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
8801	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
8802	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
8803	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
8804	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
8805	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
8806	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
8807	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
8808	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
8809	2025-01-14	Parkinson's Disease Prediction: An Attention-Based Multimodal Fusion Framework Using Handwriting and Clinical Data 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010004 PMID:39795532	研究论文	本文介绍了一种基于深度学习的多模态诊断框架（PMMD），用于通过手写和临床数据准确检测帕金森病（PD）	该框架首次引入了跨模态注意力机制，用于建模不同数据模态之间的交互	未明确提及研究的局限性	旨在通过多模态数据融合提高帕金森病的早期诊断准确性	帕金森病患者	数字病理学	帕金森病	深度学习	跨模态注意力机制	图像、手写、绘图和临床数据	未明确提及样本数量
8810	2025-01-14	Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010001 PMID:39795530	研究论文	本研究提出了一种基于深度学习的新模型，旨在提高肺癌诊断的质量、可理解性和泛化能力	该研究通过整合多个CT数据集、采用mixup增强技术和课程学习策略，提升了模型的泛化能力和鲁棒性，并利用可解释人工智能（XAI）技术增强了模型的可解释性	尽管模型在多个数据集上表现优异，但其在更广泛临床环境中的实际应用仍需进一步验证	提高肺癌诊断的准确性、可理解性和泛化能力	肺癌诊断	计算机视觉	肺癌	深度学习	深度学习模型	CT图像	五个CT数据集
8811	2025-01-14	Graphical Feature Construction-Based Deep Learning Model for Fatigue Life Prediction of AM Alloys 2024-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma18010011 PMID:39795656	研究论文	本文提出了一种基于卷积神经网络的机器学习模型，用于预测增材制造合金的疲劳寿命	通过引入Shapley加性解释和Pearson相关系数分析，将数值特征转换为图形特征，并结合注意力机制优先处理图像输入中的重要区域	模型仅在两种激光粉末床熔融制造的金属上进行了验证，可能需要进一步扩展到其他材料	提高增材制造合金疲劳寿命预测的准确性	增材制造合金	机器学习	NA	卷积神经网络	CNN	图像	两种激光粉末床熔融制造的金属
8812	2025-01-14	FFL-IDS: A Fog-Enabled Federated Learning-Based Intrusion Detection System to Counter Jamming and Spoofing Attacks for the Industrial Internet of Things 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010010 PMID:39796800	研究论文	本文提出了一种基于雾计算和联邦学习的入侵检测系统（FFL-IDS），用于应对工业物联网（IIoT）中的干扰和欺骗攻击	结合雾计算和联邦学习，解决了传统入侵检测系统在可扩展性和数据隐私方面的问题，并实现了低延迟检测	NA	开发一种能够应对工业物联网中干扰和欺骗攻击的入侵检测系统	工业物联网（IIoT）网络	机器学习	NA	NA	卷积神经网络（CNN）	网络数据	两个数据集：Edge-IIoTset 和 CIC-IDS2017
8813	2025-01-14	Predictive Maintenance and Fault Detection for Motor Drive Control Systems in Industrial Robots Using CNN-RNN-Based Observers 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010025 PMID:39796814	研究论文	本文提出了一种结合卷积神经网络和循环神经网络（CNN-RNN）的集成方法，用于提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	提出了一种新的混合深度学习框架，结合CNN和RNN来提高直流电机驱动故障预测的准确性，相比现有的CNN-LSTM方法具有更高的准确性和更低的模型复杂度	未提及具体的数据集大小或实验环境的具体限制	提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	工业机器人中的直流电机驱动系统	机器学习	NA	CNN-RNN	CNN-RNN	传感器数据（如空气温度、过程温度、旋转速度等）	未提及具体样本数量
8814	2025-01-14	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	研究论文	本文讨论了生物图像分析的三个主要任务：图像恢复、分割和跟踪，并介绍了允许生成三维空间基因组图谱的新计算工具	介绍了利用深度学习模型处理生物医学图像数据的新方法，并展示了这些方法在颅面发育和口腔疾病研究中的应用	未明确提及具体的研究局限性	探讨生物图像分析技术在生物医学研究中的应用，特别是颅面发育和口腔疾病的研究	生物医学图像数据，特别是与颅面发育和口腔疾病相关的图像	计算机视觉	口腔疾病	高通量测序和成像技术	深度学习模型	图像	NA
8815	2025-01-14	Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study 2024-09-03, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02411-y PMID:39227844	研究论文	本研究评估了心外膜脂肪组织（EAT）与2型糖尿病（T2D）微血管和大血管并发症（MVC）之间的关系	使用深度学习分割管道进行EAT体积的完全自动化量化，并探讨其与冠状动脉钙化（CAC）评分及微/大血管并发症的关系	研究为事后分析，样本量有限（n=1253），且未探讨EAT体积与糖尿病视网膜病变（DR）及周围神经病变的关联	评估EAT体积与T2D患者微血管和大血管并发症的关系	2型糖尿病患者	数字病理学	2型糖尿病	深度学习分割管道	深度学习	CT图像	1253名2型糖尿病患者
8816	2025-01-14	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨了使用预训练的深度学习模型Wav2Vec进行语音转文本分析，以评估帕金森病患者的言语障碍的可行性	首次将Wav2Vec模型应用于帕金森病患者的语音转文本分析，以评估其言语障碍	样本量较小，仅包含20个病例，可能影响结果的普遍性	评估预训练的深度学习模型在帕金森病患者语音转文本分析中的有效性	帕金森病患者的语音数据	自然语言处理	帕金森病	Wav2Vec模型	深度学习模型	语音数据	20个病例（包括健康对照组和帕金森病患者）
8817	2025-01-14	A deep learning-based model to estimate pulmonary function from chest x-rays: multi-institutional model development and validation study in Japan 2024-Aug, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00113-4 PMID:38981834	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于从胸部X光片中估计肺功能	首次使用深度学习模型从胸部X光片中估计肺功能，提供了一种替代肺功能测试的方法	未来研究需要结合临床信息以进一步提高模型的适用性和针对性	估计从胸部X光片中得出的两种主要肺功能指标	来自日本五个机构的81,902名患者的141,734对X光和肺功能测试结果	数字病理学	肺疾病	深度学习	深度学习模型	图像	141,734对X光和肺功能测试结果，来自81,902名患者
8818	2025-01-14	Deep learning model integrating radiologic and clinical data to predict mortality after ischemic stroke 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31000 PMID:38826743	研究论文	本文旨在创建并验证一个基于深度学习的模型，该模型整合了脑部扩散加权成像（DWI）、表观扩散系数（ADC）和临床因素，用于预测缺血性卒中后的死亡率	创新点在于首次将放射学信息（DWI和ADC）与临床因素结合，用于预测缺血性卒中患者的死亡率	研究主要依赖于单一医疗中心的数据，外部验证集仅来自一个二级心血管中心，可能存在数据偏差	开发并验证一个能够预测缺血性卒中患者死亡率的深度学习模型	缺血性卒中患者	医学影像分析	心血管疾病	深度学习	深度学习模型	图像（DWI和ADC）和临床数据	训练集1109例，验证集437例，内部测试集654例，外部测试集507例
8819	2025-01-14	Noninvasive Molecular Subtyping of Pediatric Low-Grade Glioma with Self-Supervised Transfer Learning 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230333 PMID:38446044	研究论文	本文开发并外部测试了一种基于MRI的深度学习管道，用于无创预测儿童低级别胶质瘤的突变状态	结合迁移学习和自监督交叉训练（TransferX）以及共识逻辑，提高了分类性能和泛化能力，特别是在数据有限的情况下	研究依赖于回顾性数据，可能存在选择偏差，且样本量相对较小	开发一种无创的、基于MRI的深度学习管道，用于儿童低级别胶质瘤的突变状态分类	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	MRI	CNN	图像	开发数据集214例，外部测试数据集112例
8820	2025-01-14	A multimodal Transformer Network for protein-small molecule interactions enhances predictions of kinase inhibition and enzyme-substrate relationships 2024-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012100 PMID:38768223	研究论文	本文介绍了一种名为ProSmith的多模态Transformer网络，用于增强蛋白质-小分子相互作用的预测，特别是在激酶抑制和酶-底物关系预测方面	ProSmith框架通过多模态Transformer网络同时处理蛋白质氨基酸序列和小分子字符串，促进了两种分子类型之间的信息交换，从而提高了预测的准确性	当前模型在训练数据之外的蛋白质上的泛化能力有限，可能由于蛋白质和小分子在生成数值表示时缺乏信息交换	加速药物和生物技术研究，通过准确预测蛋白质-小分子相互作用	蛋白质和小分子	机器学习	NA	多模态Transformer网络	Transformer Network	蛋白质氨基酸序列和小分子字符串	NA