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
681	2024-08-05	DeepLeish: a deep learning based support system for the detection of Leishmaniasis parasite from Giemsa-stained microscope images 2024-Jun-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01333-1 PMID:38890604	研究论文	提出了一种基于深度学习的人工智能检测工具，用于从Giemsa染色的显微镜图像中检测利什曼虫	开发了一个新的基于YOLOV5模型的检测工具，改善了利什曼病的诊断效率	在寄生虫细胞和血细胞的大小差异下，模型的准确性有时降低	旨在开发用于利什曼病检测的人工智能工具	利用Giemsa染色的显微镜图像进行寄生虫检测	计算机视觉	利什曼病	深度学习	YOLOV5	图像	经过专家标注的显微镜图像
682	2024-08-05	Stereochemically-aware bioactivity descriptors for uncharacterized chemical compounds 2024-Jun-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00867-4 PMID:38890727	研究论文	本研究系统地探讨了立体异构与生物活性之间的关系	提出了一种新的立体化学意识描述符，能够更准确地描述小分子生物活性特性	NA	探讨立体异构体与生物活性之间的关系，并生成生物活性描述符	超过100万种化合物及其立体异构体	计算机视觉	NA	深度学习	深度神经网络	化合物数据	超过100万种化合物
683	2024-08-05	Revolutionizing disease diagnosis and management: Open-access magnetic resonance imaging datasets a challenge for artificial intelligence driven liver iron quantification 2024-Jun-16, World journal of clinical cases IF:1.0Q3 DOI:10.12998/wjcc.v12.i17.2921 PMID:38898864	评论	本文强调了开放获取的磁共振成像数据集对人工智能驱动的肝铁定量的重要性	提出了标准化数据集在推动医疗成像中AI和CNN应用的关键角色	缺乏开放获取的数据集可能会延缓该领域医疗研究的进展	探讨人工智能在疾病诊断和管理中的潜力	人工智能技术在肝铁负荷评估中的应用	医疗成像	NA	磁共振成像	卷积神经网络（CNN）	NA	NA
684	2024-08-05	Deep learning to detect left ventricular structural abnormalities in chest X-rays 2024-Jun-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad782 PMID:38503537	研究论文	本研究开发了一种深度学习模型，用于在胸部X光片中检测左心室结构异常。	首次利用深度学习方法在胸部X光片中准确检测严重左心室肥大和扩张的能力。	模型的评估依赖于回顾性数据，可能存在样本选择偏差。	研究旨在改进心力衰竭患者的早期筛查和识别。	研究对象为24,689名患者的71,589幅胸部X光片及相关的超声心动图标签。	计算机视觉	心血管疾病	深度学习	NA	图像	71,589幅胸部X光片
685	2024-08-05	Deep Learning-Based Automated Imaging Classification of ADPKD 2024-Jun, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2024.04.002 PMID:38899202	研究论文	本研究开发了一种基于深度学习的方法，自动分类自体显性多囊肾病(ADPKD)的影像学类。	该方法应用了转移学习和可解释人工智能(XAI)技术，提高了自动分类结果的解释性和准确性。	本文对类1和类2的分类效果优异，但可能在实际临床应用中面临更复杂的变异情况。	研究旨在提高ADPKD影像分类的自动化水平，以支持临床试验和患者管理。	研究对象为486名患者的腹部T2加权磁共振图像。	计算机视觉	自体显性多囊肾病	深度学习，转移学习	NA	图像	486名患者的磁共振图像
686	2024-08-05	Feed intake in housed dairy cows: validation of a three-dimensional camera-based feed intake measurement system 2024-Jun, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2024.101178 PMID:38823283	研究论文	本研究验证了一种基于三维相机的奶牛饲料摄入量测量系统的准确性	提出了验证3D相机预测饲料摄入量重量的必要性，并探讨了饮食特定系数的影响	模型在个别餐次的摄入量测量上的准确性仍需提高	验证基于3D相机的饲料摄入量预测与实际测量重量之间的关系	24头泌乳的丹麦黑白奶牛	数字病理学	NA	深度学习	预测模型	体重和饲料体积数据	24头奶牛，使用4种不同的饮食处理
687	2024-08-05	[New Method of Paired Comparison for Improved Observer Shortage Using Deep Learning Models] 2024-Jun-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1446 PMID:38763757	研究论文	本研究旨在验证使用深度学习观察者替代成对比较中的传统观察者的潜力	首次提出使用深度学习模型替代人工观察者进行影像成对比较	仅在有限的虚拟样本（7点噪声评估）上进行验证，可能未能代表更广泛的应用场景	评估深度学习模型在影像成对比较中的应用潜力	使用计算机断层扫描获取的虚拟影像进行比较	数字病理学	NA	计算机断层扫描	VGG16和VGG19	影像	14名具有10年以上经验的放射技师的成对比较数据
688	2024-08-05	Minimization of occurrence of retained surgical items using machine learning and deep learning techniques: a review 2024-Jun-18, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00367-z PMID:38890729	review	本文回顾了机器学习和深度学习在防止保留外科物品中的应用	创新点在于强调了一种多层次的方法，结合了机器学习和深度学习的优势以降低RSI风险	该文章并未提供具体的实验数据或模型性能评估	探讨机器学习和深度学习技术在防止保留外科物品中的应用	最近发表的关于RSI预防和诊断的文章	机器学习	NA	机器学习, 深度学习	NA	数据集	NA
689	2024-08-05	A radiomics-boosted deep-learning for risk assessment of synchronous peritoneal metastasis in colorectal cancer 2024-Jun-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01733-5 PMID:38886244	研究论文	本研究旨在通过PET/CT图像创建一个增强放射组学的深度学习模型，以评估结直肠癌同步腹膜转移的风险	结合放射组学与深度学习，以提高对结直肠癌同步腹膜转移的风险评估的准确性	研究未详细讨论不同治疗方法的影响和外部验证样本的限制	评估结直肠癌同步腹膜转移的风险	220例结直肠癌患者	数字病理学	结直肠癌	PET/CT	ResNet50	图像	220
690	2024-08-05	Robust brain tumor classification by fusion of deep learning and channel-wise attention mode approach 2024-Jun-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01323-3 PMID:38886661	研究论文	本研究通过结合深度学习和通道注意力模式提升了脑肿瘤的分类能力	提出了一种新的模型ResNet101-CWAM，利用通道注意力机制来提高脑肿瘤分类的准确性	未探讨其他注意机制（如空间注意或组合注意）对脑肿瘤分类的具体影响	旨在提高脑肿瘤分类的准确性和效率，促进临床决策	主要研究对象为脑肿瘤图像数据	计算机视觉	脑肿瘤	深度学习	ResNet101-CWAM	图像	NA
691	2024-08-05	Automated diagnosis of schizophrenia based on spatial-temporal residual graph convolutional network 2024-Jun-17, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01250-y PMID:38886737	研究论文	本研究提供了一种基于时空残差图卷积神经网络的精神分裂症分类方法	提出了一种结合时空频率特征的新模型，弥补了传统方法忽视空间频率特征的不足	实验中只使用了两个数据集，可能限制了模型的泛化能力	提高精神分裂症的诊断准确性	精神分裂症患者	深度学习	精神分裂症	时空残差图卷积神经网络 (STRGCN)	图卷积网络	EEG信号	使用了公开数据集Zenodo和自收集的数据集，样本大小分别为未提供具体数字
692	2024-08-05	Two-step hierarchical binary classification of cancerous skin lesions using transfer learning and the random forest algorithm 2024-Jun-17, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00166-7 PMID:38884841	研究论文	本研究提出了一种两步层次二元分类方法，用于癌性皮肤病变的分类	提出了一种混合机器学习和深度学习的两步层次二元分类方法，尤其在处理大类不平衡时表现出色	受限于公开可用的皮肤病变数据集的规模和数据不平衡	旨在提高皮肤病变的分类精度，促进早期检测和诊断	主要研究癌性皮肤病变的分类	计算机视觉	皮肤癌	深度学习与随机森林	DenseNet121及随机森林	图像	ISIC 2017 数据集中的样本数量为NA
693	2024-08-05	Effective recognition design in 8-ball billiards vision systems for training purposes based on Xception network modified by improved Chaos African Vulture Optimizer 2024-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63955-3 PMID:38886386	研究论文	本文研究了一种利用深度学习和图像处理技术设计的8球台球机器人视觉系统	本研究采用改进的混沌非洲秃鹰优化算法优化Xception网络，提高了机器人对8球台球的识别能力	本文未提及在多样化台球环境下的实际应用测试	本研究旨在改善8球台球的机器人视觉系统的识别精度	研究对象为8球台球中的球体图像及其模式识别	计算机视觉	NA	深度学习, 图像处理	Xception网络	图像	NA
694	2024-08-05	CACSNet for automatic robust classification and segmentation of carotid artery calcification on panoramic radiographs using a cascaded deep learning network 2024-06-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64265-4 PMID:38886356	研究论文	本文开发了一个深度学习网络CACSNet，用于自动和稳健地分类和分割颈动脉钙化。	提出了一种级联深度学习网络CACSNet，能处理大小、形状和位置变化大的颈动脉钙化。	分割性能相较于其他成像模式的研究尚可提升。	研究旨在通过深度学习分析全景放射影像稳健地分类和分割颈动脉钙化。	研究对象为颈动脉钙化，其在全景放射影像中的形态变化大且有解剖结构重叠。	数字病理学	NA	深度学习	CACSNet	全景放射影像	使用了与CT图像的参考相对应的地面真相数据进行训练
695	2024-08-05	Highly accurate carbohydrate-binding site prediction with DeepGlycanSite 2024-Jun-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49516-2 PMID:38886381	研究论文	本研究介绍了DeepGlycanSite，一种能够准确预测蛋白结构上糖类结合位点的深度学习模型	该模型结合了蛋白质的几何和进化特征，采用深度等变图神经网络和变换器架构，显著优于现有的先进方法	NA	旨在提高对糖类如何调节蛋白质的理解	针对特定蛋白质结构的糖类结合位点进行预测	数字病理学	NA	深度学习	深度等变图神经网络	蛋白质结构数据	NA
696	2024-08-05	Multimodal deep learning for dementia classification using text and audio 2024-06-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64438-1 PMID:38880810	研究论文	本研究构建深度学习模型，通过语音和文本数据对痴呆病例进行分类	本研究采用多模态深度学习方法，探索文本和音频数据在痴呆自动分类中的作用	研究未观察到音频或时间戳信息对模型性能的显著提升	提高痴呆的自动筛查和诊断效率	使用Pitt Cookie Theft数据集对痴呆案例与对照进行分类	机器学习	老年疾病	Wav2vec和Word2vec	深度学习模型	音频和文本	NA
697	2024-08-05	Potential inhibitors of VEGFR1, VEGFR2, and VEGFR3 developed through Deep Learning for the treatment of Cervical Cancer 2024-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63762-w PMID:38858458	研究论文	本文探讨了通过深度学习开发的VEGFR1、VEGFR2和VEGFR3的潜在抑制剂，以治疗宫颈癌	本研究采用深度学习方法生成了4300万种针对VEGFR的化合物，并通过分子对接和分子动力学模拟验证了抑制剂的潜力	研究未提供临床实验数据以证实发现的抑制剂的有效性和安全性	研究旨在通过计算方法靶向VEGFR蛋白并识别新型抑制剂	研究对象为VEGFR-1、VEGFR-2和VEGFR-3受体蛋白及其高亲和力抑制剂	计算机视觉	宫颈癌	深度学习	NA	化合物数据	选择了26种经验证的抑制剂并生成了4300万种化合物
698	2024-08-05	Real-Time Arabic Sign Language Recognition Using a Hybrid Deep Learning Model 2024-Jun-06, Sensors (Basel, Switzerland) DOI:10.3390/s24113683 PMID:38894473	研究论文	本论文利用深度学习技术开发了实时阿拉伯手语识别系统	提出了一种混合模型，通过卷积神经网络和长短期记忆网络综合提取手语的空间和时间特征	仅创建了包含20个词的有限数据集，可能影响模型的通用性	提高阿拉伯手语的识别能力，以改善听障人士的沟通可达性	阿拉伯手语的字母和单词	计算机视觉	听力残疾	深度学习	卷积神经网络 (CNN) 和长短期记忆网络 (LSTM)	图像和视频	4000张静态手势图像及500个动态手势视频
699	2024-08-05	Deep Learning-Based High-Resolution Magnetic Resonance Angiography (MRA) Generation Model for 4D Time-Resolved Angiography with Interleaved Stochastic Trajectories (TWIST) MRA in Fast Stroke Imaging 2024-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111199 PMID:38893725	研究论文	本研究旨在通过深度神经网络改进4D-TWIST-MRA的图像质量	引入基于深度神经网络的图像重建方法以提高4D-TWIST-MRA的图像质量和诊断性能	与TOF-MRA的比较中发现4D-CE-MRA在动脉瘤大小估计上存在低估，此外潜在的样本选择偏差	提高快速中风成像中4D-TWIST-MRA的图像质量	520名接受4D-TWIST-MRA的缺血性中风或颅内血管狭窄患者	数字病理学	缺血性中风	深度神经网络（DNN）图像重建	NA	医学影像	520名患者
700	2024-08-05	5G AI-IoT System for Bird Species Monitoring and Song Classification 2024-Jun-06, Sensors (Basel, Switzerland) DOI:10.3390/s24113687 PMID:38894478	研究论文	该文章介绍了一种基于5G AI-IoT系统的鸟类物种监测和歌曲分类方法	利用不同的深度卷积神经网络（DCNN）来减少模型参数，同时保持鸟类歌曲分类的准确性，并使其能够集成到小型计算机或微控制器中	基于Imagenet权重的CNN虽然精度较高，但参数较多，导致推理时能量效率低	研究在鸟类监测和环境质量评估中提高鸟类歌曲识别的准确性和效率	不同种类的鸟类及其歌曲	机器学习	NA	深度学习	DCNN	音频	多种鸟类的音频录音，准确率达到75%