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
20141	2024-08-31	Semantic Segmentation in Large-Size Orthomosaics to Detect the Vegetation Area in Opuntia spp. Crop 2024-Aug-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080187 PMID:39194976	研究论文	本研究专注于在大尺寸正射影像图中进行语义分割，以检测Opuntia spp.作物中的植被区域	提出使用深度学习技术，如DeepLabV3+、UNet和UNet Style Xception，来提供更精确和高效的植被区域测量方法	研究集中在高分辨率图像的分割上，这些图像通常超过2000像素，这在农业监测的正射影像生成中是一个常见问题	开发和改进基于深度学习的作物分析技术	Opuntia spp.作物的植被区域	计算机视觉	NA	深度学习	DeepLabV3+, UNet, UNet Style Xception	图像	研究在墨西哥Hidalgo州Tulancingo农业区域的Opuntia spp.种植区进行
20142	2024-08-31	Label-Free Surface-Enhanced Raman Spectroscopy with Machine Learning for the Diagnosis of Thyroid Cancer by Using Fine-Needle Aspiration Liquid Samples 2024-Jul-31, Biosensors DOI:10.3390/bios14080372 PMID:39194601	研究论文	本研究开发了一种无需标记的表面增强拉曼光谱（SERS）液体活检方法，结合机器学习算法，用于通过甲状腺细针穿刺（FNA）洗涤液快速准确地诊断甲状腺癌	采用无需标记的SERS技术结合深度学习模型进行甲状腺癌的早期检测和筛查	样本量较小，仅包括36个甲状腺FNA样本	开发一种快速、准确且成本效益高的甲状腺癌诊断方法	甲状腺FNA洗涤液中的恶性与良性样本	机器学习	甲状腺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	拉曼光谱	36个甲状腺FNA样本（18个恶性，18个良性）
20143	2024-08-31	Overlapping Shoeprint Detection by Edge Detection and Deep Learning 2024-Jul-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080186 PMID:39194975	研究论文	本研究通过结合边缘检测和图像分割技术，利用YOLO模型改进重叠鞋印的检测	引入YOLO模型并结合边缘检测和图像分割技术，提高了重叠鞋印检测的敏感性和精确度	研究主要集中在重叠鞋印的检测，未涉及其他类型的重叠物体	提高在复杂背景下重叠物体的检测准确性	重叠鞋印	计算机视觉	NA	边缘检测	YOLO	图像	未具体说明样本数量
20144	2024-08-31	Optimized Crop Disease Identification in Bangladesh: A Deep Learning and SVM Hybrid Model for Rice, Potato, and Corn 2024-Jul-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080183 PMID:39194972	研究论文	本研究构建了一个混合深度学习模型，用于识别三种主要作物（马铃薯、水稻和玉米）的三种特定疾病	本研究利用EfficientNetB0的特征提取能力和SVM的分类能力，提出了一种统一的混合模型，旨在提高数据处理和特征提取的效率，并改善模型在不同作物和疾病中的泛化能力	NA	确保作物健康生长，提高农业部门的可持续发展	马铃薯晚疫病、水稻褐斑病和玉米普通锈病	机器学习	NA	深度学习	混合模型（EfficientNetB0和SVM）	图像	NA
20145	2024-08-31	Enhanced Nanoparticle Recognition via Deep Learning-Accelerated Plasmonic Sensing 2024-Jul-26, Biosensors DOI:10.3390/bios14080363 PMID:39194592	研究论文	本文开发了一种基于单颗粒干涉散射模型和深度学习处理的表面等离子体显微镜成像加速方法，用于识别和分类干涉散射图像中的多个颗粒	本文提出了一种结合理论模拟和实际测量数据的新型深度学习技术，有效提高了在噪声条件下对颗粒的分类和识别能力	NA	开发一种自动化的方法，用于高效分析表面等离子体显微镜成像数据中的颗粒	生物颗粒和生物分子，如外泌体、病毒和细菌	计算机视觉	NA	表面等离子体显微镜	EfficientNet	图像	NA
20146	2024-08-31	Deep Learning for Single-Shot Structured Light Profilometry: A Comprehensive Dataset and Performance Analysis 2024-Jul-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080179 PMID:39194968	研究论文	本文介绍了用于单次结构光轮廓术的深度学习方法，并提供了一个包含超过10,000个物理数据对的全面数据集，用于评估和比较不同的模型和网络架构。	本文的创新点在于构建了一个大规模的深度学习结构光轮廓术数据集，并公开了代码和数据集，以促进该领域的进一步研究和模型评估。	本文的局限性在于数据集的构建依赖于特定的3D打印校准目标，可能限制了数据集的通用性。	本文的研究目的是提供一个基准数据集，用于评估和比较不同的深度学习模型在单次结构光轮廓术中的性能。	本文的研究对象是单次深度学习结构光轮廓术中的神经网络模型和数据集。	计算机视觉	NA	深度学习	神经网络	图像	超过10,000个物理数据对
20147	2024-08-31	Deep Learning for Pneumonia Detection in Chest X-ray Images: A Comprehensive Survey 2024-Jul-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080176 PMID:39194965	综述	本文全面分析了深度学习技术在胸片图像中用于肺炎检测的应用	分析并评估了使用视觉转换器（ViTs）在肺炎检测中的潜力	视觉转换器需要进一步研究以解决偏倚的胸片数据集、数据和代码可用性、模型解释的简易性、准确模型比较的系统方法、胸片数据集中的类别不平衡以及对抗性攻击等问题	探讨深度学习在肺炎检测中的应用及其效果	深度学习技术及其在胸片图像肺炎检测中的应用	计算机视觉	肺炎	深度学习	视觉转换器（ViTs）	图像	NA
20148	2024-08-31	Using Vision Transformer for high robustness and generalization in predicting EGFR mutation status in lung adenocarcinoma 2024-Jun, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-023-03366-4 PMID:38194018	研究论文	本文提出了一种使用视觉变换器（ViT）模型，通过非侵入性CT图像预测肺腺癌中EGFR突变状态的方法	采用基于自注意力机制的ViT-B/16模型，提高了预测EGFR突变状态的鲁棒性和泛化能力	NA	开发一种准确预测肺腺癌患者EGFR突变状态的深度学习模型	肺腺癌患者的CT图像及其EGFR突变状态	计算机视觉	肺腺癌	NA	ViT	图像	525名患者用于模型训练和验证，30名患者用于外部测试
20149	2024-08-31	A computational clinical decision-supporting system to suggest effective anti-epileptic drugs for pediatric epilepsy patients based on deep learning models using patient's medical history 2024-May-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02552-w PMID:38822293	研究论文	本研究开发了一种基于深度学习模型的计算临床决策支持系统，用于根据儿科癫痫患者的病史推荐有效的抗癫痫药物	本研究利用多通道卷积神经网络模型，针对三种特定的抗癫痫药物进行个性化预测，提高了药物推荐的准确性	本研究仅针对三种特定的抗癫痫药物进行模型训练和验证，未来可扩展到更多种类的药物	开发一种辅助医生根据患者病史推荐有效抗癫痫药物的计算系统，以减少不必要的药物尝试和提高治疗效果	儿科癫痫患者及其病史	机器学习	癫痫	卷积神经网络(CNN)	CNN	病历记录	1000名儿科癫痫患者的7507份病历记录
20150	2024-08-31	Gaussian Aquila optimizer based dual convolutional neural networks for identification and grading of osteoarthritis using knee joint images 2024-03-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57002-4 PMID:38538646	研究论文	本研究利用基于高斯鹰优化器的双卷积神经网络对膝关节图像进行识别和分级，以诊断骨关节炎	提出了一种新的高斯鹰优化器（GAO），用于优化双卷积神经网络（DCNN）模型的参数，该模型通过减少层数来降低计算负担	NA	旨在通过早期检测骨关节炎并及时治疗，减轻患者的疼痛	骨关节炎患者的膝关节图像	计算机视觉	骨关节炎	卷积神经网络	双卷积神经网络	图像	总共2283张膝关节图像，其中1267张为正常膝关节图像，1016张为骨关节炎图像
20151	2024-08-31	Detecting abnormal cell behaviors from dry mass time series 2024-03-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57684-w PMID:38528035	研究论文	本文介绍了一种新的自监督学习模型StArDusTS，用于检测细胞群体中的异常行为，通过分析细胞随时间的干质量时间序列来实现	提出了一个新颖的自监督学习模型StArDusTS，用于自动检测细胞异常行为，无需预先标签	NA	开发一种能够预测单细胞病理变化的新型自监督学习模型	细胞群体中的异常行为检测	机器学习	NA	自监督学习	StArDusTS	时间序列	涉及不同细胞系
20152	2024-08-31	PlaqueNet: deep learning enabled coronary artery plaque segmentation from coronary computed tomography angiography 2024-Mar-22, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00157-8 PMID:38514491	研究论文	本文介绍了一种名为PlaqueNet的深度学习方法，用于从冠状动脉CT血管造影图像中分割冠状动脉斑块	采用了先进的残差网络模块和深度可分离空洞空间金字塔池化结合双三次高效通道注意力（DASPP-BICECA）模块，提高了特征提取能力和分割准确性	NA	旨在通过深度学习技术提高冠状动脉斑块的检测准确性，以支持早期治疗和降低心血管疾病风险	冠状动脉斑块的分割	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	CNN	图像	未具体说明样本数量
20153	2024-08-31	Network depth affects inference of gene sets from bacterial transcriptomes using denoising autoencoders 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae066 PMID:39027639	研究论文	研究使用深度去噪自编码器（DAEs）从细菌转录组数据中推断基因集，并探讨网络架构对基因集推断的影响	将去噪自编码器的应用扩展到深度网络，并研究网络深度和宽度对基因集推断的影响	需要进一步验证和优化深度去噪自编码器在不同细菌数据集上的应用	开发一种基于深度去噪自编码器的管道，用于从转录组数据中提取基因集，并评估网络架构对基因集推断的影响	大肠杆菌的转录组数据和独立尿路致病性大肠杆菌数据集	机器学习	NA	去噪自编码器（DAEs）	DAE	转录组数据	多个公开可用的细菌基因表达数据集
20154	2024-08-31	Rapid prediction of wall shear stress in stenosed coronary arteries based on deep learning 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1360330 PMID:39188371	研究论文	本文利用深度学习技术，通过结合合成数据和真实患者数据，训练了一个U-net架构的模型，用于快速预测狭窄冠状动脉的壁剪应力	本文采用了两种合成数据生成方法，并将其与真实患者数据结合，提高了模型的训练效果	文章中使用的患者数据有限，主要依赖于合成数据	开发一种快速且高效的深度学习模型，用于临床实践中预测冠状动脉的壁剪应力	狭窄冠状动脉的壁剪应力	机器学习	心血管疾病	深度学习	U-net	图像	患者数据有限，主要使用合成数据
20155	2024-08-31	A new method of rock type identification based on transformer by utilizing acoustic emission 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309165 PMID:39190747	研究论文	本文提出了一种基于声发射信号和3CTNet模型的新型岩石类型识别框架，该模型结合了卷积神经网络和Transformer编码器，用于智能识别不同岩石断裂的声发射信号	引入了一种新的信号识别模型3CTNet，该模型通过建立数据中相邻位置的依赖关系并逐步提取高级特征，提高了岩石类型识别的准确性	NA	解决传统分析方法在处理大数据时的不足，提高岩石类型识别的效率和准确性	岩石类型的识别	地球科学	NA	声发射信号处理	3CTNet（CNN与Transformer的结合）	声发射信号	NA
20156	2024-08-31	CSAM: A 2.5D Cross-Slice Attention Module for Anisotropic Volumetric Medical Image Segmentation 2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv57701.2024.00582 PMID:39193208	研究论文	本文提出了一种2.5D交叉切片注意力模块（CSAM），用于各向异性体积医学图像分割	CSAM通过在不同尺度的深度特征图上应用语义、位置和切片注意力，以最少的可训练参数捕获整个体积中的切片间信息	NA	解决各向异性体积医学数据分割中的问题，特别是磁共振成像（MRI）数据	各向异性体积医学图像	计算机视觉	NA	深度学习	CNN	图像	NA
20157	2024-08-31	Evaluation of the Artificial Intelligence Chatbot on Breast Reconstruction and Its Efficacy in Surgical Research: A Case Study 2023-12, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-023-03443-7 PMID:37314466	研究论文	本研究评估了人工智能聊天机器人ChatGPT在乳房重建领域的应用及其在整形外科研究中的效果	首次评估ChatGPT在整形外科研究中的准确性和全面性	ChatGPT在回答中缺乏深度，生成不存在的参考文献，引用错误的期刊和日期，存在学术诚信问题	评估ChatGPT在整形外科研究中的适用性	ChatGPT在乳房重建领域的应用	机器学习	NA	深度学习	NA	文本	6个问题
20158	2024-08-31	Association Between Fat Depletion and Prognosis of Amyotrophic Lateral Sclerosis: CT-Based Body Composition Analysis 2023-12, Annals of neurology IF:8.1Q1 DOI:10.1002/ana.26775 PMID:37612833	研究论文	本研究探讨了脂肪减少与肌萎缩侧索硬化症（ALS）患者预后的关系，使用基于深度学习的CT体成分分析软件进行分析	首次使用深度学习技术进行CT体成分分析，评估脂肪减少和肌肉减少对ALS患者生存的影响	研究为回顾性分析，样本量相对较小，且仅在单一医院进行	评估脂肪减少和肌肉减少对ALS患者预后的影响	肌萎缩侧索硬化症患者	数字病理学	神经退行性疾病	CT	深度学习	图像	80名患者（40名男性，平均年龄65.5±9.4岁）
20159	2024-08-31	A high-resolution canopy height model of the Earth 2023-Nov, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-023-02206-6 PMID:37770546	研究论文	本文介绍了一种全球冠层高度图，分辨率为10米，基于融合了GEDI LiDAR数据和Sentinel-2卫星图像的深度学习模型	开发了一种概率深度学习模型，能够从Sentinel-2图像中检索冠层顶部高度并量化估计的不确定性	NA	提供高分辨率的全球冠层高度模型，以支持生态系统管理、气候变化缓解和生物多样性保护	全球冠层高度及其在生态系统中的分布	计算机视觉	NA	深度学习	深度学习模型	图像	全球陆地面积的5%被超过30米的树木覆盖
20160	2024-08-31	Comparison of Machine Learning Detection of Low Left Ventricular Ejection Fraction Using Individual ECG Leads 2023-Oct, Computing in cardiology DOI:10.22489/cinc.2023.047 PMID:39193485	研究论文	本研究开发并应用了一种深度学习架构，用于检测低左心室射血分数（LVEF），并比较了使用单个导联和整个12导联ECG训练该架构的性能	探索了使用单个导联ECG数据进行机器学习分析的可能性，并发现单导联训练的网络与全12导联训练的网络性能相似	未提及具体限制	开发和比较使用单个导联和整个12导联ECG进行机器学习分析的性能	低左心室射血分数（LVEF）的检测	机器学习	心血管疾病	机器学习（ML）	深度学习	ECG数据	未提及具体样本数量