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
1001	2024-08-05	Attention-Based Deep Learning Approach for Breast Cancer Histopathological Image Multi-Classification 2024-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131402 PMID:39001292	研究论文	本研究提出了一种基于注意力机制的深度学习架构，用于乳腺癌的组织病理图像多分类	提出了有效的通道空间注意力网络（ECSAnet），结合了高效网络架构和卷积块注意力模块	未针对不同类型的癌症进行广泛测试，可能存在一定的数据局限性	旨在提高乳腺癌组织病理图像的检测和分类准确性	使用BreakHis数据集的乳腺癌组织病理图像	数字病理学	乳腺癌	深度学习	ECSAnet	图像	涉及的样本数量NA
1002	2024-08-05	Enhancing genome-wide populus trait prediction through deep convolutional neural networks 2024-Jul, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16790 PMID:38741374	研究论文	本研究构建了一种深度学习方法DCNGP，有效预测了65种表型的特征	提出了DCNGP模型，该模型能有效捕捉复杂的非加性效应，具有较强的预测能力和稳定性	未提供关于数据集大小和样本划分的详细信息	研究基因组基础的植物育种，提升农艺性状的预测能力	以白杨为研究对象	机器学习	NA	深度卷积神经网络	DCNGP	数据集	三个数据集
1003	2024-08-05	Optimizing IoT Intrusion Detection Using Balanced Class Distribution, Feature Selection, and Ensemble Machine Learning Techniques 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134293 PMID:39001072	研究论文	提出了一种优化物联网入侵检测的方法，以提高其检测性能和可靠性	通过类平衡和特征选择的预处理方式，提出了新的优化方案，并使用了两种不同的集成模型进行评估	模型可能仍然受限于过拟合和未考虑的特征对识别重要模式的影响	提高物联网环境下入侵检测系统的性能和效率	物联网攻击的检测与分类	机器学习	NA	机器学习技术，包括支持向量机(SVM)和长短期记忆(LSTM)	支持向量机(SVM)和长短期记忆(LSTM)	数据集	使用UNSW-NB15和NSL-KD数据集进行评估
1004	2024-08-05	A Novel Model for Instance Segmentation and Quantification of Bridge Surface Cracks-The YOLOv8-AFPN-MPD-IoU 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134288 PMID:39001067	研究论文	本文提出了一种新型YOLOv8-AFPN-MPD-IoU模型，用于桥梁表面裂缝的实例分割与量化	通过引入AFPN和MPD损失函数，提高了特征融合和几何特征的探索	没有具体提及该模型在不同类型桥梁中的应用局限性	开发一种高精度的模型来检测和量化桥梁表面裂缝	桥梁表面裂缝的实例分割和量化	计算机视觉	NA	YOLOv8	YOLOv8-AFPN-MPD-IoU	图像	NA
1005	2024-08-05	A New Multi-Branch Convolutional Neural Network and Feature Map Extraction Method for Traffic Congestion Detection 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134272 PMID:39001052	研究论文	本文提出了一种新的车辆信息特征图方法及多分支卷积神经网络模型用于交通拥堵检测	创新点在于提出了一种新的车辆信息特征图方法和多分支卷积神经网络模型，能够自动检测交通拥堵	NA	构建一种以交通图像为输入，拥堵检测结果为输出的深度学习模型	交通图像数据	计算机视觉	NA	深度学习	多分支卷积神经网络	图像	在中国城市交通图像数据库中进行了验证
1006	2024-08-05	Ship Detection in Synthetic Aperture Radar Images under Complex Geographical Environments, Based on Deep Learning and Morphological Networks 2024-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s24134290 PMID:39001068	研究论文	本文提出了一种基于深度学习和形态网络的合成孔径雷达船舶检测方法。	该方法通过自适应预处理、坐标通道注意模块和四层双向特征金字塔网络，显著提高了复杂地理环境下船舶的检测能力。	实验仅使用公共数据集，可能限制了方法在更广泛场景中的通用性。	研究船舶检测在复杂地理环境下的有效性和准确性。	研究对象为合成孔径雷达图像中的船舶。	计算机视觉	NA	深度学习，形态网络	双向特征金字塔网络	图像	使用了公共的SAR船舶检测数据集和高分辨率SAR图像数据集
1007	2024-08-05	Three-Dimensional Label-Free Observing of the Self-Assembled Nanoparticles inside a Single Cell at Nanoscale Resolution 2024-Jul-13, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c06095 PMID:39001860	研究论文	本研究提出了一种无标记的三维观察自组装纳米颗粒的方法	创新点在于结合深度学习和同步辐射硬X射线纳米断层扫描技术来实现单细胞内自组装纳米颗粒的定量观察	文章未提及具体的实验环境或外部变量控制，从而可能影响结果的普适性	本研究旨在优化纳米医学中的自组装性能	研究对象为超小铁氧化物纳米颗粒（USIO NPs）	数字病理学	NA	深度学习结合同步辐射硬X射线纳米断层扫描	NA	图像	单个细胞
1008	2024-08-05	Oral mucosal lesions triage via YOLOv7 models 2024-Jul-12, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.07.010 PMID:39003230	研究论文	本研究利用YOLOv7模型增强了口腔粘膜病变的早期检测和分类。	通过扩展数据集并比较不同的YOLOv7模型配置，提高了病变分类的准确性。	研究未提及YOLOv7模型在实际临床应用中的长期效果。	提高口腔粘膜病变的早期检测和分类能力。	主要研究对象为口腔粘膜病变。	计算机视觉	口腔癌	深度学习	YOLOv7	图像	超过50,000张白光宏观图像
1009	2024-08-05	A deep learning based cognitive model to probe the relation between psychophysics and electrophysiology of flicker stimulus 2024-Jul-10, Brain informatics DOI:10.1186/s40708-024-00231-0 PMID:38987386	研究论文	本文旨在通过基于深度学习的计算模型探讨闪烁刺激的心理物理学与电生理学之间的关系	使用卷积递归神经网络（CRNN）结合心理物理数据，展示了闪烁刺激的电生理特征可以通过时间卷积操作进行解释	本研究基于人类受试者的数据，可能受到个体差异的影响	桥接闪烁融合的心理物理学与闪烁刺激相关的电生理学之间的差距	利用人类受试者的心理物理数据进行训练的CRNN	计算机视觉	NA	深度学习	卷积递归神经网络（CRNN）	心理物理学数据	NA
1010	2024-08-05	Radiomics incorporating deep features for predicting Parkinson's disease in 123I-Ioflupane SPECT 2024-Jul-10, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00651-1 PMID:38985382	研究论文	本研究结合放射组学和深度学习特征，以预测帕金森病的Hoehn-Yahr阶段	结合放射组学和深度学习特征的模型相比于单独使用放射组学或深度学习，显著提升了帕金森病预测的准确性	MRI与SPECT基础的分割方法在放射组学结果上未表现出显著差异，限制了模型的广泛适用性	研究基于123I-Ioflupane SPECT影像预测帕金森病的Hoehn-Yahr阶段	161名帕金森病患者，评估首次诊断后的第0年和第4年	计算机视觉	帕金森病	123I-Ioflupane SPECT	2D DenseNet	影像	161名受试者
1011	2024-08-05	Deep learning-based recommendation system for metal-organic frameworks (MOFs) 2024-Jul-10, Digital discovery IF:6.2Q1 DOI:10.1039/d4dd00116h PMID:38993728	研究论文	本文提出了一种基于深度学习的金属有机框架（MOFs）推荐系统	该系统利用无监督的Doc2Vec模型，将MOFs嵌入高维化学空间，进行相似性分析以推荐特定应用的材料	该方法可能在推荐的材料范围上具有局限性，仍需要对一些材料进行深度调查	研究旨在开发一种高效的MOFs推荐系统	研究对象为金属有机框架（MOFs）	机器学习	NA	Doc2Vec	NA	文档结构的MOF特性	NA
1012	2024-08-07	Author Correction: A fully automated classification of third molar development stages using deep learning 2024-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66731-5 PMID:38987634	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1013	2024-08-05	Application of Artificial Intelligence in rehabilitation science: A scientometric investigation Utilizing Citespace 2024-Jul-04, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100162 PMID:38971228	研究论文	本研究展示了康复科学与人工智能（AI）技术交叉的科学计量分析	研究通过Citespace工具可视化和量化AI在康复科学中的应用，揭示了该领域的研究趋势和影响	尽管分析提供了有价值的见解，但数据仅来源于Web of Science数据库，可能存在选择偏差	探索人工智能在康复科学中的应用及其发展趋势	基于2002年至2022年间与康复科学及人工智能相关的出版物进行分析	数字病理学	NA	科学生物信息学	NA	文献数据	分析涉及2002至2022年间的多篇学术论文
1014	2024-08-05	DenseNet model incorporating hybrid attention mechanisms and clinical features for pancreatic cystic tumor classification 2024-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14380 PMID:38715381	研究论文	本研究旨在开发一种深度学习模型，以区分胰腺浆液囊肿肿瘤和粘液囊肿肿瘤	提出了一种结合混合注意力机制和临床特征的DenseNet模型，以提高分类精度	本研究的数据集可能存在样本量限制，影响模型的广泛适用性	探讨如何利用临床特征和影像结果提高胰腺囊肿肿瘤的分类准确度	207例浆液囊肿肿瘤患者和93例粘液囊肿肿瘤患者的影像数据	计算机视觉	胰腺癌	深度学习	DenseNet-161	图像	207例SCN和93例MCN，共1761幅图像
1015	2024-08-05	Predicting glycan structure from tandem mass spectrometry via deep learning 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02314-6 PMID:38951670	研究论文	本研究介绍了CandyCrunch，一种通过深度学习从质谱数据预测糖基结构的工具	该文献创新性地提出了一种深度学习模型，能在几秒钟内预测糖基结构，并达到90.3%的准确率	暂无讨论具体的局限性信息	研究旨在解决糖基结构注释中的瓶颈，以促进高通量糖组学	研究对象为糖类及其结构的预测	数字病理学	NA	液相色谱-质谱联用 (LC-MS/MS)	扩张残差神经网络	质谱数据	500,000个注释的MS/MS光谱
1016	2024-08-05	Automatic segmentation of dura for quantitative analysis of lumbar stenosis: A deep learning study with 518 CT myelograms 2024-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14378 PMID:38729652	研究论文	本研究开发了一种自动分割脊髓硬膜的工具，用于对腰椎狭窄进行定量分析	创新之处在于利用深度学习算法实现了CTM图像中脊髓硬膜的自动轮廓描绘工具	研究样本仅限于腹股沟CTM影像，可能影响结果的通用性	本研究旨在开发一种用于腰椎狭窄患者CTM影像定量分析的自动硬膜轮廓工具	研究对象为518例CTM影像，包括有腰椎狭窄和没有腰椎狭窄的病例	数字病理学	腰椎狭窄	深度学习	3D U-Net	影像	518例CTM影像
1017	2024-08-05	A deep learning-based 3D Prompt-nnUnet model for automatic segmentation in brachytherapy of postoperative endometrial carcinoma 2024-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14371 PMID:38682540	研究论文	本研究创建并评估了一种基于深度学习的3D Prompt-nnUnet模块，用于术后子宫内膜癌患者高剂量率近距离放疗中的自动分割。	引入了一种新的基于提示的模型，结合3D nnUnet进行高风险临床靶区和风险器官的快速一致的自动分割。	研究的样本量限制在特定的患者群体，可能影响结果的广泛适用性。	评估新模型在术后子宫内膜癌患者高剂量率近距离放疗中自动分割的有效性。	321名子宫内膜癌患者的CT扫描用于高风险临床靶区分割；125名患者的CT扫描用于风险器官分割。	数字病理学	子宫内膜癌	CT扫描	3D Prompt-nnUnet	图像	321个CT扫描用于HR CTV分割，125个CT扫描用于OAR分割
1018	2024-08-05	Predicting response to neoadjuvant chemotherapy for colorectal liver metastasis using deep learning on prechemotherapy cross-sectional imaging 2024-Jul, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.27673 PMID:38712939	研究论文	本研究使用深度学习模型预测结直肠肝转移患者对新辅助化疗的反应	采用基于图像的深度学习模型，其预测效果优于临床模型	研究主要集中在特定患者群体，可能无法广泛推广	预测结直肠肝转移患者对新辅助化疗的反应	成年结直肠肝转移患者	机器学习	结直肠癌	计算机断层扫描（CT）	深度学习模型（DLM）	图像	95名患者，33,619幅图像
1019	2024-08-05	Data-driven regularization lowers the size barrier of cryo-EM structure determination 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02304-8 PMID:38862790	研究论文	本研究探讨了如何通过深度学习改善图像对齐，以克服电子冷冻显微镜的结构确定中的粒子大小限制	提出了一种称为Blush正则化的新方法，通过去噪卷积神经网络提高了蛋白质-核酸复合物的重建质量	研究可能受限于深度学习模型的训练数据集的多样性和数量	研究如何通过深度学习技术提高电子冷冻显微镜的结构重建能力	针对电子冷冻显微镜中的蛋白质-核酸复合物进行研究	数字病理学	NA	深度学习，去噪卷积神经网络	卷积神经网络	图像	使用了来自电子显微镜数据银行的多个半集合重建数据对
1020	2024-08-05	Deep Learning-Based Vascular Aging Prediction From Retinal Fundus Images 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.10 PMID:38984914	研究论文	本研究建立并验证了一种使用视网膜眼底图像筛查血管老化的深度学习模型	Reti-aging评分模型提供了一种新颖的方法用于预测血管老化，尤其适用于不发达地区	目前的方法在发达地区外使用受限，且临床专家的准确性较低	研究目的在于通过视网膜眼底图像预测血管老化	使用8865张视网膜眼底图像及4376名患者的临床参数进行研究	计算机视觉	心血管疾病	深度学习	NA	图像	8865张视网膜眼底图像和4376名患者