深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
581	2024-08-14	Craniomaxillofacial landmarks detection in CT scans with limited labeled data via semi-supervised learning 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34583 PMID:39130473	研究论文	本文开发了一种半监督学习模型CephaloMatch，用于在有限标记数据的条件下检测颅颌面CT扫描中的地标点	提出的半监督学习模型通过强弱扰动一致性框架和头部位置校正技术，提高了标记和未标记数据集之间的一致性	NA	旨在减少医学专业人员的工作量并提高三维头影分析的准确性	颅颌面CT扫描中的地标点检测	计算机视觉	NA	半监督学习	半监督学习模型	CT扫描图像	使用了362个颅颌面CT扫描数据，包括60个训练集、14个验证集和288个未标记集	NA	NA	NA	NA
582	2024-08-14	Compositional transferability of deep learning potentials: a case study for LiCl-KCl melt 2024-Jul-26, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-024-06084-y PMID:39060545	研究论文	本文研究了深度学习势能在LiCl-KCl熔融混合物中成分转移的可行性	模型展示了显著的非直觉成分转移能力，能够预测远离参考成分的熔体的物理化学性质	NA	探讨机器学习势能在多组分系统中的成分转移性	LiCl-KCl熔融混合物的成分转移性	机器学习	NA	密度泛函理论	神经网络	物理化学性质数据	训练数据集仅使用了60% LiCl-40% KCl的近共晶成分	NA	NA	NA	NA
583	2024-08-14	EEG-Oriented Self-Supervised Learning With Triple Information Pathways Network 2024-Jul-08, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3410844 PMID:38976458	研究论文	本文提出了一种面向脑电图（EEG）的自监督学习方法和一种新的深度架构，用于学习丰富的表示，包括神经振荡的多样化频谱特性、电极传感器分布的空间属性以及全局和局部视角的时间模式	本文引入了三重信息路径网络，结合自监督学习策略和特征归一化方法，有效解决了EEG信号的内在和外在变异性问题	NA	旨在改进基于深度学习的脑电图分析和解码方法，以更好地监测用户的临床状况和识别其意图/情绪	脑电图信号的频谱、空间和时间特性	机器学习	NA	自监督学习	三重信息路径网络	脑电图信号	四个公开可用的数据集	NA	NA	NA	NA
584	2024-08-14	Deep learning for accelerated and robust MRI reconstruction 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01173-8 PMID:39042206	综述	本文综述了深度学习在磁共振成像（MRI）重建中的最新进展，重点介绍了各种深度学习方法和架构，旨在提高图像质量、加速扫描并解决数据相关挑战	探讨了端到端神经网络、预训练和生成模型以及自监督方法，强调了它们在克服传统MRI限制方面的贡献	讨论了当前深度学习在MRI重建中的成功、局限以及未来发展方向	利用深度学习技术优化MRI重建，以显著影响临床影像实践	磁共振成像（MRI）重建	计算机视觉	NA	深度学习（DL）	神经网络	图像	NA	NA	NA	NA	NA
585	2024-08-14	A Deep Learning-Based Assessment Pipeline for Intraepithelial and Stromal Tumor-Infiltrating Lymphocytes in High-Grade Serous Ovarian Carcinoma 2024-07, The American journal of pathology DOI:10.1016/j.ajpath.2024.02.016 PMID:38537936	研究论文	本研究开发了两个卷积神经网络模型，用于检测和确定高级别浆液性卵巢癌患者全切片图像中肿瘤浸润淋巴细胞（TILs）的空间位置，并建立了一个空间评估流程，客观量化上皮内和间质TILs	本研究首次使用深度学习技术客观量化上皮内和间质TILs，并根据TILs密度将患者分为三种免疫表型，为个性化治疗提供了新的评估方法	NA	开发一种新的评估方法，用于客观量化高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs），并探索其在临床个性化治疗中的应用潜力	高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs）	机器学习	卵巢癌	卷积神经网络（CNN）	CNN	图像	多个队列的高级别浆液性卵巢癌患者	NA	NA	NA	NA
586	2024-08-14	Multimodal Cardiac Imaging Revisited by Artificial Intelligence: An Innovative Way of Assessment or Just an Aid? 2024-Jul, Cureus DOI:10.7759/cureus.64272 PMID:39130913	综述	本文综述了人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的影响	人工智能，尤其是机器学习和深度学习，显著提升了心脏诊断能力，如无创冠状动脉疾病诊断、心律失常检测及个性化治疗策略	仍需解决数据标准化、算法验证、监管批准及伦理问题等挑战	探讨人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的贡献	人工智能在心脏影像中的应用及其对心血管疾病诊断的影响	计算机视觉	心血管疾病	机器学习, 深度学习	NA	影像	NA	NA	NA	NA	NA
587	2024-08-13	Deep Learning Based Automatic Left Ventricle Segmentation from the Transgastric Short-Axis View on Transesophageal Echocardiography: A Feasibility Study 2024-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151655 PMID:39125530	研究论文	本研究评估了基于深度学习的U-Net算法在经食管超声心动图（TEE）中自动分割左心室的可行性	本研究首次探索了使用深度学习技术自动分割TEE图像中的左心室，特别是使用了四种不同的U-Net变体模型	研究数据仅来自451名患者，且时间跨度有限，可能影响模型的泛化能力	评估深度学习在TEE图像中自动分割左心室的可行性	研究对象为经食管超声心动图中的左心室图像	计算机视觉	心血管疾病	深度学习	U-Net, Attention U-Net, UNet++, UNeXt	图像	1388个TSV图像来自451名患者	NA	NA	NA	NA
588	2024-08-13	Deep Learning and Histogram-Based Grain Size Analysis of Images 2024-Jul-30, Sensors (Basel, Switzerland) DOI:10.3390/s24154923 PMID:39123970	研究论文	本文提出了一种结合直方图层的深度学习模型，用于分析具有模糊边缘和不规则排列的沉积模拟实验（SSE）图像的粒度分析	该方法通过使用ResNet18提取特征并结合直方图层，提高了对不规则粒度分布图像的分析效率和准确性	NA	提高沉积模拟实验中粒度分析的量化和自动化水平	沉积模拟实验图像中的粒度大小和分布	计算机视觉	NA	深度学习	ResNet18	图像	未具体说明	NA	NA	NA	NA
589	2024-08-13	Hybrid Twins Modeling of a High-Level Radioactive Waste Cell Demonstrator for Long-Term Temperature Monitoring and Forecasting 2024-Jul-30, Sensors (Basel, Switzerland) DOI:10.3390/s24154931 PMID:39123978	研究论文	本文探讨了利用混合双胞胎模型对高级别放射性废物储存单元进行长期温度监测和预测的挑战与应用	本文引入了混合双胞胎模型，结合数值模拟和在线传感器测量数据，以预测和监测放射性废物储存单元的长期物理变化	数据质量问题、现实数据的复杂性以及模型复杂度的平衡是本文面临的主要挑战	评估放射性废物储存单元在关闭阶段是否按照预期轨迹进行	高级别放射性废物储存单元的长期温度监测和预测	机器学习	NA	机器学习和深度学习方法	混合双胞胎模型	数值模拟数据和在线传感器测量数据	具体样本数量未在摘要中提及	NA	NA	NA	NA
590	2024-08-13	Enhancing UWB Indoor Positioning Accuracy through Improved Snake Search Algorithm for NLOS/LOS Signal Classification 2024-Jul-29, Sensors (Basel, Switzerland) DOI:10.3390/s24154917 PMID:39123964	研究论文	本研究通过改进的蛇搜索算法优化非视距/视距信号分类，提高超宽带室内定位精度	引入混沌映射进行种群初始化，并结合基于减法平均的优化器与动态探索概率改进蛇搜索算法，优化反向传播神经网络的初始权重和阈值	NA	解决非视距误差对超宽带室内定位精度的影响，有效区分视距与非视距信号	超宽带室内定位中的非视距/视距信号分类	计算机视觉	NA	反向传播神经网络	BP神经网络	信号	NA	NA	NA	NA	NA
591	2024-08-13	Improving Nowcasting of Intense Convective Precipitation by Incorporating Dual-Polarization Radar Variables into Generative Adversarial Networks 2024-Jul-28, Sensors (Basel, Switzerland) DOI:10.3390/s24154895 PMID:39123942	研究论文	本文通过将双偏振雷达变量融入生成对抗网络，改进了强对流降水的临近预报	提出了一种对抗自回归网络（AANet），采用两阶段生成器和结构相似性损失（SSIM损失）以及两阶段对抗（Tadv）策略，以生成更真实且高度相似的生成数据	深度学习模型在临近预报方法中存在进化方法容易在迭代过程中累积误差和自回归模型的“回归到平均”问题导致的“模糊”现象	提高强对流降水的临近预报准确性，以防止由强对流降水引起的重大经济损失和人员伤亡	强对流降水的临近预报	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	雷达数据	未具体说明	NA	NA	NA	NA
592	2024-08-13	Developing a Semi-Supervised Approach Using a PU-Learning-Based Data Augmentation Strategy for Multitarget Drug Discovery 2024-Jul-28, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25158239 PMID:39125808	研究论文	本研究开发了一种基于PU学习的数据增强策略的半监督方法，用于多靶点药物发现	引入了一种新的半监督学习框架——负增强PU集成SVM（NAPU-bagging SVM），该方法能够在保持高召回率的同时管理误报率	NA	探索机器学习（ML）和深度学习（DL）方法与分子表示和数据增强策略之间的协同作用，并开发新的半监督学习框架用于多靶点药物发现	多靶点药物发现中的多靶点导向配体（MTDLs）	机器学习	NA	SVM	SVM	分子数据	NA	NA	NA	NA	NA
593	2024-08-13	Automatic Quality Assessment of Pork Belly via Deep Learning and Ultrasound Imaging 2024-Jul-27, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14152189 PMID:39123715	研究论文	本研究利用深度学习和超声成像技术自动评估猪肉腹部的质量	本研究采用图像分类方法，通过ResNet18模型实现了对猪肉腹部层数的精确预测，并在实际应用中达到了高准确率	初始考虑的语义分割方法的IoU分数低于70%，未能满足实际应用需求	评估猪肉腹部的层数	猪肉腹部的肌肉和脂肪层数	计算机视觉	NA	深度学习	ResNet18	图像	三层组（n=1811），五层组（n=1294），七层组（n=879）	NA	NA	NA	NA
594	2024-08-13	Precision Detection of Salt Stress in Soybean Seedlings Based on Deep Learning and Chlorophyll Fluorescence Imaging 2024-Jul-27, Plants (Basel, Switzerland) DOI:10.3390/plants13152089 PMID:39124207	研究论文	本研究探讨了基于深度学习和叶绿素荧光成像技术在识别大豆幼苗盐胁迫水平方面的有效性	研究中使用了六种经典的卷积神经网络模型进行盐胁迫识别，并通过特征融合显著提高了分类准确率，达到98.61%	NA	探索更高效的作物胁迫识别方法，以提高农业可持续性和全球粮食安全	大豆幼苗的盐胁迫水平	机器学习	NA	叶绿素荧光成像	CNN	图像	三种类型的叶绿素荧光图像	NA	NA	NA	NA
595	2024-08-13	Robotic Grasping of Unknown Objects Based on Deep Learning-Based Feature Detection 2024-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s24154861 PMID:39123908	研究论文	本文提出了一种基于深度学习特征检测的机器人抓取算法，通过检测物体的直线边缘和角点特征，结合图像分割信息，实现对未知物体的有效抓取	该算法通过检测物体共有的直线边缘和角点特征，结合图像分割信息，能够逻辑推断抓取姿态，不受训练数据集大小的限制	NA	提高机器人对未知物体的抓取成功率	机器人对未知物体的抓取算法	计算机视觉	NA	深度学习	CNN	图像	400次实际机器人抓取试验	NA	NA	NA	NA
596	2024-08-13	An Empirical Study on the Effect of Training Data Perturbations on Neural Network Robustness 2024-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s24154874 PMID:39123921	研究论文	本文通过实验分析了训练数据扰动对神经网络鲁棒性的影响	首次进行了广泛的实证研究，探讨了模型重训练期间数据扰动的影响	NA	研究训练数据扰动对模型鲁棒性的影响	神经网络的鲁棒性	机器学习	NA	NA	神经网络	数据集	NA	NA	NA	NA	NA
597	2024-08-13	AI-Assisted Rational Design and Activity Prediction of Biological Elements for Optimizing Transcription-Factor-Based Biosensors 2024-Jul-26, Molecules (Basel, Switzerland) DOI:10.3390/molecules29153512 PMID:39124917	综述	本文综述了人工智能算法在合成生物学中合理设计生物元素、预测其活性和调控基于转录因子的生物传感器响应性能中的应用	利用人工智能技术，特别是机器学习和深度学习算法，有效分析生物元素数据并预测其性能	文中提出了人工智能算法在生物技术领域面临的挑战，并建议了未来的研究方向	探讨人工智能在合成生物学中的应用，以推动学术研究和生物技术的实际应用	生物元素的合理设计、活性预测以及基于转录因子的生物传感器性能调控	合成生物学	NA	人工智能	机器学习、深度学习	生物数据	NA	NA	NA	NA	NA
598	2024-08-13	DeepPGD: A Deep Learning Model for DNA Methylation Prediction Using Temporal Convolution, BiLSTM, and Attention Mechanism 2024-Jul-26, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25158146 PMID:39125714	研究论文	本研究通过引入DeepPGD深度学习框架，结合时间卷积网络、双向长短期记忆网络和注意力机制，旨在提高DNA甲基化识别性能	DeepPGD框架结合了时间卷积网络和双向长短期记忆网络的双重残差结构，有效提取复杂的DNA结构和序列特征，并在多种生物物种上进行了广泛实验，显示出在多个评估指标上的优异性能	NA	开发一种能够更精确识别DNA甲基化位点的深度学习算法	DNA甲基化识别	机器学习	NA	时间卷积网络（TCN）、双向长短期记忆网络（BiLSTM）、注意力机制	DeepPGD	DNA序列	多种生物物种的数据集	NA	NA	NA	NA
599	2024-08-13	Utilizing High-Resolution Imaging and Artificial Intelligence for Accurate Leaf Wetness Detection for the Strawberry Advisory System (SAS) 2024-Jul-25, Sensors (Basel, Switzerland) DOI:10.3390/s24154836 PMID:39123884	研究论文	本研究利用高分辨率成像和深度学习技术，开发了一种新的叶片湿润度检测算法，用于草莓种植中的疾病风险评估和杀菌剂使用策略	引入了一种结合高分辨率成像和卷积神经网络的深度学习技术，提高了叶片湿润度检测的准确性和可靠性	NA	提高草莓种植中疾病管理的精确度，减少不必要的杀菌剂使用	草莓种植中的叶片湿润度检测	计算机视觉	NA	高分辨率成像，深度学习	卷积神经网络 (CNN)	图像	在佛罗里达州的四个地点进行了实施和测试	NA	NA	NA	NA
600	2024-08-13	Artificial Intelligence Models for the Detection of Microsatellite Instability from Whole-Slide Imaging of Colorectal Cancer 2024-Jul-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151605 PMID:39125481	研究论文	本文讨论了人工智能模型在从结直肠癌的全切片图像中直接预测微卫星不稳定性（MSI）的潜在作用	提出了联邦学习（FL）和群学习（SL）模型，用于在多个研究和临床中心之间共享算法	文章中提到的AI方法存在一些重要的缺陷	研究人工智能模型在结直肠癌中预测MSI状态的作用	结直肠癌中的微卫星不稳定性	数字病理学	结直肠癌	全切片成像（WSI）	深度学习（DL）	图像	未具体说明样本数量	NA	NA	NA	NA