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
601	2024-10-26	Detecting clinical medication errors with AI enabled wearable cameras 2024-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01295-2 PMID:39438764	研究论文	本文介绍了一种利用AI和可穿戴摄像头自动检测临床用药错误的新系统	首次开发了用于自动检测潜在用药错误的可穿戴摄像头系统，并创建了首个大规模视频数据集	NA	开发和评估一种自动检测临床用药错误的系统	临床用药错误，特别是注射器和药瓶上的药品标签	计算机视觉	NA	深度学习算法	NA	视频	418次药物抽取事件，涉及13名麻醉科医生，2家医院，17个手术室，55天
602	2024-10-26	Spatial attention-based CSR-Unet framework for subdural and epidural hemorrhage segmentation and classification using CT images 2024-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01455-6 PMID:39438833	研究论文	本文提出了一种基于空间注意力机制的CSR-Unet框架，用于CT图像中硬膜下和硬膜外出血的分割与分类	本文引入了空间注意力机制的CSR-Unet模型，以提高特征提取的效率和分割精度	NA	开发一种自动化的方法来辅助神经外科医生进行脑出血的诊断和治疗计划制定	CT图像中的硬膜下和硬膜外出血	计算机视觉	NA	深度学习	CSR-Unet	图像	NA
603	2024-10-25	A lightweight model design approach for few-shot malicious traffic classification 2024-Oct-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73342-7 PMID:39433748	研究论文	本文提出了一种轻量级的小样本恶意流量分类方法	通过改进传统的迁移学习，将源模型分割为公共和私有特征提取器，并采用对抗网络引导原则进行再训练，增强了模型的泛化能力	NA	解决当前深度学习方法在恶意流量分类中数据需求量大和计算资源不足的问题	恶意流量分类	机器学习	NA	迁移学习	对抗网络	流量数据	每类不超过15个样本
604	2024-10-26	A novel intelligent fault diagnosis method for gearbox based on multi-dimensional attention denoising convolution 2024-Oct-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75522-x PMID:39433807	研究论文	提出了一种基于多维注意力去噪卷积的新型智能齿轮箱故障诊断方法	引入多尺度深度可分离卷积模块和残差通道注意力模块，提高了故障特征提取和噪声抑制能力	NA	解决旋转机械振动数据中的噪声和多尺度故障特征提取问题	齿轮箱故障诊断	机器学习	NA	卷积神经网络	多维融合残差注意力网络（MFRANet）	振动数据	齿轮箱故障数据集
605	2024-10-26	iDLB-Pred: identification of disordered lipid binding residues in protein sequences using convolutional neural network 2024-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75700-x PMID:39433833	研究论文	本文提出了一种基于卷积神经网络的预测模型iDLB-Pred，用于识别蛋白质序列中的无序脂质结合残基	首次使用卷积神经网络等深度学习方法来预测蛋白质序列中的无序脂质结合残基	需要进一步验证模型在不同数据集上的泛化能力	开发一种高效的计算方法来预测蛋白质序列中的无序脂质结合残基	蛋白质序列中的无序脂质结合残基	机器学习	NA	卷积神经网络	卷积神经网络	蛋白质序列	使用了基准数据集进行特征提取和模型训练
606	2024-10-26	MIDC: Medical image dataset cleaning framework based on deep learning 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38910 PMID:39444398	研究论文	本文提出了一种基于深度学习的医疗图像数据集清洗框架MIDC，旨在通过自动清理错误标注的数据来提高公共数据集的质量	MIDC框架的创新点包括：利用多个相同疾病的公共数据集，通过不同的CNN自动识别图像并移除错误标注的数据；设计了一种新的分级规则，将数据集分为高精度和低精度数据集；设计了一个基于CNN的数据清洗模块，使用高精度数据集识别和清理低精度数据集	NA	提高医疗图像数据集的质量，以提升基于这些数据集训练的诊断模型的准确性	医疗图像数据集中的错误标注数据	计算机视觉	NA	深度学习	CNN	图像	使用了四种数据集：糖尿病视网膜、病毒性肺炎、乳腺癌和皮肤癌
607	2024-10-26	Development and Multinational Validation of an Ensemble Deep Learning Algorithm for Detecting and Predicting Structural Heart Disease Using Noisy Single-lead Electrocardiograms 2024-Oct-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.07.24314974 PMID:39417103	研究论文	开发并跨国验证了一种基于单导联心电图的深度学习算法，用于检测和预测结构性心脏病	提出了一种新的模型，能够从便携式/可穿戴设备获取的噪声单导联心电图中检测和预测多种结构性心脏病	NA	开发和验证一种能够在社区筛查中检测和预测结构性心脏病的AI算法	单导联心电图和结构性心脏病	机器学习	心血管疾病	深度学习	深度学习算法	心电图	266,740份心电图数据，来自99,205名患者
608	2024-10-26	AbDPP: Target-oriented antibody design with pretraining and prior biological structure knowledge 2024-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26676 PMID:38441337	研究论文	提出了一种基于深度学习算法的新方法AbDPP，用于生成抗体序列，结合预训练模型和生物结构知识，以提高抗体设计和筛选效率	整合了预训练的抗体模型和生物区域信息，利用大量抗体序列数据和复杂的生物系统理解生成序列，并优化抗体属性评估模型以生成更精确的序列	未提及具体限制	克服传统抗体发现方法的局限性，提高抗体设计和筛选效率	抗体序列生成和优化	机器学习	NA	深度学习算法	预训练模型	抗体序列数据	未提及具体样本数量
609	2024-10-26	Fusion model of gray level co-occurrence matrix and convolutional neural network faced for histopathological images 2024-Oct-01, The Review of scientific instruments DOI:10.1063/5.0216417 PMID:39451106	研究论文	本文提出了一种结合灰度共生矩阵和卷积神经网络的融合模型，用于组织病理图像的分类	通过提取灰度共生矩阵的特征并与原始图像融合，提高了分类模型的准确性和性能	NA	提高组织病理图像分类的准确性和辅助癌症诊断	组织病理图像的分类	计算机视觉	NA	卷积神经网络	CNN	图像	训练集包含1500张图像，验证集和测试集各包含500张图像
610	2024-10-25	PET image reconstruction using weighted nuclear norm maximization and deep learning prior 2024-Oct-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad841d PMID:39374634	研究论文	本文提出了一种基于加权核范数最大化与深度学习先验的PET图像重建方法	本文的创新点在于在PET图像重建中应用了加权核范数最大化而非最小化，并使用神经网络控制由加权核范数最大化产生的噪声	NA	旨在提高PET图像重建的质量，特别是在低剂量情况下的图像细节恢复和噪声抑制	PET图像重建问题	计算机视觉	NA	加权核范数最大化	神经网络	图像	包括模拟数据集和临床数据集
611	2024-10-25	Olfactory Visualization Sensing Array Made with CelluMOFs to Predict Fruit Ripeness Using Deep Learning 2024-Oct-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c09402 PMID:39403818	研究论文	本文开发了一种基于CelluMOFs的嗅觉可视化传感阵列，结合深度学习技术用于预测水果成熟度	首次将CelluMOFs与DenseNet结合，用于高灵敏度和准确性的水果成熟度检测	NA	开发一种高灵敏度和准确性的嗅觉可视化传感系统，用于检测水果成熟度	水果成熟度	计算机视觉	NA	深度学习	DenseNet	图像	九种特征水果气味
612	2024-10-25	Simultaneous segmentation and classification of 99mTc-DMSA renal scintigraphic images with a deep learning approach 2024-Oct-22, EJNMMI reports DOI:10.1186/s41824-024-00223-7 PMID:39433648	研究论文	本研究测试了Mask R-CNN在99mTc-DMSA肾闪烁成像中诊断急性肾盂肾炎（APN）和分割肾脏的可行性和准确性	本研究首次将Mask R-CNN应用于99mTc-DMSA肾闪烁成像的分割和分类，展示了其在诊断APN和肾脏分割方面的潜力	本研究的样本量较小，仅包括260名患者，未来需要更大规模的研究来验证模型的泛化能力	测试Mask R-CNN在99mTc-DMSA肾闪烁成像中诊断APN和分割肾脏的准确性	99mTc-DMSA肾闪烁成像中的肾脏分割和APN诊断	计算机视觉	泌尿系统疾病	深度学习	Mask R-CNN	图像	260名疑似APN患者，其中358个肾脏被诊断为APN
613	2024-10-25	Deep learning reconstruction of diffusion-weighted brain MRI for evaluation of patients with acute neurologic symptoms 2024-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75011-1 PMID:39433559	研究论文	本文评估了深度学习加速的扩散加权成像（DWI）在急性神经系统症状患者中的临床可行性	深度学习算法显著缩短了DWI的扫描时间，同时保持了可接受的图像质量	深度学习DWI显示出更多的伪影，且ADC值略低于传统DWI	评估深度学习加速的DWI在急性神经系统症状患者中的临床应用	321名急性中风样症状患者的脑部DWI图像	计算机视觉	神经系统疾病	深度学习	NA	图像	321名患者
614	2024-10-25	A deep learning based assisted analysis approach for Sjogren's syndrome pathology images 2024-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75925-w PMID:39433593	研究论文	本研究开发了一种基于深度学习的辅助分析方法，用于诊断干燥综合征病理图像	本研究设计了多维注意力模块和S-MPDIoU损失函数，以提高YOLOv8的检测性能，并通过引入角度惩罚项和灵活的尺度因子来加速收敛	本研究仅使用了烟台山医院的唇腺活检病理图像数据集，数据来源较为单一	本研究的目的是利用深度学习技术提高干燥综合征病理诊断的准确性和效率	本研究主要针对干燥综合征的病理图像进行分析	计算机视觉	干燥综合征	深度学习	YOLOv8	图像	本研究使用了来自烟台山医院的唇腺活检病理图像数据集
615	2024-10-25	A hybrid approach of vision transformers and CNNs for detection of ulcerative colitis 2024-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75901-4 PMID:39433818	研究论文	提出了一种结合视觉变换器和卷积神经网络的混合方法，用于检测溃疡性结肠炎	使用自定义的视觉变换器架构进行全面的特征提取，并通过自定义的卷积神经网络进行准确分类，以解决类别不平衡问题	未提及具体限制	开发一种准确检测溃疡性结肠炎的方法，以改善诊断和治疗效果	溃疡性结肠炎的自动检测	计算机视觉	炎症性肠病	视觉变换器（ViT）和卷积神经网络（CNN）	混合模型	图像	使用了TMC-UCM和LIMUC数据集进行训练和测试
616	2024-10-25	Overcoming photon and spatiotemporal sparsity in fluorescence lifetime imaging with SparseFLIM 2024-Oct-21, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07080-x PMID:39433929	研究论文	本文介绍了一种名为SparseFLIM的新方法，用于从稀疏的光子测量中实现高保真的荧光寿命成像（FLIM）重建	开发了一种双向传播网络，能够丰富光子计数并恢复隐藏的空间-时间信息，显著提高了信号噪声比、寿命精度和相关性	NA	提高荧光寿命成像的速度和质量	荧光寿命成像中的光子稀疏性和时空稀疏性问题	计算机视觉	NA	荧光寿命成像（FLIM）	双向传播网络	光子数据	NA
617	2024-10-25	Advancing personalized oncology: a systematic review on the integration of artificial intelligence in monitoring neoadjuvant treatment for breast cancer patients 2024-Oct-21, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13049-0 PMID:39434042	综述	本文系统回顾了人工智能在乳腺癌新辅助治疗监测中的应用	探讨了人工智能在个性化肿瘤学中的应用，特别是其在监测和预测乳腺癌新辅助治疗反应中的作用	主要基于文献综述，缺乏实际临床数据的支持	揭示人工智能技术在个性化肿瘤学中的应用，特别是在乳腺癌新辅助治疗监测和预测中的作用	乳腺癌患者的新辅助治疗反应	机器学习	乳腺癌	机器学习、深度学习、统计学和混合模型	混合模型	图像	25项相关研究
618	2024-10-25	Application value of surgical navigation system based on deep learning and mixed reality for guiding puncture in percutaneous nephrolithotomy: a retrospective study 2024-Oct-21, BMC urology IF:1.7Q3 DOI:10.1186/s12894-024-01618-1 PMID:39434080	研究论文	研究基于深度学习和混合现实的手术导航系统在经皮肾镜取石术中的应用价值	首次将深度学习和混合现实技术应用于经皮肾镜取石术的导航系统中，提高了手术的准确性和安全性	研究为回顾性分析，样本量有限，未来需要更大规模的前瞻性研究验证	探讨基于深度学习和混合现实的导航系统在经皮肾镜取石术中的临床价值，并为其治疗肾结石提供理论依据	136名肾结石患者	计算机视觉	泌尿系统疾病	深度学习	NA	图像	136名肾结石患者
619	2024-10-25	SAPPNet: students' academic performance prediction during COVID-19 using neural network 2024-10-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75242-2 PMID:39427025	研究论文	提出了一种基于深度学习的模型SAPPNet，用于预测学生在COVID-19期间的学习成绩	引入了空间卷积模块和时间模块，分别提取静态特征和时间依赖性，以提高预测性能	未提及具体限制	提高教育管理中对学生成绩的预测准确性	学生在COVID-19期间的学习成绩	机器学习	NA	深度学习	卷积神经网络	问卷调查数据	使用了约旦大学的数据集，包含学生的人口统计信息、数字工具使用情况、睡眠时间、社交互动、心理状态和学术表现
620	2024-10-25	Deep plug-and-play MRI reconstruction based on multiple complementary priors 2024-Oct-16, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110244 PMID:39419362	研究论文	提出了一种基于多种互补先验的深度插拔式MRI重建模型，结合传统低秩矩阵恢复方法和深度学习方法，以提高重建质量	整合了全局、局部和非局部先验信息，通过矩阵核范数捕捉全局特征，使用深度卷积神经网络去噪器和BM3D算法分别保留局部细节和结构纹理	未提及具体限制	加速MRI技术并提高图像重建质量	MRI图像重建	计算机视觉	NA	MRI重建	CNN	图像	未提及具体样本数量