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
15481	2024-10-01	Comparison of Faster R-CNN, YOLO, and SSD for Third Molar Angle Detection in Dental Panoramic X-rays 2024-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s24186053 PMID:39338799	研究论文	比较了Faster R-CNN、YOLO和SSD三种深度学习模型在牙科全景X光片中检测第三磨牙角度的性能	使用ResNet架构作为特征提取器，并比较了三种深度学习对象检测模型在全景X光片中检测第三磨牙角度的效果	数据质量和数量、类别间的变异性以及数据集分布可能带来的偏差和方差问题	比较不同深度学习模型在全景X光片中检测第三磨牙角度的性能	第三磨牙角度的检测和分类	计算机视觉	NA	深度学习	CNN	图像	644张全景X光片
15482	2024-10-01	Ensemble Techniques for Robust Fake News Detection: Integrating Transformers, Natural Language Processing, and Machine Learning 2024-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s24186062 PMID:39338806	研究论文	本研究提出了一种综合框架，用于通过集成机器学习和深度学习技术来检测假新闻，涵盖文本、图像和视频数据	本研究的创新点在于提出了一个多模态的假新闻检测框架，结合了BERT用于文本分析和改进的CNN用于视觉数据处理，并在实验中展示了其优越性能	NA	本研究旨在开发一种鲁棒且适应性强的框架，用于检测不同媒体格式中的假新闻，以应对现代信息传播和操纵的复杂性	本研究的对象包括文本、图像和视频数据，以及用于假新闻检测的机器学习和深度学习技术	自然语言处理	NA	机器学习	CNN	文本、图像、视频	ISOT假新闻数据集和MediaEval 2016图像验证语料库
15483	2024-10-01	Dress Code Monitoring Method in Industrial Scene Based on Improved YOLOv8n and DeepSORT 2024-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s24186063 PMID:39338809	研究论文	本文提出了一种基于改进的YOLOv8n模型和DeepSORT的工业场景着装规范监控方法	引入了新的FPN-PAN-FPN结构、Receptive-Field Attention卷积操作和Focused Linear Attention机制来改进YOLOv8n模型，并结合DeepSORT进行多帧实例信息获取，采用新的判断标准进行实时着装规范监控	NA	提高工业场景中着装规范监控的准确性和减少误报	工业场景中的着装规范监控	计算机视觉	NA	YOLOv8n, DeepSORT	YOLOv8n	图像	NA
15484	2024-10-01	High-Precision Automated Soybean Phenotypic Feature Extraction Based on Deep Learning and Computer Vision 2024-Sep-19, Plants (Basel, Switzerland) DOI:10.3390/plants13182613 PMID:39339587	研究论文	本文利用深度学习和计算机视觉技术，开发了一种高精度的自动化大豆表型特征提取方法	提出了一种新的中点坐标算法（MCA），用于区分大豆植株的主茎和分支，相比A*算法，减少了计算时间和空间复杂度	研究主要在实验室环境下进行，尚未在田间条件下验证	开发一种高效准确的方法，用于获取田间条件下成熟大豆植株的表型数据	成熟大豆植株的表型特征，包括豆荚和豆粒的数量	计算机视觉	NA	深度学习	YOLOv8	图像	实验室环境下放置在简单背景中的成熟大豆植株
15485	2024-10-01	Predicting ICU Readmission from Electronic Health Records via BERTopic with Long Short Term Memory Network Approach 2024-Sep-18, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13185503 PMID:39336990	研究论文	本研究利用BERTopic和LSTM网络的混合模型，通过电子健康记录预测ICU再入院	本研究创新性地结合了BERTopic的无监督主题建模和LSTM的监督深度学习，有效利用非结构化文本数据，提高了预测模型的解释性和个性化	NA	提高医疗质量，降低成本，通过预测ICU再入院改善患者管理	ICU患者的再入院预测	机器学习	NA	BERTopic, LSTM	LSTM	文本, 数值	36,232个ICU患者记录
15486	2024-10-01	Latent Diffusion Models to Enhance the Performance of Visual Defect Segmentation Networks in Steel Surface Inspection 2024-Sep-18, Sensors (Basel, Switzerland) DOI:10.3390/s24186016 PMID:39338761	研究论文	本文探讨了使用潜在扩散模型（特别是稳定扩散）生成合成图像，以提高制造业组件视觉缺陷分割网络的鲁棒性	提出使用稳定扩散模型生成合成图像来增强训练数据的质量和多样性，从而提高缺陷分割的准确性	NA	提高制造业组件视觉缺陷分割的准确性和可靠性	制造业组件的视觉缺陷	计算机视觉	NA	稳定扩散模型	DeepLabV3+, FPN	图像	使用了NEU-seg数据集，并生成了合成图像以增强训练数据集
15487	2024-10-01	A LiDAR-Camera Joint Calibration Algorithm Based on Deep Learning 2024-Sep-18, Sensors (Basel, Switzerland) DOI:10.3390/s24186033 PMID:39338778	研究论文	提出了一种基于深度学习的激光雷达和相机联合标定算法	无需特殊标定物体，通过深度学习网络自动捕捉环境中的物体特征并完成标定	NA	提高车辆环境感知系统的稳定性	激光雷达和相机的联合标定	计算机视觉	NA	深度学习	深度学习网络模型	图像	KITTI-odometry数据集
15488	2024-10-01	Artificial Intelligence Tools in Pediatric Urology: A Comprehensive Review of Recent Advances 2024-Sep-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182059 PMID:39335738	综述	本文全面回顾了人工智能在儿科泌尿外科领域的最新进展	深度学习算法在儿科泌尿外科诊断、治疗计划和手术结果方面提供了前所未有的精确度	AI在儿科泌尿外科中的应用面临实际、伦理和法律问题，需要进一步研究AI驱动的手术方法和标准化的儿科放射图像分割数据集	探讨人工智能技术在儿科泌尿外科中的应用及其对诊断、治疗和手术的改进	儿科泌尿外科中的诊断、治疗计划和手术结果	计算机视觉	NA	深度学习	深度学习算法	图像	NA
15489	2024-10-01	Predicting Biochemical and Physiological Parameters: Deep Learning from IgG Glycome Composition 2024-Sep-16, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25189988 PMID:39337475	研究论文	研究探讨了免疫球蛋白G（IgG）糖基化成分对生理和生化参数的预测能力	开发了两种模型（弹性网络回归模型和深度学习模型）来预测生理和生化参数，并展示了深度学习模型在验证集上的更好泛化能力	NA	研究IgG糖基化成分对生理和生化参数的预测能力	IgG糖基化成分及其对生理和生化参数的预测	机器学习	NA	深度学习	深度学习模型	数据	Korčula和Vis两个队列的数据
15490	2024-10-01	Two-Step Contrast Source Learning Method for Electromagnetic Inverse Scattering Problems 2024-Sep-16, Sensors (Basel, Switzerland) DOI:10.3390/s24185997 PMID:39338741	研究论文	本文提出了一种两步对比源学习方法，用于解决全波电磁逆散射问题，通过将卷积神经网络（CNN）集成到反演框架中，实现了高精度和近实时成像	本文创新性地将卷积神经网络（CNN）和U-Net模型引入电磁逆散射问题的求解中，显著提高了反演的精度和鲁棒性	NA	解决全波电磁逆散射问题，实现高精度和近实时成像	电磁逆散射问题中的散射体几何和物理属性	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）和U-Net	电磁场数据	NA
15491	2024-10-01	The InterVision Framework: An Enhanced Fine-Tuning Deep Learning Strategy for Auto-Segmentation in Head and Neck 2024-Sep-15, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14090979 PMID:39338233	研究论文	本文介绍了一种名为InterVision的框架，用于增强头颈部放射治疗中的自动分割任务	InterVision框架通过生成中间图像来捕捉患者特有的特征，从而提高模型的准确性	需要大量的数据来确保模型的泛化能力	提高头颈部放射治疗中自动分割的准确性	头颈部放射治疗中的自动分割模型	计算机视觉	NA	深度学习	CNN	图像	20名测试患者，18个结构
15492	2024-10-01	An Underwater Crack Detection System Combining New Underwater Image-Processing Technology and an Improved YOLOv9 Network 2024-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s24185981 PMID:39338726	研究论文	本文提出了一种结合新型水下图像处理技术和改进的YOLOv9网络的水下裂缝检测系统	本文提出了一种新的水下图像处理方法，结合了新颖的白平衡方法和双边滤波去噪方法，将水下裂缝图像转换为高质量的陆上图像，并保留了原始裂缝特征	NA	开发一种适用于水下裂缝检测的新方法	水下裂缝	计算机视觉	NA	水下图像处理技术	YOLOv9-OREPA	图像	NA
15493	2024-10-01	AnyFace++: Deep Multi-Task, Multi-Domain Learning for Efficient Face AI 2024-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s24185993 PMID:39338738	研究论文	本文提出了一种名为AnyFace++的深度多任务、多领域学习模型，用于高效的人脸AI应用	AnyFace++模型能够同时处理人脸检测、面部关键点定位、年龄估计、性别分类和情感识别等多项任务，并且适用于人类、动物和卡通角色等多个领域	NA	解决现有面部应用需要多个模型来完成多项任务，导致内存使用增加和推理时间延长的问题，并扩展到其他领域如动物和卡通角色	人脸检测、面部关键点定位、年龄估计、性别分类和情感识别等多项任务，适用于人类、动物和卡通角色	计算机视觉	NA	深度多任务、多领域学习	NA	图像	NA
15494	2024-10-01	Image Processing for Smart Agriculture Applications Using Cloud-Fog Computing 2024-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s24185965 PMID:39338710	研究论文	本文提出了一种基于云雾计算的图像处理解决方案，用于智能农业应用中的早期问题检测和资源管理优化	本文的创新点在于利用卷积神经网络（CNN）进行图像分析，并通过云雾计算架构优化模型，使其适用于硬件资源有限的边缘设备	本文的局限性在于测试样本仅限于番茄病害分类，且模型在硬件资源有限设备上的准确率略有下降	本文的研究目的是开发一种适用于云雾计算环境的深度学习图像分类模型，以降低农业运营成本和人工劳动	本文的研究对象是智能农业中的作物生长监测和病害分类	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	测试样本为番茄病害分类，准确率从96.29%下降到95.46%，下降幅度为0.83%
15495	2024-10-01	Near-Surface Air Temperature Estimation Based on an Improved Conditional Generative Adversarial Network 2024-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s24185972 PMID:39338717	研究论文	提出了一种基于改进条件生成对抗网络（CGAN）的近地表气温估算方法	利用风云4A卫星遥感数据作为条件引导信息，结合自注意力机制和级联残差块的生成器，以及多层次多尺度空间特征融合的判别器，显著提高了近地表气温估算的准确性	未提及	解决地面气象观测站分布不均导致的近地表气温数据缺失问题	近地表气温估算	计算机视觉	NA	条件生成对抗网络（CGAN）	CGAN	遥感数据	未提及
15496	2024-10-01	FusionOpt-Net: A Transformer-Based Compressive Sensing Reconstruction Algorithm 2024-Sep-14, Sensors (Basel, Switzerland) DOI:10.3390/s24185976 PMID:39338721	研究论文	本文提出了一种基于Transformer的压缩感知重建算法FusionOpt-Net	结合了快速迭代收缩阈值算法（FISTA）和Transformer网络的优势，采用块状采样方法提高计算效率，并通过神经网络映射FISTA的迭代过程来解决传统算法的超参数挑战	NA	改进压缩感知图像重建算法的效率和质量	压缩感知图像重建	计算机视觉	NA	压缩感知（CS）	Transformer	图像	涉及多个公共基准数据集
15497	2024-10-01	Fundus Image Deep Learning Study to Explore the Association of Retinal Morphology with Age-Related Macular Degeneration Polygenic Risk Score 2024-Sep-13, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092092 PMID:39335605	研究论文	研究使用深度学习技术分析眼底图像与年龄相关性黄斑变性多基因风险评分之间的关联	首次使用深度学习模型DenseNet121从单张眼底图像中估计年龄相关性黄斑变性的多基因风险评分，并结合Grad-CAM技术分析模型决策与黄斑变性特定形态特征的关系	研究样本量相对较小，且模型对图像中的伪影较为敏感	探索眼底图像中的视网膜形态与年龄相关性黄斑变性多基因风险评分之间的关联	年龄相关性黄斑变性患者和对照组的眼底图像	计算机视觉	眼科疾病	深度学习	DenseNet121	图像	332名受试者（235名黄斑变性患者和97名对照组）的23,654张眼底图像，最终选择558张高质量图像进行分析
15498	2024-10-01	User Sentiment Analysis Based on Securities Application Elements 2024-Sep-13, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs14090814 PMID:39336029	研究论文	本研究探讨了基于深度学习的韩语文本情感分析在证券应用程序设计中的应用	本研究采用了基于方面的情感分析（ABSA）作为传统用户研究方法的替代方案，通过分析大量用户评论数据，揭示了证券应用程序设计中的关键元素及其用户情感	研究主要集中在韩语文本上，可能限制了方法的普适性	通过分析用户评论，改进证券应用程序的设计	证券应用程序的用户评论数据	自然语言处理	NA	基于方面的情感分析（ABSA）	NA	文本	大量用户评论数据
15499	2024-10-01	Gemini-Assisted Deep Learning Classification Model for Automated Diagnosis of High-Resolution Esophageal Manometry Images 2024-Sep-13, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina60091493 PMID:39336534	研究论文	本文开发了一种基于Gemini辅助的深度学习模型，用于高分辨率食管测压图像的食管运动障碍自动诊断	本文利用Gemini辅助开发深度学习模型，展示了其在多类别图像分类任务中的优越性能	NA	开发一种用于食管运动障碍诊断的深度学习模型	高分辨率食管测压图像	计算机视觉	NA	深度学习	深度学习模型	图像	NA
15500	2024-10-01	Contact Hole Shrinkage: Simulation Study of Resist Flow Process and Its Application to Block Copolymers 2024-Sep-13, Micromachines IF:3.0Q2 DOI:10.3390/mi15091151 PMID:39337811	研究论文	研究了通过抗蚀剂流动过程（RFP）缩小接触孔（C/H）尺寸的方法，并应用于嵌段共聚物	使用有限元方法、机器学习和深度学习模型来模拟抗蚀剂流动过程（RFP），并结合自洽场理论（SCFT）描述嵌段共聚物的自组装过程	大多数经验模型是启发式方法，使用线性回归预测重流结构的临界尺寸，但未考虑中间形状	研究通过抗蚀剂流动过程（RFP）缩小接触孔（C/H）尺寸的方法，并应用于嵌段共聚物	抗蚀剂流动过程（RFP）和嵌段共聚物的自组装	NA	NA	有限元方法、机器学习、深度学习	深度学习、机器学习	NA	NA