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
11001	2024-12-18	BSDA: Bayesian Random Semantic Data Augmentation for Medical Image Classification 2024-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s24237511 PMID:39686050	研究论文	本文提出了一种名为BSDA的贝叶斯随机语义数据增强方法，用于医学图像分类任务	BSDA通过在潜在空间中进行语义数据增强，避免了过度偏移导致的数据标签变化问题，并能无缝集成到任何神经网络中	NA	解决现有语义数据增强方法在医学图像分类中可能导致数据标签变化的问题	医学图像分类任务中的数据增强	计算机视觉	NA	语义数据增强	神经网络	图像	涉及2D和3D医学图像数据集以及多种医学成像模式
11002	2024-12-18	A Deep Learning-Based Method for Bearing Fault Diagnosis with Few-Shot Learning 2024-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s24237516 PMID:39686052	研究论文	提出了一种基于深度学习的滚动轴承故障诊断方法，结合KANs-CNN网络和扩散网络，通过小样本学习提高诊断精度	提出了一种结合KANs-CNN网络和扩散网络的故障诊断方法，利用KANs的非线性激活提取深层复杂特征，并通过FAN模块进行多层次特征聚合，解决了小样本条件下的诊断问题	未提及具体的局限性	解决小样本条件下滚动轴承故障诊断的精度问题	滚动轴承的故障诊断	机器学习	NA	连续小波变换、扩散网络	CNN、KANs、FAN	时间-频率图像	小样本条件下的滚动轴承和工具数据
11003	2024-12-18	Hybrid Deep Learning and Machine Learning for Detecting Hepatocyte Ballooning in Liver Ultrasound Images 2024-Nov-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232646 PMID:39682554	研究论文	本文提出了一种结合深度学习和机器学习技术的方法，用于在肝脏超声图像中检测肝细胞气球样变	本文创新性地结合了InceptionV3深度学习模型和随机森林机器学习分类器，采用双重二分法分类策略，显著提高了检测肝细胞气球样变的准确性和敏感性	本文的局限性在于需要进一步在多中心的大规模数据集上验证模型的泛化能力和临床应用效果	开发一种非侵入性方法，用于在肝脏超声图像中准确识别和测量肝细胞气球样变	肝脏超声图像中的肝细胞气球样变	计算机视觉	非酒精性脂肪肝病	深度卷积神经网络	CNN	图像	包含超声图像的数据集
11004	2024-12-18	EC-WAMI: Event Camera-Based Pose Optimization in Remote Sensing and Wide-Area Motion Imagery 2024-Nov-24, Sensors (Basel, Switzerland) DOI:10.3390/s24237493 PMID:39686028	研究论文	本文首次成功将事件相机应用于宽域运动成像（WAMI）和遥感（RS），展示了其在不同成像场景中推进运动结构（SfM）和三维重建的潜力	首次将事件相机应用于WAMI和遥感，展示了其在低帧率和高动态光照条件下的优势，并使用深度学习特征提取方法LIGHTGLUE提高了事件相机在SfM中的可靠性和准确性	本文主要通过模拟事件数据进行实验，尚未在实际飞行中验证事件相机的性能	探索事件相机在宽域运动成像和遥感中的应用，提升运动结构和三维重建的效率和准确性	事件相机在宽域运动成像和遥感中的应用，以及其在运动结构和三维重建中的性能	计算机视觉	NA	运动结构（SfM），捆绑调整（Bundle Adjustment）	LIGHTGLUE	图像	使用了两套最先进的SfM方法（COLMAP和BA4S）进行评估
11005	2024-12-18	Segmentation-Based Measurement of Orbital Structures: Achievements in Eyeball Volume Estimation and Barriers in Optic Nerve Analysis 2024-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232643 PMID:39682551	研究论文	本研究使用深度学习分割技术来自动化和优化眼眶CT扫描中的眼球体积、视神经鞘直径和顶点到眼球距离的测量	采用2D注意力U-Net架构进行分割，并结合切片级信息嵌入以提高上下文理解能力	视神经分割的准确性较低，导致视神经鞘直径和顶点到眼球距离的测量可靠性较差	自动化和优化眼眶疾病诊断和治疗计划中的眼球体积、视神经鞘直径和顶点到眼球距离的测量	眼球体积、视神经鞘直径和顶点到眼球距离的测量	计算机视觉	NA	深度学习分割技术	2D注意力U-Net	CT扫描图像	来自不同年龄组和性别的个体眼眶CT数据集
11006	2024-12-18	Etiology of Late-Onset Alzheimer's Disease, Biomarker Efficacy, and the Role of Machine Learning in Stage Diagnosis 2024-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232640 PMID:39682548	研究论文	本研究探讨了晚发性阿尔茨海默病的病因、生物标志物的有效性以及机器学习在疾病阶段诊断中的作用	本研究整合了多种生物标志物，并评估了机器学习技术在阿尔茨海默病诊断中的应用，特别是深度学习和卷积神经网络的使用	NA	识别研究空白、评估生物标志物的有效性以及确定在阿尔茨海默病诊断中最有效或最常用的机器学习技术	晚发性阿尔茨海默病的病因、生物标志物和机器学习在疾病诊断中的应用	机器学习	阿尔茨海默病	机器学习	卷积神经网络	生物标志物数据	NA
11007	2024-12-18	TMS: Ensemble Deep Learning Model for Accurate Classification of Monkeypox Lesions Based on Transformer Models with SVM 2024-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232638 PMID:39682546	研究论文	本文提出了一种基于Transformer模型和SVM的集成深度学习模型，用于准确分类猴痘病变	本文的创新点在于结合了Transformer模型和SVM，通过集成多个CNN架构进行特征提取，并使用SVM进行分类，提高了猴痘病变的分类准确性	本文的局限性在于数据集主要来自公开可访问的资源，可能存在样本偏差	研究目的是开发一种高效的猴痘病变分类模型，以支持临床决策和疾病监测	研究对象是猴痘皮肤病变数据集，包含770张来自162名患者的图像	计算机视觉	猴痘	CNN, SVM	集成模型	图像	770张图像，来自162名患者
11008	2024-12-18	Deep Learning-Based Object Detection Strategies for Disease Detection and Localization in Chest X-Ray Images 2024-Nov-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232636 PMID:39682544	研究论文	本文提出了一种基于深度学习的对象检测方法，用于在胸部X光图像中自动识别和标注异常区域	本文引入了少样本对象检测技术，并比较了卷积神经网络和基于Transformer的模型在医学图像分析中的效果	本文未详细讨论模型在不同医院数据集上的泛化能力	开发一种高效可靠的系统，用于在胸部X光图像中自动检测疾病标签和位置边界框	胸部X光图像中的异常区域	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	来自E-Da医院的疾病标注胸部X光图像和位置边界框
11009	2024-12-18	A Spatial-Temporal Multi-Feature Network (STMF-Net) for Skeleton-Based Construction Worker Action Recognition 2024-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s24237455 PMID:39685994	研究论文	本文提出了一种基于时空多特征网络（STMF-Net）用于识别建筑工人动作的方法	该研究创新性地利用了六种基于3D骨骼的特征来捕捉建筑工人的动作，相较于以往的单流数据方法，能够更全面地提取动作特征	实验结果的准确率为79.36%，仍有提升空间	旨在提高建筑工地的生产力、职业健康和安全管理	建筑工人的动作识别	计算机视觉	NA	深度学习算法	STMF-Net	3D骨骼数据	NA
11010	2024-12-18	Unsupervised Deep Learning for Synthetic CT Generation from CBCT Images for Proton and Carbon Ion Therapy for Paediatric Patients 2024-Nov-22, Sensors (Basel, Switzerland) DOI:10.3390/s24237460 PMID:39685997	研究论文	本文提出了一种基于CycleGAN的无监督深度学习方法，用于从锥形束CT（CBCT）图像生成合成CT（sCT），以适应儿童患者的质子和碳离子治疗	本文首次采用CycleGAN网络，结合Res-Net和U-Net生成器，从CBCT图像生成高质量的sCT图像，以改善儿童患者的适应性粒子治疗	由于输入图像质量不佳和小视野（FOV）的限制，生成的sCT图像质量存在一定局限性	开发一种能够从CBCT图像生成高质量sCT图像的方法，以改善儿童患者的适应性粒子治疗	15名年轻骨盆患者的44个CBCT图像	计算机视觉	NA	CycleGAN	CycleGAN	图像	15名年轻骨盆患者的44个CBCT图像，其中36个用于训练，8个用于测试
11011	2024-12-18	Artificial Intelligence in the Diagnosis and Quantitative Phenotyping of Hyperkinetic Movement Disorders: A Systematic Review 2024-Nov-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13237009 PMID:39685480	综述	本文系统回顾了人工智能在诊断和定量表征运动障碍中的应用	本文整合了多模态运动测量和成像技术，并在大规模数据上进行分析	需要采用基于人工智能的研究指南，以减少报告异质性并增强临床可解释性	评估人工智能在诊断和定量表征运动障碍中的表现	运动障碍，包括共济失调、舞蹈病、肌张力障碍、肌阵挛、抽动和震颤	机器学习	运动障碍	人工智能	机器学习、深度学习	运动学数据（如加速度计和惯性测量单元）	55项研究，涉及11,946名受试者
11012	2024-12-18	Intelligent Identification and Prediction of Roof Deterioration Areas Based on Measurements While Drilling 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237421 PMID:39685961	研究论文	本研究通过理论分析、实验室实验、ABAQUS动态数值模拟和现场测量，系统研究了钻进过程中推力、扭矩和Y方向振动信号对不同岩石层组合的响应特征，并提出了一种基于长短期记忆（LSTM）循环神经网络的深度学习算法和随机森林算法，用于智能识别和预测顶板劣化区域	本研究创新性地结合了长短期记忆（LSTM）循环神经网络和随机森林算法，用于智能识别和预测顶板劣化区域，并在实验室实验和现场测试中表现出优异的性能	本研究主要集中在实验室实验和现场测试，未来需要进一步验证和优化算法在不同地质条件下的适用性	研究目的是通过钻进测量信号实现对顶板劣化区域的及时有效识别和预测，以提高巷道开挖的安全性和稳定性	研究对象是巷道开挖过程中顶板劣化区域，如分层空间和弱夹层	计算机视觉	NA	长短期记忆（LSTM）循环神经网络，随机森林算法	LSTM	信号	实验室实验和现场测试中涉及的钻进测量信号
11013	2024-12-18	Automated Pipeline for Robust Cat Activity Detection Based on Deep Learning and Wearable Sensor Data 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237436 PMID:39685969	研究论文	本文提出了一种基于深度学习和可穿戴传感器数据的自动化管道，用于稳健的猫活动检测	本研究创新性地结合了加速度、运动和磁传感器数据，并采用一维卷积神经网络（1D-CNN）进行猫活动建模和分类	NA	开发一种自动化系统，用于使用人工智能技术进行稳健的宠物（猫）活动分析	猫的活动检测和分类	机器学习	NA	一维卷积神经网络（1D-CNN）	1D-CNN	传感器数据	使用加速度计、陀螺仪和磁力计三种可穿戴传感器收集数据
11014	2024-12-18	An Efficient Printing Defect Detection Based on YOLOv5-DCN-LSK 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237429 PMID:39685973	研究论文	本文提出了一种基于YOLOv5-DCN-LSK的改进模型，用于高效检测喷墨印刷标签中的印刷缺陷	引入了C3-DCN模块和Large Selective Kernel (LSK)模块，结合Normalized Gaussian Wasserstein Distance (NWD)和Efficient IoU (EIoU)损失函数，并应用模型剪枝技术，提高了检测精度和速度	未提及具体的局限性	提高印刷缺陷检测的精度和效率	喷墨印刷标签中的印刷缺陷	计算机视觉	NA	深度学习	YOLOv5	图像	未提及具体样本数量
11015	2024-12-18	Characterization of Retinal Arteries by Adaptive Optics Ophthalmoscopy Image Analysis 2024-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3408232 PMID:38829761	研究论文	本文通过结合深度学习和知识驱动的可变形模型，对自适应光学眼底成像图像中的视网膜动脉进行分割，并量化相关的生物标志物	本文创新性地结合了深度学习和知识驱动的可变形模型，实现了对视网膜动脉壁的精确分割，特别是对分叉点的关注	该方法的有效性依赖于视网膜动脉壁的良好对比度	量化自适应光学眼底成像图像中视网膜动脉的生物标志物	视网膜动脉及其分叉点	计算机视觉	NA	自适应光学眼底成像	深度学习模型	图像	初步临床研究中包括患有遗传性小血管疾病的患者和对照人群
11016	2024-12-18	Deep Autoencoder for Real-Time Single-Channel EEG Cleaning and Its Smartphone Implementation Using TensorFlow Lite With Hardware/Software Acceleration 2024-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3408331 PMID:38829759	研究论文	本文提出了一种基于深度自编码器（DAE）的单通道脑电图（EEG）信号去噪方法，并在智能手机上通过TensorFlow Lite实现了硬件/软件加速	首次展示了在智能手机上使用低计算资源的深度学习模型进行移动EEG信号去噪，并利用现代智能手机的人工智能加速器提高计算性能	NA	去除脑电图信号中的眼动、运动和肌肉伪迹，以提高信号质量，并在移动平台上实现低计算开销的实时处理	单通道脑电图信号中的伪迹去除	机器学习	NA	深度自编码器（DAE）	深度自编码器（DAE）	脑电图（EEG）信号	使用了来自公共数据集的受污染和干净的脑电图数据，涵盖多种伪迹类型
11017	2024-12-18	Diagnosing Necrotizing Enterocolitis via Fine-Grained Visual Classification 2024-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3409642 PMID:39453790	研究论文	本文提出了一种基于深度学习的自动检测和分级坏死性小肠结肠炎（NEC）的方法AIDNEC，通过腹部X光片进行细粒度视觉分类	AIDNEC结合了检测Transformer和图卷积模块，用于定位X光片中的判别区域，并结合全局图像特征进行细粒度视觉分类，显著提高了分类准确率	本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行进一步验证	开发一种自动化的深度学习方法，用于从腹部X光片中检测和分级坏死性小肠结肠炎	坏死性小肠结肠炎（NEC）及其在腹部X光片中的表现	计算机视觉	新生儿疾病	深度学习	检测Transformer和图卷积模块	图像	1153张图像，来自334名患者
11018	2024-12-18	Evaluating ChatGPT's Diagnostic Accuracy in Detecting Fundus Images 2024-Nov, Cureus DOI:10.7759/cureus.73660 PMID:39677217	研究论文	评估ChatGPT在检测眼底图像诊断准确性方面的表现	ChatGPT首次扩展到图像分析领域，为眼科诊断应用提供了新的机会	ChatGPT在处理某些眼底图像时存在诊断不准确的问题，且在不确定时会出现幻觉现象	评估ChatGPT在眼科图像分析中的诊断准确性	12张来自关键眼科疾病的眼底图像	计算机视觉	眼科疾病	深度学习模型	ChatGPT 4.0	图像	12张眼底图像
11019	2024-12-18	Applications of Artificial Intelligence in Ophthalmology: Glaucoma, Cornea, and Oculoplastics 2024-Nov, Cureus DOI:10.7759/cureus.73522 PMID:39677277	综述	本文探讨了人工智能在眼科领域的应用，特别是青光眼、角膜疾病和眼整形手术中的应用	本文展示了人工智能在眼科领域的创新应用，包括早期疾病检测、诊断准确性提升、临床工作流程优化和患者治疗效果的改善	本文主要为综述性质，未提供具体的技术实现细节或实验数据	研究人工智能在眼科领域的应用及其对诊断和治疗的影响	青光眼、角膜疾病和眼整形手术	机器学习	NA	机器学习和深度学习技术，特别是人工神经网络（ANN）和卷积神经网络（CNN）	卷积神经网络（CNN）	图像	NA
11020	2024-12-18	RUL forecasting for wind turbine predictive maintenance based on deep learning 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39268 PMID:39678167	研究论文	本文提出了一种基于深度学习的深度学习方法，用于预测风力涡轮机的剩余使用寿命（RUL），以实现预测性维护	本文引入了基于多参数注意力机制的深度学习方法，避免了特征工程，减少了人为错误的风险，并提出了ForeNet-2d和ForeNet-3d两种模型	本文未提及具体的局限性	研究目的是通过准确预测风力涡轮机的剩余使用寿命，降低风电场运营和维护成本	研究对象是风力涡轮机的剩余使用寿命预测	机器学习	NA	深度学习	深度学习模型	多参数数据	7个复杂的风力涡轮机故障