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
23281	2024-08-07	Image Fusion Method Based on Snake Visual Imaging Mechanism and PCNN 2024-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s24103077 PMID:38793931	研究论文	本文提出了一种基于蛇视觉成像机制和脉冲耦合神经网络（PCNN）的图像融合方法	结合蛇的视觉机制和PCNN模型，提出了一种改进的红外和可见光图像融合方法，无需大量训练数据	大多数模拟蛇的融合方法存在细节不清晰的问题	实现图像融合，提高图像质量，便于后续图像处理和分析	红外和可见光图像的融合	计算机视觉	NA	脉冲耦合神经网络（PCNN）	PCNN	图像	十一组源图像
23282	2024-08-07	Deep Learning Method for Precise Landmark Identification and Structural Assessment of Whole-Spine Radiographs 2024-May-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050481 PMID:38790348	研究论文	本研究通过在全脊柱X光片上标记测量点来自动测量参数	提出了一种自动对齐分析系统，能够高精度地识别脊柱的解剖标志和位置，并生成与手动测量有良好相关性的多种X光影像参数	胸椎标志显示出较大的定位误差，表明与颈椎和腰骶区域相比精度略有降低	开发一种深度学习方法，用于全脊柱X光片的精确地标识别和结构评估	全脊柱X光片的地标识别和结构评估	计算机视觉	NA	深度学习	CNN	图像	训练集包含819张全脊柱X光片，测试集包含198张，外部验证集包含690张，总计1667张X光片，涉及857名女性和850名男性患者
23283	2024-08-07	Speeding Up and Improving Image Quality in Glioblastoma MRI Protocol by Deep Learning Image Reconstruction 2024-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers16101827 PMID:38791906	研究论文	本研究通过深度学习优化胶质母细胞瘤MRI协议，旨在提高图像质量和减少扫描时间	使用深度学习重建技术（DLR）在保持诊断信心的同时，提高了图像质量并减少了30%的扫描时间	NA	研究深度学习优化胶质母细胞瘤MRI协议的诊断性能、采集加速影响及图像质量	33名经组织学证实的胶质母细胞瘤患者	计算机视觉	脑肿瘤	深度学习	DLR	MRI图像	33名患者
23284	2024-08-07	Implementation of Artificial Intelligence in Personalized Prognostic Assessment of Lung Cancer: A Narrative Review 2024-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers16101832 PMID:38791910	综述	本文综述了人工智能在非小细胞肺癌个性化预后评估中的应用	人工智能算法能够通过机器学习技术和深度图像数据分析准确分类非小细胞肺癌阶段，并整合临床、影像和分子数据预测生存率和疾病进展	数据质量、可解释性和AI模型的泛化能力是需要解决的挑战	分析人工智能算法如何预测不同治疗方式的反应，并探讨其在肿瘤复发和失败模式预测中的作用	非小细胞肺癌的个性化预后评估	机器学习	肺癌	机器学习 (ML) 和深度学习 (DL)	NA	临床、分子和影像数据	NA
23285	2024-08-07	Filtering Empty Video Frames for Efficient Real-Time Object Detection 2024-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s24103025 PMID:38793880	研究论文	提出了一种名为L-filter的轻量级过滤方法，用于预测并丢弃不含目标对象的视频帧，从而提高实时对象检测的效率	L-filter通过混合时间序列分析高精度预测空视频帧，仅对非空帧进行对象检测，显著提高了帧处理速率和实时对象检测的可扩展性	NA	提高实时对象检测的效率和可扩展性	视频帧中的目标对象检测	计算机视觉	NA	混合时间序列分析	NA	视频	单个交通视频流及最多六个并发视频流
23286	2024-08-07	Catalyzing Precision Medicine: Artificial Intelligence Advancements in Prostate Cancer Diagnosis and Management 2024-May-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16101809 PMID:38791888	研究论文	本文分析了基于深度学习的 prostate cancer 诊断现状，重点关注磁共振前列腺重建、PCa 检测/分类/重建、PET/CT、ADT、前列腺活检及其临床意义	探讨了深度学习模型在前列腺癌诊断中的应用潜力	深度学习模型在前列腺癌诊断中尚未准备好临床使用，由于方法、标签和评估标准的不一致性	分析深度学习在前列腺癌诊断中的应用现状及其临床意义	前列腺癌的诊断和治疗	机器学习	前列腺癌	深度学习	DL	图像	共分析了784篇文章，其中64篇符合条件，涉及不同类型的数据集和研究
23287	2024-08-07	Prediction of Mismatch Repair Status in Endometrial Cancer from Histological Slide Images Using Various Deep Learning-Based Algorithms 2024-May-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16101810 PMID:38791889	研究论文	本研究利用深度学习算法从子宫内膜癌的苏木精-伊红染色切片图像中预测错配修复（MMR）状态	首次探索使用深度学习算法从子宫内膜癌的苏木精-伊红染色切片图像中预测MMR状态	NA	研究深度学习算法在从子宫内膜癌的苏木精-伊红染色切片图像中预测MMR状态的潜力	子宫内膜癌的苏木精-伊红染色切片图像	计算机视觉	子宫内膜癌	深度学习	卷积神经网络（CNN）和注意力机制网络	图像	127例子宫内膜癌原发灶的苏木精-伊红染色切片图像，分割成5397个512×512像素的图像块
23288	2024-08-07	Non-Invasive Retinal Vessel Analysis as a Predictor for Cardiovascular Disease 2024-May-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14050501 PMID:38793083	研究论文	本文通过非侵入性视网膜血管分析来预测心血管疾病，并探讨了人工智能在视网膜血管成像中的应用	本文不仅综述了当前文献，还讨论了方法学上的优势并识别了研究空白，强调了微血管生物标志物在筛查和治疗监测心血管疾病中的潜在用途	需要进一步研究探索视网膜微血管生物标志物的潜在临床应用	旨在通过视网膜血管分析预测心血管疾病，并评估人工智能在提高诊断准确性和改善患者护理中的作用	视网膜血管作为研究心血管疾病相关血管改变的模型	计算机视觉	心血管疾病	人工智能（AI），如视网膜血管拓扑和尺寸定量分析（QUARTZ）和SIVA-深度学习系统（SIVA-DLS）	深度学习系统	图像	NA
23289	2024-08-07	Deep Learning-Enhanced Sampling-Based Path Planning for LTL Mission Specifications 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24102998 PMID:38793854	研究论文	本文介绍了一种新颖的路径规划算法，旨在生成满足线性时序逻辑（LTL）任务要求的低成本轨迹	本文的核心贡献是提出了一种改进的基于采样的路径规划算法，通过多层框架方法实现简化的离散抽象，无需依赖网格分解，特别适用于复杂或高维环境	NA	开发一种能够生成满足特定任务要求的低成本轨迹的路径规划算法	路径规划算法及其在复杂环境中的应用	机器学习	NA	深度学习	NA	NA	NA
23290	2024-08-07	Photothermal Radiometry Data Analysis by Using Machine Learning 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103015 PMID:38793869	研究论文	本文综述了机器学习在光热技术中的最新发展和应用，并介绍了在光热瞬态发射辐射测量（OTTER）中使用机器学习进行数据分析的最新工作	研究了多种机器学习算法在光热技术数据分析中的应用，包括随机森林回归、梯度提升回归、支持向量机回归、偏最小二乘回归以及深度学习神经网络回归	NA	探索机器学习在光热技术中的应用，特别是在OTTER技术中的数据分析	光热技术在生物医学和工业无损检测中的应用	机器学习	NA	光热技术	随机森林回归、梯度提升回归、支持向量机回归、偏最小二乘回归、深度学习神经网络回归	数据	NA
23291	2024-08-07	Flexible Self-Powered Low-Decibel Voice Recognition Mask 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103007 PMID:38793860	research paper	本文介绍了一种集成单电极接触分离式摩擦电纳米发电机（CS-TENG）的低分贝语音识别口罩，该口罩能在安静环境中捕捉对话语音信号并通过先进信号处理技术进行准确识别	采用单电极接触分离式摩擦电纳米发电机（CS-TENG），具有高频感应能力和长期稳定性，结合短时傅里叶变换（STFT）、Mel频率倒谱系数（MFCC）和深度学习神经网络进行信号处理	NA	开发一种在安静环境中实现安全、高效且不显眼的通信系统	低分贝语音识别口罩及其在安静环境中的应用	NA	NA	摩擦电纳米发电机（TENG）	深度学习神经网络	语音信号	NA
23292	2024-08-07	Optical Flow-Based Obstacle Detection for Mid-Air Collision Avoidance 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103016 PMID:38793871	研究论文	本文开发了一种基于光流的空中障碍物检测算法，用于避免空中碰撞	使用光流算法来区分由相机运动和接近物体引起的运动，无需依赖训练数据	算法性能依赖于模拟器提供的数据，实际应用中的效果可能有所不同	寻找低成本的解决方案以减少空中碰撞	空中障碍物检测算法	计算机视觉	NA	光流	NA	图像	使用自研模拟器获取的不同环境、轨迹和高度的飞行物数据
23293	2024-08-07	Prediction of Drug-Target Affinity Using Attention Neural Network 2024-May-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25105126 PMID:38791165	研究论文	本文提出了一种名为GRA-DTA的新型深度学习算法，用于预测药物-靶点亲和力	引入了双向门控循环单元（BiGRU）与软注意力机制结合的方法来学习靶点表示，并使用Graph Sample and Aggregate（GraphSAGE）学习药物表示，通过注意力神经网络（ANN）合并药物和靶点表示	NA	研究药物-靶点相互作用，为药物发现提供快速有效的计算方法	药物-靶点亲和力的预测	机器学习	NA	深度学习	注意力神经网络（ANN）	数据集	使用了KIBA和Davis两个基准数据集
23294	2024-08-07	Novel Imaging Approaches for Glioma Classification in the Era of the World Health Organization 2021 Update: A Scoping Review 2024-May-08, Cancers IF:4.5Q1 DOI:10.3390/cancers16101792 PMID:38791871	综述	本文通过范围综述探讨了2021年世界卫生组织中枢神经系统肿瘤分类更新背景下，利用磁共振成像、放射组学、机器学习和深度学习算法等新型数据分析工具在胶质瘤分类中的应用现状和研究空白	利用多参数磁共振成像取得了最佳的预测结果，并关注了IDH突变和1p/19q共缺失状态的预测	研究中仅8%包括了儿科患者，功能性磁共振成像数据代表性不足，且针对较小亚组的性能较差，缺乏评估普遍性的研究设计	探讨新型数据分析工具在神经影像中预测肿瘤亚组的作用	胶质瘤亚组分类	计算机视觉	脑肿瘤	磁共振成像（MRI）、放射组学、机器学习、深度学习算法	NA	图像	分析了62篇原始文章，其中仅8%包括儿科患者，低级别胶质瘤和弥漫中线胶质瘤占研究论文的三分之一，22%的研究使用了公共数据集
23295	2024-08-07	Discriminating Spectral-Spatial Feature Extraction for Hyperspectral Image Classification: A Review 2024-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s24102987 PMID:38793842	综述	本文综述了高光谱图像分类中用于区分光谱-空间特征提取的关键因素	系统总结了从特征提取和特征优化角度区分光谱-空间特征的关键因素	讨论了现有技术的特点和局限性，并指出了未来在高光谱图像分类特征区分方面的挑战	旨在提高高光谱图像分类中光谱-空间特征的区分度	高光谱图像的光谱和空间特征	计算机视觉	NA	深度学习	CNN	图像	NA
23296	2024-08-07	A Deep Learning Approach for Accurate Path Loss Prediction in LoRaWAN Livestock Monitoring 2024-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s24102991 PMID:38793846	研究论文	本研究利用深度学习方法，特别是在LoRaWAN环境中，针对畜牧业监测中的路径损耗预测问题进行了探索	提出了一种创新的深度学习方法，使用双向长短期记忆网络（Bi-LSTM）来提高路径损耗模型的精确度，显著减少了估计误差	研究受限于在山区环境中密集部署终端设备的成本，这可能影响了对LoRa链路行为的全面分析	旨在阐明LoRa链路性能在空间维度上的稳定性，并确定在山区环境中网关可实现的可靠通信覆盖范围	研究对象为在意大利西北部阿尔卑斯山区的牧场中使用LoRa通信进行畜牧业监测	物联网	NA	LoRa通信	双向长短期记忆网络（Bi-LSTM）	实验数据	具体样本数量未在摘要中提及
23297	2024-08-07	Deep Learning Based Over-the-Air Training of Wireless Communication Systems without Feedback 2024-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s24102993 PMID:38793848	研究论文	本文提出了一种无需反馈通道的无线通信系统空中训练方法，通过在接收端训练混合密度网络来近似信道分布，从而实现发射机和接收机的训练	提出了一种无需反馈通道的无线通信系统空中训练方法，通过随机样本传输和混合密度网络训练来近似信道分布	未提及	解决因信道环境导致的反向传播学习中断问题，并减少系统资源需求和对抗攻击的风险	无线通信系统中的发射机和接收机模型	机器学习	NA	深度学习	混合密度网络	信道环境数据	未提及具体样本数量
23298	2024-08-07	MurSS: A Multi-Resolution Selective Segmentation Model for Breast Cancer 2024-May-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050463 PMID:38790330	研究论文	本文提出了一种多分辨率选择性分割模型（MurSS），用于从苏木精和伊红（H&E）染色的全切片图像（WSIs）中准确分割乳腺癌病变	MurSS模型利用低分辨率和高分辨率补丁，通过自适应实例归一化来利用多分辨率特征，并采用选择性分割方法自动拒绝模糊组织区域，确保稳定训练	NA	提高乳腺癌病变的分割准确性，以实现有效的个性化治疗和改善患者预后	乳腺癌病变	数字病理学	乳腺癌	自适应实例归一化	CNN	图像	使用The Cancer Genome Atlas乳腺癌浸润性癌（BRCA）公共数据集进行训练和验证，使用韩国大学医学中心九老医院BRCA数据集进行最终测试评估
23299	2024-08-07	AI-Driven Sensing Technology: Review 2024-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s24102958 PMID:38793814	综述	本文综述了机器学习和深度学习技术如何推动传感技术的进步，并探讨了其在多个领域的应用	文章展示了AI算法如何显著提升传感器功能并扩展其应用范围	文章提到了在利用这些技术进行传感应用时遇到的挑战	探讨AI与传感器技术的融合及其在传感器设计、校准和补偿、物体识别和行为预测方面的影响	机器学习、深度学习技术与传感技术的融合	机器学习	NA	机器学习、深度学习	NA	NA	NA
23300	2024-08-07	Single-Pixel Imaging Based on Deep Learning Enhanced Singular Value Decomposition 2024-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s24102963 PMID:38793818	研究论文	本文提出并展示了一种基于深度学习网络增强奇异值分解的单像素成像方法	该方法能够在低采样率下（低至3.12%）或更少的测量次数或更短的采集时间内重建图像，具有更好的抗噪性能和泛化能力	NA	开发一种新的单像素成像方法，以提高图像质量和系统性能	单像素成像技术及其在不同条件下的表现	计算机视觉	NA	奇异值分解	深度学习网络	图像	NA