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
11981	2024-11-17	Decoding Brain Signals from Rapid-Event EEG for Visual Analysis Using Deep Learning 2024-Oct-30, Sensors (Basel, Switzerland) DOI:10.3390/s24216965 PMID:39517862	研究论文	本研究开发了一种深度学习模型，用于解码受试者对快速事件视觉刺激的响应，并探讨了影响EEG视觉分类任务低准确性的主要因素	提出了多类、多通道特征融合模型（MCCFF），显著提高了EEG视觉分类的准确性，达到33.17%	NA	提高EEG信号在视觉分类任务中的准确性	快速事件视觉刺激下的EEG信号	机器学习	NA	深度学习	多类、多通道特征融合模型（MCCFF）	EEG信号	40个对象类别，每个类别1000张图像
11982	2024-11-17	Research on Gating Fusion Algorithm for Power Grid Survey Data Based on Enhanced Mamba Spatial Neighborhood Relationship 2024-Oct-30, Sensors (Basel, Switzerland) DOI:10.3390/s24216980 PMID:39517874	研究论文	研究了一种基于增强Mamba空间邻域关系的电网勘测数据门控融合算法	提出了一种专门针对电网勘测的融合模型，显著增强了遥感图像中的空间-光谱特征表示	模型的泛化性能在不同数据源和环境条件下的表现尚未评估	开发一种新的图像融合算法，以减少光谱失真和空间细节损失	电网勘测中的全色和多光谱图像	计算机视觉	NA	NA	Transformer, Mamba	图像	使用了GF-2卫星图像和QuickBird (QB)数据集进行实验
11983	2024-11-17	Supervised Deep Learning for Detecting and Locating Passive Seismic Events Recorded with DAS: A Case Study 2024-Oct-30, Sensors (Basel, Switzerland) DOI:10.3390/s24216978 PMID:39517875	研究论文	本文研究了使用合成地震数据和真实噪声记录，结合监督深度学习神经网络方法，用于检测和定位诱发地震源，并探索其用于重建地下属性的潜力	本文提出了一种新的监督深度学习方法，用于处理大规模地震数据，特别是连续监测中的数据处理	该方法在处理时间偏移、信噪比和几何不匹配方面存在挑战	研究如何利用深度学习技术有效处理和分析大规模地震数据，以支持矿产资源勘探和地下属性重建	合成地震数据、真实噪声记录、诱发地震源的检测和定位	计算机视觉	NA	深度学习	神经网络	地震数据	合成数据和来自Otway CO注入现场的相关地震监测数据集
11984	2024-11-17	Exploring the Influence of Tropical Cyclones on Regional Air Quality Using Multimodal Deep Learning Techniques 2024-Oct-30, Sensors (Basel, Switzerland) DOI:10.3390/s24216983 PMID:39517881	研究论文	研究热带气旋对区域空气质量的影响，采用多模态深度学习技术分析气旋前后空气质量的变化	结合多种深度学习模型（ConvLSTM, CNN, Real-ESRGAN）和回归模型，分析热带气旋特征与空气质量指数之间的复杂模式和非线性关系	NA	探讨热带气旋对空气质量的影响，特别是气旋前后空气质量的变化	热带气旋与空气质量指数	机器学习	NA	多模态深度学习	ConvLSTM, CNN, Real-ESRGAN	气象数据, 卫星观测数据	NA
11985	2024-11-17	Grad-CAM Enabled Breast Cancer Classification with a 3D Inception-ResNet V2: Empowering Radiologists with Explainable Insights 2024-Oct-30, Cancers IF:4.5Q1 DOI:10.3390/cancers16213668 PMID:39518105	研究论文	本文提出了一种基于深度学习的可解释AI模型，用于乳腺癌的非侵入性诊断	本文创新性地结合了Inception-ResNet V2架构和Grad-CAM技术，为放射科医生提供了模型决策的可视化解释	NA	开发一种精确、非侵入性、客观且及时的乳腺癌诊断方法	乳腺癌的诊断	计算机视觉	乳腺癌	深度学习	Inception-ResNet V2	图像	使用了DDSM和CBIS-DDSM乳腺摄影数据集
11986	2024-11-17	Enhancing Surgical Guidance: Deep Learning-Based Liver Vessel Segmentation in Real-Time Ultrasound Video Frames 2024-Oct-30, Cancers IF:4.5Q1 DOI:10.3390/cancers16213674 PMID:39518111	研究论文	本文提出了一种基于深度学习的模型，用于实时超声视频帧中的肝脏血管分割，以增强手术指导	本文创新性地应用了2D-weigthed U-Net模型，用于实时超声导航中的多血管分割	目前研究仅限于肝脏血管的分割，未来将扩展到更广泛的血管网络	提升超声引导下肝脏手术的干预能力	肝脏血管，包括下腔静脉、肝静脉和门静脉及其分支	计算机视觉	NA	深度学习	2D-weigthed U-Net	视频	涉及多种肝脏血管的实时超声视频帧
11987	2024-11-17	Deep learning-based automatic pipeline system for predicting lateral cervical lymph node metastasis in patients with papillary thyroid carcinoma using computed tomography: A multi-center study 2024-Oct-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu DOI:10.21147/j.issn.1000-9604.2024.05.07 PMID:39539818	研究论文	本研究开发并评估了一种基于深度学习的自动管道系统，用于通过计算机断层扫描诊断甲状腺乳头状癌患者的侧颈淋巴结转移	本研究首次提出了一种基于深度学习的自动管道系统，结合了自动分割网络和分类网络，显著提高了诊断性能，并减少了不必要的淋巴结切除率	NA	开发和评估一种基于深度学习的自动管道系统，用于诊断甲状腺乳头状癌患者的侧颈淋巴结转移	甲状腺乳头状癌患者的侧颈淋巴结转移	计算机视觉	甲状腺癌	计算机断层扫描	RefineNet模型、ResNet、Xception、DenseNet	图像	1266个侧颈淋巴结，来自519名患者
11988	2024-11-17	Deep Learning-Based Microscopic Damage Assessment of Fiber-Reinforced Polymer Composites 2024-Oct-29, Materials (Basel, Switzerland) DOI:10.3390/ma17215265 PMID:39517542	研究论文	本文提出了一种基于深度学习的纤维增强聚合物复合材料微观损伤评估方法	利用深度学习模型自动识别纤维增强聚合物复合材料的多种损伤模式，提高了评估效率和一致性	仅限于评估五种特定的损伤模式，未涵盖所有可能的损伤类型	开发一种自动化的方法来评估纤维增强聚合物复合材料的微观损伤	纤维增强聚合物复合材料的微观损伤	计算机视觉	NA	深度学习	EfficientNet	图像	包含五种损伤模式的纤维增强聚合物复合材料的扫描电子显微镜图像
11989	2024-11-17	Research on Deep Learning Detection Model for Pedestrian Objects in Complex Scenes Based on Improved YOLOv7 2024-Oct-29, Sensors (Basel, Switzerland) DOI:10.3390/s24216922 PMID:39517819	研究论文	本文提出了一种基于改进YOLOv7的复杂场景下行人目标检测模型	采用CBAM注意力机制和DCNv2在YOLOv7模型的ELAN模块中，并使用DyHead检测头替换原有检测头	未提及具体局限性	提高复杂场景下行人检测的准确性	行人目标检测	计算机视觉	NA	YOLOv7, CBAM, DCNv2, DyHead	YOLOv7	图像	Citypersons数据集和INRIA数据集
11990	2024-11-17	Multi-Activity Step Counting Algorithm Using Deep Learning Foot Flat Detection with an IMU Inside the Sole of a Shoe 2024-Oct-29, Sensors (Basel, Switzerland) DOI:10.3390/s24216927 PMID:39517826	研究论文	本文介绍了一种基于深度学习的足底平坦检测算法，用于在鞋内嵌入IMU的多活动步数计数	本文提出了一种新的步数计数算法，通过在鞋内嵌入IMU并使用深度学习方法，实现了在多活动条件下的高精度步数计数	本文未详细讨论算法在极端条件下的表现，如剧烈运动或特殊地形	开发一种适用于多活动条件下的高精度步数计数算法	步数计数算法在多活动条件下的表现	机器学习	NA	惯性测量单元（IMU）	深度学习	传感器数据	21名参与者
11991	2024-11-17	Deep Learning for Opportunistic Rain Estimation via Satellite Microwave Links 2024-Oct-29, Sensors (Basel, Switzerland) DOI:10.3390/s24216944 PMID:39517840	研究论文	研究利用卫星微波链路中的信号噪声比（SNR）数据，通过深度学习方法进行降雨率估计	首次探索直接利用深度学习模型从原始SNR数据中进行降雨估计，并提出了一种结合深度学习和传统机器学习方法的集成模型	研究仅基于一年的数据集，未来需要更多数据验证模型的泛化能力	提高降雨监测的准确性和效率，减少洪水和干旱风险	卫星微波链路中的SNR数据和降雨率	机器学习	NA	深度学习	深度学习模型和梯度提升机（GBM）	信号噪声比（SNR）数据	一年内多个地点的SNR测量数据，包括雨滴谱仪和雨量计数据
11992	2024-11-17	Forecasting Patient Early Readmission from Irish Hospital Discharge Records Using Conventional Machine Learning Models 2024-Oct-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212405 PMID:39518372	研究论文	本文比较了多种传统机器学习模型和深度学习模型在爱尔兰医院电子出院记录数据集上的患者早期再入院预测效果	本文通过解决数据不平衡和数据类型多样性问题，提升了机器学习算法的性能，并使用SHAP值可视化解释模型预测结果	NA	预测患者再入院，以帮助预防不良事件、降低成本和改善患者预后	爱尔兰急性医院的电子出院记录数据集	机器学习	NA	机器学习模型	传统机器学习模型和深度学习模型	多模态数据	NA
11993	2024-11-17	Evaluation of a Vendor-Agnostic Deep Learning Model for Noise Reduction and Image Quality Improvement in Dental CBCT 2024-Oct-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212410 PMID:39518377	研究论文	评估一种与供应商无关的深度学习模型在牙科CBCT图像降噪和图像质量改善中的效果	提出了一种与供应商无关的深度学习模型，用于改善牙科CBCT图像的对比噪声比和降低噪声	主观图像质量评估显示原生重建和深度学习模型重建之间没有统计学上的显著差异	评估深度学习模型对牙科CBCT图像质量参数和噪声减少的影响	牙科CBCT图像	计算机视觉	NA	深度学习	深度学习模型	图像	93名患者（41名男性和52名女性，平均年龄41.2岁，标准差15.8岁）
11994	2024-11-17	BGF-YOLOv10: Small Object Detection Algorithm from Unmanned Aerial Vehicle Perspective Based on Improved YOLOv10 2024-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s24216911 PMID:39517808	研究论文	提出了一种基于改进YOLOv10的轻量级小目标检测算法BGF-YOLOv10，用于无人机视角下的目标检测	引入了针对小目标的YOLOv10架构，结合BoTNet、C2f和C3变体以及额外的小目标检测头，同时在主干和头部嵌入GhostConv以减少参数数量，并在颈部插入Patch Expanding Layer模块以恢复特征空间分辨率	未提及	提高无人机视角下小目标检测的准确性和效率	无人机视角下的小目标检测	计算机视觉	NA	YOLOv10	CNN	图像	在VisDrone-DET2019和UAVDT数据集上进行了实验
11995	2024-11-17	MSMTRIU-Net: Deep Learning-Based Method for Identifying Rice Cultivation Areas Using Multi-Source and Multi-Temporal Remote Sensing Images 2024-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s24216915 PMID:39517811	研究论文	本文提出了一种基于深度学习模型的水稻种植区识别方法，使用多源和多时相遥感图像	利用多源和多时相遥感图像，结合U-Net模型，提高了水稻种植区识别的准确性和连续性	NA	及时准确地识别水稻种植区，以理解水稻的整体分布模式并制定农业政策	水稻种植区的识别	计算机视觉	NA	遥感观测技术	U-Net	图像	中国三江平原的实验数据
11996	2024-11-17	Prediction of the Relative Resource Abundance of the Argentine Shortfin Squid Illex argentinus in the High Sea in the Southwest Atlantic Based on a Deep Learning Model 2024-Oct-28, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14213106 PMID:39518829	研究论文	本研究基于深度学习模型预测西南大西洋公海上阿根廷滑柔鱼相对资源丰度	构建了基于决策树的集成学习模型和CNN-Attention深度学习模型，提高了资源丰度预测的准确性	NA	分析海洋环境对西南大西洋阿根廷滑柔鱼资源丰度的影响，并预测其资源分布	阿根廷滑柔鱼及其相关海洋环境因素	机器学习	NA	深度学习	CNN-Attention	数据	2014年12月至2024年6月期间的中国远洋渔船日志数据，包括船位数据和海洋环境变量
11997	2024-11-17	Predictive and Explainable Artificial Intelligence for Neuroimaging Applications 2024-Oct-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212394 PMID:39518362	综述	本文综述了预测性和可解释性人工智能在神经影像学应用中的最新进展	本文介绍了支持向量机和卷积神经网络在低级别与高级别胶质瘤和脑部疾病分类中的最佳表现，以及随机森林在脑部疾病回归中的最佳表现	本文仅基于2019年以后发表的30篇原始研究，可能未能涵盖所有相关研究	旨在突出预测性和可解释性人工智能在神经影像学应用中的新进展	神经影像学数据及其相关疾病	机器学习	NA	机器学习、深度学习	支持向量机、卷积神经网络、随机森林	图像	30项原始研究
11998	2024-11-17	MPE-HRNetL: A Lightweight High-Resolution Network for Multispecies Animal Pose Estimation 2024-Oct-26, Sensors (Basel, Switzerland) DOI:10.3390/s24216882 PMID:39517779	研究论文	本文提出了一种轻量级的高分辨率网络MPE-HRNetL，用于多物种动物姿态估计	通过改进Lite-HRNet，引入了空间金字塔池化快速版、混合池化模块和双空间通道注意力机制，并增加了特征增强阶段	NA	提高动物姿态估计模型的效率和准确性，使其适用于资源有限的边缘设备	多物种动物的姿态估计	计算机视觉	NA	NA	HRNet	图像	使用了AP-10K数据集和Animal Pose数据集进行实验
11999	2024-11-17	Artificial Intelligence-Based Sentinel Lymph Node Metastasis Detection in Cervical Cancer 2024-Oct-26, Cancers IF:4.5Q1 DOI:10.3390/cancers16213619 PMID:39518059	研究论文	评估深度学习算法在早期宫颈癌中检测前哨淋巴结转移的有效性	利用已开发的用于乳腺癌和结肠癌淋巴结转移检测的深度学习算法，首次在宫颈癌中进行前哨淋巴结转移检测，并展示了高敏感性	研究为回顾性分析，样本量较小，需要进一步的前瞻性验证	评估深度学习算法在早期宫颈癌中检测前哨淋巴结转移的敏感性和有效性	早期宫颈癌患者的前哨淋巴结转移情况	数字病理学	宫颈癌	深度学习算法	深度学习算法	图像	21名早期宫颈癌患者，包括15名鳞状细胞癌、5名腺癌和1名透明细胞癌患者，共47个前哨淋巴结样本
12000	2024-11-17	Airborne LiDAR Point Cloud Classification Using Ensemble Learning for DEM Generation 2024-Oct-25, Sensors (Basel, Switzerland) DOI:10.3390/s24216858 PMID:39517754	研究论文	本文提出了一种基于集成学习的机载LiDAR点云分类方法，用于生成数字高程模型（DEM）	本文创新性地结合了集成学习策略和几何特征，设计了适用于不同地形的专用地面点分类器，以提高分类的鲁棒性和准确性	本文未详细讨论集成学习模型的训练时间和计算资源需求	提高机载LiDAR点云分类的准确性和生成DEM的质量	机载激光扫描（ALS）点云数据	计算机视觉	NA	集成学习	深度学习模型	点云数据	包含各种地形的ALS点云数据