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
1001	2024-09-30	A comprehensive cotton leaf disease dataset for enhanced detection and classification 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110913 PMID:39328970	研究论文	本文介绍了一个全面的棉花叶病数据集，用于增强疾病检测和分类	该数据集包含了2137张原始图像和7000张增强图像，使用Inception V3模型展示了96.03%的高准确率	NA	开发用于早期疾病检测的准确机器学习模型，减少人工检查并促进及时干预	棉花叶病数据集及其在农业研究、精准农业和疾病管理中的应用	计算机视觉	NA	深度学习	Inception V3	图像	2137张原始图像和7000张增强图像
1002	2024-09-30	Rapid profiling of carcinogenic types of Helicobacter pylori infection via deep learning analysis of label-free SERS spectra of human serum 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.008 PMID:39329094	研究论文	本文开发了一种结合表面增强拉曼光谱和深度学习算法卷积神经网络的新方法，用于快速区分人血清中致癌型和非致癌型幽门螺杆菌感染	首次将表面增强拉曼光谱与深度学习算法结合，用于快速、准确且成本效益高的幽门螺杆菌致癌型感染血清学分析	NA	开发一种快速、准确且成本效益高的方法，用于血清学分析幽门螺杆菌致癌型感染，以指导其根除和胃癌预防	人血清中幽门螺杆菌感染的致癌型和非致癌型	机器学习	胃癌	表面增强拉曼光谱	卷积神经网络	光谱	NA
1003	2024-09-28	Accelerating multipool CEST MRI of Parkinson's disease using deep learning-based Z-spectral compressed sensing 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30233 PMID:39044635	研究论文	本文提出了一种基于深度学习的Z谱压缩感知方法，用于加速帕金森病多池CEST MRI扫描时间	本文创新性地提出了基于改进的一维U-Net的Z谱压缩感知方法，能够在减少扫描时间的同时保持足够的预测准确性	本文的实验主要基于数值模拟和体内大鼠脑实验，尚未在大规模人体临床试验中验证	开发一种能够减少帕金森病多池CEST MRI扫描时间并保持足够预测准确性的深度学习方法	帕金森病模型中的多池CEST MRI数据	计算机视觉	帕金森病	多池CEST MRI	一维U-Net	Z谱数据	体内大鼠脑实验
1004	2024-09-28	Enhancing SNR in CEST imaging: A deep learning approach with a denoising convolutional autoencoder 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30228 PMID:39030953	研究论文	本文提出了一种使用去噪卷积自编码器（DCAE）增强CEST成像信噪比的方法，并将其性能与现有去噪方法进行了比较	本文创新性地使用去噪卷积自编码器（DCAE）来增强CEST成像的信噪比	本文仅在模拟数据和动物肿瘤模型中验证了方法的有效性，尚未在人体临床数据中进行验证	开发一种增强CEST成像信噪比的方法，并评估其性能	CEST成像的信噪比增强	计算机视觉	NA	去噪卷积自编码器（DCAE）	卷积神经网络（CNN）	图像	模拟数据和动物肿瘤模型的活体数据
1005	2024-09-28	Physics-guided self-supervised learning for retrospective T1 and T2 mapping from conventional weighted brain MRI: Technical developments and initial validation in glioblastoma 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30226 PMID:39014982	研究论文	开发了一种自监督学习方法，用于从临床加权MRI中回顾性估计T1和T2值	利用自监督学习方法和MR物理模型，从常规加权MRI中估计T1和T2值，无需额外数据	仅在健康志愿者和胶质母细胞瘤数据集上进行了验证，未来需在更多疾病和更广泛的数据集上进行验证	开发一种自监督学习方法，用于从临床MRI中回顾性估计T1和T2值	T1和T2值的估计，以及其在脑肿瘤特征分析中的应用	计算机视觉	脑肿瘤	自监督学习	深度学习	图像	50名胶质母细胞瘤患者和健康志愿者数据
1006	2024-09-28	Improving Xenon-129 lung ventilation image SNR with deep-learning based image reconstruction 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30250 PMID:39155454	研究论文	评估深度学习（DL）重建方法在提高超极化129Xe肺通气MRI信噪比（SNR）中的可行性和实用性	使用深度学习重建方法显著提高了129Xe肺通气图像的SNR，并有效保留了结构相似性	深度学习重建方法在肺通气指标上存在轻微的正偏差，这可能归因于图像锐度的差异	评估深度学习重建方法在提高129Xe肺通气MRI信噪比中的应用	哮喘和/或慢性阻塞性肺疾病（COPD）患者的129Xe肺通气MRI数据	计算机视觉	呼吸系统疾病	MRI	深度学习	图像	哮喘和/或COPD患者的数据，以及健康志愿者的数据
1007	2024-09-28	A critical review of RNN and LSTM variants in hydrological time series predictions 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102946 PMID:39324077	综述	本文综述了RNN、LSTM及其变体在水利时间序列预测中的应用	探讨了注意力机制和混合模型的集成，以提高预测精度	实际应用需要大量数据和计算资源，未来研究应开发可解释的架构并利用迁移学习	评估RNN、LSTM及其变体在水利时间序列预测中的有效性	RNN、LSTM、GRU及其在水利时间序列预测中的应用	机器学习	NA	NA	RNN、LSTM、GRU	时间序列数据	NA
1008	2024-09-28	Comprehensive stomata image dataset of Sundarbans Mangrove and Ratargul Swamp forest tree species in Bangladesh 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110908 PMID:39328967	研究论文	本文介绍了一个包含1083张图像的综合气孔图像数据集，涵盖了孟加拉国两个不同地点的11种树种	该数据集为改进专门用于检测气孔和准确分类物种的机器学习算法提供了宝贵的工具	NA	旨在通过模式识别、深度学习和特征提取技术，深入理解植物生理学、适应机制和环境相互作用	植物叶片的气孔图像	计算机视觉	NA	深度学习	NA	图像	1083张图像，涵盖11种树种
1009	2024-09-28	Dataset for image classification with knowledge 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110893 PMID:39328969	研究论文	本文介绍了一种结合先验知识的图像分类数据集	本文创新性地将先验知识与图像分类数据集结合，通过频繁闭项集挖掘创建类别及其属性，并提取先验知识规则	本文未提及具体的性能提升效果或与其他方法的比较	提升在数据量不足或细粒度分类任务中的图像分类性能	图像分类数据集及其先验知识	计算机视觉	NA	频繁闭项集挖掘	NA	图像	NA
1010	2024-09-25	Knowledge-based in silico fragmentation and annotation of mass spectra for natural products with MassKG 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.001 PMID:39310281	研究论文	介绍了一种基于知识的模拟碎片化和注释质谱的方法MassKG，用于天然产物的快速鉴定和新结构的发现	结合了基于知识的碎片化策略和深度学习分子生成模型，显著提高了质谱数据注释的效率和准确性	NA	开发一种高效的方法来注释天然产物的质谱数据，促进新活性结构的发现	天然产物的质谱数据	计算机视觉	NA	质谱分析	深度学习模型	质谱数据	407,720个已知天然产物结构，并基于此生成了266,353个新结构
1011	2024-09-24	Building façade datasets for analyzing building characteristics using deep learning 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110885 PMID:39309718	研究论文	本文构建了一个用于分析建筑特征的立面图像数据集，并利用深度学习技术进行建筑特征的分类	本文首次构建了一个公开的、标注了建筑特征的立面图像数据集，用于训练深度学习模型	本文的研究重点是特定的任务，数据集的标注仅限于这些任务，其他用途需要进一步标注	构建一个用于训练深度学习模型的建筑特征立面图像数据集	建筑立面图像及其特征，包括楼层数、建筑类型、外墙材料和可用街景图像的分类	计算机视觉	NA	深度学习	NA	图像	数据集来源于英国的伦敦和苏格兰，由标注专家进行标注
1012	2024-09-21	Regional, rural and remote medicine attracts students with a similar approach to learning in both the Northern and Southern hemisphere 2024-Dec, International journal of circumpolar health IF:1.3Q4 DOI:10.1080/22423982.2024.2404274 PMID:39285655	研究论文	研究探讨了来自南北半球的医学生在目标导向和学习特征上的差异	首次比较了南北半球医学生在学习目标导向和学习特征上的差异	样本量较小，仅限于两个医学项目的医学生	研究医学生在目标导向和学习特征上的差异，以帮助他们在农村环境中更好地发展	来自南北半球的医学生	NA	NA	NA	NA	NA	263名医学生
1013	2024-09-20	Bangla news article dataset 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110874 PMID:39290422	研究论文	本文介绍了一个基于孟加拉语新闻文章的更新标准数据集	提供了超过190万篇来自九个孟加拉语新闻网站的文章，涵盖多个类别，为孟加拉语自然语言处理研究提供了丰富的数据资源	NA	提供一个标准化的孟加拉语新闻文章数据集，以支持自然语言处理和机器学习模型的研究	孟加拉语新闻文章数据集	自然语言处理	NA	NA	NA	文本	超过190万篇孟加拉语新闻文章
1014	2024-09-20	Enhancing sustainability in the production of palm oil: creative monitoring methods using YOLOv7 and YOLOv8 for effective plantation management 2024-Dec, Biotechnology reports (Amsterdam, Netherlands) DOI:10.1016/j.btre.2024.e00853 PMID:39290791	研究论文	评估YOLOv7和YOLOv8在识别油棕榈树方面的性能，以提高种植园管理的可持续性	YOLOv8系列在检测精度和时间上有所提升，YOLOv8m获得了最高的F1分数，YOLOv8s在检测时间上显著减少	NA	评估YOLOv7和YOLOv8在油棕榈种植园管理中的应用效果	YOLOv7和YOLOv8模型在油棕榈树识别中的性能	计算机视觉	NA	深度学习	YOLO	图像	训练集包含80,486张图像，测试集包含482张无人机拍摄的图像，其中包括5,233张油棕榈树图像
1015	2024-09-19	Harnessing deep learning for detection of diabetic retinopathy in geriatric group using optical coherence tomography angiography-OCTA: A promising approach 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102910 PMID:39280760	研究论文	本文提出了一种利用光学相干断层扫描血管造影（OCTA）图像和深度学习算法检测老年糖尿病视网膜病变的方法	结合OCTA和深度学习技术，提出了一种创新的方法来提高老年糖尿病视网膜病变的诊断准确性	NA	提高老年糖尿病视网膜病变的早期检测和管理	老年糖尿病视网膜病变患者	计算机视觉	老年疾病	光学相干断层扫描血管造影（OCTA）	卷积神经网络（CNN）	图像	262张OCTA扫描图像，来自179名老年个体，包括糖尿病患者和非糖尿病患者
1016	2024-09-19	A dataset of the 2023 presidential election in Nigeria 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110847 PMID:39290427	研究论文	本文介绍了2023年尼日利亚总统选举的推特数据集，并探讨了社交媒体在政治发展和情感分析中的作用	本文首次收集并分析了2023年尼日利亚总统选举相关的推特数据，展示了深度学习在情感分析中的应用	数据集仅包含推特上的公开信息，可能无法全面反映所有选民的意见	研究社交媒体在政治发展和情感分析中的作用	2023年尼日利亚总统选举相关的推特数据	自然语言处理	NA	深度学习	NA	文本	364,867条推文
1017	2024-09-17	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	本文提出了一种基于残差块和挤压激励注意力机制的NeuroPred-ResSE模型，用于预测神经肽	整合了残差块和挤压激励注意力机制，提高了神经肽预测的准确性	未提及	开发一种快速且准确的神经肽预测模型	神经肽及其在神经疾病治疗中的应用	机器学习	神经疾病	深度学习	残差块和挤压激励注意力机制	序列数据	未提及具体样本数量
1018	2024-09-17	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	本文开发了一种基于机器学习的二维核磁共振（2D NMR）数据处理方法，用于代谢组学中的定量分析	提出了结合部分最小二乘判别分析（PLS-DA）、人工神经网络分类（ANN-DA）、梯度提升树分类（XGBoost-DA）和人工深度学习神经网络分类（ANNDL-DA）的自动化峰值选择方法，显著提高了2D NMR数据处理的准确性	PLS-DA和XGBoost-DA在数据变化或过拟合方面存在局限性	开发一种自动化方法，将二维核磁共振（2D NMR）数据应用于代谢组学中的常规定量分析	标准混合物、海葵提取物和小鼠粪便样本	代谢组学	NA	二维核磁共振（2D NMR）	人工神经网络（ANN）、深度学习神经网络（ANNDL）、部分最小二乘判别分析（PLS-DA）、梯度提升树（XGBoost）	核磁共振数据	标准混合物、海葵提取物和小鼠粪便样本
1019	2024-09-17	Using machine learning to predict carotid artery symptoms from CT angiography: A radiomics and deep learning approach 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100594 PMID:39280120	研究论文	评估放射组学和深度学习方法在从颈动脉CT血管造影图像中识别有症状的颈动脉疾病中的应用	本文引入了放射组学和深度学习方法，并与传统的钙评分进行了性能比较	需要进一步的工作来验证这些新技术的临床应用	评估放射组学和深度学习方法在识别有症状的颈动脉疾病中的有效性	颈动脉CT血管造影图像	计算机视觉	心血管疾病	放射组学、深度学习	卷积神经网络（CNN）	图像	132条颈动脉（41条有症状、41条无症状、50条无症状）
1020	2024-09-17	The impact of deep learning image reconstruction of spectral CTU virtual non contrast images for patients with renal stones 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100599 PMID:39280122	研究论文	比较深度学习图像重建（DLIR）和自适应统计迭代重建-Veo（ASIR-V）重建的虚拟非对比（VNC）图像与真实非对比（TNC）图像在肾结石检测中的图像质量和准确性	深度学习图像重建（DLIR）在光谱CT尿路造影（CTU）中重建的虚拟非对比（VNC）图像提供了比传统真实非对比（TNC）图像更好的图像质量，同时保持了相似的肾结石检测准确性	研究为回顾性分析，样本量有限，未涉及临床剂量节省的具体应用	评估深度学习图像重建（DLIR）在光谱CT尿路造影（CTU）中重建的虚拟非对比（VNC）图像与传统真实非对比（TNC）图像在肾结石检测中的图像质量和准确性	肾结石检测的图像质量和准确性	计算机视觉	泌尿系统疾病	深度学习图像重建（DLIR）	深度学习模型	图像	70名接受腹部-骨盆CTU检查的患者