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
601	2024-08-05	Magnetic-Controlled Microrobot: Real-Time Detection and Tracking through Deep Learning Approaches 2024-Jun-05, Micromachines IF:3.0Q2 DOI:10.3390/mi15060756 PMID:38930726	研究论文	本文提出了一种增强的YOLOv5微型机器人检测和跟踪系统，以提高小目标的检测和跟踪精度	通过改进YOLOv5网络结构和视觉跟踪算法，提升了微型机器人的实时检测和跟踪能力	NA	研究微型机器人在生物医学中的检测和跟踪技术	针对3mm、1mm的磁性物体和2mm长度的磁性微型机器人进行检测和跟踪	机器学习	NA	YOLOv5	改进的YOLOv5	图像	包含3mm、1mm磁性物体和2mm磁性微型机器人
602	2024-08-05	FQ-UWF: Unpaired Generative Image Enhancement for Fundus Quality Ultra-Widefield Retinal Images 2024-Jun-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060568 PMID:38927804	研究论文	本研究提出了一种无配对生成图像增强技术，用于改善超宽视场视网膜图像的质量	提出了一种基于生成对抗网络和注意力机制的无配对、降解感知的超分辨率方法	此方法在依赖未配对的图像数据下工作，可能对特定类型的图像增强效果不佳	旨在提高超宽视场视网膜成像的分辨率，增强临床诊断的准确性	聚焦于改善眼科疾病（如糖尿病视网膜病和黄斑变性）的超宽视场视网膜图像	计算机视觉	眼科疾病	生成对抗网络	GAN	图像	实验和评估通过大量的超宽视场视网膜图像进行
603	2024-08-05	Pioneering Data Processing for Convolutional Neural Networks to Enhance the Diagnostic Accuracy of Traditional Chinese Medicine Pulse Diagnosis for Diabetes 2024-Jun-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060561 PMID:38927797	研究论文	本研究通过深度学习算法加强中医脉诊对糖尿病的诊断准确性	引入深度学习算法，特别是LeNet和ResNet模型来分析脉波形，显著提高了诊断的准确性和一致性	本文未详细探讨脉波形变化和噪声水平对算法性能的影响	提升传统中医脉诊在糖尿病诊断中的准确性和可靠性	本研究分析健康个体和糖尿病患者的脉波形数据	机器学习	糖尿病	深度学习算法	LeNet和ResNet	脉波形	包含健康个体及糖尿病患者的多样化数据集
604	2024-08-05	Explainable deep learning for disease activity prediction in chronic inflammatory joint diseases 2024-Jun, PLOS digital health DOI:10.1371/journal.pdig.0000422 PMID:38935600	研究论文	本文提出了一种可解释的深度学习模型用于慢性炎性关节疾病的疾病活动性预测	引入DAS-Net模型，结合多任务学习和可解释性，提升了疾病活动性分数的预测能力	未提供样本的具体多样性和其他潜在影响因素的详细分析	研究慢性炎性关节疾病的活动性预测模型	19,267名慢性炎性关节疾病患者的数据	机器学习	慢性炎性关节疾病	深度学习	多任务学习模型，前馈神经网络，长短期记忆网络，注意力层	患者数据	19,267名患者
605	2024-08-05	Deep-Learning-Based Recovery of Missing Optical Marker Trajectories in 3D Motion Capture Systems 2024-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060560 PMID:38927796	研究论文	本文介绍了一种基于深度学习的技术，用于恢复3D运动捕捉系统中丢失的光学标记轨迹	提出了一种受U-net启发的双向长短期记忆自编码器技术，针对多摄像头设置中的数据丢失问题	传统恢复方法的限制在于不能有效处理标记间关系或独立标记的处理问题	研究旨在改善运动捕捉系统中缺失数据的恢复能力	研究对象为多摄像头运动捕捉系统中的光学标记数据	计算机视觉	NA	深度学习	双向长短期记忆自编码器	3D数据	NA
606	2024-08-05	Quality Control in the Corneal Bank with Artificial Intelligence: Comparison of a New Deep Learning-based Approach with Conventional Endothelial Cell Counting by the "Rhine-Tec Endothelial Analysis System" 2024-Jun, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2299-8117 PMID:38574759	研究论文	本文比较了一种基于深度学习的新方法与传统的“Rhine-Tec内皮分析系统”在角膜银行中的质量控制中的应用。	提出了一种基于深度学习的新方法，能够自动检测图像中所有可见的内皮细胞，从而提高样本量和客观性。	目前无法通过深度学习方法替代对角膜内皮的全面评估，这仍然是角膜移植释放的最重要依据。	研究旨在比较深度学习方法与传统Rhine-Tec系统在内皮细胞密度测量中的表现。	评估9375张来自狮子眼库的存档相位差显微图像，分析深度学习方法的效果。	数字病理学	NA	深度学习	NA	图像	9375张存档相位差显微图像
607	2024-08-05	Objective Analysis of Corneal Nerves and Dendritic Cells 2024-Jun, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2307-0313 PMID:38941998	综述	这篇文章探讨了角膜神经和树突细胞在眼表疾病诊断中的临床应用	文章详细介绍了深度学习算法在影像分析中的应用，并与已有方法进行了比较	NA	阐明影像分析方法在角膜神经和树突细胞可视化中的应用	角膜神经和树突细胞	数字病理学	眼表疾病	活体共聚焦显微镜	深度学习算法	图像	NA
608	2024-08-05	Non-invasive screening of bladder cancer using digital microfluidics and FLIM technology combined with deep learning 2024-Jun-28, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400192 PMID:38938144	研究论文	本文介绍了一种结合数字微流体和荧光寿命成像显微技术非侵入性筛查膀胱癌的新方法	本研究引入了一种新颖的非侵入性膀胱癌筛查技术，结合了数字微流体和FLIM技术	样本量较小，仅涉及54名参与者	研究旨在开发一种有效的非侵入性膀胱癌筛查方法	研究对象为54名参与者的尿液样本	数字病理学	膀胱癌	数字微流体和荧光寿命成像显微技术	深度学习残差卷积神经网络	图像	54个参与者的尿液样本
609	2024-08-05	Enhanced coalbed methane well production prediction framework utilizing the CNN-BL-MHA approach 2024-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65606-z PMID:38918551	研究论文	本文提出了一种基于CNN-BL-MHA的方法来预测煤层气井的产量	本文创新性地结合了CNN、Bi-LSTM和多头注意力机制，构建了一个煤层气井的产量预测模型	单一深度学习模型可能面临过拟合、梯度爆炸和梯度消失等问题	研究旨在提高煤层气井产量预测的准确性	本文研究对象为煤层气井的生产数据	机器学习	NA	深度学习	CNN-BL-MHA	时间序列数据	使用了W1和W2井的生产数据进行实验
610	2024-08-05	Accurate prediction of CDR-H3 loop structures of antibodies with deep learning 2024-Jun-26, eLife IF:6.4Q1 DOI:10.7554/eLife.91512 PMID:38921957	研究论文	本文提出H3-OPT工具包，用于预测单克隆抗体和纳米抗体的3D结构	H3-OPT结合了AlphaFold2的优势和预训练的蛋白质语言模型，显著提高了CDR-H3环结构的预测精度	本文未提及具体的局限性	研究抗体建模中CDR-H3环结构的高精度预测方法	单克隆抗体和纳米抗体的CDR-H3环结构	计算机视觉	NA	深度学习	AlphaFold2	3D结构数据	三个通过H3-OPT预测的抗VEGF纳米抗体的实验结构
611	2024-08-05	A retrospective study of deep learning generalization across two centers and multiple models of X-ray devices using COVID-19 chest-X rays 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64941-5 PMID:38918499	研究论文	这项研究旨在识别和研究影响深度学习网络内部验证和推广的潜在因素	研究揭示了不同制造商的X光设备对深度学习模型推广能力的显著影响	研究主要限制在不同类型的响应功能设备之间未能实现推广	探讨影响计算机辅助诊断系统深度学习算法推广的因素	COVID-19胸部X光影像及其与对照影像的分类	计算机视觉	COVID-19	卷积神经网络（CNN）	VGG16	图像	来自两个机构通过三种不同X光设备制造商获取的多组图像
612	2024-08-05	Design optimization of large-scale bifacial photovoltaic module frame using deep learning surrogate model 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64594-4 PMID:38918445	研究论文	本研究开发了一种基于深度神经网络的有限元代理模型，以优化大型双面光伏模块框架设计	通过使用深度学习代理模型，实现了对大型双面光伏模块框架设计因素的优化预测	研究未详细描述在不同环境条件下模型的适用性	优化大型双面光伏模块的框架设计以减少挠度并降低重量	大型双面光伏模块的框架设计因素	工程优化	NA	有限元分析 (FEA)	深度神经网络 (DNN)	数值数据	243个有限元分析数据集及生成的100万个数据集
613	2024-08-05	Distributed transformer for high order epistasis detection in large-scale datasets 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65317-5 PMID:38918413	研究论文	提出了一种基于变换器的框架，用于高阶表观遗传学检测	提出了一种新颖、灵活、可移植和可扩展的网络解释框架，以处理任何阶数的表观遗传学	由于神经网络的黑箱特性，缺乏可解释性仍然是一个未解决的挑战	理解复杂疾病的遗传基础	应用于基因组广泛关联研究中的单核苷酸多态性(SNP)组合分析	计算机视觉	NA	深度学习	变换器	基因组数据	三个WTCCC数据集
614	2024-08-05	Deep learning-based localization algorithms on fluorescence human brain 3D reconstruction: a comparative study using stereology as a reference 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65092-3 PMID:38918523	研究论文	本文对基于深度学习的细胞定位算法进行比较，旨在为人脑三维重建提供准确的细胞计数和定位方法	使用最近介绍的三维立体测量设计作为参考，对三种基于深度学习的技术进行深入实证评估	准确量化人脑神经元面临特定挑战，如高像素强度变异、自动荧光和非特异性荧光	帮助用户根据研究目标选择合适的技术	聚焦于布罗卡区的一部分进行人脑分析	数字病理学	NA	荧光显微镜	深度学习模型	3D 数据	使用了最新三维立体测量设计进行大规模分析
615	2024-08-05	Extraction of water bodies from high-resolution remote sensing imagery based on a deep semantic segmentation network 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65430-5 PMID:38918493	研究论文	本文提出了一种新颖的深度学习框架WaterDeep，用于从高分辨率遥感影像中提取水体	引入了一种基于DeepLabV3 + 架构的新深度学习框架，并结合高低层特征的创新融合机制	NA	准确识别城市水体特征，以监测水资源和制定水管理策略	高分辨率遥感图像中的水体特征及其边界	计算机视觉	NA	深度学习	WaterDeep，基于Xception基础网络及Atrous Spatial Pyramid Pooling模块	高分辨率遥感影像	创建了一个全面的数据集，样本数量未具体说明
616	2024-08-05	Deep learning model for the prediction of all-cause mortality among long term care people in China: a prospective cohort study 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65601-4 PMID:38918463	研究论文	本研究旨在开发一个深度学习模型，以预测中国长期护理人群的全因死亡风险	提出了一种基于深度学习的风险分层模型，专注于老年残疾人群的全因死亡风险预测	仅基于一个试点城市的数据，可能不具代表性	研究的目的是为老年残疾人提供长期护理计划的风险预测	包括42353名65岁以上的残疾成人	机器学习	NA	深度学习	NA	行政数据	42353名残疾成人
617	2024-08-05	CMRxRecon: A publicly available k-space dataset and benchmark to advance deep learning for cardiac MRI 2024-Jun-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03525-4 PMID:38918497	研究论文	CMRxRecon 数据集是一个公开的 k 空间数据集，旨在推动深度学习在心脏 MRI 中的应用	提供了一个包含 300 名受试者的多对比、多视角、多切片和多线圈 CMR 数据集，促进深度学习方法的发展	目前数据集数量有限，可能不够大以涵盖所有心脏病的变异性	推动最先进的心脏 MRI 图像重建的进展	300 名受试者的心脏影像数据，包括心脏电影和映射序列	数字病理	心脏病	k 空间重建	深度学习模型	影像	300 名受试者
618	2024-08-07	Author Correction: MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65365-x PMID:38918458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
619	2024-08-05	A dual-track feature fusion model utilizing Group Shuffle Residual DeformNet and swin transformer for the classification of grape leaf diseases 2024-06-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64072-x PMID:38914605	研究论文	该文章提出了一种新的双轨网络用于葡萄叶病害的分类	引入了结合Swin Transformer和Group Shuffle Residual DeformNet的双轨特征融合模型	传统的病害识别方法需要专家知识，限制了可扩展性和效率	设计一种自动化深度学习方法来检测葡萄叶病害	研究对象为葡萄叶病害	计算机视觉	NA	深度学习	Swin Transformer和Group Shuffle Residual DeformNet	图像	使用PlantVillage数据集中葡萄叶病害的信息进行验证
620	2024-08-05	Synergizing Chemical Structures and Bioassay Descriptions for Enhanced Molecular Property Prediction in Drug Discovery 2024-Jun-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00765 PMID:38836773	研究论文	该文章提出了一种新颖的计算方法，结合了生物测定的文本描述和目标化合物的化学结构来预测分子属性	通过自监督学习结合两种信息源，该方法能在没有测量数据的情况下提供准确的预测	该研究的局限性在于可能需要大量的初始数据才能有效进行自监督学习	加速新药的开发，通过改进分子属性的预测方法	重点研究生物测定和化学结构的结合来提升分子属性预测的准确性	药物发现	NA	自监督学习	NA	文本和结构数据	NA