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
1221	2024-08-05	Deep learning-based anatomical position recognition for gastroscopic examination 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248004 PMID:38669495	研究论文	该研究使用深度学习开发了用于胃镜检查的自动位置识别技术	提出了一种新的方法MogaNet，比现有模型在解剖位置识别上表现更优秀	未提及特定限制因素	利用深度学习技术提高胃镜检查中的解剖位置识别	17182张不同解剖位置的胃镜图像	计算机视觉	NA	卷积神经网络	MogaNet	图像	17182张
1222	2024-08-05	Biclustering for Epi-Transcriptomic Co-functional Analysis 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3918-4_19 PMID:38907925	研究论文	本文描述了多种二聚类挖掘算法，以发现表观转录组数据中的潜在共同功能模式	介绍了将新的深度学习技术引入表观转录组数据共同功能分析领域	NA	深入研究N-甲基腺苷（mA）修饰在表观转录组数据中的共同功能模式	表观转录组数据中的mA修饰及其共同功能模式	数字病理学	NA	深度学习	NA	表观转录组数据	NA
1223	2024-08-05	Deep learning approaches for breast cancer detection in histopathology images: A review 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230251 PMID:38517775	综述	本文综述了使用深度学习技术对乳腺癌进行检测的最新技术现状	本文强调了深度学习算法在乳腺癌检测中的潜力，并讨论了不同架构在多种数据集上的表现	本文提到需要大量多样化的数据集及深度学习模型的可解释性作为挑战	本文旨在提供乳腺癌检测领域的最新技术和研究概况	本文研究对象为乳腺癌与组织病理图像的深度学习检测和分类	数字病理学	乳腺癌	深度学习	NA	组织病理图像	NA
1224	2024-08-05	Offensive language detection in low resource languages: A use case of Persian language 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304166 PMID:38905214	研究论文	本文探讨了波斯语中攻击性语言检测的问题并提出了一种新的语料库	开发了包含6,000条动态博客帖子的新波斯语攻击性语言语料库，并提出了一种集成多个分类器的模型来改善检测效果	所使用的语料库主要集中在波斯语，可能不适用于其他低资源语言	研究波斯语的攻击性语言自动检测问题	波斯语中的攻击性语言	自然语言处理	NA	机器学习，深度学习，变换器基础的神经网络	SVM，单语变换器预训练语言模型 ParsBERT，集成模型	文本	6,000条从520,000个随机抽样的微博帖子中提取的样本
1225	2024-08-05	DeepHLApan: A Deep Learning Approach for the Prediction of Peptide-HLA Binding and Immunogenicity 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3874-3_15 PMID:38907901	研究论文	本文介绍了一种名为DeepHLApan的深度学习工具，用于预测肽-HLA结合亲和力及免疫原性	创新点在于结合肽-HLA结合亲和力和免疫原性进行新抗原的预测	NA	研究旨在推动肿瘤新抗原的预测及其在癌症免疫治疗中的应用	研究对象为肽-HLA结合及其免疫原性	生物信息学	癌症	深度学习	NA	NA	NA
1226	2024-08-05	Deep Learning-Based Prediction of Radiation Therapy Dose Distributions in Nasopharyngeal Carcinomas: A Preliminary Study Incorporating Multiple Features Including Images, Structures, and Dosimetry 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241256594 PMID:38808514	研究论文	本研究旨在通过将剂量信息纳入深层卷积神经网络（CNN）来提高对鼻咽癌放射治疗剂量分布的预测准确性	提出了一个新的框架，利用深度学习和多通道输入，特别纳入了目标顺应计划（TCPD）信息以增强预测准确性	在某些小体积或邻近的风险脏器（OAR）上预测结果可能存在显著差异，且未提及样本的多样性	提高鼻咽癌治疗中强度调制放射治疗（IMRT）的剂量分布预测准确性	鼻咽癌患者的放射治疗剂量分布	数字病理学	鼻咽癌	深度学习	卷积神经网络（CNN）	图像、剂量分布信息、靶区结构及风险脏器信息	NA
1227	2024-08-05	Super-resolution of diffusion-weighted images using space-customized learning model 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248037 PMID:38759065	研究论文	本研究开发了一种端到端的深度学习网络，以提高扩散加权成像（DWI）的空间分辨率	提出了一种空间定制的深度学习方法，结合了卷积神经网络和图卷积网络，以改善DWI的图像质量	对高维和非欧几何的DWI应用仍然具有挑战性	研究旨在通过后处理提高DWI的空间分辨率	本研究对象为扩散加权成像（DWI）	计算机视觉	NA	深度学习	CNN和GCNN	图像	在人体连接组项目中评估
1228	2024-08-05	Intelligent quality control of traditional chinese medical tongue diagnosis images based on deep learning 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248018 PMID:38759050	研究论文	本文提出了一种基于深度学习的图像质量控制算法，用于验证中医舌诊图像的合格性。	该研究利用ResNet34模型并通过迁移学习方法，达到97.06%的图像质量控制准确率，确保舌图像处理的后续分析。	研究并未涉及舌诊图像以外的其他中医诊断图像的质量控制。	研究旨在提高传统中医舌诊技术的标准化、客观化和量化水平。	研究对象为中医舌诊图片，分为五种状态。	数字病理学	NA	深度学习	ResNet34	图像	大量图像样本
1229	2024-08-05	Applications of deep learning models in precision prediction of survival rates for heart failure patients 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248029 PMID:38759059	研究论文	本研究使用Seq2Seq模型提高心力衰竭患者的死亡率预测精度	该研究首次将Seq2Seq模型与患者特征结合用于心力衰竭的死亡率精准预测，优于传统机器学习方法	未提及存在的局限性	利用Seq2Seq模型与患者特征进行心力衰竭死亡率的精准预测	心力衰竭患者的12个患者特征	机器学习	心血管疾病	深度学习	Seq2Seq	连续医疗记录	NA
1230	2024-08-05	Research on multi-defects classification detection method for solar cells based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304819 PMID:38905246	研究论文	提出一种基于深度学习的太阳能电池多缺陷分类检测方法	采用不同优化方法的深度学习模型和多模型融合的分类检测方法来提高太阳能电池表面缺陷的检测精度	没有提及模型在真实应用中的表现和其他类型缺陷的检测能力	提高太阳能电池制造过程中的缺陷检测精度和速度	太阳能电池表面的缺陷检测	计算机视觉	NA	YOLOv5s, K-means, MobileNetV2	YOLOv5s, MobileNetV2	图像	NA
1231	2024-08-05	Deep learning-based differentiation of ventricular septal defect from tetralogy of Fallot in fetal echocardiography images 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248040 PMID:38759068	研究论文	本文探讨了使用深度学习技术区分胎儿超声图像中的室间隔缺损和法洛四联症	采用弱监督数据增强网络（WSDAN）在细粒度图像分类任务中表现最佳，显示了其在识别先天性心脏病中的潜力	研究可能受到样本数量的限制，只有105张TOF图像和96张VSD图像	提高对先天性心脏病的早期诊断能力	胎儿超声图像中的法洛四联症和室间隔缺损	计算机视觉	先天性心脏病	卷积神经网络（CNN）	VGG19, ResNet50, NTS-Net, WSDAN	图像	共收集了201张图像，包括105张法洛四联症图像和96张室间隔缺损图像
1232	2024-08-05	Optimizing cardiovascular image segmentation through integrated hierarchical features and attention mechanisms 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248035 PMID:38759064	研究论文	本文介绍了一种深度学习方法用于自动化心血管图像分割	引入了创新的区域加权融合和形状特征细化模块，利用极化自注意力显著提高了多尺度特征集成和形状微调的性能	NA	研究心血管医学图像的自动分割技术	心血管图像	计算机视觉	心血管疾病	深度学习	NA	图像	NA
1233	2024-08-05	Ecoclimate drivers shape virome diversity in a globally invasive tick species 2024-Jan-08, The ISME journal DOI:10.1093/ismejo/wrae087 PMID:38747389	研究论文	研究了气候因素如何影响入侵蜱种Haemaphysalis longicornis的病毒组多样性	揭示气候因素对蜱病毒组的影响大于其他生态因素，并通过因果推断机制探讨其对公共健康的意义	研究主要集中在中国的特定地区，可能不代表全球范围内的趋势	探讨气候变化如何驱动蜱病毒组的变化及其对公共健康的影响	3595只于2016至2019年在中国22个省收集的成年人Haemaphysalis longicornis蜱	数字病理学	NA	元转录组学	广义加性模型	生物数据	3595只蜱
1234	2024-08-05	Development of a machine vision-based weight prediction system of butterhead lettuce (Lactuca sativa L.) using deep learning models for industrial plant factory 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1365266 PMID:38903437	研究论文	本研究开发了一种基于机器视觉的黄头生菜新鲜重量预测系统，以监测从移栽阶段到收获的作物	首次在工业植物工厂中应用深度学习模型进行作物重量的非破坏性估算	在拥挤的室内种植环境中开发高性能系统的难度较大	开发一种实时监测作物重量的非破坏性系统，以提高产量和利润	室内种植工厂中的黄头生菜等作物	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	在四个月内手动测量了11次新鲜重量
1235	2024-08-05	LGC-DBP: the method of DNA-binding protein identification based on PSSM and deep learning 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1411847 PMID:38903752	研究论文	本文介绍了一种新型模型LGC-DBP，用于识别DNA结合蛋白。	该模型结合了LSTM、门控启发卷积和改进的通道注意机制，提高了对DBP的预测能力	未提及具体的局限性	研究旨在提升对DNA结合蛋白的识别与理解	研究对象为DNA结合蛋白及其特征	计算机视觉	NA	PSSM, 深度学习	LSTM, 门控启发卷积	蛋白质序列	未提供样本大小
1236	2024-08-05	End-to-end prognostication in colorectal cancer by deep learning: a retrospective, multicentre study 2024-Jan, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00208-X PMID:38123254	研究论文	该研究利用深度学习对结直肠癌患者的预后进行预测	开发并外部验证了一种基于深度学习的预后分层系统，能够自动预测结直肠癌患者的整体生存和癌症特异性生存	未详细说明现有模型在临床常规中的广泛应用情况	为结直肠癌患者提供更加精准的生存预后预测，为个性化治疗提供支持	来自澳大利亚、德国和美国的4428名接受手术切除的结直肠癌患者	数字病理学	结直肠癌	深度学习	自注意力机制	组织样本	4428名患者的组织样本
1237	2024-08-05	Leveraging ChatGPT to optimize depression intervention through explainable deep learning 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1383648 PMID:38903640	研究论文	本研究探讨了ChatGPT在抑郁干预中的应用潜力。	提出了一种新的框架，将ChatGPT与BERT和SHAP集成，以提高心理健康干预的准确性和有效性。	NA	确定ChatGPT作为辅助手段在抑郁干预中的有效性。	心理健康干预中的咨询师与患者的互动。	自然语言处理	抑郁症	ChatGPT, BERT, SHAP	NA	文本	NA
1238	2024-08-05	Deep learning models for interpretation of point of care ultrasound in military working dogs 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1374890 PMID:38903685	研究论文	本研究开发了深度学习分类神经网络来评估军事工作犬的点位超声图像	利用人工智能技术来增强对超声图像的解析，尤其是在战场环境中对军事工作犬的特定伤害进行诊断	模型尽管在某些扫描点表现出高准确性，但无法始终准确识别相关特征	研究的目的是提升军事工作犬的超声图像解读能力，进而优化急救措施	研究对象为五只在全身麻醉或深度镇静下进行检查的军事工作犬	计算机视觉	NA	POCUS	MobileNetV2, DarkNet-19, ShrapML	影像	327个超声剪辑
1239	2024-08-05	Fusion of fruit image processing and deep learning: a study on identification of citrus ripeness based on R-LBP algorithm and YOLO-CIT model 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1397816 PMID:38903428	研究论文	本研究提出了一种YOLO-CIT模型，结合R-LBP算法，准确识别不同成熟阶段的柑橘水果	提出了结合R-LBP算法增强特征提取的新方法，并应用于YOLO-CIT模型以提高柑橘成熟度的识别精度	研究中未提及样本多样性和实际环境因素对模型表现的影响	研究柑橘水果的成熟度识别，以指导采摘机器人路径规划和产量估算	不同成熟阶段的柑橘水果	计算机视觉	NA	R-LBP算法	YOLO-CIT模型	图像	实验中使用了多张处理后的柑橘水果图像
1240	2024-08-05	Lightweight cotton diseases real-time detection model for resource-constrained devices in natural environments 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1383863 PMID:38903431	研究论文	本文介绍了一种针对自然环境中棉花病害的轻量级实时检测模型CDDLite-YOLO	该模型在YOLOv8基础上进行了创新，采用了C2f-Faster模块和Slim-neck结构，有效提高了检测速度和准确性	虽然模型在轻量化和速度上表现优秀，但具体的适用范围和环境限制尚未完全探讨	研究旨在开发一种适合资源受限设备的棉花病害检测模型	研究对象为棉花及其种植过程中可能发生的各种病害	计算机视觉	棉花病害	深度学习	YOLO	图像	NA