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
21201	2024-08-07	Spatial mapping with Gaussian processes and nonstationary Fourier features 2018-Dec, Spatial statistics IF:2.1Q1 DOI:10.1016/j.spasta.2018.02.002 PMID:31008043	研究论文	本文通过利用傅里叶特征表示、高斯过程和神经网络之间的联系，提出了一种简单高效的框架，用于从数据中直接学习任意复杂的非平稳核函数	本文引入了一种更通用的非平稳核函数表示方法，扩展了简单线性加法方法到具有更高阶交互的非线性方法	NA	开发一种新的框架，用于学习复杂的非平稳核函数，同时避免过拟合并提高泛化性能	时间序列数据集和东非地表温度遥感问题	机器学习	NA	高斯过程和非平稳傅里叶特征	高斯过程	时间序列数据和遥感数据	具体样本数量未在摘要中提及
21202	2024-08-07	Interpretable Representation Learning for Healthcare via Capturing Disease Progression through Time 2018-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3219819.3219904 PMID:31037221	研究论文	本文提出了一种名为Timeline的可解释深度学习模型，用于通过捕捉疾病的时间进展来学习医疗保健的可解释表示	Timeline模型具有学习每个医疗代码时间衰减因子的机制，能够区分慢性条件和急性条件对未来访问的不同影响，并使用注意力机制改进访问的向量嵌入	NA	通过捕捉疾病的时间进展来提高电子健康记录预测模型的准确性和可解释性	电子健康记录数据中的医疗索赔数据	机器学习	NA	深度学习	RNN	文本	两个大规模真实世界数据集
21203	2024-08-07	Automatic Detection of the Inner Ears in Head CT Images Using Deep Convolutional Neural Networks 2018-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2293383 PMID:31007337	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于自动检测头部CT图像中的内耳	该方法能够自动检测CT图像中是否包含两只耳朵、一只耳朵或没有耳朵，提高了编程策略的效率	目前缺乏标准的图像采集协议，导致需要视觉检查和标记来初始化处理流程	旨在实现图像引导的耳蜗植入编程技术的临床部署	头部CT图像中的内耳检测	计算机视觉	NA	深度学习	CNN	图像	超过2,000个CT图像，来自153名患者
21204	2024-08-05	Enhancing Chicago Classification diagnoses with functional lumen imaging probe-mechanics (FLIP-MECH) 2024-Aug, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.14841 PMID:38852150	研究论文	本文提出了一种系统的方法，通过深度学习和力学，结合HRM和FLIP的诊断，以改善食管运动障碍的诊断。	创新之处在于开发了一种基于力学的参数量化食管健康，并利用变分自编码器生成虚拟疾病景观，用于进行HRM和FLIP的诊断对比。	研究可能在于所用样本仅限于特定的食管运动障碍患者和正常受试者，样本多样性可能影响结果的普适性。	研究旨在通过深度学习和力学技术，桥接HRM和FLIP测量之间的诊断差距。	研究对象为740名受试者，涵盖不同类型的食管运动障碍患者及正常受试者。	数字病理学	食管运动障碍	FLIP	变分自编码器	参数数据	740名受试者
21205	2024-08-05	Parotid Gland Segmentation Using Purely Transformer-Based U-Shaped Network and Multimodal MRI 2024-Aug, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03510-3 PMID:38691234	研究论文	本研究使用纯Transformer的U形网络进行腮腺的分割。	本研究提出了一种全新的纯Transformer基础的U形分割网络，并采用新的训练方法减少临床医生的标记工作量。	尚未提及特定的局限性	提高腮腺及肿瘤的分割准确性以改善诊断和手术计划选择。	多中心多模态腮腺MRI数据集中的腮腺和肿瘤。	计算机视觉	NA	MRI	Transformer	图像	多中心多模态腮腺MRI数据集
21206	2024-08-05	Enhancement of cyber security in IoT based on ant colony optimized artificial neural adaptive Tensor flow 2024-Jul-15, Network (Bristol, England) DOI:10.1080/0954898X.2024.2336058 PMID:39007930	研究论文	提出了一种基于蚁群优化人工神经自适应Tensorflow的技术来检测IoT中的恶意软件	创新提出了ACO-ANT技术以检测通过IoT传播的恶意软件，并提高了检测精度	未提及该方法在不同IoT设备类型上的普适性	提高物联网中网络安全的检测能力	聚焦于恶意软件的检测和源代码重复的识别	计算机视觉	NA	深度学习, ACO-ANT	多目标递归神经网络 (M-RNN)	数据集	使用Malimg数据集进行实验
21207	2024-08-05	Developing an explainable diagnosis system utilizing deep learning model: a case study of spontaneous pneumothorax 2024-Jul-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5e31 PMID:38955331	研究论文	本文开发了一个使用可解释深度学习模型的医疗图像分析系统，用于自发性气胸的诊断	研究创新性地提出了一个集成的医疗图像分析系统，增强了深度学习模型的可解释性	目前对自发性气胸的深度学习预测研究相对有限	提高医疗诊断模型的可解释性，以改善患者的治疗结果	自发性气胸的医疗图像和诊断过程	数字病理学	肺部疾病	深度学习	可解释深度学习模型	医学图像	NA
21208	2024-08-05	Efficiency of oral keratinized gingiva detection and measurement based on convolutional neural network 2024-Jul-15, Journal of periodontology IF:4.2Q1 DOI:10.1002/JPER.24-0151 PMID:39007745	研究论文	本研究评估了不同卷积神经网络在基于口腔照片检测和测量角化牙龈的能力。	此文创新性地使用ResNet50模型实现自动化的角化牙龈分割，表现出91.4%的准确率。	该研究的测量结果受到测量操作员、表型和下颌类型的影响，有统计学显著差异。	评估不同深度学习算法在角化牙龈检测和测量中的应用。	使用1200张拍摄的口腔照片，以评估角化牙龈的测量和分割效果。	计算机视觉	NA	CNN	ResNet50	图像	600张照片
21209	2024-08-05	Nursing students' approaches to learning in selected Malawian nursing schools: a cross-sectional study 2024-Jul-12, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-05746-y PMID:38997697	研究论文	本研究评估了马拉维选定护理学院护理与助产学生的学习方法。	提供了马拉维护理和助产学生学习方法的实证数据	采用的问卷法可能存在主观偏差，且样本仅限于三所护理学院	探讨马拉维护理学院学生学习方式的多样性及其影响	马拉维的护理和助产学生	护理教育	NA	问卷调查法	NA	问卷数据	251名护理学生
21210	2024-08-05	Water body extraction from high spatial resolution remote sensing images based on enhanced U-Net and multi-scale information fusion 2024-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67113-7 PMID:38997473	研究论文	本文提出了一种名为EU-Net的新网络模型，用于从高分辨率遥感图像中提取水体	提出的EU-Net模型结合了改进的残差连接和注意力机制，并设计了多尺度扩张卷积和多尺度特征融合模块，以增强水体提取性能	高分辨率图像中的水体提取仍面临复杂背景的挑战，可能存在一定的提取误差	提高从高分辨率遥感图像中提取水体的准确性	高分辨率遥感图像中的水体	计算机视觉	NA	深度学习	EU-Net	遥感图像	实验结果验证EU-Net的性能，但具体样本数量未提及
21211	2024-08-05	Graph Feature Refinement and Fusion in Transformer for Structural Damage Detection 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134415 PMID:39001194	研究论文	提出了一种用于结构损伤检测的CGsformer网络，结合了图卷积网络和深度学习方法	创新性地引入了图卷积网络，通过层次学习实现从全局到局部的信息提取	未来研究可能需要进一步验证在更复杂结构上的性能	探讨结构响应数据的全局和局部信息关系以提高损伤检测精度	四层钢框架模型实验数据和IASC-ASCE基准结构模拟数据	数字病理	NA	深度学习	图卷积网络	实验数据	两组数据，分别为四层钢框架实验数据和模拟数据
21212	2024-08-05	Tackling Few-Shot Challenges in Automatic Modulation Recognition: A Multi-Level Comparative Relation Network Combining Class Reconstruction Strategy 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134421 PMID:39001199	研究论文	本文提出了一种新的元学习方法，以解决自动调制识别中的少样本问题	创新性在于提出了多级比较关系网络与类重建的结合，利用自编码器重建支持样本	目前实验仅在RadioML2018数据集上进行，缺乏在其他数据集上的验证	目标是解决深度学习基础的自动调制识别中的少样本挑战	研究对象为自动调制识别中的有限样本数据	机器学习	NA	元学习	多级比较关系网络	无线信号数据	使用RadioML2018数据集进行实验，样本数量未具体说明
21213	2024-08-05	Utilizing Deep Feature Fusion for Automatic Leukemia Classification: An Internet of Medical Things-Enabled Deep Learning Framework 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134420 PMID:39001200	研究论文	本文提出了一种基于人工智能的医疗物联网框架，用于自动识别外周血涂片中的白血病。	引入了一种新的深度学习融合模型，通过整合原始和分割图像来检测急性淋巴细胞白血病，并显示出优越的准确性和性能。	研究中未提及模型在不同种类的白血病或实时应用中的表现。	早期诊断急性淋巴细胞白血病，以便及时启动治疗。	包含来自89名个体的6512张原始和分割图像的数据集。	计算机视觉	白血病	深度学习	融合模型	图像	来自89名个体的6512张原始和分割图像
21214	2024-08-05	A Comprehensive Survey on Deep Learning-Based LoRa Radio Frequency Fingerprinting Identification 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134411 PMID:39001190	综述	本文对基于深度学习的LoRa无线频率指纹识别进行了全面的调研	提出了深度学习基于硬件固有特征的无线频率指纹识别作为设备识别的新方法	未提及具体的实验结果或实际应用案例	旨在评估和总结基于深度学习的LoRa设备识别技术的最新进展	LoRa设备的无线频率指纹识别技术	机器学习	NA	深度学习	NA	信号	NA
21215	2024-08-05	Enhancing Immunotherapy Response Prediction in Metastatic Lung Adenocarcinoma: Leveraging Shallow and Deep Learning with CT-Based Radiomics across Single and Multiple Tumor Sites 2024-Jul-08, Cancers IF:4.5Q1 DOI:10.3390/cancers16132491 PMID:39001553	研究论文	本研究评估了基于CT的放射组学特征在预测转移性肺腺癌患者无进展生存期中的潜力	创新点在于利用单一及多肿瘤位点的CT-based放射组学特征与先进的机器学习生存算法相结合，以提升预后预测的准确性	研究局限在于仅涵盖特定癌症中心的患者，可能影响结果的外部可推广性	研究的目的是为转移性肺腺癌患者提供有效的无进展生存期预测	研究对象为接受第一线免疫检查点抑制剂治疗的转移性肺腺癌患者	机器学习	肺癌	CT放射组学	深度学习	图像	140名患者
21216	2024-08-05	Deep Learning-Based Simultaneous Temperature- and Curvature-Sensitive Scatterplot Recognition 2024-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s24134409 PMID:39001188	研究论文	本研究通过有限元法数值建模温度和曲率，以理解光纤在温度和曲率干扰下的复杂输入输出交互	提出了一种能够自动提取高度相似散射特征的最佳端到端残差神经网络模型	缺乏对不同类型光纤的广泛适用性分析	研究光纤在温度和曲率干扰条件下的散射模式	多模光纤（MMF）在温度和曲率干扰下的散射特性	计算机视觉	NA	有限元法	残差神经网络	散射图	通过数值模拟和实验方法进行验证
21217	2024-08-05	Detecting Internal Defects in FRP-Reinforced Concrete Structures through the Integration of Infrared Thermography and Deep Learning 2024-Jul-06, Materials (Basel, Switzerland) DOI:10.3390/ma17133350 PMID:38998430	研究论文	本研究通过整合红外热成像和深度学习技术，显著推动了结构健康监测的进展	本研究创新性地结合了红外热成像和Mask R-CNN神经网络，用于精确检测和分割FRP增强混凝土结构中的隐藏缺陷	NA	研究的目的是提升对FRP增强混凝土结构内部缺陷的检测能力	本研究的对象是FRP增强混凝土结构的内部缺陷	数字病理学	NA	红外热成像（IRT）	Mask R-CNN	图像	使用双RGB和热成像相机设置捕获的图像数据，进行语义分割训练，样本数量未具体说明
21218	2024-08-05	Utilizing Deep Learning for Diagnosing Radicular Cysts 2024-Jul-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131443 PMID:39001333	研究论文	本研究旨在开发一种能够在全景X光片上诊断根尖囊肿的深度学习算法	本研究通过开发深度学习算法，提高了根尖囊肿的诊断准确性，标志着口腔和颌面放射学领域的重要进展	研究在单一医院收集数据，样本量可能会影响算法的普遍适用性	探讨深度学习在根尖囊肿诊断中的应用	对138个根尖囊肿和100个正常全景X光片进行分析	数字病理学	NA	深度学习	NA	图像	138个根尖囊肿图像和100个正常全景X光片
21219	2024-08-05	Glove-Net: Enhancing Grasp Classification with Multisensory Data and Deep Learning Approach 2024-Jul-05, Sensors (Basel, Switzerland) DOI:10.3390/s24134378 PMID:39001157	研究论文	本文介绍了一种利用多传感器数据手套的抓取分类新方法，捕捉复杂的抓取动态。	提出了一种混合CNN-BiLSTM架构，将CNN的空间特征提取能力与BiLSTM的时序学习能力相结合，优化了抓取模式的分类。	未提及具体的局限性.	旨在改善抓取分类，以增强人机交互和实际应用。	研究对象为10名参与者在抓取24种物体过程中的数据。	计算机视觉	NA	多传感器数据收集	混合CNN-BiLSTM	多模态数据	10名参与者
21220	2024-08-05	Research on Mobile Robot Navigation Method Based on Semantic Information 2024-Jul-04, Sensors (Basel, Switzerland) DOI:10.3390/s24134341 PMID:39001121	研究论文	本文提出了一种基于语义信息的移动机器人导航和轨迹插值的方法	结合了深度学习的语义激光SLAM系统和轨迹插值算法，提升了对动态对象的表示能力	NA	解决动态环境中移动机器人导航和轨迹插值的问题	在大场景中提取动态点云的深层特征并输出静态对象的语义信息	计算机视觉	NA	深度学习，语义激光SLAM	PointNet++	点云	在SIASUN大场景校园进行的实验