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
521	2024-12-28	UV Hyperspectral Imaging with Xenon and Deuterium Light Sources: Integrating PCA and Neural Networks for Analysis of Different Raw Cotton Types 2024-Dec-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120310 PMID:39728207	研究论文	本研究评估了使用氙弧灯和氘灯的紫外高光谱成像技术在不同类型原棉分类和质量评估中的应用	结合主成分分析（PCA）和全连接神经网络，比较了氙弧灯和氘灯在紫外高光谱成像中的效果，并提高了分类准确率	研究仅针对特定类型的原棉和麻类植物，未涉及其他纺织材料	确定哪种光源在紫外高光谱成像中能更好地区分不同类型的原棉	原棉、麻类植物	计算机视觉	NA	紫外高光谱成像	全连接神经网络	图像	多种类型的原棉和麻类植物样本
522	2024-12-28	Overview of Computational Toxicology Methods Applied in Drug and Green Chemical Discovery 2024-Dec-04, Journal of xenobiotics IF:6.8Q1 DOI:10.3390/jox14040101 PMID:39728409	综述	本文介绍了计算毒理学在药物和绿色化学发现中的应用，重点讨论了机器学习和深度学习方法	强调了机器学习和深度学习在毒理学领域的重要性，并介绍了多种计算毒理学方法	未提及具体方法的局限性	探讨计算毒理学在药物和绿色化学发现中的应用	化学结构和毒性预测	计算化学	NA	机器学习和深度学习	NA	化学结构数据	NA
523	2024-12-28	Predicting the Performance of Students Using Deep Ensemble Learning 2024-Dec-03, Journal of Intelligence IF:2.8Q1 DOI:10.3390/jintelligence12120124 PMID:39728092	研究论文	本文提出了一种基于深度集成学习的方法来预测学生表现	提出了一种新的特征排序机制，并采用加权投票策略和参数优化技术来提高预测准确性	未提及具体的数据集规模或多样性限制	预测学生的学术表现，以提高学术成果并减少学生流失	学生	机器学习	NA	深度集成学习	深度神经网络	NA	NA
524	2024-12-28	Electrocardiogram-Based Deep Learning to Predict Mortality in Repaired Tetralogy of Fallot 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.015 PMID:39297841	研究论文	本研究开发并外部验证了一种基于深度学习的AI-ECG模型，用于预测修复性法洛四联症患者的5年死亡率	首次将AI-ECG分析应用于修复性法洛四联症患者的死亡率预测，并通过外部验证证明了其有效性	研究样本主要来自两个医疗中心，可能存在地域和人群的局限性	开发并验证一种AI-ECG模型，用于预测修复性法洛四联症患者的5年死亡率	修复性法洛四联症患者	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图（ECG）	内部测试队列包括1,054名患者（13,077份ECG），外部验证队列包括335名患者（5,014份ECG）
525	2024-12-28	Application and Prospects of Deep Learning Technology in Fracture Diagnosis 2024-Dec, Current medical science IF:2.0Q3 DOI:10.1007/s11596-024-2928-5 PMID:39551854	综述	本文综述了深度学习技术在骨折诊断中的最新研究进展，并探讨了其在该领域的应用价值	深度学习技术能够有效处理高维医学影像数据，优化骨折诊断的性能	NA	探讨深度学习技术在骨折诊断中的应用及其发展前景	骨折诊断	数字病理学	骨科疾病	深度学习	NA	医学影像	NA
526	2024-12-28	Deep learning for early diagnosis of oral cancer via smartphone and DSLR image analysis: a systematic review 2024-Dec, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2024.2434732 PMID:39587051	系统综述	本文综述了基于智能手机和DSLR图像分析的深度学习在口腔癌早期诊断中的应用	聚焦于手持AI工具，特别是卷积神经网络（CNNs）及其高级架构在口腔癌诊断中的影响	面临标注数据集有限和数据不平衡等挑战	探讨深度学习在口腔癌早期诊断中的应用及其效果	口腔癌	计算机视觉	口腔癌	深度学习	CNN, DenseNet121, VGG19, EfficientNet-B0, EfficientNet-B4, Inception-V4, Faster R-CNN	图像	25篇论文
527	2024-12-28	Integrating Machine Learning in Metabolomics: A Path to Enhanced Diagnostics and Data Interpretation 2024-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400305 PMID:38682615	研究论文	本文探讨了机器学习与代谢组学的结合，以提高代谢物识别、数据效率和诊断方法	提出了用于准确峰值识别、从代谢谱中进行稳健疾病分类以及改进代谢物注释的新算法，并展示了机器学习在多组学整合中的潜力	NA	提升代谢组学数据分析的效率和诊断方法的准确性	代谢组学数据	机器学习	NA	NMR, MS	深度学习, 传统机器学习	代谢组学数据	NA
528	2024-12-26	Crop yield prediction in agriculture: A comprehensive review of machine learning and deep learning approaches, with insights for future research and sustainability 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40836 PMID:39720079	研究论文	本文综述了机器学习和深度学习方法在农业作物产量预测中的应用，并探讨了未来研究和可持续性的方向	系统性地分析了AI技术在作物产量预测中的应用，强调了环境与农业数据的重要性，并指出了未来研究的方向	未提及具体的数据集或实验结果的局限性	提高作物产量预测的准确性，以支持农业规划和资源管理	作物产量预测	机器学习	NA	机器学习（ML）、深度学习（DL）	随机森林（RF）、人工神经网络（ANN）、支持向量机（SVM）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、深度神经网络（DNN）	环境与农业数据	NA
529	2024-12-26	Chemistry of Street Art: Neural Network for the Spectral Analysis of Berlin Wall Colors 2024-Dec-25, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c12611 PMID:39660736	研究论文	本研究通过分析柏林墙街头艺术片段，利用拉曼光谱技术对绘画材料进行表征，并探索深度学习在颜料混合物定量分析中的应用	首次将卷积神经网络（CNN）算法应用于拉曼光谱分析，预测商业丙烯颜料中着色化合物的比例，为手持拉曼光谱仪的分析量化提供了新方法	研究主要依赖于特定品牌（Schmincke）的丙烯颜料，可能限制了结果的普适性	通过光谱分析和深度学习技术，定量分析街头艺术中使用的丙烯颜料的成分	柏林墙街头艺术的绘画材料	机器学习	NA	拉曼光谱技术	卷积神经网络（CNN）	光谱数据	使用Schmincke品牌丙烯颜料制备的校准和训练参考材料
530	2024-12-26	Precision autofocus in optical microscopy with liquid lenses controlled by deep reinforcement learning 2024-Dec-24, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00845-8 PMID:39719441	研究论文	本文提出了一种基于深度强化学习的自适应液体透镜显微镜系统，用于实现快速、精确的自动对焦	采用深度强化学习直接从捕获的图像中学习对焦策略，并设计了针对性的奖励函数，显著提高了显微镜自动对焦任务的性能	未提及具体局限性	开发一种快速、精确的自动对焦技术，以解决传统显微镜和自动对焦方法的硬件限制和软件速度慢的问题	液体透镜显微镜系统	计算机视觉	NA	深度强化学习	DRLAF（基于深度强化学习的自动对焦）	图像	未提及具体样本数量
531	2024-12-26	Ecologically sustainable benchmarking of AI models for histopathology 2024-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01397-x PMID:39719527	研究论文	本文探讨了一种在病理学中开发深度学习模型的方法，该方法同时考虑了诊断性能和碳足迹	提出了一个名为'环境可持续性能'（ESPer）的指标，该指标定量整合了性能和操作期间的二氧化碳当量排放	未提及具体的研究局限性	开发一种既考虑诊断性能又考虑碳足迹的深度学习模型	用于计算病理学的各种深度学习架构，包括一个大型基础模型	数字病理学	NA	深度学习	深度学习模型	NA	NA
532	2024-12-26	Accurate and Efficient Algorithm for Detection of Alzheimer Disability Based on Deep Learning 2024-Dec-19, Cellular physiology and biochemistry : international journal of experimental cellular physiology, biochemistry, and pharmacology IF:2.5Q2 DOI:10.33594/000000746 PMID:39720940	研究论文	本研究开发了一种基于深度学习和计算机辅助检测的自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	结合预训练的卷积神经网络和多类支持向量机及人工神经网络分类器，提出了一种纹理特征降维算法，显著提高了计算效率和分类准确性	未来研究应探索在更大、更多样化的数据集上的应用，并研究与其他成像模式（如MRI）的整合，以进一步提高诊断精度	开发一种自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	阿尔茨海默病患者，数据集分为非痴呆、极轻度痴呆、轻度痴呆和中度痴呆四组	计算机视觉	老年病	深度学习	CNN, MSVM, ANN	图像	数据集分为四组，具体样本数量未提及
533	2024-12-26	Autoencoder imputation of missing heterogeneous data for Alzheimer's disease classification 2024-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12091 PMID:39720752	研究论文	本研究探讨了使用去噪自编码器对阿尔茨海默病（AD）异质数据中缺失关键特征进行填补的有效性，并评估其在AD分类中的性能	首次系统评估深度学习算法在填补异质且全面的AD数据中的表现，特别是针对关键特征极端缺失（≥40%）的情况	研究仅关注特定类型的缺失数据（随机缺失），未涵盖其他缺失机制	提高AD诊断的准确性，特别是在数据缺失的情况下	阿尔茨海默病患者的多模态数据，包括tau-PET、MRI、认知和功能评估、基因型、社会人口学和病史	机器学习	阿尔茨海默病	去噪自编码器	随机森林	多模态数据（图像、文本、数值）	未明确提及样本数量
534	2024-12-26	PlutoNet: An efficient polyp segmentation network with modified partial decoder and decoder consistency training 2024-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12105 PMID:39720760	研究论文	本文提出了一种名为PlutoNet的高效息肉分割网络，通过改进的部分解码器和解码器一致性训练来解决现有模型在泛化能力和计算资源消耗方面的问题	PlutoNet引入了共享编码器、部分解码器与全尺度连接的组合，以及辅助解码器，通过一致性训练强化学习到的表示，显著减少了计算和内存需求	未明确提及具体局限性，但可能包括在更广泛数据集上的泛化能力验证	提高息肉分割的准确性和效率，减少计算资源消耗	息肉分割	计算机视觉	NA	深度学习	PlutoNet	图像	未明确提及具体样本数量
535	2024-12-25	Advances in Aerosol Nanostructuring: Functions and Control of Next-Generation Particles 2024-Dec-24, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c02867 PMID:39546762	研究论文	本文讨论了纳米结构颗粒（NSPs）在能源和环境应用中的技术进步及其对可持续未来的关键作用	本文探讨了将原位/操作评估技术与机器学习和深度学习相结合的方法，以推动纳米结构颗粒合成的进一步创新	NA	探讨纳米结构颗粒在能源和环境应用中的技术进步及其未来发展趋势	纳米结构颗粒（NSPs）及其在能源和环境中的应用	NA	NA	气溶胶方法和喷涂工艺	机器学习和深度学习	NA	NA
536	2024-12-25	Reducing Numerical Precision Requirements in Quantum Chemistry Calculations 2024-Dec-24, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00938 PMID:39644230	研究论文	本文研究了量子化学计算中数值精度要求，特别是单粒子密度矩阵的计算，并提出了降低精度要求的方法	本文发现双精度提供了不必要的过高精度，并提出了一种基于无误差矩阵乘法变换的近似方法来加速计算	本文仅研究了量子化学计算中的一个代表性内核，未涵盖其他计算任务	研究量子化学计算中的数值精度要求，并提出适应下一代高性能计算平台的优化方法	量子化学计算中的单粒子密度矩阵计算	NA	NA	量子化学计算	NA	NA	NA
537	2024-12-25	Advanced Nosema bombycis Spore Identification: Single-Cell Raman Spectroscopy Combined with Self-Attention Mechanism-Guided Deep Learning 2024-Dec-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04817 PMID:39660811	研究论文	本文提出了一种使用单细胞拉曼光谱结合自注意力机制引导的卷积神经网络框架来准确识别Nosema bombycis孢子的新方法	创新点在于结合了单细胞拉曼光谱和自注意力机制引导的卷积神经网络，显著提高了孢子识别的准确性	NA	旨在开发一种准确且便捷的方法来识别单细胞水平的Nosema bombycis孢子	Nosema bombycis孢子	机器学习	NA	单细胞拉曼光谱	卷积神经网络	光谱数据	九种不同幼虫的孢子
538	2024-12-25	Longitudinal interpretability of deep learning based breast cancer risk prediction 2024-Dec-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9db3 PMID:39662054	研究论文	本文研究了基于深度学习的乳腺癌风险预测模型的可解释性，并探讨了模型在不同时间段对乳腺癌变化的检测能力	本文首次系统性地分析了乳腺癌风险预测模型在不同时间段的可解释性，揭示了模型在短期、中期和长期预测中的不同机制	本文仅使用了MIRAI模型进行分析，未探讨其他模型的表现；此外，样本量相对较小，可能影响结果的普适性	研究基于深度学习的乳腺癌风险预测模型的可解释性，并探讨模型在不同时间段对乳腺癌变化的检测能力	乳腺癌风险预测模型及其在不同时间段的可解释性	机器学习	乳腺癌	深度学习	深度学习模型（未具体说明模型类型）	图像（乳腺X光片）	1210张筛查乳腺X光片，2400张随访乳腺X光片
539	2024-12-25	Semi-supervised contour-driven broad learning system for autonomous segmentation of concealed prohibited baggage items 2024-Dec-24, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00182-7 PMID:39715960	研究论文	本文提出了一种半监督的轮廓驱动广义学习系统（C-BLX），用于自动分割隐藏的违禁行李物品	该研究的创新点在于利用半监督学习方法，通过资源高效图像级标签进行训练，减少了对手动密集像素级标注的依赖，并能有效处理遮挡和类别不平衡问题	该系统在复杂噪声环境下提取精确区域段的能力有限，但可以通过后处理技术来克服	研究目的是提高航空安全中行李检查的效率和准确性	研究对象是X射线扫描下的隐藏违禁行李物品	计算机视觉	NA	广义学习系统（BLS）	多卷积广义学习系统	图像	使用了三个高度不平衡的公共数据集进行评估：GDXray, SIXray, 和 Compass-XP
540	2024-12-25	Fast motion-compensated reconstruction for 4D-CBCT using deep learning-based groupwise registration 2024-Dec-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad97c1 PMID:39602831	研究论文	本文提出了一种基于深度学习的4D-CBCT运动补偿重建方法，通过深度学习增强的组间配准技术提高重建效率	本文的创新点在于使用深度学习方法进行组间配准，显著减少了运动模型生成的时间，同时保持了与传统方法相当的配准精度	本文的局限性在于仅评估了公开数据集和临床案例的结果，未来需要在更多临床场景中验证其有效性	本文的研究目的是提高4D-CBCT运动补偿重建的效率	本文的研究对象是4D-CBCT图像及其运动补偿重建	计算机视觉	NA	深度学习	深度学习模型	图像	35名患者的4D-CT图像