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
9881	2024-08-05	Weed detection and recognition in complex wheat fields based on an improved YOLOv7 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1372237 PMID:38978522	研究论文	本研究提出了一种基于改进YOLOv7架构的草 weed 检测模型CSCW-YOLOv7，以识别复杂小麦田中的五种杂草	引入了CARAFE算子和Squeeze-and-Excitation网络来增强重要特征，并采用了上下文变换器模块以改善小目标的识别	未提及具体的样本数量和数据来源，以及可能存在的实际应用限制	实现对复杂小麦田中杂草的准确检测和分类	五种常见的杂草，以Descurainia sophia、蒿、金铃铛、荠菜和艾草为代表	计算机视觉	NA	YOLOv7	CSCW-YOLOv7	图像	NA
9882	2024-08-05	Research on intelligent forecasts of flight actions based on the implemented bi-LSTM 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2153 PMID:38983220	研究论文	利用航班数据快速识别航班动作，以客观评估飞行培训的质量	实现了基于bi-LSTM算法的航班动作预测，提高了训练精度和速度	需要对数据集进行预处理和专家规则注释	研究如何通过航班数据预测飞行动作以优化飞行训练	飞行训练中的飞行动作数据集	机器学习	NA	bi-LSTM	bi-LSTM	标记的飞行数据	NA
9883	2024-08-05	Hybrid deep spatial and statistical feature fusion for accurate MRI brain tumor classification 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1423051 PMID:38978524	研究论文	本研究提出了一种结合深度空间特征与手工统计特征的MRI脑肿瘤分类方法	该方法通过使用ResNet深度学习模型的灵感，提出了一种新颖的特征融合框架FusionNet	未提及具体的局限性	开发一种有效的医疗图像分类方法	针对BraTS数据集中MRI脑肿瘤的图像进行分类	计算机视觉	脑肿瘤	MRI	CNN	图像	BraTS数据集中的MRI脑肿瘤图像
9884	2024-08-05	Plant leaf disease recognition based on improved SinGAN and improved ResNet34 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1414274 PMID:38978997	研究论文	该论文提出了一种基于改进SinGAN和改进ResNet34的植物叶部病害识别方法	提出了一种名为ReSinGN的改进SinGAN用于图像增强，并通过引入CBAM模块和随机像素打乱技术显著提高生成图像的质量	农业数据集不足以及基于深度学习的病害识别模型参数众多且准确性不足的问题仍然存在	研究植物叶部病害的识别方法，以提高农业产品的数量和质量	以番茄叶部病害为实验对象进行识别研究	计算机视觉	NA	改进的SinGAN和改进的ResNet34	ResNet34	图像	NA
9885	2024-08-05	Group-informed attentive framework for enhanced diabetes mellitus progression prediction 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1388103 PMID:38978615	研究论文	该文章提出了一种基于深度学习的框架，用于增强糖尿病进展预测的精确性和可靠性	创新点在于利用深度注意力变换器和针对性插补策略来解决缺失数据问题，并增强模型的稳健性	主要挑战在于处理不完整数据和缺乏更强预测模型	研究旨在提高糖尿病进展预测的准确性	研究对象为糖尿病患者的临床和体检数据	机器学习	糖尿病	深度学习	深度注意力变换器	临床数据和体检信息	NA
9886	2024-08-05	Artificial intelligence's contribution to early pulmonary lesion detection in chest X-rays: insights from two retrospective studies on a Czech population 2024, Casopis lekaru ceskych PMID:38981713	研究论文	本文探讨了人工智能在胸部X光片中早期肺部病变检测中的作用	提出了一种基于深度学习的解决方案，以提高肺部病变，尤其是早期疾病阶段的检测能力	模型的特异性低于经验不同的放射科医生的判断	旨在提高早期肺部病变的检测精度和效率	针对捷克人群进行的两项回顾性研究中的肺部病变检测	医学影像学	肺癌	深度学习	NA	X光片	来自一家低发病率的一般医院和一家专业肿瘤中心的研究数据
9887	2024-08-05	Instance-level medical image classification for text-based retrieval in a medical data integration center 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.006 PMID:38975287	研究论文	本文提供了一种针对缺失或错误索引字段的医学图像实例级别标注方法	创新之处在于使用ResNet50深度学习分类模型为医学图像提供准确的实例级描述	实验结果虽然令人满意，但指出了潜在挑战和进一步探索的必要性	研究的目的是提高医学图像的索引效率和准确性	研究对象为来自临床部门的医学图像，包括X光、CT和MRI扫描	数字病理学	NA	深度学习	ResNet50	图像	三个实验使用了两个开源数据集和一个自定义数据集
9888	2024-08-05	Investigating the influence of streetscape environmental characteristics on pedestrian crashes at intersections using street view images and explainable machine learning 2024-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107693 PMID:38955107	研究论文	研究街景环境特征对交叉口行人事故的影响。	应用深度学习网络从街景图像中提取特征，并结合XGBoost和SHAP方法建立可解释的模型框架。	研究可能仅限于特定城市或地区的街景图像，影响结果的普遍性。	探讨街景特征如何影响交叉口的行人撞车事件。	街景环境特征和行人碰撞事件的关系。	计算机视觉	NA	深度学习、XGBoost	XGBoost	图像	NA
9889	2024-08-05	Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification 2024-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.017 PMID:38796378	研究论文	该研究旨在开发高精度的放射组学和深度学习模型，以准确检测急性淋巴细胞白血病（ALL）	提出了一种基于T1WI图像的放射组学和深度学习模型，并通过验证评估其诊断效率	两种模型在测试队列中的统计比较未显示显著差异	研究的目的是通过T1WI图像识别急性淋巴细胞白血病	样本包含604例来自ALL组和正常儿童组的脑磁共振数据	数字病理学	急性淋巴细胞白血病	MRI	支持向量机和Efficientnet-B3	图像	604个脑磁共振数据样本
9890	2024-08-05	[Constructing a cataplexy face prediction model for narcolepsy type 1 based on ResNet-18] 2024-Jul-16, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20231220-01431 PMID:38978380	研究论文	建立了基于ResNet-18的猝倒面孔预测模型，以识别猝睡症1型患者的面孔特征	首次使用深度学习网络ResNet-18建立猝倒面孔识别模型，并与其他模型进行比较	样本量较小，仅限于单一医院的患者和健康对照	研究猝倒面孔的特征识别以提高猝睡症的诊断效率	25名首次确诊且未接受治疗的猝睡症1型患者与25名健康对照	计算机视觉	猝睡症	深度学习图像识别	ResNet-18	图像	共计50个样本（25名患者和25名健康对照）
9891	2024-08-05	Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks 2024-Jul-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00314 PMID:38920084	研究论文	本文开发了一种图神经网络模型用于预测表面活性剂的温度依赖性临界胶束浓度（CMC）	提出了考虑温度依赖性的表面活性剂CMC预测模型，与以往未考虑此因素的模型相比具有创新性	模型在特定表面活性剂类别的表现可能会有所不同，限制了其通用性	研究表面活性剂在不同温度下的临界胶束浓度	本研究对象为各类表面活性剂，包括离子型、非离子型和两性离子型	机器学习	NA	图神经网络	NA	数据点	约1400个数据点
9892	2024-08-05	Molybdenum Disulfide-Assisted Spontaneous Formation of Multistacked Gold Nanoparticles for Deep Learning-Integrated Surface-Enhanced Raman Scattering 2024-Jul-09, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c00978 PMID:38913718	研究论文	本研究报道了一种将深度学习与表面增强拉曼散射相结合的生物传感平台，利用二硫化钼辅助的金纳米颗粒进行COVID-19的现场筛查	创新点在于通过二硫化钼辅助的自发合成实现高密度且高度有序的金纳米颗粒，并结合卷积神经网络提高了SERS性能	尚未提及具体的实验局限性	研究目的在于开发一种快速、低损害和高通量的无标记检测平台	研究对象为人类泪液中的 COVID-19 检测	数字病理	冠状病毒病	表面增强拉曼散射（SERS）	卷积神经网络	液体样品	NA
9893	2024-08-05	DeCoGAN: MVCT image denoising via coupled generative adversarial network 2024-Jul-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5d4c PMID:38979700	研究论文	本研究提出了一种基于深度学习的去噪方法以提高MVCT图像质量	提出了一种基于耦合生成对抗网络（DeCoGAN）的无配对MVCT去噪网络，利用共享潜在空间重建图像	没有提到具体的限制因素	提升MVCT图像质量以提高成像清晰度和人视觉感知	MVCT图像的去噪处理	计算机视觉	NA	深度学习	生成对抗网络	图像	未具体提及样本数量
9894	2024-08-05	Addressing the Accuracy-Cost Trade-off in Material Property Prediction Using a Teacher-Student Strategy 2024-Jul-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00625 PMID:38875176	研究论文	本研究提出了一种新的教师-学生策略，以提高基于化学成分的材料性质预测模型的准确性	引入了教师-学生策略，利用预训练的结构基础预测模型来提高化学成分基础预测模型的精度	主要评估是在涉及100条数据的情况下进行的，可能限制了方法的普适性	提高材料 property 预测的准确性，同时降低探索成本	化学成分基础的材料属性预测模型，采用钙钛矿作为案例研究	机器学习	NA	深度学习	NA	数据条目	100条数据
9895	2024-08-05	Applications of Biosensors in Bladder Cancer 2024-Jul-08, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2024.2373923 PMID:38978228	综述	这篇综述文章强调了生物传感器在膀胱癌中的应用	探讨了电化学和光学传感器在检测肿瘤标志物方面的临床相关性	目前面临的挑战包括缺乏大规模临床试验和先进技术的整合	研究生物传感器在膀胱癌早期检测和治疗中的潜力	聚焦于膀胱癌相关的肿瘤标志物和治疗方法	数字病理学	膀胱癌	生物传感器	NA	NA	NA
9896	2024-08-05	HiDiff: Hybrid Diffusion Framework for Medical Image Segmentation 2024-Jul-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3424471 PMID:38976467	研究论文	提出了一种名为HiDiff的混合扩散框架，用于医学图像分割	通过结合生成模型的知识，填补了判别性分割方法的不足，提出了一种新的二元伯努利扩散模型作为扩散细化器	未提及具体的局限性	旨在提高医学图像分割的性能	医学图像分割，如腹部器官、脑肿瘤、息肉及视网膜血管	计算机视觉	NA	深度学习	混合扩散模型	医学图像	多个分割数据集，涵盖四种广泛使用的模态
9897	2024-08-05	Mask-Guided Vision Transformer for Few-Shot Learning 2024-Jul-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	research paper	提出了一种新颖的掩膜引导视觉变换器（MG-ViT），以实现有效的少样本学习（FSL）	MG-ViT通过引入掩膜操作和残差连接，在不增加其他成本的情况下，继承了预训练视觉变换器（ViT）的参数	当前方法依赖于有限的标注数据，可能在某些特定任务上表现不如预期	研究如何在数据稀缺的情境下实现视觉变换器的有效少样本学习	通过掩膜引导的方式筛选任务相关的图像补丁进行少样本学习	计算机视觉	NA	NA	视觉变换器（ViT）	图像	NA
9898	2024-08-05	Deep learning CT reconstruction improves liver metastases detection 2024-Jul-06, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01753-1 PMID:38971933	研究论文	本研究旨在评估深度学习CT重建在检测肝转移方面的有效性。	深度学习图像重建相较于传统的迭代重建提供了更好的噪声减少和肝转移检测能力。	研究未明确提及深度学习重建对所有患者群体的普适性。	研究目标是确定深度学习图像重建是否影响肝转移的检测数量。	研究对象为121名肝转移患者的CT图像。	医学影像处理	肝癌	CT重建	深度学习模型	图像	121个肝转移患者的CT图像
9899	2024-08-05	Deep learning for multi-type infectious keratitis diagnosis: A nationwide, cross-sectional, multicenter study 2024-Jul-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01174-w PMID:38971902	研究论文	这项研究构建了一种名为DeepIK的深度学习系统，用于多种类型感染性角膜炎的诊断	DeepIK系统能够模仿人类专家的诊断过程，并在多个数据集上表现优异	该研究没有提及特定的局限性	提高感染性角膜炎的诊断效率和准确性	使用23,055张来自12个临床中心的裂隙灯图像	计算机视觉	感染性角膜炎	深度学习	NA	图像	23,055张裂隙灯图像
9900	2024-08-05	LSOTB-TIR: A Large-Scale High-Diversity Thermal Infrared Single Object Tracking Benchmark 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3236895 PMID:37021992	研究论文	本文提出了一个大规模且高多样性的热红外单目标跟踪基准，名为LSOTB-TIR	LSOTB-TIR是迄今为止最大的和最具多样性的热红外目标跟踪基准，包含1416个热红外序列和超过643K帧	缺乏对不同场景和挑战属性的深入分析	建立一个统一的热红外单目标跟踪训练和评估基准	包含1416个热红外跟踪序列的评估数据集和一般训练数据集	计算机视觉	NA	深度学习	NA	视频	1416个热红外序列和超过643K帧