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
13681	2024-10-18	Correction: Efficacy of compressed sensing and deep learning reconstruction for adult female pelvic MRI at 1.5 T 2024-Oct-16, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00521-6 PMID:39414662	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13682	2024-10-20	AnEEG: leveraging deep learning for effective artifact removal in EEG data 2024-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75091-z PMID:39414897	研究论文	本文提出了一种名为AnEEG的深度学习方法，用于去除脑电图（EEG）数据中的伪影	本文的创新点在于提出了一种新的深度学习方法AnEEG，用于有效去除EEG数据中的伪影，并通过多种量化指标验证了其有效性	NA	本文的研究目的是提高脑电图数据的质量，通过去除伪影来增强信号的可用性	本文的研究对象是脑电图（EEG）数据及其中的伪影	机器学习	NA	深度学习	深度学习模型	脑电图数据	NA
13683	2024-10-20	Integrated multicenter deep learning system for prognostic prediction in bladder cancer 2024-Oct-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00731-6 PMID:39414931	研究论文	开发并验证了一种端到端的深度学习系统，利用组织学切片预测膀胱癌患者的总体生存风险	提出了BlaPaSeg切片分类器生成组织概率热图和分割图，并训练了两个预测网络MacroVisionNet和UniVisionNet，探索了六个潜在的膀胱癌预后生物标志物	NA	提高膀胱癌生存预测的准确性，支持精细化患者管理	膀胱癌患者的总体生存风险	机器学习	膀胱癌	深度学习	CNN	图像	多个队列的膀胱癌患者
13684	2024-10-20	Deep learning to combat knee osteoarthritis and severity assessment by using CNN-based classification 2024-Oct-16, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07942-9 PMID:39415217	研究论文	本研究利用基于卷积神经网络（CNN）的深度学习方法来对抗膝关节骨性关节炎（KOA）并评估其严重程度	本研究提出了一种专门为二分类和KOA严重程度评估设计的复杂CNN架构，并在二分类和多分类任务中均表现出色	本研究仅使用了Osteoarthritis Initiative（OAI）的数据集，未来需要扩展到更多数据集和场景	开发一种基于深度学习的膝关节骨性关节炎检测和分类方法	膝关节骨性关节炎及其严重程度	计算机视觉	骨关节炎	卷积神经网络（CNN）	CNN	图像	使用了Osteoarthritis Initiative（OAI）的数据集
13685	2024-10-20	Deep Learning-Enhanced Paper-Based Vertical Flow Assay for High-Sensitivity Troponin Detection Using Nanoparticle Amplification 2024-Oct-15, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c05153 PMID:39365271	研究论文	本文介绍了一种基于深度学习的纸基垂直流分析法，用于高灵敏度检测心脏肌钙蛋白I	结合纳米颗粒放大技术、成像和数据处理，提高了POCT的灵敏度和精确度	NA	提高POCT的灵敏度和精确度，以满足临床标准	心脏肌钙蛋白I的定量测量	生物传感	心血管疾病	纳米颗粒放大技术	深度学习	图像	患者样本
13686	2024-10-20	Deep and shallow feature fusion framework for remote sensing open pit coal mine scene recognition 2024-Oct-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72855-5 PMID:39406759	研究论文	本文提出了一种用于遥感露天煤矿场景识别的深度与浅层特征融合框架	通过邻域特征注意力模块和图卷积网络模块增强深度特征，并结合灰度共生矩阵和Gabor滤波器提取浅层特征，实现了高精度和低样本依赖的场景识别	NA	提高露天煤矿区域土地利用和破坏的识别精度，以支持科学监管和管理	遥感图像中的露天煤矿场景	计算机视觉	NA	图卷积网络（GCN）、灰度共生矩阵（GLCM）、Gabor滤波器	支持向量机（SVM）	图像	使用了AID和RSSCN7数据集进行评估
13687	2024-10-20	Differential diagnosis of congenital ventricular septal defect and atrial septal defect in children using deep learning-based analysis of chest radiographs 2024-Oct-15, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-024-05141-y PMID:39407181	研究论文	本研究评估了基于深度学习的胸部X光片分析在儿童房间隔缺损和室间隔缺损鉴别诊断中的效果	本研究首次使用深度学习模型对胸部X光片进行分析，以区分儿童的房间隔缺损和室间隔缺损	本研究为回顾性研究，样本量有限，且仅限于特定类型的先天性心脏病	评估深度学习分析胸部X光片在儿童房间隔缺损和室间隔缺损鉴别诊断中的有效性	儿童房间隔缺损和室间隔缺损的鉴别诊断	计算机视觉	先天性心脏病	深度学习	ResNet-CBAM, InceptionV3, EfficientNet, ViT	图像	1194名患者的胸部X光片和相应的放射学报告
13688	2024-10-19	HI-Net: A novel histopathologic image segmentation model for metastatic breast cancer via lightweight dataset construction 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38410 PMID:39421372	研究论文	本文介绍了一种名为HI-Net的新型组织病理学图像分割模型，用于转移性乳腺癌的快速准确检测	提出了HI-Net模型，结合全景分割和局部注意力机制，并构建了一个轻量级的病理切片数据集，加速训练并降低计算成本	NA	提高转移性乳腺癌的检测效率和准确性	转移性乳腺癌的组织病理学图像	数字病理学	乳腺癌	深度学习	HI-Net	图像	轻量级病理切片数据集，分辨率为512 x 512像素
13689	2024-10-20	A method for predicting remaining useful life using enhanced Savitzky-Golay filter and improved deep learning framework 2024-Oct-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74989-y PMID:39402125	研究论文	本文提出了一种基于增强的Savitzky-Golay滤波器和改进的深度学习框架的剩余使用寿命预测方法	本文创新性地结合了增强的Savitzky-Golay滤波器和多通道多尺度的深度学习框架，以提高复杂操作数据集的预测准确性和鲁棒性	该方法在预测多种故障类型时表现不佳，但在单一故障类型预测任务中优于经典算法	研究目的是提高大型设备故障预测和健康管理的有效性，特别是剩余使用寿命的准确预测	研究对象是大型设备的剩余使用寿命预测，使用多变量传感器数据	机器学习	NA	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）	多变量传感器数据	使用了C-MAPSS数据集进行实验验证
13690	2024-10-20	Equilibrium Optimization-Based Ensemble CNN Framework for Breast Cancer Multiclass Classification Using Histopathological Image 2024-Oct-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192253 PMID:39410657	研究论文	本文提出了一种基于均衡优化算法的集成卷积神经网络框架，用于乳腺癌多分类的组织病理学图像分类	本文提出了一种名为MultiHisNet的新模型，并结合了点卷积层、残差链接、通道和空间注意力模块，以及使用均衡优化器确定模型权重的集成模型	医学图像存在纹理背景差异、细胞结构重叠、类别分布不平衡和标签数据不足等问题，以及深度学习模型在过拟合和特征提取不足方面的局限性	旨在提高乳腺癌多分类的准确性，支持病理学家成功诊断乳腺癌	乳腺癌的组织病理学图像	计算机视觉	乳腺癌	卷积神经网络	集成模型	图像	使用了包含组织病理学图像的BreakHis数据集，训练了20种最先进的模型
13691	2024-10-20	Artifacts and Anomalies in Raman Spectroscopy: A Review on Origins and Correction Procedures 2024-Oct-08, Molecules (Basel, Switzerland) DOI:10.3390/molecules29194748 PMID:39407680	综述	本文综述了拉曼光谱中的伪影和异常现象的来源及其校正方法	本文系统地总结了现有的校正方法，包括计算方法、实验方法和深度学习方法，并讨论了这些方法的最新进展和突破	本文指出了当前校正方法的局限性，并提出了未来研究的方向	探讨拉曼光谱中伪影和异常现象的来源及其校正方法	拉曼光谱中的伪影和异常现象及其校正方法	NA	NA	拉曼光谱	深度学习 (DL)	光谱数据	NA
13692	2024-10-20	Recent Advancements in High-Frequency Ultrasound Applications from Imaging to Microbeam Stimulation 2024-Oct-08, Sensors (Basel, Switzerland) DOI:10.3390/s24196471 PMID:39409511	综述	本文综述了高频超声技术从成像到微束刺激的最新进展及其与深度学习的结合	介绍了高频超声在细胞和小动物成像、药物和基因治疗中的应用，以及通过微束刺激操纵单细胞或微粒子的能力	NA	探讨高频超声技术在生物医学和细胞应用中的潜力	高频超声成像和微束刺激技术及其与机器学习的结合	生物医学工程	NA	高频超声	卷积神经网络 (CNN)	图像	NA
13693	2024-10-20	Towards Automatic Object Detection and Activity Recognition in Indoor Climbing 2024-Oct-08, Sensors (Basel, Switzerland) DOI:10.3390/s24196479 PMID:39409520	研究论文	本文提出了一种基于深度学习（YOLOv5）的抓握检测方法，用于自动分析室内攀岩中的眼动数据	本文的创新点在于使用深度学习技术自动检测攀岩中的抓握动作，并将其与眼动数据关联起来，从而避免了传统的手动编码分析	本文的局限性在于仅使用了专家攀岩者的数据，未来研究可以扩展到不同水平的攀岩者	本文的研究目的是开发一种自动化的方法，用于分析室内攀岩中的眼动数据和抓握动作的关系	本文的研究对象是专家攀岩者的眼动数据和抓握动作	计算机视觉	NA	深度学习	YOLOv5	视频	本文使用了专家攀岩者的眼动数据和抓握动作数据
13694	2024-10-20	Hybrid Deep Learning Framework for Melanoma Diagnosis Using Dermoscopic Medical Images 2024-Oct-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192242 PMID:39410645	研究论文	本文提出了一种混合深度学习框架，用于使用皮肤镜图像进行黑色素瘤诊断	结合了U-Net、Inception-ResNet-v2和Vision Transformer模型，并通过超参数调优提高了分类准确性	NA	开发一种能够早期准确诊断黑色素瘤的深度学习方法	皮肤镜图像中的黑色素瘤	计算机视觉	皮肤癌	深度学习	混合模型（U-Net、Inception-ResNet-v2、Vision Transformer）	图像	使用了ISIC2020挑战数据集和HAM10000数据集
13695	2024-10-20	A Comparative Study of Metaheuristic Feature Selection Algorithms for Respiratory Disease Classification 2024-Oct-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192244 PMID:39410648	研究论文	本文比较了六种常用的元启发式优化方法在呼吸系统疾病分类中的应用	首次详细比较了元启发式方法在呼吸系统疾病分类中的应用	仅限于二分类和多分类情况，未涉及其他复杂分类任务	评估元启发式特征选择算法在呼吸系统疾病分类中的有效性	六种元启发式优化方法和八种不同的传递函数	机器学习	呼吸系统疾病	NA	NA	NA	NA
13696	2024-10-20	Integrating Automated Labeling Framework for Enhancing Deep Learning Models to Count Corn Plants Using UAS Imagery 2024-Oct-07, Sensors (Basel, Switzerland) DOI:10.3390/s24196467 PMID:39409507	研究论文	本文开发并整合了一个自动图像标注框架，以提高基于无人机图像的深度学习模型对玉米植株计数的准确性	本文的创新点在于开发了一个自动图像标注框架，并将其整合到深度学习模型的训练中，显著提高了玉米植株计数的准确性	本文的局限性在于仅在特定生长阶段的玉米植株上进行了验证，未来需要在更多作物和生长阶段进行验证	本研究的目的是开发一个鲁棒的玉米计数模型，通过整合自动图像标注框架来提高深度学习模型的准确性	本研究的对象是玉米植株，特别是在V2-V4生长阶段的玉米植株	计算机视觉	NA	深度学习	VGG16	图像	本研究使用了来自俄亥俄州Wooster地区的高空间分辨率无人机图像，涵盖了五个测试区域
13697	2024-10-20	An Ontology-Based Vehicle Behavior Prediction Method Incorporating Vehicle Light Signal Detection 2024-Oct-06, Sensors (Basel, Switzerland) DOI:10.3390/s24196459 PMID:39409499	研究论文	本文提出了一种结合深度学习和本体推理的前车行为预测方法，通过识别车辆灯光信号来提高预测的准确性和可解释性	本文的创新点在于将深度学习技术与本体推理相结合，解决了传统深度学习方法在车辆行为预测中难以整合交通规则和环境信息的问题，并提高了预测过程的可解释性	本文的局限性在于仅针对四车道交叉口场景进行了验证，未来需要扩展到更多复杂的交通场景中	本文的研究目的是提高车辆行为预测的准确性和可解释性，使其更适用于实际应用	本文的研究对象是前车行为预测，特别是通过识别车辆的刹车灯状态来预测其行为	计算机视觉	NA	YOLOv5s, CBAM, BIFPN	CNN	图像	本文使用了自制的刹车灯检测数据集进行模型验证
13698	2024-10-20	SSIM-Based Autoencoder Modeling to Defeat Adversarial Patch Attacks 2024-Oct-06, Sensors (Basel, Switzerland) DOI:10.3390/s24196461 PMID:39409500	研究论文	本文提出了一种基于SSIM的自编码器模型，用于防御对抗性补丁攻击	提出了使用自编码器和结构相似性指数（SSIM）进行图像重建的方法，以防御对抗性补丁攻击	NA	研究如何防御针对自动驾驶车辆边缘设备的对抗性补丁攻击	交通标志检测系统	计算机视觉	NA	自编码器	自编码器	图像	NA
13699	2024-10-20	PointCloud-At: Point Cloud Convolutional Neural Networks with Attention for 3D Data Processing 2024-Oct-05, Sensors (Basel, Switzerland) DOI:10.3390/s24196446 PMID:39409486	研究论文	本文提出了一种将注意力机制引入点云卷积神经网络的方法，用于直接处理3D点云数据	首次将注意力机制应用于直接处理点云数据的卷积神经网络，避免了传统方法中将点云转换为2D图像或体素时导致的信息损失	研究仅在ShapeNet数据集上进行了验证，尚未在其他数据集上进行广泛测试	提高直接处理点云数据的卷积神经网络的性能和准确性	点云数据及其在自动驾驶、机器人和虚拟现实等领域的应用	计算机视觉	NA	卷积神经网络	CNN	点云	ShapeNet数据集
13700	2024-10-20	SMOTE-Based Automated PCOS Prediction Using Lightweight Deep Learning Models 2024-Oct-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192225 PMID:39410629	研究论文	本文提出了一种基于SMOTE和轻量级深度学习模型的自动化多囊卵巢综合征（PCOS）预测方法	采用SMOTE技术进行数据平衡，并结合轻量级深度学习模型（LSTM、CNN和CNN-LSTM）进行自动特征工程，提高了PCOS预测的准确性和效率	NA	开发一种高效且准确的自动化多囊卵巢综合征预测方法	多囊卵巢综合征（PCOS）的预测	机器学习	生殖系统疾病	SMOTE	LSTM, CNN, CNN-LSTM	NA	NA