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
13041	2024-10-29	ViTDroid: Vision Transformers for Efficient, Explainable Attention to Malicious Behavior in Android Binaries 2024-Oct-17, Sensors (Basel, Switzerland) DOI:10.3390/s24206690 PMID:39460170	研究论文	本文提出了一种基于视觉变换器的模型ViTDroid，用于分析Android恶意软件样本的操作码序列	ViTDroid模型不仅能够高精度地分类恶意软件，还能提供可解释的预测，指出导致恶意行为的指令	本文主要贡献在于模型的可解释性，而非性能的显著提升	开发一种能够有效且可解释地识别Android恶意软件的深度学习模型	Android恶意软件样本的操作码序列	计算机视觉	NA	深度学习	视觉变换器	操作码序列	来自大型真实世界数据集的Android恶意软件样本
13042	2024-10-29	Inertial Measurement Unit-Based Frozen Shoulder Identification from Daily Shoulder Tasks Using Machine Learning Approaches 2024-Oct-16, Sensors (Basel, Switzerland) DOI:10.3390/s24206656 PMID:39460136	研究论文	本文提出了一种基于惯性测量单元（IMU）的肩周炎（FS）自动识别系统，用于日常肩部任务的客观评估	首次使用IMU和机器学习技术进行肩周炎的自动识别，并比较了多种机器学习和深度学习模型的性能	样本量较小，且仅限于肩周炎患者和健康对照组	开发一种客观的肩周炎临床评估方法	肩周炎患者和健康对照组的日常肩部任务	机器学习	肩周炎	惯性测量单元（IMU）	卷积神经网络（CNN）、多层感知器（MLP）	时间域统计特征、运动学特征	24名肩周炎患者和20名健康受试者
13043	2024-10-29	Unsupervised Denoising in Spectral CT: Multi-Dimensional U-Net for Energy Channel Regularisation 2024-Oct-16, Sensors (Basel, Switzerland) DOI:10.3390/s24206654 PMID:39460134	研究论文	研究了在光谱CT中使用无监督深度学习模型进行去噪的方法	提出了基于多维U-Net的无监督深度学习模型，并结合块状训练方法和能量通道正则化，显著提高了去噪效果	仅在模拟数据和真实生物样本上进行了实验验证，未涉及更多实际应用场景	解决光谱CT中由于能量通道增加导致的噪声问题	光谱CT图像的去噪	计算机视觉	NA	光谱CT	U-Net	图像	两个模拟光谱CT体模和一个真实生物样本扫描
13044	2024-10-29	A Recurrent Deep Network for Gait Phase Identification from EMG Signals During Exoskeleton-Assisted Walking 2024-Oct-16, Sensors (Basel, Switzerland) DOI:10.3390/s24206666 PMID:39460147	研究论文	本文提出了一种基于双向LSTM的深度学习模型，用于从EMG信号中识别步态阶段，以辅助下肢外骨骼的步态康复	本文首次将双向LSTM应用于从EMG信号中识别步态阶段，并展示了其在不同采样率和不同步态条件下的泛化能力	模型在1500 Hz数据上的准确率较低，且部分重训练后的模型性能有所下降	开发一种能够准确识别步态阶段的深度学习模型，以辅助下肢外骨骼的步态康复	从EMG信号中识别步态阶段，以驱动外骨骼关节电机产生精确的时序命令	机器学习	NA	EMG信号分析	双向LSTM	EMG信号	26名健康受试者，记录了4块肌肉的EMG信号，采样率为1500 Hz
13045	2024-10-29	Deep Learning-Based Electric Field Enhancement Imaging Method for Brain Stroke 2024-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s24206634 PMID:39460114	研究论文	本文提出了一种基于深度学习的电场增强成像方法（LEFEIM），用于脑卒中的定量成像	LEFEIM通过两个级联网络实现了微波断层扫描系统的定量脑成像，显著提高了成像时间和质量，并具有抗噪能力	NA	开发一种新的成像方法，以克服现有脑成像技术的潜在危害和局限性	脑卒中患者的脑成像	计算机视觉	脑卒中	微波成像	卷积神经网络（CNN）	电场分布	NA
13046	2024-10-29	Isotropic Brain MRI Reconstruction from Orthogonal Scans Using 3D Convolutional Neural Network 2024-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s24206639 PMID:39460119	研究论文	本文提出了一种基于3D卷积神经网络的各向同性脑MRI重建方法	利用3D卷积神经网络自动提取特征，并从多个正交扫描中重建各向同性3D体积	NA	开发一种高效且准确的各向同性脑MRI重建方法	脑MRI图像	计算机视觉	NA	3D卷积神经网络	3D CNN	图像	256 × 256 × 256的3D体积
13047	2024-10-29	Effective Acoustic Model-Based Beamforming Training for Static and Dynamic Hri Applications 2024-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s24206644 PMID:39460124	研究论文	本文介绍了一种基于声学模型的波束形成训练系统，用于提高静态和动态人机交互应用中的信号噪声比和语音识别准确性	该研究采用深度学习方法，通过声学模型进行多风格训练，使用实际房间脉冲响应（RIRs）进行训练，显著提高了动态环境下机器人平台的语音信号处理能力	NA	提高人机交互中语音通信的信号质量和识别准确性	静态和动态环境下的人机交互应用	机器学习	NA	波束形成	深度学习	语音信号	使用多种实际房间脉冲响应（RIRs）进行训练
13048	2024-10-29	Artificial Intelligence (AI) Applications in Drug Discovery and Drug Delivery: Revolutionizing Personalized Medicine 2024-Oct-14, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics16101328 PMID:39458657	综述	本文综述了人工智能在药物发现和药物递送中的应用，探讨了其在个性化医学中的革命性影响	本文展示了人工智能在药物开发和发现、个性化医学等多个领域的创新应用，如目标识别和验证、辅料选择、合成路线预测等	本文主要从监管角度提出了人工智能集成可能带来的问题	分析当前研究趋势和案例，揭示人工智能对制药行业的变革性影响及其对医疗保健的广泛意义	人工智能在药物发现、目标优化、个性化医学、药物安全性等领域的应用	机器学习	NA	机器学习、深度学习	NA	NA	NA
13049	2024-10-29	Consecutive Image Acquisition without Anomalies 2024-Oct-14, Sensors (Basel, Switzerland) DOI:10.3390/s24206608 PMID:39460088	研究论文	本文介绍了一种新的算法，用于消除移动载体上相机连续获取图像时的重叠和间隙异常	提出了一种新的算法，结合动态时间规整距离和Wasserstein距离来检测和纠正连续图像获取中的异常	未提及具体限制	开发一种算法，用于消除连续图像获取中的重叠和间隙异常	移动载体上相机获取的连续图像	计算机视觉	NA	动态时间规整距离和Wasserstein距离	深度学习	图像	未提及具体样本数量
13050	2024-10-29	Enhanced Infant Movement Analysis Using Transformer-Based Fusion of Diverse Video Features for Neurodevelopmental Monitoring 2024-Oct-14, Sensors (Basel, Switzerland) DOI:10.3390/s24206619 PMID:39460099	研究论文	本研究开发了一种基于Transformer的融合模型，用于分析婴儿运动模式，以监测神经发育	本研究首次采用Transformer融合模型，结合多种视频特征，显著提高了婴儿运动模式分类的准确性	本研究样本量较小，仅招募了12对父母-婴儿，未来需要更大规模的验证	旨在提高神经发育异常的早期检测和预测能力	3至12个月大的婴儿及其运动模式	计算机视觉	NA	深度学习	Transformer	视频	12对父母-婴儿
13051	2024-10-29	A Systematic Review of AI-Driven Prediction of Fabric Properties and Handfeel 2024-Oct-13, Materials (Basel, Switzerland) DOI:10.3390/ma17205009 PMID:39459715	综述	本文系统回顾了人工智能驱动的织物特性和手感预测技术	本文通过文献计量和内容分析，深入分析了39篇相关论文，评估了不同AI方法在织物预测中的应用	尽管取得了显著进展，但仍存在模型泛化性和复杂织物行为管理的挑战	提高人工智能在织物特性和手感预测中的应用，指导未来纺织创新	织物特性和手感	机器学习	NA	机器学习、深度学习和混合模型	机器学习、深度学习和混合模型	织物数据	899篇论文中筛选出39篇进行深入分析
13052	2024-10-29	StructNet-DDI: Molecular Structure Characterization-Based ResNet for Prediction of Drug-Drug Interactions 2024-Oct-12, Molecules (Basel, Switzerland) DOI:10.3390/molecules29204829 PMID:39459198	研究论文	本研究介绍了一种基于SMILES表示的化学结构深度学习框架，用于预测药物-药物相互作用（DDI）	提出了基于分子结构特征的ResNet模型，通过提取Morgan指纹和关键分子描述符，并将其转换为图形特征输入到改进的ResNet18架构中，有效解决了梯度消失和爆炸问题	NA	开发一种高效准确的深度学习模型，用于预测药物-药物相互作用	药物-药物相互作用（DDI）	机器学习	NA	深度学习	ResNet	分子结构	NA
13053	2024-10-29	Image-Based Peridynamic Modeling-Based Micro-CT for Failure Simulation of Composites 2024-Oct-12, Materials (Basel, Switzerland) DOI:10.3390/ma17204987 PMID:39459692	研究论文	本文利用CT技术和计算力学结合，通过数值模拟预测复合材料的结构响应，避免了高昂的实验成本	提出了一种基于图像的近场动力学模型（IB-PD），结合深度学习图像识别模型，能够准确重建复合材料的实际微观结构并模拟各种断裂现象	NA	研究碳化硅复合材料的拉伸开裂行为，并通过数值模拟预测其结构响应	碳化硅（C/SiC）复合材料	计算机视觉	NA	CT技术	近场动力学模型（BB-PD），深度学习图像识别模型	图像	NA
13054	2024-10-29	High-Resolution Reconstruction of Temperature Fields Based on Improved ResNet18 2024-Oct-12, Sensors (Basel, Switzerland) DOI:10.3390/s24206564 PMID:39460045	研究论文	本文提出了一种基于改进ResNet18的高精度温度场重建算法	引入了CBAM注意力机制和M-FPN特征金字塔，提高了特征提取能力	未提及具体局限性	提高工业生产中温度值分布的高精度测量	温度场重建算法	机器学习	NA	深度学习	ResNet18	温度场数据	未提及具体样本数量
13055	2024-10-29	Multi-Source Information-Based Bearing Fault Diagnosis Using Multi-Branch Selective Fusion Deep Residual Network 2024-Oct-12, Sensors (Basel, Switzerland) DOI:10.3390/s24206581 PMID:39460061	研究论文	提出了一种基于多源信息的多分支选择性融合深度残差网络用于轴承故障诊断	采用多分支结构设计，为每个输入信号源提供独特的特征处理通道，避免多个信号源的信息被卷积核盲目耦合，并根据每个输入信号的特性分配不同的卷积核大小，充分挖掘各自信息源上的宝贵故障成分	未提及具体限制	解决单信号源故障诊断方法在背景噪声污染和信息衰减下的不可靠性问题，以及多信号源信息冗余对深度学习算法表示能力和故障诊断精度负面影响的问题	滚动轴承故障诊断	机器学习	NA	深度学习	深度残差网络	信号	两个权威公共轴承数据集
13056	2024-10-29	DeepIndel: An Interpretable Deep Learning Approach for Predicting CRISPR/Cas9-Mediated Editing Outcomes 2024-Oct-11, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252010928 PMID:39456711	研究论文	本文介绍了一种名为DeepIndel的深度学习方法，用于预测CRISPR/Cas9介导的基因编辑结果	DeepIndel模型基于BERT-base模块，能够更好地预测修复结果，并在准确性和泛化性方面优于现有方法	NA	提高CRISPR/Cas9介导的基因编辑结果预测的准确性和模型可解释性	CRISPR/Cas9介导的基因编辑结果	机器学习	NA	深度学习	BERT-base模块	DNA序列	NA
13057	2024-10-29	Crispr-SGRU: Prediction of CRISPR/Cas9 Off-Target Activities with Mismatches and Indels Using Stacked BiGRU 2024-Oct-11, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252010945 PMID:39456727	研究论文	本文介绍了一种基于深度学习的框架Crispr-SGRU，用于预测CRISPR/Cas9的脱靶活性，包括错配和插入/删除（indels）	该模型结合了Inception和堆叠BiGRU，并采用dice损失函数解决数据不平衡问题，提高了预测精度和鲁棒性	NA	提高CRISPR/Cas9脱靶活性预测的准确性和解释性	CRISPR/Cas9的脱靶活性	机器学习	NA	CRISPR/Cas9	BiGRU	DNA序列	NA
13058	2024-10-29	Image-Based Auto-Focus Microscope System with Visual Servo Control for Micro-Stereolithography 2024-Oct-11, Micromachines IF:3.0Q2 DOI:10.3390/mi15101250 PMID:39459124	研究论文	本文提出了一种基于图像的自动对焦显微镜系统，结合视觉伺服控制，用于微立体光刻技术	本文的创新点在于开发了一种基于深度学习的激光光斑图像处理算法，用于确定焦点位置，并通过视觉伺服控制实现自动对焦	NA	解决微立体光刻技术中精确对焦的挑战	微立体光刻技术中的自动对焦系统	计算机视觉	NA	微立体光刻技术	深度学习	图像	NA
13059	2024-10-29	Ultrasonic Weld Quality Inspection Involving Strength Prediction and Defect Detection in Data-Constrained Training Environments 2024-Oct-11, Sensors (Basel, Switzerland) DOI:10.3390/s24206553 PMID:39460042	研究论文	本文研究了在数据受限环境下，利用超声波焊接质量检测进行强度预测和缺陷检测的方法	提出了一种基于RGB图像的焊接缺陷检测方法，并通过卷积自编码器（CAE）提取图像数据特征与输入参数设置数据融合，减少了焊接强度预测误差	研究中使用的数据集非常有限，可能会影响模型的泛化能力	开发一种非破坏性测试方法，用于基于RGB图像的焊接质量评估	超声波焊接质量检测中的强度预测和缺陷检测	计算机视觉	NA	卷积自编码器（CAE）	卷积神经网络（CNN）	图像	极小数据集
13060	2024-10-29	Piximi - An Images to Discovery web tool for bioimages and beyond 2024-Oct-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.597232 PMID:38895349	研究论文	介绍了一个名为Piximi的现代无编程图像分析工具，利用深度学习进行生物图像分析	Piximi是一个无需编程的图像分析工具，通过深度学习技术，使生物研究人员能够快速进行图像分析	NA	开发一个无需编程的图像分析工具，使生物研究人员能够利用深度学习技术进行图像分析	生物图像分析	计算机视觉	NA	深度学习	深度学习分类器、预训练深度学习分割模块	图像	NA