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
13961	2024-10-20	Enhanced microvascular imaging through deep learning-driven OCTA reconstruction with squeeze-and-excitation block integration 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.525928 PMID:39421773	研究论文	本文提出了一种通过深度学习驱动的OCTA重建方法，结合挤压激励块来增强皮肤微血管成像	本文的创新点在于将挤压激励块集成到卷积神经网络中，以提高微血管成像的准确性和稳定性	NA	本文的研究目的是改进皮肤微血管成像技术，以提高心血管健康和体温调节的评估	本文的研究对象是皮肤微血管	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	NA
13962	2024-10-20	LS-Net: lightweight segmentation network for dermatological epidermal segmentation in optical coherence tomography imaging 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529662 PMID:39421780	研究论文	介绍了一种轻量级分割网络LS-Net，用于光学相干断层扫描图像中的皮肤表皮分割	结合了卷积神经网络的局部特征提取能力和视觉变换器的长程信息处理能力，采用深度卷积变换器增强空间上下文，并通过挤压激励块进行特征重校准	未提及	提高光学相干断层扫描在皮肤疾病诊断中的准确性和效率	皮肤表皮在光学相干断层扫描图像中的分割	计算机视觉	皮肤疾病	光学相干断层扫描	LS-Net	图像	包括面部和手掌等多个皮肤部位的样本
13963	2024-10-20	Unsupervised adversarial neural network for enhancing vasculature in photoacoustic tomography images using optical coherence tomography angiography 2024-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102425 PMID:39216343	研究论文	提出了一种无监督深度学习方法OCPA-Net，利用光学相干断层扫描血管造影（OCTA）的丰富血管特征来增强光声断层扫描（PAT）图像中的血管结构	引入了一种新的无监督深度学习方法OCPA-Net，结合了血管感知注意力模块和领域对抗损失函数，以增强PAT图像中的深层血管细节	仅在模拟实验和体内实验中验证了其结构保真度和血管增强性能，尚未在临床环境中进行广泛验证	开发一种能够增强光声断层扫描图像中深层血管结构的可视化方法	光声断层扫描（PAT）图像和光学相干断层扫描血管造影（OCTA）图像	计算机视觉	NA	深度学习	神经网络	图像	包括肿瘤小鼠和增强对比的怀孕小鼠在内的体内实验
13964	2024-10-20	Fuzzy Petri Nets for Traffic Node Reliability 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196337 PMID:39409377	研究论文	本文探讨了使用模糊Petri网分析交通节点可靠性的方法	提出了使用模糊Petri网作为解决自动驾驶汽车在处理大量传感器数据和验证问题上的替代方案	未提及具体限制	研究交通节点的可靠性，以支持自动驾驶汽车的感知模型	交通节点及其可靠性	机器学习	NA	模糊Petri网	模糊Petri网	数据	涉及超过70,000个交通节点
13965	2024-10-20	Performance Evaluation of an Object Detection Model Using Drone Imagery in Urban Areas for Semi-Automatic Artificial Intelligence Dataset Construction 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196347 PMID:39409383	研究论文	本文评估了在城市区域使用无人机图像进行半自动人工智能数据集构建的对象检测模型的性能	提出了使用现有AI对象检测模型构建AI训练数据集的性能评估方法，并发现F分数可以减少26.5%的努力来提高数据集的完整性	未提及具体限制	评估和改进基于深度学习的对象检测模型在城市环境中使用无人机图像进行半自动数据集构建的性能	城市区域中的移动对象检测	计算机视觉	NA	深度学习	对象检测模型	图像	未提及具体样本数量
13966	2024-10-20	Mechanism-Based Fault Diagnosis Deep Learning Method for Permanent Magnet Synchronous Motor 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196349 PMID:39409386	研究论文	研究提出了一种基于连续小波变换和卷积神经网络的永磁同步电机故障诊断方法	结合连续小波变换和卷积神经网络进行故障诊断，实现了高精度的故障识别	未提及具体限制	开发一种高精度的永磁同步电机故障诊断方法	永磁同步电机的匝间短路和退磁故障	机器学习	NA	连续小波变换 (CWT)	卷积神经网络 (CNN)	时间-频率图像	涉及多种严重程度的永磁同步电机故障样本
13967	2024-10-20	EnNet: Enhanced Interactive Information Network with Zero-Order Optimization 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196361 PMID:39409398	研究论文	本文提出了一种增强的交互式信息网络EnNet，通过引入注意力机制和零阶优化方法，解决了交互式图像分割中的信息不足和高计算成本问题	提出了EnNet网络，通过注意力机制整合用户交互信息，并在优化过程中采用零阶优化方法，减少了计算开销	NA	解决交互式图像分割中的信息不足和高计算成本问题	交互式图像分割中的网络架构和优化过程	计算机视觉	NA	注意力机制	EnNet	图像	GrabCut、Berkeley、DAVIS和SBD数据集
13968	2024-10-20	Reproducible and Interpretable Machine Learning-Based Radiomic Analysis for Overall Survival Prediction in Glioblastoma Multiforme 2024-Sep-30, Cancers IF:4.5Q1 DOI:10.3390/cancers16193351 PMID:39409970	研究论文	开发并验证了一种基于MRI的放射组学模型，用于预测胶质母细胞瘤（GBM）患者的总生存期（OS）	结合临床变量和放射组学特征，开发了一种具有高解释性的预测模型，并在多中心回顾性数据集上进行了验证	未来工作将集中在使用基于深度学习的特征和标准化的卷积滤波器	开发和验证一种基于MRI的放射组学模型，用于预测胶质母细胞瘤患者的总生存期	胶质母细胞瘤患者的总生存期预测	机器学习	脑癌	放射组学分析	NA	图像	289名胶质母细胞瘤患者
13969	2024-10-20	Radiomics and deep learning for large volume lymph node metastasis in papillary thyroid carcinoma 2024-Sep-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-24-308 PMID:39421056	研究论文	本研究利用影像组学和深度学习技术预测甲状腺乳头状癌中的大体积淋巴结转移	结合影像组学特征和深度学习特征构建了一个综合模型，用于预测甲状腺乳头状癌中的大体积淋巴结转移	本研究为回顾性多中心研究，样本量有限，且未提及模型的长期稳定性和泛化能力	预测甲状腺乳头状癌术前的大体积淋巴结转移	甲状腺乳头状癌患者及其淋巴结转移情况	数字病理学	甲状腺癌	影像组学特征提取、深度学习算法	ExtraTrees、DenseNet121、AlexNet、Inception_v3、ResNet50、Transformer	影像数据	854例甲状腺乳头状癌患者
13970	2024-10-20	Revolutionizing Molecular Design for Innovative Therapeutic Applications through Artificial Intelligence 2024-Sep-29, Molecules (Basel, Switzerland) DOI:10.3390/molecules29194626 PMID:39407556	综述	本文综述了机器学习、人工智能和分子建模在计算蛋白质工程领域的最新进展，重点介绍了这些技术在蛋白质设计和功能优化方面的应用	本文介绍了深度学习、强化学习和迁移学习等技术在蛋白质结构预测、结合亲和力优化和酶设计方面的显著改进，以及这些创新如何简化了蛋白质工程流程	本文指出了计算预测与实验验证之间的差距以及与AI驱动的蛋白质设计相关的伦理问题	本文旨在全面概述计算方法在蛋白质工程中的当前状态和未来方向，强调其在创造下一代生物制剂和推进合成生物学方面的变革潜力	本文研究的对象是计算蛋白质工程领域中的机器学习、人工智能和分子建模技术及其在蛋白质设计和功能优化中的应用	机器学习	NA	深度学习、强化学习、迁移学习	NA	NA	NA
13971	2024-10-20	SecureVision: Advanced Cybersecurity Deepfake Detection with Big Data Analytics 2024-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s24196300 PMID:39409343	研究论文	SecureVision是一个先进的深度伪造检测系统，结合大数据分析和深度学习算法来检测音频和视频中的篡改信息	主要创新点是使用多模态分析，同时分析多种媒体形式，增强对高级深度伪造技术的抵抗力	NA	解决深度伪造视频对媒体、公众信任和网络安全的威胁	检测音频和视频中的篡改信息	计算机视觉	NA	大数据分析	深度学习算法	音频和视频	NA
13972	2024-10-20	Recent Methods for Evaluating Crop Water Stress Using AI Techniques: A Review 2024-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s24196313 PMID:39409355	综述	本文系统回顾了利用人工智能和遥感技术评估作物水分胁迫的方法	评估了多种非破坏性遥感平台和人工智能技术在监测和预测作物水分胁迫中的有效性	NA	探讨如何利用这些技术在数据有限的情况下提高农业生产力	作物水分胁迫	机器学习	NA	遥感技术	GAN	图像	NA
13973	2024-10-20	Object Detection and Classification Framework for Analysis of Video Data Acquired from Indian Roads 2024-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s24196319 PMID:39409360	研究论文	本文提出了一种针对印度道路视频数据的对象检测和分类框架，使用YOLOv8深度学习模型进行实时处理	本文的创新点在于针对印度道路的独特挑战，如多样化的交通模式、不稳定的驾驶行为和多变的天气条件，设计了一种轻量级、可扩展且高效的YOLOv8模型	本文的局限性在于实验评估主要基于特定的35个对象类别，可能无法涵盖所有可能的交通对象	本文的研究目的是开发一种适用于印度道路的鲁棒对象检测和分类算法，以确保自动驾驶车辆的安全和高效导航	本文的研究对象是印度道路上的交通对象检测和分类	计算机视觉	NA	YOLOv8	YOLOv8	视频	35个不同的对象类别
13974	2024-10-20	Detection of Thymoma Disease Using mRMR Feature Selection and Transformer Models 2024-Sep-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192169 PMID:39410573	研究论文	本文研究了使用mRMR特征选择和Transformer模型检测胸腺瘤疾病	本研究采用了Transformer模型而非传统的深度学习模型，并结合mRMR特征选择方法，显著提高了检测精度	NA	开发一种高效的方法来检测胸腺瘤疾病	胸腺瘤疾病图像和非胸腺瘤疾病图像	计算机视觉	胸腺瘤	Transformer模型	Deit3, Maxvit, Swin, ViT	图像	来自Fırat大学胸外科治疗患者的胸腺瘤和非胸腺瘤疾病图像
13975	2024-10-20	Deep Learning for Parkinson's Disease Diagnosis: A Graph Neural Network (GNN) Based Classification Approach with Graph Wavelet Transform (GWT) Using Protein-Peptide Datasets 2024-Sep-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192181 PMID:39410584	研究论文	本文提出了一种基于图小波变换（GWT）和图神经网络（GNN）的深度学习方法，用于帕金森病（PD）的诊断和预测	本文的创新点在于使用图小波变换进行加权特征提取，并结合图神经网络进行分类，显著提高了帕金森病预测的准确性	NA	本文的研究目的是提高帕金森病诊断和预测的准确性	本文的研究对象是帕金森病患者及其运动和非运动活动	机器学习	帕金森病	图小波变换（GWT）	图神经网络（GNN）	蛋白质-肽数据集	NA
13976	2024-10-20	Comparative Approach to De-Noising TEMPEST Video Frames 2024-Sep-28, Sensors (Basel, Switzerland) DOI:10.3390/s24196292 PMID:39409331	研究论文	本文研究了从重建的TEMPEST视频帧中恢复显示信息的可能性，并比较了两种去噪方法的效果	本文提出了两种去噪方法：自适应维纳滤波器和卷积神经网络，后者在结构相似性指数度量上表现更优	NA	研究从电磁辐射中恢复显示信息的安全漏洞	TEMPEST视频帧的去噪和光学字符识别	计算机视觉	NA	自适应维纳滤波器，卷积神经网络	卷积神经网络	图像	NA
13977	2024-10-20	High-Performance Grape Disease Detection Method Using Multimodal Data and Parallel Activation Functions 2024-Sep-28, Plants (Basel, Switzerland) DOI:10.3390/plants13192720 PMID:39409590	研究论文	本文介绍了一种利用多模态数据和并行异构激活函数的高性能葡萄病害检测深度学习模型	该模型通过集成多模态数据和并行异构激活函数，显著提高了检测精度和鲁棒性	NA	开发一种高性能的葡萄病害检测方法	葡萄病害检测	计算机视觉	NA	深度学习	深度学习模型	多模态数据	NA
13978	2024-10-20	Comparative Analysis of Deep Learning Methods on CT Images for Lung Cancer Specification 2024-Sep-28, Cancers IF:4.5Q1 DOI:10.3390/cancers16193321 PMID:39409940	研究论文	本研究比较了多种深度学习方法在CT图像上对肺癌进行检测和分割的效果	本研究首次将多种预训练的卷积神经网络应用于肺癌的早期检测和肿瘤区域的分割	未来工作可以进一步优化模型并探索其在其他医学领域的应用	应用先进的深度学习技术在早期阶段识别肺癌	肺癌的早期检测和肿瘤区域的分割	计算机视觉	肺癌	卷积神经网络	CNN	图像	NA
13979	2024-10-20	A C lassi H onk: a system framework to annotate and classify vehicular honk from road traffic 2024-Sep-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13101-3 PMID:39331183	研究论文	本文提出了一种名为ClassiHonk的系统框架，用于从道路交通中标注和分类车辆的鸣笛声	本文提出了一种新的深度学习模型MAE，用于自动标注未标记的数据样本，并提出了EnTL模型用于车辆鸣笛分类	研究主要集中在受控环境或无环境噪声的情况下收集的车辆鸣笛数据	识别和分类不同类型车辆的鸣笛声，以推断位置、区域或交通的上下文信息	车辆的鸣笛声	计算机视觉	NA	深度学习	多标签自编码器模型（MAE）和集成迁移学习模型（EnTL）	音频	不同车辆的鸣笛声样本，基于时空特征收集并转换为频谱图图像
13980	2024-10-20	In Silico Structural Prediction for the Generation of Novel Performant Midi-Dystrophins Based on Intein-Mediated Dual AAV Approach 2024-Sep-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms251910444 PMID:39408775	研究论文	本研究开发了三种新型midi-dystrophin构建体，利用split-intein介导的双AAV方法，并通过深度学习算法AphaFold3预测其结构稳定性	首次利用深度学习算法AphaFold3预测midi-dystrophin的结构稳定性，并通过实验验证了其治疗Duchenne肌营养不良症的潜力	midi-Dys 3的蛋白质拼接效率较低，未能在实验中表现出治疗效果	开发新型midi-dystrophin构建体，以提高Duchenne肌营养不良症的治疗效果	midi-dystrophin的结构预测和治疗效果	NA	Duchenne肌营养不良症	split-intein介导的蛋白质拼接	深度学习算法AphaFold3	蛋白质结构	DBA2/mdx小鼠