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
20141	2024-08-05	Explainable AI for Interpretation of Ovarian Tumor Classification Using Enhanced ResNet50 2024-Jul-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141567 PMID:39061704	研究论文	本文实现了一种自定义分类器用于卵巢肿瘤数据集的分类并解释分类结果	提出了一种修改后的ResNet50模型，兼具高分类性能和可解释性	现有文献在分类结果的可解释性和特征重要性识别方面有限	研究目的是提高卵巢肿瘤分类的准确性和可解释性	研究对象为卵巢肿瘤的CT扫描图像数据集	计算机视觉	卵巢肿瘤	深度学习	修改的ResNet50	图像	CT扫描的卵巢肿瘤图像
20142	2024-08-05	SCAE-Stacked Convolutional Autoencoder for Fault Diagnosis of a Hydraulic Piston Pump with Limited Data Samples 2024-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s24144661 PMID:39066058	研究论文	该文章提出了一种基于堆叠卷积自编码器的故障诊断方法，适用于有限数据样本的液压活塞泵。	SCAE模型通过增强梯度信息流和提取更丰富的层次特征，即使在有限和噪声数据下也能实现优越的诊断性能。	该研究主要依赖于有限的数据样本，可能影响模型的广泛适用性。	研究旨在开发一种针对液压活塞泵的故障诊断方法。	研究对象为液压活塞泵的故障诊断。	机器学习	NA	深度学习	堆叠卷积自编码器 (SCAE)	时间-频率视觉模式	有限的数据样本
20143	2024-08-05	Next-Gen Medical Imaging: U-Net Evolution and the Rise of Transformers 2024-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s24144668 PMID:39066065	评论	本文探讨了U-Net架构的演变及基于变压器的模型在医学影像中的崛起	首次全面比较了U-Net及变压器模型在医学影像中的应用和局限	主要集中在理论分析，缺乏实证研究的数据支持	旨在分析医学影像技术的发展和变革	聚焦于U-Net架构及其变种与变压器模型	数字病理	NA	NA	U-Net, 变压器	NA	NA
20144	2024-08-05	Deep Learning-Based Automated Cell Detection-Facilitated Meat Quality Evaluation 2024-Jul-18, Foods (Basel, Switzerland) DOI:10.3390/foods13142270 PMID:39063354	研究论文	本文提出了一种基于深度学习的自动细胞检测方法，用于肉类质量评估	提出了一个名为DCRNet的卷积神经网络，通过使用聚合残差块和可变形卷积网络来提高细胞检测的效率和准确性	NA	提高肉类质量评估中的细胞检测效率和准确性	被染色的动物细胞	计算机视觉	NA	卷积神经网络	DCRNet	图像	NA
20145	2024-08-05	Intelligent Inspection Method and System of Plastic Gear Surface Defects Based on Adaptive Sample Weighting Deep Learning Model 2024-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s24144660 PMID:39066057	研究论文	本文提出了一种智能检测算法网络PGD-net，用于塑料齿轮表面缺陷检测	提出了一种自适应样本加权方法，并将其集成到改进的Focal-IoU损失函数中，解决了因缺陷数据集分布不平衡导致的低检测准确性	当前模型可能仍受限于复杂缺陷类型的检测数据收集和分类	本研究旨在提高塑料齿轮表面缺陷检测的全面性和准确性	研究对象包括注射成型后的塑料齿轮表面缺陷	计算机视觉	NA	深度学习	PGD-net	图像	构建了包含16种缺陷类型的塑料齿轮表面缺陷数据集
20146	2024-08-05	Deep Learning Soft-Decision GNSS Multipath Detection and Mitigation 2024-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s24144663 PMID:39066059	研究论文	提出了一种利用卷积神经网络（CNN）检测全球导航卫星信号中的多路径效应的技术	结合了二维离散傅里叶变换对相关器输出进行预处理，提高了CNN在多路径信号检测中的准确性	尚未说明研究的具体局限性	旨在提高GNSS信号中多路径效应的检测和减轻能力	使用合成噪声数据集检测和处理不同多路径场景中的GNSS信号	计算机视觉	NA	卷积神经网络（CNN）	CNN	时间域数据，频率域数据	使用2D相关器网格的合成噪声输出生成的多个样本
20147	2024-08-05	Multi-Directional Long-Term Recurrent Convolutional Network for Road Situation Recognition 2024-Jul-17, Sensors (Basel, Switzerland) DOI:10.3390/s24144618 PMID:39066015	研究论文	提出了一种多方向长期递归卷积网络模型用于道路情况识别	引入了多方向检测模型，结合了LSTM和CNN以提高道路情况识别的准确性	目前的模型依赖于时间序列视频数据的识别	旨在提高道路情况的识别准确性以增强道路安全性	监测车辆及评估道路和驾驶舒适情况	计算机视觉	NA	深度学习	多方向长期递归卷积网络	视频	增加至91%的准确率的增加后数据集，涉及多个视频文件
20148	2024-08-05	Deep Learning in Cardiothoracic Ratio Calculation and Cardiomegaly Detection 2024-Jul-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13144180 PMID:39064223	研究论文	本研究评估了深度学习算法在心胸比计算和心脏肥大检测中的表现	该研究创新性地将深度学习应用于胸部放射线摄影中的心胸比计算和心脏肥大评估	研究中未提及样本的多样性和临床验证的具体条件	评估深度学习算法在心胸比和心脏肥大检测中的有效性	使用胸部放射线照片的数据库进行心胸比计算	计算机视觉	心血管疾病	深度学习	神经网络	图像	1020张胸部放射线图像
20149	2024-08-05	Predicting Rail Corrugation Based on Convolutional Neural Networks Using Vehicle's Acceleration Measurements 2024-Jul-17, Sensors (Basel, Switzerland) DOI:10.3390/s24144627 PMID:39066028	研究论文	本文提出了一种基于车辆垂直加速度和前向速度测量的卷积神经网络（CNN-1D）预测轨道波纹的深度学习方法	本研究创新性地使用CNN-1D模型通过实时加速度和速度数据预测轨道波纹，并利用Grad-CAM技术展示了模型的区域识别能力	未提及具体的样本和环境限制，可能影响预测结果的适用性	研究目标是利用在线动态数据预测轨道的波纹，以提高铁路维护和修理的可靠性和效率	研究对象为在不同前向速度下的1:10比例铁路系统的卷轨波纹	机器学习	NA	卷积神经网络（CNN-1D）	CNN	加速度和速度测量数据	1:10比例铁路系统的两个不同前向速度的实测数据
20150	2024-08-05	E-BDL: Enhanced Band-Dependent Learning Framework for Augmented Radar Sensing 2024-Jul-17, Sensors (Basel, Switzerland) DOI:10.3390/s24144620 PMID:39066018	研究论文	本文提出了一种增强的带依赖学习框架，用于改善雷达传感器在医疗保健应用中的表现	提出了E-BDL框架，包含自适应子带滤波模块、表示学习模块和子视图对比模块，以全面检测子频带中的带依赖特征并进行分类	NA	改善雷达传感器在健康监测中的表现，特别是在识别步态和生命体征测量方面	使用雷达数据集进行阿尔茨海默病的步态异常识别和相关痴呆风险评估	机器学习	阿尔茨海默病	雷达传感器	E-BDL-ResNet	雷达数据	涉及两个雷达数据集
20151	2024-08-05	Prediction of HER2 Status Based on Deep Learning in H&E-Stained Histopathology Images of Bladder Cancer 2024-Jul-17, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071583 PMID:39062155	研究论文	本研究提出了一种基于深度学习的方法，从H&E染色的膀胱癌病理图像中预测HER2表达状态	首次应用深度学习技术，简化了HER2状态预测过程，无需复杂的IHC染色或高通量测序方法	样本量仅为106例，模型的适用性可能受限于数据集的规模和多样性	旨在实现膀胱癌患者HER2状态的快速准确诊断，为个性化治疗提供支持	膀胱癌患者的H&E染色病理图像	数字病理学	膀胱癌	深度学习	卷积神经网络（CNN）	图像	106个膀胱癌病例
20152	2024-08-05	ODNet: A High Real-Time Network Using Orthogonal Decomposition for Few-Shot Strip Steel Surface Defect Classification 2024-Jul-17, Sensors (Basel, Switzerland) DOI:10.3390/s24144630 PMID:39066027	研究论文	本文介绍了一种高实时网络ODNet，用于少量样本的带钢表面缺陷分类	引入正交分解技术以减少特征冗余，并结合跳跃连接以保存重要关联信息	在抽象中未提及该方法的具体局限性	提高带钢表面缺陷分类的准确性和实时性	少量样本的带钢表面缺陷	计算机视觉	NA	深度学习	ResNet	图像	FSC-20基准上进行的大量实验
20153	2024-08-05	Student Motivation Analysis Based on Raising-Hand Videos 2024-Jul-17, Sensors (Basel, Switzerland) DOI:10.3390/s24144632 PMID:39066034	研究论文	本研究提出了一种基于形态学的分析方法，以更详细地分析学生的举手行为	通过将学生的骨骼关键点数据创新性地转换为多维时间序列，该方法克服了深度学习方法的局限性	对课堂举手热情的比较和详细行为数据库的建立存在困难	旨在提升教师利用学生举手信息的有效性，提升智能课堂教学效果	分析学生的举手动作及其意图	计算机视觉	NA	神经网络	YOLOX 和 HrNet	时间序列	通过实验验证该方法的有效性
20154	2024-08-05	Agile Inverse Design of Polarization-Independent Multi-Functional Reconfiguration Metamaterials Based on Doped VO2 2024-Jul-17, Materials (Basel, Switzerland) DOI:10.3390/ma17143534 PMID:39063826	研究论文	本文提出了一种基于掺杂二氧化钒（VO2）的独立于偏振的多功能重配置超材料	创新点在于能够在电磁诱导吸收、电磁诱导透明和不对称吸收三种工作模式之间切换功能	NA	研究多功能可重配置超材料在智能通信和传感领域的应用潜力	基于掺杂二氧化钒的多功能可重配置超材料	NA	NA	深度学习工具	NA	NA	NA
20155	2024-08-05	A Parallel Compression Pipeline for Improving GPU Virtualization Data Transfers 2024-Jul-17, Sensors (Basel, Switzerland) DOI:10.3390/s24144649 PMID:39066047	研究论文	本文提出了一种用于提高远程GPU虚拟化解决方案的并行压缩管道	创新之处在于通过在远程GPU虚拟化通信层内实现即时压缩来提高网络带宽	本文未提及对不同网络条件下的压缩性能的适应性分析	研究通过压缩技术在远程GPU虚拟化中提高数据传输效率	重点研究远程GPU的虚拟化解决方案中的数据传输性能	机器学习	NA	即时压缩	NA	数据传输	NA
20156	2024-08-05	Four Transformer-Based Deep Learning Classifiers Embedded with an Attention U-Net-Based Lung Segmenter and Layer-Wise Relevance Propagation-Based Heatmaps for COVID-19 X-ray Scans 2024-Jul-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141534 PMID:39061671	研究论文	本研究结合了带注意力机制的U-Net和视觉变换器（ViTs）来增强肺部疾病的分割和分类	创新性地整合了注意力U-Net与ViTs，提升了肺部疾病的分割精度与分类性能，同时探讨了模型的可解释性	未提供关于模型在不同数据集上的泛化能力分析	提高对肺部疾病的诊断精确性，尤其是在使用X光扫描的情境下	针对肺部疾病的X光图像进行分割与分类	计算机视觉	肺部疾病	CNN，ViTs，Grad-CAM++，LRP	CNN，ViT	图像	使用多组X光图像进行比较分析，具体样本数未说明
20157	2024-08-05	Redundancy protects processing speed in healthy individuals with accelerated brain aging 2024-Jul-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.12.603314 PMID:39071395	研究论文	本研究调查了大脑网络中的冗余如何保护加速大脑衰老个体的认知功能	首次探讨了在加速大脑衰老个体中，冗余在大脑网络中的潜在神经保护作用	研究中发现BA差距与认知测量或网络拓扑特征之间的关系不强	研究冗余对加速大脑衰老个体认知功能的影响	针对加速大脑衰老个体与延迟衰老个体的比较研究	数字病理学	NA	深度学习、结构性磁共振成像（MRI）、扩散MRI和纤维追踪	NA	脑成像数据（MRI）	NA
20158	2024-08-05	Using Deep Learning to Distinguish Highly Malignant Uveal Melanoma from Benign Choroidal Nevi 2024-Jul-16, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13144141 PMID:39064181	研究论文	该研究评估了人机交互在深度学习软件中对脉络膜黑色素病变恶性程度的辨别能力	创新点在于使用深度学习集成软件进行脉络膜病变的恶性鉴别	未提及研究局限性	研究的目的是评估深度学习在脉络膜病变鉴别中的应用潜力	研究对象为762例被诊断为脉络膜黑色素病变的患者	计算机视觉	NA	深度学习	多分类和二分类模型	彩色眼底照片	762例
20159	2024-08-05	Evaluation of Denoising Performance of ResNet Deep Learning Model for Ultrasound Images Corresponding to Two Frequency Parameters 2024-Jul-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070723 PMID:39061805	研究论文	本研究评估了基于ResNet深度学习模型的超声图像去噪性能	使用深度学习模型ResNet进行噪声去除，相较于传统过滤技术展现更优性能	研究中只使用了超声图像的特定类型和频率参数	评估深度学习模型在医学影像噪声去除中的有效性	包含500幅超声图像的数据集，测试去噪模型	计算机视觉	NA	深度学习	ResNet	图像	500幅图像
20160	2024-08-05	Atmospheric Turbulence Phase Reconstruction via Deep Learning Wavefront Sensing 2024-Jul-16, Sensors (Basel, Switzerland) DOI:10.3390/s24144604 PMID:39066002	研究论文	本文提出了一种基于深度学习的大气湍流相位重构方法	引入深度学习方法以快速准确地重构大气湍流相位，克服传统方法的缺陷	实验验证只针对单一湍流情况，可能无法普遍适用于所有情况下的湍流重构	研究利用深度学习来补偿自由空间相干光通信中的大气干扰	专注于大气湍流对光强图像的影响及相位重构	光学	NA	深度学习	U-Net	光强图像	使用了变化湍流强度下的大量光强-相位样本进行训练