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
8701	2025-01-14	Improved Intelligent Condition Monitoring with Diagnostic Indicator Selection 2024-Dec-29, Sensors (Basel, Switzerland) DOI:10.3390/s25010137 PMID:39796927	研究论文	本研究开发了一种预测性维护系统，专注于特征选择以检测和分类风力涡轮机叶片中的模拟缺陷	提出了一种基于相关性分析并结合全面视觉评估的结构化特征选择方法，保留了关键的领域特定信息，避免了故障指标的误解	特征减少并未同样提升深度学习模型的性能指标	开发一种更有效的预测性维护系统，用于风力涡轮机叶片的缺陷检测和分类	风力涡轮机叶片的模拟缺陷	机器学习	NA	相关性分析	深度神经网络, 投票分类器	振动数据	NA
8702	2025-01-14	Improved Consistency of Lung Nodule Categorization in CT Scans with Heterogeneous Slice Thickness by Deep Learning-Based 3D Super-Resolution 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010050 PMID:39795578	研究论文	本文提出了一种基于深度学习的3D超分辨率方法，用于从异质性厚层CT图像生成薄层CT图像，以提高肺结节体积评估的准确性	提出了一种新的深度学习方法，用于处理异质性厚层CT图像，生成高质量的薄层CT图像，从而提高肺结节体积测量的准确性和一致性	研究主要依赖于放射科医生的感知评估和定量测量，未涉及大规模临床验证	提高肺结节体积评估的准确性，促进更可靠的早期肺结节检测	肺结节	计算机视觉	肺癌	深度学习	3D超分辨率模型	CT图像	未明确提及样本数量
8703	2025-01-14	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究旨在探索利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	样本量较小，仅涉及27名健康参与者	预测体力消耗水平	27名健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度（RPM）和心率变异性（HRV）	LSTM、传统机器学习模型	生理信号数据	27名健康参与者
8704	2025-01-14	Artificial Intelligence-Based Classification and Segmentation of Bladder Cancer in Cystoscope Images 2024-Dec-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17010057 PMID:39796686	研究论文	本研究利用VGG19和Deeplab v3+深度学习模型对膀胱镜图像进行分类和分割，以提高膀胱癌的诊断准确性	首次将VGG19和Deeplab v3+模型应用于膀胱镜图像的分类和分割，并展示了高准确性和分割效果	研究依赖于标注数据的质量，且样本量相对有限	提高膀胱癌的诊断准确性，特别是对模糊病变的识别	膀胱镜图像	计算机视觉	膀胱癌	深度学习	VGG19, Deeplab v3+	图像	772名患者的膀胱镜图像
8705	2025-01-14	Physics-Constrained Deep Learning for Security Ink Colorimetry with Attention-Based Spectral Sensing 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010128 PMID:39796919	研究论文	本文提出了一种基于物理约束的深度学习框架，用于高精度安全墨水比色法，集成了物理信息神经网络架构、先进的注意力机制和贝叶斯优化框架	该框架在颜色预测精度上达到了前所未有的水平（CIEDE2000 (ΔE00): 0.70 ± 0.08），特征提取效率提高了58.3%，并通过贝叶斯优化框架确保参数调优的鲁棒性	NA	开发一种高精度的安全墨水比色法，以应对全球安全和商业中的伪造问题	安全墨水	机器学习	NA	深度学习	物理信息神经网络架构	光谱数据	1500个工业样品
8706	2025-01-14	Leveraging Thermal Infrared Imaging for Pig Ear Detection Research: The TIRPigEar Dataset and Performances of Deep Learning Models 2024-Dec-27, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15010041 PMID:39794984	研究论文	本文介绍了TIRPigEar数据集，该数据集包含23,189张猪耳朵的热红外图像，用于训练猪耳朵检测模型并分析猪的温度信息	首次建立了包含大量猪耳朵热红外图像的数据集，并验证了其在YOLOv9m模型上的最佳性能	猪耳朵的温度不能直接代表核心体温，且数据集依赖于手动标注	通过热红外成像技术检测猪耳朵信息，为精准畜牧业提供非接触、快速、有效的方法	猪耳朵	计算机视觉	NA	热红外成像	YOLOv9m	图像	23,189张热红外图像，69,567个标注文件
8707	2025-01-14	Automatic Reproduction of Natural Head Position in Orthognathic Surgery Using a Geometric Deep Learning Network 2024-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010042 PMID:39795570	研究论文	本文开发了一种几何深度学习网络（NHP-Net），用于从CT扫描中自动再现自然头位（NHP），以提高正颌手术的精确性	开发了一种新的几何深度学习网络（NHP-Net），用于自动从CT扫描中再现自然头位，解决了传统方法的可重复性问题	研究仅基于150名正颌手术患者的数据集，样本量相对较小	提高正颌手术中自然头位（NHP）的准确性和效率，以优化手术计划和改善患者结果	正颌手术患者	计算机视觉	NA	CT扫描	几何深度学习网络（NHP-Net）	三维头骨网格和点云数据	150名正颌手术患者
8708	2025-01-14	Reconstruction of Optical Coherence Tomography Images from Wavelength Space Using Deep Learning 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010093 PMID:39796883	研究论文	本文提出了一种基于深度学习的简化且计算效率高的方法，直接从波长域重建去斑的光学相干断层扫描（OCT）图像	提出了一种直接从波长域重建OCT图像的深度学习方法，减少了传统方法对硬件资源的依赖和计算复杂性	未提及具体的数据集大小或实验样本数量，可能影响方法的普适性验证	旨在提高OCT图像重建的质量和计算效率	光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习	CNN（卷积神经网络）	图像	NA
8709	2025-01-14	Fault Diagnosis of Lithium Battery Modules via Symmetrized Dot Pattern and Convolutional Neural Networks 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010094 PMID:39796884	研究论文	本文提出了一种结合对称点模式（SDP）方法和卷积神经网络（CNN）的混合算法，用于锂电池模块的故障检测	结合SDP方法和CNN进行锂电池故障检测，实现了99.9%的识别准确率	NA	开发一种高效的锂电池模块故障检测方法	锂电池模块	机器学习	NA	对称点模式（SDP）方法，卷积神经网络（CNN）	CNN	图像	共收集3000个样本，每种故障类型400个用于训练，200个用于测试
8710	2025-01-14	Time-Series Forecasting of PM2.5 and PM10 Concentrations Based on the Integration of Surveillance Images 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010095 PMID:39796885	研究论文	本文提出了一种双通道深度学习模型，结合监控图像和多源数值数据进行空气质量预测，特别是PM2.5和PM10浓度的时间序列预测	创新点在于结合了VGG16和LSTM的混合网络，能够从监控图像序列中捕捉详细的时空特征，并结合大气、气象和时间数据，实现更准确的空气质量预测	未来的工作需要扩展数据集并优化网络架构，以进一步提高预测精度和计算效率	研究目标是提高空气质量预测的准确性和鲁棒性，以减轻污染相关危害并保护公共健康	研究对象是PM2.5和PM10浓度的预测	计算机视觉	NA	深度学习	VGG16-LSTM	图像和数值数据	2021年上海数据集以及台湾高雄两个站点的数据集
8711	2025-01-14	CINet: A Constraint- and Interaction-Based Network for Remote Sensing Change Detection 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010103 PMID:39796892	研究论文	本文提出了一种基于约束和交互的网络（CINet），用于遥感变化检测（RSCD），通过引入约束机制和跨空间通道注意力模块（CSCA）来提高变化检测的准确性	提出了约束机制和跨空间通道注意力模块（CSCA），有效增强了双时相图像特征图之间的信息交互和变化检测的准确性	未明确提及具体局限性	提高遥感变化检测的准确性和有效性	双时相遥感图像	计算机视觉	NA	深度学习	CINet	图像	六个广泛使用的遥感基准数据集（如LEVIR-CD数据集）
8712	2025-01-14	Damage Detection and Identification on Elevator Systems Using Deep Learning Algorithms and Multibody Dynamics Models 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010101 PMID:39796893	研究论文	本文开发了一种结合深度学习算法和多体动力学模型的新方法，用于电梯系统的损伤检测和识别	结合物理测量和高保真多体动力学模型生成的振动数据，与深度学习算法结合，用于电梯系统的损伤检测和分类	数据可能稀缺或不存在，可能影响整体检测过程	开发一种用于电梯系统的损伤检测和识别方法，以提高维护和修复过程的效率	电梯系统	机器学习	NA	多体动力学模拟，深度学习算法	自编码器，卷积神经网络（CNN）	振动数据	NA
8713	2025-01-14	Enhancing Autonomous Driving in Urban Scenarios: A Hybrid Approach with Reinforcement Learning and Classical Control 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010117 PMID:39796908	研究论文	本文提出了一种结合强化学习和经典控制的混合方法，用于增强城市场景中的自动驾驶决策能力	提出了一种混合架构，结合了深度强化学习算法的学习能力和经典方法的可靠性，以解决自动驾驶决策问题	研究主要在模拟环境中进行，尚未在真实世界中进行大规模验证	增强自动驾驶在城市场景中的决策能力	自动驾驶车辆的决策系统	自动驾驶	NA	深度强化学习	部分可观测马尔可夫决策过程（POMDP）	传感器预处理数据和高清地图信息	在CARLA模拟器中进行的多场景测试
8714	2025-01-14	BA-ATEMNet: Bayesian Learning and Multi-Head Self-Attention for Theoretical Denoising of Airborne Transient Electromagnetic Signals 2024-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s25010077 PMID:39796868	研究论文	本文介绍了一种基于深度学习的去噪网络BA-ATEMNet，用于处理航空瞬变电磁信号中的噪声问题	结合贝叶斯学习和多头自注意力机制，显著提升了卷积神经网络的特征提取能力，增强了模型在不同噪声环境下的适应性	未提及具体的数据集规模或实验条件的局限性	提高航空瞬变电磁信号去噪效果，以支持矿产勘探和地质调查	航空瞬变电磁信号	机器学习	NA	深度学习	CNN, 多头自注意力机制	电磁信号	未提及具体样本数量
8715	2025-01-14	Residual Vision Transformer and Adaptive Fusion Autoencoders for Monocular Depth Estimation 2024-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s25010080 PMID:39796871	研究论文	本文提出了一种端到端的监督单目深度估计自编码器，结合混合卷积神经网络和视觉变换器的编码器以及有效的自适应融合解码器，用于从单视角彩色图像中预测高精度深度图	创新点在于在编码器中混合了视觉变换器的残差配置以增强局部和全局信息，并在解码器中引入了自适应融合模块以有效合并编码器和解码器的特征	未明确提及具体限制	研究目的是提高单目深度估计的精度，以应用于3D场景重建、虚拟现实、自动驾驶和人机交互等领域	单视角彩色图像	计算机视觉	NA	深度学习	自编码器（包含混合卷积神经网络和视觉变换器）	图像	NYU数据集
8716	2025-01-14	Automated Detection and Differentiation of Stanford Type A and Type B Aortic Dissections in CTA Scans Using Deep Learning 2024-Dec-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010012 PMID:39795540	研究论文	本文开发并验证了一种基于深度学习算法的模型系统，用于自动检测A型主动脉夹层（AD），并将其与正常和B型AD患者区分开来	创新点在于开发了一个包含两个组件的深度学习模型，一个用于识别主动脉，另一个用于自动检测主动脉夹层并根据Stanford分类确定其类型	研究的局限性在于样本量相对较小，且为回顾性研究，可能影响模型的泛化能力	研究目的是开发一种能够自动检测和区分A型和B型主动脉夹层的深度学习模型	研究对象为498名患者的主动脉计算机断层扫描血管造影（CTA）扫描数据	计算机视觉	心血管疾病	深度学习	CNN	图像	498名患者的CTA扫描数据，其中训练集398例，验证集50例，测试集50例，独立测试集316例
8717	2025-01-14	The Potential for High-Priority Care Based on Pain Through Facial Expression Detection with Patients Experiencing Chest Pain 2024-Dec-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010017 PMID:39795545	研究论文	本文开发了一种基于面部表情的计算机辅助胸痛检测系统，旨在改善患者护理服务并减少心脏损伤	利用YOLO模型通过面部表情检测胸痛，为急诊护理提供了一种新的辅助工具	研究中未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一种基于面部表情的自动胸痛检测系统，以提高患者护理服务的效率	经历胸痛的患者	计算机视觉	心血管疾病	深度学习	YOLO (YOLOv4, YOLOv6, YOLOv7)	图像	未提及具体样本数量
8718	2025-01-14	Deep Learning for Melanoma Detection: A Deep Learning Approach to Differentiating Malignant Melanoma from Benign Melanocytic Nevi 2024-Dec-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17010028 PMID:39796659	研究论文	本研究评估并比较了四种卷积神经网络（CNN）架构在皮肤镜图像二分类中的性能，以区分恶性黑色素瘤和良性黑色素细胞痣	比较了四种CNN架构（DenseNet121、ResNet50V2、NASNetMobile和MobileNetV2）在黑色素瘤检测中的性能，并评估了它们在准确性、AUC-ROC、推理时间和模型大小方面的表现	研究仅基于单一数据集（DermNet），未涉及其他数据集或临床环境中的验证	通过深度学习技术提高黑色素瘤的早期检测准确性	皮肤镜图像	计算机视觉	黑色素瘤	卷积神经网络（CNN）	DenseNet121, ResNet50V2, NASNetMobile, MobileNetV2	图像	8825张皮肤镜图像
8719	2025-01-14	Intelligent Pattern Recognition Using Distributed Fiber Optic Sensors for Smart Environment 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010047 PMID:39796837	研究论文	本文提出了一种基于分布式光纤传感器和深度学习技术的智能模式识别方法，用于智能环境中的入侵检测	提出了一种创新的干涉传感方法，结合Mach-Zehnder干涉仪和时间森林神经网络（TFNN），以提高入侵检测的准确性和效率	传统神经网络的高复杂性和计算需求，以及背向散射方法需要信号传播两倍距离的低效性	提高分布式光纤传感器在智能环境中的入侵检测性能	分布式光纤传感器（DFOSs）	机器学习	NA	Mach-Zehnder干涉仪（MZI）和时间森林神经网络（TFNN）	时间森林神经网络（TFNN）	信号数据	NA
8720	2025-01-14	Using Infrared Raman Spectroscopy with Machine Learning and Deep Learning as an Automatic Textile-Sorting Technology for Waste Textiles 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010057 PMID:39796848	研究论文	本研究开发了一种基于拉曼光谱和人工智能的高精度纺织品分类技术，用于废弃纺织品的自动分类，以提高回收纤维的质量	结合拉曼光谱和多种AI技术（PCA、KNN、SVM、RF、ANN、CNN），实现了每秒1件的分类效率，且分类精度超过95%	未提及具体样本量及实验环境限制	解决循环经济中纺织品高效回收的迫切需求	废弃纺织品	机器学习和光谱分析	NA	拉曼光谱	PCA、KNN、SVM、RF、ANN、CNN	光谱数据	NA