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
18641	2024-09-04	Explainable Deep Learning-Based Feature Selection and Intrusion Detection Method on the Internet of Things 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165223 PMID:39204919	研究论文	本文提出了一种基于SHAP和因果原则的可解释特征选择方法，用于物联网中的加密流量入侵检测，并通过实验验证了其性能。	本文的创新点在于结合SHAP和因果原则，提出了一种可解释的特征选择方法，有效减少了特征数量并提高了模型可靠性。	本文的局限性在于仅在两个公开网络流量数据集上进行了验证，可能需要进一步在更多数据集上进行测试以验证其泛化能力。	研究目的是提高网络入侵检测系统的性能和可解释性。	研究对象是物联网中的网络入侵检测系统。	机器学习	NA	深度学习	CNN, 随机森林	网络流量数据	使用了两个公开网络流量数据集：CICIDS2017和NSL-KDD
18642	2024-09-04	Leveraging Deep Learning for Time-Series Extrinsic Regression in Predicting the Photometric Metallicity of Fundamental-Mode RR Lyrae Stars 2024-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s24165203 PMID:39204898	研究论文	本研究利用深度学习技术，从盖亚望远镜的光学G波段光变曲线中预测基本模式RR Lyrae星的光度金属丰度	本研究开发了一种新颖的深度学习方法，用于从时间序列数据中预测光度金属丰度，展示了深度学习在处理大规模天文数据集中的有效性	NA	探索和应用深度学习技术，特别是先进的神经网络架构，以提高从时间序列数据中预测光度金属丰度的准确性	基本模式（ab型）RR Lyrae星的光度金属丰度	机器学习	NA	深度学习	神经网络	时间序列数据	NA
18643	2024-09-04	Semi-Supervised Building Extraction with Optical Flow Correction Based on Satellite Video Data in a Tsunami-Induced Disaster Scene 2024-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s24165205 PMID:39204902	研究论文	本文提出了一种基于卫星视频数据的半监督建筑提取方法，通过光学流校正模块提高在海啸引发灾害场景中的建筑提取准确性和效率	利用卫星视频数据和光学流校正技术，提出了一种新的语义分割模型，能够在有限的训练数据下实现高效准确的建筑提取	NA	提高在复杂自然灾害场景中建筑提取的准确性和效率	海啸引发灾害场景中的建筑提取	计算机视觉	NA	光学流	编码器-解码器结构	视频	有限数量的训练数据
18644	2024-09-04	MOVING: A Multi-Modal Dataset of EEG Signals and Virtual Glove Hand Tracking 2024-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s24165207 PMID:39204903	研究论文	本文介绍了MOVING数据集，该数据集包含脑电图（EEG）信号和虚拟手套手部追踪的多模态数据，用于研究脑机接口（BCI）	引入了一个新的多模态数据集MOVING，包含EEG信号和虚拟手套手部追踪数据，用于BCI研究和辅助设备开发	使用干式无线EEG系统和虚拟手套系统可能导致比传统设备更多的噪声	研究EEG信号中的哪些频段对运动任务分类最具信息性，并探讨基线降低对手势识别的影响	EEG信号和虚拟手套手部追踪数据	脑机接口	NA	EEG	EEGnetV4	多模态数据	11名受试者
18645	2024-09-04	Exploratory Analysis Using Deep Learning for Water-Body Segmentation of Peru's High-Mountain Remote Sensing Images 2024-Aug-10, Sensors (Basel, Switzerland) DOI:10.3390/s24165177 PMID:39204871	研究论文	本文利用深度学习技术对秘鲁安第斯山脉的安卡什和库斯科地区的高山湖泊进行遥感图像的水体分割研究	研究采用了三种深度学习模型（DeepWaterMapV2、WatNet和WaterSegDiff）进行湖泊分割，并引入了基于扩散和变换机制的WaterSegDiff模型	研究主要集中在安卡什和库斯科地区，可能不适用于其他地理环境	旨在通过遥感技术监测和分析高山湖泊的环境动态	秘鲁安第斯山脉的安卡什和库斯科地区的高山湖泊	计算机视觉	NA	深度学习	CNN	图像	使用了2013年至2023年的Landsat-8多光谱影像（波段2-7）创建的新数据集
18646	2024-09-04	Edge Computing and Fault Diagnosis of Rotating Machinery Based on MobileNet in Wireless Sensor Networks for Mechanical Vibration 2024-Aug-09, Sensors (Basel, Switzerland) DOI:10.3390/s24165156 PMID:39204852	研究论文	本文提出了一种基于MobileNet的旋转机械故障检测方法，通过在机械振动无线传感器网络（MvWSNs）中应用边缘计算技术，实现了近实时感知和故障检测	采用小型轻量级的深度学习模型，减轻了MvWSNs的通信压力，并在计算和能量受限的传感器节点上实现了数据采集、处理和分类	NA	提高旋转机械的安全性和实时数据处理能力	旋转机械的故障检测	计算机视觉	NA	边缘计算	MobileNet	振动数据	四个传感器节点
18647	2024-09-04	Trajectory Analysis in Single-Particle Tracking: From Mean Squared Displacement to Machine Learning Approaches 2024-Aug-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25168660 PMID:39201346	review	本文综述了单粒子追踪技术中的轨迹分析方法，从传统的均方位移（MSD）分析到基于机器学习的轨迹分析	介绍了利用角度、速度、时间和到达目标的概率等参数分布的方法，以及使用隐马尔可夫模型和机器学习技术进行轨迹分析的新方法	NA	旨在回顾和讨论单粒子追踪技术中的轨迹分析方法，以揭示驱动分子或粒子运动的潜在机制	单粒子追踪技术中的轨迹分析方法	machine learning	NA	single-particle tracking	Hidden Markov Models, random forest, deep learning	trajectory	NA
18648	2024-09-04	Pantograph Slider Detection Architecture and Solution Based on Deep Learning 2024-Aug-08, Sensors (Basel, Switzerland) DOI:10.3390/s24165133 PMID:39204830	研究论文	本文研究基于深度学习的受电弓滑块磨损检测，旨在提高检测精度和分割效果	引入计算机视觉和深度学习技术，使用线性阵列相机提高数据集质量，集成注意力机制改善分割性能，并提出一种新的图像拼接方法解决图像不完整问题	NA	提高受电弓滑块磨损检测的精度和效果	受电弓滑块的磨损情况	计算机视觉	NA	深度学习	注意力机制	图像	NA
18649	2024-09-04	Deep Learning Technology and Image Sensing 2024-Aug-08, Sensors (Basel, Switzerland) DOI:10.3390/s24165130 PMID:39204827	研究论文	本文探讨了深度学习技术与图像传感在科学领域的应用	NA	NA	探索图像传感与机器学习在多学科领域的应用可能性	图像传感与深度学习技术	计算机视觉	NA	深度学习	NA	图像	NA
18650	2024-09-04	Driving Attention State Detection Based on GRU-EEGNet 2024-Aug-07, Sensors (Basel, Switzerland) DOI:10.3390/s24165086 PMID:39204804	研究论文	本研究利用在分心驾驶和专注驾驶状态下脑电图（EEG）中θ、α和β频带功率谱的显著差异，设计了视觉、听觉和认知三种分心子任务，并通过SVM、EEGNet和GRU-EEGNet模型对驾驶注意状态进行检测。	提出的GRU-EEGNet模型在驾驶注意状态检测准确性上比EEGNet模型和PSD_SVM方法分别提高了6.3%和12.8%。	NA	提高驾驶注意状态检测的准确性。	驾驶注意状态的检测。	神经科学	NA	脑电图（EEG）	GRU-EEGNet	脑电信号	四组驾驶注意状态的EEG信号
18651	2024-09-04	An Explainable Deep Learning Approach for Stress Detection in Wearable Sensor Measurements 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165085 PMID:39204782	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴传感器测量数据中自动检测压力	本文通过结合长短期记忆网络（LSTM）和深度生成集合的条件生成对抗网络（LSTM DGE），解决了稀疏标记传感器测量数据的问题，并利用集成梯度（IG）提高了模型的可解释性	NA	开发一种能够准确检测急性环境中压力相关情绪激发的深度学习方法，以改善人类的健康状况	从Empatica E4腕带记录的生理传感器数据中检测压力	机器学习	NA	深度学习	LSTM DGE	传感器数据	稀疏标记的传感器测量数据
18652	2024-09-04	Review of Methods for Automatic Plastic Detection in Water Areas Using Satellite Images and Machine Learning 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165089 PMID:39204783	综述	本文综述了利用卫星图像和机器学习技术自动检测水域中塑料的方法	介绍了现代机器学习技术在自动化检测漂浮塑料方面的应用	分析了使用太空图像工作的各种限制，并提出了消除这些缺陷的方法	旨在有效解决海洋塑料污染问题，准确快速地识别塑料来源、积累地点及废物运动动态	海洋中的塑料污染及其对海洋生态系统的影响	计算机视觉	NA	机器学习	深度学习算法	图像	NA
18653	2024-09-04	A Novel Real-Time Detection and Classification Method for ECG Signal Images Based on Deep Learning 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165087 PMID:39204785	研究论文	本文提出了一种基于深度学习的实时ECG信号图像检测与分类方法Mamba-RAYOLO	该方法集成了三个先进模块，包括多分支结构的特征提取模块和注意力机制模块，以提高检测准确性和计算效率	NA	旨在提高ECG图像处理和分析的实时检测与分类效率	ECG信号图像	机器学习	NA	深度学习	Mamba-RAYOLO	图像	NA
18654	2024-09-04	Research on the Method for Recognizing Bulk Grain-Loading Status Based on LiDAR 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165105 PMID:39204801	研究论文	本文提出了一种基于激光雷达（LiDAR）的散装谷物装载状态识别方法	使用激光雷达获取点云数据，并构建深度学习网络进行目标识别和组件分割，以提取车辆位置和谷物形状，从而识别散装谷物的装载状态	NA	确保运输空间的最佳利用并防止溢出事故，通过观察谷物形状和确定装载状态	散装谷物的装载状态	计算机视觉	NA	激光雷达（LiDAR）	深度学习网络	点云数据	NA
18655	2024-09-04	Identification, Design, and Application of Noncoding Cis-Regulatory Elements 2024-Aug-05, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080945 PMID:39199333	研究论文	本文探讨了顺式调控元件（CREs）的识别、设计和应用，以及它们在生物学功能中的重要作用	文章介绍了深度学习算法和大型语言模型在解析CRE功能中的应用，以及这些技术如何促进CRE活性的精确预测和CRE的新设计	NA	深入理解CRE的操作动态，以利用其多样的调控特性	顺式调控元件（CREs）及其在生物学功能中的作用	基因组学	NA	深度学习算法	大型语言模型	功能基因组数据	NA
18656	2024-09-04	ASD-GANNet: A Generative Adversarial Network-Inspired Deep Learning Approach for the Classification of Autism Brain Disorder 2024-Jul-29, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14080766 PMID:39199460	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习方法ASD-GANNet，用于自闭症脑部疾病的分类	使用cGAN生成合成连接特征，并结合多头注意力机制进行分类，无需手工特征	NA	提高自闭症脑部疾病分类的准确性和敏感性	自闭症脑部疾病的分类	机器学习	自闭症	cGAN	GAN	fMRI数据	使用NYU数据集进行训练和验证
18657	2024-09-04	Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions 2024-Jul-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080911 PMID:39199298	综述	本文综述了人工智能在病毒-宿主细胞相互作用研究中的应用，特别是机器学习和深度学习在处理大规模遗传和分子数据中的作用	利用机器学习和深度学习算法分析大量数据，预测病毒与宿主细胞在分子层面的相互作用，加速新药物的发现	NA	探讨人工智能在病毒发病机制中的应用，以改进新的治疗和预防策略	病毒与宿主细胞的相互作用	机器学习	NA	机器学习 (ML), 深度学习 (DL)	ML, DL	遗传数据, 分子数据	NA
18658	2024-09-04	CycPeptMP: enhancing membrane permeability prediction of cyclic peptides with multi-level molecular features and data augmentation 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae417 PMID:39210505	research paper	本研究提出了一种名为CycPeptMP的方法，用于预测环肽的膜渗透性，通过多层次分子特征和数据增强技术提高预测准确性	本研究设计了针对环肽的原子级、单体级和肽级特征，并使用深度学习技术将其整合到融合模型中，同时应用多种数据增强技术提高模型训练效率	当前基于机器学习的环肽渗透性模型性能不一，主要受限于实验数据的局限性，且传统方法忽略了环肽独特的结构特性	提高环肽膜渗透性的预测准确性，以增强其作为治疗药物的实用性	环肽的膜渗透性	machine learning	NA	deep learning	fusion model	molecular features	使用了最新的数据集，具体样本数量未提及
18659	2024-09-04	Advances in Modeling Approaches for Oral Drug Delivery: Artificial Intelligence, Physiologically-Based Pharmacokinetics, and First-Principles Models 2024-Jul-24, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics16080978 PMID:39204323	综述	本文综述了用于口服药物递送的建模方法，包括人工智能、生理药代动力学和第一性原理模型	整合了来自不同实验和理论考虑的数据，提出了一种成本效益高的替代实验方法	数学复杂性限制了偏微分方程在生理系统建模中的广泛应用	评估不同建模方法在口服药物递送中的优势和局限	口服药物递送过程中的多种因素，如药物的物理化学性质、制剂特性和胃肠生理	NA	NA	机器学习、深度学习、分子动力学	QSAR、生理药代动力学模型、第一性原理模型	NA	NA
18660	2024-09-04	Predicting respiration rate in unrestrained dairy cows using image analysis and fast Fourier transform 2024-Jul, JDS communications DOI:10.3168/jdsc.2023-0442 PMID:39220844	research paper	本研究旨在开发一种系统，通过使用红、绿、蓝（RGB）和红外（IR）夜视图像，在不受限制的条件下准确预测躺卧的荷斯坦奶牛的呼吸率（RR）。	本研究创新性地使用快速傅里叶变换（FFT）处理从RGB和IR图像中获取的信号，以计算不受限制条件下奶牛的呼吸率。	研究仅限于躺卧的荷斯坦奶牛和断奶前的奶牛犊，未来研究需要扩展到其他品种和不同姿势的奶牛。	开发一种能够准确预测躺卧荷斯坦奶牛在不受限制条件下的呼吸率的系统。	躺卧的荷斯坦奶牛和断奶前的奶牛犊。	computer vision	NA	快速傅里叶变换（FFT）	YOLOv8	image	30头泌乳奶牛，每头奶牛连续记录12小时，共95段视频；25头断奶前奶牛犊，共42次观察。