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
1141	2024-08-05	LMBiS-Net: A lightweight bidirectional skip connection based multipath CNN for retinal blood vessel segmentation 2024-07-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63496-9 PMID:38956117	研究论文	本文介绍了一种轻量级神经网络LMBiS-Net，旨在实现视网膜血管的分割。	LMBiS-Net采用了多路径特征提取块和双向跳跃连接，显著提高了模型的计算效率和准确性。	尽管在多个数据集上表现出色，但对一些未见数据的表现仍需进一步验证。	本文旨在优化视网膜血管分割的技术，以应对现有方法的局限性。	研究对象为视网膜血管，主要利用公开数据集进行评估。	数字病理学	NA	卷积神经网络 (CNN)	LMBiS-Net	图像	使用了四个公开数据集：DRIVE, STARE, CHASE_DB1, 和 HRF
1142	2024-08-05	A fine-grained dataset for sewage outfalls objective detection in natural environments 2024-Jul-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03574-9 PMID:38956054	研究论文	本文提出了一种高质量的数据集，用于在自然环境中检测污水排放口	创建了名为iSOOD的数据集，专门用于污水排放口的目标检测	目前的研究没有提及现有数据集的不足之处	开发自动化的污水排放口检测工具以改善河流治理	使用无人机和手持相机拍摄的污水排放口图像数据集	计算机视觉	NA	深度学习	YOLOv10	图像	10481张图像
1143	2024-08-05	Deep learning pneumoconiosis staging and diagnosis system based on multi-stage joint approach 2024-Jul-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01337-x PMID:38956579	研究论文	本研究开发了一种基于多阶段联合深度学习的方法，用于肺尘埃病的筛查和分期诊断	提出了一种创新的多阶段联合深度学习方法，以提高肺尘埃病分期的诊断准确性	未提及特定的局限性	研究肺尘埃病的计算机辅助诊断系统	对498例肺尘埃病患者的胸部X光影像进行分析	计算机视觉	肺尘埃病	深度学习	Efficient-Net与Res-Net 34	医学影像	498份胸部X光影像
1144	2024-08-07	Correction: Improving the enzymatic activity and stability of N‑carbamoyl hydrolase using deep learning approach 2024-Jul-02, Microbial cell factories IF:4.3Q1 DOI:10.1186/s12934-024-02461-7 PMID:38956633	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1145	2024-08-05	Rapid diagnosis of celiac disease based on plasma Raman spectroscopy combined with deep learning 2024-07-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64621-4 PMID:38956075	研究论文	本研究利用拉曼光谱结合深度学习模型实现对乳糜泻的快速非侵入性诊断	将拉曼光谱与深度学习模型相结合，为乳糜泻提供了一种新的快速诊断方法	样本数量相对较小，未来需要更大规模的研究来验证结果	旨在快速有效地区分健康个体与乳糜泻患者，以便早期诊断和治疗	包括29例乳糜泻患者及30例健康对照的血浆样本	医疗影像学	乳糜泻	拉曼光谱	卷积神经网络 (CNN) 等	血浆样本	共59个样本，包括29例乳糜泻患者和30例健康对照
1146	2024-08-05	A comparative analysis of deep learning and hybrid iterative reconstruction algorithms with contrast-enhancement-boost post-processing on the image quality of indirect computed tomography venography of the lower extremities 2024-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01342-0 PMID:38956583	研究论文	本文比较了深度学习重建算法和混合迭代重建算法在下肢间接计算机断层静脉造影图像质量上的差异	本研究首次证明使用深度学习重建算法结合CE-boost技术能显著降低图像噪声并提高图像质量	该研究为回顾性研究，可能存在选择偏倚，且样本尺寸相对较小	评估深度学习与混合算法对间接计算机断层静脉造影图像质量的影响	70名接受下肢CTV检查的深静脉血栓和静脉曲张患者	数字病理学	NA	计算机断层成像（CT）	深度学习重建（DLR）和混合迭代重建（HIR）	图像	70名患者
1147	2024-08-05	Predicting sexually transmitted infections among men who have sex with men in Zimbabwe using deep learning and ensemble machine learning models 2024-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000541 PMID:38959248	研究论文	本研究使用深度学习和集成机器学习模型预测津巴布韦男男性接触者的性传播感染（STI）	结合多层感知器（MLP）、极端随机树（ExtraTrees）和XGBoost模型进行STI预测，并使用合成少数类过采样技术（SMOTE）解决类别不平衡问题	该研究的样本数据来源于津巴布韦，可能不适用于其他地区的人群	研究旨在预测男男性接触者的性传播感染	研究对象为1538名津巴布韦的男男性接触者	机器学习	性传播感染	深度学习和机器学习模型	多层感知器（MLP）、极端随机树（ExtraTrees）、XGBoost	生物行为调查数据（BBS）	1538名男男性接触者
1148	2024-08-05	Enhancing image quality in computed tomography angiography follow-ups after endovascular aneurysm repair: a comparative study of reconstruction techniques 2024-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01343-z PMID:38956470	研究论文	该研究评估了在血管内动脉瘤修复后使用单能金属伪影减少技术（SEMAR）和深度学习图像重建技术（AiCE）对计算机断层扫描血管造影图像质量的影响	结合使用AiCE和SEMAR技术可显著改善图像质量，比其他重建方法表现更佳	该研究是回顾性分析，样本量相对较小，可能影响结果的广泛适用性	提升在血管内动脉瘤修复后计算机断层扫描血管造影图像的质量	47名接受了血管内动脉瘤修复后计算机断层扫描检查的患者	数字病理学	NA	单能金属伪影减少（SEMAR）、深度学习图像重建（AiCE）	NA	图像	47名患者
1149	2024-08-05	Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases 2024-Jul-02, Cell metabolism IF:27.7Q1 DOI:10.1016/j.cmet.2024.05.012 PMID:38959862	研究论文	该文章探讨了面部温度与衰老和代谢疾病的关系	提出了一种新的热面部影像分析方法ThermoFace，并开发了相应的衰老和疾病预测模型	研究仅涉及汉族个体，可能限制了结果的普遍性	研究面部温度与衰老速度及衰老相关疾病的潜在关联	收集了2811名20至90岁汉族个体的面部热影像	数字病理学	代谢疾病	深度学习	ThermoFace深度学习模型	热影像	2811名汉族个体
1150	2024-08-05	Deep Learning-based Hierarchical Brain Segmentation with Preliminary Analysis of the Repeatability and Reproducibility 2024-Jul-02, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0124 PMID:38960679	研究论文	本研究开发了一种基于深度学习的层次脑分割方法，用于对T1加权MR图像进行分割并计算各子区域体积。	提出了一种新颖的层次脑分割方法，能够同时进行高效的分割和体积估算，并显示出其在重复性和再现性方面优于现有工具。	该研究未涉及其他类型的脑部影像数据和更多的样本量进行验证。	评估基于深度学习的层次脑分割方法的体积估算重复性和再现性。	使用486名受试者的T1WI和脑掩模对脑子区域进行分割。	数字病理学	NA	深度学习	NA	图像	486名受试者，11名健康受试者的脑部3D-T1WI扫描数据
1151	2024-08-05	Deep Learning-Enabled Quantification of 99mTc-Pyrophosphate SPECT/CT for Cardiac Amyloidosis 2024-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267542 PMID:38724278	研究论文	本研究评估了一种深度学习方法，以实现99mTc-焦磷酸盐SPECT/CT成像的完全自动化定量分析。	提出了一种基于深度学习的自动分割CT衰减图的心脏影像定量方法，克服了主观性和繁琐手动量化的局限。	研究中未提及样本多样性及其对结果的影响。	旨在改进心脏淀粉样变性（ATTR CA）诊断中的影像定量方法。	参与研究的299名患者均为疑似心脏淀粉样变性而接受了SPECT/CT成像的个体。	数字病理学	心脏淀粉样变性	SPECT成像	深度学习模型	影像	299名患者
1152	2024-08-05	Is Automatic Tumor Segmentation on Whole-Body 18F-FDG PET Images a Clinical Reality? 2024-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267183 PMID:38844359	评论	本文探讨了使用F-FDG PET/CT图像进行自动化全身肿瘤分割在肿瘤诊断中的重要转变	突出人工智能和深度学习技术在自动化肿瘤分割中的应用	存在数据多样性、验证需求和监管障碍等挑战	研究自动化肿瘤分割在临床中的应用潜力	聚焦于F-FDG PET/CT图像的肿瘤分割问题	计算机视觉	肿瘤	深度学习	NA	医学图像	NA
1153	2024-08-05	Semantic and traditional feature fusion for software defect prediction using hybrid deep learning model 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65639-4 PMID:38951608	研究论文	本文提出了一种新颖的缺陷预测模型，通过混合深度学习方法结合传统和语义特征	提出了一种混合CNN-MLP分类器，结合了从抽象语法树提取的语义特征和传统特征	只使用单一特征种类会对预测性能产生负面影响	旨在找到一种可靠的方法，预测特定软件项目中的缺陷	软件缺陷预测模型	计算机视觉	NA	混合深度学习	CNN-MLP	开源项目数据	多个开源项目
1154	2024-08-05	Analysis of banana plant health using machine learning techniques 2024-07-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63930-y PMID:38951552	研究论文	本文旨在通过机器学习技术分析香蕉植物健康状况。	提出了两种结合人工神经网络（ANN）与尺度不变特征变换（SIFT）模型或方向梯度直方图（HOG）与局部二值模式（LBP）模型的替代模型，以提高香蕉叶病害识别的性能。	现有的卷积神经网络（CNN）模型在旋转和尺度不变性方面存在不足，且不能与特征提取方法结合使用。	推进对香蕉叶病害的预测和检测的理解，并刺激相关研究的进展。	研究对象为香蕉叶及其病害。	机器学习	NA	机器学习	人工神经网络（ANN）	图像	NA
1155	2024-08-05	Enhancing tunnel crack detection with linear seam using mixed stride convolution and attention mechanism 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65909-1 PMID:38951575	研究论文	提出了一种基于深度学习的隧道衬砌裂缝检测新方法	引入了改进的注意机制和混合条纹卷积模块，提高了裂缝检测的准确性	未提及具体的局限性	提升隧道衬砌结构中裂缝的检测精度	隧道衬砌结构中的裂缝	计算机视觉	NA	深度学习	U型网络	图像	使用了Tunnel200、Crack500和DeepCrack数据集
1156	2024-08-05	Evaluating surgical expertise with AI-based automated instrument recognition for robotic distal gastrectomy 2024-Jul, Annals of gastroenterological surgery IF:2.9Q2 DOI:10.1002/ags3.12784 PMID:38957567	研究论文	本文探讨了一种新颖的人工智能模型如何通过识别手术器械来评估机器人辅助远端胃切除术的外科技能。	本研究首次报告了可以成功且准确地通过AI模型来评估机器人辅助远端胃切除术的外科技能。	本研究仅分析了55个手术视频，样本量可能较小。	研究的目的是评估外科医生在机器人辅助远端胃切除术中的手术技能。	研究对象为进行胃癌机器人手术的外科医生及其操作视频。	医学影像处理	胃癌	深度学习	多阶段时序卷积网络 (Deeplab)	视频	55个机器人手术视频，1234个手动注释图像和149个测试图像
1157	2024-08-05	Can artificial intelligence replace endoscopists when assessing mucosal healing in ulcerative colitis? A systematic review and diagnostic test accuracy meta-analysis 2024-Jul, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2023.11.005 PMID:38057218	meta-analysis	该文章系统评价了人工智能在评估溃疡性结肠炎黏膜愈合中的可替代性	本文创新性地探讨了深度学习算法在评估溃疡性结肠炎黏膜愈合中的表现，并提出标准化的AI训练以降低系统间的异质性	研究中观察到中等到高水平的异质性，限制了证据的质量	探讨人工智能是否能替代内镜医生评估溃疡性结肠炎中的黏膜愈合	主要研究对象为溃疡性结肠炎患者的黏膜愈合评估	自然语言处理	溃疡性结肠炎	深度学习	卷积神经网络	影像	12个研究
1158	2024-08-05	The impact of large language models on radiology: a guide for radiologists on the latest innovations in AI 2024-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01552-0 PMID:38551772	综述	本文探讨了大型语言模型在放射学领域的最新创新及其影响	文章强调了大型语言模型在自动化和优化放射学工作流程方面的潜力	大型语言模型仍存在信息幻觉和偏见等未解决的挑战，影响临床可靠性	帮助放射学家理解并利用大型语言模型的潜力，同时保持医疗安全与伦理	针对放射学的技术创新与应用	计算机视觉	NA	深度学习	大型语言模型	图像	NA
1159	2024-08-07	The Road to Robust and Automated Strain Measurements in Echocardiography by Deep Learning 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.02.015 PMID:38613555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1160	2024-08-05	Semi-Supervised Multimodal Representation Learning Through a Global Workspace 2024-Jul-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3416701 PMID:38954575	研究论文	本研究评估了一种基于‘全球工作空间’概念的神经网络架构，旨在实现多模态表示学习.	该架构允许通过自监督学习实现多模态对齐和信号转换，且使用的匹配数据需求显著低于完全监督的方法.	本研究未详细探讨该模型在极端复杂数据集上的表现.	探索如何通过稀疏的跨模态数据经历来学习有效的多模态表示.	针对视觉-语言模态对的多模态数据进行研究.	机器学习	NA	自监督学习	神经网络架构	图像和文本	使用了不同复杂度的两个数据集，具体样本数未指定