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
20761	2024-08-05	Research into Prediction Method for Pressure Pulsations in a Centrifugal Pump Based on Variational Mode Decomposition-Particle Swarm Optimization and Hybrid Deep Learning Models 2024-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s24134196 PMID:39000975	研究论文	本文提出了一种基于变分模态分解-粒子群优化和混合深度学习模型的离心泵压力波动预测方法	创新之处在于将变分模态分解与粒子群优化相结合，并与卷积神经网络-长短期记忆模型联合使用，提高了压力波动预测的准确性	主要局限在于模型可能对新类型的非线性和非平稳信号的适应性较差	本研究旨在提高离心泵压力波动预测的准确性	研究对象为离心泵入口的压力脉动信号	机器学习	NA	变分模态分解-粒子群优化，卷积神经网络-长短期记忆模型	CNN-LSTM	信号	NA
20762	2024-08-05	The Effect of Stress on a Personal Identification System Based on Electroencephalographic Signals 2024-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s24134167 PMID:39000946	研究论文	本文研究了压力对基于脑电图（EEG）信号的人脸识别系统的影响	探讨了精神和情感压力对脑电图信号稳定性的影响，尤其是在识别系统中的应用	未提及其他情感状态或外部因素对系统性能的影响	研究精神和情感压力对基于EEG信号的人脸识别系统的影响	两个数据集（SAM 40和DEAP）中的不同类型的精神和情感压力	数字病理学	NA	机器学习和深度学习	NA	脑电图信号	使用了两个数据集，具体样本量未说明
20763	2024-08-05	Artificial Intelligence Applications for Thoracic Surgeons: "The Phenomenal Cosmic Powers of the Magic Lamp" 2024-Jun-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13133750 PMID:38999317	研究论文	本文探讨了人工智能在胸外科和肺癌管理中的潜力	揭示了人工智能在实现更精确的诊断和改善手术结果方面的创新应用	实施人工智能面临数据稀缺、可解释性问题和伦理担忧	研究人工智能在临床实践中的潜在变革作用	集中于胸外科和肺癌管理	计算机视觉	肺癌	机器学习和深度学习	多模态模型	NA	NA
20764	2024-08-05	REMA: A Rich Elastic Mixed Attention Module for Single Image Super-Resolution 2024-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s24134145 PMID:39000923	研究论文	本文提出了一种新颖的富弹性混合注意力模块REMA，旨在提升单幅图像超分辨率的效果	REMA模块结合了丰富的空间注意力模块和丰富的通道注意力模块，增强了对不同复杂输入和任务要求的适应性	未提及具体的局限性	提高单幅图像超分辨率(SISR)的性能和兼容性	针对多种低分辨率-高分辨率图像对及多尺度特征进行研究	计算机视觉	NA	深度学习	注意力模块	图像	未提及具体样本量
20765	2024-08-05	LBRT: Local-Information-Refined Transformer for Image Copy-Move Forgery Detection 2024-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s24134143 PMID:39000921	研究论文	本文提出了一种局部信息精炼的双分支网络LBRT用于图像伪造检测	创新之处在于提出了LBRT网络，通过全局建模支路和局部精炼支路结合全局语义与局部细节信息	本文的限制在于未提及对不同类型伪造方法的适应性	研究目标是改进现有的图像复制移动伪造检测方法	研究对象为图像复制移动伪造检测	计算机视觉	NA	深度学习	Transformer	图像	多个数据集，包括USCISI、CASIA CMFD和DEFACTO CMFD
20766	2024-08-05	Surface Defect-Extended BIM Generation Leveraging UAV Images and Deep Learning 2024-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s24134151 PMID:39000929	研究论文	本文章提出了一种基于深度学习与迁移学习的方法来检测建筑表面的缺陷并拓展建筑信息模型(BIM)	提出了将无人机图像中的缺陷检测信息集成到语义丰富的建筑信息模型中的新方法，并通过纹理映射实现了坐标系统的映射	缺陷检测准确性较低以及无人机图像与BIM模型之间的坐标差异仍然是挑战	研究目标是提高建筑缺陷检测的准确性，并将检测结果集成到BIM中	研究对象为现有建筑的缺陷检测信息	数字化建筑	NA	深度学习	NA	图像	涉及了南通大学第36教室楼的缺陷信息建模实验
20767	2024-08-05	Deep Learning Algorithms for Bladder Cancer Segmentation on Multi-Parametric MRI 2024-Jun-26, Cancers IF:4.5Q1 DOI:10.3390/cancers16132348 PMID:39001410	研究论文	本研究评估了三种深度学习模型在多参数MRI图像上对膀胱癌分割的性能	提出了使用混合损失函数的MAnet和PSPnet模型在膀胱癌分割中表现更优于Unet	未提及不同影像序列在其他背景下的适用性	评估深度学习模型在膀胱癌MRI图像分割中的效果	53名膀胱癌患者的MRI图像	计算机视觉	膀胱癌	深度学习	Unet, MAnet, PSPnet	图像	53名膀胱癌患者的多参数MRI图像
20768	2024-08-05	Unveiling the Evolution of Virtual Reality in Medicine: A Bibliometric Analysis of Research Hotspots and Trends over the Past 12 Years 2024-Jun-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare12131266 PMID:38998801	研究论文	本研究使用文献计量法分析了过去12年中虚拟现实在医学领域的研究热点和趋势	揭示了虚拟现实在医学培训和治疗中的潜在应用及其未来研究方向	本研究的数据仅包括2012年至2023年间的相关出版物，可能未能全面反映该领域的所有研究动态	探讨虚拟现实在医学中的应用及其未来发展方向	分析了来自86个国家和地区的2143篇与虚拟现实相关的出版物	数字医学	NA	文献计量分析	NA	出版物数据	2143篇相关出版物
20769	2024-08-05	A Deep Learning-Based Emergency Alert Wake-Up Signal Detection Method for the UHD Broadcasting System 2024-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s24134162 PMID:39000940	研究论文	本文提出了一种基于深度学习的应急警报唤醒信号检测方法。	本研究的创新点在于不需要ATSC 3.0解调器即可检测应急唤醒信号，简化了检测过程。	未提及具体的局限性。	研究旨在提高应急警报系统的效率，允许在紧急情况下及时唤醒用户。	研究对象是超高清(UHD)广播系统中的应急唤醒信号。	机器学习	NA	深度学习	深度神经网络（DNN）和卷积神经网络（CNN）	射频信号	基于ATSC 3.0的RF信号和商用软件定义无线电(SDR)平台进行验证
20770	2024-08-05	SGRTmreg: A Learning-Based Optimization Framework for Multiple Pairwise Registrations 2024-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s24134144 PMID:39000922	研究论文	本文提出了一种新的计算框架SGRTmreg，用于多对配准的学习基优化。	SGRTmreg框架结合了搜索方案、基于学习的优化方法GRDO和转移模块，实现了更快速、稳健和稳定的多实例点云配准。	NA	本研究旨在优化多实例点云的配准过程。	研究对象为多个需要配准的点云实例。	计算机视觉	NA	基于学习的优化	NA	点云	在多个数据集上进行的广泛配准实验
20771	2024-08-05	An Intelligent Mechanism to Detect Multi-Factor Skin Cancer 2024-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131359 PMID:39001248	研究论文	本文提出了一种检测多因素皮肤癌的智能机制，利用深度学习和卷积神经网络。	提出的深度序列CNN模型在皮肤病变的分类准确性上显著超越了现有的主流方法。	NA	研究目标是提高皮肤癌病变的分类准确性和诊断效率。	研究对象是与HAM 10,000数据集相关的皮肤病变图像。	计算机视觉	皮肤癌	深度学习、卷积神经网络 (CNN)	序列CNN	图像	使用与HAM 10,000数据集相关的数据库进行训练和验证，样本量未具体说明
20772	2024-08-05	A Common Knowledge-Driven Generic Vision Inspection Framework for Adaptation to Multiple Scenarios, Tasks, and Objects 2024-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s24134120 PMID:39000899	研究论文	本文提出了一种通用的基于知识驱动的视觉检查框架，以适应多个场景、任务和对象	创新点在于将产品检查标准化为信息解耦和自适应指标的过程，并提出了基于行业知识的多粒度和多模式渐进对齐的任务相关对象感知	缺乏对传统机器视觉技术适用性的全面评估	旨在提高复杂产品的检测效率和准确性，推动工业制造向客户中心化转型	研究对象是复杂产品的视觉检测流程和基于历史数据的知识改进和积累	计算机视觉	NA	深度学习	NA	图像	在实验中未详细提及样本数量，但涉及复杂产品和多个工业任务的检测流程
20773	2024-08-05	Dynamic Simulation and Modeling of a Novel NeuRaiSya for Railway Monitoring System Using Petri Nets 2024-Jun-24, Sensors (Basel, Switzerland) DOI:10.3390/s24134095 PMID:39000874	研究论文	本研究介绍了一种创新的铁路信号系统NeuRaiSya，集成了深度学习进行乘客分析	引入了结合深度学习的新型铁路信号系统NeuRaiSya，并使用Petri网进行动态模拟和建模	NA	模拟NeuRaiSya系统并评估其有效性	五个使用Petri网模型设计与模拟的模型，包括列车出发动态模型等	计算机视觉	NA	深度学习	Petri网模型	图形	五个模型
20774	2024-08-05	Augmenting Radiological Diagnostics with AI for Tuberculosis and COVID-19 Disease Detection: Deep Learning Detection of Chest Radiographs 2024-Jun-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131334 PMID:39001228	研究论文	本文介绍了一种能够通过X射线图像识别肺炎、COVID-19和结核病的网络	强调了使用ResNet50模型相较于传统VGG16方法的优越性，并通过数据增强技术提高了分类准确性	在样本大小和多样性方面可能存在局限性，未提及具体的样本数量	提高对COVID-19和结核病等疾病的诊断准确性和可靠性	患者胸部的X射线图像	计算机视觉	COVID-19, 结核病	X射线成像，数据增强	ResNet50, VGG16	图像	NA
20775	2024-08-05	Integration of Localized, Contextual, and Hierarchical Features in Deep Learning for Improved Skin Lesion Classification 2024-Jun-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131338 PMID:39001229	研究论文	本文探讨了通过整合局部、全局和层次特征以提高皮肤病变分类的深度学习方法	提出了一种新颖的双轨深度学习模型，结合了修改过的Densenet-169架构和定制的卷积神经网络，以增强特征表征	该研究可能未考虑某些皮肤病变类型的多样性，具体的模型泛化能力需要进一步验证	提高皮肤病变分类的精确性和性能	皮肤病变的分类	计算机视觉	皮肤病	深度学习	Densenet-169和卷积神经网络（CNN）	图像	使用HAM10000数据集进行训练和验证
20776	2024-08-05	Gene-Based Predictive Modelling for Enhanced Detection of Systemic Lupus Erythematosus Using CNN-Based DL Algorithm 2024-Jun-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131339 PMID:39001231	研究论文	本研究介绍了一种使用基因预测模型和堆叠深度学习分类器改善系统性红斑狼疮（SLE）检测的方法	提出了一种新的基于基因表达和临床数据的堆叠深度学习分类器方法，以提高SLE的诊断准确性	未提及研究的具体限制	提高系统性红斑狼疮的诊断准确性和管理策略	系统性红斑狼疮及其相关的转录组和临床数据	机器学习	系统性红斑狼疮	深度学习	堆叠深度学习分类器（SDLC）	基因表达数据	未提及
20777	2024-08-05	Automatic Segmentation of Type A Aortic Dissection on Computed Tomography Images Using Deep Learning Approach 2024-Jun-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131332 PMID:39001223	研究论文	本研究应用深度学习方法对计算机断层扫描图像中的A型主动脉夹层进行自动分割	使用先进的nnU-Net模型实现高精度的A型主动脉夹层的自动分割和特征量化	研究样本量较小，仅包含24名患者的CT图像	提高对A型主动脉夹层的分割精度，从而辅助临床治疗和疾病评估	对24名A型主动脉夹层患者的计算机断层扫描图像进行研究	数字病理学	主动脉疾病	ct图像增强与nnU-Net	nnU-Net（2D和3D）	图像	24名A型主动脉夹层患者的CT图像
20778	2024-08-05	Research on Three-Dimensional Reconstruction of Ribs Based on Point Cloud Adaptive Smoothing Denoising 2024-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s24134076 PMID:39000855	研究论文	本文提出了一种基于点云自适应平滑去噪的三维肋骨重建方法	创新点在于将体素数据转换为多属性点云数据，并采用点云自适应平滑去噪方法来提升重建精度和效率	本文未提及具体的样本数量和多种医疗影像数据的应用情况	研究提高肋骨三维重建的准确性和计算效率	主要针对从CT图像中提取的肋骨进行重建	数字病理学	NA	点云处理	NA	CT图像	NA
20779	2024-08-05	A Deep Learning-Based Method for Preventing Data Leakage in Electric Power Industrial Internet of Things Business Data Interactions 2024-Jun-22, Sensors (Basel, Switzerland) DOI:10.3390/s24134069 PMID:39000847	研究论文	本文提出了一种基于深度学习的防止电力行业物联网数据交互泄漏的方法	提出了一种结合命名实体识别技术和DeBERTa-BiLSTM-CRF模型的新方法，适用于处理结构化和非结构化敏感数据	该方法的有效性可能依赖于特定数据集，模型的泛化能力需要进一步验证	确保电力业务数据交互的安全性	电力行业物联网的业务数据交互	数字路径学	NA	深度学习，命名实体识别	DeBERTa-BiLSTM-CRF	结构化和非结构化数据	使用CLUENER 2020数据集进行实验
20780	2024-08-05	Exploring the Impact of Noise and Image Quality on Deep Learning Performance in DXA Images 2024-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131328 PMID:39001219	研究论文	本研究探讨了噪声和图像质量对DXA图像深度学习性能的影响。	本研究将噪声减少方法集成到深度学习模型中，以提高骨矿密度（BMD）的准确性和骨头分割效果。	NA	研究DXA图像中噪声与深度学习分割技术的关系，以改善骨头分割和BMD计算的准确性。	使用深度学习技术对DXA图像中的股骨进行语义分割。	计算机视觉	骨质疏松症	CNN	FCNN	图像	NA