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
621	2024-08-24	Handover for V2V communication in 5G using convolutional neural networks 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35269 PMID:39170130	研究论文	本文研究了在5G环境下使用卷积神经网络（CNN）进行车辆到车辆（V2V）通信的切换技术	提出了一种基于通道特征的新型水平切换预测方法，并使用VGG19深度学习模型通过迁移学习进行车辆检测和障碍识别	NA	旨在改善交通流量和道路安全，通过实时数据传输提高车辆通信效率	车辆通信系统及其在5G环境下的性能	计算机视觉	NA	卷积神经网络（CNN）	VGG19	图像	NA
622	2024-08-24	Novel digital-based approach for evaluating wine components' intake: A deep learning model to determine red wine volume in a glass from single-view images 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35689 PMID:39170194	研究论文	本文开发了一种基于深度学习的方法，用于从单视角图像中确定红葡萄酒的体积，并将其应用于通过网络服务进行的消费者研究	提出了一种新颖的数字方法，通过深度学习模型从单视角图像中准确估计红葡萄酒的体积	在实际图像数据集中的平均绝对误差较高（26 mL），可能影响其在实际应用中的准确性	开发一种新的方法来准确评估葡萄酒成分的摄入量	红葡萄酒的体积及其成分摄入量	计算机视觉	NA	深度学习	深度学习模型	图像	38名参与者
623	2024-08-24	Efficient state of charge estimation of lithium-ion batteries in electric vehicles using evolutionary intelligence-assisted GLA-CNN-Bi-LSTM deep learning model 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35183 PMID:39170306	研究论文	本文介绍了一种创新的混合深度学习架构，用于提高电动汽车中锂离子电池的荷电状态（SoC）估计精度	该模型独特地结合了卷积神经网络（CNN）和双向长短期记忆（Bi-LSTM），并通过进化智能进行优化，特别是应用了群体学习算法（GLA）来精细调整CNN-Bi-LSTM网络的超参数	NA	提高电动汽车中锂离子电池的荷电状态估计精度	锂离子电池的荷电状态估计	机器学习	NA	群体学习算法（GLA）	CNN-Bi-LSTM	电池数据	六个不同数据集，代表多种电动汽车放电曲线
624	2024-08-24	Optimizing computed tomography image reconstruction for focal hepatic lesions: Deep learning image reconstruction vs iterative reconstruction 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34847 PMID:39170325	研究论文	本研究比较了深度学习图像重建（DLIR）与迭代重建（IR）技术在评估肝局灶性病变中的诊断性能	深度学习图像重建技术能够减少图像噪声，提高图像质量，并降低辐射剂量	高强度DLIR虽然噪声最少且伪影最少，但在病变边界和整体图像质量方面得分最低	比较DLIR和IR在评估肝局灶性病变中的诊断性能	216个肝局灶性病变在109名成年参与者中的诊断性能	计算机视觉	肝病	深度学习图像重建（DLIR）和迭代重建（IR）	NA	图像	216个肝局灶性病变，109名成年参与者
625	2024-08-24	Artificial intelligence-based predictive model for guidance on treatment strategy selection in oral and maxillofacial surgery 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35742 PMID:39170321	研究论文	本文探讨了深度学习（DL）和机器学习（ML）在口腔颌面外科手术中应用的预测模型	DL和ML能够帮助外科医生通过分析患者的病史、影像数据和手术记录来评估预后，制定更有效的治疗策略，选择合适的手术方式，并评估术后并发症的风险	DL和ML面临数据漂移、模型结果不稳定和社会信任脆弱等限制	开发预测模型以辅助口腔颌面外科手术中的治疗策略选择	口腔颌面外科手术中的肿瘤诊断和治疗以及正颌手术	机器学习	NA	深度学习（DL）和机器学习（ML）	预测模型	影像数据、病史记录和手术记录	NA
626	2024-08-24	Enhanced deep learning models for automatic fish species identification in underwater imagery 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35217 PMID:39170344	研究论文	本研究提出了一种两阶段的深度学习方法，用于自动识别水下图像中的鱼类物种	使用Unsharp Mask Filter进行图像预处理，并结合增强的区域全卷积网络和改进的ShuffleNetV2模型进行鱼类检测和分类	NA	提高水下图像中鱼类物种识别的准确性和效率	水下图像中的鱼类物种	计算机视觉	NA	深度学习	区域全卷积网络（R-FCN）和改进的ShuffleNetV2	图像	Fish4knowledge数据集
627	2024-08-24	Deep learning-based corrosion inspection of long-span bridges with BIM integration 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35308 PMID:39170363	研究论文	本文研究了一种基于深度学习的方法，用于自动测量长跨桥梁腐蚀部位的位置和面积，并通过BIM（建筑信息模型）集成来提高桥梁管理的效率	本文创新地结合了深度学习技术和BIM模型，实现了对桥梁腐蚀部位的自动检测和测量	本文未提及该方法在不同环境条件下的适用性和准确性	提高基础设施维护的效率和自动化水平，特别是针对日本老化基础设施的检测和管理	长跨桥梁的腐蚀检测和维护	计算机视觉	NA	深度学习	NA	图像	实际长跨桥梁
628	2024-08-24	Discovery of Potent Selective HDAC6 Inhibitors with 5-Phenyl-1H-indole Fragment: Virtual Screening, Rational Design, and Biological Evaluation 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01052 PMID:39042494	研究论文	本文通过虚拟筛选、理性设计和生物评估，发现了一种含有5-苯基-1H-吲哚片段的高效选择性HDAC6抑制剂。	本文采用深度学习模型、分子对接和分子动力学模拟技术进行理性药物设计，发现了一种具有良好细胞毒性的新型HDAC6抑制剂。	NA	发现具有理想疗效且毒副作用小的选择性HDAC6抑制剂，以应用于肿瘤治疗。	HDAC6抑制剂及其在肿瘤细胞中的作用机制。	药物设计	肿瘤	深度学习模型、分子对接、分子动力学模拟	NA	分子结构	多种肿瘤细胞系
629	2024-08-24	Kinetics and coexistence of autocatalytic reaction cycles 2024-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69267-w PMID:39117739	研究论文	研究了在资源无限和资源有限的系统中，自催化反应循环的动力学及其共存问题	展示了深度学习能够从拓扑结构和动力学速率常数预测竞争结果	研究仅限于特定类型的自催化循环，未涉及更复杂的耦合如互催化	探讨自催化反应循环的形成条件及其操作速度	自催化反应循环在不同系统中的动力学行为	化学	NA	深度学习	NA	NA	NA
630	2024-08-24	Investigation of heat-induced pork batter quality detection and change mechanisms using Raman spectroscopy coupled with deep learning algorithms 2024-Aug-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.140798 PMID:39173265	研究论文	本研究探讨了使用拉曼光谱结合深度学习算法快速检测猪肉面糊质量和揭示加热过程中质量变化机制的方法	本研究首次将拉曼光谱与深度学习算法结合，用于预测猪肉面糊的凝胶强度和白度，并揭示了加热过程中质量变化的机制	NA	研究目的是开发一种非破坏性工具，用于预测猪肉面糊的质量和阐明质量变化机制	猪肉面糊的质量检测和加热过程中质量变化机制	机器学习	NA	拉曼光谱	CNN, LSTM, CNN-LSTM	拉曼光谱	NA
631	2024-08-24	Markerless Motion Capture to Quantify Functional Performance in Neurodegeneration: Systematic Review 2024-Aug-06, JMIR aging IF:5.0Q1 DOI:10.2196/52582 PMID:39106477	综述	本文通过系统综述探讨了无标记运动捕捉技术在量化痴呆、轻度认知障碍和帕金森病患者功能表现中的应用	无标记运动捕捉技术提供了一种客观且不显眼的方法来监测社区环境中的功能表现	尽管有潜力，但需要进一步研究以确定无标记运动捕捉技术在现实世界中量化移动性和功能表现的临床效用	调查无标记运动捕捉技术在量化痴呆、轻度认知障碍和帕金森病患者功能表现中的应用	痴呆、轻度认知障碍和帕金森病患者	NA	神经退行性疾病	无标记运动捕捉	深度学习模型	视频	26项符合选择标准的研究
632	2024-08-24	Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning 2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400596 PMID:38887178	研究论文	本研究开发了一种粘性软皮肤传感器和基于注意力机制的深度学习算法，用于早期非酒精性脂肪肝病（NAFLD）的无创检测	通过在皮肤传感器上合成铂纳米颗粒和还原石墨量子点，降低电极-皮肤接触阻抗，提高检测准确性；引入基于注意力机制的深度学习算法，增强对早期NAFLD的识别能力	NA	开发一种非侵入性和成本效益高的方法，用于早期NAFLD的检测	早期非酒精性脂肪肝病（NAFLD）	机器学习	肝病	基于注意力机制的深度学习算法	注意力机制	阻抗信号	高脂饮食喂养的低密度脂蛋白受体敲除（Ldlr）小鼠与健康对照组
633	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-Aug-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
634	2024-08-24	Predicting tumor mutation burden and VHL mutation from renal cancer pathology slides with self-supervised deep learning 2024-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70112 PMID:39166457	研究论文	本文开发了一种自监督注意力基础的多实例学习（SSL-ABMIL）模型，用于从肾癌病理切片中预测肿瘤突变负荷（TMB）和VHL突变状态	首次使用自监督学习方法从病理图像中预测TMB和VHL突变，展示了肿瘤形态学与分子生物学之间的联系	研究仅限于肾透明细胞癌（ccRCC），且依赖于特定数据集	开发一种新模型以从病理图像中预测TMB和VHL突变，提高临床应用性	肾透明细胞癌患者的病理图像和突变数据	数字病理学	肾癌	自监督学习	SSL-ABMIL	图像	350名肾透明细胞癌患者用于模型开发，163名患者用于外部验证
635	2024-08-24	Artificial Intelligence Models Are Limited in Predicting Clinical Outcomes Following Hip Arthroscopy: A Systematic Review 2024-Aug-01, JBJS reviews IF:1.7Q2 DOI:e24.00087 PMID:39172870	系统综述	本文通过系统综述评估了人工智能模型在髋关节镜术后临床结果预测中的表现和有效性	探讨了人工智能在髋关节镜术后临床结果预测中的应用	所有模型均未进行外部验证，限制了其临床应用	评估人工智能模型在髋关节镜术后临床结果预测中的表现和有效性	髋关节镜术后的临床结果预测模型	机器学习	NA	机器学习	NA	NA	6568例
636	2024-08-23	Algorithm prediction of single particle irradiation effect based on novel TFETs 2024-Aug-22, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad6d73 PMID:39121872	研究论文	本文构建了一个深度学习算法网络模型，用于预测隧道场效应晶体管（TFET）器件的单粒子辐照效应的关键表征参数	本文采用深度学习算法，相较于五种传统机器学习方法，显示出最佳性能和最小的平均误差百分比	NA	预测隧道场效应晶体管器件的单粒子辐照效应	隧道场效应晶体管器件的单粒子辐照效应	机器学习	NA	计算机辅助设计（TCAD）	深度学习算法	电流脉冲峰值和收集电荷	NA
637	2024-08-23	Boosting-Crystal Graph Convolutional Neural Network for Predicting Highly Imbalanced Data: A Case Study for Metal-Insulator Transition Materials 2024-Aug-21, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c07851 PMID:39121441	研究论文	本文介绍了一种深度学习框架，用于预测金属-绝缘体转变（MIT）材料中的少数类材料	提出的boosting-CGCNN方法结合了晶体图卷积神经网络（CGCNN）和梯度提升算法，有效处理了MIT材料数据中的极端类别不平衡问题	NA	解决材料科学中不平衡数据集的预测问题	金属-绝缘体转变（MIT）材料	机器学习	NA	晶体图卷积神经网络（CGCNN）	卷积神经网络（CNN）	材料数据	NA
638	2024-08-23	Semi-supervised abdominal multi-organ segmentation by object-redrawing 2024-Aug-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17364 PMID:39167059	研究论文	本文提出了一种半监督学习方法，通过对象重绘网络来提高腹部多器官分割的准确性	引入了一种新的半监督学习方法，通过重绘网络来纠正分割错误并提高准确性	依赖于有限的标记数据，且需要高质量的未标记数据来提升性能	解决现有半监督学习方法在腹部多器官分割中的局限性	腹部多器官的自动分割	计算机视觉	NA	深度学习	神经网络	图像	使用了两个公开数据集：BTCV分割数据集（训练：44，验证：6）和AMOS挑战2022数据集（训练：138，验证：16）
639	2024-08-23	Enhanced IDOL segmentation framework using personalized hyperspace learning IDOL 2024-Aug-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17361 PMID:39167055	研究论文	本文介绍了一种个性化超空间学习（PHL）-IDOL分割框架，用于自动分割医学图像，以改善适应性放射治疗（ART）工作流程。	引入个性化超空间学习（PHL）-IDOL框架，能够生成诱导模型过度拟合特定患者特征的数据集，从而提高分割性能。	先前IDOL框架的局限性在于个性化数据集不足以有效过度拟合模型。	开发一种新的自动分割框架，以解决临床环境中深度学习分割方法实施的挑战。	医学图像分割，特别是适应性放射治疗中的实时或在线工作流程。	数字病理学	NA	深度学习	IDOL	图像	训练数据包括100名患者的CT图像和临床轮廓，测试数据包括20名患者。
640	2024-08-23	Deep learning applications for quantitative and qualitative PET in PET/MR: technical and clinical unmet needs 2024-Aug-21, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01199-y PMID:39167304	研究论文	本文综述了深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求，重点包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成	提出了基于深度学习的衰减校正、图像增强、运动校正等方法，并探讨了使用蒙特卡洛模拟生成大量数据集的可能性	深度学习在儿科全身PET/MR和肺部特定衰减校正的应用受限于数据短缺和技术限制；图像增强的临床价值尚未在多种放射性示踪剂中得到充分评估；运动校正需要成对的运动损坏和校正数据，但这类数据稀缺	探讨深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求，并寻找解决方案	深度学习在PET/MR中的应用，包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成	机器学习	NA	深度学习	NA	图像	NA