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
10981	2024-12-18	An Empirical Model-Based Algorithm for Removing Motion-Caused Artifacts in Motor Imagery EEG Data for Classification Using an Optimized CNN Model 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237690 PMID:39686227	研究论文	本文提出了一种基于经验误差模型的算法，用于去除运动想象EEG数据中的运动伪影，并使用优化的CNN模型进行分类	本文的创新点在于提出了一种基于经验误差模型的运动伪影去除方法，并结合优化的CNN模型进行运动想象EEG数据的分类	本文的局限性在于仅在特定的轮椅和地形条件下进行了实验，可能需要进一步验证其在更广泛场景中的适用性	研究目的是提高运动想象脑机接口系统的解码效率，特别是为严重行动障碍者（如轮椅使用者）提供帮助	研究对象是运动想象EEG数据中的运动伪影去除和分类	脑机接口	NA	EEG	CNN	EEG数据	三种不同轮椅和五种不同地形（包括道路、砖地、混凝土、地毯和大理石）下的实验数据
10982	2024-12-18	Schizophrenia Detection and Classification: A Systematic Review of the Last Decade 2024-Nov-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232698 PMID:39682605	综述	本文对过去十年中使用人工智能（AI）进行精神分裂症（SZ）检测和分类的研究进行了系统性回顾	本文总结了AI技术在SZ诊断中的最新进展，特别是机器学习（ML）和深度学习（DL）模型在特征提取、分类和多模态数据整合方面的有效性	本文指出了当前研究中的常见挑战，包括数据集的局限性、预处理方法的差异性以及对更可解释模型的需求	评估AI在SZ诊断中的应用，并强调当前方法的优缺点	精神分裂症的检测和分类	机器学习	精神疾病	机器学习（ML）和深度学习（DL）	NA	多模态数据（EEG、sMRI、fMRI）	NA
10983	2024-12-18	Machine Learning-Based Process Optimization in Biopolymer Manufacturing: A Review 2024-Nov-29, Polymers IF:4.7Q1 DOI:10.3390/polym16233368 PMID:39684112	综述	本文综述了机器学习技术在生物聚合物制造过程中的应用，旨在优化生产流程	本文系统总结了机器学习技术在生物聚合物生产中的应用，展示了其在提高效率、降低成本和改善产品质量方面的潜力	NA	总结机器学习技术在生物聚合物生产中的应用，为未来研究提供参考	生物聚合物制造过程中的机器学习应用	机器学习	NA	机器学习	监督学习、无监督学习和深度学习算法	生产过程中生成的复杂数据	NA
10984	2024-12-18	Automated Food Weight and Content Estimation Using Computer Vision and AI Algorithms 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237660 PMID:39686196	研究论文	本文利用计算机视觉和人工智能技术，在自助餐厅环境中自动估计食物的重量和内容	本文创新性地结合了RGB和深度相机进行食物体积测量，并通过密度模型估计食物重量	本文仅在自助餐厅环境中验证了方法，未在其他场景中进行测试	利用计算机视觉和人工智能技术量化食物分配服务中的关键成分	自助餐厅中的菜品计数、内容识别和份量大小估计	计算机视觉	NA	YOLO架构	YOLO	图像	使用RGB相机捕捉的托盘交付过程图像进行测试
10985	2024-12-18	Pixel-Based Long-Wave Infrared Spectral Image Reconstruction Using a Hierarchical Spectral Transformer 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237658 PMID:39686195	研究论文	本文提出了一种基于像素的分层光谱Transformer（HST），用于长波红外光谱图像重建	创新点在于提出了HST架构，能够有效捕捉局部和全局光谱相关性，并在有限数据下提高光谱分辨率和减少噪声	本文的局限性在于依赖于公开的单像素长波红外光谱数据库，数据稀缺性仍然是一个挑战	研究目的是提高长波红外光谱图像的分辨率和质量	研究对象是长波红外光谱图像	计算机视觉	NA	深度学习	Transformer	图像	使用了公开的单像素长波红外光谱数据库
10986	2024-12-18	Dense-TNT: Efficient Vehicle Type Classification Neural Network Using Satellite Imagery 2024-Nov-29, Sensors (Basel, Switzerland) DOI:10.3390/s24237662 PMID:39686199	研究论文	本文提出了一种新的Dense-TNT神经网络框架，用于在复杂环境下进行车辆类型分类	提出了结合Densely Connected Convolutional Network (DenseNet) 和 Transformer-in-Transformer (TNT) 层的Dense-TNT框架，以提高在复杂环境下的车辆类型分类能力	未提及具体的局限性	提高在复杂环境下的车辆类型分类能力	车辆类型分类	计算机视觉	NA	深度神经网络	Dense-TNT	图像	三个区域在四种不同天气条件下的车辆数据
10987	2024-12-18	DeepRSMA: a cross-fusion-based deep learning method for RNA-small molecule binding affinity prediction 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae678 PMID:39540702	研究论文	提出了一种基于交叉融合的深度学习方法DeepRSMA，用于预测RNA与小分子的结合亲和力	开发了核苷酸级和原子级的特征提取模块，并引入了基于Transformer的交叉融合模块，以捕捉RNA和小分子之间的交互模式	NA	加速RNA靶向药物的发现	RNA与小分子的结合亲和力	机器学习	NA	深度学习	Transformer	序列和图	NA
10988	2024-12-18	Severity Classification of Parkinson's Disease via Synthesis of Energy Skeleton Images from Videos Produced in Uncontrolled Environments 2024-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232685 PMID:39682593	研究论文	本文提出了一种基于深度学习技术的框架，用于在非受控环境中通过视频数据合成能量骨架图像，以诊断和分类帕金森病的严重程度	创新点在于利用深度学习技术从非受控环境中的步态序列合成能量骨架图像，并通过三种先进模型（CNN、ResNet和ViT）进行分析，实现帕金森病的早期诊断和严重程度分类	NA	开发一种成本效益高且易于访问的工具，用于在各种医疗环境中进行帕金森病的早期检测和监测	帕金森病的诊断和严重程度分类	机器学习	神经退行性疾病	深度学习	CNN、ResNet、ViT	视频	包含早期帕金森病标记视频的数据集
10989	2024-12-18	Enhancing Radiologist Efficiency with AI: A Multi-Reader Multi-Case Study on Aortic Dissection Detection and Prioritization 2024-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232689 PMID:39682597	研究论文	本研究评估了将基于深度学习的应用集成到胸部CT血管造影中，用于主动脉夹层自动检测和优先排序的临床效益	本研究展示了AI辅助方法在减少扫描到评估时间（STAT）和解释时间（IT）方面的显著效果，并优于标准的先到先服务（FIFO）工作流程	本研究是回顾性的，且样本量相对较小，可能存在偏倚	评估AI辅助在主动脉夹层检测和优先排序中的临床效益	主动脉夹层的检测和优先排序	计算机视觉	心血管疾病	深度学习（DL）	NA	图像	285例CT血管造影（每位读者每组95例）
10990	2024-12-18	Detection of Critical Parts of River Crab Based on Lightweight YOLOv7-SPSD 2024-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s24237593 PMID:39686133	研究论文	本文提出了一种轻量级的YOLOv7-SPSD模型，用于检测河蟹尾部，以实现机器人去除河蟹背甲的高效处理	本文引入了Slimneck模块、PConv和SimAM注意力机制，优化了YOLOv7-tiny模型，并通过DepGraph剪枝算法进一步减少冗余参数，使其适用于边缘设备	NA	开发一种高效的深度学习模型，用于机器人去除河蟹背甲的精确处理	河蟹尾部	计算机视觉	NA	深度学习	YOLOv7-SPSD	图像	河蟹尾部数据集
10991	2024-12-18	Enhanced Radar Signal Classification Using AMP and Visibility Graph for Multi-Signal Environments 2024-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s24237612 PMID:39686152	研究论文	本文提出了一种结合振幅模式（AMP）分析和可见性图的新型两阶段分类框架，用于在复杂环境中提高雷达信号分类的准确性和效率	创新点在于结合了振幅模式分析和可见性图技术，并集成了深度学习模型（如GoogLeNet和ResNet），以提高低信噪比和多信号环境下的分类性能	未提及具体限制	旨在解决复杂环境中雷达信号分类和去交错的挑战	研究对象为在复杂环境中（如电子战）的雷达信号	信号处理	NA	振幅模式分析（AMP）、可见性图技术	GoogLeNet、ResNet	雷达信号	未提及具体样本数量
10992	2024-12-18	Mitigating Algorithmic Bias in AI-Driven Cardiovascular Imaging for Fairer Diagnostics 2024-Nov-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232675 PMID:39682584	研究论文	研究针对心血管风险预测中的深度学习模型算法偏差问题，通过集成公平感知算法、SCIR模型和可解释性框架，结合公平性和可操作的AI洞察力，以减少健康差异	研究创新性地将公平感知算法、SCIR模型和可解释性框架集成，以解决心血管预测模型中的偏差问题，并通过平衡概率调整显著改善了偏差指标	研究的主要局限性在于计算复杂性，尤其是在大规模数据处理中的挑战	研究旨在通过公平感知算法和可解释性AI技术，减少心血管成像诊断中的算法偏差，促进公平诊断	研究对象包括心血管风险预测模型、公平感知算法、SCIR模型以及可解释性框架	机器学习	心血管疾病	深度学习模型、公平感知算法、SCIR模型、可解释性框架	YOLOv5、Mask R-CNN、ResNet18	3D/4D心脏磁共振成像、表格数据	使用了Cardiac Atlas Project (CAP)开放挑战中的数据集
10993	2024-12-18	CAD-EYE: An Automated System for Multi-Eye Disease Classification Using Feature Fusion with Deep Learning Models and Fluorescence Imaging for Enhanced Interpretability 2024-Nov-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232679 PMID:39682587	研究论文	本文介绍了一种名为CAD-EYE的自动化系统，用于通过特征融合和深度学习模型以及荧光成像进行多眼疾病分类	提出了CAD-EYE系统，结合了MobileNet和EfficientNet两种深度学习模型的特征融合，并引入了荧光成像以提高系统的解释性和准确性	该工具不会取代眼科医生，仍需专业人士的参与	开发一种能够帮助医疗专业人员诊断眼疾病的自动化系统	糖尿病视网膜病变、高血压视网膜病变、青光眼和对比相关眼疾病	计算机视觉	眼科疾病	深度学习模型、特征融合、荧光成像	MobileNet、EfficientNet	图像	65,871张眼底图像
10994	2024-12-18	Improved CSW-YOLO Model for Bitter Melon Phenotype Detection 2024-Nov-27, Plants (Basel, Switzerland) DOI:10.3390/plants13233329 PMID:39683122	研究论文	本研究开发了一种名为CSW-YOLO的苦瓜表型检测模型，通过引入ConvNeXt V2模块和SimAM注意力机制，提升了模型的识别精度和目标特征的关注度	本研究的创新点在于使用ConvNeXt V2模块替换YOLOv8的主干网络，并引入SimAM注意力机制和WIoUv3边界框损失函数，显著提升了模型的识别精度和收敛速度	NA	本研究的目的是提高苦瓜表型检测的自动化和智能化水平，解决传统人工识别方法耗时且不准确的问题	本研究的研究对象是苦瓜的表型检测	计算机视觉	NA	ConvNeXt V2, SimAM, WIoUv3	YOLO	图像	苦瓜图像数据集
10995	2024-12-18	Activities of Daily Living Object Dataset: Advancing Assistive Robotic Manipulation with a Tailored Dataset 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237566 PMID:39686103	研究论文	本文介绍了一个专门为辅助机器人操作设计的日常生活活动（ADL）对象数据集，旨在通过深度学习模型简化操作界面，提升辅助机器人的自主性	本文的创新点在于提供了一个专门为ADL对象设计的深度学习数据集，填补了现有数据集的空白，并标准化了注释格式，提高了数据质量	本文的局限性在于数据集主要来源于现有的开放源数据集，可能存在一定的局限性，且未提及数据集在实际机器人操作中的性能验证	本文的研究目的是通过提供一个专门为辅助机器人操作设计的ADL对象数据集，推动辅助机器人技术的发展，提升用户的自主性和独立性	本文的研究对象是日常生活活动（ADL）中涉及的物体，特别是那些适合机器人操作的物体	计算机视觉	NA	深度学习	YOLOv5x	图像	112,000张高质量图像
10996	2024-12-18	Ultrasound Versus Elastography in the Diagnosis of Hepatic Steatosis: Evaluation of Traditional Machine Learning Versus Deep Learning 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237568 PMID:39686106	研究论文	本研究通过超声和弹性成像图像，使用传统机器学习分类器和深度学习架构对肝脂肪变性进行分类	本研究首次对比了传统机器学习和深度学习在肝脂肪变性诊断中的表现，并展示了深度学习在医学图像分类中的潜力	尽管深度学习在某些数据集上表现优异，但并未在所有数据集上达到最高结果	评估传统机器学习和深度学习在肝脂肪变性诊断中的准确性	肝脂肪变性	计算机视觉	肝病	NA	ResNet50V2, DenseNet-201, 随机森林, 支持向量机	图像	NA
10997	2024-12-18	Segmentation of Low-Grade Brain Tumors Using Mutual Attention Multimodal MRI 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237576 PMID:39686112	研究论文	本研究提出了一种基于互注意力机制的多模态MRI深度学习框架，用于低级别脑肿瘤的自动分割	本研究提出了互注意力机制，使网络能够动态关注跨模态的显著特征，并联合学习成像序列之间的相互依赖关系，从而提高分割精度	本研究仅使用了35个病例的数据集进行验证，样本量较小	提高低级别脑肿瘤的自动分割精度	低级别星形细胞瘤	计算机视觉	脑肿瘤	MRI	深度学习框架	图像	35个星形细胞瘤病例
10998	2024-12-18	Calibrated Adaptive Teacher for Domain-Adaptive Intelligent Fault Diagnosis 2024-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s24237539 PMID:39686075	研究论文	本文提出了一种名为校准自适应教师（CAT）的新方法，用于解决智能故障诊断中的无监督域适应问题，通过校准教师网络的预测来提高伪标签的质量	提出了校准自适应教师（CAT）方法，利用后验校准技术在整个自训练过程中校准教师网络在目标样本上的预测，显著提高了伪标签的质量	本文未提及具体的局限性	解决智能故障诊断中的无监督域适应问题，提高模型在不同分布下的性能	滚动轴承在不同操作条件下的故障诊断	机器学习	NA	深度学习	神经网络	时间域和频率域信号	十二个PU转移任务
10999	2024-12-18	MCCA-VNet: A Vit-Based Deep Learning Approach for Micro-Expression Recognition Based on Facial Coding 2024-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s24237549 PMID:39686086	研究论文	提出了一种基于Transformer的深度学习模型MCCA-VNet，用于微表情识别	融合通道注意力和空间注意力到Vision Transformer中，捕捉不同维度特征之间的相关性，增强了微表情识别的准确性	NA	提高微表情识别的准确性	微表情识别	计算机视觉	NA	深度学习	Transformer	图像	使用了SAMM、CAS(ME) II和SMIC数据集
11000	2024-12-18	SLA-MLP: Enhancing Sleep Stage Analysis from EEG Signals Using Multilayer Perceptron Networks 2024-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232657 PMID:39682565	研究论文	本文提出了一种基于多层感知器网络的睡眠阶段分析模型SLA-MLP，用于从脑电信号中增强睡眠阶段的分类	SLA-MLP模型通过先进的深度学习技术，包括数据预处理、数据平衡、特征提取和多层感知器分类，有效解决了现有模型在过拟合、计算效率和数据不平衡方面的挑战	NA	提高睡眠阶段分类的准确性，为睡眠研究和临床应用提供更精确的工具	脑电信号中的睡眠阶段	机器学习	NA	多层感知器（MLP），时间卷积网络（TCN）	多层感知器（MLP）	脑电信号	多样且高质量的脑电数据