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
741	2024-11-20	Super resolution reconstruction of fluorescence microscopy images by a convolutional network with physical priors 2024-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.537589 PMID:39553859	研究论文	本文提出了一种基于物理先验的卷积超分辨率网络（PCSR），用于荧光显微镜图像的超分辨率重建	PCSR结合了基于物理的损失项和基于维纳滤波的初始优化过程，能够直接使用低分辨率图像生成高质量的超分辨率图像	PCSR的实验结果是在有限的数据集上训练得到的，其泛化能力需要进一步验证	提高荧光显微镜图像的空间分辨率，同时减少细胞光毒性照射	荧光显微镜图像的超分辨率重建	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	有限的数据集
742	2024-11-20	Physics-guided deep learning-based real-time image reconstruction of Fourier-domain optical coherence tomography 2024-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.538756 PMID:39553872	研究论文	本文介绍了一种基于物理引导的深度学习方法，用于实时重建傅里叶域光学相干断层扫描（FD-OCT）图像	该方法采用无监督学习，利用OCT成像物理原理引导神经网络，生成高质量图像并提供物理上合理的解决方案	NA	开发一种高质量、实时的FD-OCT图像重建方法	FD-OCT图像重建	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习	图像	合成图像和实验图像
743	2024-11-20	Measurement of ocular aberration in noise based on deep learning with a Shack-Hartmann wavefront sensor 2024-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.541483 PMID:39553873	研究论文	本文提出了一种基于深度学习和Shack-Hartmann波前传感器的眼睛像差测量方法，通过建立包含噪声和角膜反射的模型，提高了测量精度	本文创新性地结合了深度学习和Shack-Hartmann波前传感器，并引入了角膜反射消除算法，显著提高了在噪声和角膜反射情况下的测量精度和速度	NA	提高眼睛像差测量的精度和速度	眼睛像差测量中的噪声和角膜反射问题	计算机视觉	NA	Shack-Hartmann波前传感器	卷积神经网络	图像	NA
744	2024-11-20	Super-resolution multi-contrast unbiased eye atlases with deep probabilistic refinement 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064004 PMID:39554509	研究论文	本文提出了一种创建高分辨率无偏眼睛图谱的方法，通过深度学习超分辨率算法和深度概率模型来增强眼器官边界的对齐	结合超分辨率预处理和深度概率模型，解决了生成无偏眼睛图谱的挑战	NA	创建高分辨率无偏眼睛图谱，以解决眼器官形态在人群中的显著变异性	眼睛图谱的生成和优化	计算机视觉	NA	深度学习	深度概率模型	图像	使用四组不同组织对比度的磁共振图像进行实验
745	2024-11-20	Transforming Skin Cancer Diagnosis: A Deep Learning Approach with the Ham10000 Dataset 2024-Nov, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2422602 PMID:39523747	研究论文	本文提出了一种基于深度学习的方法，利用HAM10000数据集自动分类皮肤病变，以辅助皮肤癌诊断	引入了多粒度增强深度级联森林（Mg-EDCF）模型，通过子采样多粒度扫描获取微特征，并使用两种随机森林创建输入特征，最终通过增强深度级联森林进行分类	NA	开发一种能够自动分类皮肤病变的深度学习系统，以提高皮肤癌早期诊断的准确性	皮肤病变分类，包括光化性角化病（AKIEC）、黑色素瘤（MEL）、良性角化病（BKL）、黑色素细胞痣（NV）、基底细胞癌（BCC）、皮肤纤维瘤（DF）和血管性皮肤病变（VASC）	机器学习	皮肤癌	深度学习	多粒度增强深度级联森林（Mg-EDCF）	图像	使用了HAM10000数据集进行训练和评估
746	2024-11-19	Molecular origin of the differential stabilities of the protofilaments in different polymorphs: molecular dynamics simulation and deep learning 2024-Nov-17, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2427364 PMID:39552194	研究论文	研究了α-突触核蛋白片段在不同多晶型物中的原纤维稳定性差异的分子起源，通过分子动力学模拟和深度学习分析	利用深度神经网络（DNN）分析不同多晶型物的残基对及其空间接近性，揭示了分子排列差异对不同形式稳定性的关键作用	NA	探讨α-突触核蛋白片段在不同多晶型物中稳定性的分子基础	α-突触核蛋白片段及其在不同多晶型物中的稳定性	分子动力学	帕金森病	分子动力学模拟	深度神经网络（DNN）	分子结构数据	NA
747	2024-11-19	Decoding face identity: A reverse-correlation approach using deep learning 2024-Nov-16, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2024.106008 PMID:39550877	研究论文	本研究采用反向相关方法，利用深度卷积神经网络（DCNN）识别面部识别中的关键面部特征	本研究创新性地使用反向相关方法和深度学习技术，客观地识别面部识别中的关键特征，而非依赖主观判断	NA	探索面部识别中关键面部特征的识别方法	面部识别中的关键面部特征	计算机视觉	NA	深度卷积神经网络（DCNN）	卷积神经网络（CNN）	图像	NA
748	2024-11-19	Computed tomography enterography-based deep learning radiomics to predict stratified healing in patients with Crohn's disease: a multicenter study 2024-Nov-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01854-x PMID:39546153	研究论文	本研究开发了一种基于基线CTE的深度学习放射组学模型，用于非侵入性预测克罗恩病患者的分层愈合情况	本研究首次将深度学习放射组学模型应用于基线CTE图像，以预测克罗恩病患者的分层愈合情况	本研究仅在三家医院的数据上进行了验证，未来需要在更多中心进行验证以确保模型的普适性	开发一种非侵入性方法，用于预测克罗恩病患者的分层愈合情况	克罗恩病患者在接受英夫利昔单抗治疗后的分层愈合情况	计算机视觉	消化系统疾病	深度学习放射组学	深度学习模型	图像	246名克罗恩病患者，分为训练组（141名）、测试组（61名）和验证组（44名）
749	2024-11-19	Multimodality deep learning radiomics predicts pathological response after neoadjuvant chemoradiotherapy for esophageal squamous cell carcinoma 2024-Nov-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01851-0 PMID:39546168	研究论文	本研究开发并验证了一种利用CT、T2和DWI图像的深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	本研究创新性地结合了传统和深度学习放射组学特征，开发了一种多模态深度学习放射组学模型，显著提高了预测病理完全缓解的准确性	本研究仅在三个机构的患者数据上进行了验证，未来需要在更多样化的患者群体中进行进一步验证	开发和验证一种深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	机器学习	食管癌	深度学习放射组学	深度学习模型	图像	151名食管鳞状细胞癌患者，其中63名达到病理完全缓解
750	2024-11-19	Study on intelligent recognition of urban road subgrade defect based on deep learning 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72580-z PMID:39548115	研究论文	研究基于深度学习的城市道路路基缺陷智能识别	采用Faster R-CNN深度学习算法进行路基缺陷图像的目标检测、识别和分类，并通过比较不同改进版本的Faster R-CNN算法，确定最适合的版本	NA	实现城市道路路基病害的智能识别	城市道路路基缺陷	计算机视觉	NA	地质雷达	Faster R-CNN	图像	多层复合结构模型和现场测量数据
751	2024-11-19	Deep active learning for multi label text classification 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79249-7 PMID:39548182	研究论文	本文提出了一种基于贝叶斯深度学习和期望置信度的深度主动学习方法，用于多标签文本分类	本文首次将主动学习应用于深度多标签分类模型，并提出了一种新的基于期望置信度的获取函数	NA	提高多标签文本分类模型的训练效率	多标签文本分类模型	自然语言处理	NA	贝叶斯深度学习	BERT	文本	NA
752	2024-11-19	A highly efficient tunnel lining crack detection model based on Mini-Unet 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79919-6 PMID:39548331	研究论文	本文提出了一种基于Mini-Unet的高效隧道衬砌裂缝检测模型	通过改进Unet架构并使用深度可分离卷积（DSConv）替代部分标准卷积层，实现了轻量级且高效的裂缝检测	NA	提高隧道衬砌裂缝检测的准确性和效率	隧道衬砌裂缝	计算机视觉	NA	深度学习	Mini-Unet	图像	NA
753	2024-11-19	Integrating radiomic and 3D autoencoder-based features for Non-Small Cell Lung Cancer survival analysis 2024-Nov-08, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108496 PMID:39551025	研究论文	本研究旨在开发一种基于放射组学和深度学习的生存分析特征，用于非小细胞肺癌患者的生存预测	本研究创新性地结合了放射组学特征和基于3D卷积自编码器的深度学习特征，用于非小细胞肺癌患者的生存分析	本研究仅使用了“Lung1”数据集中的422名患者数据，样本量有限，可能影响结果的泛化能力	开发一种新的生存分析特征，用于提高非小细胞肺癌患者的生存预测准确性	非小细胞肺癌患者的生存分析	计算机视觉	肺癌	3D卷积自编码器	自编码器	图像	422名非小细胞肺癌患者
754	2024-11-19	Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP 2024-Nov, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2024.10456/2024 PMID:38832589	综述	本文综述了人工智能在胆胰内镜（如EUS和ERCP）中的最新进展	探讨了深度学习模型在胆胰内镜中的应用潜力，如胆管狭窄的光学表征和胰腺病变的检测与分类	NA	全面概述人工智能在胆胰内镜中的现状，强调技术进步、主要应用、伦理考虑及未来研究与临床实施的方向	人工智能在胆胰内镜中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	NA
755	2024-11-19	Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics 2024-Nov, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17053 PMID:39383323	研究论文	本文研究了使用深度学习捕捉植物叶片形状，并通过几何形态测量法进行验证	本文结合了几何形态测量法和深度学习，评估了深度学习在捕捉叶片形状变化方面的有效性	深度学习模型固有的“黑箱”问题使得捕捉叶片变化的重复性具有挑战性	评估深度学习在捕捉叶片形状方面的有效性，并结合几何形态测量法提供形状信息的深入见解	Ranunculus auricomus 叶片的形状变化	计算机视觉	NA	几何形态测量法	神经网络	图像	Ranunculus auricomus 叶片的原位和压制后的图像数据集
756	2024-11-19	DMFGAN: a multifeature data augmentation method for grape leaf disease identification 2024-Nov, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17042 PMID:39446313	研究论文	提出了一种深度可分离多特征生成对抗网络（DMFGAN）用于增强葡萄叶病害数据	设计了基于四通道特征融合策略的多特征提取块（MFEB），改进了生成图像质量；设计了基于深度的D-判别器，提高了判别能力并减少了模型参数；使用SeLU激活函数替代DCGAN激活函数，解决了DCGAN激活函数无法充分拟合葡萄叶病害图像数据的问题；提出了带有梯度惩罚项的MFLoss函数，减少了生成对抗网络训练过程中的模式崩溃	NA	增强葡萄叶病害数据，提高病害识别的准确性和多样性	葡萄叶病害图像数据	计算机视觉	葡萄病害	生成对抗网络（GAN）	深度可分离多特征生成对抗网络（DMFGAN）	图像	NA
757	2024-11-19	InterLabelGO+: unraveling label correlations in protein function prediction 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae655 PMID:39499152	研究论文	本文介绍了一种名为InterLabelGO+的混合方法，用于改进蛋白质功能预测	InterLabelGO+结合了深度学习方法和基于比对的方法，并引入了一种新的损失函数来处理标签依赖性和不平衡问题	NA	开发自动化计算方法以提高蛋白质功能预测的准确性	蛋白质功能预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列	NA
758	2024-11-19	Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App 2024-Nov-01, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/50631 PMID:39486021	研究论文	评估基于深度学习的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性	开发了一种基于深度学习的AI应用程序，实现了Cobb角度测量的完全自动化，减少了医生测量带来的观察者间变异性	NA	评估新开发的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性	脊柱侧弯患者的Cobb角度测量	计算机视觉	脊柱侧弯	深度学习	NA	图像	601名脊柱侧弯儿童的802张脊柱X光片
759	2024-11-18	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2024-Nov-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	本文介绍了一种用于早期结直肠癌检测的Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA）	引入了Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA），通过数据增强和深度自编码器图像分割提高检测性能	NA	提高早期结直肠癌检测的准确性和效率	结直肠癌的早期检测	计算机视觉	结直肠癌	生成对抗网络（GAN），深度自编码器	Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA）	图像	NA
760	2024-11-18	Application of deep learning for the analysis of stomata: a review of current methods and future directions 2024-Nov-15, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erae207 PMID:38716775	综述	本文综述了深度学习在气孔分析中的应用现状及未来方向	介绍了深度学习模型在植物表型分析任务中的潜力，特别是气孔分析	主要关注数据集共享和模型泛化，以及利用图像数据推断生理功能的局限性	促进深度学习方法在植物表型分析任务中的应用，并指出未来优化的需求	气孔的形态、密度及其在气体交换中的作用	计算机视觉	NA	深度学习	NA	图像	涉及多种植物物种