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
401	2024-08-05	Enhanced object detection in pediatric bronchoscopy images using YOLO-based algorithms with CBAM attention mechanism 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32678 PMID:39021922	研究论文	本研究旨在通过将基于YOLO的算法与CBAM注意力机制结合，改善儿童支气管镜图像中的物体检测准确性	提出将CBAM注意力模块与YOLO-V7和YOLO-V8相结合，以提高支气管镜图像中物体的识别和分类能力	未提及具体的样本大小和数据来源，可能影响结果的普遍适用性	改善支气管镜图像中物体检测的准确性	支气管镜图像中的各种物体，如黏液、血液和异物	计算机视觉	呼吸系统疾病	YOLO算法	YOLO-V7和YOLO-V8	图像	NA
402	2024-08-05	A clustering mining method for sports behavior characteristics of athletes based on the ant colony optimization 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33297 PMID:39021992	研究论文	本研究旨在提高对运动员行为特征分析的精度，从而优化体育训练和竞赛策略	创新点在于应用蚁群优化（ACO）算法解决运动领域实际问题，并展示ACO算法处理复杂、高维运动数据的优势	其在更大范围或不同类型的运动数据上的普遍性和效率仍需进一步验证	研究的目的是提升运动员行为特征分析的精准性	研究对象为运动员的行为特征数据	运动科学	NA	蚁群优化（ACO）	聚类模型	高维运动数据	NA
403	2024-08-05	Application of DMSFNN-COA technique for brand image design 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32674 PMID:39021911	研究论文	本文提出了一种新的品牌形象设计方法，利用深度多尺度融合神经网络和猎豹优化算法进行产品颜色品牌图像分类	创新点在于结合深度学习技术和优化算法，提出了BID-DMSFNN-COA方法以提高品牌形象设计的准确性	本研究的局限性没有具体说明	研究目的在于增强品牌形象设计的准确性，并解决产品颜色趋势预测研究中的现有挑战	研究对象为产品色彩品牌图像，主要分类为'时尚'和'自然'	计算机视觉	NA	深度多尺度融合神经网络，猎豹优化算法	NA	图像	使用Mnist数据集进行数据收集，具体样本数未说明
404	2024-08-05	Ensemble-based deep learning improves detection of invasive breast cancer in routine histopathology images 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32892 PMID:39022088	研究论文	使用基于集成的深度学习提高了常规组织病理学图像中侵袭性乳腺癌的检测准确性	比较了单个CNN模型与多个基础模型的集成，展示了集成模型在预测性能上的优势	未提及该研究的明显限制	改善侵袭性乳腺癌的检测以支持病理学家的决策	两个内部数据集，包括587个全滑动图像，用于训练十个InceptionV3模型的集成	计算机视觉	乳腺癌	CNN	InceptionV3	图像	587个全滑动图像用于训练，118个在内部测试集，157个在外部数据集
405	2024-08-05	Deep Learning-Based Localization and Orientation Estimation of Pedicle Screws in Spinal Fusion Surgery 2024-Jun, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e17 PMID:39021752	研究论文	本研究调查了基于深度学习的物体检测模型在脊柱融合手术中精确定位和方向估计的应用	使用YOLO物体检测框架和取向边界框(OBBs)来处理手术现场中非轴对齐仪器的挑战	尽管模型的精确度很高，但召回率显示出在捕捉所有存在仪器方面有轻微限制	探讨深度学习在脊柱固定手术中对外科仪器的定位与方向估计的应用	脊柱融合手术中使用的椎弓根螺钉的图像数据	计算机视觉	NA	YOLO	YOLOv8 OBB	图像	初始数据集为100张图像，通过数据增强扩展到300张图像
406	2024-08-05	Insights about cervical lymph nodes: Evaluating deep learning-based reconstruction for head and neck computed tomography scan 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2023.100534 PMID:39022614	研究论文	本研究旨在评估不同重建方法对头颈部癌症患者颈部淋巴结影像质量的影响	本研究采用深度学习图像重建（DLIR）技术，显示其在颈部淋巴结影像质量方面显著优于传统的重建算法	未提及特定的样本多样性和长期随访结果的局限性	研究不同重建技术对头颈部癌症患者的颈部淋巴结CT影像质量的影响	70名头颈部癌症患者	计算机视觉	头颈癌	双能量CT	深度学习图像重建（DLIR）	影像	70名头颈部癌症患者
407	2024-08-05	The Multiscale Surface Vision Transformer 2024-Jun-11, ArXiv PMID:36994163	研究论文	本文提出了一种多尺度表面视觉变换器（MS-SiT），用于表面深度学习的框架结构	引入了局部网格窗口内的自注意力机制以及移位窗口策略，能够实现高分辨率数据采样并改善窗口间的信息共享	在深度预测任务中，自注意力操作的二次成本仍然是一个障碍	研究表面网格在进行深度学习分析时的应用	基于Developing Human Connectome Project (dHCP) 数据集进行新生儿表型预测的任务	计算机视觉	NA	深度学习	变换器	表面网格数据	使用了Developing Human Connectome Project (dHCP) 数据集进行表型预测
408	2024-08-05	Unveiling Conformational States of CDK6 Caused by Binding of Vcyclin Protein and Inhibitor by Combining Gaussian Accelerated Molecular Dynamics and Deep Learning 2024-Jun-05, Molecules (Basel, Switzerland) DOI:10.3390/molecules29112681 PMID:38893554	研究论文	本文通过结合高斯加速分子动力学和深度学习，揭示了CDK6因Vcyclin蛋白和抑制剂结合而导致的构象状态	创新点在于使用高斯加速分子动力学、深度学习和自由能景观分析识别CDK6的构象转变	研究可能局限于特定的抑制剂和构象状态，未考虑所有可能的外部因素	研究CDK6的构象变化及其在癌症治疗中的作用	主要研究对象为CDK6、Vcyclin蛋白及其抑制剂的结合	数字病理学	癌症治疗	Gaussian加速分子动力学	深度学习	计算数据	NA
409	2024-08-05	Feasibility of remote monitoring for fatal coronary heart disease using Apple Watch ECGs 2024-Jun, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2024.03.007 PMID:38989042	研究论文	本研究开发了一种基于单导联ECG的深度学习模型，用于预测致命冠心病（FCHD）的风险	首次使用可穿戴设备获取的ECG数据进行FCHD风险预测的人工智能模型	研究主要依赖于特定的数据集，可能限制了结果在更广泛人群中的适用性	评估可穿戴设备ECG在FCHD风险预测中的可行性	使用167,662个ECG记录和243个参与者的配对ECG数据进行研究	数字病理学	冠心病	ECG-AI	深度学习模型	ECG数据	167,662个ECG记录，50,132名患者，243名参与者的配对ECG
410	2024-08-05	Multitask deep learning for prediction of microvascular invasion and recurrence-free survival in hepatocellular carcinoma based on MRI images 2024-Jun, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.15870 PMID:38436551	研究论文	本研究开发了一种多任务深度学习模型，用于基于MRI扫描预测肝细胞癌中的微血管侵袭和无复发生存期	该研究结合了多任务学习和变换器架构，能够同时预测微血管侵袭和无复发生存期	尚需前瞻性研究来评估该模型在临床应用中的实用性	提高肝细胞癌的个体化管理	725名肝细胞癌患者的MRI扫描数据	数字病理学	肝癌	深度学习	变换器	影像	725名HCC患者的回顾性数据集，包括234名训练患者和58名内部验证患者，以及三个独立的外部验证集（n=212, 111, 110）
411	2024-08-05	Egocentric 3D Skeleton Learning in a Deep Neural Network Encodes Obese-like Motion Representations 2024-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en24008 PMID:38993079	研究论文	本研究使用深度LSTM网络分析饮食诱导的肥胖小鼠模型的3D时间序列骨骼数据	研究提出了通过身份训练的深度LSTM网络结合自主视角来识别肥胖相关运动表现的新方法	研究可能仅基于小鼠模型，外推到人类的有效性仍需进一步验证	探索深度学习在肥胖早期检测中的应用潜力	饮食诱导肥胖的小鼠模型	计算机视觉	肥胖症	深度LSTM网络	LSTM	3D时间序列骨骼数据	NA
412	2024-08-05	Benchmarking Deep Learning-Based Image Retrieval of Oral Tumor Histology 2024-Jun, Cureus DOI:10.7759/cureus.62264 PMID:39011227	研究论文	该研究开发了一种基于深度学习的内容检索系统，以提高口腔肿瘤组织学的病理诊断准确性	首次使用自监督学习方法训练深度学习模型处理口腔病理图像，实现了更高的检索准确性	缺乏针对口腔病理的专门图像数据库可能限制了模型的全面性和适用性	研究的目的是开发一种可靠的计算机辅助诊断系统以改善口腔肿瘤的病理诊断	研究对象为30类口腔肿瘤的图像数据	数字病理学	口腔肿瘤	深度学习，自监督学习	自监督学习模型	图像	30类口腔肿瘤的图像数据库
413	2024-08-05	Deep Learning and Multimodal Artificial Intelligence in Orthopaedic Surgery 2024-Jun-01, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-23-00831 PMID:38652882	综述	本综述文章重点介绍深度学习和多模态神经网络在骨科领域的应用	该研究提供了人工智能在骨科手术中应用的实际例子，特别是在影像数据集和临床数据整合方面	没有提到具体的局限性	旨在为骨科医生提供评估现有文献和考虑人工智能潜力的工具	深度神经网络、卷积神经网络和多模态人工智能模型	计算机视觉	NA	深度学习	卷积神经网络	图像、临床数据	NA
414	2024-08-05	Reducing overconfident errors in molecular property classification using Posterior Network 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100991 PMID:39005492	研究论文	该文章提出了一种利用后验网络在分子属性分类中减少过度自信错误的方法	替换Softmax函数为正态化流，以增强模型在分子属性分类中的不确定性估计能力	在某些真实世界的应用中，模型的效果可能受到数据质量和样本多样性的影响	提高分子属性分类中不确定性估计的准确性，特别是在药物开发过程中	评估了不同场景下的分子属性分类，包括合成数据集的模拟实验和ADMET预测	机器学习	NA	正态化流	后验网络	合成数据集和ADMET预测数据	NA
415	2024-08-05	Large pre-trained models for treatment effect estimation: Are we there yet? 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101005 PMID:39005493	研究论文	本文探讨了利用深度学习进行因果推断和治疗效果估计的潜力	提出了一种新的预训练和微调框架CURE，专门用于治疗效果估计	NA	研究因果推断中的治疗效果估计方法	大型患者数据	机器学习	NA	深度学习	NA	患者数据	NA
416	2024-08-05	Early warning of atrial fibrillation using deep learning 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100970 PMID:39005489	研究论文	本文介绍了一种深度学习模型，可以在房颤发作前平均预测30.8分钟的时间	开发了一种名为WARN的深度卷积神经网络模型，能够实现高准确性和F1分数的早期房颤预测	本研究的模型在测试中使用了额外的患者样本，可能限制了其广泛适用性	旨在通过深度学习技术提前警报房颤的发作	基于280名患者的24小时Holter心电图数据进行模型训练和验证	机器学习	心血管疾病	深度学习	深度卷积神经网络	心电图数据	280名患者用于训练和验证，70名额外患者用于测试
417	2024-08-05	Evaluating synthetic neuroimaging data augmentation for automatic brain tumour segmentation with a deep fully-convolutional network 2024-Jun, IBRO neuroscience reports IF:2.0Q3 DOI:10.1016/j.ibneur.2023.12.002 PMID:39007088	研究论文	本研究开发了一种神经影像合成技术，以增强用于自动胶质瘤分割的训练数据	利用StyleGAN2-ada生成流体衰减反转恢复（FLAIR）磁共振图像及相应的胶质瘤分割掩膜，创新性地进行数据增强	合成数据增强仅带来了边际性的改进，且开发合成图像生成管道的计算成本较高	开发智能系统以自动化胶质瘤的评估和分割	2751个真实训练数据和对应的590个验证集及588个测试集用于评估U-net模型	数字病理学	胶质瘤	StyleGAN2-ada	U-net	图像	2751个真实数据和1000个合成数据，共14轮
418	2024-08-05	Segond Fractures Can Be Identified With Excellent Accuracy Utilizing Deep Learning on Anteroposterior Knee Radiographs 2024-Jun, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2024.100940 PMID:39006790	研究论文	本研究开发了一种深度学习模型用于检测前后向膝关节X光片中的Segond骨折	提出了一种深度学习方法，用于准确识别Segond骨折，并在表现上超越了专业人类观察者	测试集样本量较小，仅324张膝关节X光片，可能影响结果的普适性	研究深度学习在前后向膝关节X光片上识别Segond骨折的应用	319张前后向膝关节X光片，特别关注Segond骨折的识别	计算机视觉	膝关节损伤	深度学习	未提供具体模型类型	图像	324张膝关节X光片
419	2024-08-05	Bridging Convolutional Neural Networks and Transformers for Efficient Crack Detection in Concrete Building Structures 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134257 PMID:39001034	研究论文	本文提出了一种新型模型CCTNet，用于提高混凝土建筑结构裂缝检测的效率和准确性	CCTNet结合了卷积通道注意力与基于窗口的自注意力机制，提升了裂缝识别能力	文章中未提及具体的实验局限性或适用范围	旨在通过新的模型提高混凝土建筑裂缝检测的效率和准确性	研究对象为混凝土建筑结构中的裂缝	计算机视觉	NA	卷积神经网络（CNN）、自注意力机制	CCTNet	图像	在Historical Building Crack2019、SDTNET2018和DS3上的性能评估
420	2024-08-05	CSMC: A Secure and Efficient Visualized Malware Classification Method Inspired by Compressed Sensing 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134253 PMID:39001035	研究论文	提出了一种基于压缩感知的高效恶意软件分类方法CSMC，旨在提高恶意软件样本的处理和共享效率。	该方法通过压缩恶意软件样本，提高了共享和处理的有效性，并能够在压缩过程中提取恶意软件家族特征，这是传统方法无法实现的。	实验结果仅基于针对Windows和Android操作系统的恶意软件，可能对其他平台的适用性需进一步验证。	研究旨在提高恶意软件分类的效率和安全性，特别是在物联网环境中。	研究对象为针对智能传感器的恶意软件及其分类方法。	计算机视觉	NA	压缩感知	深度学习	恶意软件样本	针对Windows和Android操作系统的多个恶意软件样本