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
12361	2024-08-13	Deep Learning Based Automatic Left Ventricle Segmentation from the Transgastric Short-Axis View on Transesophageal Echocardiography: A Feasibility Study 2024-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151655 PMID:39125530	研究论文	本研究评估了基于深度学习的U-Net算法在经食管超声心动图（TEE）中自动分割左心室的可行性	本研究首次探索了使用深度学习技术自动分割TEE图像中的左心室，特别是使用了四种不同的U-Net变体模型	研究数据仅来自451名患者，且时间跨度有限，可能影响模型的泛化能力	评估深度学习在TEE图像中自动分割左心室的可行性	研究对象为经食管超声心动图中的左心室图像	计算机视觉	心血管疾病	深度学习	U-Net, Attention U-Net, UNet++, UNeXt	图像	1388个TSV图像来自451名患者
12362	2024-08-13	Deep Learning and Histogram-Based Grain Size Analysis of Images 2024-Jul-30, Sensors (Basel, Switzerland) DOI:10.3390/s24154923 PMID:39123970	研究论文	本文提出了一种结合直方图层的深度学习模型，用于分析具有模糊边缘和不规则排列的沉积模拟实验（SSE）图像的粒度分析	该方法通过使用ResNet18提取特征并结合直方图层，提高了对不规则粒度分布图像的分析效率和准确性	NA	提高沉积模拟实验中粒度分析的量化和自动化水平	沉积模拟实验图像中的粒度大小和分布	计算机视觉	NA	深度学习	ResNet18	图像	未具体说明
12363	2024-08-13	Hybrid Twins Modeling of a High-Level Radioactive Waste Cell Demonstrator for Long-Term Temperature Monitoring and Forecasting 2024-Jul-30, Sensors (Basel, Switzerland) DOI:10.3390/s24154931 PMID:39123978	研究论文	本文探讨了利用混合双胞胎模型对高级别放射性废物储存单元进行长期温度监测和预测的挑战与应用	本文引入了混合双胞胎模型，结合数值模拟和在线传感器测量数据，以预测和监测放射性废物储存单元的长期物理变化	数据质量问题、现实数据的复杂性以及模型复杂度的平衡是本文面临的主要挑战	评估放射性废物储存单元在关闭阶段是否按照预期轨迹进行	高级别放射性废物储存单元的长期温度监测和预测	机器学习	NA	机器学习和深度学习方法	混合双胞胎模型	数值模拟数据和在线传感器测量数据	具体样本数量未在摘要中提及
12364	2024-08-13	Enhancing UWB Indoor Positioning Accuracy through Improved Snake Search Algorithm for NLOS/LOS Signal Classification 2024-Jul-29, Sensors (Basel, Switzerland) DOI:10.3390/s24154917 PMID:39123964	研究论文	本研究通过改进的蛇搜索算法优化非视距/视距信号分类，提高超宽带室内定位精度	引入混沌映射进行种群初始化，并结合基于减法平均的优化器与动态探索概率改进蛇搜索算法，优化反向传播神经网络的初始权重和阈值	NA	解决非视距误差对超宽带室内定位精度的影响，有效区分视距与非视距信号	超宽带室内定位中的非视距/视距信号分类	计算机视觉	NA	反向传播神经网络	BP神经网络	信号	NA
12365	2024-08-13	Improving Nowcasting of Intense Convective Precipitation by Incorporating Dual-Polarization Radar Variables into Generative Adversarial Networks 2024-Jul-28, Sensors (Basel, Switzerland) DOI:10.3390/s24154895 PMID:39123942	研究论文	本文通过将双偏振雷达变量融入生成对抗网络，改进了强对流降水的临近预报	提出了一种对抗自回归网络（AANet），采用两阶段生成器和结构相似性损失（SSIM损失）以及两阶段对抗（Tadv）策略，以生成更真实且高度相似的生成数据	深度学习模型在临近预报方法中存在进化方法容易在迭代过程中累积误差和自回归模型的“回归到平均”问题导致的“模糊”现象	提高强对流降水的临近预报准确性，以防止由强对流降水引起的重大经济损失和人员伤亡	强对流降水的临近预报	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	雷达数据	未具体说明
12366	2024-08-13	Developing a Semi-Supervised Approach Using a PU-Learning-Based Data Augmentation Strategy for Multitarget Drug Discovery 2024-Jul-28, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25158239 PMID:39125808	研究论文	本研究开发了一种基于PU学习的数据增强策略的半监督方法，用于多靶点药物发现	引入了一种新的半监督学习框架——负增强PU集成SVM（NAPU-bagging SVM），该方法能够在保持高召回率的同时管理误报率	NA	探索机器学习（ML）和深度学习（DL）方法与分子表示和数据增强策略之间的协同作用，并开发新的半监督学习框架用于多靶点药物发现	多靶点药物发现中的多靶点导向配体（MTDLs）	机器学习	NA	SVM	SVM	分子数据	NA
12367	2024-08-13	Automatic Quality Assessment of Pork Belly via Deep Learning and Ultrasound Imaging 2024-Jul-27, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14152189 PMID:39123715	研究论文	本研究利用深度学习和超声成像技术自动评估猪肉腹部的质量	本研究采用图像分类方法，通过ResNet18模型实现了对猪肉腹部层数的精确预测，并在实际应用中达到了高准确率	初始考虑的语义分割方法的IoU分数低于70%，未能满足实际应用需求	评估猪肉腹部的层数	猪肉腹部的肌肉和脂肪层数	计算机视觉	NA	深度学习	ResNet18	图像	三层组（n=1811），五层组（n=1294），七层组（n=879）
12368	2024-08-13	Precision Detection of Salt Stress in Soybean Seedlings Based on Deep Learning and Chlorophyll Fluorescence Imaging 2024-Jul-27, Plants (Basel, Switzerland) DOI:10.3390/plants13152089 PMID:39124207	研究论文	本研究探讨了基于深度学习和叶绿素荧光成像技术在识别大豆幼苗盐胁迫水平方面的有效性	研究中使用了六种经典的卷积神经网络模型进行盐胁迫识别，并通过特征融合显著提高了分类准确率，达到98.61%	NA	探索更高效的作物胁迫识别方法，以提高农业可持续性和全球粮食安全	大豆幼苗的盐胁迫水平	机器学习	NA	叶绿素荧光成像	CNN	图像	三种类型的叶绿素荧光图像
12369	2024-08-13	Robotic Grasping of Unknown Objects Based on Deep Learning-Based Feature Detection 2024-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s24154861 PMID:39123908	研究论文	本文提出了一种基于深度学习特征检测的机器人抓取算法，通过检测物体的直线边缘和角点特征，结合图像分割信息，实现对未知物体的有效抓取	该算法通过检测物体共有的直线边缘和角点特征，结合图像分割信息，能够逻辑推断抓取姿态，不受训练数据集大小的限制	NA	提高机器人对未知物体的抓取成功率	机器人对未知物体的抓取算法	计算机视觉	NA	深度学习	CNN	图像	400次实际机器人抓取试验
12370	2024-08-13	An Empirical Study on the Effect of Training Data Perturbations on Neural Network Robustness 2024-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s24154874 PMID:39123921	研究论文	本文通过实验分析了训练数据扰动对神经网络鲁棒性的影响	首次进行了广泛的实证研究，探讨了模型重训练期间数据扰动的影响	NA	研究训练数据扰动对模型鲁棒性的影响	神经网络的鲁棒性	机器学习	NA	NA	神经网络	数据集	NA
12371	2024-08-13	AI-Assisted Rational Design and Activity Prediction of Biological Elements for Optimizing Transcription-Factor-Based Biosensors 2024-Jul-26, Molecules (Basel, Switzerland) DOI:10.3390/molecules29153512 PMID:39124917	综述	本文综述了人工智能算法在合成生物学中合理设计生物元素、预测其活性和调控基于转录因子的生物传感器响应性能中的应用	利用人工智能技术，特别是机器学习和深度学习算法，有效分析生物元素数据并预测其性能	文中提出了人工智能算法在生物技术领域面临的挑战，并建议了未来的研究方向	探讨人工智能在合成生物学中的应用，以推动学术研究和生物技术的实际应用	生物元素的合理设计、活性预测以及基于转录因子的生物传感器性能调控	合成生物学	NA	人工智能	机器学习、深度学习	生物数据	NA
12372	2024-08-13	DeepPGD: A Deep Learning Model for DNA Methylation Prediction Using Temporal Convolution, BiLSTM, and Attention Mechanism 2024-Jul-26, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25158146 PMID:39125714	研究论文	本研究通过引入DeepPGD深度学习框架，结合时间卷积网络、双向长短期记忆网络和注意力机制，旨在提高DNA甲基化识别性能	DeepPGD框架结合了时间卷积网络和双向长短期记忆网络的双重残差结构，有效提取复杂的DNA结构和序列特征，并在多种生物物种上进行了广泛实验，显示出在多个评估指标上的优异性能	NA	开发一种能够更精确识别DNA甲基化位点的深度学习算法	DNA甲基化识别	机器学习	NA	时间卷积网络（TCN）、双向长短期记忆网络（BiLSTM）、注意力机制	DeepPGD	DNA序列	多种生物物种的数据集
12373	2024-08-13	Utilizing High-Resolution Imaging and Artificial Intelligence for Accurate Leaf Wetness Detection for the Strawberry Advisory System (SAS) 2024-Jul-25, Sensors (Basel, Switzerland) DOI:10.3390/s24154836 PMID:39123884	研究论文	本研究利用高分辨率成像和深度学习技术，开发了一种新的叶片湿润度检测算法，用于草莓种植中的疾病风险评估和杀菌剂使用策略	引入了一种结合高分辨率成像和卷积神经网络的深度学习技术，提高了叶片湿润度检测的准确性和可靠性	NA	提高草莓种植中疾病管理的精确度，减少不必要的杀菌剂使用	草莓种植中的叶片湿润度检测	计算机视觉	NA	高分辨率成像，深度学习	卷积神经网络 (CNN)	图像	在佛罗里达州的四个地点进行了实施和测试
12374	2024-08-13	Artificial Intelligence Models for the Detection of Microsatellite Instability from Whole-Slide Imaging of Colorectal Cancer 2024-Jul-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151605 PMID:39125481	研究论文	本文讨论了人工智能模型在从结直肠癌的全切片图像中直接预测微卫星不稳定性（MSI）的潜在作用	提出了联邦学习（FL）和群学习（SL）模型，用于在多个研究和临床中心之间共享算法	文章中提到的AI方法存在一些重要的缺陷	研究人工智能模型在结直肠癌中预测MSI状态的作用	结直肠癌中的微卫星不稳定性	数字病理学	结直肠癌	全切片成像（WSI）	深度学习（DL）	图像	未具体说明样本数量
12375	2024-08-13	Global Research Network Analysis of Edible Coatings and Films for Preserving Perishable Fruit Crops: Current Status and Future Directions 2024-Jul-24, Foods (Basel, Switzerland) DOI:10.3390/foods13152321 PMID:39123513	研究论文	本研究通过文献计量分析，识别了食用涂层和薄膜在水果保鲜领域的核心研究区域、研究空白和新兴趋势	研究揭示了食用涂层和薄膜领域的三个发展阶段，并指出了人工智能在该领域的应用潜力	研究指出缺乏监管框架和安全指南，以及在试点和工业规模应用上的不足	提供未来食用涂层和薄膜在水果保鲜领域研究的全面路线图	食用涂层和薄膜在水果保鲜中的应用	NA	NA	文献计量分析	NA	文献数据	涉及428篇相关研究文章
12376	2024-08-13	An Improved Fire and Smoke Detection Method Based on YOLOv8n for Smart Factories 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154786 PMID:39123833	研究论文	本文提出了一种基于YOLOv8n的改进型火灾和烟雾检测方法，用于智能工厂的火灾监控	引入了ConNeXtV2增强通道间特征竞争，使用RepBlock和SimConv替换原始卷积以提高计算能力和内存带宽，并采用MPDIoU替换CIoU以提高边界框的准确性	算法复杂度增加，但仍满足实时监控需求	改进智能工厂中的火灾和烟雾检测技术	火灾和烟雾检测算法	计算机视觉	NA	YOLOv8n	CNN	图像	超过5000张图像及其对应的标签
12377	2024-08-13	Graph Attention Informer for Long-Term Traffic Flow Prediction under the Impact of Sports Events 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154796 PMID:39123843	研究论文	提出了一种结合图注意力层和informer层的Graph Attention Informer (GAT-Informer)结构，用于长期交通流量预测，特别是在体育赛事影响下的预测	通过结合图注意力层和informer层，能够更好地捕捉时空相关性中的内在特征和外部因素，如体育赛事的影响	未提及具体限制	提高模型在长期时间序列预测中的准确性和鲁棒性	长期交通流量预测	机器学习	NA	图注意力网络	GAT-Informer	时间序列数据	使用伦敦收集的真实世界数据进行测试
12378	2024-08-13	A Single-Camera-Based Three-Dimensional Velocity Field Measurement Method for Granular Media in Mass Finishing with Deep Learning 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154790 PMID:39123840	研究论文	本研究提出了一种基于单摄像头的深度学习方法，用于测量大规模抛光中颗粒介质的三维速度场	本研究首次提出了一种使用单色相机进行三维重建和速度场测量的新方法，并将深度学习与传统光学技术相结合	NA	解决大规模抛光过程中颗粒介质速度场测量的难题	颗粒介质的三维速度场	计算机视觉	NA	深度学习	NA	图像	NA
12379	2024-08-13	Compressed Deep Learning Models for Wearable Atrial Fibrillation Detection through Attention 2024-Jul-24, Sensors (Basel, Switzerland) DOI:10.3390/s24154787 PMID:39123835	研究论文	本研究通过集成定制的通道注意力机制来压缩深度学习神经网络，用于从心电图/光电容积脉搏波（ECG/PPG）数据中检测心房颤动（AF），使其能够在资源受限的可穿戴设备上部署。	本研究的创新点在于通过通道注意力机制压缩深度学习模型，同时保持检测准确性，并增强了模型的可解释性。	NA	研究目的是开发一种能够在低功耗可穿戴设备上部署的高效、准确且可解释的心房颤动检测工具。	研究对象是心房颤动（AF）的检测，特别是从心电图/光电容积脉搏波（ECG/PPG）数据中进行检测。	机器学习	心血管疾病	深度学习	注意力机制	时间序列数据	NA
12380	2024-08-13	Robust Detection of Cracked Eggs Using a Multi-Domain Training Method for Practical Egg Production 2024-Jul-23, Foods (Basel, Switzerland) DOI:10.3390/foods13152313 PMID:39123505	研究论文	本文提出了一种多域训练方法，用于提高深度学习模型在实际蛋品生产中对裂纹蛋的检测性能	通过使用最大均值差异与归一化平方特征估计（NSFE-MMD）建立多域训练策略，提取最大域不变特征，增强模型对未知测试蛋数据的检测能力	未提及具体限制	解决深度学习模型在实际工业场景中因蛋品种、来源和环境变化导致的性能下降问题	裂纹蛋的检测	计算机视觉	NA	深度学习	YOLOV5, YOLOV8	图像	涉及多个未知测试域的蛋数据