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
20641	2024-08-07	Latent space manipulation for high-resolution medical image synthesis via the StyleGAN 2020-Nov, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2020.05.001 PMID:32564924	研究论文	本文探讨了StyleGAN模型作为高分辨率合成医学图像生成器的潜力	利用StyleGAN的样式转换功能在不同模态间移动图像，并通过操纵潜在样式向量来转换图像特征	NA	研究StyleGAN模型在生成合成医学图像方面的应用	盆腔恶性肿瘤患者的CT和T2加权MR图像	计算机视觉	NA	StyleGAN	StyleGAN	图像	100名盆腔恶性肿瘤患者
20642	2024-08-07	Efficient prediction of drug-drug interaction using deep learning models 2020-Aug, IET systems biology IF:1.9Q3 DOI:10.1049/iet-syb.2019.0116 PMID:32737279	研究论文	本文提出并实现了一种集成的卷积混合密度循环神经网络模型，用于高效预测药物-药物相互作用	提出的模型结合了卷积神经网络、循环神经网络和混合密度网络，通过广泛的比较分析显示出显著优于竞争模型的性能	目前文章未提及具体限制	旨在提高药物-药物相互作用预测的效率和准确性	药物-药物相互作用	机器学习	NA	卷积神经网络、循环神经网络、混合密度网络	卷积混合密度循环神经网络	NA	NA
20643	2024-08-07	Scale and translation-invariance for novel objects in human vision 2020-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-57261-6 PMID:31996698	研究论文	本研究通过测量非韩语使用者在一次闪现学习中对韩文字母的识别准确率，探讨了人类视觉对新物体识别的尺度不变性和位置不变性	研究发现人类在单次暴露于新物体后具有显著的尺度不变性，并提出了神经网络模型应内置尺度不变性以解释人类对物体的恒定识别	位置不变性的范围有限，取决于呈现物体的大小和位置	探究人类视觉对新物体识别的尺度不变性和位置不变性	人类视觉对新物体识别的不变性	计算机视觉	NA	NA	神经网络模型	图像	非韩语使用者
20644	2024-08-07	Fundus photograph-based deep learning algorithms in detecting diabetic retinopathy 2019-01, Eye (London, England) DOI:10.1038/s41433-018-0269-y PMID:30401899	综述	本文综述了基于眼底照片的深度学习算法在糖尿病视网膜病变（DR）检测中的应用	深度神经网络在从视网膜图像中筛查DR方面提供了巨大的优势，提高了对DR病变和疾病风险因素的识别准确性和可靠性	NA	比较当前各种深度学习模型在糖尿病视网膜病变（DR）诊断中的证据	糖尿病视网膜病变（DR）的诊断	机器学习	糖尿病	卷积神经网络（深度学习方法）	CNN	图像	NA
20645	2024-08-07	The Role of a Deep-Learning Method for Negation Detection in Patient Cohort Identification from Electroencephalography Reports 2018, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:30815145	研究论文	本文研究了一种深度学习方法在从脑电图报告中识别患者队列时进行否定检测的作用	本文采用了一种神经否定检测技术，并与现有的神经极性识别系统进行了比较，结果表明该方法能产生更好的患者队列	NA	研究如何通过深度学习技术提高患者队列识别的准确性	脑电图报告中的否定检测	自然语言处理	NA	深度学习	神经网络	文本	NA
20646	2024-08-07	Multi-View Graph Convolutional Network and Its Applications on Neuroimage Analysis for Parkinson's Disease 2018, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:30815157	研究论文	本文提出了一种基于图卷积网络的深度学习方法，用于融合多种脑图像模态，以预测帕金森病的关系	使用图卷积网络融合多种脑图像模态，提高了帕金森病与对照组的区分效果	未提及具体限制	开发一种新的深度学习方法，用于提高帕金森病的诊断准确性	帕金森病的脑图像分析	机器学习	帕金森病	图卷积网络 (GCN)	图卷积网络	脑图像	使用帕金森病进展标志物倡议 (PPMI) 队列
20647	2024-08-05	AI-assisted deep learning segmentation and quantitative analysis of X-ray microtomography data from biomass ashes 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102812 PMID:39040214	研究论文	这篇文章介绍了一种使用深度学习对X射线微核成像数据进行分割和定量分析的方法	提出了一种深度学习分割方法，克服了手动分割中遇到的挑战，并提高了对多样化颗粒的定量分析精度	对于具有相似强度但不同模式的材料特征及背景中的强度变化和伪影，可能仍然存在分离困难	提高生物质灰烬图像的分割和定量分析效率，以促进有效的营养回收与可持续实践	生物质灰烬的微观结构，特别是颗粒的物理特性和孔隙结构	计算机视觉	NA	深度学习	U-Net	图像	NA
20648	2024-08-05	Image-based deep learning model using DNA methylation data predicts the origin of cancer of unknown primary 2024-09, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2024.101021 PMID:38943996	研究论文	本文开发了一种基于图像的深度学习模型，用于预测未知原发癌症的起源。	文章创新地应用了视觉变换算法和DNA甲基化数据来识别癌症的起源。	本研究的局限性在于使用的样本主要来自TCGA和20个外部研究，可能影响模型的普遍适用性。	研究的目的是提高对未知原发癌症起源的准确识别。	研究对象为8,233个来自TCGA的原发肿瘤样本和394个转移癌样本。	数字病理学	未知原发癌症	DNA甲基化分析	视觉变换器	图像	8,233个原发肿瘤样本和394个转移癌样本
20649	2024-08-05	An instance segmentation dataset of cabbages over the whole growing season for UAV imagery 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110699 PMID:39044907	研究论文	本文介绍了一种针对整个生长季节的白菜实例分割数据集，适用于无人机图像	提供了标注的白菜图像数据集，以便通过深度学习模型进行白菜识别	目前白菜的训练数据集仍然有限	创建用于无人机影像的白菜识别训练数据集	白菜图像和其标注	机器学习	NA	深度学习	NA	图像	458张图像，17,621个标注的白菜
20650	2024-08-05	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-Aug, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	本文研究了儿童颅咽管瘤患者，旨在开发用于放射学辅助分类的卷积深度学习算法	首次在本机构开展此类研究，利用可解释的人工智能和深度学习模型实现放射学诊断支持	NA	开发深度学习算法用于儿童颅咽管瘤的诊断支持	226名智利儿童患者的磁共振影像	计算机视觉	颅咽管瘤	深度学习	卷积神经网络	图像	226名患者（68名健康对照，58名颅咽管瘤患者，100名其他颅内肿瘤患者）
20651	2024-08-05	Experience of Implementing Deep Learning-Based Automatic Contouring in Breast Radiation Therapy Planning: Insights From Over 2000 Cases 2024-Aug-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.041 PMID:38431232	研究论文	本研究评估了自动轮廓系统在乳腺放射治疗中的影响和临床实用性	本研究展示了自动轮廓系统在临床实际应用中的表现，并强调了自动化设置的必要性和潜在的自动化偏差风险	在肺部的分割准确性较差，且未能明确提及如何处理这一问题	本研究的目的是评估自动轮廓系统在乳腺放射治疗中的临床效用	研究对象为2428名接受辅助乳腺放射治疗的患者	数字病理学	乳腺癌	深度学习	NA	轮廓数据	2428名患者
20652	2024-08-05	Active Discovery of the Allosteric Inhibitor Targeting Botrytis cinerea Chitinase Based on Neural Relational Inference for Food Preservation 2024-Jul-24, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c03023 PMID:39003764	研究论文	本文介绍了一种基于神经关系推理的活性发现方法，以寻找针对Botrytis cinerea几丁质酶的别构抑制剂。	利用深度学习神经关系推理框架主动识别了2-乙酰萘酮作为一种新的别构抑制剂。	暂无明显说明的限制因素	开发针对耐药性病原体的食品保存剂。	Botrytis cinerea几丁质酶及其抑制剂。	机器学习	NA	深度学习	神经关系推理	化学活性实验数据	使用了樱桃番茄的感染模型进行实验
20653	2024-08-05	SaccpaNet: A Separable Atrous Convolution-based Cascade Pyramid Attention Network to Estimate Body Landmarks Using Cross-modal Knowledge Transfer for Under-blanket Sleep Posture Classification 2024-Jul-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3432195 PMID:39042546	研究论文	本研究提出了一种基于深度相机的睡姿监测与分类系统，用于家庭或社区使用	提出了SaccpaNet，通过可分离的空洞卷积和金字塔注意力结构来处理毯子干扰问题，并引入了后验数据增强技术以增强模型的鲁棒性	该研究的参考数据主要基于150名参与者，可能限制了结果的广泛适用性	开发一种有效的睡姿评估方法，能够在卧室环境中克服传统多导睡眠监测的局限性	150名参与者在四种毯子条件下执行七种睡姿	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	深度图像	150名参与者
20654	2024-08-05	Comprehensive Production Index Prediction Using Dual-Scale Deep Learning in Mineral Processing 2024-Jul-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3421570 PMID:39042548	研究论文	本文提出了一种双尺度深度学习网络以预测矿物加工中的综合生产指数（CPI）。	引入了高频和低频单元的双尺度深度学习架构，改善了CPI的预测准确性。	NA	提升矿物加工中决策者对生产状况的评估能力。	综合生产指数（CPI），受人类操作和工业过程影响。	机器学习	NA	深度学习（DL）	双尺度深度学习网络	工业数据	通过在线工业实验验证了本方法
20655	2024-08-05	Fine-grained knowledge about manipulable objects is well-predicted by contrastive language image pre-training 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110297 PMID:39040066	研究论文	本研究展示了CLIP-ViT模型在细粒度可操作物体知识的逼近能力	本研究展示了CLIP-ViT在预训练过程中使用多模态数据相较于单一图像数据集的优势	未涉及人类独特的行为维度的直接比较	探讨深度学习模型在识别可操纵物体的细粒度知识方面的能力	针对可操控物体的知识进行细粒度组织和预测	计算机视觉	NA	CLIP-ViT	多模态网络	图像和文本	大规模和多样化的图像-文本对
20656	2024-08-05	Deep learning for automated scoring of immunohistochemically stained tumour tissue sections - Validation across tumour types based on patient outcomes 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32529 PMID:39040241	研究论文	本文旨在开发深度学习模型以自动评分免疫组化染色的肿瘤组织切片，并与手动评分的临床相关蛋白进行比较	该研究展示了深度学习模型在不同肿瘤类型中自动评分的有效性，提供了手动评分的有效替代方案	研究可能未涵盖所有类型的肿瘤，且模型的泛化能力需进一步验证	研究目的是开发和验证深度学习模型以提高免疫组化评分的效率和准确性	研究对象包括多个癌症患者群体，包括结肠癌、前列腺癌、乳腺癌和子宫内膜癌	数字病理学	前列腺癌、乳腺癌、结肠癌、子宫内膜癌	深度学习	卷积神经网络(CNN)	图像	涉及五个癌症患者群体的样本
20657	2024-08-05	Efficient colorectal polyp segmentation using wavelet transformation and AdaptUNet: A hybrid U-Net 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33655 PMID:39040380	研究论文	本文提出了一种基于AdaptUNet的混合U-Net模型，用于高效的结直肠息肉分割	采用自定义的U-Net架构和小波变换来改善息肉分割的准确性	NA	提高结直肠息肉在内镜图像中的早期检测能力	结直肠息肉的分割	计算机视觉	结直肠癌	小波变换	AdaptUNet	图像	使用Hyper Kvasir分割图像数据集进行训练
20658	2024-08-05	Key factor screening in mouse NASH model using single-cell sequencing combined with machine learning 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33597 PMID:39040415	研究论文	本研究通过单细胞RNA测序和机器学习分析非酒精性脂肪性肝炎（NASH）相关的基因	结合单细胞RNA测序与机器学习，发现与NASH相关的关键基因，提供新的治疗靶点	研究未提及样本的多样性和外部验证的必要性	识别与非酒精性脂肪性肝炎进展密切相关的基因	研究对象为小鼠NASH模型中的细胞群体	数字病理学	非酒精性脂肪性肝炎	单细胞RNA测序	卷积神经网络	基因数据	NA
20659	2024-08-05	The construction of urban cultural and creative industries using deep learning and information management 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33787 PMID:39040397	研究论文	本研究探讨了中国城市文化创意产业（CCI）的发展及其影响因素	构建了基于LSTM算法的文化和创意推荐模型，并揭示了可持续盈利和文化影响因素对CCI发展的重要性	研究主要集中在城市A，缺乏其他城市的详细案例分析	探讨和分析城市文化创意产业的发展动态	以城市A为研究对象，比较分析多个城市的CCI发展	数字创意产业	NA	深度学习与信息管理	LSTM	发展数据	2021年各城市相关发展数据
20660	2024-08-05	The educational resource management based on image data visualization and deep learning 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32972 PMID:39040365	研究论文	本研究通过结合图像数据可视化技术与深度学习中的卷积神经网络（CNN）优化教育资源管理系统（ERMS）	提出了优化的CNN模型和系统架构，通过实验数据验证了模型的合理性，并显著提高了性能指标	无明显的局限性说明	优化教育资源管理系统，提高资源定位的准确性和利用效率	教育资源管理系统及其相关的图像数据可视化技术和CNN应用	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了MNIST数据集和CIFAR-10数据集进行实验