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
20341	2024-08-05	Attention Feature Fusion Network via Knowledge Propagation for Automated Respiratory Sound Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402139 PMID:38899013	研究论文	本研究开发了一种基于深度学习的自动化呼吸声音分类系统	将知识传播机制整合到CNN模型中，提高了呼吸病自动诊断的有效性	研究后仍需进一步的临床验证以确认模型的普适性	旨在通过自动化方法提高呼吸疾病早期诊断的准确性	该研究对象为1至6岁的小儿患者的呼吸声音数据	机器学习	呼吸系统疾病	深度学习	卷积神经网络（CNN）	音频	使用了ICBHI基准数据集和一个更大规模的自收集小儿数据集
20342	2024-08-05	A Drosophila heart optical coherence microscopy dataset for automatic video segmentation 2023-Dec-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02802-y PMID:38071220	研究论文	本文介绍了一种针对果蝇心脏视频的自动分割算法和相关数据集	提出了名为FlyNet 2.0+的自动化果蝇心脏分割算法，利用LSTM卷积神经网络处理视频中的时间序列信息	未提及该算法在其他物种或不同实验条件下的效用	旨在提高果蝇心脏功能量化的效率和一致性	果蝇白眉实验中获取的心脏视频数据集	计算机视觉	NA	光学相干显微镜 (OCM)	LSTM卷积神经网络	视频	213个果蝇心脏视频，约等于604,000个横截面图像
20343	2024-08-05	Deep Learning-Based TEM Image Analysis for Fully Automated Detection of Gold Nanoparticles Internalized Within Tumor Cell 2023-07-25, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/micmic/ozad066 PMID:37488822	研究论文	本研究开发了基于深度学习的TEM图像分析方法，用于全自动检测肿瘤细胞内的金纳米颗粒	本研究的创新点在于提出了一种全自动的深度学习方法，能够有效检测细胞TEM图像中的金纳米颗粒	有可能受到转移学习和模型调整的效果限制	本研究旨在提高金纳米颗粒在肿瘤细胞内定量分析的准确性和效率	研究对象为含金纳米颗粒的肿瘤细胞的TEM图像	计算机视觉	癌症	深度学习，传输学习	YOLO v5	图像	78张原始TEM图像（12040张增强图像）
20344	2024-08-05	Deep learning-enabled volumetric cone photoreceptor segmentation in adaptive optics optical coherence tomography images of normal and diseased eyes 2023-Feb-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.478693 PMID:36874491	研究论文	本文提出了一种深度学习框架，用于自动分割适应性光学光学相干断层扫描图像中的锥细胞	该方法实现了从传统人工标记到自动化的3-D体积数据分析，达到人类水平的性能	NA	自动化测量视网膜神经退行性疾病中光受体细胞的形态	健康和疾病参与者的光受体细胞	数字病理学	视网膜神经退行性疾病	适应性光学光学相干断层扫描	深度学习	3-D图像	涉及健康和疾病参与者的AO-OCT扫描，具体样本大小未提供
20345	2024-08-07	Integrating Multiomics Information in Deep Learning Architectures for Joint Actuarial Outcome Prediction in Non-Small Cell Lung Cancer Patients After Radiation Therapy 2021-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2021.01.042 PMID:33539966	研究论文	提出了一种新颖的保险深度学习神经网络（ADNN）架构，用于预测接受放射治疗的III期非小细胞肺癌（NSCLC）患者的放射性肺炎（RP）和局部控制（LC）的联合结果	与仅使用剂量学信息的正常组织并发症概率/肿瘤控制概率模型不同，所提出的模型考虑了正电子发射断层扫描（PET）放射组学、细胞因子和miRNA等多组学信息的复杂相互作用	NA	旨在通过整合多组学信息，提高放射治疗后非小细胞肺癌患者的放射性肺炎和局部控制的预测准确性	III期非小细胞肺癌患者在接受放射治疗后的放射性肺炎和局部控制	机器学习	肺癌	正电子发射断层扫描（PET）放射组学、细胞因子和miRNA	一维卷积神经网络（CNN）和变分编码器	图像和生物数据	117名回顾性患者和25名前瞻性新患者，以及327名多机构RTOG0617数据集患者
20346	2024-08-07	A Role for FDG PET Radiomics in Personalized Medicine? 2020-Nov, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2020.05.002 PMID:33059822	综述	本文综述了放射组学在分子影像学中的应用，特别是在肺癌中的研究进展	介绍了使用机器学习和深度学习方法在放射组学中的应用，这些方法可以自动学习特征，无需预定义和图像预处理	目前放射组学的研究仍处于早期阶段，仅有有限的研究成果被纳入常规实践	探讨放射组学在个性化医疗中的潜在作用	主要研究对象为肺癌	数字病理学	肺癌	F-氟脱氧葡萄糖正电子发射断层扫描（F-FDG-PET）	人工神经网络	图像	NA
20347	2024-08-07	Deep learning extends de novo protein modelling coverage of genomes using iteratively predicted structural constraints 2019-09-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-11994-0 PMID:31484923	研究论文	本文介绍了DMPfold方法，利用深度学习预测原子间距离界限、主链氢键网络和扭转角，通过迭代方式构建蛋白质模型	DMPfold在CASP12域测试集上生成的模型比两种流行方法更准确，并且同样适用于跨膜蛋白	NA	扩展从头蛋白质建模对基因组的覆盖范围	蛋白质结构预测	机器学习	NA	深度学习	CNN	序列数据	应用于所有未知结构的Pfam域，为25%的所谓暗家族生成可信模型，为16%的人类蛋白质组UniProt条目生成模型
20348	2024-08-05	A Brazilian native bee (Tetragonisca angustula) dataset for computer vision 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110659 PMID:39044906	研究论文	文章介绍了一个用于计算机视觉的巴西本土蜜蜂数据集	提供了用于蜜蜂追踪的多样化视频数据及其标签和元数据	研究中未提及数据集的规模或照片与视频的处理方法	证明该数据集在计算机视觉任务中的潜力	多个蜜蜂群体的视频记录	计算机视觉	NA	NA	深度学习模型	视频	多个蜜蜂群体的视频
20349	2024-08-05	SeasVeg: An image dataset of Bangladeshi seasonal vegetables 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110564 PMID:39044911	研究论文	本研究介绍了一个名为'SeasVeg'的数据集，包含孟加拉国季节性蔬菜的图像	数据集的多功能性，不仅用于农业科学的机器学习和深度学习，还可用于儿童学习蔬菜识别	研究未提及数据集使用的具体上下文或限制条件	探索季节性蔬菜对营养和商业的重要性，并推动农业科学的发展	包括十种季节性蔬菜的图像数据集	机器学习	NA	深度学习	CNN	图像	4500幅图像（1500幅原始和3000幅增强）
20350	2024-08-05	Prediction of visual field progression with serial optic disc photographs using deep learning 2024-Jul-23, The British journal of ophthalmology DOI:10.1136/bjo-2023-324277 PMID:37833037	研究论文	本研究测试了基于纵向视神经盘照片预测视野进展的深度学习模型的假设	提出了一种使用双神经网络和ResNet50骨干的深度学习模型来预测青光眼的进展	该研究需要进一步验证模型的临床适用性	研究目的在于利用深度学习模型预测基于光盘照片的视野进展	研究对象为3919只眼睛，其中包括2259名患者	数字病理学	青光眼	深度学习	双神经网络（ResNet50）	图像	3919只眼睛（2259名患者）
20351	2024-08-05	Differentiation of granulomatous nodules with lobulation and spiculation signs from solid lung adenocarcinomas using a CT deep learning model 2024-Jul-22, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12611-0 PMID:39039511	研究论文	本研究利用CT深度学习模型区分具有分叶和尖刺征兆的肉芽肿结节与实性肺腺癌	提出了一种CT深度学习模型，能有效提高诊断分叶和尖刺征兆的肉芽肿结节的准确性	该研究可能受到样本选择偏差和回顾性分析的影响	旨在提高在手术前诊断分叶和尖刺征兆肉芽肿结节的准确性	420名患有病理确认的肉芽肿结节和肺腺癌的患者	计算机视觉	肺癌	CT深度学习	自监督转移学习	图像	420名患者
20352	2024-08-05	A dataset for deep learning based detection of printed circuit board surface defect 2024-Jul-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03656-8 PMID:39039085	研究论文	本文创建了一个用于深度学习检测印刷电路板表面缺陷的数据集	创新性在于分类了9种印刷电路板表面缺陷并开发了一个大规模的数据集DsPCBSD+	NA	旨在提高印刷电路板表面缺陷的检测精度与效率	印刷电路板表面缺陷	深度学习	NA	深度学习	NA	图像	10259张图像，20276个缺陷
20353	2024-08-05	Chemical language modeling with structured state space sequence models 2024-Jul-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50469-9 PMID:39039051	研究论文	本文介绍了一种新型深度学习架构S4模型在新药设计中的应用	S4模型在化学语言建模中展现出卓越的学习复杂分子特性的能力	未提及具体局限性	探讨S4模型如何提升化学语言建模以进行新药设计	该研究集中于药物发现任务中的化学语言模型	机器学习	NA	深度学习	S4模型	分子字符串	涉及多个药物发现任务的多种分子
20354	2024-08-05	Radiograph-based rheumatoid arthritis diagnosis via convolutional neural network 2024-Jul-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01362-w PMID:39039460	研究论文	本文旨在开发一种基于深度学习的自动化系统，用于从X光片中识别和分级类风湿性关节炎(RA)	提出了一种基于CNN的完全自动化RA诊断模型，探索了五种流行的CNN架构	实验只基于手部X光片，未探讨其他部位的RA诊断可能性	研究旨在为RA的快速、准确诊断开发一种新的方法	基于240张手部X光片的数据集进行训练和104张X光片的评估	计算机视觉	类风湿性关节炎	卷积神经网络(CNN)	GoogLeNet和VGG16	图像	240张手部X光片用于训练，104张用于评估
20355	2024-08-05	Artificial intelligence model for automated surgical instrument detection and counting: an experimental proof-of-concept study 2024-Jul-21, Patient safety in surgery IF:2.6Q1 DOI:10.1186/s13037-024-00406-y PMID:39034409	研究论文	本研究评估了一种基于深度学习的计算机视觉模型，用于自动化手术工具检测和计数	提出了一种新颖的数据集与深度学习模型，展示了自动检测和计数手术工具的可行性	需要在临床环境中进一步验证模型的有效性	旨在提高手术安全性，并减少手术人员的手动工作负担	使用包含13,213个手术工具的图像数据集进行模型训练和性能评估	计算机视觉	NA	深度学习	NA	图像	1,004张图像，11个类别的手术工具
20356	2024-08-05	Detection of atrial fibrillation using a nonlinear Lorenz Scattergram and deep learning in primary care 2024-Jul-20, BMC primary care IF:2.0Q2 DOI:10.1186/s12875-024-02407-3 PMID:39033295	研究论文	本研究旨在基于非线性 Lorenz 散点图和深度学习构建心房颤动 (AF) 检测模型	该文章使用非线性 Lorenz 散点图与深度学习结合以提高心房颤动的检测准确性	未提及研究的局限性	快速准确地检测心房颤动以促进早期干预	MIT-BIH 正常窦律数据库、MIT-BIH 心律失常数据库和长期心房颤动数据库中的数据	计算机视觉	心房颤动	深度学习	NA	心电图	从多个数据库构建的数据集，不同的内外验证集
20357	2024-08-05	STC-UNet: renal tumor segmentation based on enhanced feature extraction at different network levels 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01359-5 PMID:39030510	研究论文	本文提出了一种新的STC-UNet模型，用于改善肾肿瘤的分割精度	引入选择性卷积核、视觉变换器和坐标注意力模块，以增强网络不同层级的特征提取能力	在现有研究中未具体提及样本多样性和外部验证的限制	提高肾肿瘤的医学图像分割精度	肾肿瘤的医学图像数据	医学图像分割	肾癌	深度学习	U-Net	图像	基于KiTS19数据集的验证
20358	2024-08-05	Assessing breast disease with deep learning model using bimodal bi-view ultrasound images and clinical information 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110279 PMID:39045104	研究论文	本研究开发了一种多模式深度学习模型（BreNet），用于区分乳腺癌与良性病变	BreNet模型在乳腺癌的检测中显示出优于放射科医生的诊断能力，并能够提升放射科医生的诊断效果	本研究基于单一中心和两个中心的图像进行测试，实际应用中可能需要更广泛的验证	提高乳腺癌的诊断能力	利用双模式超声图像及临床信息进行乳腺疾病的评估	数字病理学	乳腺癌	深度学习	BreNet	图像	10,108张训练图像和3,762张测试图像
20359	2024-08-05	Hybridized deep learning goniometry for improved precision in Ehlers-Danlos Syndrome (EDS) evaluation 2024-Jul-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02601-4 PMID:39026270	研究论文	本研究开发了一种基于图像的体位测量系统，HybridPoseNet，对Ehlers-Danlos综合征（EDS）的评估提供更准确的关节角度测量	该模型结合了CNN与HyperLSTM的优势，提供了更好的泛化和时间一致性，显著改善了常规体位测量库的准确性	本研究的样本量相对较小，仅包括50名访问EDS诊所的个体，可能限制了结果的普遍适用性	旨在开发一种新颖的测量工具，以提高在EDS评估中的关节角度测量准确性	研究对象为50名就诊于EDS诊所的个体，主要关注能够过度伸展的关节	计算机视觉	Ehlers-Danlos综合征	深度学习	HybridPoseNet	视频	50个个体
20360	2024-08-05	Research on image recognition of tomato leaf diseases based on improved AlexNet model 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33555 PMID:39044970	研究论文	该文章介绍了一种基于改进AlexNet模型的番茄叶病害图像识别方法	通过HOG和LBP加权融合特征提取改进了传统图像识别技术，提升了图像分类与识别效果	研究未提及样本多样性和可能的环境影响	旨在提高番茄叶病害的识别效率和准确性	针对8种番茄叶病害及健康叶片	计算机视觉	植物病害	深度学习，使用AlexNet模型及转移学习	改进的AlexNet模型	图像	包含8种番茄叶病害的图像数据集