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
21	2024-12-19	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2024-Nov-09, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	研究论文	本文研究了基于深度学习的定量CT扫描分析在类风湿性关节炎相关间质性肺病（RA-ILD）中的应用，评估其对疾病严重程度、死亡率预测和疾病进展的效用	本文首次使用数据驱动的纹理分析（DTA）方法对RA-ILD患者的CT扫描进行定量分析，并探讨了其与肺功能和生存率的关系	本文仅在两个队列中进行了研究，样本量相对较小，可能需要进一步的大规模验证	探讨定量CT成像在RA-ILD中的临床和研究应用价值	类风湿性关节炎相关间质性肺病患者	数字病理学	间质性肺病	数据驱动的纹理分析（DTA）	深度学习	CT扫描图像	289名患者的主要队列和50名患者的验证队列
22	2024-12-19	A Hybrid GNN Approach for Improved Molecular Property Prediction 2024-11, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0452 PMID:39082155	研究论文	本文提出了一种混合图神经网络（GNN）方法，用于改进分子特性预测	本文的创新点在于提出了一种多层混合GNN架构，结合了多种图神经网络框架的优势，以提高分子特性预测的准确性	本文的局限性在于未详细讨论混合方法在计算资源和时间复杂度方面的影响	本文的研究目的是提高分子特性预测的准确性，从而加速药物发现过程	本文的研究对象是分子图及其特性	机器学习	NA	图神经网络（GNN）	混合GNN	图结构数据	多个基准数据集
23	2024-12-19	Clinical Application of Artificial Intelligence in Prediction of Intraoperative Cerebrospinal Fluid Leakage in Pituitary Surgery: A Systematic Review and Meta-Analysis 2024-Nov, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.015 PMID:39265946	meta-analysis	本文系统综述和荟萃分析评估了人工智能模型在预测垂体手术中术中脑脊液（ioCSF）泄漏的有效性	本文首次系统综述和荟萃分析了人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	本文依赖于已发表的研究数据，可能存在选择偏倚和发表偏倚	评估人工智能模型在预测垂体手术中术中脑脊液泄漏的有效性	人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	machine learning	NA	NA	AI models	NA	NA
24	2024-12-19	Adversarial training and attribution methods enable evaluation of robustness and interpretability of deep learning models for image classification 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054310 PMID:39690595	研究论文	本文结合对抗训练和输入归因方法，评估了深度学习模型在图像分类任务中的鲁棒性和可解释性	本文首次将对抗训练与输入归因方法结合，研究了对抗方法对输入归因的影响，并通过基准测试评估了不同输入归因方法的可靠性	本文主要集中在图像分类任务上，未探讨其他任务中的应用	研究对抗训练对深度学习模型输入归因的影响，并评估不同输入归因方法的可靠性	深度学习模型在图像分类任务中的鲁棒性和可解释性	计算机视觉	NA	对抗训练	深度学习模型	图像	NA
25	2024-12-19	Fault-tolerant neural networks from biological error correction codes 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054303 PMID:39690671	研究论文	本文探讨了在深度学习中是否可以通过不可靠的神经元实现容错计算，并基于生物错误纠正码开发了一种通用的容错神经网络	本文首次基于生物错误纠正码开发了一种通用的容错神经网络，并发现了从故障到容错神经计算的相变机制	本文仅在理论层面探讨了容错神经网络的可能性，尚未进行实际应用验证	探讨在深度学习中是否可以通过不可靠的神经元实现容错计算，并为人工智能和神经形态计算提供新的理解路径	生物错误纠正码在信息处理中的作用以及其在构建容错神经网络中的应用	机器学习	NA	NA	神经网络	NA	NA
26	2024-12-18	A Hybrid Deep Learning Model with Data Augmentation to Improve Tumor Classification Using MRI Images 2024-Nov-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232710 PMID:39682619	研究论文	本文提出了一种结合CNN和EfficientNetV2B3进行特征提取，并使用KNN进行分类的混合深度学习模型，用于提高脑肿瘤的分类准确性	本文的创新点在于将CNN和EfficientNetV2B3的扁平化输出连接后输入KNN分类器，以提高分类性能	NA	提高脑肿瘤分类的准确性	脑肿瘤的MRI图像	计算机视觉	脑癌	深度学习	混合模型（CNN、EfficientNetV2B3、KNN）	图像	两个数据集，第一个数据集包含3064张MRI图像，第二个数据集包含健康大脑和脑肿瘤的图像
27	2024-12-18	Hybrid CNN-GRU Model for Real-Time Blood Glucose Forecasting: Enhancing IoT-Based Diabetes Management with AI 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237670 PMID:39686207	研究论文	本文提出了一种基于门控循环单元（GRU）和卷积神经网络（CNN）的混合深度学习模型，用于实时血糖预测，以改进物联网（IoT）支持的糖尿病管理系统	创新的混合CNN-GRU模型结合了GRU的时间序列信息记录能力和CNN的特征提取能力，显著提高了实时血糖预测的准确性和及时性	本文未详细讨论混合模型的计算复杂性和在不同设备上的部署可行性	提高物联网支持的糖尿病管理系统中实时血糖预测的准确性和及时性	血糖水平（BGL）的实时预测	机器学习	糖尿病	NA	混合CNN-GRU模型	数据	使用了一个公开的1型糖尿病数据集
28	2024-12-18	Context-Aware Integrated Navigation System Based on Deep Learning for Seamless Localization 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237678 PMID:39686214	研究论文	本文提出了一种基于深度学习的上下文感知集成导航系统（CAINS），以在GPS信号不可用的情况下实现无缝定位	本文的创新点在于设计了上下文感知层和状态估计层，能够从IMU数据中提取车辆上下文特征，并通过建模上下文特征、速度、姿态和位置增量之间的关系来预测GPS位置增量	本文的局限性在于仅通过模拟结果验证了系统的定位精度，尚未在实际环境中进行测试	本文的研究目的是提高在GPS信号不可用环境下的定位性能	本文的研究对象是集成导航系统及其在GPS信号不可用环境下的定位性能	机器学习	NA	深度学习	深度学习层	传感器数据	NA
29	2024-12-18	A Lightweight Deep Learning Network with an Optimized Attention Module for Aluminum Surface Defect Detection 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237691 PMID:39686228	研究论文	本文提出了一种基于优化两阶段Faster R-CNN网络的轻量级深度学习网络，用于铝表面缺陷检测	引入了优化的卷积块注意力模块（CBAM）和轻量级Ghost模型，提高了网络效率和检测精度，并减少了网络复杂度	NA	开发一种高效且准确的铝表面缺陷检测方法，以满足工业实践的需求	铝表面缺陷	计算机视觉	NA	深度学习	Faster R-CNN	图像	3200张图像，按8:1:1的比例分为训练集、验证集和测试集
30	2024-12-18	An Empirical Model-Based Algorithm for Removing Motion-Caused Artifacts in Motor Imagery EEG Data for Classification Using an Optimized CNN Model 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237690 PMID:39686227	研究论文	本文提出了一种基于经验误差模型的算法，用于去除运动想象EEG数据中的运动伪影，并使用优化的CNN模型进行分类	本文的创新点在于提出了一种基于经验误差模型的运动伪影去除方法，并结合优化的CNN模型进行运动想象EEG数据的分类	本文的局限性在于仅在特定的轮椅和地形条件下进行了实验，可能需要进一步验证其在更广泛场景中的适用性	研究目的是提高运动想象脑机接口系统的解码效率，特别是为严重行动障碍者（如轮椅使用者）提供帮助	研究对象是运动想象EEG数据中的运动伪影去除和分类	脑机接口	NA	EEG	CNN	EEG数据	三种不同轮椅和五种不同地形（包括道路、砖地、混凝土、地毯和大理石）下的实验数据
31	2024-12-18	Schizophrenia Detection and Classification: A Systematic Review of the Last Decade 2024-Nov-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232698 PMID:39682605	综述	本文对过去十年中使用人工智能（AI）进行精神分裂症（SZ）检测和分类的研究进行了系统性回顾	本文总结了AI技术在SZ诊断中的最新进展，特别是机器学习（ML）和深度学习（DL）模型在特征提取、分类和多模态数据整合方面的有效性	本文指出了当前研究中的常见挑战，包括数据集的局限性、预处理方法的差异性以及对更可解释模型的需求	评估AI在SZ诊断中的应用，并强调当前方法的优缺点	精神分裂症的检测和分类	机器学习	精神疾病	机器学习（ML）和深度学习（DL）	NA	多模态数据（EEG、sMRI、fMRI）	NA
32	2024-12-18	Machine Learning-Based Process Optimization in Biopolymer Manufacturing: A Review 2024-Nov-29, Polymers IF:4.7Q1 DOI:10.3390/polym16233368 PMID:39684112	综述	本文综述了机器学习技术在生物聚合物制造过程中的应用，旨在优化生产流程	本文系统总结了机器学习技术在生物聚合物生产中的应用，展示了其在提高效率、降低成本和改善产品质量方面的潜力	NA	总结机器学习技术在生物聚合物生产中的应用，为未来研究提供参考	生物聚合物制造过程中的机器学习应用	机器学习	NA	机器学习	监督学习、无监督学习和深度学习算法	生产过程中生成的复杂数据	NA
33	2024-12-18	Automated Food Weight and Content Estimation Using Computer Vision and AI Algorithms 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237660 PMID:39686196	研究论文	本文利用计算机视觉和人工智能技术，在自助餐厅环境中自动估计食物的重量和内容	本文创新性地结合了RGB和深度相机进行食物体积测量，并通过密度模型估计食物重量	本文仅在自助餐厅环境中验证了方法，未在其他场景中进行测试	利用计算机视觉和人工智能技术量化食物分配服务中的关键成分	自助餐厅中的菜品计数、内容识别和份量大小估计	计算机视觉	NA	YOLO架构	YOLO	图像	使用RGB相机捕捉的托盘交付过程图像进行测试
34	2024-12-18	Pixel-Based Long-Wave Infrared Spectral Image Reconstruction Using a Hierarchical Spectral Transformer 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237658 PMID:39686195	研究论文	本文提出了一种基于像素的分层光谱Transformer（HST），用于长波红外光谱图像重建	创新点在于提出了HST架构，能够有效捕捉局部和全局光谱相关性，并在有限数据下提高光谱分辨率和减少噪声	本文的局限性在于依赖于公开的单像素长波红外光谱数据库，数据稀缺性仍然是一个挑战	研究目的是提高长波红外光谱图像的分辨率和质量	研究对象是长波红外光谱图像	计算机视觉	NA	深度学习	Transformer	图像	使用了公开的单像素长波红外光谱数据库
35	2024-12-18	Dense-TNT: Efficient Vehicle Type Classification Neural Network Using Satellite Imagery 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237662 PMID:39686199	研究论文	本文提出了一种新的Dense-TNT神经网络框架，用于在复杂环境下进行车辆类型分类	提出了结合Densely Connected Convolutional Network (DenseNet) 和 Transformer-in-Transformer (TNT) 层的Dense-TNT框架，以提高在复杂环境下的车辆类型分类能力	未提及具体的局限性	提高在复杂环境下的车辆类型分类能力	车辆类型分类	计算机视觉	NA	深度神经网络	Dense-TNT	图像	三个区域在四种不同天气条件下的车辆数据
36	2024-12-18	DeepRSMA: a cross-fusion-based deep learning method for RNA-small molecule binding affinity prediction 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae678 PMID:39540702	研究论文	提出了一种基于交叉融合的深度学习方法DeepRSMA，用于预测RNA与小分子的结合亲和力	开发了核苷酸级和原子级的特征提取模块，并引入了基于Transformer的交叉融合模块，以捕捉RNA和小分子之间的交互模式	NA	加速RNA靶向药物的发现	RNA与小分子的结合亲和力	机器学习	NA	深度学习	Transformer	序列和图	NA
37	2024-12-18	Severity Classification of Parkinson's Disease via Synthesis of Energy Skeleton Images from Videos Produced in Uncontrolled Environments 2024-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232685 PMID:39682593	研究论文	本文提出了一种基于深度学习技术的框架，用于在非受控环境中通过视频数据合成能量骨架图像，以诊断和分类帕金森病的严重程度	创新点在于利用深度学习技术从非受控环境中的步态序列合成能量骨架图像，并通过三种先进模型（CNN、ResNet和ViT）进行分析，实现帕金森病的早期诊断和严重程度分类	NA	开发一种成本效益高且易于访问的工具，用于在各种医疗环境中进行帕金森病的早期检测和监测	帕金森病的诊断和严重程度分类	机器学习	神经退行性疾病	深度学习	CNN、ResNet、ViT	视频	包含早期帕金森病标记视频的数据集
38	2024-12-18	Enhancing Radiologist Efficiency with AI: A Multi-Reader Multi-Case Study on Aortic Dissection Detection and Prioritization 2024-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232689 PMID:39682597	研究论文	本研究评估了将基于深度学习的应用集成到胸部CT血管造影中，用于主动脉夹层自动检测和优先排序的临床效益	本研究展示了AI辅助方法在减少扫描到评估时间（STAT）和解释时间（IT）方面的显著效果，并优于标准的先到先服务（FIFO）工作流程	本研究是回顾性的，且样本量相对较小，可能存在偏倚	评估AI辅助在主动脉夹层检测和优先排序中的临床效益	主动脉夹层的检测和优先排序	计算机视觉	心血管疾病	深度学习（DL）	NA	图像	285例CT血管造影（每位读者每组95例）
39	2024-12-18	Detection of Critical Parts of River Crab Based on Lightweight YOLOv7-SPSD 2024-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s24237593 PMID:39686133	研究论文	本文提出了一种轻量级的YOLOv7-SPSD模型，用于检测河蟹尾部，以实现机器人去除河蟹背甲的高效处理	本文引入了Slimneck模块、PConv和SimAM注意力机制，优化了YOLOv7-tiny模型，并通过DepGraph剪枝算法进一步减少冗余参数，使其适用于边缘设备	NA	开发一种高效的深度学习模型，用于机器人去除河蟹背甲的精确处理	河蟹尾部	计算机视觉	NA	深度学习	YOLOv7-SPSD	图像	河蟹尾部数据集
40	2024-12-18	Enhanced Radar Signal Classification Using AMP and Visibility Graph for Multi-Signal Environments 2024-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s24237612 PMID:39686152	研究论文	本文提出了一种结合振幅模式（AMP）分析和可见性图的新型两阶段分类框架，用于在复杂环境中提高雷达信号分类的准确性和效率	创新点在于结合了振幅模式分析和可见性图技术，并集成了深度学习模型（如GoogLeNet和ResNet），以提高低信噪比和多信号环境下的分类性能	未提及具体限制	旨在解决复杂环境中雷达信号分类和去交错的挑战	研究对象为在复杂环境中（如电子战）的雷达信号	信号处理	NA	振幅模式分析（AMP）、可见性图技术	GoogLeNet、ResNet	雷达信号	未提及具体样本数量