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
841	2024-08-05	A Novel Hybrid Machine Learning-Based System Using Deep Learning Techniques and Meta-Heuristic Algorithms for Various Medical Datatypes Classification 2024-Jul-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141469 PMID:39061605	研究论文	这篇文章介绍了一种基于深度学习技术和元启发式算法的混合机器学习系统，用于各种医学数据类型的分类	提出了一种创新的方法，通过结合不同的深度学习方法与元启发式算法，实现高准确率的医学数据分类	NA	旨在改善医学图像分类的精度和效率，促进快速诊断	包括脑肿瘤的磁共振成像（MRI）和COVID-19的胸部X光（CXR）数据集	机器学习	COVID-19，脑肿瘤	卷积神经网络（CNN）、自编码器、粒子群优化（PSO）	CNN，KNN，SVM	图像	NA	NA	NA	NA	NA
842	2024-08-05	Temporal-Quality Ensemble Technique for Handling Image Blur in Packaging Defect Inspection 2024-Jul-09, Sensors (Basel, Switzerland) DOI:10.3390/s24144438 PMID:39065835	研究论文	本文提出了一种新的推理技术TQE，用于处理包装缺陷检测中的图像模糊问题	创新点在于结合了时间和质量权重，以改善低质量图像的准确性和可靠性	研究主要集中在低质量图像的情况，未探讨高质量图像的表现	旨在提高包装缺陷检测中低质量图像的推理效果	研究对象为在包装缺陷检测中涉及的图像，特别是低质量图像	计算机视觉	NA	深度学习，卷积神经网络（CNN）	CNN	图像	NA	NA	NA	NA	NA
843	2024-08-05	A comprehensive health assessment approach using ensemble deep learning model for remote patient monitoring with IoT 2024-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66427-w PMID:38977848	研究论文	该研究旨在为物联网(IoT)应用开发集成长短期记忆(LSTM)网络和卷积神经网络(CNN)的集成深度学习模型，以实现远程患者监测(RPM)	该研究通过将CNN用于空间分析和特征提取，LSTM用于时间序列建模，提出了一种新颖的方法来提高健康数据的空间和时间关系识别能力	NA	旨在创建一个高精度的远程患者监测模型以改善健康监测的及时性与准确性	研究对象包括心率、血压、脉搏、体温、活动水平、体重管理、呼吸率、药物依从性、睡眠模式和氧气水平等重要健康因子	机器学习	NA	深度学习	LSTM和CNN	生理数据	多个数据集	NA	NA	NA	NA
844	2024-08-05	Multi-Shared-Task Self-Supervised CNN-LSTM for Monitoring Free-Body Movement UPDRS-III Using Wearable Sensors 2024-Jul-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070689 PMID:39061771	研究论文	本研究开发了一个结合深度学习和可穿戴传感器技术的创新框架，以提高UPDRS评估的准确性	引入了一种新型的多共享任务自监督卷积神经网络-长短期记忆模型用于处理原始陀螺仪信号	研究过程中未提及具体的技术限制	提高帕金森病患者UPDRS评分的监测能力	使用可穿戴传感器的24名帕金森病患者	数字病理学	帕金森病	深度学习	CNN-LSTM	运动数据	24名帕金森病患者的526分钟数据	NA	NA	NA	NA
845	2024-08-05	Advancing common bean (Phaseolus vulgaris L.) disease detection with YOLO driven deep learning to enhance agricultural AI 2024-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66281-w PMID:38971939	研究论文	本研究展示了一种基于深度学习的AI驱动系统，用于快速、经济地检测常见豆类病害	创新性地结合了YOLO架构与深度学习技术，显著提高了疾病检测的准确性和效率	对于微观注释的检测性能普遍低于整体注释，显示出检测精度的意外差异	开发出一种高效的农作物病害检测系统以增强农业AI	主要集中在常见豆类上的五种主要病害的检测	计算机视觉	豆类病害	深度学习	YOLOv7, YOLOv8, YOLO-NAS	图像	涉及来自非洲和哥伦比亚的疾病热点的大量图像数据集	NA	NA	NA	NA
846	2024-08-05	Artificial intelligence detects awareness of functional relation with the environment in 3 month old babies 2024-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66312-6 PMID:38971875	研究论文	本文探讨了如何在早期生命中通过操控婴儿与环境中物体的功能连接来观察目的性行为的出现	采用多种机器学习和深度学习架构对婴儿运动数据进行分类，特别是在分析功能上下文对婴儿行为的影响时，展示了深度学习方法的优势	研究主要集中在特定实验设计中，可能无法广泛推广至所有婴儿群体的行为分析	该研究旨在理解婴儿如何通过与环境的互动而发展出目的性行为	研究对象为三个月大的婴儿及其与环境的交互	计算机视觉	NA	运动捕捉	kNN, LDA, FCNet, 1D-Conv, 1D-CapsNet, 2D-Conv, 2D-CapsNet	运动数据	NA	NA	NA	NA	NA
847	2024-08-05	An appearance quality classification method for Auricularia auricula based on deep learning 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50739-4 PMID:38969651	研究论文	本文提出了一种基于改进的Faster RCNN框架的耳蘑外观质量分类方法	通过建立多尺度特征融合检测模型，提高了模型的准确性和实时性能	未提及具体的局限性	提升耳蘑行业的智能化外观质量分类方法	耳蘑（Auricularia auricula）的外观质量	计算机视觉	NA	改进的Faster RCNN	Faster RCNN	图像	未提及特定样本量	NA	NA	NA	NA
848	2024-08-05	Anomaly Detection in Optical Coherence Tomography Angiography (OCTA) with a Vector-Quantized Variational Auto-Encoder (VQ-VAE) 2024-Jul-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070682 PMID:39061764	研究论文	本文提出了一种基于深度学习的模型用于在OCTA中识别异常	这是首个针对OCTA中异常检测的研究	仅评估了两个公共数据集，可能存在数据集代表性的问题	检测OCTA中的异常，以帮助识别眼部或系统性疾病	使用OCTA图像进行异常检测	计算机视觉	NA	深度学习，贝叶斯U-Net	VQ-VAE和自回归建模	图像	两个大型公共数据集，DRAC和OCTA-500	NA	NA	NA	NA
849	2024-08-05	Effects of Acute Mental Stress on Choroidal Thickness 2024-Jul-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070684 PMID:39061766	研究论文	本研究探讨了心理算术引发的心理压力对脉络膜厚度的影响	首次使用基于深度学习的方法对脉络膜厚度进行分割分析	样本量较小，仅包含33名参与者	研究心理压力对眼部健康，特别是脉络膜厚度的影响	33名年龄在19到29岁之间的参与者	数字病理学	近视	扫掠源光学相干断层扫描（SS-OCT）	深度学习	图像	33个参与者	NA	NA	NA	NA
850	2024-08-05	GPSFun: geometry-aware protein sequence function predictions with language models 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae381 PMID:38738636	研究论文	GPSFun是一个用于蛋白质序列功能注释的多功能网络服务器，利用语言模型和几何深度学习。	结合大语言模型和几何图神经网络，提高蛋白质序列功能预测的准确性和应用性。	未提及具体的限制。	提升蛋白质序列功能注释的性能和适用性。	输入的蛋白质序列及其三维构象的功能预测。	计算机视觉	NA	语言模型和几何深度学习	几何图神经网络	蛋白质序列	NA	NA	NA	NA	NA
851	2024-08-05	Radiomics-Guided Deep Learning Networks Classify Differential Diagnosis of Parkinsonism 2024-Jul-04, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14070680 PMID:39061420	研究论文	本文提出了一种基于放射组学的深度学习模型，用于鉴别帕金森综合症的病理诊断	该研究创新性地结合了放射组学和深度学习，以提高对各种帕金森病类型的诊断能力	研究的局限性在于仅使用了F-FDG PET扫描的数据，可能未考虑其他影像学特征	研究旨在通过放射组学和深度学习技术，提高对非典型帕金森综合症的诊断准确性	研究对象包括1495名参与F-FDG PET扫描的个体，涵盖健康对照和不同类型的帕金森病患者	数字病理学	帕金森病	F-FDG PET扫描	DenseNet	图像	1495个受试者，包括220名健康对照和1275名帕金森病患者	NA	NA	NA	NA
852	2024-08-05	Exploring the Practical Applications of Artificial Intelligence, Deep Learning, and Machine Learning in Maxillofacial Surgery: A Comprehensive Analysis of Published Works 2024-Jul-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070679 PMID:39061761	综述	本文综合分析了人工智能、深度学习和机器学习在颌面外科中的应用。	强调了人工智能在颌面外科中的重要性及其应用。	未提及特定的技术限制或数据局限性。	探讨人工智能在颌面外科的适用性和重要性。	关注颌面外科中人工智能、深度学习和机器学习的应用研究。	计算机视觉	NA	人工智能，深度学习，机器学习	NA	文献	324篇文献	NA	NA	NA	NA
853	2024-08-05	Leverage Effective Deep Learning Searching Method for Forensic Age Estimation 2024-Jul-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070674 PMID:39061756	研究论文	本文提出了一种基于正面全景X光图像的牙齿年龄估计方法。	引入了一种新的牙齿数据集和深度神经网络搜索方法，以提高法医年龄估计的准确性。	研究专注于利用正面全景X光图像，可能不适用于其他类型的影像数据。	提升法医医学中成人年龄估计的准确性。	涵盖了27957名个体的正面全景X光图像，包括不同年龄段和性别。	数字病理学	NA	深度神经网络	CNN	图像	27957个正面全景X光图像（16383名女性和11574名男性）	NA	NA	NA	NA
854	2024-08-05	Auxiliary Diagnosis of Dental Calculus Based on Deep Learning and Image Enhancement by Bitewing Radiographs 2024-Jul-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070675 PMID:39061757	研究论文	该研究提出了一种基于深度学习和图像增强的系统用于检测牙结石	引入了一种新的图像增强算法，结合中值滤波和高斯双边滤波，提高了牙结石分类的准确性	未提及样本数量和多样性	旨在改善牙科中牙结石的早期检测	针对牙科X光图像中的牙结石进行检测	计算机视觉	NA	深度学习	YOLOv8和GoogLeNet	图像	NA	NA	NA	NA	NA
855	2024-08-05	Multi-modal co-learning with attention mechanism for head and neck tumor segmentation on 18FDG PET-CT 2024-Jul-25, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00670-y PMID:39052194	研究论文	本文提出了一种新的深度学习方法，用于头颈癌的肿瘤分割。	提出的肿瘤区域注意模块充分利用了PET的高灵敏度，并设计了无需分离特征提取和融合功能的网络，利用了上下文信息的多尺度融合。	研究的局限性未在摘要中提及	提高头颈癌的肿瘤分割准确性，以支持放射治疗的有效性。	头颈癌肿瘤的分割，使用18FDG PET-CT影像。	数字病理学	头颈癌	深度学习	NA	医学影像	HECKTOR挑战2021数据集	NA	NA	NA	NA
856	2024-08-05	Parkinson's image detection and classification based on deep learning 2024-Jul-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01364-8 PMID:39054448	研究论文	本文提出了一种基于深度学习的改进YOLOv5检测算法，用于预测和分类帕金森病的MRI图像	引入CA注意力机制提升模型对小病理特征的敏感性，并优化多层次图像特征提取	NA	提高帕金森病MRI图像的早期诊断准确性	582张来自108名患者的MRI图像数据集	计算机视觉	帕金森病	深度学习	YOLOv5s	图像	582张MRI图像	NA	NA	NA	NA
857	2024-08-05	ChemReco: automated recognition of hand-drawn carbon-hydrogen-oxygen structures using deep learning 2024-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67496-7 PMID:39054356	研究论文	本文章介绍了ChemReco工具，能够识别手绘的化学分子结构	提出了合成图像方法以快速生成手绘化学分子结构的图像，并开发了高准确率的识别模型	目前关于手绘化学分子结构的研究有限	构建用于手绘化学分子结构识别的数据集	目标是识别绘制有C、H和O三种原子的化学分子结构	数字病理学	NA	深度学习	EfficientNet + Transformer	图像	NA	NA	NA	NA	NA
858	2024-08-05	Context-aware geometric deep learning for protein sequence design 2024-Jul-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50571-y PMID:39054322	研究论文	这篇文章介绍了一种基于几何变换器的深度学习方法，用于蛋白质序列设计	引入了一种仅基于原子坐标和元素名称的几何变换器，能够在蛋白质设计过程中考虑非蛋白质实体	当前模型尚无法完美整合设计过程中所有可能的非蛋白质实体	旨在通过深度学习提升蛋白质设计的灵活性和效率	研究对象为蛋白质序列和分子环境对蛋白质功能的影响	生物信息学	NA	深度学习	几何变换器	序列数据	NA	NA	NA	NA	NA
859	2024-08-05	A permutable MLP-like architecture for disease prediction from gut metagenomic data 2024-Jul-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05856-w PMID:39048979	研究论文	本文提出了一种基于可重排的多层感知器架构的模型用于从肠道宏基因组数据进行疾病预测	提出了Metagenomic Permutator模型，利用可重排的多层感知器网络结构捕捉微生物的系统发育信息	样本数量有限及宏基因组数据的高维度和稀疏性可能仍然对模型性能构成挑战	旨在提高深度学习在宏基因组数据分类和预测中的应用效果	使用肠道宏基因组数据分析微生物与疾病之间的关系	计算机视觉	NA	NA	可重排的多层感知器	宏基因组数据	NA	NA	NA	NA	NA
860	2024-08-05	Research on a soft saturation nonlinear SSVEP signal feature extraction algorithm 2024-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67853-6 PMID:39048655	研究论文	本文提出了一种基于软饱和非线性模块的SSVEP信号识别深度学习网络模型e-SSVEPNet	引入了软饱和非线性模块，改善了对噪声的鲁棒性，并提高了SSVEP信号分类和识别的性能	对于不同参与者的分类效果仍有提升空间	旨在提高SSVEP信号识别的准确性和性能	SSVEP信号数据集	计算机视觉	NA	深度学习	e-SSVEPNet	信号	多个实验结果，具体样本量未提及	NA	NA	NA	NA