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
681	2024-10-20	Hyperparameter Recommendation Integrated With Convolutional Neural Network 2024-Oct-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3476439 PMID:39423079	研究论文	本文提出了一种将卷积神经网络（CNN）与超参数推荐相结合的方法	通过将卷积神经网络与学习模型集成，解决了现有元学习方法在捕捉数据特征和超参数性能关系方面的局限性	NA	开发一种有效的元学习算法，以捕捉数据特征与超参数性能之间的内在关系	超参数推荐	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	数据集特征	400个真实分类问题和著名的支持向量机（SVM）
682	2024-10-20	DPI-MoCo: Deep Prior Image Constrained Motion Compensation Reconstruction for 4D CBCT 2024-Oct-18, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3483451 PMID:39423082	研究论文	提出了一种名为DPI-MoCo的深度先验图像约束运动补偿框架，用于4D CBCT图像重建	该框架将4D CBCT重建分解为粗略图像恢复和结构细节微调两个子任务，无需配对数据集，确保临床实用性	NA	解决4D CBCT图像重建中由于稀疏采样数据导致的严重条纹伪影问题	4D CBCT图像重建	计算机视觉	肺癌	生成对抗网络、对比学习、运动估计和补偿技术	生成对抗网络	图像	NA
683	2024-10-20	Cleavage-Stage Embryo Segmentation Using SAM-Based Dual Branch Pipeline: Development and Evaluation with the CleavageEmbryo Dataset 2024-Oct-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae617 PMID:39423150	研究论文	本文介绍了一种基于SAM的双分支分割管道，用于自动分割卵裂期胚胎中的卵裂球	提出了基于SAM的双分支分割管道，结合实例分割和语义分割，以提高卵裂期胚胎的分割精度	缺乏公开的卵裂期胚胎数据集，需要自行构建数据集	开发一种自动化的方法来分割卵裂期胚胎，以提高体外受精过程中胚胎选择的准确性	卵裂期胚胎中的卵裂球和碎片	计算机视觉	NA	深度学习	SAM	图像	CleavageEmbryo数据集包含人类卵裂期胚胎的像素级注释，包含碎片信息
684	2024-10-20	Investigation on Melting Curves and Phase Diagrams for CaO3 Using Deep Learning Potentials 2024-Oct-18, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c03074 PMID:39423322	研究论文	研究了CaO的熔化曲线和压力-温度相图，使用深度学习势能模型	采用深度学习势能模型来研究CaO的熔化曲线和相图	NA	理解行星内部动力学和行星演化的历史及机制	CaO的熔化曲线和压力-温度相图	NA	NA	深度学习势能模型	深度学习	NA	NA
685	2024-10-20	Exploring "dark-matter" protein folds using deep learning 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.006 PMID:39383860	研究论文	本文介绍了一种使用深度学习探索未知蛋白质折叠结构的方法	提出了一个卷积变分自编码器Genesis，能够学习蛋白质结构的特征，并成功应用于设计五种天然折叠和三种新型折叠结构	未提及具体的局限性	探索和设计未知的蛋白质折叠结构	蛋白质折叠结构及其设计	机器学习	NA	深度学习	卷积变分自编码器	蛋白质结构数据	五种天然折叠和三种新型折叠结构
686	2024-10-20	Automated segment-level coronary artery calcium scoring on non-contrast CT: a multi-task deep-learning approach 2024-Oct-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01827-0 PMID:39412613	研究论文	本文开发并评估了一种多任务深度学习模型，用于在非对比CT上自动进行冠状动脉钙化（CAC）的分段评分	提出了一种多任务深度学习模型，用于在非对比CT上自动进行冠状动脉钙化的分段评分，实现了精确的钙化定位和量化	NA	开发和评估一种多任务深度学习模型，用于在非对比CT上自动进行冠状动脉钙化的分段评分	冠状动脉钙化的分段评分	计算机视觉	心血管疾病	深度学习	多任务神经网络	图像	1514名患者，其中1059名用于训练/验证，455名用于测试
687	2024-10-20	Assessing the deep learning based image quality enhancements for the BGO based GE omni legend PET/CT 2024-Oct-16, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00688-2 PMID:39412633	研究论文	本研究评估了基于深度学习的图像质量增强技术在GE Omni Legend PET/CT扫描仪中的应用	本研究首次探讨了深度学习技术在补偿GE Omni Legend PET/CT扫描仪缺乏飞行时间（TOF）方面的应用	本研究仅使用了NEMA IQ phantom进行评估，未涵盖所有可能的临床应用场景	评估深度学习算法在GE Omni Legend PET/CT扫描仪中的图像质量增强效果	GE Omni Legend PET/CT扫描仪的图像质量	计算机视觉	NA	深度学习	NA	图像	使用NEMA IQ phantom进行评估，并展示了患者图像
688	2024-10-18	Correction: Efficacy of compressed sensing and deep learning reconstruction for adult female pelvic MRI at 1.5 T 2024-Oct-16, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00521-6 PMID:39414662	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
689	2024-10-20	AnEEG: leveraging deep learning for effective artifact removal in EEG data 2024-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75091-z PMID:39414897	研究论文	本文提出了一种名为AnEEG的深度学习方法，用于去除脑电图（EEG）数据中的伪影	本文的创新点在于提出了一种新的深度学习方法AnEEG，用于有效去除EEG数据中的伪影，并通过多种量化指标验证了其有效性	NA	本文的研究目的是提高脑电图数据的质量，通过去除伪影来增强信号的可用性	本文的研究对象是脑电图（EEG）数据及其中的伪影	机器学习	NA	深度学习	深度学习模型	脑电图数据	NA
690	2024-10-20	Integrated multicenter deep learning system for prognostic prediction in bladder cancer 2024-Oct-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00731-6 PMID:39414931	研究论文	开发并验证了一种端到端的深度学习系统，利用组织学切片预测膀胱癌患者的总体生存风险	提出了BlaPaSeg切片分类器生成组织概率热图和分割图，并训练了两个预测网络MacroVisionNet和UniVisionNet，探索了六个潜在的膀胱癌预后生物标志物	NA	提高膀胱癌生存预测的准确性，支持精细化患者管理	膀胱癌患者的总体生存风险	机器学习	膀胱癌	深度学习	CNN	图像	多个队列的膀胱癌患者
691	2024-10-20	Deep learning to combat knee osteoarthritis and severity assessment by using CNN-based classification 2024-Oct-16, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07942-9 PMID:39415217	研究论文	本研究利用基于卷积神经网络（CNN）的深度学习方法来对抗膝关节骨性关节炎（KOA）并评估其严重程度	本研究提出了一种专门为二分类和KOA严重程度评估设计的复杂CNN架构，并在二分类和多分类任务中均表现出色	本研究仅使用了Osteoarthritis Initiative（OAI）的数据集，未来需要扩展到更多数据集和场景	开发一种基于深度学习的膝关节骨性关节炎检测和分类方法	膝关节骨性关节炎及其严重程度	计算机视觉	骨关节炎	卷积神经网络（CNN）	CNN	图像	使用了Osteoarthritis Initiative（OAI）的数据集
692	2024-10-20	Deep Learning-Enhanced Paper-Based Vertical Flow Assay for High-Sensitivity Troponin Detection Using Nanoparticle Amplification 2024-Oct-15, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c05153 PMID:39365271	研究论文	本文介绍了一种基于深度学习的纸基垂直流分析法，用于高灵敏度检测心脏肌钙蛋白I	结合纳米颗粒放大技术、成像和数据处理，提高了POCT的灵敏度和精确度	NA	提高POCT的灵敏度和精确度，以满足临床标准	心脏肌钙蛋白I的定量测量	生物传感	心血管疾病	纳米颗粒放大技术	深度学习	图像	患者样本
693	2024-10-20	Deep and shallow feature fusion framework for remote sensing open pit coal mine scene recognition 2024-Oct-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72855-5 PMID:39406759	研究论文	本文提出了一种用于遥感露天煤矿场景识别的深度与浅层特征融合框架	通过邻域特征注意力模块和图卷积网络模块增强深度特征，并结合灰度共生矩阵和Gabor滤波器提取浅层特征，实现了高精度和低样本依赖的场景识别	NA	提高露天煤矿区域土地利用和破坏的识别精度，以支持科学监管和管理	遥感图像中的露天煤矿场景	计算机视觉	NA	图卷积网络（GCN）、灰度共生矩阵（GLCM）、Gabor滤波器	支持向量机（SVM）	图像	使用了AID和RSSCN7数据集进行评估
694	2024-10-20	Differential diagnosis of congenital ventricular septal defect and atrial septal defect in children using deep learning-based analysis of chest radiographs 2024-Oct-15, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-024-05141-y PMID:39407181	研究论文	本研究评估了基于深度学习的胸部X光片分析在儿童房间隔缺损和室间隔缺损鉴别诊断中的效果	本研究首次使用深度学习模型对胸部X光片进行分析，以区分儿童的房间隔缺损和室间隔缺损	本研究为回顾性研究，样本量有限，且仅限于特定类型的先天性心脏病	评估深度学习分析胸部X光片在儿童房间隔缺损和室间隔缺损鉴别诊断中的有效性	儿童房间隔缺损和室间隔缺损的鉴别诊断	计算机视觉	先天性心脏病	深度学习	ResNet-CBAM, InceptionV3, EfficientNet, ViT	图像	1194名患者的胸部X光片和相应的放射学报告
695	2024-10-19	HI-Net: A novel histopathologic image segmentation model for metastatic breast cancer via lightweight dataset construction 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38410 PMID:39421372	研究论文	本文介绍了一种名为HI-Net的新型组织病理学图像分割模型，用于转移性乳腺癌的快速准确检测	提出了HI-Net模型，结合全景分割和局部注意力机制，并构建了一个轻量级的病理切片数据集，加速训练并降低计算成本	NA	提高转移性乳腺癌的检测效率和准确性	转移性乳腺癌的组织病理学图像	数字病理学	乳腺癌	深度学习	HI-Net	图像	轻量级病理切片数据集，分辨率为512 x 512像素
696	2024-10-20	A method for predicting remaining useful life using enhanced Savitzky-Golay filter and improved deep learning framework 2024-Oct-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74989-y PMID:39402125	研究论文	本文提出了一种基于增强的Savitzky-Golay滤波器和改进的深度学习框架的剩余使用寿命预测方法	本文创新性地结合了增强的Savitzky-Golay滤波器和多通道多尺度的深度学习框架，以提高复杂操作数据集的预测准确性和鲁棒性	该方法在预测多种故障类型时表现不佳，但在单一故障类型预测任务中优于经典算法	研究目的是提高大型设备故障预测和健康管理的有效性，特别是剩余使用寿命的准确预测	研究对象是大型设备的剩余使用寿命预测，使用多变量传感器数据	机器学习	NA	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）	多变量传感器数据	使用了C-MAPSS数据集进行实验验证
697	2024-10-20	Equilibrium Optimization-Based Ensemble CNN Framework for Breast Cancer Multiclass Classification Using Histopathological Image 2024-Oct-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192253 PMID:39410657	研究论文	本文提出了一种基于均衡优化算法的集成卷积神经网络框架，用于乳腺癌多分类的组织病理学图像分类	本文提出了一种名为MultiHisNet的新模型，并结合了点卷积层、残差链接、通道和空间注意力模块，以及使用均衡优化器确定模型权重的集成模型	医学图像存在纹理背景差异、细胞结构重叠、类别分布不平衡和标签数据不足等问题，以及深度学习模型在过拟合和特征提取不足方面的局限性	旨在提高乳腺癌多分类的准确性，支持病理学家成功诊断乳腺癌	乳腺癌的组织病理学图像	计算机视觉	乳腺癌	卷积神经网络	集成模型	图像	使用了包含组织病理学图像的BreakHis数据集，训练了20种最先进的模型
698	2024-10-20	Artifacts and Anomalies in Raman Spectroscopy: A Review on Origins and Correction Procedures 2024-Oct-08, Molecules (Basel, Switzerland) DOI:10.3390/molecules29194748 PMID:39407680	综述	本文综述了拉曼光谱中的伪影和异常现象的来源及其校正方法	本文系统地总结了现有的校正方法，包括计算方法、实验方法和深度学习方法，并讨论了这些方法的最新进展和突破	本文指出了当前校正方法的局限性，并提出了未来研究的方向	探讨拉曼光谱中伪影和异常现象的来源及其校正方法	拉曼光谱中的伪影和异常现象及其校正方法	NA	NA	拉曼光谱	深度学习 (DL)	光谱数据	NA
699	2024-10-20	Recent Advancements in High-Frequency Ultrasound Applications from Imaging to Microbeam Stimulation 2024-Oct-08, Sensors (Basel, Switzerland) DOI:10.3390/s24196471 PMID:39409511	综述	本文综述了高频超声技术从成像到微束刺激的最新进展及其与深度学习的结合	介绍了高频超声在细胞和小动物成像、药物和基因治疗中的应用，以及通过微束刺激操纵单细胞或微粒子的能力	NA	探讨高频超声技术在生物医学和细胞应用中的潜力	高频超声成像和微束刺激技术及其与机器学习的结合	生物医学工程	NA	高频超声	卷积神经网络 (CNN)	图像	NA
700	2024-10-20	Towards Automatic Object Detection and Activity Recognition in Indoor Climbing 2024-Oct-08, Sensors (Basel, Switzerland) DOI:10.3390/s24196479 PMID:39409520	研究论文	本文提出了一种基于深度学习（YOLOv5）的抓握检测方法，用于自动分析室内攀岩中的眼动数据	本文的创新点在于使用深度学习技术自动检测攀岩中的抓握动作，并将其与眼动数据关联起来，从而避免了传统的手动编码分析	本文的局限性在于仅使用了专家攀岩者的数据，未来研究可以扩展到不同水平的攀岩者	本文的研究目的是开发一种自动化的方法，用于分析室内攀岩中的眼动数据和抓握动作的关系	本文的研究对象是专家攀岩者的眼动数据和抓握动作	计算机视觉	NA	深度学习	YOLOv5	视频	本文使用了专家攀岩者的眼动数据和抓握动作数据