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
22141	2024-08-05	A Comprehensive Evaluation of Deep Learning Models on Knee MRIs for the Diagnosis and Classification of Meniscal Tears: A Systematic Review and Meta-Analysis 2024-May-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111090 PMID:38893617	meta-analysis	本研究对深度学习模型在膝关节MRI中诊断和分类半月板撕裂的有效性进行了系统评估	本研究的创新之处在于全面分析了深度学习模型在识别和定位半月板撕裂方面的表现，并包含了对关节镜手术作为真实标准的分析	本研究仅限于对深度学习模型及其对半月板撕裂的识别与定位进行评估，未涵盖其他方法	评估深度学习模型在膝关节MRI中识别、定位、描述及分类半月板撕裂的有效性	本研究对象为使用深度学习技术分析的膝关节MRI图像中的半月板撕裂	机器学习	NA	深度卷积神经网络（DCNN）	NA	图像	八项研究用于检测撕裂的存在，三项低异质性研究用于定位和分类半月板
22142	2024-08-05	Compatibility Review for Object Detection Enhancement through Super-Resolution 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113335 PMID:38894125	研究论文	本文研究了超分辨率与目标检测技术的兼容性，以改善小物体的检测效果	分析超分辨率和目标检测模型的组合，展示其协同作用的潜在好处	仅探讨了超分辨率与目标检测的兼容性，未考虑其他可能的性能影响因素	提升在低图像质量或小目标物体情况下的目标检测性能	超分辨率（SR）模型与目标检测（OD）模型的结合	计算机视觉	NA	深度学习	NA	图像	MS COCO 数据集中的小物体与所有物体的对比评估
22143	2024-08-05	Wearable-Based Integrated System for In-Home Monitoring and Analysis of Nocturnal Enuresis 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113330 PMID:38894140	研究论文	提出了一种利用可穿戴设备和机器学习技术进行夜间遗尿的家庭监测系统NEcare	首次结合可穿戴技术与深度学习方法进行夜间遗尿患者的家庭监测和分析	研究样本数量相对较小，未来需要扩大样本规模以验证系统的有效性	旨在通过家庭监测改善夜间遗尿患者的研究与治疗	研究对象为夜间遗尿患者，重点分析膀胱容量、心率和睡眠期间的周期性肢体运动	机器学习	NA	机器学习	深度学习	传感器数据	30名住院患者和4名家庭患者
22144	2024-08-05	Enhancing Intrusion Detection in Wireless Sensor Networks Using a GSWO-CatBoost Approach 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113339 PMID:38894128	研究论文	该研究提出了一种名为GSWO-CatBoost的新方法来增强无线传感器网络中的入侵检测	GSWO结合了遗传算法和鲸鱼优化算法，并通过新的三种种群划分策略克服了传统方法的局限性	NA	提高无线传感器网络中入侵检测系统的有效性	无线传感器网络中的入侵检测	机器学习	NA	遗传算法，鲸鱼优化算法，CatBoost	NA	数据集	涉及多个数据集，包括WSN-DS，WSNBFSF，NSL-KDD和CICIDS2017
22145	2024-08-05	Portable Facial Expression System Based on EMG Sensors and Machine Learning Models 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113350 PMID:38894141	研究论文	本研究探讨了基于电肌图传感器的便携式人脸表情识别系统	该研究创新地使用易于携带的传感器实时捕捉面部肌肉反应以识别情绪	未涉及在复杂环境中的传感器数据处理或系统的长时间稳定性	研究旨在开发一种便携式设备以识别主要人类情绪	使用电肌图传感器在特定面部肌肉上检测六种主要情绪	机器学习	NA	电肌图（EMG）	深度学习模型	情绪数据	NA
22146	2024-08-05	Evaluation of the Margin of Stability during Gait Initiation in Young Healthy Adults, Elderly Healthy Adults and Patients with Parkinson's Disease: A Comparison of Force Plate and Markerless Motion Capture Systems 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113322 PMID:38894112	研究论文	本文评估了年轻健康成年人、老年健康成年人和帕金森病患者在步态起始时的稳定性边际。	采用无标记运动捕捉系统（MLS）基于深度学习技术计算稳定性边际（MoS），并与传统的力平台系统（FPS）进行了比较。	尽管两种系统在检测组别和速度对MoS的影响时表现相似，但Bland-Altman图分析仍指出存在>20%的差异。	研究步态起始中的平衡稳定性及其测量技术的比较。	健康年轻人、健康老年人和帕金森病患者的步态起始过程。	数字病理学	帕金森病	无标记运动捕捉系统（MLS）	深度学习	运动捕捉数据	年轻健康成年人、老年健康成年人和帕金森病患者各组
22147	2024-08-05	sincFold: end-to-end learning of short- and long-range interactions in RNA secondary structure 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae271 PMID:38855913	研究论文	本文介绍sincFold，一种端到端深度学习方法，用于RNA二级结构的预测	sincFold通过1D和2D残差神经网络学习短程和长程交互模式，具有较少的物理假设	传统RNA二级结构预测算法仍存在改进空间	研究RNA序列的二级结构预测问题	RNA分子的序列数据	计算机视觉	NA	深度学习	残差神经网络	RNA序列	在多个基准数据集上进行了广泛实验
22148	2024-08-05	Vehicle Occupant Detection Based on MM-Wave Radar 2024-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s24113334 PMID:38894124	研究论文	本文提出了一种基于毫米波雷达的车辆乘员检测方法	提出了一种简单、可靠且高度私密的毫米波雷达乘员检测技术	未提及具体的局限性	研究车辆乘员检测技术的提高	以毫米波雷达数据为基础进行乘客信息识别	数字病理学	NA	毫米波雷达	Faster R-CNN	信号	在车辆中进行了实验验证
22149	2024-08-05	Practical Application of Deep Learning in Diagnostic Neuropathology-Reimagining a Histological Asset in the Era of Precision Medicine 2024-May-23, Cancers IF:4.5Q1 DOI:10.3390/cancers16111976 PMID:38893099	综述	本文探讨了深度学习在神经病理学诊断中的实际应用及其在精准医学时代的影响	文章创新性在于探讨了深度学习如何改变神经病理学的诊断工作流程	文章主要为综述，未包含原始实验数据和具体案例研究	研究深度学习在神经病理学中的应用及其未来发展趋势	深度学习模型在神经病理学各类诊断任务中的训练和应用	机器学习	NA	深度学习	NA	NA	NA
22150	2024-08-05	Early Breast Cancer Risk Assessment: Integrating Histopathology with Artificial Intelligence 2024-May-23, Cancers IF:4.5Q1 DOI:10.3390/cancers16111981 PMID:38893102	研究论文	本文探讨了早期乳腺癌风险评估中整合组织病理学与人工智能的方法	文章提出了将组织病理学、免疫组化和分子生物标志物与先进的人工智能技术相结合的新方法	AI缺乏人类病理学家在患者护理中的细微理解、临床背景和伦理考虑	研究早期乳腺癌风险评估的有效方法	探讨组织病理学、生物标志物与人工智能在乳腺癌风险评估中的整合	计算机视觉	乳腺癌	机器学习，深度学习，卷积神经网络	CNN	组织病理图像	NA
22151	2024-08-05	Generation and classification of patch-based land use and land cover dataset in diverse Indian landscapes: a comparative study of machine learning and deep learning models 2024-May-22, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12719-7 PMID:38775887	研究论文	本研究生成了基于补丁的土地利用和土地覆盖数据集，并比较了机器学习与深度学习模型的分类效果	创建了针对印度不同景观的基准数据集，并探索了传统机器学习与卷积神经网络在分类任务中的表现	在数据集生成和分类过程中面临多个挑战，特别是在有限资源的环境中	分析土地利用与土地覆盖的分类任务，同时建立一个标准化的基准数据集	基于Sentinel-2卫星影像生成的4000张标记图像，涵盖四个不同的土地利用和土地覆盖类别	计算机视觉	NA	遥感数据	卷积神经网络（CNN），传统机器学习模型	图像	4000张标记图像
22152	2024-08-05	Improving the Generalizability and Performance of an Ultrasound Deep Learning Model Using Limited Multicenter Data for Lung Sliding Artifact Identification 2024-May-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111081 PMID:38893608	研究论文	本研究旨在通过使用有限的多中心数据来改进超声深度学习模型在肺滑动伪影识别中的通用性和性能	采用新颖的阈值感知累积微调方法（TAAFT）来优化有限外部数据的使用，从而提高模型的通用性	外部获得的LUS数据相对稀缺，可能限制了模型的全面评估	提高超声深度学习模型在肺滑动伪影识别中的通用性和性能	用于评估肺滑动模型的外部LUS数据，涉及238名患者的641个clip	计算机视觉	NA	超声深度学习	NA	视频	238名患者，641个clip
22153	2024-08-05	Smart Biosensor for Breast Cancer Survival Prediction Based on Multi-View Multi-Way Graph Learning 2024-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s24113289 PMID:38894082	研究论文	本文提出了一种智能生物传感器架构，以多视角多方式图学习方法预测乳腺癌生存时间	提出了一种将多视角多方式图学习方法与生物传感器结合的新架构	传统生物传感器在特征预处理方面仍面临挑战	探讨如何利用生物传感器预测乳腺癌患者的生存时间	针对乳腺癌患者进行生存时间预测的生物传感器	数字病理学	乳腺癌	深度学习	多视角多方式图学习	现实世界数据	NA
22154	2024-08-05	Traffic Sign Recognition Using Multi-Task Deep Learning for Self-Driving Vehicles 2024-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s24113282 PMID:38894074	研究论文	本研究旨在使用计算机视觉和深度学习技术精确检测和识别街道上的交通标志	提出了基于多任务学习方法的交通标志识别模型，能够共享卷积层参数以提高识别精确度	测试仅在少数利雅得高速公路上进行，可能无法代表更广泛的交通情况	开发一个高效的交通标志检测与识别系统，以支持无人驾驶车辆的安全运行	交通标志和交通灯的检测与识别	计算机视觉	NA	深度学习	卷积神经网络	图像	多种交通标志和交通灯
22155	2024-08-05	Detection of Road Crack Images Based on Multistage Feature Fusion and a Texture Awareness Method 2024-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s24113268 PMID:38894061	研究论文	本文提出了一种基于多级特征融合和纹理感知方法的路面裂缝检测技术	提出了一种新的自动像素级语义路面裂缝图像分割方法FetNet，结合了Swin变换器和特征精炼注意模块	没有提及具体的算法复杂性或实时性分析	探索深度学习技术在道路裂缝检测中的应用	路面裂缝图像的检测与分割	计算机视觉	NA	深度学习	Swin-T	图像	收集了四个公共真实世界数据集
22156	2024-08-05	Enhanced crop health monitoring: attention convolutional stacked recurrent networks and binary Kepler search for early detection of paddy crop issues 2024-May-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12504-6 PMID:38767686	研究论文	本文提出了一种新颖的算法来早期检测水稻作物的疾病和营养缺乏问题	采用了注意力卷积堆叠递归网络与二进制开普勒搜索的结合方法，创新性地提高了病害检测的效果	没有提到在不同环境和气候条件下的普适性	旨在通过深度学习方法提高水稻作物健康监测的准确性和效率	主要研究对象为水稻作物及其病害、营养缺乏和害虫问题	计算机视觉	水稻病害	深度学习	注意力卷积堆叠递归网络	图像	使用的样本数量未明确说明，涉及经过增强的水稻图像数据
22157	2024-08-05	Diffusion-Based Generative Network for de Novo Synthetic Promoter Design 2024-05-17, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00041 PMID:38613497	研究论文	提出了一种基于扩散的生成模型用于合成启动子的设计。	首次探索了生成模型在启动子设计中的潜力，并提出了一个完全基于序列数据的扩散模型。	缺乏实验验证合成启动子在实际应用中的效果。	研究合成启动子的设计方法，尤其是从头设计的能力。	合成启动子的结构和组件特征。	计算机视觉	NA	深度学习，扩散模型	卷积神经网络	序列数据	NA
22158	2024-08-05	Assessment of land use and land cover change detection and prediction using deep learning techniques for the southwestern coastal region, Goa, India 2024-May-09, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12598-y PMID:38722419	研究论文	本文利用深度学习技术评估Goa西南海岸地区的土地利用和土地覆盖变化检测与预测	提出了一种新的变化检测评估框架STEDSAN，结合了自注意力机制以捕捉复杂的空间时间交互	没有明确指出研究的局限性	研究土地利用和覆盖变化以及其未来的预测	对Goa地区的不同土地利用和覆盖类型的变化进行详细评估	数字病理学	NA	深度学习	STEDSAN和LSTM	遥感数据	使用了2005到2018年的双时相图像进行分析
22159	2024-08-05	Classification of Periapical and Bitewing Radiographs as Periodontally Healthy or Diseased by Deep Learning Algorithms 2024-May, Cureus DOI:10.7759/cureus.60550 PMID:38887333	研究论文	本研究旨在开发一个深度学习算法，能够自动将根尖和咬合片X光图像分类为牙周健康或不健康。	开发了一种基于YOLOv8-cls模型的深度学习算法，表现出较高的分类准确性。	本研究的样本仅限于特定类型的X光图像，可能无法推广到其他图像类型。	旨在评估深度学习算法在分类牙周健康和不健康上的诊断成功率。	研究对象为1120幅根尖X光图像和1498幅咬合片X光图像。	数字病理学	牙周病	深度学习	YOLOv8-cls	图像	1120根尖X光图像和1498咬合片X光图像
22160	2024-08-05	[Development and Application of Deep Learning-Based Model for Quality Control of Children Pelvic X-Ray Images] 2024-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240010 PMID:38605612	研究论文	提出了一种基于深度学习的方法用于评估儿童髋关节X光图像的质量	首次尝试将人工智能算法应用于儿童髋关节X光的质量评估	NA	构建诊断模型并验证其临床可行性	3247名儿童的前后髋部X光片	计算机视觉	NA	深度学习	NA	图像	3247个儿童的前后髋部X光图像