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
20461	2024-08-07	Human-Unrecognizable Differential Private Noised Image Generation Method 2024-May-16, Sensors (Basel, Switzerland) DOI:10.3390/s24103166 PMID:38794019	研究论文	本文提出了一种新的基于差分隐私的图像生成方法，该方法使用两种不同类型的噪声，一种使图像对人类不可识别，另一种保持机器学习分析所需的关键特征	本文的创新点在于结合了差分隐私技术，通过使用两种不同类型的噪声，既保护了数据隐私，又确保了机器学习服务的准确性	NA	解决现有差分隐私实现中的隐私攻击漏洞问题，同时减少加密方法的计算开销	差分隐私在深度学习中的应用	机器学习	NA	差分隐私	NA	图像	CIFAR100数据集
20462	2024-08-07	Optimized Design of EdgeBoard Intelligent Vehicle Based on PP-YOLOE 2024-May-16, Sensors (Basel, Switzerland) DOI:10.3390/s24103180 PMID:38794034	研究论文	本文提出了一种基于PP-YOLOE+模型的EdgeBoard智能车辆优化设计，通过引入复合骨干网络和高效任务对齐头，提高了检测精度和效率	创新性地引入了复合骨干网络和高效任务对齐头，以及优化了Pos-PID控制算法和硬件设计	NA	提高EdgeBoard智能车辆的检测精度和效率	EdgeBoard智能车辆的环境感知和数据处理能力	计算机视觉	NA	PP-YOLOE+	CNN	图像	4777张图像
20463	2024-08-07	Deep Learning Insights into the Dynamic Effects of Photodynamic Therapy on Cancer Cells 2024-May-16, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics16050673 PMID:38794335	研究论文	本研究利用深度学习中的Cellpose算法分析光动力疗法（PDT）对癌细胞形态的影响，并通过逻辑增长模型预测PDT后的细胞行为	本研究首次结合深度学习技术，特别是Cellpose算法，来分析PDT对癌细胞形态的影响，并通过逻辑增长模型预测细胞行为	NA	研究深度学习在优化光动力疗法参数中的作用，以个性化肿瘤治疗并提高疗效	光动力疗法对癌细胞的影响，特别是对肝细胞癌（HCC）细胞的影响	机器学习	肝癌	深度学习	Cellpose算法	图像	NA
20464	2024-08-07	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-May-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	本文介绍了Polaris，一个用于基于图像的空间转录组学的分析流程，结合深度学习模型进行细胞分割和点检测，并通过概率基因解码器准确量化单细胞基因表达	Polaris提供了一个统一的、即插即用的解决方案，用于分析来自多重错误鲁棒FISH（MERFISH）、顺序荧光原位杂交（seqFISH）或原位RNA测序（ISS）实验的空间转录组数据	NA	开发一个自动化的分析流程，用于基于图像的空间转录组学数据分析	基于图像的空间转录组学数据	数字病理学	NA	深度学习	深度学习模型	图像	NA
20465	2024-08-07	Finite Element Analysis of a Rib Cage Model: Influence of Four Variables on Fatigue Life during Simulated Manual CPR 2024-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050491 PMID:38790358	研究论文	本研究使用有限元分析方法，研究了四个变量对模拟手动心肺复苏中肋骨疲劳寿命的影响	采用有限元分析和深度学习模型来预测肋骨疲劳断裂，以优化心肺复苏指南	研究受时间限制，通过设计实验选择最佳分析条件，可能未涵盖所有可能的变量组合	探讨影响肋骨疲劳断裂的因素，以制定更安全的心肺复苏指南	老年人的肋骨疲劳断裂风险	NA	心血管疾病	有限元分析 (FEA)	深度学习模型	模型数据	三个特定年龄的肋骨模型
20466	2024-08-07	ResNet1D-Based Personal Identification with Multi-Session Surface Electromyography for Electronic Health Record Integration 2024-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s24103140 PMID:38793994	研究论文	本研究利用ResNet1D深度学习架构分析表面肌电图（sEMG）信号，提出一种基于sEMG信号的个人识别方法，用于电子健康记录（EHR）系统的安全访问	本研究首次采用ResNet1D模型结合sEMG信号进行个人识别，提供了一种更安全的EHR系统个人识别方法	实验仅在200名受试者中进行，且仅针对手势动作，可能限制了方法的普适性	开发一种新的个人识别方法，以提高电子健康记录系统的安全性和隐私保护	表面肌电图信号和ResNet1D模型	机器学习	NA	表面肌电图（sEMG）	ResNet1D	信号	200名受试者，每人进行12种动作，共3个会话，每个动作重复10次
20467	2024-08-07	DMAF-NET: Deep Multi-Scale Attention Fusion Network for Hyperspectral Image Classification with Limited Samples 2024-May-15, Sensors (Basel, Switzerland) DOI:10.3390/s24103153 PMID:38794007	研究论文	本文提出了一种基于多尺度特征的深度多尺度注意力融合网络（DMAF-NET），用于在样本有限的情况下进行高光谱图像分类	主要创新点包括设计了一种新的多尺度特征提取基线网络，采用了金字塔结构和密集连接的3D八度卷积网络；设计了多尺度空间-光谱注意力模块和金字塔多尺度通道注意力模块；以及设计了多注意力融合模块来有效结合从多个分支提取的特征映射	NA	提高在样本有限情况下的高光谱图像分类准确性	高光谱图像	计算机视觉	NA	卷积神经网络（CNN）	DMAF-NET	高光谱图像	有限样本
20468	2024-08-07	Efhamni: A Deep Learning-Based Saudi Sign Language Recognition Application 2024-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s24103112 PMID:38793964	研究论文	本文提出了一种基于深度学习的沙特手语识别移动应用，旨在帮助沙特阿拉伯的聋人和听力障碍者更有效地与社区沟通	该应用针对沙特手语（SSL）进行翻译，具有独特的功能，且在评估中表现优于多个现有技术方法	未来计划提高模型准确性并增加应用功能	开发一种帮助聋人和听力障碍者沟通的自动工具	沙特手语（SSL）的识别与翻译	计算机视觉	NA	深度学习	NA	视频	包括聋人、听力障碍者和听力正常用户的多组测试
20469	2024-08-07	Fine-Grained Cross-Modal Semantic Consistency in Natural Conservation Image Data from a Multi-Task Perspective 2024-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s24103130 PMID:38793984	研究论文	本文提出了一种细粒度的跨模态语义一致性方法，通过多任务视角下的动量编码，改善了自然保护区域图像数据的跨模态表示对齐问题	提出了一种残差注意力网络来增强跨模态编码器在动量更新期间的一致性，并从多任务视角提出动量编码作为跨模态信息的桥梁，有效提高了跨模态互信息和表示质量	在对比学习过程中，除了学习数据本身的差异外，一对编码器不可避免地学习了由编码器波动引起的差异，导致收敛捷径，影响表示质量和样本间相似关系的准确反映	实现细粒度的跨模态表示对齐，提高模型在图像分类和图像-文本跨模态检索任务中的性能	自然保护区域图像数据中的物种分类和跨模态表示对齐	计算机视觉	NA	跨模态对比学习	残差注意力网络	图像和文本	8142个物种
20470	2024-08-07	Analysis of Continual Learning Techniques for Image Generative Models with Learned Class Information Management 2024-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s24103087 PMID:38793943	research paper	本研究提出了一种在持续学习框架内应用类别替换技术的方法，以解决图像生成模型在训练和适应新数据及任务时的挑战	本研究采用了选择性遗忘（SA）技术，有效替换现有类别并保留关键信息，提高了模型对不断变化数据环境的适应性	NA	提高图像生成模型的学习效率和长期性能	图像生成模型及其在持续学习中的应用	computer vision	NA	持续学习框架内的类别替换技术	图像生成模型	图像	NA
20471	2024-08-07	An Edge Computing System with AMD Xilinx FPGA AI Customer Platform for Advanced Driver Assistance System 2024-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s24103098 PMID:38793952	研究论文	本文介绍了一种针对路面缺陷检测的边缘计算系统设计，该系统结合了AMD Xilinx AI平台和FPGA技术，用于高级驾驶辅助系统（ADAS）	系统利用深度学习处理单元（DPU）执行YOLOv3模型，实现了对三种不同类型路面缺陷的高精度高效识别，并通过CAN接口实时传输缺陷信息	NA	旨在通过边缘计算和FPGA技术的结合，提升ADAS系统在路面缺陷检测中的速度和准确性，并增强车辆的安全性和性能	路面缺陷检测在高级驾驶辅助系统中的应用	计算机视觉	NA	FPGA	YOLOv3	图像	NA
20472	2024-08-07	Multi-Task Scenario Encrypted Traffic Classification and Parameter Analysis 2024-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s24103078 PMID:38793930	研究论文	本研究主要关注网络分析和网络安全领域的加密流量分类，引入了一种参数高效的微调方法来优化加密流量分类模型的参数	提出的方法在减少微调参数规模和计算资源使用的同时，实现了与现有最佳模型相媲美的性能	NA	解决现有深度学习加密流量分类方法在计算内存消耗和可解释性方面的不足	加密流量分类，包括Tor流量服务分类和恶意流量分类	网络分析	NA	深度学习	NA	流量数据	使用多个公共数据集进行实验
20473	2024-08-07	Image Fusion Method Based on Snake Visual Imaging Mechanism and PCNN 2024-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s24103077 PMID:38793931	研究论文	本文提出了一种基于蛇视觉成像机制和脉冲耦合神经网络（PCNN）的图像融合方法	结合蛇的视觉机制和PCNN模型，提出了一种改进的红外和可见光图像融合方法，无需大量训练数据	大多数模拟蛇的融合方法存在细节不清晰的问题	实现图像融合，提高图像质量，便于后续图像处理和分析	红外和可见光图像的融合	计算机视觉	NA	脉冲耦合神经网络（PCNN）	PCNN	图像	十一组源图像
20474	2024-08-07	Deep Learning Method for Precise Landmark Identification and Structural Assessment of Whole-Spine Radiographs 2024-May-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050481 PMID:38790348	研究论文	本研究通过在全脊柱X光片上标记测量点来自动测量参数	提出了一种自动对齐分析系统，能够高精度地识别脊柱的解剖标志和位置，并生成与手动测量有良好相关性的多种X光影像参数	胸椎标志显示出较大的定位误差，表明与颈椎和腰骶区域相比精度略有降低	开发一种深度学习方法，用于全脊柱X光片的精确地标识别和结构评估	全脊柱X光片的地标识别和结构评估	计算机视觉	NA	深度学习	CNN	图像	训练集包含819张全脊柱X光片，测试集包含198张，外部验证集包含690张，总计1667张X光片，涉及857名女性和850名男性患者
20475	2024-08-07	Speeding Up and Improving Image Quality in Glioblastoma MRI Protocol by Deep Learning Image Reconstruction 2024-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers16101827 PMID:38791906	研究论文	本研究通过深度学习优化胶质母细胞瘤MRI协议，旨在提高图像质量和减少扫描时间	使用深度学习重建技术（DLR）在保持诊断信心的同时，提高了图像质量并减少了30%的扫描时间	NA	研究深度学习优化胶质母细胞瘤MRI协议的诊断性能、采集加速影响及图像质量	33名经组织学证实的胶质母细胞瘤患者	计算机视觉	脑肿瘤	深度学习	DLR	MRI图像	33名患者
20476	2024-08-07	Implementation of Artificial Intelligence in Personalized Prognostic Assessment of Lung Cancer: A Narrative Review 2024-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers16101832 PMID:38791910	综述	本文综述了人工智能在非小细胞肺癌个性化预后评估中的应用	人工智能算法能够通过机器学习技术和深度图像数据分析准确分类非小细胞肺癌阶段，并整合临床、影像和分子数据预测生存率和疾病进展	数据质量、可解释性和AI模型的泛化能力是需要解决的挑战	分析人工智能算法如何预测不同治疗方式的反应，并探讨其在肿瘤复发和失败模式预测中的作用	非小细胞肺癌的个性化预后评估	机器学习	肺癌	机器学习 (ML) 和深度学习 (DL)	NA	临床、分子和影像数据	NA
20477	2024-08-07	Filtering Empty Video Frames for Efficient Real-Time Object Detection 2024-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s24103025 PMID:38793880	研究论文	提出了一种名为L-filter的轻量级过滤方法，用于预测并丢弃不含目标对象的视频帧，从而提高实时对象检测的效率	L-filter通过混合时间序列分析高精度预测空视频帧，仅对非空帧进行对象检测，显著提高了帧处理速率和实时对象检测的可扩展性	NA	提高实时对象检测的效率和可扩展性	视频帧中的目标对象检测	计算机视觉	NA	混合时间序列分析	NA	视频	单个交通视频流及最多六个并发视频流
20478	2024-08-07	Catalyzing Precision Medicine: Artificial Intelligence Advancements in Prostate Cancer Diagnosis and Management 2024-May-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16101809 PMID:38791888	研究论文	本文分析了基于深度学习的 prostate cancer 诊断现状，重点关注磁共振前列腺重建、PCa 检测/分类/重建、PET/CT、ADT、前列腺活检及其临床意义	探讨了深度学习模型在前列腺癌诊断中的应用潜力	深度学习模型在前列腺癌诊断中尚未准备好临床使用，由于方法、标签和评估标准的不一致性	分析深度学习在前列腺癌诊断中的应用现状及其临床意义	前列腺癌的诊断和治疗	机器学习	前列腺癌	深度学习	DL	图像	共分析了784篇文章，其中64篇符合条件，涉及不同类型的数据集和研究
20479	2024-08-07	Prediction of Mismatch Repair Status in Endometrial Cancer from Histological Slide Images Using Various Deep Learning-Based Algorithms 2024-May-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16101810 PMID:38791889	研究论文	本研究利用深度学习算法从子宫内膜癌的苏木精-伊红染色切片图像中预测错配修复（MMR）状态	首次探索使用深度学习算法从子宫内膜癌的苏木精-伊红染色切片图像中预测MMR状态	NA	研究深度学习算法在从子宫内膜癌的苏木精-伊红染色切片图像中预测MMR状态的潜力	子宫内膜癌的苏木精-伊红染色切片图像	计算机视觉	子宫内膜癌	深度学习	卷积神经网络（CNN）和注意力机制网络	图像	127例子宫内膜癌原发灶的苏木精-伊红染色切片图像，分割成5397个512×512像素的图像块
20480	2024-08-07	Non-Invasive Retinal Vessel Analysis as a Predictor for Cardiovascular Disease 2024-May-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14050501 PMID:38793083	研究论文	本文通过非侵入性视网膜血管分析来预测心血管疾病，并探讨了人工智能在视网膜血管成像中的应用	本文不仅综述了当前文献，还讨论了方法学上的优势并识别了研究空白，强调了微血管生物标志物在筛查和治疗监测心血管疾病中的潜在用途	需要进一步研究探索视网膜微血管生物标志物的潜在临床应用	旨在通过视网膜血管分析预测心血管疾病，并评估人工智能在提高诊断准确性和改善患者护理中的作用	视网膜血管作为研究心血管疾病相关血管改变的模型	计算机视觉	心血管疾病	人工智能（AI），如视网膜血管拓扑和尺寸定量分析（QUARTZ）和SIVA-深度学习系统（SIVA-DLS）	深度学习系统	图像	NA