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	2024-08-05	FMCW Radar Human Action Recognition Based on Asymmetric Convolutional Residual Blocks 2024-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s24144570 PMID:39065968	研究论文	本文提出了一种基于FMCW雷达和非对称卷积残差网络的人类动作识别方法	结合非对称卷积和Mish激活函数的残差块策略，增强了微多普勒谱的识别能力	传统的机器学习分类方法在特征提取上过于复杂，可能不会完全克服环境对识别的影响	提高复杂场景下的人类动作识别准确性	基于FMCW雷达的微多普勒数据	机器学习	NA	FMCW雷达	非对称卷积残差网络	雷达回波数据	NA
20462	2024-08-05	A Deep-Learning-Based Algorithm for Landslide Detection over Wide Areas Using InSAR Images Considering Topographic Features 2024-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s24144583 PMID:39065981	研究论文	本文提出了一种基于深度学习的算法，用于利用InSAR图像检测广泛区域的滑坡。	提出了一种多源数据融合网络MSFD-Net，结合了变形数据和地形数据，提高了滑坡识别的准确性。	该研究依赖于已有的地质灾害检测模型，可能在数据融合方面存在一定的局限性。	本研究旨在提高基于InSAR数据的滑坡检测的准确性。	研究对象为黄河中上游地区的滑坡。	数字地质学	NA	InSAR	伪西双网	SAR数据	254个滑坡
20463	2024-08-05	Automated Method for Intracranial Aneurysm Classification Using Deep Learning 2024-Jul-14, Sensors (Basel, Switzerland) DOI:10.3390/s24144556 PMID:39065954	研究论文	本文提出了一种基于深度学习的颅内动脉瘤分类自动化方法	提出了一个基于2D卷积神经网络（CNN）的新模型，具有较小的规模和更快的分类时间	ResNet 152的表现优于我们提出的模型，但后者在速度和模型大小上具有优势	开发一个自动化系统以帮助医生更准确地诊断颅内动脉瘤	使用图像数据集分析颅内动脉瘤的检测和分类	计算机视觉	NA	深度学习，卷积神经网络（CNN）	2D卷积神经网络（CNN）	图像	611幅图像
20464	2024-08-05	Segmentation-Free Outcome Prediction from Head and Neck Cancer PET/CT Images: Deep Learning-Based Feature Extraction from Multi-Angle Maximum Intensity Projections (MA-MIPs) 2024-Jul-14, Cancers IF:4.5Q1 DOI:10.3390/cancers16142538 PMID:39061178	研究论文	介绍了一种无切割的生存分析方法，应用于头颈癌患者的PET/CT图像	提出了一种不需要手动分割的创新方法，利用深度学习提取特征并使用MA-MIPs进行分析	未明确提及任何限制	旨在通过PET/CT图像对头颈癌患者进行生存分析	研究对象为489名头颈癌患者	数字病理学	头颈癌	FDG-PET	深度卷积神经网络	图像	489名头颈癌患者
20465	2024-08-05	A Comprehensive Review of AI Diagnosis Strategies for Age-Related Macular Degeneration (AMD) 2024-Jul-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070711 PMID:39061793	综述	本文深入探讨了机器学习和深度学习在老年性黄斑变性诊断中的应用	通过对超过30项研究的分析，本文提供了老年性黄斑变性检测的新方法和未来研究方向	文章提及了在眼科领域实施这些技术所面临的潜在障碍和限制	评估机器学习和深度学习技术在老年性黄斑变性诊断中的有效性	探索各种黄斑变性检测的方法和策略	计算机视觉	老年性黄斑变性	机器学习和深度学习	NA	视网膜图像	超过30项研究的分析
20466	2024-08-05	Convolutional Neural Network-Based Automated Segmentation of Skeletal Muscle and Subcutaneous Adipose Tissue on Thigh MRI in Muscular Dystrophy Patients 2024-Jul-12, Journal of functional morphology and kinesiology IF:2.6Q1 DOI:10.3390/jfmk9030123 PMID:39051284	研究论文	本研究旨在开发一种基于深度学习的算法，以自动分割肌肉营养不良患者的大腿肌肉和皮下脂肪组织的MRI图像	提出了一种新的基于U-Net的深度学习模型，能够高效自动分割大腿肌肉和皮下脂肪组织	样本量较小，仅包含23名患者，可能影响研究结果的泛化性	开发一种自动分割大腿肌肉和皮下脂肪组织的深度学习算法	肌肉营养不良患者的T1加权大腿MRI图像	计算机视觉	肌肉营养不良	深度学习	U-Net1和U-Net3	图像	23名患者
20467	2024-08-05	Explainable Deep-Learning-Based Gait Analysis of Hip-Knee Cyclogram for the Prediction of Adolescent Idiopathic Scoliosis Progression 2024-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s24144504 PMID:39065902	研究论文	本研究基于可穿戴惯性传感器的步态分析开发了针对青少年特发性脊柱侧弯（AIS）进展预测的机器学习模型	提出了一种新型的深度卷积神经网络模型，利用多平面HK环图和临床因素实现高达92%的预测准确率	样本规模较小，仅针对38名AIS患者，可能影响模型的广泛适用性	提高对青少年特发性脊柱侧弯进展预测的准确性	使用步态分析从38名青少年特发性脊柱侧弯患者收集的数据	机器学习	青少年特发性脊柱侧弯	深度学习	深度卷积神经网络（DCNN）	步态数据	38名青少年特发性脊柱侧弯患者的步态数据
20468	2024-08-05	Predictive Modeling of COVID-19 Readmissions: Insights from Machine Learning and Deep Learning Approaches 2024-Jul-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141511 PMID:39061647	研究论文	该项目采用人工智能评估马来西亚COVID-19再入院风险	使用多种机器学习和深度学习技术评估再入院风险，以及通过不同的数据平衡方法优化模型性能	未提及特定的限制	研究COVID-19患者再入院风险的预测建模	马来西亚的COVID-19患者	机器学习	NA	随机过采样、边界SMOTE、自适应合成采样	CatBoost、SAINT、TabNet、随机森林、XGBoost	数据集	NA
20469	2024-08-05	A Computed Tomography-Based Fracture Prediction Model With Images of Vertebral Bones and Muscles by Employing Deep Learning: Development and Validation Study 2024-Jul-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/48535 PMID:38995678	研究论文	该研究开发并外部验证了一种基于CT图像的骨折预测模型	首次利用椎体骨骼和椎旁肌肉的影像数据提高骨折预测准确性	该研究的样本仅限于腹部CT影像，可能影响模型的普遍适用性	旨在建立和验证基于CT影像的骨折预测模型	1214名腹部CT影像的患者和495名外部验证患者	数字病理学	老年疾病	CT扫描	注意力卷积神经网络-递归神经网络模型	影像	1214名患者用于模型开发，495名患者用于外部验证
20470	2024-08-05	Multi-Source Feature-Fusion Method for the Seismic Data of Cultural Relics Based on Deep Learning 2024-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s24144525 PMID:39065922	研究论文	提出了一种基于深度学习的多源特征融合方法，用于评估文化遗物的地震损害数据	开发了一种多源数据处理策略和地震事件本体模型，结合超像素图卷积融合和自动数据匹配模型	缺乏真实数据和多样的地震危害类型可能限制了研究的全面性	旨在评估和保护收藏文化遗物免受地震危害的影响	针对馆藏文化遗物的地震损害评估	数字病理学	NA	深度学习	卷积神经网络	数据集	形成了一个面向文化遗物地震损害风险分析的数据集
20471	2024-08-05	Deep Cascade of Convolutional Neural Networks for Quantification of Enlarged Perivascular Spaces in the Basal Ganglia in Magnetic Resonance Imaging 2024-Jul-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141504 PMID:39061641	研究论文	本文提出了一种级联深度卷积神经网络用于评估基底节区域的增大血管周围间隙。	利用级联深度CNN提高增大血管周围间隙的可见性和准确量化，具有显著优势。	样本量为76名参与者，可能影响研究结果的普遍适用性。	评估增大血管周围间隙，以便早期诊断和监测神经退行性疾病进展。	76名参与者的MRI数据。	计算机视觉	神经退行性疾病	T2加权MRI	深度卷积神经网络（CNN）	图像	76名参与者
20472	2024-08-05	A Comparative Analysis of Two Automated Quantification Methods for Regional Cerebral Amyloid Retention: PET-Only and PET-and-MRI-Based Methods 2024-Jul-12, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25147649 PMID:39062892	研究论文	本文比较了基于PET的单一方法与结合MRI的PET方法在阿尔茨海默病早期检测中的准确性	提出使用预训练的深度学习分割模型评估两种自动化定量方法的性能	缺乏对比其他自动化方法的研究	比较两种方法在阿尔茨海默病早期检测中的有效性	研究使用的对象为来自CABI数据库的1180名参与者	数字病理学	阿尔茨海默病	PET，MRI	深度学习模型	图像	1180个参与者
20473	2024-08-05	A Smart Visual Sensor for Smoke Detection Based on Deep Neural Networks 2024-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s24144519 PMID:39065916	研究论文	本文提出了一种基于深度神经网络的智能视觉传感器用于烟雾检测	提出了一种结合运动和外观分析与现代卷积神经网络(CNN)的新方法来识别烟雾，并提供了新的公开数据集MIVIA烟雾检测数据集(MIVIA-SDD)	用于训练深度神经网络的数据有限且无法完全代表真实环境	研究早期防火阶段的智能烟雾检测方法	烟雾检测算法及其在不同环境中的应用	计算机视觉	NA	深度学习	卷积神经网络(CNN)	视频	129个视频，约28小时的录制
20474	2024-08-05	A Novel Adversarial Deep Learning Method for Substation Defect Image Generation 2024-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s24144512 PMID:39065910	研究论文	本文提出了一种用于变电站缺陷图像生成的新型对抗深度学习模型ADD-GAN	该模型通过有效分割变电站设备图像的局部区域生成缺陷图像，避免了由全局样式变化引起的图像失真	NA	提高变电站设备缺陷检测的准确性和生成高保真图像数据集	变电站设备的缺陷图像	计算机视觉	NA	生成对抗网络	ADD-GAN	图像	使用ADD-GAN方法生成的图像数据集进行训练
20475	2024-08-05	Enhancing Deep Learning-Based Segmentation Accuracy through Intensity Rendering and 3D Point Interpolation Techniques to Mitigate Sensor Variability 2024-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s24144475 PMID:39065873	研究论文	本研究提出了新颖的强度渲染和数据插值技术，以提高基于深度学习的分割精度	通过提出新颖的强度渲染和数据插值技术，解决传感器数据差异导致的性能下降问题	该研究未具体说明适用于哪种类型的传感器，可能限制了其广泛应用	提升基于深度学习的自驾车感知系统的性能和可靠性	自驾车中使用的LiDAR传感器数据	计算机视觉	NA	强度渲染和数据插值	深度学习网络	传感器数据	NA
20476	2024-08-05	Enhancing Water-Deficient Potato Plant Identification: Assessing Realistic Performance of Attention-Based Deep Neural Networks and Hyperspectral Imaging for Agricultural Applications 2024-Jul-11, Plants (Basel, Switzerland) DOI:10.3390/plants13141918 PMID:39065444	研究论文	本研究评估了基于注意力的深度学习模型和高光谱成像对水缺乏土豆植物的识别性能	结合注意力机制的深度学习模型用于提高作物水分压力检测的效率	未提及研究结果的长期效果或在不同环境下的适用性	探讨高光谱成像在农业中用于监测植物缺水状况的潜力	针对两种水缺乏条件下的土豆植物品种进行研究	数字农业	NA	高光谱成像	深度学习模型	图像	两个土豆植物品种的样本
20477	2024-08-05	Split_ Composite: A Radar Target Recognition Method on FFT Convolution Acceleration 2024-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s24144476 PMID:39065874	研究论文	提出了一种基于快速傅里叶变换的雷达目标识别方法Split_ Composite	引入了块分解和复合零填充的方法以提升傅里叶域的卷积加速	未提及具体的实验局限性	提高嵌入式系统中卷积神经网络的实时性能	使用OpenSARShip-4数据集进行雷达目标识别的实验	计算机视觉	NA	快速傅里叶变换 (FFT)	卷积神经网络 (CNN)	图像	使用OpenSARShip-4数据集进行实验，样本数量未具体说明
20478	2024-08-05	Assessment of Anisotropic Acoustic Properties in Additively Manufactured Materials: Experimental, Computational, and Deep Learning Approaches 2024-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s24144488 PMID:39065884	研究论文	本研究探讨了声学各向异性对增材制造材料的超声检测可靠性的影响	提出通过遗传算法优化的神经网络架构预测声学各向异性系数Ag的方法，降低了计算成本	研究中未涉及不同增材制造技术的材料对声学特性的影响	分析增材制造材料中的声学各向异性及其对缺陷信号幅度的影响	增材制造样品的声学各向异性材料	数字病理学	NA	超声检测	神经网络	实验数据和模拟数据	NA
20479	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
20480	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）