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
21241	2024-08-05	Cervical cancer segmentation based on medical images: a literature review 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-369 PMID:39022282	综述	本文全面回顾了关于宫颈癌医学图像分割的文献，并讨论了目前分割过程中的挑战	提供了不同医学图像分割方法的分类及其优缺点的深入分析	现有文献中缺乏对宫颈癌医学图像分割领域的综合回顾	综述宫颈癌医学图像在靶区和风险器官的分割方法及其挑战	研究主要集中在利用CT、MR和PET图像进行宫颈癌的分割	数字病理学	宫颈癌	CT、MR、PET	传统或深度学习方法	医学图像	NA
21242	2024-08-05	An end-to-end gait recognition system for covariate conditions using custom kernel CNN 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32934 PMID:39021936	研究论文	本研究提出了一种端到端的步态识别系统，旨在处理协变量条件问题。	创新性地提出了一种深度学习框架，通过自定义卷积核处理步态识别中的协变量条件。	研究中未提及的具体局限性不明确	提高在协变量条件下的步态识别准确性。	使用公共数据集（如CASIA A和CASIA C）进行步态识别的个体。	计算机视觉	NA	自定义卷积神经网络（CNN）	CNN	图像	公开数据集（如CASIA A和CASIA C）中的个体
21243	2024-08-05	Attention-based scale sequence network for small object detection 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32931 PMID:39021898	研究论文	本文提出了一种基于注意力的比例序列网络，以改善小物体检测的性能	提出了一种轻量级的注意力模块ASSN，优化了FPN基础检测器，具有提高小物体检测精度的能力	在实验中，只针对YOLOv7和YOLOv8进行了比较，可能限制了模型的广泛性验证	提高小物体检测的精确度，使其在真实应用中的表现更加优秀	小物体的检测和识别	计算机视觉	NA	深度学习	FPN, YOLO	图像	NA
21244	2024-08-05	Enhanced object detection in pediatric bronchoscopy images using YOLO-based algorithms with CBAM attention mechanism 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32678 PMID:39021922	研究论文	本研究旨在通过将基于YOLO的算法与CBAM注意力机制结合，改善儿童支气管镜图像中的物体检测准确性	提出将CBAM注意力模块与YOLO-V7和YOLO-V8相结合，以提高支气管镜图像中物体的识别和分类能力	未提及具体的样本大小和数据来源，可能影响结果的普遍适用性	改善支气管镜图像中物体检测的准确性	支气管镜图像中的各种物体，如黏液、血液和异物	计算机视觉	呼吸系统疾病	YOLO算法	YOLO-V7和YOLO-V8	图像	NA
21245	2024-08-05	A clustering mining method for sports behavior characteristics of athletes based on the ant colony optimization 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33297 PMID:39021992	研究论文	本研究旨在提高对运动员行为特征分析的精度，从而优化体育训练和竞赛策略	创新点在于应用蚁群优化（ACO）算法解决运动领域实际问题，并展示ACO算法处理复杂、高维运动数据的优势	其在更大范围或不同类型的运动数据上的普遍性和效率仍需进一步验证	研究的目的是提升运动员行为特征分析的精准性	研究对象为运动员的行为特征数据	运动科学	NA	蚁群优化（ACO）	聚类模型	高维运动数据	NA
21246	2024-08-05	Application of DMSFNN-COA technique for brand image design 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32674 PMID:39021911	研究论文	本文提出了一种新的品牌形象设计方法，利用深度多尺度融合神经网络和猎豹优化算法进行产品颜色品牌图像分类	创新点在于结合深度学习技术和优化算法，提出了BID-DMSFNN-COA方法以提高品牌形象设计的准确性	本研究的局限性没有具体说明	研究目的在于增强品牌形象设计的准确性，并解决产品颜色趋势预测研究中的现有挑战	研究对象为产品色彩品牌图像，主要分类为'时尚'和'自然'	计算机视觉	NA	深度多尺度融合神经网络，猎豹优化算法	NA	图像	使用Mnist数据集进行数据收集，具体样本数未说明
21247	2024-08-05	Ensemble-based deep learning improves detection of invasive breast cancer in routine histopathology images 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32892 PMID:39022088	研究论文	使用基于集成的深度学习提高了常规组织病理学图像中侵袭性乳腺癌的检测准确性	比较了单个CNN模型与多个基础模型的集成，展示了集成模型在预测性能上的优势	未提及该研究的明显限制	改善侵袭性乳腺癌的检测以支持病理学家的决策	两个内部数据集，包括587个全滑动图像，用于训练十个InceptionV3模型的集成	计算机视觉	乳腺癌	CNN	InceptionV3	图像	587个全滑动图像用于训练，118个在内部测试集，157个在外部数据集
21248	2024-08-05	Deep Learning-Based Localization and Orientation Estimation of Pedicle Screws in Spinal Fusion Surgery 2024-Jun, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e17 PMID:39021752	研究论文	本研究调查了基于深度学习的物体检测模型在脊柱融合手术中精确定位和方向估计的应用	使用YOLO物体检测框架和取向边界框(OBBs)来处理手术现场中非轴对齐仪器的挑战	尽管模型的精确度很高，但召回率显示出在捕捉所有存在仪器方面有轻微限制	探讨深度学习在脊柱固定手术中对外科仪器的定位与方向估计的应用	脊柱融合手术中使用的椎弓根螺钉的图像数据	计算机视觉	NA	YOLO	YOLOv8 OBB	图像	初始数据集为100张图像，通过数据增强扩展到300张图像
21249	2024-08-05	Insights about cervical lymph nodes: Evaluating deep learning-based reconstruction for head and neck computed tomography scan 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2023.100534 PMID:39022614	研究论文	本研究旨在评估不同重建方法对头颈部癌症患者颈部淋巴结影像质量的影响	本研究采用深度学习图像重建（DLIR）技术，显示其在颈部淋巴结影像质量方面显著优于传统的重建算法	未提及特定的样本多样性和长期随访结果的局限性	研究不同重建技术对头颈部癌症患者的颈部淋巴结CT影像质量的影响	70名头颈部癌症患者	计算机视觉	头颈癌	双能量CT	深度学习图像重建（DLIR）	影像	70名头颈部癌症患者
21250	2024-08-05	Exploring the Methodological Approaches of Studies on Radiographic Databases Used in Cariology to Feed Artificial Intelligence: A Systematic Review 2024, Caries research IF:2.9Q1 DOI:10.1159/000536277 PMID:38342096	系统评价	本研究系统评价了用于计算机辅助诊断的牙科放射数据库的不同方法论方法	提出了标准化指南以提高研究的可重复性和结果的普遍适用性	大多数研究为单中心研究，且仅有9%的研究在评估模型性能时使用了外部测试集	评估使用放射数据库进行龋齿分类、检测和分割的机器学习与深度学习研究的方法论	关注机器学习和深度学习在龋齿检测中的应用研究	计算机视觉	龋齿	卷积神经网络	卷积神经网络	牙科放射图像	涉及的样本大小范围为95到38437
21251	2024-08-05	Effect of dexamethasone pretreatment using deep learning on the surgical effect of patients with gastrointestinal tumors 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304359 PMID:39018292	研究论文	探讨深度学习在胃肠肿瘤手术麻醉管理中的应用效果及其重要性	首次将基于深度学习的麻醉监测系统应用于胃肠肿瘤手术，改善患者术后认知和生理恢复	样本量有限，仅在一个机构内进行，可能影响外部适用性	研究深度学习在胃肠肿瘤手术麻醉管理中的应用效果	80名接受胃肠肿瘤手术的老年患者	机器学习	胃肠肿瘤	深度学习	GBDT和PKPD模型	临床数据	80名老年患者
21252	2024-08-05	An innovative approach to detecting the freshness of fruits and vegetables through the integration of convolutional neural networks and bidirectional long short-term memory network 2024, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2024.100723 PMID:39022740	研究论文	本文提出了一种通过融合卷积神经网络和双向长短时记忆网络检测水果和蔬菜新鲜度的创新方法	该方法结合不同的深度学习模型，以提取水果和蔬菜图像的特征以及图像中各区域之间的关联	目前尚需进一步提升现有研究在水果和蔬菜新鲜度检测中的性能	提高水果和蔬菜新鲜度检测的效率和准确性	水果和蔬菜的图像数据，用于新鲜度检测	计算机视觉	NA	深度学习	CNN_BiLSTM	图像	NA
21253	2024-08-05	The privacy-explainability trade-off: unraveling the impacts of differential privacy and federated learning on attribution methods 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1236947 PMID:39021435	研究论文	本文深入探讨了隐私保护技术对深度学习模型解释的影响	首次系统研究了隐私保护技术与可解释人工智能(XAI)方法在深度学习模型中的相互作用	在隐私保护和可解释性的权衡方面，尚未对某些特定情境进行深入分析	研究隐私保护技术对深度学习模型解释的影响及其应用建议	使用六个图像数据集和五个时间序列数据集进行实验	机器学习	NA	隐私保护机器学习(PPML)	深度学习模型	图像和时间序列数据	六个图像数据集和五个时间序列数据集
21254	2024-08-05	Survival prediction landscape: an in-depth systematic literature review on activities, methods, tools, diseases, and databases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1428501 PMID:39021434	综述	本文通过深入的系统性文献回顾，探讨了生存预测的活动、方法、工具、疾病和数据库。	文章整合了23个现有的综述研究，涵盖了44种不同疾病的90个最新生存预测模型，并提供了具体方法的见解。	尽管进行了全面分析，但可能未涵盖所有现有的生存预测模型和方法。	旨在通过集中现有生存预测知识和洞察，推动创新性进展。	研究对象为90个最新的生存预测工具和方法，涵盖44种不同的疾病。	计算生物学	NA	机器学习	深度学习	临床数据	90个生存预测模型
21255	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05306 PMID:38084046	研究论文	本研究通过整合基于配体和基于结构的药物发现策略，利用迁移学习和深度学习技术提高阿片类药物的生物活性预测	本文创新性在于应用迁移学习构建稳健的深度学习模型，以增强对每种阿片受体亚型的配体生物活性预测	本研究的局限性在于可能仍面临训练样本不足的问题，影响预测性能	研究旨在寻找更好的阿片类药物，降低成瘾潜力，以应对阿片类药物危机	研究对象为阿片类药物及其对应的受体亚型	机器学习	NA	深度学习	NA	生物活性数据	大型生物活性数据集
21256	2024-08-05	Adaptive Sampling Methods for Molecular Dynamics in the Era of Machine Learning 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c04843 PMID:38081185	评论	本文探讨了在分子动力学中应用的自适应采样算法	提出了一种仅通过在特定种子上重新启动MD轨迹来增强采样的自适应采样算法	本文讨论了自适应采样方法的不足之处	研究旨在改善分子动力学中蛋白质构象变化的采样	重点关注自适应采样算法及其在真实系统中的应用	计算机视觉	NA	深度学习技术	NA	NA	NA
21257	2024-08-05	A Hybrid Deep Learning Approach to Identify Preventable Childhood Hearing Loss 2023 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001380 PMID:37318215	研究论文	这项研究评估了机器学习在自动分类中耳的鼓膜图形中的效用，以便利资源匮乏社区中的普通人引导的鼓膜测量	该研究使用混合深度学习模型在儿童听力筛查中实现了与听力学家相当的中耳疾病检测性能	该研究只涉及来自阿拉斯加农村地区的特定听力筛查人群，可能限制了模型的普适性	评估机器学习在家庭引导鼓膜测量中的应用，以识别可预防的儿童听力损失	研究对象为1635名来自阿拉斯加农村地区的学龄儿童	计算机视觉	听力损失	机器学习	混合深度学习模型	鼓膜图	4810对鼓膜图形和1635名儿童
21258	2024-08-05	Unlocking the Potential: Predicting Redox Behavior of Organic Molecules, from Linear Fits to Neural Networks 2023-Aug-08, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00355 PMID:37463673	综述	本文讨论了有机分子的还原和氧化电位预测的现代技术	探讨了从线性拟合到神经网络的不同预测方法，超越常规的第一性原理计算和热力学循环	未详细讨论每种方法的适用范围和具体局限性	研究有机分子的还原氧化行为预测方法	还原活性有机分子及其在不同应用中的表现	化学	NA	机器学习	神经网络	数据集	目前可用的还原活性有机分子数据集及其实验和计算性质
21259	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.04.552065 PMID:37609329	研究论文	本文探讨了通过结合基于配体和基于结构的药物发现策略与迁移和深度学习技术来提高阿片类生物活性预测的有效性	创新点在于使用结合的分子描述符构建稳健的深度学习模型，以提升阿片类配体在各个OR亚型上的生物活性预测	研究可能面临样本不足以实现充分预测性能的问题	旨在发现更好的阿片类药物以降低成瘾潜力	研究对象为阿片受体（OR）亚家族中的配体	计算机视觉	NA	深度学习	NA	分子描述符	NA
21260	2024-08-05	Structure-based prediction of T cell receptor:peptide-MHC interactions 2023-Jan-20, eLife IF:6.4Q1 DOI:10.7554/eLife.82813 PMID:36661395	研究论文	本文评估了基于结构的模型在T细胞受体与肽-MHC相互作用预测中的潜力	利用深度神经网络的AlphaFold模型生成TCR:肽-MHC相互作用的结构模型	尽管当前的预测准确性较高，但在广泛的实际应用中仍需大量工作	研究T细胞受体对肽-MHC相互作用特异性的预测	T细胞受体与肽-MHC相互作用	计算机视觉	NA	深度学习	AlphaFold	NA	NA