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
901	2024-09-27	Remote Sensing Image Scene Classification in Hybrid Classical-Quantum Transferring CNN with Small Samples 2023-Sep-21, Sensors (Basel, Switzerland) DOI:10.3390/s23188010 PMID:37766063	研究论文	本文研究了在混合经典-量子迁移卷积神经网络中对小样本遥感图像场景分类的应用	提出了一个由经典和量子元素组成的改进混合经典-量子迁移学习卷积神经网络，用于分类开源遥感图像数据集	NA	提高在小样本情况下遥感图像场景分类的准确性	遥感图像场景分类	计算机视觉	NA	卷积神经网络 (CNN) 和量子卷积神经网络 (QCNN)	混合经典-量子迁移卷积神经网络	图像	小样本遥感图像数据集
902	2024-09-27	Deep Learning Technology to Recognize American Sign Language Alphabet 2023-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s23187970 PMID:37766026	研究论文	本文研究了使用五种不同的深度学习模型来识别美国手语字母的手势	本文通过实验比较了五种深度学习模型在识别美国手语字母手势上的性能，发现ResNet-50模型达到了最高的识别准确率	VisionTransformer模型的识别准确率相对较低，可能是由于其架构设计参数的调整不足	利用现代技术缩小听障人士与非听障人士之间的沟通障碍	美国手语字母的手势识别	计算机视觉	NA	深度学习	AlexNet, ConvNeXt, EfficientNet, ResNet-50, VisionTransformer	图像	超过87,000张美国手语字母手势图像
903	2024-09-27	Limitations of Out-of-Distribution Detection in 3D Medical Image Segmentation 2023-Sep-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090191 PMID:37754955	研究论文	本文探讨了在3D医学图像分割中分布外检测方法的有效性，并提出了改进方向	提出了Intensity Histogram Features (IHF)方法，在分布外检测挑战中表现优于现有方法	现有分布外检测方法在3D医学图像分割中的表现不佳，无法达到可接受的性能	研究分布外检测方法在3D医学图像分割中的局限性，并提出改进方案	3D医学图像分割中的分布外检测方法	计算机视觉	NA	分布外检测	NA	3D医学图像	NA
904	2024-09-27	Deep Learning of Speech Data for Early Detection of Alzheimer's Disease in the Elderly 2023-Sep-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091093 PMID:37760195	研究论文	本研究利用深度学习技术分析语音数据，以实现阿尔茨海默病的早期检测	本研究首次将语音数据转换为MFCC频谱图，并使用多种深度学习模型进行训练和验证，提高了阿尔茨海默病早期检测的准确性	本研究的数据主要来自韩国公共卫生中心，可能存在地域和文化差异，影响模型的普适性	通过分析语言特征，实现阿尔茨海默病的快速检测	阿尔茨海默病患者和对照组的语音数据	机器学习	老年病	深度学习	Densenet121	语音	NA
905	2024-09-27	Evaluation of Molecular Simulations and Deep Learning Prediction of Antibodies' Recognition of TRBC1 and TRBC2 2023-Sep-17, Antibodies (Basel, Switzerland) DOI:10.3390/antib12030058 PMID:37753972	研究论文	本文评估了分子模拟和深度学习预测抗体对TRBC1和TRBC2识别的研究	结合分子模拟和人工智能方法量化抗体对TRBC1和TRBC2的亲和力差异	NA	开发针对TRBC1或TRBC2的靶向抗体疗法	抗体对TRBC1和TRBC2的识别机制	机器学习	NA	分子动力学模拟	深度学习	蛋白质结构	多种突变抗体
906	2024-09-27	PorcineAI-Enhancer: Prediction of Pig Enhancer Sequences Using Convolutional Neural Networks 2023-Sep-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani13182935 PMID:37760334	研究论文	研究构建了一个高质量的猪增强子数据库，并开发了一种基于卷积神经网络的深度学习预测框架PorcineAI-enhancer，用于预测猪的增强子序列	开发了一种新的深度学习预测框架PorcineAI-enhancer，用于预测猪的增强子序列，并在独立测试数据集上验证了其优异的性能	未提及具体的局限性	理解基因表达调控机制，特别是在动物育种中的应用	猪的增强子序列	机器学习	NA	卷积神经网络	CNN	DNA序列	未提及具体的样本数量
907	2024-09-27	Performance of Deep-Learning Solutions on Lung Nodule Malignancy Classification: A Systematic Review 2023-Sep-14, Life (Basel, Switzerland) DOI:10.3390/life13091911 PMID:37763314	综述	本文系统回顾了深度学习方法在肺结节恶性分类中的表现	深度学习方法通过避免繁琐的图像预处理步骤，提高了肺结节诊断的准确性	深度学习模型在肺结节检测中虽有显著优势，但也存在显著缺陷，需要进一步研究	研究深度学习方法在肺结节恶性分类中的表现	肺结节的恶性分类	计算机视觉	肺癌	深度学习	卷积神经网络 (CNN), 自编码器 (AE), 深度信念网络 (DBN)	图像	16项研究
908	2024-09-27	Shaping the Future of Older Adult Care: ChatGPT, Advanced AI, and the Transformation of Clinical Practice 2023-Sep-13, JMIR aging IF:5.0Q1 DOI:10.2196/51776 PMID:37703085	评论	探讨了深度学习和生成式人工智能在老年护理中的应用潜力及其局限性	提出了深度学习和生成式人工智能在老年护理中的应用潜力	讨论了这些技术的局限性	探索如何利用先进技术改善老年护理	老年护理中的临床实践	机器学习	老年病	深度学习	生成式人工智能	NA	NA
909	2024-09-27	Machine Learning for Medical Image Translation: A Systematic Review 2023-Sep-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091078 PMID:37760180	综述	本文系统回顾了使用深度学习方法生成合成医学图像（如MRI和CT）的研究	本文首次系统回顾了医学图像翻译领域的深度学习应用	医学图像合成的一个主要限制是缺乏大型且可用的多模态配对数据集	回顾使用深度学习方法生成合成医学图像的研究，并分析其动机和评估方法	MRI和CT等医学图像的合成	计算机视觉	NA	深度学习	NA	图像	103项研究，其中74%涉及MRI到CT的合成
910	2024-09-27	Automated Detection and Measurement of Dural Sack Cross-Sectional Area in Lumbar Spine MRI Using Deep Learning 2023-Sep-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091072 PMID:37760174	研究论文	本研究开发并验证了用于自动检测和测量腰椎MRI中硬膜囊横截面积的深度学习模型	本研究首次使用U-Net、Attention U-Net和MultiResUNet模型进行自动检测和测量，显著提高了检测精度和减少了手动方法的误差	需要进一步的大样本量和多中心数据验证模型的泛化能力	开发和验证用于自动检测和测量腰椎MRI中硬膜囊横截面积的深度学习模型	腰椎MRI中的硬膜囊横截面积	计算机视觉	NA	深度学习	U-Net、Attention U-Net、MultiResUNet	图像	515名有症状背痛患者的数据集，以及50名患者的验证数据集
911	2024-09-27	Efficient and Automatic Breast Cancer Early Diagnosis System Based on the Hierarchical Extreme Learning Machine 2023-Sep-09, Sensors (Basel, Switzerland) DOI:10.3390/s23187772 PMID:37765827	研究论文	本文提出了一种基于分层极限学习机（H-ELM）的高效自动乳腺癌早期诊断系统	该系统在公共乳腺超声图像（BUSI）数据集上的分类准确率达到了86.13%，超过了传统的深度学习方法，并且训练时间大幅减少至5.31秒	系统仅依赖于超声图像，未考虑其他相关信息和监督	开发一种高效且自动化的乳腺癌早期诊断系统	乳腺癌的超声图像	计算机视觉	乳腺癌	分层极限学习机（H-ELM）	分层极限学习机（H-ELM）	图像	28×28像素的超声图像
912	2024-09-27	CNN-ViT Supported Weakly-Supervised Video Segment Level Anomaly Detection 2023-Sep-07, Sensors (Basel, Switzerland) DOI:10.3390/s23187734 PMID:37765792	研究论文	本文提出了一种基于CNN和ViT的弱监督视频片段级异常检测方法	利用预训练的CNN和ViT特征提取器，结合时间自注意力网络（TSAN）提取长短期时间依赖性，设计了多实例学习（MIL）架构	依赖于预训练的特征提取器，可能受限于这些提取器的性能	改进弱监督视频异常检测技术	视频片段级异常检测	计算机视觉	NA	CNN, ViT, 时间自注意力网络（TSAN）	CNN-ViT-TSAN	视频	公开的流行人群数据集
913	2024-09-27	Emerging Technologies for 6G Communication Networks: Machine Learning Approaches 2023-Sep-06, Sensors (Basel, Switzerland) DOI:10.3390/s23187709 PMID:37765765	综述	本文综述了机器学习方法在6G通信网络新兴技术中的应用	本文首次系统地综述了机器学习、深度学习和强化学习算法在6G技术中的重要性	本文主要集中在算法综述，未提供具体的实验验证	探讨机器学习算法及其衍生算法在优化6G网络新兴技术中的潜力	6G通信网络中的新兴技术	机器学习	NA	机器学习算法	ML, DL, RL	NA	NA
914	2024-09-27	Deep Learning for Detection and Localization of B-Lines in Lung Ultrasound 2023-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3282596 PMID:37276107	研究论文	研究了多种深度学习方法在肺超声视频中自动检测和定位B线伪影的能力	提出了一个新的“单点”方法用于B线定位，并发布了包含1,419个视频的新超声数据集BEDLUS	研究结果显示，尽管深度学习方法在B线检测上表现良好，但单点定位方法的F-score为0.65，与观察者间的一致性相当	评估和比较不同深度学习方法在肺超声视频中自动检测和定位B线伪影的效果	肺超声视频中的B线伪影	计算机视觉	NA	深度学习	CNN	视频	1,419个视频，来自113名患者，包含15,755个专家标注的B线伪影
915	2024-09-27	Topological deep learning based deep mutational scanning 2023-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107258 PMID:37506452	研究论文	本文提出了一种基于拓扑深度学习的深度突变扫描方法，用于系统理解蛋白质功能	引入了一种新的拓扑数据分析技术，基于持久谱理论，捕捉数据的拓扑不变量和同伦形状演化	NA	开发一种替代方法来处理蛋白质的巨大突变空间，以促进深度突变扫描	蛋白质功能和突变	机器学习	NA	拓扑深度学习	拓扑深度学习模型	数据集	使用SARS-CoV-2数据集进行验证
916	2024-09-27	AutoUnmix: an autoencoder-based spectral unmixing method for multi-color fluorescence microscopy imaging 2023-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.498421 PMID:37791286	研究论文	提出了一种基于自编码器的深度学习方法AutoUnmix，用于多色荧光显微镜成像中的光谱解混	AutoUnmix方法通过模仿物理光谱混合过程，实现了实时解混，速度比现有方法快100倍，并且在重建性能上表现优异	NA	开发一种新的光谱解混方法，以提高多色荧光显微镜成像的质量和分析能力	多色荧光显微镜成像中的光谱解混问题	计算机视觉	NA	深度学习	自编码器	图像	包括合成数据集和生物样本
917	2024-09-27	Deep Learning-assisted Diagnosis of Breast Lesions on US Images: A Multivendor, Multicenter Study 2023-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.220185 PMID:37795135	研究论文	评估深度学习模型在多中心、多厂商的乳腺超声图像诊断中的性能	开发了一种基于双重注意机制的卷积神经网络，用于区分良性和恶性肿瘤	研究为回顾性，且仅限于乳腺超声图像	评估深度学习模型在乳腺超声诊断中的性能，并探讨其对不同经验水平读者的帮助	乳腺肿瘤的良恶性分类	计算机视觉	乳腺癌	深度学习	卷积神经网络	图像	45,909张超声图像，涉及8797名患者中的9895个病理分析确认的乳腺病变
918	2024-09-27	Semisupervised Learning with Report-guided Pseudo Labels for Deep Learning-based Prostate Cancer Detection Using Biparametric MRI 2023-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230031 PMID:37795142	研究论文	本文评估了一种基于诊断报告自动生成稀疏信息指导的半监督学习方法，用于利用额外数据进行深度学习辅助的临床显著性前列腺癌检测	提出了一种新的半监督学习方法（RG-SSL），通过诊断报告中的自动稀疏信息指导，提高了前列腺癌检测的性能	研究是回顾性的，且仅限于特定的数据集和时间范围	评估一种新的半监督学习方法在临床显著性前列腺癌检测中的有效性	临床显著性前列腺癌的检测	计算机视觉	前列腺癌	MRI	深度学习	图像	7756个前列腺MRI检查（6380名患者）
919	2024-09-27	Reimagining Healthcare: Unleashing the Power of Artificial Intelligence in Medicine 2023-Sep, Cureus DOI:10.7759/cureus.44658 PMID:37799217	综述	本文综述了人工智能在医疗领域的应用及其对诊断、治疗、药物开发和远程医疗的影响	人工智能技术如机器学习和深度学习在疾病识别、早期干预、临床决策支持系统和疾病预测模型中的创新应用	人工智能在医疗决策中的应用存在局限性，需要结合实际操作经验，并面临伦理和监管问题	探讨人工智能在医疗领域的应用及其伦理和平衡整合的重要性	人工智能技术在医疗诊断、治疗、药物开发和远程医疗中的应用	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
920	2024-09-27	Artificial Intelligence's Use in the Diagnosis of Mouth Ulcers: A Systematic Review 2023-Sep, Cureus DOI:10.7759/cureus.45187 PMID:37842407	综述	本文综述了人工智能在口腔溃疡诊断中的应用研究	开发了一种用于自动分类口腔溃疡的AI框架，表现优于现有的卷积神经网络图像分类技术	提出的技术需要更大规模的数据进行验证和训练	探讨人工智能在口腔溃疡诊断中的应用	口腔溃疡的分类和识别	机器学习	口腔疾病	深度学习	ResNet50, YOLOV	图像	NA