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
381	2024-08-05	Ultra-high-speed four-dimensional hyperspectral imaging 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.520788 PMID:38859098	研究论文	提出了一种新型的四维光谱成像系统，该系统能够同时获取深度和光谱图像	创新性地结合了反射编码孔径快照光谱成像系统和全色相机，实现了超高速的四维光谱成像	未提及具体的系统应用场景和可扩展性	开发一种快速且高效的光谱成像技术用于深度和光谱图像的同步获取	研究对象为高光谱数据立方体和全色图像的对齐与融合	计算机视觉	NA	深度学习	U-net-3D	光谱图像	NA
382	2024-08-05	Deep Learning for Elucidating Modifications to RNA-Status and Challenges Ahead 2024-05-15, Genes IF:2.8Q2 DOI:10.3390/genes15050629 PMID:38790258	research paper	这篇文章概述了深度学习在RNA修饰及其功能研究中的应用	创新点在于深入探讨了深度学习如何应用于mRNA-RBP结合问题，并考虑了其他类型的RNA化学修饰	文章未明确指出研究的局限性	研究RNA结合蛋白和RNA的化学修饰在基因转录调控中的生物学作用	研究对象包括RNA结合蛋白及RNA化学修饰	自然语言处理	NA	深度学习	NA	序列和二级结构数据	NA
383	2024-08-05	A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models 2024-May-13, Biomolecules IF:4.8Q1 DOI:10.3390/biom14050574 PMID:38785981	综述	本文回顾了近年来用于估计蛋白质复合体模型准确性的深度学习方法	提供了对这些深度学习EMA方法的全面概述，并分析其方法论、数据和特征构建	缺乏对现有方法的实证验证和性能比较	旨在总结和分析用于蛋白质复合体结构准确性估计的深度学习方法	重点关注蛋白质复合体的结构预测和准确性估计	机器学习	NA	深度学习	NA	NA	NA
384	2024-08-05	Deep learning-based method for defect detection in electroluminescent images of polycrystalline silicon solar cells 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.517341 PMID:38858917	研究论文	本文提出了一种基于深度学习的ASDD-Net方法，用于光电致发光下的多晶硅太阳能电池缺陷检测	引入了增强的跨阶段部分网络融合和混合注意力模块，以优化特征提取和融合能力	没有提及模型在不同类型光电致发光图像上的表现	旨在实现多晶硅太阳能电池的实时缺陷检测	聚焦于光电致发光条件下的多晶硅太阳能电池图像	计算机视觉	NA	深度学习	ASDD-Net	图像	使用了PVEL-AD数据集进行评估
385	2024-08-05	Experimental demonstration of wavefront reconstruction and correction techniques for variable targets based on distorted grating and deep learning 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.519163 PMID:38858950	研究论文	本研究提出了一种适用于可变目标的波前重建和校正的实用方法	创新点在于设计了扭曲光栅并提出了独立于成像目标的细化特征和结构聚焦特征，以提高波前像差的表征准确性	NA	构建高精度的通用扩展目标自适应光学系统	不同成像目标的波前重建与校正	光学	NA	深度学习	噪声到去噪生成对抗网络（N2D-GAN）和基于注意力机制的高效网络（AM-EffNet）	图像	实验设置中验证了不同成像目标的重建效果
386	2024-08-05	ATN-Res2Unet: an advanced deep learning network for the elimination of saturation artifacts in endoscopy optical coherence tomography 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.517587 PMID:38858918	研究论文	本研究提出了一种名为ATN-Res2Unet的深度学习网络，旨在减少内镜光学相干断层扫描中的饱和伪影	本研究首次探索利用深度学习技术消除内镜光学相干断层扫描图像中的伪影	缺乏足够的真实数据用于训练和验证	研究旨在改善内镜光学相干断层扫描图像的质量	研究对象为内镜光学相干断层扫描图像中的饱和伪影	计算机视觉	NA	深度学习	ATN-Res2Unet	图像	使用了实验性体内数据进行验证
387	2024-08-05	Reconstruction method suitable for fast CT imaging 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.522097 PMID:38858899	研究论文	该文提出了一种适用于快速CT成像的重建方法	引入了深度学习模型X-CTReNet，通过非线性映射函数从正交投影到CT体积进行重建，显著提高了从稀疏投影推断CT体积的能力	研究中未详细讨论模型在投影数量极少情况下的表现限制	寻求一种在可用投影高度稀疏的情况下适用的CT成像重建方法	CT图像重建	计算机视觉	NA	深度学习	X-CTReNet	图像	使用了从两视图投影生成的CT体积数据进行验证
388	2024-08-05	Sub-photon accuracy noise reduction of a single shot coherent diffraction pattern with an atomic model trained autoencoder 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.523999 PMID:38858990	研究论文	本研究利用深度学习验证噪声减少技术，使用自编码器作为学习模型。	采用U-net架构实现亚光子精度的噪声减少，且扩展模型以适应不同形状的粒子衍射模式。	对比其他神经网络架构的性能时，U-net虽然表现出色，但未说明不同形状粒子与模拟数据间的适应性全面。	验证深度学习在衍射模式噪声减少中的有效性。	主要研究纳米粒子的衍射模式。	计算机视觉	NA	深度学习，噪声减少	U-net	模拟数据，衍射图案	NA
389	2024-08-05	Fully dense generative adversarial network for removing artifacts caused by microwave dielectric effect in thermoacoustic imaging 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.522550 PMID:38858929	研究论文	提出了一种基于深度学习的完全密集生成对抗网络用于去除热声成像中由微波介电效应引起的伪影	引入了完全密集块到生成对抗网络中，以提高伪影去除的有效性	未提及实际临床应用的数据验证	提高热声成像的图像准确性和质量	热声成像中由微波介电效应造成的伪影	计算机视觉	NA	深度学习	完全密集生成对抗网络 (FD-GAN)	模拟和实验数据	NA
390	2024-08-05	Terahertz deep learning fusion computed tomography 2024-May-06, Optics express IF:3.2Q2 DOI:10.1364/OE.518997 PMID:38858949	研究论文	提出了一种基于时域THz信号的多维成像框架和多尺度时空谱融合Unet，旨在提高THz图像质量	引入了MS3-Unet，通过多尺度分支提取特征，并使用自适应滤波器实现THz图像的高质量还原	NA	提高THz成像的图像质量以便于物体探索和检测	几何变化的物体	数字病理	NA	THz成像	Unet	图像	NA
391	2024-08-05	SAHIS-Net: a spectral attention and feature enhancement network for microscopic hyperspectral cholangiocarcinoma image segmentation 2024-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.519090 PMID:38855697	研究论文	本文介绍了一种用于胆道癌图像分割的深度学习方法SAHIS-Net。	提出了基于光谱注意力模块的SAHIS-Net及改进的特征增强机制，以更好地区分胆道癌区域。	尚未提及具体的局限性。	通过深度学习提高胆道癌显微高光谱成像的分割精度。	主要研究对象为胆道癌的显微高光谱图像。	计算机视觉	胆道癌	高光谱成像	U-Net	图像	NA
392	2024-08-05	Unveiling the Influence of AI Predictive Analytics on Patient Outcomes: A Comprehensive Narrative Review 2024-May, Cureus DOI:10.7759/cureus.59954 PMID:38854327	review	这篇综合文献综述探讨了人工智能预测分析对医疗保健及患者结果的变革性影响	文章创新地将人工智能预测分析应用于改善疾病进展、治疗反应和恢复率的领域	文章提到伦理考虑，包括数据隐私、偏见和责任，但未详细探讨这些问题	研究的目的是探索人工智能预测分析在提高患者结果方面的潜力	研究对象包括电子健康记录、成像和基因数据等大数据集	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	电子健康记录、成像和基因数据	NA
393	2024-08-05	Working memory load recognition with deep learning time series classification 2024-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.516063 PMID:38855665	研究论文	本研究提出了一种用于工作记忆负荷识别的深度学习时间序列分类模型	提出了一种新的TAResnet-BiLSTM模型，在跨主体工作记忆负荷解码中达到最高准确率	样本数量仅为27人，可能限制结果的普遍性和适用性	研究旨在精确评估工作记忆负荷以改善人机交互应用	研究对象为27名参与者的血氧信号	计算机视觉	NA	fNIRS	TAResnet-BiLSTM	时间序列	27名参与者
394	2024-08-05	STCS-Net: a medical image segmentation network that fully utilizes multi-scale information 2024-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.517737 PMID:38855673	研究论文	本文提出了一种名为STCS-Net的医学图像分割网络，充分利用多尺度信息	创新点在于设计了一个能够多尺度滤波和信息校正的解码器，以及引入了强调重要特征的信息增强模块	NA	研究医学图像分割领域的新方法	医学图像，包括ISIC2016、ISIC2018和肺部数据集	数字病理学	肺癌	深度学习	NA	图像	在ISIC2016、ISIC2018和肺部数据集上进行的评估
395	2024-08-05	Role of artificial intelligence in multiple sclerosis management 2024-May, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202405_36289 PMID:38856129	研究论文	本文探讨了人工智能在多发性硬化症管理中的应用前景	强调了人工智能在提高多发性硬化症早期检测、个性化治疗和预后预测中的潜力	研究可能面临数据量不足和模型准确性问题	研究人工智能在多发性硬化症诊断和治疗中的作用	患者数据（人口统计、基因信息、临床和影像表现）	医疗健康	多发性硬化症	人工智能	机器学习，深度学习，神经网络	数据，影像	NA
396	2024-08-05	[Computer-vision-based artificial intelligence for detection and recognition of instruments and organs during radical laparoscopic gastrectomy for gastric cancer: a multicenter study] 2024-May-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20240125-00041 PMID:38778686	研究论文	本研究探讨了基于计算机视觉的人工智能技术在胃癌根治性腹腔镜胃切除术中检测和识别器械与器官的可行性和准确性	首次应用YOLOv8深度学习框架，在多中心收集的腹腔镜手术视频中实现器械和器官的实时检测与识别	主要依赖视频数据，可能存在手术视频的多样性和复杂性影响准确性的可能	研究计算机视觉在胃癌根治性腹腔镜手术中检测与识别器械和器官的有效性	从四家大医院收集的8段完整腹腔镜胃切除术视频	计算机视觉	胃癌	YOLOv8深度学习框架	YOLOv8m模型	图像	3369帧图像，训练集包含3032帧，验证集包含337帧
397	2024-08-05	Systematic training of table tennis players' physical performance based on artificial intelligence technology and data fusion of sensing devices 2024-May-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100151 PMID:38796032	研究论文	本文研究了基于人工智能技术和传感器设备数据融合的乒乓球运动员体能训练的系统方法	结合人工智能的体能训练模型，提高了比赛信息提取的效率和观众体验	没有具体提及样本量和广泛适用性	探讨乒乓球运动员的体能训练对提高比赛表现的重要性	聚焦于中国乒乓球运动员的训练和技术动作识别	机器学习	NA	深度学习	卷积神经网络	视频	NA
398	2024-08-05	Coded aperture compressive temporal imaging via unsupervised lightweight local-global networks with geometric characteristics 2024-May-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.510414 PMID:38856504	研究论文	本文提出了一种轻量级重建网络，通过压缩测量恢复高维信号。	本研究创新性地设计了一个轻量级网络，利用无监督学习和几何特征来改进信号重建。	受限于实际光学成像系统中的应用，可能对数据质量和网络训练有依赖。	研究压缩测量下的高维信号重建问题。	研究对象为通过压缩测量恢复的视频信号。	计算机视觉	NA	压缩感知	轻量级网络	视频	实验结果未提供样本大小
399	2024-08-05	Imaging through thick scattering media based on envelope-informed learning with a simulated training dataset 2024-May-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.521140 PMID:38856497	研究论文	本文提出了一种基于卷积和高斯分布包络的深度学习方法，用于在厚散射介质中成像	通过使用高斯分布的包络来模拟点扩散函数，从而减少了训练数据集构建的时间和条件	重建物体的质量与散射介质的厚度呈负相关	研究如何在散射成像中有效应用深度学习	使用模拟训练数据集的神经网络重建被未知散射介质遮挡的物体	计算成像	NA	深度学习	神经网络	图像	通过手写数字与点扩散函数的卷积获取的训练数据集的样本
400	2024-08-05	Improving the reliability of deep learning computational ghost imaging with prediction uncertainty based on neighborhood feature maps 2024-May-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.511817 PMID:38856335	研究论文	本文展示了基于邻域特征图的迭代估计在深度学习计算幽灵成像中的应用	提出了一种通过邻域特征图评估输出不确定性的迭代估计方法，以提高深度学习输出的可靠性	未提及具体的算法或数据集限制	提高深度学习在精密测量中的输出可靠性	深度学习算法在缺陷检测中的应用	计算机视觉	NA	深度学习	NA	NA	实验结果未具体说明样本数量