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
12561	2024-12-01	Detection of Aortic Dissection and Intramural Hematoma in Non-Contrast Chest Computed Tomography Using a You Only Look Once-Based Deep Learning Model 2024-Nov-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13226868 PMID:39598012	研究论文	使用基于YOLO的深度学习模型在非对比胸部CT图像中检测主动脉夹层和壁内血肿	开发了一种基于YOLOv4的深度学习模型，能够在非对比CT图像中区分主动脉夹层、壁内血肿和正常主动脉	研究是回顾性的，且样本量相对较小	使用CT图像和深度学习算法区分主动脉夹层和壁内血肿与正常主动脉	主动脉夹层、壁内血肿和正常主动脉	计算机视觉	心血管疾病	深度学习	YOLOv4	图像	121名患者的8881张非对比胸部CT图像
12562	2024-12-01	Double Decomposition and Fuzzy Cognitive Graph-Based Prediction of Non-Stationary Time Series 2024-Nov-14, Sensors (Basel, Switzerland) DOI:10.3390/s24227272 PMID:39599049	研究论文	本文提出了一种基于小波分解和经验模态分解的双重分解策略，并构建了一种高阶模糊认知图（HFCM）预测模型，称为WE-HFCM模型，旨在提高非平稳时间序列预测的解释性和准确性	本文的创新点在于结合了小波分解和经验模态分解的双重分解策略，以及高阶模糊认知图的构建，实现了对非平稳时间序列信号的高频、低频、时域和频域特征的深度提取	本文的局限性在于仅在模拟实验中验证了模型的有效性，尚未在实际应用场景中进行测试	本文的研究目的是开发一种具有解释性和高准确性的非平稳时间序列预测模型，以提高决策者对模型的信任并提供决策依据	本文的研究对象是非平稳时间序列数据	机器学习	NA	小波分解（WD）、经验模态分解（EMD）、岭回归	高阶模糊认知图（HFCM）	时间序列	本文未明确提及样本数量
12563	2024-12-01	Autoencoder-Based System for Detecting Anomalies in Pelletizer Melt Processes 2024-Nov-14, Sensors (Basel, Switzerland) DOI:10.3390/s24227277 PMID:39599053	研究论文	本文提出了一种基于自编码器的系统，用于检测造粒机熔融过程中的异常情况	本文创新性地使用自编码器技术来检测熔融过程中的异常，并通过数据增强方法提高了系统的鲁棒性	本文未详细讨论系统的实际应用场景和可能的技术挑战	研究目的是提高工业制造中熔融过程的效率和产品质量	研究对象是造粒机熔融过程中的异常检测	机器学习	NA	自编码器	自编码器	图像	未明确提及具体样本数量
12564	2024-12-01	Advanced Modulation Formats for 400 Gbps Optical Networks and AI-Based Format Recognition 2024-Nov-14, Sensors (Basel, Switzerland) DOI:10.3390/s24227291 PMID:39599068	研究论文	本文提出了一种基于交替极化啁啾归零频移键控（Apol-CRZ-FSK）调制格式的高速光网络解决方案，并使用Inception-ResNet-v2卷积神经网络模型进行调制格式识别	提出的Apol-CRZ-FSK调制格式在抵抗非线性效应方面优于传统调制格式，且使用Inception-ResNet-v2模型在调制格式识别上表现最佳	NA	实现高速光网络中的信号传输和识别，以满足未来光网络中通信和感知集成的需求	400 Gbps光网络中的调制格式和信号识别	光通信	NA	交替极化啁啾归零频移键控（Apol-CRZ-FSK）调制	Inception-ResNet-v2卷积神经网络	光信号	4 × 100 Gbps密集波分复用（DWDM）光网络
12565	2024-12-01	Deep Learning-Based Slice Thickness Reduction for Computer-Aided Detection of Lung Nodules in Thick-Slice CT 2024-Nov-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222558 PMID:39594224	研究论文	本研究评估了一种基于深度学习的切片厚度减少技术，从5毫米CT扫描减少到1毫米，以提高计算机辅助检测（CAD）系统在肺结节检测中的性能	本研究首次应用深度学习技术将CT扫描的切片厚度从5毫米减少到1毫米，显著提高了CAD系统在肺结节检测中的性能	本研究为回顾性研究，样本量有限，且仅评估了特定条件下的CAD性能	评估基于深度学习的切片厚度减少技术在提高肺结节检测CAD性能中的有效性	肺结节的检测和诊断	计算机视觉	肺部疾病	深度学习	NA	CT扫描图像	687例胸部CT扫描，包括355例有结节和332例无结节
12566	2024-12-01	Advancing Indoor Epidemiological Surveillance: Integrating Real-Time Object Detection and Spatial Analysis for Precise Contact Rate Analysis and Enhanced Public Health Strategies 2024-Nov-13, International journal of environmental research and public health DOI:10.3390/ijerph21111502 PMID:39595769	研究论文	本研究开发了一种先进的软件工具，用于准确计算封闭空间内个体之间的接触率，以支持公共卫生监测和疾病传播缓解	该系统创新性地结合了YOLOv8深度学习模型和动态圆形缓冲区，通过2D投影变换将视频数据坐标精确映射到物理环境的数字布局上，提供详细的接触实例和空间接触模式的热图可视化	NA	提高室内环境中疾病传播监测的准确性和效率，支持更有效的非药物感染控制策略	封闭空间内个体之间的接触率	计算机视觉	呼吸道疾病	YOLOv8	深度学习模型	视频	NA
12567	2024-12-01	Distance and Angle Insensitive Radar-Based Multi-Human Posture Recognition Using Deep Learning 2024-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s24227250 PMID:39599026	研究论文	本文提出了一种基于深度学习的雷达多人体姿态识别框架，能够在距离和角度不敏感的情况下识别多人的姿态	与现有雷达研究不同，本文提出了一种新颖的框架，利用FMCW雷达点云提取近距离内两人的姿态，并通过无监督聚类和DenseNet模型进行姿态分类	NA	开发一种能够在静态环境下识别多人体姿态的雷达系统，应用于预防性健康护理领域	使用FMCW雷达识别两人在不同姿态下的组合	计算机视觉	NA	FMCW雷达	DenseNet	点云	使用四种基本姿态（站立、椅子上坐、地板上坐、躺下），对两人场景的十种姿态组合进行分类，并对两人重叠的五种姿态组合进行实验
12568	2024-12-01	A Hybrid Deep Learning Model for Enhanced Structural Damage Detection: Integrating ResNet50, GoogLeNet, and Attention Mechanisms 2024-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s24227249 PMID:39599027	研究论文	本文介绍了一种结合ResNet50、GoogLeNet和注意力机制的混合深度学习模型，用于增强结构损伤检测	该研究引入了卷积块注意力模块（CBAM），以提高结构损伤检测的准确性和性能	NA	提高结构损伤检测的准确性和效率，特别是在自然灾害后的基础设施维护中	结构损伤检测	计算机视觉	NA	深度学习	混合深度神经网络	图像	使用了一个包含结构损伤和未损伤情况的多样化图像数据集
12569	2024-11-28	An Efficient Weed Detection Method Using Latent Diffusion Transformer for Enhanced Agricultural Image Analysis and Mobile Deployment 2024-Nov-13, Plants (Basel, Switzerland) DOI:10.3390/plants13223192 PMID:39599401	研究论文	本文提出了一种基于潜在扩散变换器的杂草检测方法，旨在提高农业图像分析的准确性和适用性	该方法结合了潜在空间特征提取和自注意力机制，构建了一个轻量级模型，能够在移动设备上快速响应	未来的研究将集中在数据多样性和模型可解释性上，以进一步提高模型的适应性和用户信任	提高农业图像分析的准确性和适用性	杂草检测	计算机视觉	NA	潜在扩散变换器	潜在扩散变换器	图像	NA
12570	2024-12-01	Comprehensive Symptom Prediction in Inpatients With Acute Psychiatric Disorders Using Wearable-Based Deep Learning Models: Development and Validation Study 2024-Nov-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65994 PMID:39536315	研究论文	本研究开发并验证了基于可穿戴设备的深度学习模型，用于全面预测急性精神病患者的症状	结合可穿戴传感器数据和深度学习技术，克服传统精神病评估的局限，支持临床决策	不同病房的显著差异对开发临床决策支持系统构成挑战，未来研究需解决泛化性问题	开发和验证基于可穿戴设备的深度学习模型，以全面预测急性精神病患者的症状	急性精神病患者	机器学习	精神疾病	深度学习	多任务学习模型	可穿戴设备数据	244名参与者，最终分析包括191名（78.3%）
12571	2024-12-01	Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images 2024-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s24227231 PMID:39599008	研究论文	本文探讨了利用高效的自我注意力结构来检测皮肤癌，并引入了一种带有双浓缩注意力浓缩器（DC-AC）的深度神经网络设计，专门用于从皮肤病变图像中检测皮肤癌	本文的创新点在于引入了一种名为双浓缩注意力浓缩器（DC-AC）的新技术，结合自我注意力神经网络，实现了更快速和高效的计算，同时减少了模型参数和计算成本	本文的局限性在于其方法目前仅在皮肤癌检测上进行了验证，未来工作需要进一步验证其在其他类型癌症检测中的通用性	本文的研究目的是开发一种高效的深度学习模型，用于从皮肤病变图像中检测皮肤癌	本文的研究对象是皮肤癌及其病变图像	计算机视觉	皮肤癌	深度学习	深度神经网络	图像	使用了ISIC 2020测试集的公开和私有数据集，具体样本数量未明确提及
12572	2024-12-01	Insights into Nitrogen-Associated Protein 50 (NAP50) as a Tyrosyl-DNA Phosphodiesterase in Dinoflagellates 2024-Nov-11, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms12112286 PMID:39597675	研究论文	研究探讨了氮相关蛋白50（NAP50）作为腰鞭毛虫中的酪氨酸DNA磷酸二酯酶的功能	首次揭示了NAP50属于酪氨酸DNA磷酸二酯酶家族，并预测了其在修复叶绿体DNA损伤中的潜在作用	尚未进行实验验证NAP50的具体生物学功能	探讨NAP50在腰鞭毛虫中的功能及其在叶绿体DNA修复中的潜在作用	氮相关蛋白50（NAP50）及其在腰鞭毛虫中的表达和功能	NA	NA	深度学习算法	NA	基因和蛋白质数据	NA
12573	2024-12-01	AER-Net: Attention-Enhanced Residual Refinement Network for Nuclei Segmentation and Classification in Histology Images 2024-Nov-11, Sensors (Basel, Switzerland) DOI:10.3390/s24227208 PMID:39598984	研究论文	本文提出了一种名为AER-Net的新型注意力增强残差细化网络，用于组织学图像中的细胞核分割和分类	AER-Net通过引入注意力增强编码器模块和残差细化模块，提高了细胞核分割和分类的准确性，并使用了一种结合交叉熵损失和广义Dice损失的损失函数来处理细胞核类别不平衡问题	NA	解决组织学图像中细胞核分割和分类的挑战，特别是针对结直肠癌的诊断和治疗	组织学图像中的细胞核	计算机视觉	结直肠癌	深度学习	CNN	图像	两个结直肠癌数据集和一个泛癌数据集
12574	2024-12-01	Development of a Novel Microphysiological System for Peripheral Neurotoxicity Prediction Using Human iPSC-Derived Neurons with Morphological Deep Learning 2024-Nov-11, Toxics IF:3.9Q1 DOI:10.3390/toxics12110809 PMID:39590989	研究论文	开发了一种新型微生理系统，利用人诱导多能干细胞衍生的神经元进行形态学深度学习，预测药物诱导的外周神经毒性	首次将微生理系统与形态学深度学习结合，用于评估化疗引起的外周神经病变	NA	开发一种用于预测药物诱导的外周神经毒性的微生理系统	人诱导多能干细胞衍生的感觉神经元	数字病理学	NA	形态学深度学习	AI模型	图像	使用人诱导多能干细胞衍生的感觉神经元进行实验
12575	2024-12-01	Deep Learning in Endoscopic Ultrasound: A Breakthrough in Detecting Distal Cholangiocarcinoma 2024-Nov-11, Cancers IF:4.5Q1 DOI:10.3390/cancers16223792 PMID:39594747	研究论文	本研究利用深度学习技术，特别是卷积神经网络（CNN），在超声内镜（EUS）图像中检测远端胆管癌（dCCA），旨在提高诊断准确性	本研究开发了一种定制的CNN模型，并结合DeepLabv3+网络进行肿瘤和器官的分割，显著提高了诊断准确性和效率	本研究为回顾性研究，样本量相对较小，未来需要更大规模的前瞻性研究来验证模型的泛化能力	提高超声内镜（EUS）对远端胆管癌（dCCA）的诊断准确性	远端胆管癌（dCCA）、胰腺和胆管的超声内镜图像	计算机视觉	胆管癌	卷积神经网络（CNN）	卷积神经网络（CNN）、DeepLabv3+	图像	156张EUS图像，通过图像增强技术生成总计1248张图像
12576	2024-12-01	A Hybrid Deep Learning and Machine Learning Approach with Mobile-EfficientNet and Grey Wolf Optimizer for Lung and Colon Cancer Histopathology Classification 2024-Nov-11, Cancers IF:4.5Q1 DOI:10.3390/cancers16223791 PMID:39594746	研究论文	本文提出了一种混合深度学习和机器学习框架，用于肺和结肠癌病理图像的分类	结合了MobileNetV2和EfficientNetB3的混合特征提取模型，并通过Grey Wolf Optimizer进行优化，提高了分类性能和泛化能力	NA	开发一种先进的诊断方法，用于肺和结肠癌的病理图像分类	结肠腺癌、结肠良性组织、肺腺癌、肺良性组织和肺鳞状细胞癌的病理图像	计算机视觉	肺癌、结肠癌	Contrast Limited Adaptive Histogram Equalization (CLAHE)	混合模型（MobileNetV2和EfficientNetB3）	图像	1000张新图像
12577	2024-12-01	Deep-Learning-Based Approach in Cancer-Region Assessment from HER2-SISH Breast Histopathology Whole Slide Images 2024-Nov-11, Cancers IF:4.5Q1 DOI:10.3390/cancers16223794 PMID:39594748	研究论文	本文首次利用深度学习方法对HER2-SISH全切片图像中的正常、扩增和非扩增区域进行分类	首次将深度学习应用于HER2-SISH全切片图像的分类，并提出了一个两阶段的过程来识别和定位区域	需要进一步验证模型在不同数据集上的泛化能力	开发一种自动化方法来评估HER2-SISH乳腺病理全切片图像中的HER2状态	HER2-SISH乳腺病理全切片图像中的正常、扩增和非扩增区域	数字病理学	乳腺癌	深度学习	Vision Transformer (ViT)	图像	使用了一个私有的HER2-SISH乳腺癌切片数据集，数字化放大倍数为40×
12578	2024-12-01	Diagnostic Applications of AI in Sports: A Comprehensive Review of Injury Risk Prediction Methods 2024-Nov-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222516 PMID:39594182	综述	本文综述了人工智能（AI）在预测和预防各种运动损伤中的变革性作用	本文通过探索机器学习和深度学习技术，如随机森林、卷积神经网络和人工神经网络，展示了AI分析复杂数据集、检测模式和生成预测性见解的能力	AI在预测效果上因数据需求和损伤风险的独特性而有所不同，团队运动在数据整合和多球员损伤跟踪方面增加了复杂性	探讨AI在运动损伤预测和预防中的应用，提高损伤风险评估的准确性和可靠性	各种运动损伤的预测和预防	机器学习	NA	机器学习、深度学习	随机森林、卷积神经网络、人工神经网络	数据集	NA
12579	2024-12-01	Novelty Classification Model Use in Reinforcement Learning for Cervical Cancer 2024-Nov-10, Cancers IF:4.5Q1 DOI:10.3390/cancers16223782 PMID:39594737	研究论文	本研究提出了一种新的混合深度学习模型RL-CancerNet，用于增强宫颈癌诊断的准确性	该研究的创新点在于结合了EfficientNetV2和Vision Transformers（ViTs）在强化学习框架中，并通过强化学习代理动态调整少数类别的关注度，以解决类别不平衡问题	NA	提高宫颈癌诊断的准确性	宫颈癌的早期检测	计算机视觉	宫颈癌	强化学习	混合模型（EfficientNetV2、Vision Transformers、Conv3D、BiLSTM）	图像	使用了Herlev和SipaKMeD两个基准宫颈细胞学数据集
12580	2024-12-01	Deep Learning-Based Classification of Macrofungi: Comparative Analysis of Advanced Models for Accurate Fungi Identification 2024-Nov-09, Sensors (Basel, Switzerland) DOI:10.3390/s24227189 PMID:39598966	研究论文	本研究使用先进的深度学习技术对六种大型真菌进行分类	研究比较了多种深度学习模型在真菌分类中的表现，发现DenseNet121模型在准确性和AUC评分上表现最佳	变压器模型（如swin transformer）在该任务中的效果较差，表明仍有改进空间	评估不同深度学习模型在大型真菌分类中的准确性	六种具有生态重要性和独特形态特征的大型真菌	计算机视觉	NA	深度学习	DenseNet121, MobileNetV2, ConvNeXt, EfficientNet, swin transformer	图像	六种大型真菌