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
10021	2024-08-05	Mulberry leaf dataset for image classification task 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110281 PMID:38962203	研究论文	本文介绍了从泰国五个省份收集的桑叶数据集，包含十个类别的桑叶	提出了针对自然环境中拍摄的叶子图像分类的桑叶数据集，以应对高类间相似性和光照变化的挑战	数据集的限制未在摘要中提及	研究桑叶图像的分类问题	研究对象为桑叶的图像	计算机视觉	NA	深度学习和视觉变换器算法	NA	图像	包含十个类别的桑叶
10022	2024-08-05	End-to-End Semi-Supervised Opportunistic Osteoporosis Screening Using Computed Tomography 2024-Jun, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2023.1860 PMID:38721637	研究论文	本研究探讨了使用腹部CT扫描进行机会性骨质疏松筛查的可行性	提出了一种无需骨密度校准的腹部CT扫描自动评估骨矿密度的新方法	本研究为回顾性研究，可能存在数据选择偏差	研究目的在于提升高风险人群的骨质疏松筛查率	分析268对腹部CT-DXA数据和99个无DXA评分的腹部CT研究	数字病理学	骨质疏松症	CT扫描	深度学习模型	医学影像	268对腹部CT-DXA数据和99个腹部CT研究
10023	2024-08-05	RELATIONAL DIMENSION VERSUS ARTIFICIAL INTELLIGENCE 2024-Jun, American journal of psychoanalysis DOI:10.1057/s11231-024-09458-6 PMID:38890449	研究论文	本文分析了人工智能与人类心理之间的相似性及其在医疗保健领域的影响	探讨了心理分析方法提出的关系维度与人工智能工具作为治疗模型之间的对比	未明确指出具体的实验或数据支持	研究人工智能工具在医疗诊断和心理治疗中的应用及其对主观表达形式的影响	深度学习模型、计算机视觉和自然语言处理中的人工智能工具	计算机视觉	NA	深度学习模型	RNN、LSTM、BERT、GPT	NA	NA
10024	2024-08-05	EfficientMaize: A Lightweight Dataset for Maize Classification on Resource-Constrained Devices 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110261 PMID:38962186	研究论文	该研究创建了一个轻量级的玉米分类数据集，旨在支持资源受限设备的应用	通过轻量化的数据集设计来解决在嵌入式设备上进行玉米分类时的高计算资源消耗问题	缺乏广泛的本地玉米数据，仅集中在加纳的特定玉米种类上	开发一个高效的玉米分类工具，以降低计算成本和减少人工参与	三种不同类型的加纳本地玉米种子的分类	计算机视觉	NA	深度学习	NA	图像	共4,846张原始图像，其中2,211张为坏的，2,635张为好的；另外28,910张增强图像，含有13,250张坏的和15,660张好的
10025	2024-08-05	A comprehensive standardized dataset of numerous pomegranate fruit diseases for deep learning 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110284 PMID:38962206	研究论文	本文创建了一个标准化的石榴果实疾病图像数据集，以支持深度学习的研究	研究提供了一个包含5099张石榴果实图像的新数据集，并详细分类了五种疾病	该数据集仅覆盖了特定地区的石榴疾病，可能无法代表全球所有石榴疾病的多样性	创建一个可公开使用的石榴果实疾病图像数据集	石榴果实的健康状况与各种疾病（细菌枯萎、炭疽、叶斑等）	计算机视觉	NA	深度学习	NA	图像	5099张石榴果实图像
10026	2024-08-05	Utilizing Immunoglobulin G4 Immunohistochemistry for Risk Stratification in Patients with Papillary Thyroid Carcinoma Associated with Hashimoto Thyroiditis 2024-Jun, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.1923 PMID:38766717	研究论文	本研究探讨了在与桥本甲状腺炎相关的乳头状甲状腺癌患者中利用IgG4免疫组织化学进行风险分层	本研究首次利用IgG4相关亚型对桥本甲状腺炎患者进行复发风险分层，揭示了其与癌症阶段的关联	本研究为横断面研究，无法建立因果关系，且样本来自单一学术中心可能影响外部适用性	探讨桥本甲状腺炎与乳头状甲状腺癌之间的关系，并利用IgG4免疫组织化学进行风险评估	426名接受甲状腺切除术的乳头状甲状腺癌成年患者	数字病理学	甲状腺癌	免疫组织化学	深度学习模型	数字化的免疫染色切片图像	426名乳头状甲状腺癌患者，79名被诊断为桥本甲状腺炎患者
10027	2024-08-05	A new strategy for groundwater level prediction using a hybrid deep learning model under Ecological Water Replenishment 2024-Apr, Environmental science and pollution research international DOI:10.1007/s11356-024-32330-0 PMID:38436858	研究论文	本文提出了一种基于混合深度学习模型的地下水位预测新策略。	引入了STL-IWOA-GRU模型，结合了LOESS季节趋势分解算法、改进的鲸鱼优化算法和门控递归单元，以提高地下水位预测的准确性。	研究未提及模型在其他生态水补充背景下的适用性和验证。	旨在在生态水补充的背景下准确预测地下水位变化。	使用从永定河流域（北京段）21个监测井收集的地下水位、降水和地表径流数据。	机器学习	NA	深度学习	STL-IWOA-GRU	时间序列数据	731天中的21个监测井数据
10028	2024-08-05	Comparative study for coastal aquifer vulnerability assessment using deep learning and metaheuristic algorithms 2024-Apr, Environmental science and pollution research international DOI:10.1007/s11356-024-32706-2 PMID:38436856	研究论文	本研究评估了伊朗西北部拉希简地区沿海含水层的脆弱性。	将生物地理优化（BBO）和灰狼优化（GWO）技术与卷积神经网络（CNN）相结合，用于生成脆弱性地图（VM），这一综合方法在CAVA模型的改进方面尚属首次。	尽管进行了深度学习算法的应用，但对OGM参数权重的修改仍然有限。	评估沿海含水层的脆弱性，减轻海水入侵的影响。	拉希简地区沿海含水层的脆弱性。	数字路径学	NA	深度学习，生物地理优化，灰狼优化	卷积神经网络（CNN）	地图	使用了原始GALDIT模型（OGM）派生的水文地质参数
10029	2024-08-05	Forecasting China carbon price using an error-corrected secondary decomposition hybrid model integrated fuzzy dispersion entropy and deep learning paradigm 2024-Mar, Environmental science and pollution research international DOI:10.1007/s11356-024-32169-5 PMID:38321281	研究论文	本文开发了一种集成模糊分散熵和深度学习范式的错误校正碳价预测模型	采用改进的完全集合经验模态分解和深度学习相结合来提高碳价预测准确性	未提及具体的局限性	准确预测中国的碳价格以促进投资和减排决策	中国碳价格的时间序列数据	机器学习	NA	ICEEMDAN, FDE, VMD, PSO-LSTM	PSO-LSTM	时间序列数据	750个连续交易价格
10030	2024-08-05	An interpretable deep learning model to map land subsidence hazard 2024-Mar, Environmental science and pollution research international DOI:10.1007/s11356-024-32280-7 PMID:38340298	研究论文	这项研究旨在通过不同技术提升深度学习模型输出在土地沉降危害映射中的可解释性	通过使用粒子群优化算法识别影响土地沉降的有效特征，并应用混合解释方法来增强深度学习模型的可解释性	文章未详细讨论模型在不同地理区域的适用性和推广性	提升深度学习模型在映射土地沉降危害中的可解释性	用于映射土地沉降危险的深度学习模型，包括CNN和LSTM	机器学习	NA	深度学习、粒子群优化算法	CNN和LSTM	地理信息数据	基于实地工作和土地沉降存在点的清单图
10031	2024-08-05	Optimal strategies for modeling anatomy in a hybrid intelligence framework for auto-segmentation of organs 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006617 PMID:38957182	研究论文	本文提出了一种混合智能框架以优化器官自 segmentation 的解剖建模策略	引入混合智能系统结合自然智能和深度学习，显著提高了计算效率	未提及具体的限制因素	提升医疗图像分析中器官的自动分割效率与准确性	涉及多个放射治疗中心的Thorax体区域的器官	计算机视觉	NA	深度学习与非深度学习相结合	NA	医学图像	来自4个不同放射治疗中心的临床研究数据
10032	2024-08-05	Anatomic attention regions via optimal anatomy modeling and recognition for DL-based image segmentation 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006771 PMID:38957740	研究论文	本文提出了通过最优解剖建模和识别的方法实现医学图像的深度学习分割	结合自然智能与人工智能，提出了新的方法来发现医学图像中的注意区域	尚未明确提及深度学习方法的具体计算效率和通用性	提高医学图像分割的准确性和效率	医学图像中的解剖区域	计算机视觉	NA	混合智能	NA	医学图像	唯一测试数据集
10033	2024-08-05	Deep learning-based stress detection for daily life use using single-channel EEG and GSR in a virtual reality interview paradigm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305864 PMID:38959272	研究论文	本研究建立了一个基于生理指标和深度学习技术的实用压力检测框架	采用虚拟现实访谈范式和多列结构相结合的单通道EEG和GSR数据，提高了压力预测的能力	研究样本量有限，仅包含30名参与者，可能影响结果的广泛适用性	研究旨在通过集成生理指标和深度学习技术实现压力检测	研究对象为在虚拟现实访谈中经历压力诱导的30名参与者	计算机视觉	NA	深度学习	CNN, Vision Transformer	生物信号	30名参与者
10034	2024-08-05	Encoding temporal information in deep convolution neural network 2024, Frontiers in neuroergonomics IF:1.5Q4 DOI:10.3389/fnrgo.2024.1287794 PMID:38962279	研究论文	本文提出了一种新的时间编码方法EnK，用于提升卷积神经网络（CNN）对时间依赖特征的学习能力	引入了时间分解信息的新编码内核（EnK），在CNN的垂直卷积操作中实现时间编码	虽然提出的方法有效，但与复杂的序列数据结合时仍存在学习能力的限制	解决深度学习模型在处理EEG信号时对时间依赖特征的学习问题	对不同的EEG数据集进行实证研究，评估EnK的效果	机器学习	NA	深度学习，CNN	CNN	EEG信号	多个EEG数据集，包括人机协作、P300视觉诱发电位等
10035	2024-08-05	A lightweight network architecture for traffic sign recognition based on enhanced LeNet-5 network 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1431033 PMID:38962176	研究论文	本研究提出了一种轻量级的卷积神经网络架构，用于交通标志识别	通过改进经典的LeNet-5网络模型，以实现轻量级且易于部署的嵌入式应用	未提及具体的限制因素	实现一种轻量级的卷积神经网络架构，以提高交通标志识别的准确性和速度	改进LeNet-5网络模型以应对无人驾驶系统中的交通标志识别	计算机视觉	NA	卷积神经网络（CNN）	LeNet-5	图像	使用德国交通标志识别基准（GTSRB）数据库进行测试
10036	2024-08-05	Generative preparation tasks in digital collaborative learning: actor and partner effects of constructive preparation activities on deep comprehension 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1335682 PMID:38962237	研究论文	本研究探讨了在数字协作学习中，建设性准备活动对深度理解的影响	研究通过实验分析了不同生成性准备任务对深度学习影响的差异，尤其关注了先前知识的调节作用	研究对象为非专业大学生，可能影响结果的普遍性	探索建设性准备活动如何促进后续协作中的深度学习	122名非专家大学生，他们被分配到61个二人组进行研究	数字学习	NA	实验研究	NA	文本	122名参与者，61个二人组
10037	2024-08-05	Comparison of image quality between Deep learning image reconstruction and Iterative reconstruction technique for CT Brain- a pilot study 2024, F1000Research DOI:10.12688/f1000research.150773.1 PMID:38962692	研究论文	本文比较了深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。	本研究通过使用卷积神经网络 (CNN) 的深度学习图像重建 (DLIR) 算法，展示了其在减少噪声和提高图像质量方面的优势。	本研究是一个小规模的初步研究，样本量有限，结果需要在更大人群中进一步验证。	评估深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。	研究对象为接受非对比CT脑部检查的30名患者。	数字病理学	NA	深度学习图像重建 (DLIR)，迭代重建 (iDose 4)	卷积神经网络 (CNN)	影像	30名接受非对比CT脑部检查的患者
10038	2024-08-05	Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases 2024-Jul-02, Cell metabolism IF:27.7Q1 DOI:10.1016/j.cmet.2024.05.012 PMID:38959862	研究论文	该文章探讨了面部温度与衰老和代谢疾病的关系	提出了一种新的热面部影像分析方法ThermoFace，并开发了相应的衰老和疾病预测模型	研究仅涉及汉族个体，可能限制了结果的普遍性	研究面部温度与衰老速度及衰老相关疾病的潜在关联	收集了2811名20至90岁汉族个体的面部热影像	数字病理学	代谢疾病	深度学习	ThermoFace深度学习模型	热影像	2811名汉族个体
10039	2024-08-05	Deep Learning-based Hierarchical Brain Segmentation with Preliminary Analysis of the Repeatability and Reproducibility 2024-Jul-02, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0124 PMID:38960679	研究论文	本研究开发了一种基于深度学习的层次脑分割方法，用于对T1加权MR图像进行分割并计算各子区域体积。	提出了一种新颖的层次脑分割方法，能够同时进行高效的分割和体积估算，并显示出其在重复性和再现性方面优于现有工具。	该研究未涉及其他类型的脑部影像数据和更多的样本量进行验证。	评估基于深度学习的层次脑分割方法的体积估算重复性和再现性。	使用486名受试者的T1WI和脑掩模对脑子区域进行分割。	数字病理学	NA	深度学习	NA	图像	486名受试者，11名健康受试者的脑部3D-T1WI扫描数据
10040	2024-08-05	Deep Learning-Enabled Quantification of 99mTc-Pyrophosphate SPECT/CT for Cardiac Amyloidosis 2024-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267542 PMID:38724278	研究论文	本研究评估了一种深度学习方法，以实现99mTc-焦磷酸盐SPECT/CT成像的完全自动化定量分析。	提出了一种基于深度学习的自动分割CT衰减图的心脏影像定量方法，克服了主观性和繁琐手动量化的局限。	研究中未提及样本多样性及其对结果的影响。	旨在改进心脏淀粉样变性（ATTR CA）诊断中的影像定量方法。	参与研究的299名患者均为疑似心脏淀粉样变性而接受了SPECT/CT成像的个体。	数字病理学	心脏淀粉样变性	SPECT成像	深度学习模型	影像	299名患者