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
6581	2024-09-30	Automated Classification System Based on YOLO Architecture for Body Condition Score in Dairy Cows 2024-Sep-01, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci11090399 PMID:39330779	研究论文	本文提出了一种基于YOLOv8x深度学习架构的自动分类系统，用于评估奶牛的体况评分（BCS）	使用YOLOv8x深度学习架构自动分类奶牛的体况评分，提高了评估的准确性和效率	仅在Holstein和Simmental奶牛品种上进行了测试，样本量有限	开发一种自动化的方法来评估奶牛的体况评分，以提高动物福利和生产效率	Holstein和Simmental奶牛的体况评分	计算机视觉	NA	YOLOv8x深度学习架构	YOLOv8x	图像	126张奶牛图像，其中102张正确分类
6582	2024-09-30	CA-ViT: Contour-Guided and Augmented Vision Transformers to Enhance Glaucoma Classification Using Fundus Images 2024-Aug-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090887 PMID:39329629	研究论文	提出了一种轮廓引导和增强的视觉变换器（CA-ViT）用于增强青光眼分类	引入条件变分生成对抗网络（CVGAN）来增强和多样化训练数据集，并结合轮廓引导方法提供关键的疾病信息	未提及	提高青光眼分类的准确性	青光眼分类	计算机视觉	眼科疾病	条件变分生成对抗网络（CVGAN）	视觉变换器（ViT）	图像	使用了包含多个数据集（如EYEPACS、DRISHTI-GS、RIM-ONE、REFUGE）的标准化多通道青光眼数据集（SMDG）
6583	2024-09-30	FineTea: A Novel Fine-Grained Action Recognition Video Dataset for Tea Ceremony Actions 2024-Aug-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090216 PMID:39330436	研究论文	本文构建了一个细粒度视频动作数据集FineTea，用于茶道动作的细粒度分析，并提出了一种名为TSM-ConvNeXt的方法来改进细粒度动作识别	提出了TSM-ConvNeXt方法，结合TSM和高性能卷积神经网络ConvNeXt，显著提升了细粒度动作识别的性能	NA	促进细粒度动作识别的发展	茶道动作的细粒度分析	计算机视觉	NA	卷积神经网络	TSM-ConvNeXt	视频	2745个视频片段
6584	2024-09-30	Anterior Cruciate Ligament Tear Detection Based on T-Distribution Slice Attention Framework with Penalty Weight Loss Optimisation 2024-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090880 PMID:39329622	研究论文	本研究提出了一种基于T分布切片注意力框架和惩罚权重损失优化的前交叉韧带撕裂检测方法	本研究创新性地结合了T分布切片注意力机制和惩罚权重损失函数，显著提高了前交叉韧带撕裂检测的分类准确性	NA	提高前交叉韧带撕裂检测的准确性和诊断性能	前交叉韧带撕裂	计算机视觉	运动损伤	深度学习	CNN	图像	NA
6585	2024-09-30	Electroretinogram Analysis Using a Short-Time Fourier Transform and Machine Learning Techniques 2024-Aug-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090866 PMID:39329608	研究论文	本研究通过短时傅里叶变换和机器学习技术优化了电生理图波形信号的分类	本研究展示了使用Visual Transformer架构和Hamming窗口函数在电生理图信号分类中的优势，并推荐了RF算法用于手动特征提取的场景	NA	优化电生理图波形信号的分类方法	电生理图信号	机器学习	NA	短时傅里叶变换	Visual Transformer	信号	NA
6586	2024-09-30	Artificial Intelligence for Predicting the Aesthetic Component of the Index of Orthodontic Treatment Need 2024-Aug-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090861 PMID:39329602	研究论文	本研究利用人工智能自动化评估正畸治疗需求指数的美观成分	开发了基于深度学习的算法，能够根据IOTN-AC参考标准预测治疗需求，为临床评估牙齿美观提供辅助	所有其他方案提供的权衡较差，且在省略overjet值和数据集补充后的结果不一	使用人工智能自动化评估正畸治疗需求指数的美观成分	正畸治疗需求指数的美观成分评估	机器学习	NA	深度学习	深度学习算法	图像	1009张预治疗正面口腔内照片
6587	2024-09-30	Beyond Nyquist: A Comparative Analysis of 3D Deep Learning Models Enhancing MRI Resolution 2024-Aug-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090207 PMID:39330427	研究论文	本文比较了多种3D深度学习模型在提高MRI分辨率方面的性能	本文首次系统比较了多种先进的3D卷积神经网络模型在超分辨率MRI任务中的表现	研究仅使用了IXI数据集的结构图像，且数据是通过人工下采样生成的低分辨率MRI	旨在通过比较不同3D深度学习模型，找到在超分辨率MRI任务中性能和鲁棒性最佳的模型	3D卷积神经网络模型在超分辨率MRI任务中的性能	计算机视觉	NA	深度学习	3D卷积神经网络	图像	使用了IXI数据集的结构图像，数据通过人工下采样生成低分辨率MRI
6588	2024-09-30	Domain affiliated distilled knowledge transfer for improved convergence of Ph-negative MPN identifier 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303541 PMID:39331624	研究论文	本文提出了一种利用从大规模数据集中提取的知识来提升轻量级模型在罕见疾病Ph-negative MPN识别中的性能的方法	本文创新性地使用了知识蒸馏技术，将从大规模数据集中学习到的知识转移到轻量级模型中，以解决数据稀缺问题	研究仅在300张图像的小数据集上进行验证，可能无法完全代表所有Ph-negative MPN病例	旨在通过知识蒸馏技术提升轻量级模型在Ph-negative MPN识别中的性能	Ph-negative MPN疾病的诊断	计算机视觉	血液病	知识蒸馏	CNN	图像	300张Ph-negative MPN图像
6589	2024-09-30	LVI-PathNet: Segmentation-classification pipeline for detection of lymphovascular invasion in whole slide images of lung adenocarcinoma 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100395 PMID:39328468	研究论文	本研究开发了一种用于检测肺腺癌全切片图像中淋巴血管侵犯的深度学习模型，并评估了其在病理学家信息系统中的有效性	本研究提出了LVI-PathNet模型，通过分割和分类管道检测淋巴血管侵犯，显著提高了检测的准确性和一致性	研究样本仅限于非粘液性肺腺癌，且样本量相对较小	开发和评估一种用于检测肺腺癌中淋巴血管侵犯的深度学习模型	肺腺癌全切片图像中的淋巴血管侵犯	数字病理学	肺腺癌	深度学习	DeepLabV3+	图像	162张全切片图像
6590	2024-09-30	A comprehensive cotton leaf disease dataset for enhanced detection and classification 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110913 PMID:39328970	研究论文	本文介绍了一个全面的棉花叶病数据集，用于增强疾病检测和分类	该数据集包含了2137张原始图像和7000张增强图像，使用Inception V3模型展示了96.03%的高准确率	NA	开发用于早期疾病检测的准确机器学习模型，减少人工检查并促进及时干预	棉花叶病数据集及其在农业研究、精准农业和疾病管理中的应用	计算机视觉	NA	深度学习	Inception V3	图像	2137张原始图像和7000张增强图像
6591	2024-09-30	Rapid profiling of carcinogenic types of Helicobacter pylori infection via deep learning analysis of label-free SERS spectra of human serum 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.008 PMID:39329094	研究论文	本文开发了一种结合表面增强拉曼光谱和深度学习算法卷积神经网络的新方法，用于快速区分人血清中致癌型和非致癌型幽门螺杆菌感染	首次将表面增强拉曼光谱与深度学习算法结合，用于快速、准确且成本效益高的幽门螺杆菌致癌型感染血清学分析	NA	开发一种快速、准确且成本效益高的方法，用于血清学分析幽门螺杆菌致癌型感染，以指导其根除和胃癌预防	人血清中幽门螺杆菌感染的致癌型和非致癌型	机器学习	胃癌	表面增强拉曼光谱	卷积神经网络	光谱	NA
6592	2024-09-30	Enhancing Precision in Cardiac Segmentation for Magnetic Resonance-Guided Radiation Therapy Through Deep Learning 2024-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.05.013 PMID:38797498	研究论文	本文通过深度学习框架增强磁共振引导放射治疗中的心脏分割精度	本文扩展了现有的深度学习框架“No New” U-Net，引入自蒸馏（nnU-Net.wSD）用于磁共振引导放射治疗中的心脏亚结构分割	本文的局限性在于仅在两个机构的数据上进行了验证，未来需要进一步验证其泛化能力	本文旨在通过深度学习提高磁共振引导放射治疗中的心脏亚结构分割精度，以减少心脏晚期并发症	本文研究对象为接受胸腹部放射治疗的18名患者的心脏亚结构	计算机视觉	心血管疾病	深度学习	U-Net	图像	18名患者，其中10名用于训练，3名用于验证，5名用于测试，另外22名用于泛化测试
6593	2024-09-30	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	研究了新辅助放疗对原发性乳腺癌中肿瘤浸润淋巴细胞（TILs）的纵向影响	首次探讨了新辅助放疗对乳腺癌肿瘤免疫微环境中TILs的影响，并展示了人工智能在病理学中的潜在应用	研究样本量较小，需要进一步验证结果	探讨新辅助放疗对乳腺癌中TILs的影响及其与病理完全缓解（pCR）和长期预后的关系	乳腺癌患者在接受新辅助放疗前、中、后的肿瘤样本和外周血中的淋巴细胞	数字病理学	乳腺癌	深度学习	SuperTIL	图像	来自PRADA和Neo-RT乳腺癌临床试验的患者样本
6594	2024-08-07	Correction to: Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03437-5 PMID:39085640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6595	2024-09-30	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本文探讨了通过电子健康记录（EHR）、DICOM图像和深度学习算法自动检测和分类心力衰竭（HF）患者的方法	结合关键词搜索、AI自动解读DICOM超声心动图图像和生物样本分析，实现了HF亚型的自动识别	NA	通过自动化方法提高心力衰竭患者的检测和分类准确性	心力衰竭患者及其亚型分类	机器学习	心血管疾病	深度学习	NA	文本、图像	60,850份EHR数据，最终筛选出578名患者，包括186名对照组、236名HFpEF患者和156名HFrEF患者
6596	2024-09-30	Challenges for augmenting intelligence in cardiac imaging 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00142-0 PMID:39214759	研究论文	本文探讨了人工智能在心脏影像中的应用及其面临的挑战	提出将人工智能视为增强智能，以补充而非取代人类判断，并强调从孤立测量转向整合非线性复杂数据以识别疾病表型	数据稀缺、隐私问题、伦理担忧以及缺乏统一模型和高质量标注数据等问题限制了AI在心脏影像中的应用	探讨人工智能在心脏影像中的应用及其面临的挑战，并提出改进方法	心脏影像数据及其在医疗中的应用	计算机视觉	心血管疾病	深度学习	NA	图像	NA
6597	2024-09-30	Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00150-X PMID:39332852	研究论文	本研究利用深度学习技术评估健康女性乳腺组织中与衰老相关的细胞核形态，以预测未来乳腺癌的风险	首次将深度学习应用于评估乳腺组织中衰老细胞的核形态，并结合多种模型提高乳腺癌风险预测的准确性	研究基于回顾性队列，且样本主要来自健康女性，可能限制了结果的普适性	探索衰老标志物在健康女性乳腺组织中对乳腺癌发展的临床相关性	健康女性乳腺组织的细胞核形态	数字病理学	乳腺癌	深度学习	深度学习模型	图像	4382名健康女性捐赠者
6598	2024-09-30	The synergistic effect of artificial intelligence technology in the evolution of visual communication of new media art 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38008 PMID:39328541	研究论文	研究探讨了人工智能技术在新媒体艺术视觉传播演化中的协同效应，并提出了一种基于卷积神经网络的AI布局设计方法	提出了基于卷积神经网络的AI布局设计模型，并通过实验验证了其在新媒体艺术视觉传播设计中的有效性	研究样本仅为20名设计学生，样本量较小，可能影响结果的普适性	探讨人工智能技术在新媒体艺术视觉传播中的应用，并提出一种新的布局设计方法	新媒体艺术的视觉传播设计	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	20名设计学生
6599	2024-09-30	A systematic analyses of different bioinformatics pipelines for genomic data and its impact on deep learning models for chromatin loop prediction 2024-Sep-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae009 PMID:38555493	研究论文	本文系统分析了用于基因组数据的不同生物信息学管道及其对染色质环预测深度学习模型的影响	本文创新性地整合了六个不同管道的两个蛋白质因子特异性环相互作用数据集，提供了对基因组特征分析方法的全面视角	本文主要集中在染色质环和结构的分析，未涵盖所有基因组数据分析的方面	研究基因组数据分析中生物信息学管道对深度学习模型性能的影响	染色质环和结构分析的生物信息学管道及其对深度学习模型的影响	生物信息学	NA	深度学习	深度学习模型	基因组数据	36个多样化的数据集
6600	2024-09-30	A comprehensive review of machine learning techniques for multi-omics data integration: challenges and applications in precision oncology 2024-Sep-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae013 PMID:38600757	综述	本文综述了机器学习技术在多组学数据整合中的应用，特别是在精准肿瘤学中的挑战和应用	本文探讨了深度学习和网络方法在整合多组学数据中的潜力，并提供了一个整合多组学数据在精准肿瘤学中的路线图	NA	总结和分类机器学习技术在多组学数据整合中的进展，特别是在精准肿瘤学中的应用	多组学数据（基因组学、转录组学、蛋白质组学和代谢组学）以及临床数据	机器学习	NA	机器学习	深度学习	多组学数据	NA