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
961	2024-11-08	Computer vision applications for the detection or analysis of tuberculosis using digitised human lung tissue images - a systematic review 2024-Nov-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01443-w PMID:39497049	综述	本文对使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用进行了系统性综述	本文介绍了使用μCT扫描仪获取软组织图像对比度的新方法，以及使用多分辨率CT分析人类肺部3D结构的技术	当前技术在检测结核病方面存在挑战和局限性	促进开发更高效和准确的结核病检测或分析算法，并提高对早期检测重要性的认识	使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用	计算机视觉	肺结核	图像处理和深度学习	机器学习模型	图像	10项研究使用了人类组织（主要是肺部），其中5项研究提出了用于检测结核杆菌的机器学习模型，另外5项研究使用了CT扫描的人类肺部组织
962	2024-11-08	Explainable fully automated CT scoring of interstitial lung disease for patients suspected of systemic sclerosis by cascaded regression neural networks and its comparison with experts 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78393-4 PMID:39496802	研究论文	本文开发了一种深度学习框架，用于自动化系统性硬化症相关间质性肺病（SSc-ILD）的CT评分，并与专家评分进行比较	提出了一个由两个神经网络组成的级联框架，用于自动化SSc-ILD评分，并引入了热图方法来解释网络输出	未来研究需要确认模型的泛化能力	开发一种自动化系统性硬化症相关间质性肺病的CT评分方法	系统性硬化症相关间质性肺病（SSc-ILD）患者的CT扫描图像	计算机视觉	间质性肺病	深度学习	级联回归神经网络	图像	NA
963	2024-11-08	Novel large empirical study of deep transfer learning for COVID-19 classification based on CT and X-ray images 2024-11-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76498-4 PMID:39489731	研究论文	本文通过大规模实验研究了基于CT和X光图像的COVID-19分类的深度迁移学习模型	首次扩展模型空间并从10,000个构建的深度迁移学习模型中识别出性能更好的模型	NA	开发基于AI的模型以加速COVID-19的诊断过程	COVID-19和非COVID-19患者的CT和X光图像	计算机视觉	COVID-19	深度迁移学习	ConvNeXt, EfficientNetV2, DenseNet121, ResNet34	图像	4481张CT和X光图像
964	2024-11-08	Ultrasensitive Wearable Pressure Sensors with Stress-Concentrated Tip-Array Design for Long-Term Bimodal Identification 2024-Nov, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202406235 PMID:39007254	研究论文	本文介绍了一种超灵敏的可穿戴压力传感器，通过引入应力集中尖端阵列设计和自粘性界面来提高检测限	设计了一种双金字塔微结构，将机械传递效率从72.6%提高到98.4%，并通过增加模量差异将灵敏度提高到8.5 V kPa，检测限为0.14 Pa	NA	提高现有可穿戴压力传感器的传感性能和界面粘附性	可穿戴压力传感器的设计和性能优化	NA	NA	NA	深度学习双模态融合网络	信号	NA
965	2024-11-08	An Artificial Intelligence-assisted Diagnostic System Improves Upper Urine Tract Cytology Diagnosis 2024 Nov-Dec, In vivo (Athens, Greece) DOI:10.21873/invivo.13785 PMID:39477382	研究论文	评估基于深度学习的人工智能工具AIxURO系统在提高上尿路细胞学诊断准确性和可靠性方面的效果	AIxURO系统能够精确检测非典型尿路上皮细胞，减少评估中的主观性，显著提高诊断准确性和一致性	NA	评估AIxURO系统在诊断上尿路癌症中的效果	上尿路细胞学样本	计算机视觉	泌尿系统癌症	深度学习	NA	图像	185个上尿路细胞学样本，包括168个非高级别尿路上皮癌（NHGUC）、14个非典型尿路上皮细胞（AUC）、2个疑似高级别尿路上皮癌（SHGUC）和1个高级别尿路上皮癌（HGUC）
966	2024-11-07	Classification of EEG evoked in 2D and 3D virtual reality: traditional machine learning versus deep learning 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad89c5 PMID:39437806	研究论文	本文比较了传统机器学习和深度学习在2D和3D虚拟现实诱发脑电图分类中的表现	首次使用EEGNet深度学习模型在2D和3D虚拟现实诱发脑电图分类中取得了显著优于传统机器学习方法的性能	NA	研究不同机器学习方法在2D和3D虚拟现实诱发脑电图分类中的效果	2D和3D虚拟现实诱发的脑电图信号	机器学习	NA	脑电图(EEG)	卷积神经网络(CNN)	脑电图信号	56通道脑电图记录
967	2024-11-07	An improved AlexNet deep learning method for limb tumor cancer prediction and detection 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad89c7 PMID:39437809	研究论文	本文介绍了一种改进的AlexNet深度学习方法，用于滑膜肉瘤的预测和检测	本文提出了一个改进的AlexNet架构，增加了卷积层和调整输入图像大小，显著提高了模型的性能	NA	提高滑膜肉瘤的诊断准确性	滑膜肉瘤的数字病理图像	计算机视觉	肿瘤	卷积神经网络	AlexNet	图像	NA
968	2024-11-07	MCI Net: Mamba- Convolutional lightweight self-attention medical image segmentation network 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad8acb PMID:39447592	研究论文	提出了一种名为MCI-Net的轻量级自注意力医学图像分割网络，通过减少模型参数和计算复杂度，提高了分割效率	MCI-Net通过线性建模永久标记有效特征并过滤无关信息，有效捕捉局部-全局信息，减少了参数数量并利用注意力计算实现模型轻量化	NA	开发一种轻量级、高效的医学图像分割网络，减少诊断时间和计算复杂度	医学图像分割	计算机视觉	NA	自注意力机制	卷积神经网络	图像	五个公共数据集：X射线、肺部、ISIC-2016、ISIC-2018和胶囊内窥镜及胃肠分割
969	2024-11-07	Bidirectional dynamic frame prediction network for total-body [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET images 2024-Nov-04, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00698-0 PMID:39489859	研究论文	本文提出了一种双向动态帧预测网络，用于减少全身PET成像的扫描时间	本文的创新点在于提出了一种基于深度学习技术的双向动态帧预测网络，用于减少全身PET成像的扫描时间，从而提高患者舒适度和图像质量	本文的局限性在于仅在特定的PET成像数据上进行了验证，未来需要在更多类型的数据上进行验证	本文的研究目的是通过深度学习技术减少全身PET成像的扫描时间，提高成像效率和患者舒适度	本文的研究对象是全身动态PET成像数据，特别是[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04 PET图像	计算机视觉	NA	深度学习技术	双向动态帧预测网络	图像	13名接受[68Ga]Ga-FAPI-04的患者和24名接受[68Ga]Ga-PSMA-11的患者
970	2024-11-07	Accurate and robust ammonia level forecasting of aeration tanks using long short-term memory ensembles: A comparative study of Adaboost and Bagging approaches 2024-Nov-04, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.123173 PMID:39500158	研究论文	本文比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果	本文首次全面比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果，并展示了AdaBoost-LSTM模型在多步预测中的优势	本文仅比较了AdaBoost和Bagging两种集成学习算法，未探讨其他可能的集成方法	研究如何通过集成学习提升LSTM网络在曝气池氨浓度预测中的准确性和鲁棒性	曝气池中的氨浓度	机器学习	NA	LSTM网络	LSTM	数值数据	未明确提及具体样本数量
971	2024-11-07	A hybrid classification and evaluation method based on deep learning for decoration and renovation waste in view of recycling 2024-Nov-04, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.10.027 PMID:39500212	研究论文	本文提出了一种基于深度学习的混合分类和评估方法，用于装饰和装修废物的回收	结合实例分割深度学习模型和形态学机器学习模型，自动化分类和评估装饰和装修废物	NA	提高装饰和装修废物中高价值材料的回收率	装饰和装修废物的成分和质量	机器学习	NA	深度学习	混合模型	图像	53,000个单独的颗粒
972	2024-11-07	A spatiotemporal correlation and attention-based model for pipeline deformation prediction in foundation pit engineering 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77601-5 PMID:39488572	研究论文	提出了一种基于时空相关性和注意力机制的模型，用于基坑工程中管道变形预测	引入了注意力机制来调整预测中提取的时空特征的可训练权重，并利用卷积神经网络提取监测点之间的空间依赖性，以及双向长短期记忆网络提取时间特征	未提及	提高基坑工程中邻近管道变形预测的准确性	基坑工程中的管道变形	机器学习	NA	卷积神经网络、双向长短期记忆网络	CNN、LSTM	时间序列	一个真实世界的地铁项目
973	2024-11-07	A deep learning approach for ovarian cancer detection and classification based on fuzzy deep learning 2024-11-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75830-2 PMID:39488573	研究论文	本文提出了一种基于模糊深度学习的卵巢癌检测和分类系统	结合深度学习和模糊逻辑进行卵巢癌分类	NA	开发一种自动化且标准化的系统，用于早期检测和分类卵巢癌	卵巢癌的病理全切片图像	计算机视觉	卵巢癌	深度学习	ResNet-50	图像	288张苏木精-伊红染色（H&E）全切片图像，来自78名患者
974	2024-11-07	Enhancing runoff predictions in data-sparse regions through hybrid deep learning and hydrologic modeling 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77678-y PMID:39488589	研究论文	本文介绍了一种结合深度学习和水文模型的混合模型，用于提高数据稀缺地区径流预测的准确性	本文创新性地将Informer深度学习模型与WRF-Hydro水文模型结合，通过迁移学习填补数据空白，显著提高了径流预测的精度	NA	提高数据稀缺地区径流预测的准确性	Chaersen Basin地区的径流预测	机器学习	NA	深度学习	Informer模型与WRF-Hydro模型	水文数据	使用了CAMELS数据集进行训练，并在Chaersen Basin地区进行预测
975	2024-11-07	Predicting removal of arsenic from groundwater by iron based filters using deep neural network models 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76758-3 PMID:39488582	研究论文	研究利用深度神经网络模型预测铁基滤料去除地下水中砷的效果	首次应用深度学习神经网络模型优化铁基滤料去除砷和其他污染物的效果	研究样本量较小，仅基于20个铁改性陶瓷滤料的现场表现数据	开发深度学习神经网络模型，预测铁基滤料去除地下水中砷和其他污染物的效果	铁基滤料去除地下水中砷和其他污染物的效果	机器学习	NA	深度学习神经网络	深度神经网络	数值数据	20个铁改性陶瓷滤料的现场表现数据，通过三次样条插值扩展到1600个插值数据点
976	2024-11-07	An Integrated Nomogram Combining Deep Learning and Radiomics for Predicting Malignancy of Pulmonary Nodules Using CT-Derived Nodules and Adipose Tissue: A Multicenter Study 2024-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70372 PMID:39494854	研究论文	本研究构建了一个结合深度学习和放射组学的临床列线图（DLRCN），用于预测肺结节的恶性程度	本研究首次将脂肪组织放射组学特征与深度学习特征和临床特征结合，显著提高了预测性能	NA	构建一个用于预测肺结节恶性程度的深度学习放射组学临床列线图	肺结节的恶性程度预测	数字病理学	肺癌	深度学习	列线图	图像	1098名患者，肺结节大小为6-30mm，来自3个中心
977	2024-11-07	Domain transformation using semi-supervised CycleGAN for improving performance of classifying thyroid tissue images 2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03061-x PMID:38238492	研究论文	本文提出了一种使用半监督CycleGAN进行域转换的方法，以提高甲状腺组织图像分类的性能	本文提出了一种改进的CycleGAN方法，考虑了类别的特征分布，以进行适当的域转换，并解决了数据不平衡问题	NA	提高甲状腺组织图像分类的性能	甲状腺组织图像	计算机视觉	甲状腺癌	CycleGAN	CycleGAN	图像	涉及两个医疗机构的数据集
978	2024-11-07	Hybrid representation-enhanced sampling for Bayesian active learning in musculoskeletal segmentation of lower extremities 2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03065-7 PMID:38282095	研究论文	本研究提出了一种混合表示增强采样策略，用于在贝叶斯主动学习框架下减少下肢肌肉骨骼分割任务中的标注工作量	本研究结合了密度和多样性标准，在不确定性基础的贝叶斯主动学习框架中优化采样策略，以提高标注效率	本研究未提及具体的局限性	减少深度学习模型在自动分割任务中的手动标注工作量	下肢MRI和CT图像中的股骨、骨盆、骶骨、股四头肌、腘绳肌、内收肌、缝匠肌和髂腰肌的分割	计算机视觉	NA	贝叶斯主动学习	U-net	图像	两个下肢MRI和CT图像数据集
979	2024-11-06	Elucidating and forecasting the organochlorine pesticides in suspended particulate matter by a two-stage decomposition based interpretable deep learning approach 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122315 PMID:39217646	研究论文	研究提出了一种结合CEEMDAN、VMD和LSTM的深度学习模型，用于精确预测悬浮颗粒物中的有机氯农药浓度	研究创新性地结合了CEEMDAN、VMD和LSTM三种技术，提出了一种两阶段分解的深度学习模型，显著提高了有机氯农药浓度的预测精度	研究未详细讨论模型的计算复杂性和实际应用中的可行性	研究旨在开发一种高精度模型，用于预测和解释悬浮颗粒物中有机氯农药的浓度变化	研究对象为悬浮颗粒物中的有机氯农药浓度	机器学习	NA	CEEMDAN、VMD、LSTM	LSTM	时间序列数据	研究未明确提及样本数量
980	2024-11-06	Detecting floating litter in freshwater bodies with semi-supervised deep learning 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122405 PMID:39265217	研究论文	本文提出了一种基于半监督深度学习的淡水体漂浮垃圾检测方法	采用SwAV自监督学习方法预训练ResNet50模型，并在有限标注数据下进行微调，显著提高了模型在新地点的泛化能力	需要进一步扩展数据和计算资源以应对全球范围内的漂浮垃圾监测挑战	开发一种有效的半监督学习方法，用于检测淡水体中的漂浮垃圾	淡水体中的漂浮垃圾	计算机视觉	NA	半监督学习	Faster R-CNN	图像	约10万张未标注图像和约1.8千张标注图像