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
20861	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
20862	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
20863	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
20864	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
20865	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
20866	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
20867	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
20868	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
20869	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
20870	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）
20871	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
20872	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
20873	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
20874	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
20875	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
20876	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
20877	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
20878	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）
20879	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
20880	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