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
2921	2024-11-26	Artificial intelligence in predicting pathogenic microorganisms' antimicrobial resistance: challenges, progress, and prospects 2024, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2024.1482186 PMID:39554812	综述	本文综述了人工智能和机器学习技术在预测病原微生物抗菌药物耐药性方面的最新进展	介绍了支持向量机、随机森林和深度学习网络等主要AI和ML模型在耐药性预测中的应用	讨论了数据可用性、模型可解释性和跨物种耐药性预测等主要挑战	探讨通过算法优化、数据集扩展和跨学科合作来研究微生物耐药性的新视角和解决方案	病原微生物的抗菌药物耐药性	机器学习	NA	人工智能 (AI) 和机器学习 (ML)	支持向量机、随机森林、深度学习网络	生物医学数据	NA
2922	2024-11-26	Predicting Immune Checkpoint Inhibitor-Related Pneumonitis via Computed Tomography and Whole-Lung Analysis Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056314192241002075034 PMID:39582280	研究论文	本文提出了一种基于计算机断层扫描（CT）图像和深度学习的全肺分析模型，用于预测免疫检查点抑制剂相关性肺炎（ICI-P）的风险	本文提出了一种新颖的全肺分析深度学习模型，结合了密集连接卷积网络（DenseNet）和特征金字塔网络（FPN），能够自动挖掘CT图像中的全局肺部信息，无需手动标注图像	NA	预测免疫检查点抑制剂相关性肺炎（ICI-P）的个体化风险，以辅助个性化免疫治疗计划	免疫检查点抑制剂相关性肺炎（ICI-P）的风险预测	计算机视觉	肺部疾病	深度学习	DenseNet 和 FPN 结合的深度学习模型	CT图像	157名患者
2923	2024-11-26	Erratum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1516320 PMID:39583549	correction	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2924	2024-11-25	Automated tablet defect detection and the prediction of disintegration time and crushing strength with deep learning based on tablet surface images 2024-Dec-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124896 PMID:39489389	研究论文	本文提出了一种基于深度学习的自动检测片剂缺陷并预测崩解时间和抗压强度的方法	利用YOLOv5算法进行实时缺陷识别和基于表面纹理预测崩解时间和抗压强度	仍有进一步改进的空间	提高制药生产中的质量控制和效率	片剂的缺陷检测、崩解时间和抗压强度的预测	计算机视觉	NA	深度学习	YOLOv5	图像	涉及五种不同类别的缺陷
2925	2024-11-25	Lightweight deep learning model for underwater waste segmentation based on sonar images 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.09.008 PMID:39277917	研究论文	本文提出了一种基于声呐图像的轻量级深度学习模型，用于水下废物分割，为自主水下机器人提供像素级定位信息和废物类别	引入了混合感知和多尺度注意力模块，以捕捉多尺度上下文特征并增强高级关键信息，同时使用采样注意力模块和跨层交互模块实现特征下采样和融合细节特征与语义特征	NA	提高水下废物回收的自动化程度，促进可持续海洋发展	水下废物及其在声呐图像中的分割	计算机视觉	NA	深度学习	多尺度跨层网络	图像	NA
2926	2024-11-25	Unveiling the non-linear effects of water and oil on hyperspectral imaging-based characterization of solid waste by hyperspectral unmixing 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.09.011 PMID:39357305	研究论文	本文研究了水和油对固体废物高光谱成像特征的非线性影响，并提出了基于高光谱解混的新方法	首次尝试使用高光谱解混技术提取固体废物中的端元成分，并展示了其贡献度	NA	研究水和油对固体废物高光谱成像特征的非线性影响	固体废物的高光谱成像特征	计算机视觉	NA	高光谱成像	深度学习模型	光谱数据	各种固体废物成分受纯水、油和三种渗滤液影响的光谱数据
2927	2024-11-25	Deep learning approaches for classification of copper-containing metal scrap in recycling processes 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.10.022 PMID:39454556	研究论文	本文研究了使用深度学习方法对含铜金属废料进行分类，以替代传统的XRF/XRT设备	本文首次在金属回收过程中使用RGB相机和深度学习模型进行含铜金属废料的分类，并评估了多种CNN架构的性能	本文仅评估了20种常见的CNN架构，未涵盖所有可能的深度学习模型	开发一种低成本的传感器设备和深度学习模型，用于在金属回收过程中高效分离铜和铁废料	含铜和铁的金属废料	计算机视觉	NA	深度学习	CNN	图像	2200个金属废料样本
2928	2024-11-25	Rapid and accurate bacteria identification through deep-learning-based two-dimensional Raman spectroscopy 2024-Dec-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343376 PMID:39580159	研究论文	本文提出了一种基于深度学习和二维拉曼光谱的快速准确细菌鉴定策略	通过结合小波包变换和Gramian角场技术，实现了高精度且高效的细菌鉴定，相比传统方法训练时间减少了90%	NA	开发一种快速且准确的细菌鉴定方法	细菌鉴定	机器学习	NA	拉曼光谱	深度学习模型	光谱图像	两种和三十种细菌分离株
2929	2024-11-25	Enhancing decision confidence in AI using Monte Carlo dropout for Raman spectra classification 2024-Dec-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343346 PMID:39580162	研究论文	本文提出了一种结合蒙特卡罗 dropout 和卷积神经网络的方法，用于增强拉曼光谱分类中的决策置信度	本文的创新点在于在推理阶段使用蒙特卡罗 dropout 来测量模型的不确定性，从而提高预测的可靠性	NA	本文的研究目的是提高基于拉曼光谱的细菌菌株识别的准确性	本文的研究对象是拉曼光谱数据及其在细菌菌株识别中的应用	机器学习	NA	蒙特卡罗 dropout	卷积神经网络 (CNN)	光谱数据	两个数据集，分别是 1206 个光谱和 3000 个光谱
2930	2024-11-25	Artificial neural networks development in prosthodontics - a systematic mapping review 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105385 PMID:39362297	综述	本文系统地分类了现有文献，并全面概述了人工神经网络（ANN）在修复学中的预测模型	本文引入了对修复学中ANN目标、数据、架构、评估指标和局限性的系统分析	本文揭示了ANN开发中的局限性，特别是在数据生命周期方面	旨在系统地分类现有文献，并全面概述人工神经网络（ANN）在修复学中的预测模型	修复学中的人工神经网络（ANN）预测模型	机器学习	NA	人工神经网络（ANN）	人工神经网络（ANN）	NA	从597篇文章中筛选出70篇报告，其中33%来自2023年，29%关注种植修复，71%关注非种植修复
2931	2024-11-25	Image-based multi-omics analysis for oral science: Recent progress and perspectives 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105425 PMID:39427959	综述	本文综述了基于图像的多组学分析在口腔科学中的应用和最新进展	探讨了深度学习辅助的多组学分析在提取比传统诊断方法更具代表性特征方面的潜力	NA	讨论基于图像的多组学分析在口腔科学中的应用及其对传统诊断方法的潜在增强作用	口腔和牙科疾病的诊断与治疗	数字病理学	NA	多组学分析	深度学习	图像	NA
2932	2024-11-25	Fully automated method for three-dimensional segmentation and fine classification of mixed dentition in cone-beam computed tomography using deep learning 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105398 PMID:39447958	研究论文	本文介绍了一种基于深度学习的全自动方法，用于在锥形束计算机断层扫描（CBCT）图像中对混合牙列进行三维分割和精细分类	该研究开发了一种基于改进的nnU-Net和U-Net网络的高精度自动化深度学习模型，用于混合牙列的分类和分割	NA	建立一种高精度的自动化模型，用于混合牙列在CBCT图像中的精细分类和三维分割	混合牙列和恒牙列在CBCT图像中的分类和分割	计算机视觉	NA	深度学习	nnU-Net, U-Net	图像	训练集包含336个CBCT扫描，测试集包含120个混合牙列CBCT扫描和143个恒牙列CBCT扫描
2933	2024-11-25	Detection of carotid plaques on panoramic radiographs using deep learning 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105432 PMID:39461583	研究论文	本研究利用深度学习模型检测全景放射影像中的颈动脉斑块	本研究提出了一种基于Faster R-CNN和Swin Transformer的AI模型，用于检测全景放射影像中的颈动脉钙化，其性能优于基于卷积神经网络的模型	NA	旨在利用人工智能模型检测全景放射影像中的颈动脉钙化	全景放射影像中的颈动脉钙化	计算机视觉	心血管疾病	深度学习	Faster R-CNN, Swin Transformer	影像	6404张全景放射影像，其中185张包含颈动脉钙化，185张不包含颈动脉钙化
2934	2024-11-25	Deep-learning-based image reconstruction with limited data: generating synthetic raw data using deep learning 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01193-4 PMID:39207581	研究论文	研究利用深度学习生成合成原始数据以补充小数据集，提高加速MRI重建质量	提出了一种对抗自编码器，用于从幅度图像生成相位和线圈灵敏度图，从而生成合成原始数据	在小训练集上，合成数据降低了平均绝对误差，但在大训练集上，误差有所增加	研究在有限数据情况下，利用深度学习生成合成数据以提高MRI重建质量	加速MRI重建任务	计算机视觉	NA	深度学习	对抗自编码器	图像	20到160次扫描
2935	2024-11-25	Wafer-Scale Ag2S-Based Memristive Crossbar Arrays with Ultra-Low Switching-Energies Reaching Biological Synapses 2024-Nov-22, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01559-2 PMID:39572441	研究论文	本文报道了基于Ag2S的晶圆级忆阻器交叉阵列，实现了超低开关能量，接近生物突触水平	通过微结构调制增强Ag在Ag2S电解质中的迁移，实现了创纪录的低阈值电压和超低开关能量	忆阻器单元的固有非理想性需要通过先进的训练算法进行补偿	开发一种具有超高能效的神经形态计算设备	基于Ag2S的忆阻器交叉阵列	NA	NA	忆阻器技术	NA	NA	NA
2936	2024-11-25	Computed tomography-based radiomics and body composition model for predicting hepatic decompensation 2024-Nov-22, Oncotarget DOI:10.18632/oncotarget.28673 PMID:39576671	研究论文	研究利用基于CT的放射组学和身体成分模型预测肝功能失代偿	首次将放射组学与身体成分模型结合，用于预测PSC患者的肝功能失代偿	预测未来事件仍具有挑战性，需要进一步研究验证临床效用和局限性	探索计算放射组学在预测PSC患者肝功能失代偿中的潜在价值	PSC患者及其肝功能失代偿	数字病理学	肝病	计算放射组学	深度学习模型	医学图像	训练和验证队列的具体样本数量未明确说明
2937	2024-11-25	Accelerated spine MRI with deep learning based image reconstruction: a prospective comparison with standard MRI 2024-Nov-22, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.004 PMID:39580249	研究论文	本文评估了基于深度学习的MRI重建技术在脊柱MRI中的表现，并与标准MRI进行了前瞻性比较	本文首次在脊柱MRI中应用深度学习技术，显著缩短了扫描时间并提高了图像质量	本文仅评估了深度学习技术在脊柱MRI中的表现，未涉及其他部位或其他类型的MRI	评估深度学习重建MRI与标准MRI在图像采集时间、图像质量和诊断可互换性方面的表现	脊柱MRI图像及其诊断性能	计算机视觉	NA	深度学习	NA	图像	200名参与者（107名男性，平均年龄46.56 ± 17.07岁）
2938	2024-11-25	In-context learning enables multimodal large language models to classify cancer pathology images 2024-Nov-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51465-9 PMID:39572531	研究论文	本文评估了具有视觉能力的生成预训练Transformer 4模型（GPT-4V）在癌症病理图像分类中的应用	首次系统评估了上下文学习在癌症病理图像处理中的应用，展示了大型视觉语言模型在无需特定领域数据训练的情况下，能够解决医学图像处理任务	研究仅限于三种癌症病理任务，未涵盖所有类型的癌症图像处理	探索和验证上下文学习在癌症病理图像分类中的有效性	结直肠癌组织亚型分类、结肠息肉亚型分类和淋巴结切片中的乳腺癌肿瘤检测	计算机视觉	结直肠癌、乳腺癌	上下文学习	生成预训练Transformer 4（GPT-4V）	图像	少量样本
2939	2024-11-25	Deep learning based emulator for predicting voltage behaviour in lithium ion batteries 2024-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80371-9 PMID:39572616	研究论文	本研究使用长短期记忆深度学习模型构建了一个数据驱动的电池仿真器，用于预测锂离子电池的充放电行为	本研究通过使用机器学习模型，显著减少了大规模汽车原型电池制造的经济成本和时间，并展示了高预测准确性	本研究主要集中在实验室生产的电池数据和模拟数据上，未涉及实际大规模生产中的应用	本研究的目的是通过数据驱动的仿真方法，减少大规模汽车原型电池制造的经济成本和时间	本研究的对象是锂离子电池的充放电行为	机器学习	NA	长短期记忆（LSTM）深度学习模型	LSTM	模拟数据和实验数据	本研究使用了两种数据集：来自Dualfoil模型的模拟数据和来自液态锂离子电池的实验数据，训练数据集包括五个充放电数据集
2940	2024-11-25	Leveraging a deep learning generative model to enhance recognition of minor asphalt defects 2024-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80199-3 PMID:39572659	研究论文	本文介绍了一种利用深度学习生成模型增强识别沥青路面小缺陷的方法	提出了AsphaltGAN，一种带有注意力机制的类条件生成对抗网络，用于生成合成图像以增强对象检测	主要关注于生成模型和对象检测的改进，未涉及其他类型的道路缺陷检测	提高沥青路面缺陷检测的自动化和成本效益	沥青路面的小缺陷	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了Road Damage Detection 2022、Crack Dataset、Asphalt Pavement Detection Dataset和Crack Surface Dataset四个公共数据集