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
10701	2024-08-05	A comprehensive review of deep learning in EEG-based emotion recognition: classifications, trends, and practical implications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2065 PMID:38855206	综述	本文系统性地分类和总结了基于EEG的情感识别的最新发展	提出了一种全面的分类方法，强调了不同方向对建模方法的需求	现有分类较粗略，对潜在应用考虑不足	研究基于EEG的情感识别的分类与实际应用	多种基于EEG的情感识别模型和方法	计算机视觉	NA	深度学习	NA	EEG信号	NA
10702	2024-08-05	Mobile-UI-Repair: a deep learning based UI smell detection technique for mobile user interface 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2028 PMID:38855210	研究论文	该文章提出了一种名为Mobile-UI-Repair的深度学习技术，用于移动用户界面的UI气味检测	创新性在于提出了一个新的UI缺陷识别与定位方法，能够有效识别图形用户界面的显示问题	目前的方法仍需在性能上进一步提升，特别是在结合设计规范和论坛上的语法与语义信息方面	研究旨在提高移动应用程序用户界面的质量，特别是在检测可用性和无障碍性方面	研究对象是移动应用程序的图形用户界面及其设计缺陷	计算机视觉	NA	深度学习	NA	历史数据和实时数据	八位开发者参与了问卷调查
10703	2024-08-05	Analysis of the performance of Faster R-CNN and YOLOv8 in detecting fishing vessels and fishes in real time 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2033 PMID:38855240	研究论文	本研究对Faster R-CNN和YOLOv8在实时检测渔船和鱼类的性能进行了比较分析	首次比较Faster R-CNN和YOLOv8在渔业监测中的实时检测能力	未提及特定的实验条件和数据集的多样性	旨在提升渔业监测和对象检测的效果	Faster R-CNN和YOLOv8模型在渔业监测中的应用	计算机视觉	NA	深度学习	Faster R-CNN, YOLOv8	图像	NA
10704	2024-08-05	Computer-aided colorectal cancer diagnosis: AI-driven image segmentation and classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2071 PMID:38855213	研究论文	本文提出了一种计算机辅助的结直肠癌自动检测方法。	采用了UNet3+进行图像分割，并使用交叉注意多尺度视觉变换器模型进行异常类型预测，展现了高性能。	本文未提及研究样本量和数据来源的具体信息。	旨在通过计算机辅助诊断系统提高结直肠癌的检测准确性。	研究对象包括五种结直肠异常及对照组。	数字病理学	结直肠癌	图像分割和深度学习	UNet3+和交叉注意多尺度视觉变换器	图像	NA
10705	2024-08-05	Applying a deep learning pipeline to classify land cover from low-quality historical RGB imagery 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2003 PMID:38855218	研究论文	应用深度学习流程从低质量历史RGB图像中分类土地覆盖	首次将深度学习流水线应用于历史低质量图像进行土地覆盖分类	研究仅集中于温哥华，可能不适用于其他地区	旨在使用低质量历史图像分析土地覆盖变化	以加拿大温哥华为案例研究对象	计算机视觉	NA	深度学习	Atrous CNN (DeepLabv3+)	图像	一个小型手动标注和增强的历史图像数据集
10706	2024-08-05	Detection of mild cognitive impairment based on attention mechanism and parallel dilated convolution 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2056 PMID:38855222	研究论文	本文提出了一种基于注意力机制和并行膨胀卷积的轻度认知障碍检测方法	通过引入注意力机制来突出病灶区的相关信息，并结合并行膨胀卷积以增强上下文信息的获取能力	目前对轻度认知障碍检测方法的深度学习基础模型的限制仍然存在	研究轻度认知障碍的检测方法以提供更早的干预和治疗	轻度认知障碍患者的脑部MRI图像	计算机视觉	轻度认知障碍	MRI	NA	图像	ADNI公共数据集上的实验结果
10707	2024-08-05	Recurrent attention U-Net for segmentation and quantification of breast arterial calcifications on synthesized 2D mammograms 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2076 PMID:38855260	研究论文	本研究提出了一种深度学习方法，用于在合成的二维乳腺X光图像中检测和量化乳腺动脉钙化	提出了一种包含递归机制和注意模块的递归注意U-Net模型，能够有效识别和分类BAC	未提及具体的限制	旨在帮助放射科医生检测和量化乳腺动脉钙化	研究对象为合成的二维乳腺X光图像中的乳腺动脉钙化	计算机视觉	心血管疾病	深度学习	递归注意U-Net	图像	2,000张合成二维乳腺X光图像
10708	2024-08-05	An efficient computational framework for gastrointestinal disorder prediction using attention-based transfer learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2059 PMID:38855223	研究论文	本文提出了一种基于注意力机制的转移学习架构，以提高胃肠道疾病的诊断效率	将转移学习与注意力机制相结合，以提升计算机辅助诊断系统的性能	现有系统在更大数据集上的安全性和可靠性仍需进一步改善	开发一种有效的计算机辅助诊断系统来分类八种胃肠道图像	胃肠道疾病的图像数据	计算机视觉	胃肠疾病	深度学习	ConvNeXt+Attention	图像	NA
10709	2024-08-05	Deep learning for diagnosis of head and neck cancers through radiographic data: a systematic review and meta-analysis 2024-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00715-5 PMID:37855976	系统评价与荟萃分析	本研究回顾了深度学习在头颈癌检测中的应用，使用了磁共振成像和放射数据	该文章通过系统评价和荟萃分析，提供了头颈癌检测的深度学习模型的准确性和特异性的量化数据	仅包括了满足特定标准的32项研究，可能存在选择偏倚	研究深度学习在头颈癌通过医学影像数据检测中的应用	对头颈癌的医学影像（CT、PET、MRI等）进行的深度学习模型	数字病理学	头颈癌	深度学习	分类模型、目标检测模型	医学影像	从1967项研究中筛选出的32项符合条件的研究
10710	2024-08-05	Recognition of sports and daily activities through deep learning and convolutional block attention 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2100 PMID:38855220	研究论文	本研究使用可穿戴传感器数据通过深度学习技术识别与体育和健身相关的人类行为	创新在于无缝整合CNN、BiGRU和CBAM组件，学习空间和时间关系，优先考虑显著特征进行活动检测	NA	研究旨在提高运动和日常活动的识别准确性	使用UCI-DSA数据集进行多类活动识别	计算机视觉	NA	CNN	CNN-BiGRU-CBAM	运动和生物特征数据	NA
10711	2024-08-05	Information extraction of UV-NIR spectral data in waste water based on Large Language Model 2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124475 PMID:38772179	研究论文	本研究提出了一种基于大型语言模型(LLM)的UV-NIR光谱数据提取方法	利用大型语言模型在UV-NIR光谱分析中实现更简便和快速的操作，超越传统机器学习模型的表现	本研究可能缺乏对不同实验设置的全面评估及更多样本的适用性	减少UV-NIR光谱分析中时间成本及操作复杂性	对包括复杂废水在内的三种不同水样的化学需氧量（COD）进行预测	机器学习	NA	大型语言模型（LLM）	NA	光谱数据	三种不同的水样
10712	2024-08-05	A double-branch convolutional neural network model for species identification based on multi-modal data 2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124454 PMID:38788500	研究论文	该文章提出了一种基于多模态数据融合的双分支卷积神经网络模型用于物种识别	创新点在于将拉曼光谱和图像数据融合到一个双分支CNN模型中，提高了物种识别的准确性	未提及具体的样本限制或数据集大小	本研究旨在通过融合多模态数据提高物种识别的准确性	研究对象是通过使用拉曼光谱和图像数据进行物种识别	计算机视觉	NA	拉曼光谱	双分支CNN	图像和光谱数据	NA
10713	2024-08-05	Deep learning-based platform performs high detection sensitivity of intracranial aneurysms in 3D brain TOF-MRA: An external clinical validation study 2024-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105487 PMID:38761459	研究论文	本研究评估了一种基于深度学习算法的人工智能平台在3D时间飞行磁共振血管成像中对颅内动脉瘤的自动检测效能	开发了一种人工智能平台，应用深度学习算法以提高颅内动脉瘤的检测敏感性，并进行临床验证	本研究为回顾性研究，数据来自有限的时间段，可能存在选择偏倚	旨在验证基于深度学习的人工智能平台在颅内动脉瘤检测中的诊断效能	510名患者，包括215名有颅内动脉瘤的患者和295名没有动脉瘤的患者	数字病理学	NA	TOF-MRA	深度学习	医学影像	510名患者
10714	2024-08-05	Deep Learning-Guided Dosimetry for Mitigating Local Failure of Patients With Non-Small Cell Lung Cancer Receiving Stereotactic Body Radiation Therapy 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.11.059 PMID:38056778	研究论文	本文分析了接受立体定向体部放射治疗的非小细胞肺癌患者，提出了深度学习指导的剂量计划标准	研究提出了一种新颖的深度学习局部反应模型和治疗规划标准，能够优化局部控制	数据未确认或否认治疗剂量需要显著提高的结论	旨在提高非小细胞肺癌患者的局部控制率	涉及535名接受50 Gy/5分割治疗的非小细胞肺癌患者	数字病理学	非小细胞肺癌	深度学习	离散时间生存模型	计算机断层扫描图像，三维剂量分布，患者人口统计学数据	535名患者
10715	2024-08-05	AS-NeSt: A Novel 3D Deep Learning Model for Radiation Therapy Dose Distribution Prediction in Esophageal Cancer Treatment With Multiple Prescriptions 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.001 PMID:38159780	研究论文	本研究开发了一种深度学习模型AS-NeSt，用于预测食管癌治疗中的放射治疗剂量分布。	该研究提出了一种创新的3D ResNeSt模块及非对称架构，提升了剂量预测的准确性。	研究中使用的数据主要来自530名患者，可能限制了模型的普适性。	本研究旨在提高食管癌患者放射治疗剂量分布预测的准确性。	研究对象为530名接受放射治疗的食管癌患者。	数字病理学	食管癌	深度学习	AS-NeSt	临床数据	530名食管癌患者的数据
10716	2024-08-05	Deep neural network for the prediction of KRAS, NRAS, and BRAF genotypes in left-sided colorectal cancer based on histopathologic images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102384 PMID:38759471	研究论文	本研究开发了一种深度学习模型，以利用病理全切片图像准确预测左侧结直肠癌患者的KRAS、NRAS和BRAFV600E基因型。	创新之处在于结合使用病理特征和临床特征，构建临床-病理整合模型来提高基因型预测的准确性。	样本数量有限，可能影响模型的普适性和推广性。	本研究旨在通过深度学习技术提高对左侧结直肠癌患者基因型的预测能力。	研究对象为129名左侧结肠癌和直肠癌患者。	数字病理学	结直肠癌	深度学习	卷积神经网络 (CNN)	图像	129个患者，训练组103名，测试组26名
10717	2024-08-05	Lamb wave-based damage assessment for composite laminates using a deep learning approach 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107333 PMID:38692213	研究论文	采用基于深度学习的方法进行复合材料层压板的Lamb波损伤评估	提出了一种基于卷积稀疏编码的UNet（CSCUNet）用于复合材料的Lamb波损伤评估，提升了模型的性能和可解释性	现有的深度学习架构在多层结构中仍然缺乏一定的物理可解释性	研发高效的结构健康监测技术来确保复合结构的完整性和可靠性	针对复合材料层压板的损伤检测和特征提取	机器学习	NA	超声Lamb波	卷积神经网络（CNN）	图像	数值和实验数据均进行测试，涵盖复合材料样本
10718	2024-08-05	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	本研究开发了一种深度学习方法以量化FLASH照射的等效剂量	首次应用深度学习在小鼠肠道组织图像中估算FLASH照射的等效剂量	只在特定的C57BL/6J小鼠模型中进行，尚未验证在其它模型中的适用性	探讨FLASH照射下的等效剂量估算	八十四只健康的C57BL/6J雌性小鼠	数字病理学	NA	深度学习	ResNet101	图像	84只小鼠
10719	2024-08-05	Deep learning pipeline for quality filtering of MRSI spectra 2024-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5012 PMID:37518942	研究论文	本文提出了一种基于深度学习分类器的自动化预处理管道，用于过滤MRSI光谱的质量	该研究引入了一种新型的结合多种深度学习网络的管道，能够有效识别和过滤不良质量的MRSI光谱	在表现较低的谱类中，尤其是受脂质影响的谱类，F1分数相对较低，仅为0.82	旨在开发一种自动化管道，以前处理MRSI光谱并提高代谢物定量的有效性	研究对象为来自一名健康受试者和五名脑肿瘤患者的36338个MRSI光谱	数字病理学	脑肿瘤	3D磁共振光谱成像 (MRSI)	卷积自编码器和多层感知器网络的组合	光谱	36338个光谱
10720	2024-08-05	Computer vision analysis of mother-infant interaction identified efficient pup retrieval in V1b receptor knockout mice 2024-Jul, Peptides IF:2.8Q2 DOI:10.1016/j.peptides.2024.171226 PMID:38649033	研究论文	该文章研究了V1b受体缺失小鼠在幼崽取回过程中的母婴互动	首次应用计算机视觉深度学习分析母鼠与幼崽之间的互动关系	研究只限于小鼠，结果可能不适用于其他物种	探讨V1b受体在母鼠取回幼崽过程中的作用	V1b受体缺失小鼠和野生型小鼠在取回幼崽的行为差异	计算机视觉	NA	深度学习	NA	行为数据	V1b受体缺失小鼠和野生型小鼠的比较，包括母鼠和幼崽