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
21161	2024-08-05	Rapid diagnosis of celiac disease based on plasma Raman spectroscopy combined with deep learning 2024-07-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64621-4 PMID:38956075	研究论文	本研究利用拉曼光谱结合深度学习模型实现对乳糜泻的快速非侵入性诊断	将拉曼光谱与深度学习模型相结合，为乳糜泻提供了一种新的快速诊断方法	样本数量相对较小，未来需要更大规模的研究来验证结果	旨在快速有效地区分健康个体与乳糜泻患者，以便早期诊断和治疗	包括29例乳糜泻患者及30例健康对照的血浆样本	医疗影像学	乳糜泻	拉曼光谱	卷积神经网络 (CNN) 等	血浆样本	共59个样本，包括29例乳糜泻患者和30例健康对照
21162	2024-08-05	A comparative analysis of deep learning and hybrid iterative reconstruction algorithms with contrast-enhancement-boost post-processing on the image quality of indirect computed tomography venography of the lower extremities 2024-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01342-0 PMID:38956583	研究论文	本文比较了深度学习重建算法和混合迭代重建算法在下肢间接计算机断层静脉造影图像质量上的差异	本研究首次证明使用深度学习重建算法结合CE-boost技术能显著降低图像噪声并提高图像质量	该研究为回顾性研究，可能存在选择偏倚，且样本尺寸相对较小	评估深度学习与混合算法对间接计算机断层静脉造影图像质量的影响	70名接受下肢CTV检查的深静脉血栓和静脉曲张患者	数字病理学	NA	计算机断层成像（CT）	深度学习重建（DLR）和混合迭代重建（HIR）	图像	70名患者
21163	2024-08-05	Predicting sexually transmitted infections among men who have sex with men in Zimbabwe using deep learning and ensemble machine learning models 2024-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000541 PMID:38959248	研究论文	本研究使用深度学习和集成机器学习模型预测津巴布韦男男性接触者的性传播感染（STI）	结合多层感知器（MLP）、极端随机树（ExtraTrees）和XGBoost模型进行STI预测，并使用合成少数类过采样技术（SMOTE）解决类别不平衡问题	该研究的样本数据来源于津巴布韦，可能不适用于其他地区的人群	研究旨在预测男男性接触者的性传播感染	研究对象为1538名津巴布韦的男男性接触者	机器学习	性传播感染	深度学习和机器学习模型	多层感知器（MLP）、极端随机树（ExtraTrees）、XGBoost	生物行为调查数据（BBS）	1538名男男性接触者
21164	2024-08-05	Enhancing image quality in computed tomography angiography follow-ups after endovascular aneurysm repair: a comparative study of reconstruction techniques 2024-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01343-z PMID:38956470	研究论文	该研究评估了在血管内动脉瘤修复后使用单能金属伪影减少技术（SEMAR）和深度学习图像重建技术（AiCE）对计算机断层扫描血管造影图像质量的影响	结合使用AiCE和SEMAR技术可显著改善图像质量，比其他重建方法表现更佳	该研究是回顾性分析，样本量相对较小，可能影响结果的广泛适用性	提升在血管内动脉瘤修复后计算机断层扫描血管造影图像的质量	47名接受了血管内动脉瘤修复后计算机断层扫描检查的患者	数字病理学	NA	单能金属伪影减少（SEMAR）、深度学习图像重建（AiCE）	NA	图像	47名患者
21165	2024-08-05	Integrating deep learning techniques for personalized learning pathways in higher education 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32628 PMID:38961899	研究论文	本研究探讨了通过整合深度学习技术为高等教育创造个性化学习路径的关键需求	提出了一种基于人工智能的自适应学习平台，能够根据学生的动态需求定制学习内容	未提及研究的局限性	研究旨在缩小教育内容与学生需求之间的差距	研究对象为巴基斯坦法萨拉巴德一所大学的300名学生	自然语言处理	NA	深度学习	NA	定量和定性数据	300名学生
21166	2024-08-05	Revolutionizing Healthcare: Qure.AI's Innovations in Medical Diagnosis and Treatment 2024-Jun, Cureus DOI:10.7759/cureus.61585 PMID:38962585	研究论文	Qure.AI 开发了一系列创新解决方案，旨在彻底改变医疗诊断和治疗	介绍 Qure.AI 在医疗领域中运用人工智能的创新工具，尤其是 qXR 胸部 X 光解读工具的有效性	未提及具体的局限性	探讨人工智能如何提升医疗诊断的准确性和效率	Qure.AI 的胸部 X 光解读工具及其他 AI 应用在医疗中的实例	自然语言处理	肺癌	机器学习、深度学习、自然语言处理	NA	临床试验数据	多项临床试验的综合评审，具体样本量未提及
21167	2024-08-05	Mulberry leaf dataset for image classification task 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110281 PMID:38962203	研究论文	本文介绍了从泰国五个省份收集的桑叶数据集，包含十个类别的桑叶	提出了针对自然环境中拍摄的叶子图像分类的桑叶数据集，以应对高类间相似性和光照变化的挑战	数据集的限制未在摘要中提及	研究桑叶图像的分类问题	研究对象为桑叶的图像	计算机视觉	NA	深度学习和视觉变换器算法	NA	图像	包含十个类别的桑叶
21168	2024-08-05	End-to-End Semi-Supervised Opportunistic Osteoporosis Screening Using Computed Tomography 2024-Jun, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2023.1860 PMID:38721637	研究论文	本研究探讨了使用腹部CT扫描进行机会性骨质疏松筛查的可行性	提出了一种无需骨密度校准的腹部CT扫描自动评估骨矿密度的新方法	本研究为回顾性研究，可能存在数据选择偏差	研究目的在于提升高风险人群的骨质疏松筛查率	分析268对腹部CT-DXA数据和99个无DXA评分的腹部CT研究	数字病理学	骨质疏松症	CT扫描	深度学习模型	医学影像	268对腹部CT-DXA数据和99个腹部CT研究
21169	2024-08-05	RELATIONAL DIMENSION VERSUS ARTIFICIAL INTELLIGENCE 2024-Jun, American journal of psychoanalysis DOI:10.1057/s11231-024-09458-6 PMID:38890449	研究论文	本文分析了人工智能与人类心理之间的相似性及其在医疗保健领域的影响	探讨了心理分析方法提出的关系维度与人工智能工具作为治疗模型之间的对比	未明确指出具体的实验或数据支持	研究人工智能工具在医疗诊断和心理治疗中的应用及其对主观表达形式的影响	深度学习模型、计算机视觉和自然语言处理中的人工智能工具	计算机视觉	NA	深度学习模型	RNN、LSTM、BERT、GPT	NA	NA
21170	2024-08-05	EfficientMaize: A Lightweight Dataset for Maize Classification on Resource-Constrained Devices 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110261 PMID:38962186	研究论文	该研究创建了一个轻量级的玉米分类数据集，旨在支持资源受限设备的应用	通过轻量化的数据集设计来解决在嵌入式设备上进行玉米分类时的高计算资源消耗问题	缺乏广泛的本地玉米数据，仅集中在加纳的特定玉米种类上	开发一个高效的玉米分类工具，以降低计算成本和减少人工参与	三种不同类型的加纳本地玉米种子的分类	计算机视觉	NA	深度学习	NA	图像	共4,846张原始图像，其中2,211张为坏的，2,635张为好的；另外28,910张增强图像，含有13,250张坏的和15,660张好的
21171	2024-08-05	A comprehensive standardized dataset of numerous pomegranate fruit diseases for deep learning 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110284 PMID:38962206	研究论文	本文创建了一个标准化的石榴果实疾病图像数据集，以支持深度学习的研究	研究提供了一个包含5099张石榴果实图像的新数据集，并详细分类了五种疾病	该数据集仅覆盖了特定地区的石榴疾病，可能无法代表全球所有石榴疾病的多样性	创建一个可公开使用的石榴果实疾病图像数据集	石榴果实的健康状况与各种疾病（细菌枯萎、炭疽、叶斑等）	计算机视觉	NA	深度学习	NA	图像	5099张石榴果实图像
21172	2024-08-05	Utilizing Immunoglobulin G4 Immunohistochemistry for Risk Stratification in Patients with Papillary Thyroid Carcinoma Associated with Hashimoto Thyroiditis 2024-Jun, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.1923 PMID:38766717	研究论文	本研究探讨了在与桥本甲状腺炎相关的乳头状甲状腺癌患者中利用IgG4免疫组织化学进行风险分层	本研究首次利用IgG4相关亚型对桥本甲状腺炎患者进行复发风险分层，揭示了其与癌症阶段的关联	本研究为横断面研究，无法建立因果关系，且样本来自单一学术中心可能影响外部适用性	探讨桥本甲状腺炎与乳头状甲状腺癌之间的关系，并利用IgG4免疫组织化学进行风险评估	426名接受甲状腺切除术的乳头状甲状腺癌成年患者	数字病理学	甲状腺癌	免疫组织化学	深度学习模型	数字化的免疫染色切片图像	426名乳头状甲状腺癌患者，79名被诊断为桥本甲状腺炎患者
21173	2024-08-05	A new strategy for groundwater level prediction using a hybrid deep learning model under Ecological Water Replenishment 2024-Apr, Environmental science and pollution research international DOI:10.1007/s11356-024-32330-0 PMID:38436858	研究论文	本文提出了一种基于混合深度学习模型的地下水位预测新策略。	引入了STL-IWOA-GRU模型，结合了LOESS季节趋势分解算法、改进的鲸鱼优化算法和门控递归单元，以提高地下水位预测的准确性。	研究未提及模型在其他生态水补充背景下的适用性和验证。	旨在在生态水补充的背景下准确预测地下水位变化。	使用从永定河流域（北京段）21个监测井收集的地下水位、降水和地表径流数据。	机器学习	NA	深度学习	STL-IWOA-GRU	时间序列数据	731天中的21个监测井数据
21174	2024-08-05	Comparative study for coastal aquifer vulnerability assessment using deep learning and metaheuristic algorithms 2024-Apr, Environmental science and pollution research international DOI:10.1007/s11356-024-32706-2 PMID:38436856	研究论文	本研究评估了伊朗西北部拉希简地区沿海含水层的脆弱性。	将生物地理优化（BBO）和灰狼优化（GWO）技术与卷积神经网络（CNN）相结合，用于生成脆弱性地图（VM），这一综合方法在CAVA模型的改进方面尚属首次。	尽管进行了深度学习算法的应用，但对OGM参数权重的修改仍然有限。	评估沿海含水层的脆弱性，减轻海水入侵的影响。	拉希简地区沿海含水层的脆弱性。	数字路径学	NA	深度学习，生物地理优化，灰狼优化	卷积神经网络（CNN）	地图	使用了原始GALDIT模型（OGM）派生的水文地质参数
21175	2024-08-05	Forecasting China carbon price using an error-corrected secondary decomposition hybrid model integrated fuzzy dispersion entropy and deep learning paradigm 2024-Mar, Environmental science and pollution research international DOI:10.1007/s11356-024-32169-5 PMID:38321281	研究论文	本文开发了一种集成模糊分散熵和深度学习范式的错误校正碳价预测模型	采用改进的完全集合经验模态分解和深度学习相结合来提高碳价预测准确性	未提及具体的局限性	准确预测中国的碳价格以促进投资和减排决策	中国碳价格的时间序列数据	机器学习	NA	ICEEMDAN, FDE, VMD, PSO-LSTM	PSO-LSTM	时间序列数据	750个连续交易价格
21176	2024-08-05	An interpretable deep learning model to map land subsidence hazard 2024-Mar, Environmental science and pollution research international DOI:10.1007/s11356-024-32280-7 PMID:38340298	研究论文	这项研究旨在通过不同技术提升深度学习模型输出在土地沉降危害映射中的可解释性	通过使用粒子群优化算法识别影响土地沉降的有效特征，并应用混合解释方法来增强深度学习模型的可解释性	文章未详细讨论模型在不同地理区域的适用性和推广性	提升深度学习模型在映射土地沉降危害中的可解释性	用于映射土地沉降危险的深度学习模型，包括CNN和LSTM	机器学习	NA	深度学习、粒子群优化算法	CNN和LSTM	地理信息数据	基于实地工作和土地沉降存在点的清单图
21177	2024-08-05	Optimal strategies for modeling anatomy in a hybrid intelligence framework for auto-segmentation of organs 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006617 PMID:38957182	研究论文	本文提出了一种混合智能框架以优化器官自 segmentation 的解剖建模策略	引入混合智能系统结合自然智能和深度学习，显著提高了计算效率	未提及具体的限制因素	提升医疗图像分析中器官的自动分割效率与准确性	涉及多个放射治疗中心的Thorax体区域的器官	计算机视觉	NA	深度学习与非深度学习相结合	NA	医学图像	来自4个不同放射治疗中心的临床研究数据
21178	2024-08-05	Anatomic attention regions via optimal anatomy modeling and recognition for DL-based image segmentation 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006771 PMID:38957740	研究论文	本文提出了通过最优解剖建模和识别的方法实现医学图像的深度学习分割	结合自然智能与人工智能，提出了新的方法来发现医学图像中的注意区域	尚未明确提及深度学习方法的具体计算效率和通用性	提高医学图像分割的准确性和效率	医学图像中的解剖区域	计算机视觉	NA	混合智能	NA	医学图像	唯一测试数据集
21179	2024-08-05	Deep learning-based stress detection for daily life use using single-channel EEG and GSR in a virtual reality interview paradigm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305864 PMID:38959272	研究论文	本研究建立了一个基于生理指标和深度学习技术的实用压力检测框架	采用虚拟现实访谈范式和多列结构相结合的单通道EEG和GSR数据，提高了压力预测的能力	研究样本量有限，仅包含30名参与者，可能影响结果的广泛适用性	研究旨在通过集成生理指标和深度学习技术实现压力检测	研究对象为在虚拟现实访谈中经历压力诱导的30名参与者	计算机视觉	NA	深度学习	CNN, Vision Transformer	生物信号	30名参与者
21180	2024-08-05	Encoding temporal information in deep convolution neural network 2024, Frontiers in neuroergonomics IF:1.5Q4 DOI:10.3389/fnrgo.2024.1287794 PMID:38962279	研究论文	本文提出了一种新的时间编码方法EnK，用于提升卷积神经网络（CNN）对时间依赖特征的学习能力	引入了时间分解信息的新编码内核（EnK），在CNN的垂直卷积操作中实现时间编码	虽然提出的方法有效，但与复杂的序列数据结合时仍存在学习能力的限制	解决深度学习模型在处理EEG信号时对时间依赖特征的学习问题	对不同的EEG数据集进行实证研究，评估EnK的效果	机器学习	NA	深度学习，CNN	CNN	EEG信号	多个EEG数据集，包括人机协作、P300视觉诱发电位等