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
21321	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
21322	2024-08-05	Comprehensive Review: Machine and Deep Learning in Brain Stroke Diagnosis 2024-Jul-04, Sensors (Basel, Switzerland) DOI:10.3390/s24134355 PMID:39001134	综述	本文全面回顾了机器学习和深度学习在脑卒中诊断中的应用	提出了使用机器学习和深度学习技术分析脑卒中的潜力，并提供了相关数据集	主要局限于回顾性分析，并未涉及新的实验性研究	旨在讨论机器学习和深度学习在脑卒中预测及管理结果中的应用	对2020年至2024年间25篇相关综述论文进行分析	机器学习	脑卒中	机器学习和深度学习	NA	医学数据	25篇综述论文的研究
21323	2024-08-05	A Robust Deep Feature Extraction Method for Human Activity Recognition Using a Wavelet Based Spectral Visualisation Technique 2024-Jul-04, Sensors (Basel, Switzerland) DOI:10.3390/s24134343 PMID:39001122	研究论文	本研究提出了一种基于小波变换的谱视觉化技术用于人类活动识别	通过时频域分析从一维多传感器数据中提取深层特征，实现了潜在活动模式的提取	研究主要集中在可穿戴传感器数据，未考虑其他技术的对比	提高日常活动识别的准确性和效率	可穿戴传感器数据，尤其是加速度计和陀螺仪数据	计算机视觉	NA	小波变换	CNN, MobileNetV3, ResNet, GoogleNet	图像	SisFall和PAMAP2基准数据集
21324	2024-08-05	Goats on the Move: Evaluating Machine Learning Models for Goat Activity Analysis Using Accelerometer Data 2024-Jul-04, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14131977 PMID:38998089	研究论文	本研究评估了使用加速度计数据的机器学习模型以分析山羊活动	引入了两种独特的数据转换技术，使加速度数据的分析不依赖于方向	模型在识别相似加速度轨迹和少数类行为时表现不佳，未来需要更大更平衡的数据集	旨在提升动物行为识别的准确性和模型的泛化能力	本研究对象为山羊活动的分析	机器学习	NA	加速度计	多层感知器、卷积神经网络、混合卷积神经网络	时间序列数据	使用了不同山羊的交叉验证样本
21325	2024-08-05	Deep Learning-Based Dynamic Region of Interest Autofocus Method for Grayscale Image 2024-Jul-04, Sensors (Basel, Switzerland) DOI:10.3390/s24134336 PMID:39001115	研究论文	提出了一种基于深度学习的动态感兴趣区域自动对焦方法。	构建了一个新的灰度图像自动对焦数据集，并将对焦问题转化为序数回归问题，提出了两个新的对焦策略。	数据集的限制可能影响深度学习方法的广泛研究。	研究光学系统中的自动对焦技术。	针对灰度图像的自动对焦方法。	计算机视觉	NA	深度学习	MobileViT	图像	NA
21326	2024-08-05	Geometry-complete diffusion for 3D molecule generation and optimization 2024-Jul-03, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-024-01233-z PMID:38961141	研究论文	本研究提出了几何完整扩散模型，用于3D分子的生成和优化	该模型在生成有效的大型3D分子方面表现优越，克服了先前方法的缺陷	虽然该模型显示出较强的生成能力，但对特定蛋白质口袋的设计可能仍需进一步验证	研究旨在改进3D分子生成的方法，使其能学习到重要的几何特性	研究对象为3D分子的生成与优化	机器学习	NA	扩散模型	图神经网络 (GNN)	数据集	QM9数据集和GEOM-Drugs数据集，涉及多个3D分子
21327	2024-08-05	Deep Learning Histology for Prediction of Lymph Node Metastases and Tumor Regression after Neoadjuvant FLOT Therapy of Gastroesophageal Adenocarcinoma 2024-Jul-03, Cancers IF:4.5Q1 DOI:10.3390/cancers16132445 PMID:39001507	研究论文	本研究旨在建立一个深度学习预测模型，以评估新辅助FLOT化疗的反应。	该文创新性地利用深度学习从未接受治疗的食管胃腺癌活检的整片图像中提取视觉特征，并与临床数据相结合进行预测。	研究的样本量相对较小，并且需要在前瞻性研究中进一步确认结果。	研究目的是评估新辅助FLOT化疗对食管胃腺癌的反应，利用深度学习模型进行预测。	研究对象为来自科隆大学医院和海德堡大学医院的食管胃腺癌患者。	数字病理学	胃食管腺癌	深度学习	神经网络	图像和临床数据	共计137名患者，其中78名来自科隆大学医院，59名来自海德堡大学医院
21328	2024-08-05	Bidirectional Copy-Paste Mamba for Enhanced Semi-Supervised Segmentation of Transvaginal Uterine Ultrasound Images 2024-Jul-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131423 PMID:39001313	研究论文	提出了一种双向复制粘贴Mamba模型用于转阴道超声图像的半监督分割。	该研究创新性地使用了双向复制粘贴方法和一种U形结构模型结合视觉状态空间模块，改进了超声图像的分割方法。	实验只在转阴道超声图像上进行，可能对其他类型的医学图像分割效果有限。	旨在提高转阴道超声图像中的子宫参数的自动分割精度。	研究对象为来自华中科技大学同济医院的1940张转阴道超声图像。	计算机视觉	子宫疾病	半监督学习	BCP-Mamba	图像	1940张转阴道超声图像
21329	2024-08-05	Colon Cancer Disease Diagnosis Based on Convolutional Neural Network and Fishier Mantis Optimizer 2024-Jul-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131417 PMID:39001307	研究论文	本研究提出了一种基于卷积神经网络和Fishier mantis优化器的结肠癌自动检测方法	结合深度学习和灵感来自自然的优化算法，提高了结肠癌诊断的准确性和效率	可能由于特征过多导致特征提取和数据分类不准确	提升结肠癌早期诊断的准确性和有效性	结肠癌图像数据集	计算机视觉	结肠癌	卷积神经网络	CNN	图像	综合数据集中的结肠癌图像
21330	2024-08-05	Recent Innovations in Footwear and the Role of Smart Footwear in Healthcare-A Survey 2024-Jul-02, Sensors (Basel, Switzerland) DOI:10.3390/s24134301 PMID:39001080	综述	智能鞋引领了个性化健康监测和辅助技术的新纪元	文章强调了先进传感器在健康监测中的整合以及智能鞋在医疗应用中的潜力	当前鞋类设计复杂，适配性差，舒适度低且成本高	探讨智能鞋在医疗应用中的潜力，特别是对于糖尿病患者	智能鞋的最新技术与医疗应用	数字病理学	糖尿病相关疾病	传感器技术，蓝牙数据收集	深度学习	传感器数据	NA
21331	2024-08-05	Research on Monitoring Assistive Devices for Rehabilitation of Movement Disorders through Multi-Sensor Analysis Combined with Deep Learning 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134273 PMID:39001051	研究论文	本研究旨在通过结合卷积神经网络（CNN）和随机森林模型来评估运动障碍的康复设备	将多传感器分析与深度学习技术相结合，提供了一种全面的步态分析方法	研究未详细说明样本的选取标准和数量，可能影响结果的普遍性	评估运动障碍患者的康复进展	正常与异常步态群体	计算机视觉	运动障碍	CNN和随机森林模型	CNN	传感器数据	NA
21332	2024-08-05	Attention-Based Deep Learning Approach for Breast Cancer Histopathological Image Multi-Classification 2024-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131402 PMID:39001292	研究论文	本研究提出了一种基于注意力机制的深度学习架构，用于乳腺癌的组织病理图像多分类	提出了有效的通道空间注意力网络（ECSAnet），结合了高效网络架构和卷积块注意力模块	未针对不同类型的癌症进行广泛测试，可能存在一定的数据局限性	旨在提高乳腺癌组织病理图像的检测和分类准确性	使用BreakHis数据集的乳腺癌组织病理图像	数字病理学	乳腺癌	深度学习	ECSAnet	图像	涉及的样本数量NA
21333	2024-08-05	Enhancing genome-wide populus trait prediction through deep convolutional neural networks 2024-Jul, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16790 PMID:38741374	研究论文	本研究构建了一种深度学习方法DCNGP，有效预测了65种表型的特征	提出了DCNGP模型，该模型能有效捕捉复杂的非加性效应，具有较强的预测能力和稳定性	未提供关于数据集大小和样本划分的详细信息	研究基因组基础的植物育种，提升农艺性状的预测能力	以白杨为研究对象	机器学习	NA	深度卷积神经网络	DCNGP	数据集	三个数据集
21334	2024-08-05	Optimizing IoT Intrusion Detection Using Balanced Class Distribution, Feature Selection, and Ensemble Machine Learning Techniques 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134293 PMID:39001072	研究论文	提出了一种优化物联网入侵检测的方法，以提高其检测性能和可靠性	通过类平衡和特征选择的预处理方式，提出了新的优化方案，并使用了两种不同的集成模型进行评估	模型可能仍然受限于过拟合和未考虑的特征对识别重要模式的影响	提高物联网环境下入侵检测系统的性能和效率	物联网攻击的检测与分类	机器学习	NA	机器学习技术，包括支持向量机(SVM)和长短期记忆(LSTM)	支持向量机(SVM)和长短期记忆(LSTM)	数据集	使用UNSW-NB15和NSL-KD数据集进行评估
21335	2024-08-05	A Novel Model for Instance Segmentation and Quantification of Bridge Surface Cracks-The YOLOv8-AFPN-MPD-IoU 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134288 PMID:39001067	研究论文	本文提出了一种新型YOLOv8-AFPN-MPD-IoU模型，用于桥梁表面裂缝的实例分割与量化	通过引入AFPN和MPD损失函数，提高了特征融合和几何特征的探索	没有具体提及该模型在不同类型桥梁中的应用局限性	开发一种高精度的模型来检测和量化桥梁表面裂缝	桥梁表面裂缝的实例分割和量化	计算机视觉	NA	YOLOv8	YOLOv8-AFPN-MPD-IoU	图像	NA
21336	2024-08-05	A New Multi-Branch Convolutional Neural Network and Feature Map Extraction Method for Traffic Congestion Detection 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134272 PMID:39001052	研究论文	本文提出了一种新的车辆信息特征图方法及多分支卷积神经网络模型用于交通拥堵检测	创新点在于提出了一种新的车辆信息特征图方法和多分支卷积神经网络模型，能够自动检测交通拥堵	NA	构建一种以交通图像为输入，拥堵检测结果为输出的深度学习模型	交通图像数据	计算机视觉	NA	深度学习	多分支卷积神经网络	图像	在中国城市交通图像数据库中进行了验证
21337	2024-08-05	Ship Detection in Synthetic Aperture Radar Images under Complex Geographical Environments, Based on Deep Learning and Morphological Networks 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134290 PMID:39001068	研究论文	本文提出了一种基于深度学习和形态网络的合成孔径雷达船舶检测方法。	该方法通过自适应预处理、坐标通道注意模块和四层双向特征金字塔网络，显著提高了复杂地理环境下船舶的检测能力。	实验仅使用公共数据集，可能限制了方法在更广泛场景中的通用性。	研究船舶检测在复杂地理环境下的有效性和准确性。	研究对象为合成孔径雷达图像中的船舶。	计算机视觉	NA	深度学习，形态网络	双向特征金字塔网络	图像	使用了公共的SAR船舶检测数据集和高分辨率SAR图像数据集
21338	2024-08-05	Bridging Convolutional Neural Networks and Transformers for Efficient Crack Detection in Concrete Building Structures 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134257 PMID:39001034	研究论文	本文提出了一种新型模型CCTNet，用于提高混凝土建筑结构裂缝检测的效率和准确性	CCTNet结合了卷积通道注意力与基于窗口的自注意力机制，提升了裂缝识别能力	文章中未提及具体的实验局限性或适用范围	旨在通过新的模型提高混凝土建筑裂缝检测的效率和准确性	研究对象为混凝土建筑结构中的裂缝	计算机视觉	NA	卷积神经网络（CNN）、自注意力机制	CCTNet	图像	在Historical Building Crack2019、SDTNET2018和DS3上的性能评估
21339	2024-08-05	CSMC: A Secure and Efficient Visualized Malware Classification Method Inspired by Compressed Sensing 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134253 PMID:39001035	研究论文	提出了一种基于压缩感知的高效恶意软件分类方法CSMC，旨在提高恶意软件样本的处理和共享效率。	该方法通过压缩恶意软件样本，提高了共享和处理的有效性，并能够在压缩过程中提取恶意软件家族特征，这是传统方法无法实现的。	实验结果仅基于针对Windows和Android操作系统的恶意软件，可能对其他平台的适用性需进一步验证。	研究旨在提高恶意软件分类的效率和安全性，特别是在物联网环境中。	研究对象为针对智能传感器的恶意软件及其分类方法。	计算机视觉	NA	压缩感知	深度学习	恶意软件样本	针对Windows和Android操作系统的多个恶意软件样本
21340	2024-08-05	ProPept-MT: A Multi-Task Learning Model for Peptide Feature Prediction 2024-Jun-30, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25137237 PMID:39000344	研究论文	提出了一种新颖的多任务学习模型ProPept-MT，用于准确预测肽的关键特征	ProPept-MT结合了多头注意力和BiLSTM用于特征提取，并采用Nash-MTL进行梯度协调，展示了卓越的预测性能	当前对DIA数据的分析依赖于项目特定的光谱库，限制了蛋白组覆盖面并且过程耗时	旨在提升定量蛋白组学中数据独立采集（DIA）数据分析的准确性和高效性	研究对象包括保留时间、离子强度和离子迁移率等肽特征	计算机视觉	NA	深度学习	BiLSTM	数字数据	在基准数据集上进行评估，具体样本数量未提及