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
301	2025-01-14	Improving Imitation Skills in Children with Autism Spectrum Disorder Using the NAO Robot and a Human Action Recognition 2024-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010060 PMID:39795588	研究论文	本研究探讨了使用NAO机器人和人类动作识别算法来提高自闭症谱系障碍儿童的模仿技能	结合机器人技术和深度学习算法，用于自闭症儿童的模仿技能训练	研究样本量未明确提及，且未讨论长期效果	探索机器人技术是否能够提高自闭症儿童的模仿技能并支持治疗师	自闭症谱系障碍儿童	机器人技术	自闭症谱系障碍	深度学习	人类动作识别算法	视频数据	未明确提及
302	2025-01-14	Design, Development, and Testing of Machine Learning Models to Estimate Properties of Friction Stir Welded Joints 2024-Dec-29, Materials (Basel, Switzerland) DOI:10.3390/ma18010094 PMID:39795739	研究论文	本文使用六种监督机器学习模型估计摩擦搅拌焊接接头的极限抗拉强度（UTS）和硬度	使用深度学习人工神经网络（ANN）实现了最高准确度，并成功估计了摩擦搅拌焊接接头的UTS和硬度	NA	估计摩擦搅拌焊接接头的极限抗拉强度和硬度	摩擦搅拌焊接接头	机器学习	NA	监督机器学习	线性回归、支持向量回归、决策树回归、随机森林回归、K近邻、人工神经网络（ANN）	数值数据	200个数据集
303	2025-01-14	A Systematic Review of the Applications of Deep Learning for the Interpretation of Positron Emission Tomography Images of Patients with Lymphoma 2024-Dec-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17010069 PMID:39796698	系统综述	本文系统综述了深度学习在淋巴瘤患者正电子发射断层扫描（PET）图像解释中的应用	首次系统性地总结了深度学习在淋巴瘤PET图像分析中的应用，涵盖了病变检测、组织学分类、鉴别诊断、代谢肿瘤体积量化及治疗反应和生存预测等多个医学任务	部分研究存在参与者数量较少和缺乏外部验证的问题	评估深度学习在淋巴瘤PET图像解释中的应用效果	淋巴瘤患者的PET图像	医学影像分析	淋巴瘤	深度学习	深度学习模型	图像	21项研究，共9402名参与者
304	2025-01-14	Improved Intelligent Condition Monitoring with Diagnostic Indicator Selection 2024-Dec-29, Sensors (Basel, Switzerland) DOI:10.3390/s25010137 PMID:39796927	研究论文	本研究开发了一种预测性维护系统，专注于特征选择以检测和分类风力涡轮机叶片中的模拟缺陷	提出了一种基于相关性分析并结合全面视觉评估的结构化特征选择方法，保留了关键的领域特定信息，避免了故障指标的误解	特征减少并未同样提升深度学习模型的性能指标	开发一种更有效的预测性维护系统，用于风力涡轮机叶片的缺陷检测和分类	风力涡轮机叶片的模拟缺陷	机器学习	NA	相关性分析	深度神经网络, 投票分类器	振动数据	NA
305	2025-01-14	Improved Consistency of Lung Nodule Categorization in CT Scans with Heterogeneous Slice Thickness by Deep Learning-Based 3D Super-Resolution 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010050 PMID:39795578	研究论文	本文提出了一种基于深度学习的3D超分辨率方法，用于从异质性厚层CT图像生成薄层CT图像，以提高肺结节体积评估的准确性	提出了一种新的深度学习方法，用于处理异质性厚层CT图像，生成高质量的薄层CT图像，从而提高肺结节体积测量的准确性和一致性	研究主要依赖于放射科医生的感知评估和定量测量，未涉及大规模临床验证	提高肺结节体积评估的准确性，促进更可靠的早期肺结节检测	肺结节	计算机视觉	肺癌	深度学习	3D超分辨率模型	CT图像	未明确提及样本数量
306	2025-01-14	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究旨在探索利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	样本量较小，仅涉及27名健康参与者	预测体力消耗水平	27名健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度（RPM）和心率变异性（HRV）	LSTM、传统机器学习模型	生理信号数据	27名健康参与者
307	2025-01-14	Artificial Intelligence-Based Classification and Segmentation of Bladder Cancer in Cystoscope Images 2024-Dec-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17010057 PMID:39796686	研究论文	本研究利用VGG19和Deeplab v3+深度学习模型对膀胱镜图像进行分类和分割，以提高膀胱癌的诊断准确性	首次将VGG19和Deeplab v3+模型应用于膀胱镜图像的分类和分割，并展示了高准确性和分割效果	研究依赖于标注数据的质量，且样本量相对有限	提高膀胱癌的诊断准确性，特别是对模糊病变的识别	膀胱镜图像	计算机视觉	膀胱癌	深度学习	VGG19, Deeplab v3+	图像	772名患者的膀胱镜图像
308	2025-01-14	Performance Improvement with Reduced Number of Channels in Motor Imagery BCI System 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010120 PMID:39796911	研究论文	本研究探讨了在运动想象脑机接口系统中减少通道数以提高分类性能的方法	结合眼电图（EOG）通道与少量脑电图（EEG）通道，提出了一种比单独使用大量EEG通道更有效的分类方法	尽管在减少通道数的情况下取得了较高的分类准确率，但在多类场景中，准确率仍有提升空间	提高运动想象脑机接口系统的灵活性、便携性和计算效率	运动想象脑电图信号	脑机接口	NA	深度学习	1D卷积块和深度可分离卷积	脑电图（EEG）和眼电图（EOG）信号	两个数据集：BCI Competition IV Dataset IIa（4类运动想象）和Weibo数据集（7类运动想象）
309	2025-01-14	Cross-Shaped Heat Tensor Network for Morphometric Analysis Using Zebrafish Larvae Feature Keypoints 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010132 PMID:39796924	研究论文	本文提出了一种基于深度学习的特征端点检测方法，用于定量确定斑马鱼幼体的重要表型和器官特征	引入了交叉形热张量网络（CSHT-Net），包括一种新的关键点训练方法和一个特征提取器，解决了基于热图方法局限于关键点周围局部区域的问题	NA	解决从外部直接观察斑马鱼幼体时，获取区分性和连续的器官类别决策边界的挑战	斑马鱼幼体	计算机视觉	NA	深度学习	CSHT-Net	图像	4389张斑马鱼幼体的明场显微照片
310	2025-01-14	Physics-Constrained Deep Learning for Security Ink Colorimetry with Attention-Based Spectral Sensing 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010128 PMID:39796919	研究论文	本文提出了一种基于物理约束的深度学习框架，用于高精度安全墨水比色法，集成了物理信息神经网络架构、先进的注意力机制和贝叶斯优化框架	该框架在颜色预测精度上达到了前所未有的水平（CIEDE2000 (ΔE00): 0.70 ± 0.08），特征提取效率提高了58.3%，并通过贝叶斯优化框架确保参数调优的鲁棒性	NA	开发一种高精度的安全墨水比色法，以应对全球安全和商业中的伪造问题	安全墨水	机器学习	NA	深度学习	物理信息神经网络架构	光谱数据	1500个工业样品
311	2025-01-14	Leveraging Thermal Infrared Imaging for Pig Ear Detection Research: The TIRPigEar Dataset and Performances of Deep Learning Models 2024-Dec-27, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15010041 PMID:39794984	研究论文	本文介绍了TIRPigEar数据集，该数据集包含23,189张猪耳朵的热红外图像，用于训练猪耳朵检测模型并分析猪的温度信息	首次建立了包含大量猪耳朵热红外图像的数据集，并验证了其在YOLOv9m模型上的最佳性能	猪耳朵的温度不能直接代表核心体温，且数据集依赖于手动标注	通过热红外成像技术检测猪耳朵信息，为精准畜牧业提供非接触、快速、有效的方法	猪耳朵	计算机视觉	NA	热红外成像	YOLOv9m	图像	23,189张热红外图像，69,567个标注文件
312	2025-01-14	Automatic Reproduction of Natural Head Position in Orthognathic Surgery Using a Geometric Deep Learning Network 2024-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010042 PMID:39795570	研究论文	本文开发了一种几何深度学习网络（NHP-Net），用于从CT扫描中自动再现自然头位（NHP），以提高正颌手术的精确性	开发了一种新的几何深度学习网络（NHP-Net），用于自动从CT扫描中再现自然头位，解决了传统方法的可重复性问题	研究仅基于150名正颌手术患者的数据集，样本量相对较小	提高正颌手术中自然头位（NHP）的准确性和效率，以优化手术计划和改善患者结果	正颌手术患者	计算机视觉	NA	CT扫描	几何深度学习网络（NHP-Net）	三维头骨网格和点云数据	150名正颌手术患者
313	2025-01-14	Porter 6: Protein Secondary Structure Prediction by Leveraging Pre-Trained Language Models (PLMs) 2024-Dec-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010130 PMID:39795988	研究论文	本文提出了一种名为Porter 6的蛋白质二级结构预测系统，利用预训练语言模型（PLMs）提高预测的准确性和计算效率	Porter 6模型结合了CBRNN和蛋白质语言模型ESM-2，显著提升了蛋白质二级结构预测的准确性，并在大规模独立测试集上表现出色	NA	提高蛋白质二级结构预测的准确性和效率，以促进药物开发、疾病治疗和生物技术的进步	蛋白质二级结构	自然语言处理	NA	预训练语言模型（PLMs）	CBRNN, ESM-2	序列数据	大规模独立测试集（2022年和2024年测试集）
314	2025-01-14	Reconstruction of Optical Coherence Tomography Images from Wavelength Space Using Deep Learning 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010093 PMID:39796883	研究论文	本文提出了一种基于深度学习的简化且计算效率高的方法，直接从波长域重建去斑的光学相干断层扫描（OCT）图像	提出了一种直接从波长域重建OCT图像的深度学习方法，减少了传统方法对硬件资源的依赖和计算复杂性	未提及具体的数据集大小或实验样本数量，可能影响方法的普适性验证	旨在提高OCT图像重建的质量和计算效率	光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习	CNN（卷积神经网络）	图像	NA
315	2025-01-14	Comparative Analysis of Edge Detection Operators Using a Threshold Estimation Approach on Medical Noisy Images with Different Complexities 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010087 PMID:39796878	研究论文	本文通过提出的阈值估计方法，对不同复杂度的医学噪声图像进行边缘检测算子的比较分析	提出了一种创新的边缘检测方法，考虑了不同噪声类型和浓度，并在不同复杂度的图像上进行了评估	未提及具体的研究局限性	评估噪声对医学图像边缘检测的影响，并提出一种新的阈值估计方法	视网膜图像、脑肿瘤分割图像和CT扫描的肺部图像	计算机视觉	脑肿瘤、肺部疾病	网格搜索（GS）方法和随机搜索（RS9）	Canny算子、Laplace算子、AlexNet、ResNet、VGGNet、MobileNetv2、Inceptionv3	图像	三个不同的数据集（视网膜图像、脑肿瘤分割图像和CT扫描的肺部图像）
316	2025-01-14	Fault Diagnosis of Lithium Battery Modules via Symmetrized Dot Pattern and Convolutional Neural Networks 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010094 PMID:39796884	研究论文	本文提出了一种结合对称点模式（SDP）方法和卷积神经网络（CNN）的混合算法，用于锂电池模块的故障检测	结合SDP方法和CNN进行锂电池故障检测，实现了99.9%的识别准确率	NA	开发一种高效的锂电池模块故障检测方法	锂电池模块	机器学习	NA	对称点模式（SDP）方法，卷积神经网络（CNN）	CNN	图像	共收集3000个样本，每种故障类型400个用于训练，200个用于测试
317	2025-01-14	Time-Series Forecasting of PM2.5 and PM10 Concentrations Based on the Integration of Surveillance Images 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010095 PMID:39796885	研究论文	本文提出了一种双通道深度学习模型，结合监控图像和多源数值数据进行空气质量预测，特别是PM2.5和PM10浓度的时间序列预测	创新点在于结合了VGG16和LSTM的混合网络，能够从监控图像序列中捕捉详细的时空特征，并结合大气、气象和时间数据，实现更准确的空气质量预测	未来的工作需要扩展数据集并优化网络架构，以进一步提高预测精度和计算效率	研究目标是提高空气质量预测的准确性和鲁棒性，以减轻污染相关危害并保护公共健康	研究对象是PM2.5和PM10浓度的预测	计算机视觉	NA	深度学习	VGG16-LSTM	图像和数值数据	2021年上海数据集以及台湾高雄两个站点的数据集
318	2025-01-14	CINet: A Constraint- and Interaction-Based Network for Remote Sensing Change Detection 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010103 PMID:39796892	研究论文	本文提出了一种基于约束和交互的网络（CINet），用于遥感变化检测（RSCD），通过引入约束机制和跨空间通道注意力模块（CSCA）来提高变化检测的准确性	提出了约束机制和跨空间通道注意力模块（CSCA），有效增强了双时相图像特征图之间的信息交互和变化检测的准确性	未明确提及具体局限性	提高遥感变化检测的准确性和有效性	双时相遥感图像	计算机视觉	NA	深度学习	CINet	图像	六个广泛使用的遥感基准数据集（如LEVIR-CD数据集）
319	2025-01-14	Damage Detection and Identification on Elevator Systems Using Deep Learning Algorithms and Multibody Dynamics Models 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010101 PMID:39796893	研究论文	本文开发了一种结合深度学习算法和多体动力学模型的新方法，用于电梯系统的损伤检测和识别	结合物理测量和高保真多体动力学模型生成的振动数据，与深度学习算法结合，用于电梯系统的损伤检测和分类	数据可能稀缺或不存在，可能影响整体检测过程	开发一种用于电梯系统的损伤检测和识别方法，以提高维护和修复过程的效率	电梯系统	机器学习	NA	多体动力学模拟，深度学习算法	自编码器，卷积神经网络（CNN）	振动数据	NA
320	2025-01-14	Deep Learning Unravels Differences Between Kinematic and Kinetic Gait Cycle Time Series from Two Control Samples of Healthy Children Assessed in Two Different Gait Laboratories 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010110 PMID:39796901	研究论文	本文探讨了深度学习在比较两个不同步态实验室评估的健康儿童步态周期时间序列中的应用	利用基于ResNet的深度学习模型成功识别了每个数据集的来源实验室，并探索了减少实验室间差异的预处理方法	研究仅涉及两个实验室的数据，可能限制了结果的普适性	研究目的是通过深度学习比较不同实验室评估的健康儿童步态周期时间序列，并探索减少实验室间差异的方法	两个不同步态实验室评估的健康儿童步态周期时间序列	机器学习	NA	深度学习	ResNet	时间序列数据	两个实验室的健康儿童步态周期时间序列数据