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
781	2024-10-18	Prior Visual-guided Self-supervised Learning Enables Color Vignetting Correction for High-throughput Microscopic Imaging 2024-Oct-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471907 PMID:39412976	研究论文	本文提出了一种基于自监督深度学习算法的颜色渐晕校正方法，用于高吞吐量显微成像	利用显微图像的同质性和渐晕的径向衰减特性，开发了一种自监督深度学习算法，实现了复杂渐晕的去除	NA	开发一种鲁棒且高效的渐晕校正方法，以提高生物医学显微图像的质量	多通道显微图像中的渐晕校正	计算机视觉	NA	自监督深度学习	对抗学习	图像	五个不同的生物样本数据集
782	2024-10-18	Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias 2024-10-16, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31963 PMID:39413236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
783	2024-10-18	AI in Psoriatic Disease: Scoping Review 2024-Oct-16, JMIR dermatology DOI:10.2196/50451 PMID:39413371	综述	本文综述了人工智能在银屑病疾病中的应用，包括诊断和临床管理	探讨了人工智能在银屑病疾病管理中的潜在应用，如通过机器学习和深度学习技术进行诊断、监测和治疗结果预测	需要关注人工智能在特定人群中的验证和标准化问题，如深肤色患者	提供关于人工智能在银屑病疾病中应用的最新文献综述	银屑病及其相关疾病	机器学习	皮肤疾病	机器学习	NA	图像	NA
784	2024-10-18	Diffusion probabilistic priors for zero-shot low-dose CT image denoising 2024-Oct-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17431 PMID:39413369	研究论文	提出了一种基于扩散模型的低剂量CT图像去噪方法，无需低剂量CT图像对进行训练	该方法仅使用正常剂量CT图像进行训练，实现了零样本低剂量CT图像去噪	NA	解决低剂量CT图像去噪中数据稀缺的问题	低剂量CT图像	计算机视觉	NA	扩散模型	扩散模型	图像	不同区域的低剂量CT数据集，包括腹部和胸部CT数据集
785	2024-10-18	Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor 2024-Oct-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101785 PMID:39413732	研究论文	本文提出了一种基于病理图像和病理先验信息的深度学习模型，用于区分结直肠神经内分泌肿瘤和结直肠癌	利用病理先验信息生成鲁棒的切片级特征，并通过计算形态描述与补丁之间的相似性，仅选择2%的诊断相关补丁进行训练和推理	NA	开发一种成本效益高的方法，准确区分结直肠神经内分泌肿瘤和结直肠癌	结直肠神经内分泌肿瘤和结直肠癌	数字病理学	结直肠癌	深度学习	深度学习模型	图像	内部数据集和两个外部数据集
786	2024-10-18	Acoustic leak localization for water distribution network through time-delay-based deep learning approach 2024-Oct-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122600 PMID:39413711	研究论文	本文介绍了一种基于深度学习的时间延迟估计方法，用于水分配网络中的声学泄漏定位	提出了一种利用深度学习技术估计时间延迟的新方法，在低信噪比条件下表现出更高的准确性和鲁棒性	在高信噪比条件下，Res1D-CNN模型的性能不如GCC-SCOT和BCC	提高水分配网络中泄漏定位的准确性和鲁棒性	水分配网络中的声学泄漏定位	机器学习	NA	深度学习	Res1D-CNN	声学信号	通过实地测量验证了方法的有效性
787	2024-10-18	Machine/deep learning-assisted hemoglobin level prediction using palpebral conjunctival images 2024-Oct, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19621 PMID:39024119	研究论文	本研究利用智能手机拍摄的150张眼睑结膜图像，构建了机器/深度学习模型来预测血红蛋白水平	首次使用眼睑结膜图像进行血红蛋白水平的定量预测，并比较了非卷积神经网络和卷积神经网络模型的性能	卷积神经网络模型的性能提升有限，且对贫血样本的预测准确性有待提高	开发一种非侵入性的方法来预测血红蛋白水平	眼睑结膜图像和血红蛋白水平	计算机视觉	NA	卷积神经网络	CNN	图像	150张眼睑结膜图像，包括10名血红蛋白水平低于11 g/dL的患者
788	2024-10-18	Deep learning for quantifying spatial patterning and formation process of early differentiated human-induced pluripotent stem cells with micropattern images 2024-Oct, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13346 PMID:38994744	研究论文	本文提出了一种深度学习方法，用于量化早期分化阶段人类诱导多能干细胞（hiPSCs）的空间模式和形成过程	本文创新性地使用U-net结构和算法，通过解码和编码Hoechst（DNA染色）hiPSC区域，以及比较荧光图像的强度来提取各胚层细胞区域，从而量化hiPSCs的干性	本文未详细讨论该方法在不同实验条件下的泛化能力和鲁棒性	研究目的是开发一种深度学习方法，用于量化早期分化阶段hiPSCs的空间模式和形成过程	研究对象是早期分化阶段的人类诱导多能干细胞（hiPSCs）及其在微图案上的空间模式	计算机视觉	NA	深度学习	U-net	图像	多个hiPSC系、不同微图案尺寸、不同标记组、活细胞和固定细胞的微图案图像
789	2024-10-18	Applying machine learning to primate bioacoustics: Review and perspectives 2024-Oct, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.23666 PMID:39120066	综述	本文全面回顾了计算生物声学以及信号和语音处理技术在灵长类动物语音通信分析中的应用	探讨了从简单的监督算法到最新的自监督模型等机器学习和深度学习方法在处理和分析大规模数据集中的潜力	讨论了数据收集和注释方面的挑战，并提供了潜在解决方案的见解	探讨机器学习方法在灵长类动物语音通信分析中的应用和未来研究机会	灵长类动物的语音通信	机器学习	NA	机器学习、深度学习	监督学习、自监督学习	音频	大规模数据集
790	2024-10-18	Image cropping for malaria parasite detection on heterogeneous data 2024-10, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.107022 PMID:39173888	研究论文	本文提出了一种基于深度学习的图像裁剪方法，用于在异质数据上早期和更准确地检测疟原虫	本文提出了一种图像预处理方法，以缓解由于患者多样性和数据中存在的其他伪影导致的红细胞特征多样性带来的挑战	NA	早期和更准确地检测疟原虫	疟原虫的检测	计算机视觉	疟疾	深度学习	卷积神经网络	图像	65,970张显微图像，来自876名不同患者，形成33,007张图像的数据集
791	2024-10-18	Protein interactions in human pathogens revealed through deep learning 2024-Oct, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-024-01791-x PMID:39294458	研究论文	本文开发了一种名为RoseTTAFold2-Lite的快速深度学习模型，用于系统地识别和结构化表征人类病原体中的蛋白质相互作用	本文创新性地利用深度学习模型RoseTTAFold2-Lite，结合残基-残基共进化和蛋白质结构预测，实现了对蛋白质相互作用的大规模系统识别和结构表征	本文仅实验验证了12个预测的相互作用，且仅有一半得到验证，表明模型在实际应用中的准确性仍需进一步验证	本文旨在通过识别细菌蛋白质相互作用及其结构预测，帮助理解病原性机制并开发传染病治疗方案	本文主要研究对象为19种人类细菌病原体中的蛋白质相互作用及其结构	机器学习	传染病	深度学习	RoseTTAFold2-Lite	蛋白质	涉及19种人类细菌病原体中的7800万对蛋白质，识别出1923个涉及必需基因的复杂相互作用和256个涉及毒力因子的相互作用
792	2024-10-18	Mpox outbreak: Time series analysis with multifractal and deep learning network 2024-Oct-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0236082 PMID:39413265	研究论文	本文分析了非洲、美洲和欧洲等受影响最严重的地区的mpox流行病学情况，并使用多重分形插值进行预处理，以揭示mpox传播趋势中的不规则和分形模式	本文利用多重分形测度探索mpox病例的异质性，并使用双向长短期记忆神经网络预测未来的mpox传播	NA	研究mpox的传播趋势并预测未来的爆发	mpox病例的传播趋势	机器学习	NA	多重分形插值	双向长短期记忆神经网络	时间序列数据	涉及非洲、美洲和欧洲的mpox病例数据
793	2024-10-17	MFCA-MICNN: a convolutional neural network with multiscale fast channel attention and multibranch irregular convolution for noise removal in dMRI 2024-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8294 PMID:39412243	研究论文	提出了一种用于dMRI图像去噪的多尺度快速通道注意力和多分支不规则卷积神经网络	引入了多尺度快速通道注意力和多分支不规则卷积架构，以及一种新的损失函数	NA	提高dMRI图像去噪的准确性和速度	dMRI图像中的噪声	计算机视觉	NA	卷积神经网络	CNN	图像	NA
794	2024-10-17	Deep learning radiomic nomogram outperforms the clinical model in distinguishing intracranial solitary fibrous tumors from angiomatous meningiomas and can predict patient prognosis 2024-Oct-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11082-y PMID:39412667	研究论文	本文评估了基于磁共振成像（MRI）的深度学习放射组学列线图（DLRN）在区分颅内孤立性纤维瘤（ISFT）与血管性脑膜瘤（AM）以及预测ISFT患者总体生存（OS）方面的价值	提出的DLRN在区分ISFT与AM方面优于临床模型，并能预测ISFT患者的OS	NA	评估基于MRI的DLRN在区分ISFT与AM及预测ISFT患者OS方面的价值	颅内孤立性纤维瘤（ISFT）与血管性脑膜瘤（AM）	机器学习	NA	深度学习	放射组学列线图（DLRN）	MRI图像	1090名来自北京天坛医院和131名来自兰州大学第二医院的患者
795	2024-10-17	Mild cognitive impairment detection from facial video interviews by applying spatial-to-temporal attention module 2024-Oct-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2024.124185 PMID:38881832	研究论文	本文提出了一种基于深度学习模型，通过面部视频访谈检测轻度认知障碍（MCI）的方法	本文创新性地提出了空间到时间注意力模块（STAM），结合面部和交互特征，提高了MCI检测的准确性	NA	早期检测轻度认知障碍（MCI），以实现早期干预，减缓MCI向痴呆的进展	老年人的轻度认知障碍（MCI）	计算机视觉	老年疾病	深度学习（DL）	卷积自编码器和Transformer	视频	来自I-CONECT行为干预研究的多个视频记录会话，涉及社会隔离的老年人与采访者之间的半结构化访谈
796	2024-10-17	Based on improved joint detection and tracking of UAV for multi-target detection of livestock 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38316 PMID:39403468	研究论文	本文介绍了一种基于改进的联合检测和跟踪框架，用于无人机对牲畜的多目标检测	提出了一种结合目标检测和跟踪的深度学习框架，通过连续帧对提取和共享特征，提高了计算效率，并使用多种损失函数和复合去模糊模块来提高检测精度	未提及具体限制	提高无人机在农业中对牲畜多目标检测和跟踪的精度和速度	牲畜的多目标检测和跟踪	计算机视觉	NA	深度学习	NA	视频	未提及具体样本数量
797	2024-10-17	How to go green? Exploring public attention and sentiment towards waste sorting behaviors on Weibo platform: A study based on text co-occurrence networks and deep learning 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38510 PMID:39403487	研究论文	研究通过文本共现网络和深度学习模型分析微博平台上公众对垃圾分类行为的关注度和情感	开发了结合共现网络和深度学习的研究框架，扩展了公众对垃圾分类感知研究的范式和维度	NA	探讨公众对垃圾分类行为在社交媒体上的关注度和情感，以促进绿色生活和气候政策的实施	微博平台上关于垃圾分类的帖子及其用户	自然语言处理	NA	文本共现网络、LDA主题建模、深度学习	LSTM	文本	367,856条微博帖子
798	2024-10-17	Unpaired data training enables super-resolution confocal microscopy from low-resolution acquisitions 2024-Oct-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.537713 PMID:39404535	研究论文	本文介绍了一种使用循环一致生成对抗网络（cycleGAN）框架，通过未配对数据训练来提高共聚焦显微镜横向分辨率的方法	本文首次使用未配对数据训练cycleGAN模型，实现了共聚焦显微镜的超分辨率成像	需要进一步验证该方法在其他类型细胞和不同显微镜系统中的适用性	开发一种无需配对训练数据即可实现显微镜超分辨率成像的方法	人胶质母细胞瘤细胞的低分辨率和高分辨率共聚焦图像	计算机视觉	NA	NA	cycleGAN	图像	未配对的低分辨率和高分辨率共聚焦图像
799	2024-10-17	Deep Learning Analysis With Gray Scale and Doppler Ultrasonography Images to Differentiate Graves' Disease 2024-Oct-15, The Journal of clinical endocrinology and metabolism DOI:10.1210/clinem/dgae254 PMID:38609169	研究论文	本研究开发了一种基于灰度和多普勒超声图像的机器学习算法，用于区分格雷夫斯病和甲状腺炎	利用深度学习模型Xception和EfficientNetB0_2处理超声图像，以提高格雷夫斯病诊断的准确性和敏感性	研究仅在单一三级医院进行，样本量有限，可能影响结果的普适性	开发一种机器学习算法，用于区分格雷夫斯病和甲状腺炎，以确保有效的治疗决策	格雷夫斯病和甲状腺炎患者	机器学习	内分泌疾病	超声成像	深度学习模型	图像	7719张格雷夫斯病患者的超声图像和2980张甲状腺炎患者的超声图像
800	2024-10-17	Deep Learning Image Segmentation Based on Adaptive Total Variation Preprocessing 2024-Oct-15, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3418937 PMID:39405157	研究论文	本文提出了一种基于MS模型的两阶段图像分割方法，旨在提高复杂结构和背景图像的分割精度	引入了各向异性正则化项，通过自适应加权矩阵结合梯度算子，使得曲线沿物体局部特征切线方向扩散，并能过滤与图像目标无关的信息，减少复杂背景的干扰	NA	提高复杂结构和背景图像的分割精度	图像分割	计算机视觉	NA	交替方向乘子法（ADMMs）	深度学习方法	图像	NA