺陷	计算机视觉	NA	深度学习	Mamba模型	X射线图像	自定义X射线芯片数据集
744	2024-09-17	Deep Learning Model for Predicting Lung Adenocarcinoma Recurrence from Whole Slide Images 2024-Sep-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16173097 PMID:39272955	研究论文	本文提出了一种基于深度学习的模型，用于预测肺腺癌术后5年复发风险	引入了创新的注意力机制，显著提高了计算效率	NA	提高肺腺癌复发预测的准确性和效率	肺腺癌患者的术后复发风险	计算机视觉	肺癌	深度学习	深度学习模型	图像	NA
745	2024-09-17	WormCNN-Assisted Establishment and Analysis of Glycation Stress Models in C. elegans: Insights into Disease and Healthy Aging 2024-Sep-06, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25179675 PMID:39273622	研究论文	本研究通过喂食C. elegans高糖培养基中的OP50，建立了新的糖化应激模型，并利用WormCNN深度学习模型评估了糖化应激对蠕虫健康状态和健康衰老指数的影响	本研究引入了新的糖化应激模型，通过高糖培养基中的OP50喂食C. elegans，相比之前的单一蛋白质-葡萄糖交联方法，更好地模拟了人类饮食中的糖化过程	NA	研究糖化应激对蠕虫衰老过程的影响，并探讨计算机视觉在评估健康状态和建立疾病模型中的作用	C. elegans蠕虫	计算机视觉	NA	NA	CNN	图像	NA
746	2024-09-17	A Combined CNN Architecture for Speech Emotion Recognition 2024-Sep-06, Sensors (Basel, Switzerland) DOI:10.3390/s24175797 PMID:39275707	研究论文	本文提出了一种结合CNN架构的语音情感识别方法	本文提出了一种新的神经网络架构，结合了CNN1D、CNN2D和MLP，以融合光谱特征和频谱图图像，显著提高了情感识别的准确性	本文的研究结果虽然优于以往研究，但仍存在数据量和多样性的限制	研究如何利用深度学习技术提高语音情感识别的准确性	人类语音中的情感识别	机器学习	NA	深度学习	CNN1D, CNN2D, MLP	光谱特征, 频谱图图像	结合多个可用数据库构建的EmoDSc数据集
747	2024-09-17	Evaluation of Fracturing Effect of Tight Reservoirs Based on Deep Learning 2024-Sep-05, Sensors (Basel, Switzerland) DOI:10.3390/s24175775 PMID:39275685	研究论文	本文利用深度学习技术评估致密储层的水力压裂效果	提出了一种基于深度学习的更高效和准确的致密储层水力压裂效果评估方法，使用改进的WGAN-GP生成对抗样本进行数据增强，并通过SE-ResNet、ResNet和DenseNet进行压裂效果评估	NA	开发一种更高效和准确的致密储层水力压裂效果评估方法	致密油气储层的水力压裂效果	机器学习	NA	深度学习	ResNet	声波测井曲线	NA
748	2024-09-17	Human-in-the-Loop-A Deep Learning Strategy in Combination with a Patient-Specific Gaussian Mixture Model Leads to the Fast Characterization of Volumetric Ground-Glass Opacity and Consolidation in the Computed Tomography Scans of COVID-19 Patients 2024-Sep-04, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13175231 PMID:39274444	研究论文	本文介绍了一种结合深度学习和患者特异性高斯混合模型的人机回环策略，用于快速表征COVID-19患者CT扫描中的磨玻璃影和实变体积	提出了人机回环策略和患者特异性高斯混合模型，用于提高COVID-19患者CT扫描中磨玻璃影和实变体积的分割精度	NA	开发一种快速且高质量的分割方法，用于准确量化COVID-19患者CT扫描中的磨玻璃影和实变体积	COVID-19患者的CT扫描图像中的磨玻璃影和实变体积	计算机视觉	COVID-19	深度学习	3D-UNet	CT扫描图像	65例CT扫描，来自64名患者
749	2024-09-17	Local-Peak Scale-Invariant Feature Transform for Fast and Random Image Stitching 2024-Sep-04, Sensors (Basel, Switzerland) DOI:10.3390/s24175759 PMID:39275669	研究论文	本文提出了一种基于多尺度局部峰值和尺度不变特征变换（LP-SIFT）的快速特征点检测算法，用于快速随机图像拼接	开发了LP-SIFT算法，通过结合LP-SIFT和RANSAC，显著提高了图像拼接速度	未提及	提高图像拼接的速度和效率	大尺寸原始图像的快速拼接	计算机视觉	NA	尺度不变特征变换（SIFT）	NA	图像	9张超过2600×1600像素的大图像
750	2024-09-16	DRA-UNet for Coal Mining Ground Surface Crack Delineation with UAV High-Resolution Images 2024-Sep-04, Sensors (Basel, Switzerland) DOI:10.3390/s24175760 PMID:39275672	研究论文	本文提出了一种基于无人机高分辨率图像的DRA-UNet模型，用于快速划定煤矿地面裂缝，以预防灾害	本文创新性地引入了DRA-UNet模型，该模型在UNet基础上进行了改进，包括DAM模块、RN模块和ASPP模块，显著提高了裂缝划定的召回率	NA	快速划定煤矿地面裂缝，预防灾害	煤矿地面裂缝	计算机视觉	NA	深度学习	DRA-UNet	图像	6280张256×256像素的地面裂缝图像
751	2024-09-17	A Semi-Supervised Transformer-Based Deep Learning Framework for Automated Tooth Segmentation and Identification on Panoramic Radiographs 2024-Sep-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171948 PMID:39272733	研究论文	提出了一种基于半监督Transformer的深度学习框架，用于全景X光片上的自动牙齿分割和识别	设计了一种新的半监督Transformer框架（SemiTNet），专门用于提高全景X光片上牙齿分割和识别的性能，特别是在部分缺牙的情况下	未提及	提高全景X光片上牙齿分割和识别的自动化程度，特别是在部分缺牙的情况下	全景X光片上的牙齿分割和识别	计算机视觉	NA	半监督学习	Transformer	图像	16,317张全景X光片（1589张标注图像和14,728张未标注图像）
752	2024-09-17	An Agent-Based Method for Feature Recognition and Path Optimization of Computer Numerical Control Machining Trajectories 2024-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s24175720 PMID:39275631	研究论文	本文提出了一种基于智能代理的数控系统加工轨迹特征识别与路径优化方法	采用智能代理构建模型并分析G代码中的关键几何信息，使用包含线性注意力机制和多神经网络的MCRL深度学习模型进行识别和分类，并结合均值滤波、贝塞尔曲线拟合和改进的新型自适应coati优化算法进行路径优化	NA	解决传统数控加工中路径不连续导致的加工缺陷问题	数控系统加工轨迹的特征识别与路径优化	计算机视觉	NA	深度学习	MCRL	G代码	齿轮模型、五角星凸台模型和枫叶模型的加工过程文件
753	2024-09-17	FateNet: an integration of dynamical systems and deep learning for cell fate prediction 2024-Sep-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae525 PMID:39177093	研究论文	本文介绍了一种名为FateNet的计算方法，结合动力系统理论和深度学习，用于预测细胞命运	FateNet通过整合动力系统理论和深度学习，提高了细胞命运决策点的预测精度，并提供了对生物系统新状态的定性见解	NA	理解细胞决策过程及其对生物系统的影响，如组织健康和功能	细胞命运决策和细胞状态动态	生物信息学	NA	单细胞RNA测序	深度学习	单细胞RNA测序数据	不同单细胞RNA测序数据
754	2024-09-17	From sleep patterns to heart rhythm: Predicting atrial fibrillation from overnight polysomnograms 2024 Sep-Oct, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153759 PMID:39067281	研究论文	本文研究了从夜间多导睡眠图（PSG）中的单导联心电图（ECG）预测房颤（AF）的方法	利用深度学习和手工特征提取方法，结合多导睡眠图数据进行房颤预测	模型精度较低，存在较多假阳性结果	早期预测和有效管理房颤患者，降低中风和心力衰竭的风险	从多导睡眠图中的单导联心电图预测房颤	数字病理学	心血管疾病	心电图分析	浅层神经网络	心电图数据	18,782条单导联心电图记录，来自13,609名受试者
755	2024-09-17	Prediction of hypertension risk based on multiple feature fusion 2024-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104701 PMID:39047932	研究论文	本文提出了一种基于多特征融合的脉搏波分类模型，用于高血压风险的准确预测	本文创新性地提出了基于多特征融合的脉搏波分类模型，结合问诊和脉诊数据，提高了分类准确性和泛化性能	NA	提高高血压风险预测的准确性和泛化性能	高血压风险预测	机器学习	心血管疾病	多特征融合	深度学习模型	脉搏波数据	409例高血压样本
756	2024-09-17	A novel deep learning model based on transformer and cross modality attention for classification of sleep stages 2024-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104689 PMID:39029770	研究论文	本文提出了一种基于transformer和跨模态注意力机制的新型深度学习模型，用于睡眠阶段分类	结合了transformer编码器-解码器和跨模态注意力机制，显著提高了睡眠阶段分类的准确性	未提及	提高睡眠阶段分类的准确性	睡眠阶段分类	机器学习	NA	transformer编码器-解码器和跨模态注意力机制	transformer	时间序列数据	使用Sleep Heart Health Study Dataset (SHHS)数据集
757	2024-09-17	Semi-supervised Double Deep Learning Temporal Risk Prediction (SeDDLeR) with Electronic Health Records 2024-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104685 PMID:39004109	研究论文	本文开发了一种半监督双重深度学习时间风险预测算法（SeDDLeR），用于基于电子健康记录（EHR）数据进行未来临床事件的风险预测	提出了SeDDLeR算法，结合半监督学习和双重深度学习方法，有效利用大量未标记的纵向EHR数据和有限的黄金标准标签进行风险预测	需要进一步验证该算法在不同疾病和数据集上的泛化能力	开发一种能够有效利用电子健康记录数据进行未来临床事件风险预测的算法	电子健康记录数据和临床事件风险	机器学习	糖尿病	半监督学习、深度学习	Gated Recurrent Units (GRUs)	电子健康记录	涉及麻省总布里格姆生物库的数据，用于预测2型糖尿病风险
758	2024-09-17	Development of a deep-learning model tailored for HER2 detection in breast cancer to aid pathologists in interpreting HER2-low cases 2024-Sep, Histopathology IF:3.9Q1 DOI:10.1111/his.15274 PMID:39004603	研究论文	本文开发了一种针对HER2检测的深度学习模型，旨在辅助病理学家解释HER2低表达的乳腺癌病例	本文的创新点在于开发了一种专门用于HER2检测的深度学习模型，并将其规则与ASCO/CAP指南对齐，以提高HER2低表达乳腺癌的检测准确性	模型在某些形态学特征和特定伪影存在时，与病理学家的HER2评分存在差异	评估深度学习模型在HER2检测中的表现，特别是HER2低表达乳腺癌的准确性	HER2低表达的乳腺癌病例	数字病理学	乳腺癌	深度学习	深度学习模型	图像	共使用了760例乳腺癌病例，包括299例训练集和369例及92例验证集
759	2024-09-17	Leveraging advances in data-driven deep learning methods for hybrid epidemic modeling 2024-Sep, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2024.100782 PMID:38971085	研究论文	本文总结了在COVID-19情景建模中心（SMH）中使用深度学习技术进行混合流行病建模的工作	提出了一种灵活的数据驱动框架，结合深度学习技术与传统的机械模型，以评估各种未来流行病情景	NA	通过结合深度学习与机械模型，提高对流行病动态的理解和预测能力，以支持更明智的决策	COVID-19的流行病动态建模	机器学习	NA	深度学习	LSTM	多源数据	超过12轮的COVID-19情景建模数据
760	2024-09-17	Construction and Evaluation of an AI-based CBCT Resolution Optimization Technique for Extracted Teeth 2024-Sep, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2024.05.015 PMID:38848947	研究论文	本研究构建并评估了一种基于人工智能的CBCT分辨率优化技术，用于提取牙齿的图像超分辨率处理	本研究首次使用深度学习模型Basicvsr++对CBCT图像进行超分辨率处理，以优化提取牙齿的根管形态	本研究仅限于对提取牙齿的CBCT图像进行处理，未涉及活体牙齿或其他类型的医学图像	本研究的目的是通过深度学习模型对提取的人类牙齿CBCT图像进行超分辨率处理，并比较CBCT、SRCT和Micro-CT图像的三维重建差异	本研究的对象是提取的人类牙齿，特别是上颌第一磨牙和其他牙齿位置的牙齿	计算机视觉	NA	深度学习	Basicvsr++	图像	171颗提取的牙齿，其中40颗上颌第一磨牙用于训练，40颗上颌第一磨牙和91颗其他牙齿位置的牙齿用于外部测试