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
14061	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
14062	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
14063	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
14064	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
14065	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
14066	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
14067	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
14068	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
14069	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
14070	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
14071	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
14072	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
14073	2024-10-20	Gear Classification in Skating Cross-Country Skiing Using Inertial Sensors and Deep Learning 2024-Oct-04, Sensors (Basel, Switzerland) DOI:10.3390/s24196422 PMID:39409462	研究论文	本文利用惯性传感器和深度学习模型对越野滑雪中的三种不同齿轮进行分类	本文创新性地将卷积神经网络与长短期记忆网络结合，用于分类和提取时空特征，实现了对滑雪齿轮的高精度识别	研究仅限于两名经验丰富的滑雪者，且测试场景有限	识别越野滑雪中的三种不同齿轮	越野滑雪中的三种不同齿轮	机器学习	NA	惯性测量单元（IMU）	卷积神经网络（CNN）与长短期记忆网络（LSTM）	加速度和欧拉角数据	两名经验丰富的滑雪者
14074	2024-10-20	Mobile Spatiotemporal Gait Segmentation Using an Ear-Worn Motion Sensor and Deep Learning 2024-Oct-04, Sensors (Basel, Switzerland) DOI:10.3390/s24196442 PMID:39409482	研究论文	研究使用耳戴式运动传感器和深度学习技术进行移动时空步态分割	首次探索使用耳戴式运动传感器进行步态模式的时空分割，并提出了一种名为mEar的算法	研究仅在53名健康成年人中进行，未来需在更多样化的样本中验证	探索耳戴式传感器在移动健康技术中的应用，特别是步态评估	53名健康成年人的步态模式	计算机视觉	NA	深度学习	时序卷积网络	3D加速度数据	53名健康成年人
14075	2024-10-20	Fully Automated Detection of the Appendix Using U-Net Deep Learning Architecture in CT Scans 2024-Oct-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13195893 PMID:39407953	研究论文	本文提出了一种基于U-Net深度学习架构的全自动阑尾检测方法，用于CT扫描中的阑尾分割	利用U-Net架构的编码器-解码器结构和跳跃连接，捕捉空间上下文，提供准确的分割输出	在阑尾与其他结构接近的情况下，模型表现有限	开发一种全自动的阑尾检测方法，以提高急性阑尾炎诊断的准确性和效率	阑尾的准确分割和检测	计算机视觉	NA	深度学习	U-Net	图像	使用了标注的腹部CT扫描数据集进行训练，并通过数据增强技术扩展训练集
14076	2024-10-20	Respiratory Rate Estimation from Thermal Video Data Using Spatio-Temporal Deep Learning 2024-Oct-02, Sensors (Basel, Switzerland) DOI:10.3390/s24196386 PMID:39409425	研究论文	本文提出了一种使用热成像视频数据进行呼吸率估计的端到端深度学习方法	引入了基于负最大互相关和绝对频率峰值差异的新型损失函数，以解决呼吸带测量与面部视频测量之间的相位偏移问题	NA	开发一种高精度的呼吸率估计方法，适用于远程健康监测	从热成像视频中估计呼吸率	计算机视觉	NA	深度学习	3D卷积神经网络和双向长短期记忆网络	视频	22名受试者
14077	2024-10-20	A Dataset of Visible Light and Thermal Infrared Images for Health Monitoring of Caged Laying Hens in Large-Scale Farming 2024-Oct-02, Sensors (Basel, Switzerland) DOI:10.3390/s24196385 PMID:39409426	研究论文	本文介绍了一个包含可见光和热红外图像的数据集，用于大规模养殖中笼养蛋鸡的健康监测	构建了一个名为BClayinghens的数据集，包含61,133张可见光和热红外图像，用于评估笼养蛋鸡的健康状况、行为和数量	NA	评估笼养蛋鸡的健康状况和行为	笼养蛋鸡	计算机视觉	NA	深度学习	对象检测和识别模型	图像	61,133张可见光和热红外图像，包含63,693个鸡头标签
14078	2024-10-20	Gapr for large-scale collaborative single-neuron reconstruction 2024-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02345-z PMID:38961277	研究论文	开发了一种名为Gapr的工具，用于大规模协作的单神经元重建	引入了Gapr工具，结合深度学习自动重建、自动校对和互联网协作校对，提高了大规模神经元重建的效率	NA	解决大规模神经元重建的挑战	小鼠大脑中的单神经元	计算机视觉	NA	深度学习	NA	图像	超过4000个神经元
14079	2024-10-20	Establishing a Validation Infrastructure for Imaging-Based Artificial Intelligence Algorithms Before Clinical Implementation 2024-Oct, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.04.027 PMID:38789066	研究论文	本文探讨了在临床实施前建立用于成像人工智能算法的验证基础设施的必要性和方法	提出了针对大型医疗中心和机构的外部验证基础设施的建议，以确保AI模型的准确性和可推广性	未详细讨论具体的验证方法或技术细节	探讨如何建立一个强大的验证基础设施，以确保AI算法在临床实施前的准确性和安全性	成像人工智能算法及其在临床实施前的验证	计算机视觉	NA	深度学习	AI模型	图像	NA
14080	2024-10-20	[Research status of the tumor stroma ratio in prognosis and treatment of pancreatic cancer] 2024-Oct-01, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20240414-00183 PMID:39183024	研究论文	本文综述了肿瘤间质比例（TSR）在胰腺癌预后和治疗中的研究现状	整合人工智能深度学习模型到传统的病理和影像评估中，以实现对TSR的精确评估	当前研究结果不一致，指导精准治疗仍存在差距	探讨肿瘤间质比例在胰腺癌预后和治疗中的作用	胰腺癌患者的肿瘤间质比例及其对预后和治疗方案的影响	数字病理	胰腺癌	人工智能深度学习	深度学习模型	病理和影像数据	NA