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
20181	2024-08-05	Research on the Method of Foreign Object Detection for Railway Tracks Based on Deep Learning 2024-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s24144483 PMID:39065881	研究论文	本论文提出了一种基于深度学习的铁路轨道外部物体检测新方法	引入了一种创新的视觉感知方法，优化了YOLOv5s检测模型以提高小物体检测性能	未提及具体的算法优化局限性或在其他环境下的适用性	研究铁路轨道外部物体入侵检测的方法	针对铁路轨道外部小物体的检测	计算机视觉	NA	深度学习	YOLOv5s	图像	自构建图像数据集，样本数量未具体说明
20182	2024-08-05	A Remote Sensing Image Super-Resolution Reconstruction Model Combining Multiple Attention Mechanisms 2024-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s24144492 PMID:39065889	研究论文	本文提出了一种结合多重注意力机制的遥感图像超分辨率重建模型	本研究引入了一种新的多分支残差混合注意力块，结合多种注意力机制以提高性能	未提及具体的实验数据集限制和模型适用场景	研究超级分辨率重建遥感图像的方法	遥感图像	计算机视觉	NA	超分辨率重建	多分支残差混合注意力块	图像	包括两个训练数据集（NWPU-RESISC45和PatternNet）和一个测试数据集（UCMerced-LandUse）
20183	2024-08-05	Utilizing ChatGPT for Curriculum Learning in Developing a Clinical Grade Pneumothorax Detection Model: A Multisite Validation Study 2024-Jul-10, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13144042 PMID:39064082	研究论文	本研究介绍了一种结合课程学习和ChatGPT的深度学习模型以提高胸部X光片中气胸的检测能力	将课程学习与ChatGPT集成，提高了气胸检测的准确性和模型的训练效果	研究未提及模型在实际临床环境中的长时间表现或实施挑战	提高胸部X光片中气胸的检测准确性	包含6445张匿名的胸部X光片的训练数据集	计算机视觉	肺部疾病	深度学习	NA	图像	6445张胸部X光片
20184	2024-08-05	Investigation of Machine and Deep Learning Techniques to Detect HPV Status 2024-Jul-10, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14070737 PMID:39063991	研究论文	本研究探讨了在人头颈癌中检测人乳头瘤病毒（HPV）状态的替代非侵入性方法	通过比较深度学习和机器学习模型在CT扫描分析中的应用，提出了一种新的HPV检测方法	本研究的样本量仅为50名患者，且放射组学特征在准确性上表现较差	研究非侵入性方法检测头颈癌患者中的HPV状态	包含50名组织学确认的头颈癌患者	计算机视觉	头颈癌	CT扫描，深度学习	深度卷积神经网络（ResNet-18），K最近邻，逻辑回归，决策树，随机森林	图像	50名组织学确认的头颈癌患者
20185	2024-08-05	MutaPT: A Multi-Task Pre-Trained Transformer for Classifying State of Disorders of Consciousness Using EEG Signal 2024-Jul-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14070688 PMID:39061428	研究论文	本文介绍了一种名为MutaPT的多任务预训练变换器，用于使用EEG信号分类意识障碍状态	提出了一种新的多任务预训练变换器模型，并引入了跨分布自监督预训练策略以提高模型的泛化能力	受限于EEG数据集的规模，可能影响模型表现	研究如何使用EEG信号分类意识障碍状态	使用EEG数据集的意识障碍患者	机器学习	NA	EEG信号处理	变换器	EEG信号	多个人开放源EEG数据集
20186	2024-08-05	Large Language Models and Genomics for Summarizing the Role of microRNA in Regulating mRNA Expression 2024-Jul-10, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071535 PMID:39062108	研究论文	本文探讨了microRNA与mRNA之间的相互作用及其在基因表达调控中的重要性	本文通过构建miRNA-mRNA相互作用语料库，评估不同机器学习、深度学习和大型语言模型在提取这些相互作用中的表现	目前的研究主要集中在提取相互作用的精度和召回率上，仍有待进一步提高精度和F-score	旨在提高从PubMed中提取miRNA-mRNA相互作用的效率	对miRNA-mRNA相互作用的提取和分析	机器学习	癌症、心血管疾病、神经系统疾病、代谢疾病	基因组学方法	PubMedBERT和Llama-2	文本	NA
20187	2024-08-05	Deep Learning-Based State-of-Health Estimation of Proton-Exchange Membrane Fuel Cells under Dynamic Operation Conditions 2024-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s24144451 PMID:39065848	研究论文	本研究利用深度学习方法评估质子交换膜燃料电池(PEMFC)在动态操作条件下的健康状态(SOH)	首先设计了动态操作条件，并使用LSTM、GRU、TCN和Transformer模型对SOH进行评估，探索不同采样间隔和训练集比例的影响	存在裂纹的PEMFC的电压波动更频繁且更强烈，导致模型更难以准确捕捉动态行为，从而增加预测误差	研究如何在动态操作条件下准确评估PEMFC的健康状态	分析裂纹和无裂纹燃料电池的耐久性测试及其SOH估计	机器学习	NA	深度学习	LSTM、GRU、TCN、Transformer	电压数据	使用无裂纹和均匀裂纹的燃料电池进行耐久性测试
20188	2024-08-05	Biosimilars in the Era of Artificial Intelligence-International Regulations and the Use in Oncological Treatments 2024-Jul-10, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17070925 PMID:39065775	研究论文	本研究基于生物类似药在生物制药市场成功发展的三个基本方面	提出了不同国家的生物类似药监管差异及其与人工智能建模方法的结合	没有覆盖所有国家的生物类似药监管政策	探讨生物类似药在抗肿瘤治疗中的国际法规及应用	研究八个国家的生物类似药法规及其在癌症治疗中的使用	数字病理学	肿瘤	机器学习工具、强化学习、监督学习、非监督学习和深度学习	NA	NA	八个国家的生物类似药监管和应用数据
20189	2024-08-05	Integrating Convolutional Neural Networks with Attention Mechanisms for Magnetic Resonance Imaging-Based Classification of Brain Tumors 2024-Jul-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070701 PMID:39061782	研究论文	本文介绍了一种结合卷积神经网络和混合注意力机制的脑肿瘤分类方法	创新点在于将卷积神经网络与混合注意力机制结合使用以提高脑肿瘤分类的准确性	关于样本多样性和数据集的限制未在文中具体讨论	研究旨在提高脑肿瘤的诊断效率和准确性	研究对象包括原发性脑肿瘤，如胶质瘤、脑膜瘤、垂体肿瘤及无肿瘤病例	计算机视觉	脑肿瘤	MRI	CNN	图像	使用了标准数据集进行严格测试
20190	2024-08-05	DCNN for Pig Vocalization and Non-Vocalization Classification: Evaluate Model Robustness with New Data 2024-Jul-09, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14142029 PMID:39061490	研究论文	本文介绍了一种深度卷积神经网络(DCNN)架构用于猪叫声与非叫声分类	提出了一种新型特征提取方法Mixed-MMCT，通过整合多种音频特征提高分类准确度	本研究依赖于实际猪农场收集的数据，可能存在数据收集的区域性限制	研究猪叫声的检测和识别，以改善现代猪肉养殖的管理和福利	实际猪农场收集的猪叫声和非叫声数据	机器学习	NA	深度卷积神经网络(DCNN)	NA	音频	12000个WAV文件（2000个猪叫声和2000个非叫声来自三个农场）
20191	2024-08-05	A Novel Hybrid Machine Learning-Based System Using Deep Learning Techniques and Meta-Heuristic Algorithms for Various Medical Datatypes Classification 2024-Jul-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141469 PMID:39061605	研究论文	这篇文章介绍了一种基于深度学习技术和元启发式算法的混合机器学习系统，用于各种医学数据类型的分类	提出了一种创新的方法，通过结合不同的深度学习方法与元启发式算法，实现高准确率的医学数据分类	NA	旨在改善医学图像分类的精度和效率，促进快速诊断	包括脑肿瘤的磁共振成像（MRI）和COVID-19的胸部X光（CXR）数据集	机器学习	COVID-19，脑肿瘤	卷积神经网络（CNN）、自编码器、粒子群优化（PSO）	CNN，KNN，SVM	图像	NA
20192	2024-08-05	Temporal-Quality Ensemble Technique for Handling Image Blur in Packaging Defect Inspection 2024-Jul-09, Sensors (Basel, Switzerland) DOI:10.3390/s24144438 PMID:39065835	研究论文	本文提出了一种新的推理技术TQE，用于处理包装缺陷检测中的图像模糊问题	创新点在于结合了时间和质量权重，以改善低质量图像的准确性和可靠性	研究主要集中在低质量图像的情况，未探讨高质量图像的表现	旨在提高包装缺陷检测中低质量图像的推理效果	研究对象为在包装缺陷检测中涉及的图像，特别是低质量图像	计算机视觉	NA	深度学习，卷积神经网络（CNN）	CNN	图像	NA
20193	2024-08-05	A comprehensive health assessment approach using ensemble deep learning model for remote patient monitoring with IoT 2024-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66427-w PMID:38977848	研究论文	该研究旨在为物联网(IoT)应用开发集成长短期记忆(LSTM)网络和卷积神经网络(CNN)的集成深度学习模型，以实现远程患者监测(RPM)	该研究通过将CNN用于空间分析和特征提取，LSTM用于时间序列建模，提出了一种新颖的方法来提高健康数据的空间和时间关系识别能力	NA	旨在创建一个高精度的远程患者监测模型以改善健康监测的及时性与准确性	研究对象包括心率、血压、脉搏、体温、活动水平、体重管理、呼吸率、药物依从性、睡眠模式和氧气水平等重要健康因子	机器学习	NA	深度学习	LSTM和CNN	生理数据	多个数据集
20194	2024-08-05	Multi-Shared-Task Self-Supervised CNN-LSTM for Monitoring Free-Body Movement UPDRS-III Using Wearable Sensors 2024-Jul-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070689 PMID:39061771	研究论文	本研究开发了一个结合深度学习和可穿戴传感器技术的创新框架，以提高UPDRS评估的准确性	引入了一种新型的多共享任务自监督卷积神经网络-长短期记忆模型用于处理原始陀螺仪信号	研究过程中未提及具体的技术限制	提高帕金森病患者UPDRS评分的监测能力	使用可穿戴传感器的24名帕金森病患者	数字病理学	帕金森病	深度学习	CNN-LSTM	运动数据	24名帕金森病患者的526分钟数据
20195	2024-08-05	Advancing common bean (Phaseolus vulgaris L.) disease detection with YOLO driven deep learning to enhance agricultural AI 2024-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66281-w PMID:38971939	研究论文	本研究展示了一种基于深度学习的AI驱动系统，用于快速、经济地检测常见豆类病害	创新性地结合了YOLO架构与深度学习技术，显著提高了疾病检测的准确性和效率	对于微观注释的检测性能普遍低于整体注释，显示出检测精度的意外差异	开发出一种高效的农作物病害检测系统以增强农业AI	主要集中在常见豆类上的五种主要病害的检测	计算机视觉	豆类病害	深度学习	YOLOv7, YOLOv8, YOLO-NAS	图像	涉及来自非洲和哥伦比亚的疾病热点的大量图像数据集
20196	2024-08-05	Artificial intelligence detects awareness of functional relation with the environment in 3 month old babies 2024-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66312-6 PMID:38971875	研究论文	本文探讨了如何在早期生命中通过操控婴儿与环境中物体的功能连接来观察目的性行为的出现	采用多种机器学习和深度学习架构对婴儿运动数据进行分类，特别是在分析功能上下文对婴儿行为的影响时，展示了深度学习方法的优势	研究主要集中在特定实验设计中，可能无法广泛推广至所有婴儿群体的行为分析	该研究旨在理解婴儿如何通过与环境的互动而发展出目的性行为	研究对象为三个月大的婴儿及其与环境的交互	计算机视觉	NA	运动捕捉	kNN, LDA, FCNet, 1D-Conv, 1D-CapsNet, 2D-Conv, 2D-CapsNet	运动数据	NA
20197	2024-08-05	An appearance quality classification method for Auricularia auricula based on deep learning 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50739-4 PMID:38969651	研究论文	本文提出了一种基于改进的Faster RCNN框架的耳蘑外观质量分类方法	通过建立多尺度特征融合检测模型，提高了模型的准确性和实时性能	未提及具体的局限性	提升耳蘑行业的智能化外观质量分类方法	耳蘑（Auricularia auricula）的外观质量	计算机视觉	NA	改进的Faster RCNN	Faster RCNN	图像	未提及特定样本量
20198	2024-08-05	Anomaly Detection in Optical Coherence Tomography Angiography (OCTA) with a Vector-Quantized Variational Auto-Encoder (VQ-VAE) 2024-Jul-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070682 PMID:39061764	研究论文	本文提出了一种基于深度学习的模型用于在OCTA中识别异常	这是首个针对OCTA中异常检测的研究	仅评估了两个公共数据集，可能存在数据集代表性的问题	检测OCTA中的异常，以帮助识别眼部或系统性疾病	使用OCTA图像进行异常检测	计算机视觉	NA	深度学习，贝叶斯U-Net	VQ-VAE和自回归建模	图像	两个大型公共数据集，DRAC和OCTA-500
20199	2024-08-05	Effects of Acute Mental Stress on Choroidal Thickness 2024-Jul-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070684 PMID:39061766	研究论文	本研究探讨了心理算术引发的心理压力对脉络膜厚度的影响	首次使用基于深度学习的方法对脉络膜厚度进行分割分析	样本量较小，仅包含33名参与者	研究心理压力对眼部健康，特别是脉络膜厚度的影响	33名年龄在19到29岁之间的参与者	数字病理学	近视	扫掠源光学相干断层扫描（SS-OCT）	深度学习	图像	33个参与者
20200	2024-08-05	GPSFun: geometry-aware protein sequence function predictions with language models 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae381 PMID:38738636	研究论文	GPSFun是一个用于蛋白质序列功能注释的多功能网络服务器，利用语言模型和几何深度学习。	结合大语言模型和几何图神经网络，提高蛋白质序列功能预测的准确性和应用性。	未提及具体的限制。	提升蛋白质序列功能注释的性能和适用性。	输入的蛋白质序列及其三维构象的功能预测。	计算机视觉	NA	语言模型和几何深度学习	几何图神经网络	蛋白质序列	NA