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
12581	2024-12-01	A Deep Learning Model for Accurate Maize Disease Detection Based on State-Space Attention and Feature Fusion 2024-Nov-09, Plants (Basel, Switzerland) DOI:10.3390/plants13223151 PMID:39599360	研究论文	本文提出了一种基于状态空间注意力和特征融合的深度学习模型，用于精确检测玉米叶病	引入了状态空间注意力机制和多尺度特征融合模块，有效捕捉玉米病害的空间分布和动态发展	未来工作将集中在进一步优化模型的时空特征建模能力和探索多模态数据融合	提高玉米叶病检测的准确性和效率	玉米叶病	计算机视觉	NA	深度学习	状态空间注意力机制	图像	NA
12582	2024-12-01	An Integrative Framework for Healthcare Recommendation Systems: Leveraging the Linear Discriminant Wolf-Convolutional Neural Network (LDW-CNN) Model 2024-Nov-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222511 PMID:39594176	研究论文	本文提出了一种集成框架，利用线性判别狼卷积神经网络（LDW-CNN）模型改进医疗推荐系统的预测和诊断能力	本文的创新点在于将线性判别狼（LDW）与卷积神经网络（CNN）结合，形成LDW-CNN模型，以解决医疗推荐系统中的类别不平衡问题	NA	本文的研究目的是解决医疗推荐系统中的类别不平衡问题，提升预测和诊断能力	本文的研究对象是心脏、肝脏和肾脏疾病的多疾病数据集	机器学习	心血管疾病	卷积神经网络（CNN）	LDW-CNN	多疾病数据集	NA
12583	2024-12-01	UCapsNet: A Two-Stage Deep Learning Model Using U-Net and Capsule Network for Breast Cancer Segmentation and Classification in Ultrasound Imaging 2024-Nov-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16223777 PMID:39594732	研究论文	本文提出了一种结合U-Net和胶囊网络的两阶段深度学习模型UCapsNet，用于超声图像中的乳腺癌分割和分类	UCapsNet通过结合U-Net的分割能力和胶囊网络的分类精度，提高了诊断的准确性，并解决了现有方法的关键弱点	NA	提高乳腺癌在超声图像中的检测和分类精度	乳腺癌的超声图像	计算机视觉	乳腺癌	深度学习	U-Net和胶囊网络	图像	使用Breast Ultrasound Image (BUSI)数据集进行训练和测试
12584	2024-11-28	A Refined and Efficient CNN Algorithm for Remote Sensing Object Detection 2024-Nov-08, Sensors (Basel, Switzerland) DOI:10.3390/s24227166 PMID:39598944	研究论文	本文提出了一种改进的高效卷积神经网络算法（RE-YOLO）用于遥感目标检测	设计了精炼高效的模块（REM）和空间提取注意力模块（SEAM），并构建了三分支路径聚合网络（TBPAN），显著提升了遥感图像中复杂背景下小尺寸、密集分布和复杂排列目标的检测能力	NA	提高遥感图像中目标检测的准确性和效率	遥感图像中的目标检测	计算机视觉	NA	卷积神经网络	CNN	图像	在两个大规模遥感数据集DOTA-v1.0和SCERL上进行了广泛实验
12585	2024-12-01	An Efficient and Stable Registration Framework for Large Point Clouds at Two Different Moments 2024-Nov-08, Sensors (Basel, Switzerland) DOI:10.3390/s24227174 PMID:39598952	研究论文	本文提出了一种针对不同时间点大规模点云的高效稳定配准框架	采用随机采样和随机扩展策略来弥补信息损失，结合深度学习网络和RANSAC进行初步配准，最后使用点对点ICP方法完成配准	未提及具体限制	提高大规模点云在不同时间点的配准效率和稳定性	大规模点云数据	计算机视觉	NA	随机采样、随机扩展、RANSAC、ICP	深度学习网络	点云	关键列车部件的大规模点云数据
12586	2024-12-01	DRBD-YOLOv8: A Lightweight and Efficient Anti-UAV Detection Model 2024-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s24227148 PMID:39598926	研究论文	提出了一种轻量级且高效的反无人机检测模型DRBD-YOLOv8，通过集成重参数化跨阶段高效分层注意力网络和双向特征金字塔网络，以及引入新的损失函数和深度可分离卷积，实现了在边缘计算设备上的实时高精度检测	创新性地集成了重参数化跨阶段高效分层注意力网络和双向特征金字塔网络，并引入了新的损失函数DN-ShapeIoU和深度可分离卷积，以提高检测精度和降低计算复杂度	NA	开发一种能够在边缘计算设备上实现实时高精度反无人机检测的轻量级模型	无人机检测	计算机视觉	NA	深度学习	YOLOv8	图像	NA
12587	2024-12-01	CFRNet: Cross-Attention-Based Fusion and Refinement Network for Enhanced RGB-T Salient Object Detection 2024-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s24227146 PMID:39598924	研究论文	提出了一种基于交叉注意力机制的融合与优化网络CFRNet，用于增强RGB-T显著目标检测	开发了基于光照先验的系数预测器MICP和显著性引导编码器SG Encoder，并设计了交叉注意力融合与优化模块CrossFRM，以更有效地融合RGB和热成像特征	未提及	提高RGB-T显著目标检测的性能	RGB和热成像特征的融合与优化	计算机视觉	NA	交叉注意力机制	CFRNet	图像	未提及
12588	2024-12-01	A Multi-Scale CNN for Transfer Learning in sEMG-Based Hand Gesture Recognition for Prosthetic Devices 2024-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s24227147 PMID:39598925	研究论文	本文提出了一种多尺度卷积神经网络（MSCNN）用于基于表面肌电图（sEMG）的手势识别，通过迁移学习提高假肢设备的适应性和鲁棒性	本文创新性地使用了多尺度卷积神经网络（MSCNN），并通过迁移学习策略如域适应和三重态损失自监督来提高模型的泛化能力	本文未详细讨论模型在不同硬件平台上的计算资源需求和实时性能	开发一种能够快速适应新用户的鲁棒模型，用于基于sEMG的手势识别	基于sEMG的手势识别在假肢设备中的应用	机器学习	NA	表面肌电图（sEMG）	多尺度卷积神经网络（MSCNN）	信号	使用了多个基准数据集，特别是NinaPro数据库
12589	2024-12-01	FMI-CAECD: Fusing Multi-Input Convolutional Features with Enhanced Channel Attention for Cardiovascular Diseases Prediction 2024-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s24227160 PMID:39598937	研究论文	提出了一种融合多输入卷积特征与增强通道注意力机制的框架，用于心血管疾病预测	引入了一种新的多输入一维卷积神经网络框架，结合注意力机制和SHAP分析，以提高心血管疾病预测的准确性和解释性	NA	提高心血管疾病的预测准确性和风险评估	心血管疾病的风险评估	机器学习	心血管疾病	卷积神经网络（CNN）、注意力机制、SHAP分析	一维卷积神经网络（1D-CNN）	生理数据	BRFSS 2022数据集
12590	2024-12-01	Research on Behavior Recognition and Online Monitoring System for Liaoning Cashmere Goats Based on Deep Learning 2024-Nov-07, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14223197 PMID:39595250	研究论文	研究基于深度学习的辽宁绒山羊行为识别与在线监测系统	引入了基于深度学习的行为识别和在线检测系统，并通过改进YOLOv8n算法提高了检测精度	未提及具体局限性	提高辽宁绒山羊的智能养殖效率和质量	辽宁绒山羊的行为识别与在线监测	计算机视觉	NA	深度学习	YOLO	视频	未提及具体样本数量
12591	2024-12-01	Choosing the right artificial intelligence solutions for your radiology department: key factors to consider 2024-11-06, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.232658 PMID:38682670	review	本文为放射科提供了一个实用的指南，帮助选择和整合用于解释任务的人工智能解决方案	本文不列举现有应用或回顾科学证据，而是专注于放射科在选择AI解决方案时应考虑的关键因素	NA	帮助放射科做出明智决策，提高诊断精度、改善患者结果并优化工作流程	放射科在选择和整合AI解决方案时应考虑的关键因素	computer vision	NA	deep learning	NA	NA	NA
12592	2024-12-01	CrackNet: A Hybrid Model for Crack Segmentation with Dynamic Loss Function 2024-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s24227134 PMID:39598912	研究论文	本文提出了一种名为CrackNet的混合网络模型，用于裂缝分割，并引入动态损失函数以解决类别不平衡问题	本文创新性地结合了CNN和Transformer的优点，并引入了条带池化模块和动态加权损失函数	NA	解决基础设施中裂缝检测的挑战，提高裂缝分割的准确性	基础设施中的裂缝	计算机视觉	NA	NA	混合网络（CNN和Transformer）	图像	三个公开的裂缝数据集
12593	2024-12-01	Classification of Hyperspectral Images of Explosive Fragments Based on Spatial-Spectral Combination 2024-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s24227131 PMID:39598908	研究论文	本文提出了一种基于空间-光谱联合方法的爆炸碎片分类技术	利用高光谱成像技术结合深度学习框架，提出了一种新的空间-光谱联合分类方法	研究结果仅在实验室环境下验证，尚未在实际爆炸现场环境中进行验证	评估爆炸威力和设计防爆措施提供参考	爆炸碎片	计算机视觉	NA	高光谱成像	CNN-BiLSTM 和 U-Net	图像	实验室环境下收集的爆炸碎片高光谱图像
12594	2024-12-01	Lightweight Vehicle Detection Based on Mamba_ViT 2024-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s24227138 PMID:39598916	研究论文	提出了一种基于Mamba_ViT的轻量级车辆检测算法，通过新的特征提取架构和多尺度特征融合机制，提高了车辆检测的准确性和效率	引入了新的特征提取架构Mamba_ViT，分离浅层和深层特征并独立处理，增强了特征提取的全面性和准确性	NA	改进车辆检测算法，提高智能交通管理和自动驾驶系统的性能	车辆检测算法及其在智能交通和自动驾驶系统中的应用	计算机视觉	NA	深度学习	CNN	图像	UA-DETRAC数据集
12595	2024-12-01	Improved Detection Accuracy of Chronic Vertebral Compression Fractures by Integrating Height Loss Ratio and Deep Learning Approaches 2024-Nov-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222477 PMID:39594143	研究论文	本研究旨在评估高度损失比率（HLR）方法的局限性，并引入一种结合深度学习（DL）模型的新方法，以提高椎体压缩性骨折（VCF）的检测性能	本研究创新性地将高度损失比率（HLR）与深度学习（DL）模型结合，显著提高了椎体压缩性骨折的检测准确性	本研究仅针对慢性椎体压缩性骨折进行评估，未涉及急性或其他类型的骨折	评估现有方法的局限性并提出改进的椎体压缩性骨折检测方法	慢性椎体压缩性骨折的检测	计算机视觉	骨骼疾病	深度学习	深度学习模型	图像	589名慢性椎体压缩性骨折患者
12596	2024-12-01	CSTAN: A Deepfake Detection Network with CST Attention for Superior Generalization 2024-Nov-05, Sensors (Basel, Switzerland) DOI:10.3390/s24227101 PMID:39598878	研究论文	提出了一种名为CSTAN的深度伪造检测网络，通过CST注意力机制增强模型对真实和伪造特征的区分能力，从而提高跨数据集的泛化能力	设计了通道-空间-三重注意力机制（CST），提取细微的局部信息，并提出了一种新的特征提取方法OD-ResNet-34，增强了模型对数据特征的动态适应性	NA	提高深度伪造检测模型在跨数据集上的泛化能力	深度伪造检测模型的泛化能力	计算机视觉	NA	深度学习	CNN	图像	训练数据集为FF++，测试数据集为Celeb-DF-v1和Celeb-DF-v2
12597	2024-12-01	AIpollen: An Analytic Website for Pollen Identification Through Convolutional Neural Networks 2024-Nov-05, Plants (Basel, Switzerland) DOI:10.3390/plants13223118 PMID:39599327	研究论文	本研究开发了一个基于卷积神经网络的分析网站，用于识别花粉	利用预训练的ResNet34网络并进行微调，结合多种优化策略提高模型性能	NA	利用深度学习的高精度和效率开发一个花粉识别系统	36个不同属的花粉	计算机视觉	NA	卷积神经网络	ResNet34	图像	36个不同属的花粉数据集
12598	2024-12-01	Decoding Radiomics: A Step-by-Step Guide to Machine Learning Workflow in Hand-Crafted and Deep Learning Radiomics Studies 2024-Nov-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14222473 PMID:39594139	综述	本文为新一代放射科医生提供了一个关于放射组学研究的系统指南，涵盖了从研究设计到模型训练和验证的整个流程	介绍了METRICS评分工具，用于评估放射组学研究的质量	主要面向缺乏机器学习或放射组学专业培训的放射科医生	提供一个清晰的放射组学研究流程指南，并介绍METRICS评分工具的应用	放射组学研究的质量评估	机器学习	NA	NA	NA	影像	NA
12599	2024-12-01	Quantitative Evaluation of a Fully Automated Planning Solution for Prostate-Only and Whole-Pelvic Radiotherapy 2024-Nov-05, Cancers IF:4.5Q1 DOI:10.3390/cancers16223735 PMID:39594691	研究论文	本文评估了一种全自动化的前列腺和全盆腔放射治疗计划解决方案，该方案需要最少的人工干预，并生成机器可执行的计划	本文提出了一种基于深度学习的全自动化放射治疗计划管道，能够生成高质量的计划，与手动制作的计划相当	尽管自动化计划在剂量约束方面表现良好，但与手动计划相比，总MU数较高，且未观察到统计学上的显著相关性	评估一种全自动化的前列腺和全盆腔放射治疗计划解决方案的可行性和质量	前列腺和全盆腔放射治疗计划	数字病理学	前列腺癌	深度学习	深度学习模型	图像	训练集238例，验证集86例，临床评估40例
12600	2024-12-01	An Integrated Multimodal-Based CAD System for Breast Cancer Diagnosis 2024-Nov-05, Cancers IF:4.5Q1 DOI:10.3390/cancers16223740 PMID:39594696	研究论文	本文研究了一种基于多模态数据的计算机辅助诊断系统，用于乳腺癌的诊断	首次将患者信息（如病史、乳房密度、年龄等）与乳腺X光片特征结合，用于乳腺癌肿瘤分类	NA	提高乳腺癌诊断的准确性	乳腺癌肿瘤分类	计算机视觉	乳腺癌	NA	CNN	图像	包含患者信息和四视图乳腺X光片图像的新数据集，涵盖正常、良性、恶性多个类别