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
821	2024-08-07	Accurate object localization facilitates automatic esophagus segmentation in deep learning 2024-May-12, Radiation oncology (London, England) DOI:10.1186/s13014-024-02448-z PMID:38735947	研究论文	本文通过先定位后分割的策略，改进了深度学习中食管自动分割的性能	采用两阶段策略，先使用CenterNet定位食管中心，再使用3D U-net和2D U-net模型进行分割，提高了分割模型的鲁棒性	3D U-net模型在减少错误分割对象的同时，也增加了遗漏对象的情况	提高深度学习中食管自动分割的性能	食管的自动分割	计算机视觉	NA	NA	CNN	图像	100例胸腔CT扫描数据
822	2024-08-07	Enhancing brain tumor detection in MRI images through explainable AI using Grad-CAM with Resnet 50 2024-May-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01292-7 PMID:38734629	研究论文	本研究通过结合ResNet50深度学习模型和Gradient-weighted Class Activation Mapping（Grad-CAM）技术，提出了一种用于MRI图像中脑肿瘤检测的可解释AI框架	本研究引入了Grad-CAM技术，提供了一种透明且可解释的脑肿瘤检测方法，增强了模型的可解释性	NA	提高MRI图像中脑肿瘤检测的准确性和可解释性	脑肿瘤检测	计算机视觉	脑肿瘤	Grad-CAM	ResNet50	图像	使用了经过数据增强的MRI图像数据集
823	2024-08-07	Enhancing cervical cancer detection and robust classification through a fusion of deep learning models 2024-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61063-w PMID:38734714	研究论文	本文介绍了一种利用预训练的深度神经网络模型进行特征提取，并结合多种机器学习算法进行宫颈癌分类的新方法	该方法通过融合深度学习和机器学习技术，提高了宫颈癌检测的准确性和效率	NA	提高宫颈癌检测的准确性和效率	宫颈癌	机器学习	宫颈癌	深度学习	Alexnet, Resnet-101, Resnet-152, InceptionV3	图像	使用了公开的SIPaKMeD数据集
824	2024-08-07	Deep learning segmentation of non-perfusion area from color fundus images and AI-generated fluorescein angiography 2024-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61561-x PMID:38734727	研究论文	本研究探讨了使用深度学习模型从彩色眼底图像中检测非灌注区域（NPA），并评估了从彩色眼底图像生成的合成荧光素血管造影（FA）的效用	本研究创新性地使用深度学习模型从彩色眼底图像中检测NPA，避免了侵入性和繁重的FA评估方法，并探索了合成FA的实用性	尽管深度学习模型能以合理准确度检测NPA，但预测稳定性稍低，彩色眼底模型显示出比其他模型更高的不确定性	研究目的是开发一种非侵入性的方法来评估分支视网膜静脉阻塞（BRVO）患者的视网膜非灌注区域	研究对象为319名BRVO患者的403组彩色眼底和FA图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	403组彩色眼底和FA图像，来自319名BRVO患者
825	2024-08-07	Deep learning-based classification of anti-personnel mines and sub-gram metal content in mineralized soil (DL-MMD) 2024-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60592-8 PMID:38734748	研究论文	本文提出了一种基于深度学习的脉冲感应金属地雷探测器（DL-MMD）架构，用于提高地雷探测系统的准确性和效率	利用深度神经网络区分九种不同材料，实现了93.5%的验证准确率，能够区分无金属板的人体地雷并检测0.2克垂直纸针	NA	提高地雷探测系统的准确性和效率	人体地雷和微量金属含量的矿化土壤	机器学习	NA	深度学习	深度神经网络	材料数据	九种不同材料
826	2024-08-07	Dense Sample Deep Learning 2024-May-10, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01666 PMID:38669696	研究论文	本文探讨了深度学习在密集样本任务中的应用，通过大规模深度学习网络分析了类别结构和特征构建的涌现过程	提出了一种基于结果的复杂特征构建新理论	训练集的组合复杂性未知，且网络机制难以通过可视化揭示	深入理解深度学习网络的学习机制和表示方法	深度学习网络在密集样本任务中的表现	机器学习	NA	深度学习	CNN	文本	1.24百万权重VGG网络，5个独特标记，每个标记超过500个样本
827	2024-08-07	InsectSound1000 An insect sound dataset for deep learning based acoustic insect recognition 2024-May-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03301-4 PMID:38724595	research paper	介绍了一个名为InsectSound1000的数据集，包含超过169000个标记的昆虫声音样本，用于基于深度学习的声学昆虫识别	InsectSound1000数据集具有显著的规模和高质量录音，可用于训练数据需求量大的深度学习模型	NA	探索声学昆虫识别技术，为自动化害虫监测和生态监测提供基础	12种昆虫的声音样本	machine learning	NA	深度学习	深度学习模型	声音	超过169000个标记的声音样本，来自超过1000小时的录音
828	2024-08-07	Deep Learning-Based Design Method for Acoustic Metasurface Dual-Feature Fusion 2024-May-06, Materials (Basel, Switzerland) DOI:10.3390/ma17092166 PMID:38730972	研究论文	本文提出了一种基于深度学习的声学超表面双特征融合设计方法	首次采用集成学习方法构建超表面物理结构参数与声场之间的正向映射关系模型，并提出基于卷积神经网络的双特征融合模型（DFCNN）	NA	旨在快速准确地设计声学超表面	声学超表面的物理结构参数与声场之间的关系	机器学习	NA	深度学习	卷积神经网络	声场数据	90%的集成学习模型误差小于3 dB，93%的DFCNN模型误差小于5 dB
829	2024-08-07	Identification of Novel Regulators of Leaf Senescence Using a Deep Learning Model 2024-May-05, Plants (Basel, Switzerland) DOI:10.3390/plants13091276 PMID:38732491	研究论文	本文开发了一种名为DEGRN的深度学习模型，用于解析植物基因相互作用，并通过大量RNA-Seq和scRNA-Seq数据成功识别了大量高质量的基因交互作用。	DEGRN模型能够利用高维表达数据，揭示包括叶片衰老在内的复杂生物过程中的新型调控因子。	NA	探索和解析植物基因调控网络，特别是叶片衰老过程中的基因相互作用。	植物基因调控网络，特别是转录因子及其目标基因在叶片衰老过程中的作用。	机器学习	NA	RNA-Seq	深度学习模型	表达数据	涉及1430个转录因子和13,739个非转录因子基因，共3,053,363个高质量交互作用。
830	2024-08-07	Computed tomography-based 3D convolutional neural network deep learning model for predicting micropapillary or solid growth pattern of invasive lung adenocarcinoma 2024-May, La Radiologia medica DOI:10.1007/s11547-024-01800-3 PMID:38512613	研究论文	研究基于CT的深度学习模型预测侵袭性肺腺癌中的微乳头状或实性生长模式	使用自步学习3D网络模型，该模型在预测侵袭性肺腺癌的微乳头状或实性生长模式方面表现优于其他模型	NA	探讨基于CT的深度学习模型预测侵袭性肺腺癌中微乳头状或实性生长模式的价值	侵袭性肺腺癌患者的CT扫描图像	计算机视觉	肺腺癌	深度学习	3D卷积神经网络	图像	617名侵袭性肺腺癌患者用于训练和内部验证，353名患者用于外部验证
831	2024-08-07	A Novel Method for the Object Detection and Weight Prediction of Chinese Softshell Turtles Based on Computer Vision and Deep Learning 2024-May-01, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091368 PMID:38731372	研究论文	本文提出了一种基于计算机视觉和深度学习的新方法，用于中国软壳龟的目标检测和重量预测	本文提出了一种颜色空间模型来有效分离龟与背景，并使用改进的深度学习目标检测网络提取龟甲和背甲的特征，实现了高精度的检测结果	NA	研究自动化龟分类中的视觉识别和重量预测	中国软壳龟	计算机视觉	NA	深度学习	CNN	图像	未具体说明样本数量
832	2024-08-07	The analysis of ecological security and tourist satisfaction of ice-and-snow tourism under deep learning and the Internet of Things 2024-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61598-y PMID:38730047	研究论文	本文提出了一种基于深度学习和物联网技术的预测方法，用于解决冰雪旅游领域的生态安全和游客满意度问题	该方法通过结合深度学习模型和物联网技术，提高了预测冰雪旅游生态安全和游客满意度的准确性和性能指标	NA	提出一种新的预测方法，以提高冰雪旅游生态安全和游客满意度的预测准确性	冰雪旅游的生态安全和游客满意度	机器学习	NA	深度学习 (DL) 和物联网 (IoT)	卷积神经网络和循环神经网络	环境数据和游客行为数据	NA
833	2024-08-07	Fine tuning deep learning models for breast tumor classification 2024-05-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60245-w PMID:38730248	研究论文	本文提出了一种利用深度学习模型对乳腺癌肿瘤进行良恶性分类的方法	使用自定义卷积神经网络（Custom CNN）模型，结合灰狼优化（GWO）和改进的猩猩部队优化（MGTO）算法进行超参数调优，显著提高了分类准确率	NA	提高乳腺癌肿瘤良恶性分类的准确性	乳腺癌肿瘤的良恶性分类	计算机视觉	乳腺癌	卷积神经网络（CNN）	Custom CNN	图像	使用BreakHis数据集中的组织病理学图像
834	2024-08-07	Fragment ion intensity prediction improves the identification rate of non-tryptic peptides in timsTOF 2024-May-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48322-0 PMID:38730277	研究论文	本文研究了在timsTOF平台上通过片段离子强度预测提高非胰蛋白酶肽的鉴定率	通过深度学习模型Prosit对片段离子强度预测进行微调，显著提高了免疫肽的鉴定率	NA	提高免疫肽的鉴定率，支持免疫疗法和疫苗开发	非胰蛋白酶肽的鉴定	蛋白质组学	NA	质谱分析	深度学习	质谱数据	分析了302,105个独特的合成非胰蛋白酶肽，生成了包含93,227个MS/MS光谱的基准数据集
835	2024-08-07	A dual-branch selective attention capsule network for classifying kiwifruit soft rot with hyperspectral images 2024-05-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61425-4 PMID:38724603	研究论文	本研究提出了一种双分支选择性注意力胶囊网络（DBSACaps），用于基于高光谱图像准确检测猕猴桃软腐病	使用双分支结构分别提取光谱和空间特征，并通过注意力机制融合这些特征，提高了分类准确性	NA	旨在通过深度学习方法基于高光谱图像准确检测猕猴桃软腐病	猕猴桃软腐病	计算机视觉	NA	高光谱图像	胶囊网络	图像	猕猴桃软腐病数据集
836	2024-08-07	Enhancing Fetal Electrocardiogram Signal Extraction Accuracy through a CycleGAN Utilizing Combined CNN-BiLSTM Architecture 2024-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s24092948 PMID:38733053	研究论文	本文提出了一种新的深度学习模型CBLS-CycleGAN，用于提高胎儿心电图信号提取的准确性	模型结合了CNN提取的空间特征和BiLSTM提取的时间特征，确保重建信号具有空间和时间依赖性的组合特征	NA	提高胎儿心电图信号提取的准确性，以反映胎儿在子宫内的发育状态和生理心脏活动	胎儿心电图信号	机器学习	NA	CycleGAN	CNN-BiLSTM	信号	使用两个真实的胎儿心电图信号数据库进行评估
837	2024-08-07	MultiFuseYOLO: Redefining Wine Grape Variety Recognition through Multisource Information Fusion 2024-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s24092953 PMID:38733058	研究论文	本研究提出了一种基于多源信息融合的方法，通过优化和改进YOLOV7模型，形成MultiFuseYOLO模型，以提高葡萄酒葡萄品种识别的准确性	本研究通过引入多源信息融合方法，特别是基于SynthDiscrim算法，显著提高了对相似葡萄品种的识别精度	NA	旨在通过多源信息融合方法提高葡萄酒葡萄品种识别的准确性和全面性	葡萄酒葡萄品种的识别	计算机视觉	NA	多源信息融合	YOLO	图像	未具体说明样本数量
838	2024-08-07	An Optimized Instance Segmentation of Underlying Surface in Low-Altitude TIR Sensing Images for Enhancing the Calculation of LSTs 2024-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s24092937 PMID:38733039	研究论文	本研究提出了一种深度学习方法，用于优化低空热红外遥感图像中地表的实例分割，以提高地表温度计算的准确性	本研究采用基于掩膜的卷积神经网络进行像素级分类和分割，并通过优化超参数和架构，提高了地表分类的精确度	NA	提高基于低空热红外遥感图像的地表温度计算准确性	低空热红外遥感图像中的地表实例分割	计算机视觉	NA	深度学习	CNN	图像	1350张标注的热红外图像用于训练，150张新图像用于验证
839	2024-08-07	Predicting Transcription Factor Binding Sites with Deep Learning 2024-May-03, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25094990 PMID:38732207	研究论文	本文提出了一种基于双向Transformer编码器的深度学习方法，用于预测转录因子结合位点，并通过实验验证了其在不同细胞系中的有效性	本文提出的方法结合了双向长短期记忆层和胶囊层，以提高遗传数据嵌入的鲁棒性和意义	NA	研究转录因子如何调控基因表达及其在治疗中的潜在应用	转录因子结合位点的预测	机器学习	NA	ChIP-seq	双向Transformer编码器	基因数据	使用了ENCODE数据库中的五个细胞系（A549, GM12878, Hep-G2, H1-hESC, 和 Hela）以及五个额外的细胞系进行测试
840	2024-08-07	AI Concepts for System of Systems Dynamic Interoperability 2024-May-03, Sensors (Basel, Switzerland) DOI:10.3390/s24092921 PMID:38733028	研究论文	本文探讨了在系统工程中动态建立异构网络物理系统间互操作性的问题，并总结了相关领域的最新进展	文章提出了利用机器学习和深度学习方法来解决互操作性问题的新思路，并讨论了相关架构和开放问题	目前尚未有能够完全解决复杂系统间动态互操作性的概念实例，且需要实际测试环境	研究如何自动建立具有目的性通信的系统，以实现动态互操作性	异构网络物理系统间的互操作性问题	机器学习	NA	深度学习	神经网络	文本和代码	NA