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
4061	2024-11-07	Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification 2024, F1000Research DOI:10.12688/f1000research.145950.2 PMID:39464781	综述	本文综述了深度学习在无线胶囊内窥镜图像中用于消化道疾病分类的性能	重点介绍了迁移学习、注意力机制、多模态学习、自动病变检测、可解释性和可解释性、数据增强以及边缘计算等最新进展	强调了当前深度学习方法的挑战和局限性，并讨论了该领域的潜在未来方向	综述深度学习在无线胶囊内窥镜图像分析中的当前趋势和未来方向	无线胶囊内窥镜图像及其在消化道疾病诊断和监测中的应用	计算机视觉	消化道疾病	深度学习	NA	图像	NA
4062	2024-11-06	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本文比较了TrUE-Net与六种已建立的白质高信号（WMH）分割方法的准确性	TrUE-Net是一种基于深度学习的新型自动分割模型，具有低假阳性率和高可靠性	TrUE-Net尚未经过严格的独立验证	验证TrUE-Net在白质高信号分割中的准确性	白质高信号（WMH）的自动分割方法	计算机视觉	NA	深度学习	TrUE-Net	图像	NA
4063	2024-11-07	Deep Learning Methods to Help Predict Properties of Molecules from SMILES 2024, Proceedings of the International Symposium on Intelligent Computing and Networking 2024 : (ISICN 2024). International Symposium on Intelligent Computing and Networking (1st : 2024 : San Juan, P.R.) DOI:10.1007/978-3-031-67447-1_9 PMID:39493535	研究论文	本文提出了一种基于SMILES数据预测分子性质的深度学习框架	本文方法基于1-D卷积网络，无需复杂的特征工程，可以直接从基础数据中学习分子性质	NA	开发一种无需复杂特征工程的分子性质预测方法	分子性质，包括分子重量和XLogP	机器学习	NA	1-D卷积网络	CNN	文本	NA
4064	2024-11-07	Research on the sentiment recognition and application of allusive words based on text semantic enhancement 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308944 PMID:39495816	研究论文	本文提出了一种基于文本语义增强的典故词语情感识别与应用模型	首次将自动计算技术应用于典故资源，提出了一种基于文本语义增强的典故词语情感识别与应用模型	NA	探索典故词语的情感识别与应用	典故词语及其情感	自然语言处理	NA	深度学习	ERNIE-RCNN	文本	36,080个典故词语的解释文本
4065	2024-11-07	Redefining retinal vessel segmentation: empowering advanced fundus image analysis with the potential of GANs 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1470941 PMID:39497847	研究论文	本文提出了一种利用生成对抗网络（GANs）进行视网膜血管分割的新方法	本文的创新点在于采用了专门设计的GAN架构GANVesselNet，结合了自动编码器-解码器路径和UNet路径，以高效捕捉多尺度上下文信息，显著提高了血管分割的准确性	NA	本文的研究目的是通过利用GANs的潜力，提高视网膜血管分割的准确性，从而增强眼底图像分析和临床决策	本文的研究对象是视网膜血管的分割	计算机视觉	NA	生成对抗网络（GANs）	GANVesselNet	图像	使用了公开的视网膜数据集，包括STARE和DRIVE
4066	2024-11-07	Biofuser: a multi-source data fusion platform for fusing the data of fermentation process devices 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1390622 PMID:39498098	研究论文	本文介绍了一个名为Biofuser的多源数据融合平台，用于整合发酵过程设备的异构数据	Biofuser平台能够整合来自不同来源和格式的数据，并提供API支持机器学习和深度学习，从而促进发酵过程的优化	NA	开发一个能够整合和融合发酵过程设备异构数据的平台，以促进发酵过程的优化和智能化	发酵过程设备的异构数据	生物工程	NA	数据融合	NA	多源异构数据	NA
4067	2024-11-07	Advancements in the use of AI in the diagnosis and management of inflammatory bowel disease 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1453194 PMID:39498116	研究论文	本文讨论了人工智能在炎症性肠病诊断和管理中的应用进展	本文介绍了基于深度学习和卷积神经网络的算法在结肠镜图像和视频中的应用，特别是用于检测和分类结直肠息肉	当前研究主要集中在评估溃疡性结肠炎的严重程度，且需要更多标注的结肠镜图像和视频来训练更可靠的AI算法	探讨人工智能在炎症性肠病早期检测中的当前挑战和未来改进方向	炎症性肠病（IBD）及其亚型克罗恩病（CD）和溃疡性结肠炎（UC）	机器学习	炎症性肠病	深度学习（DL）和卷积神经网络（CNN）	卷积神经网络（CNN）	图像和视频	NA
4068	2024-11-07	Enzyme catalytic efficiency prediction: employing convolutional neural networks and XGBoost 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1446063 PMID:39498388	研究论文	本文介绍了一种名为ECEP的新方法，利用深度学习技术预测酶催化效率，显著优于现有方法	本文提出了ECEP模型，结合卷积神经网络和XGBoost，通过多特征集成深度学习方法预测酶催化效率，显著提高了预测精度	NA	提高酶催化效率预测的准确性	酶催化效率	机器学习	NA	卷积神经网络、XGBoost	卷积神经网络	序列数据	NA
4069	2024-11-07	Foundation model for cancer imaging biomarkers 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00807-9 PMID:38523679	研究论文	本文开发了一种用于癌症影像生物标志物发现的基石模型	通过自监督学习训练的卷积编码器，显著减少了下游应用中对训练样本的需求，并在有限训练数据集的情况下显著优于传统监督学习和现有最先进预训练模型	未提及	开发一种基石模型，用于癌症影像生物标志物的发现，并评估其在临床相关应用中的表现	癌症影像生物标志物	计算机视觉	癌症	自监督学习	卷积神经网络（CNN）	影像	11,467个放射性病变样本
4070	2024-11-07	Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1328579 PMID:38524629	研究论文	本研究利用深度学习结合病理和临床特征，建立并验证了一个模型，用于预测特发性膜性肾病（IMN）患者对免疫治疗的反应	本研究首次将深度学习应用于特发性膜性肾病的免疫治疗反应预测，并结合病理和临床特征进行模型训练	当模型中加入临床特征时，预测效果有所下降	建立并验证一个模型，用于评估特发性膜性肾病患者对免疫抑制治疗的反应	特发性膜性肾病患者对免疫治疗的反应	机器学习	肾病	深度学习	卷积神经网络	图像	291名患者，其中训练集219名，验证集72名
4071	2024-11-07	Editorial: Utilizing big data and deep learning to improve healthcare intelligence and biomedical service delivery 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1502398 PMID:39502340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4072	2024-11-06	A comprehensive annotated image dataset for real-time fish detection in pond settings 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111007 PMID:39493532	研究论文	本文介绍了一个用于池塘环境中实时鱼类检测的综合注释图像数据集	该数据集包含了在多种计算机视觉挑战下捕获的橙色铬鲈鱼种，为鱼类检测提供了宝贵的资源	数据集仅限于橙色铬鲈鱼种，且采集环境为特定池塘	开发一个高效的鱼类检测系统，以促进小型水产养殖业的发展	橙色铬鲈鱼种在池塘环境中的检测	计算机视觉	NA	NA	NA	图像	包含多种计算机视觉挑战下的橙色铬鲈鱼种图像
4073	2024-11-06	Automatic Landmark Detection for Preoperative Planning of High Tibial Osteotomy Using Traditional Feature Extraction and Deep Learning Methods 2024-Dec, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70006 PMID:39497376	研究论文	本文提出了一种新的自动检测高胫骨截骨术（HTO）标志点的方法，结合了优化后的热图偏移聚合方法和传统特征提取技术，用于术前规划	本文的创新点在于将优化后的热图偏移聚合方法与传统特征提取技术相结合，提高了HTO标志点检测的鲁棒性	由于HTO数据集数量有限，现有方法在处理不同畸形患者时不如传统手动规划方法稳健，限制了其在临床实践中的应用	研究目的是提高高胫骨截骨术术前规划的效率和标准化程度	研究对象是高胫骨截骨术的标志点检测	计算机视觉	NA	热图偏移聚合方法、传统特征提取	NA	图像	具体样本数量未在摘要中提及
4074	2024-11-06	Elucidating and forecasting the organochlorine pesticides in suspended particulate matter by a two-stage decomposition based interpretable deep learning approach 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122315 PMID:39217646	研究论文	研究提出了一种结合CEEMDAN、VMD和LSTM的深度学习模型，用于精确预测悬浮颗粒物中的有机氯农药浓度	研究创新性地结合了CEEMDAN、VMD和LSTM三种技术，提出了一种两阶段分解的深度学习模型，显著提高了有机氯农药浓度的预测精度	研究未详细讨论模型的计算复杂性和实际应用中的可行性	研究旨在开发一种高精度模型，用于预测和解释悬浮颗粒物中有机氯农药的浓度变化	研究对象为悬浮颗粒物中的有机氯农药浓度	机器学习	NA	CEEMDAN、VMD、LSTM	LSTM	时间序列数据	研究未明确提及样本数量
4075	2024-11-06	Detecting floating litter in freshwater bodies with semi-supervised deep learning 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122405 PMID:39265217	研究论文	本文提出了一种基于半监督深度学习的淡水体漂浮垃圾检测方法	采用SwAV自监督学习方法预训练ResNet50模型，并在有限标注数据下进行微调，显著提高了模型在新地点的泛化能力	需要进一步扩展数据和计算资源以应对全球范围内的漂浮垃圾监测挑战	开发一种有效的半监督学习方法，用于检测淡水体中的漂浮垃圾	淡水体中的漂浮垃圾	计算机视觉	NA	半监督学习	Faster R-CNN	图像	约10万张未标注图像和约1.8千张标注图像
4076	2024-11-06	Transferable and data efficient metamodeling of storm water system nodal depths using auto-regressive graph neural networks 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122396 PMID:39276474	研究论文	本文提出了一种基于自回归图神经网络的雨水系统节点深度元模型，旨在提高计算效率和数据利用率	本文创新性地应用了归纳偏置和迁移学习方法，构建了一种需要较少数据且在其他地方使用时仍能保持高性能的雨水系统元模型	NA	研究目的是开发一种高效的雨水系统元模型，以减少计算时间和数据需求	研究对象是雨水管理系统中的节点深度	机器学习	NA	自回归图神经网络	自回归图神经网络	数值数据	NA
4077	2024-11-06	Self-Supervised Learning for Generic Raman Spectrum Denoising 2024-Nov-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01550 PMID:39441128	研究论文	本文提出了一种基于自监督学习的通用拉曼光谱去噪算法	该算法采用U-Net网络结构，通过子采样策略避免潜在的偏差干扰，显著提高了信号噪声比和检测深度	NA	解决拉曼光谱去噪中的参数优化问题，提高去噪效果和检测深度	拉曼光谱和表面增强拉曼散射光谱	光谱学	NA	自监督学习	U-Net	光谱数据	广泛范围的光谱数据
4078	2024-11-06	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2024-Nov-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	本文介绍了一种结合深度学习图像识别和微流体操控的无标记细胞分选方法	该方法创新地将深度学习与数字微流体技术结合，实现了基于形态学的细胞分选	检测模型的精度、浓度比和分选周期显著影响回收率和纯度	开发一种高效的无标记细胞分选方法，应用于研究和临床	HeLa细胞和聚苯乙烯珠作为样本，以及红细胞、白细胞和白血细胞亚型	数字病理学	NA	数字微流体技术	YOLOv8	图像	HeLa细胞和聚苯乙烯珠，以及红细胞、白细胞和白血细胞亚型
4079	2024-11-06	Exploring nonlinear correlations among transition metal nanocluster properties using deep learning: a comparative analysis with LOO-CV method and cosine similarity 2024-Nov-04, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad892c PMID:39433057	研究论文	本文介绍了一种利用深度学习技术快速准确分析过渡金属纳米团簇非线性性质的新方法	采用深度神经网络（DNN）结合留一交叉验证（LOO-CV）和余弦相似度，提供了一种比传统密度泛函理论方法更高效的预测方法	NA	探索过渡金属纳米团簇性质之间的非线性相关性	第四行过渡金属纳米团簇的多种性质，包括总能量、最低振动模式、结合能和HOMO-LUMO能隙	机器学习	NA	深度神经网络（DNN）	深度神经网络（DNN）	电子和物理特性数据	涉及多种过渡金属纳米团簇的样本
4080	2024-11-06	UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications 2024-Nov-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484951 PMID:39495690	研究论文	本文探讨了深度学习模型在医疗应用中的偏见及其伦理影响，并提出了一种名为UnBias的方法来评估和检测这些偏见	提出了UnBias方法，用于评估不同深度神经网络架构中的偏见，并检测偏见如何影响学习过程	NA	研究深度学习模型在医疗应用中的偏见及其伦理影响，推动公平和可信赖的人工智能应用	深度学习模型在医疗应用中的偏见及其伦理影响	机器学习	NA	深度学习	ResNet50V2, DenseNet121, InceptionV3, Xception	图像	涉及来自多个公开数据库的胸部X光扫描数据集，以及五种性别模型（包括代表性和非代表性）