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
921	2024-08-05	An enhancement algorithm for head characteristics of caged chickens detection based on cyclic consistent migration neural network 2024-Jun, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.103663 PMID:38603930	研究论文	提出了一种基于循环一致迁移神经网络的笼养鸡头部特征检测增强算法	提出了一种基于大数据和深度学习的笼门去除算法，采用CCMNN网络实现图像中关键信息的自动消除和恢复	该研究主要集中在笼养鸡的头部特征检测，可能对其它类型的家禽检测有效性有限	提高笼养鸡健康状态识别的准确性	针对笼养鸡的冠和眼睛进行图像检测	计算机视觉	NA	循环一致迁移神经网络	YOLOv8	图像	NA
922	2024-08-05	An attention-based bilateral feature fusion network for 3D point cloud 2024-Jun-01, The Review of scientific instruments DOI:10.1063/5.0189991 PMID:38832851	研究论文	本文提出了一种基于注意力的双边特征融合网络，用于处理3D点云数据	创新之处在于提出了一个双边特征融合模块和偏移向量注意力模块，以改善点云的局部和全局特征提取	本文未提及特定的计算复杂性或效能损耗分析	研究旨在解决点云处理中的几何与语义特征提取不平衡的问题	研究对象为3D点云数据	计算机视觉	NA	NA	注意力网络	点云	NA
923	2024-08-05	Advanced CKD detection through optimized metaheuristic modeling in healthcare informatics 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63292-5 PMID:38824162	研究论文	本研究提出了一种新的分类模型，通过优化的元启发式方法提高慢性肾病的诊断效率	采用元启发式方法进行特征选择，提升慢性肾病检测的准确率	缺乏对比已有模型的详细实验细节和局限性的讨论	提高慢性肾病的检测准确性	医疗数据，特别是慢性肾病相关数据	医疗信息学	慢性肾病	元启发式方法	极限学习机	医疗数据	NA
924	2024-08-05	Automatic assessment of DWI-ASPECTS for acute ischemic stroke based on deep learning 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17101 PMID:38687043	研究论文	本研究提出了一种基于扩散加权成像(DWI)的自动ASPECTS评分模型，用于帮助临床医生进行准确的急性缺血性中风治疗计划	研究中提出了一种改进的深度学习网络，加上混合分类器，能够自动评估DWI-ASPECTS	本研究的局限性在于只包含82名中风患者的样本，可能影响结果的广泛适用性	本研究的目的是通过自动化ASPECTS得分来提高急性缺血性中风的临床诊断准确性	本研究对象为82名急性缺血性中风患者	计算机视觉	缺血性中风	深度学习	改进的U-net	医学影像	82名中风患者
925	2024-08-05	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	本研究介绍了一种基于深度学习的无标记肺肿瘤追踪新方法。	创新点在于开发了一种利用条件生成对抗网络（cGAN）进行无标记关键幅像追踪的方案，从而增强肿瘤在实时kV投影影像中的可见性。	本研究的局限性在于仅使用了九个患者的数据集进行验证，样本量较小，可能影响结果的广泛适用性。	研究的目的是改善肺肿瘤在放射治疗中的实时追踪能力。	本研究的对象是肺肿瘤，以及通过深度学习模型生成的合成分解目标图像。	数字病理学	肺癌	条件生成对抗网络(cGAN)	Pix2Pix	图像	9个患者的数据集
926	2024-08-05	Deep learning based model predictive controller on a magnetic levitation ball system 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.04.019 PMID:38644075	研究论文	提出了一种基于深度学习的模型预测控制器，用于磁悬浮球系统的实时控制	通过将LSTM网络与自回归结构结合来精确描述磁悬浮球系统的动态，并提出了一种改进的控制器以提高实时控制效率	研究主要集中于磁悬浮球系统，可能对其他系统的适用性有限	开发一种高效的控制方法以改进磁悬浮球系统的瞬态性能和控制效率	磁悬浮球系统作为一个单输入单输出的非线性系统	机器学习	NA	LSTM	LSTM-ARX	NA	NA
927	2024-08-05	Research Note: Prospects for early detection of breast muscle myopathies by automated image analysis 2024-Jun, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.103680 PMID:38564836	研究论文	本研究评估了新开发的基于深度学习的自动图像分析工具在鸡胸肌肌病早期检测中的有效性	开发了一种新的自动图像分析工具，可在早期检测与肌肉病变相关的形态参数	研究仅限于雄性小鸡，样本收集时间为饲养第14天，结果可能不适用于其他种类或生命周期阶段的鸡	探讨自动图像分析作为早期检测鸡胸肌肌病的潜力	雄性肉鸡及其肌肉样本	数字病理学	NA	深度学习	NA	图像	在饲养第14天收集的雄性小鸡肌肉样本
928	2024-08-05	Ultra-high-resolution CT of the temporal bone: Comparison between deep learning reconstruction and hybrid and model-based iterative reconstruction 2024-Jun, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.02.001 PMID:38368178	研究论文	本研究评估了超高分辨率计算机断层扫描（UHR-CT）在评估镫骨和鼓索神经解剖方面的能力	采用深度学习重建与混合和基于模型的迭代重建算法进行比较，展示了UHR-CT在噪声和空间分辨率上的优势	本研究没有讨论不同剂量水平对图像质量的长期影响	评估不同重建算法在超高分辨率CT评估耳朵解剖结构中的应用效果	使用超高分辨率CT评估镫骨和鼓索神经的解剖	数字病理学	NA	超高分辨率计算机断层扫描（UHR-CT）	深度学习重建（DLR）	图像	13个颞骨CT检查
929	2024-08-07	A robust deep learning system for screening of obstructive sleep apnea using T-F spectrum of ECG signals 2024-Jun-03, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2359635 PMID:38829354	研究论文	本文提出了一种利用时间-频率（T-F）谱的深度卷积神经网络（DCNN）系统，用于自动筛查阻塞性睡眠呼吸暂停（OSA）患者	该系统通过使用滤波融合算法去除原始ECG数据中的噪声，并采用Stock-well变换将滤波后的时域ECG转换为T-F谱，使用较少的学习参数实现了更高的准确性	NA	开发一种自动化的深度学习系统，用于准确检测阻塞性睡眠呼吸暂停，提高诊断性能并减轻临床医生的工作负担	阻塞性睡眠呼吸暂停（OSA）患者的ECG信号	机器学习	睡眠相关疾病	深度卷积神经网络（DCNN）	DCNN	时间-频率谱	NA
930	2024-08-07	Sex estimation from maxillofacial radiographs using a deep learning approach 2024-Jun-01, Dental materials journal IF:1.9Q4 DOI:10.4012/dmj.2023-253 PMID:38599831	研究论文	本研究旨在构建深度学习模型，以实现更高效和可靠的性别估计	使用VGG16和DenseNet-121两种深度学习模型进行性别估计，并通过梯度加权类激活映射生成显著性图	NA	提高性别估计的效率和可靠性	从侧颅摄影中估计性别	计算机视觉	NA	深度学习	VGG16, DenseNet-121	图像	600张侧颅摄影图像
931	2024-08-07	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	本文提出了一种利用模型可解释性增强分类模型在不同队列间泛化能力的框架，通过MRI扫描和临床诊断数据训练深度神经网络，重点关注与疾病相关的大脑区域	本文采用领域泛化技术，通过统一视觉显著性先验来对齐类别注意力，提高了模型与死后组织学检查的相关性	NA	开发深度学习模型评估由认知障碍引起的结构脑变化的MRI扫描，并提高模型在不同数据源和设备间的泛化能力	使用MRI扫描和临床诊断数据，训练深度神经网络区分正常认知、轻度认知障碍和阿尔茨海默病引起的痴呆	计算机视觉	阿尔茨海默病	MRI扫描	深度神经网络	图像	共使用了四个独立队列的数据，总计7433个样本
932	2024-08-07	Prognostication of Hepatocellular Carcinoma Using Artificial Intelligence 2024-Jun, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0070 PMID:38807336	综述	本文综述了人工智能在肝细胞癌（HCC）预后评估中的应用及其潜在价值、局限性和未来展望	人工智能，特别是基于放射组学或深度学习的方法，利用大量图像衍生的定量特征，提供了对肿瘤表型的客观、详细和全面的分析	人工智能在HCC预后评估中的应用仍处于早期阶段，需要更多的临床验证和标准化	探讨人工智能在HCC预后评估中的应用价值	肝细胞癌（HCC）的预后评估	机器学习	肝细胞癌	放射组学, 深度学习	NA	图像	NA
933	2024-08-07	High-spatial resolution ground-level ozone in Yunnan, China: A spatiotemporal estimation based on comparative analyses of machine learning models 2024-Jun-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118609 PMID:38442812	研究论文	本研究比较了几种广泛使用的集成学习和深度学习方法，用于模拟云南地区地面臭氧浓度，并评估其时空泛化性能	采用3维卷积神经网络（3-D CNN）模型，该模型在评估云南地区每日最大8小时平均臭氧浓度方面表现最佳	NA	开发高精度模型以模拟地面臭氧浓度，评估表面臭氧污染	云南地区的地面臭氧浓度	机器学习	NA	集成学习方法，深度学习方法	3-D CNN	数据集	5折交叉验证
934	2024-08-07	Daily scale air quality index forecasting using bidirectional recurrent neural networks: Case study of Delhi, India 2024-Jun-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.124040 PMID:38685551	研究论文	本研究旨在利用双向循环神经网络准确预测每日空气质量指数（AQI），以德里市为例	研究采用了多种深度学习模型，包括长短期记忆网络（LSTM）、双向LSTM（Bi-LSTM）和双向循环神经网络（Bi-RNN），并发现Bi-RNN模型在训练和测试阶段均表现最佳	研究显示模型性能受数据质量影响，需要充足的数据来训练模型	准确预测每日空气质量指数，为决策提供支持	德里市的空气质量指数	机器学习	NA	深度学习	双向循环神经网络（Bi-RNN）	空气质量数据	具体样本数量未在摘要中提及
935	2024-08-07	The role and future prospects of artificial intelligence algorithms in peptide drug development 2024-Jun, Biomedicine & pharmacotherapy = Biomedecine & pharmacotherapie DOI:10.1016/j.biopha.2024.116709 PMID:38713945	综述	本文综述了人工智能算法在肽类药物开发中的作用及未来前景	介绍了人工智能辅助的机器学习或深度学习模型在筛选大量候选治疗肽序列中的应用	传统肽类药物研发周期长且投资高	探讨人工智能在肽类药物开发中的应用，以加速药物研发过程	肽类药物及其在治疗各种疾病中的应用	机器学习	NA	机器学习, 深度学习	NA	序列数据	大量候选治疗肽序列
936	2024-08-07	Light field image super-resolution based on dual learning and deep Fourier channel attention 2024-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.522701 PMID:38824284	研究论文	本文提出了一种基于双重学习和深度傅里叶通道注意力机制的光场图像超分辨率方法	引入了双重学习和傅里叶通道注意力机制，以提高光场图像超分辨率的效果	在获取真实世界光场场景的配对数据集方面存在困难，影响模型泛化能力	提高光场图像的空间分辨率	光场图像的超分辨率	计算机视觉	NA	深度学习	CNN	图像	未具体说明
937	2024-08-07	Performance of the neural network-based prediction model in closed-loop adaptive optics 2024-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.527429 PMID:38824294	研究论文	本文研究了基于神经网络的预测模型在闭环自适应光学系统中的性能	首次成功测试了基于深度学习的时空预测模型在实际3公里激光大气传输自适应光学系统中的应用，并与传统闭环控制方法进行了比较	大多数预测算法仅限于开环系统，且在实际自适应光学系统中的部署和应用很少被报道	研究如何通过前馈预测大气湍流来抵消自适应光学系统的固有时间延迟，提高其校正带宽	自适应光学系统中的大气湍流预测模型	计算机视觉	NA	深度学习	神经网络	时空数据	3公里激光大气传输系统
938	2024-08-07	Snapshot spectral imaging based on aberration model-driven deep learning 2024-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.523832 PMID:38824286	研究论文	本文提出了一种基于像差模型驱动的深度学习方法，用于从低分辨率的编码孔径快照光谱成像（CASSI）测量中恢复高分辨率的超光谱图像（HSIs）	该方法通过生成模拟CASSI光学像差的现实训练数据，并训练生成网络以从模糊和扭曲的CASSI测量中恢复HSIs，从而适应光学系统降解模型，提高了重建的鲁棒性	NA	提高CASSI系统中光谱图像重建的质量	超光谱图像（HSIs）	计算机视觉	NA	深度学习	生成网络	图像	NA
939	2024-08-07	Symmetry of constellation diagram-based intelligent SNR estimation for visible light communications 2024-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.525115 PMID:38824347	research paper	本文提出了一种基于星座图对称性的可见光通信智能信噪比估计方案	引入了点归一化和象限归一化两种数据增强方法，提高了信噪比估计的准确性	NA	提高可见光通信中信噪比估计的准确性	可见光通信系统的信噪比性能	machine learning	NA	NA	deep learning frameworks	image	使用了不同数量的星座点（如32, 64, 128, 256, 512, 1024, 2048）进行实验
940	2024-08-07	The Use of Deep Learning Software in the Detection of Voice Disorders: A Systematic Review 2024-Jun, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.636 PMID:38168017	综述	本文综述了深度学习在利用声学和喉镜输入检测声音障碍中的应用，比较了特定神经网络的准确性，并评估了它们与专家临床视觉检查的有效性	深度学习模型在检测声音病理方面表现出高准确性，特别是CNN在评估喉镜图像和MLP在评估声学输入方面最为有效	尽管深度学习方法在有限的比较中优于专家临床检查，但仍需进一步研究以整合外部验证	总结深度学习在声音障碍检测中的应用，并评估其与传统临床检查的比较效果	声音障碍的检测	机器学习	NA	深度学习	CNN, MLP	图像, 声学数据	34项研究符合纳入标准，其中18项专注于声音分析，15项专注于图像分析，1项两者兼有