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
21721	2024-08-05	Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning 2024-Jul-04, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae038 PMID:38709570	研究论文	本文开发了一种方法来系统生成大量木材显微图像数据集	首次使用深度学习自动识别纤维材料中的硬木物种	NA	改善全球木纤维产品流的控制，以保护森林	九个硬木属的显微图像	计算机视觉	NA	深度学习	神经网络	图像	大量木材参照图像数据集
21722	2024-08-05	AnglesRefine: Refinement of 3D Protein Structures Using Transformer Based on Torsion Angles 2024-Jul-03, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3422288 PMID:38959143	研究论文	该研究提出了一种基于变压器的蛋白质结构精炼方法AnglesRefine。	AnglesRefine集中于蛋白质的二级结构，并通过提取结构约束来精炼角度，从而生成更优的蛋白质模型。	目前尚未明确提及本研究的具体限制。	该研究旨在提高蛋白质模型的预测精度，特别是在局部结构残基级别。	研究对象为蛋白质结构及其角度，利用深度学习方法进行精炼。	数字病理学	NA	深度学习	变压器	结构数据	利用CASP11-14和CASP15数据集进行评估
21723	2024-08-05	Localized fine-tuning and clinical evaluation of deep-learning based auto-segmentation (DLAS) model for clinical target volume (CTV) and organs-at-risk (OAR) in rectal cancer radiotherapy 2024-Jul-02, Radiation oncology (London, England) DOI:10.1186/s13014-024-02463-0 PMID:38956690	研究论文	本研究通过局部微调提高了直肠癌放射治疗中深度学习自动分割模型的精确度	提出了局部微调方法以改善在临床场景中的深度学习自动分割模型的表现	未提及模型在其他类型直肠癌患者中的适用性	提升直肠癌放射治疗中深度学习自动分割产品的准确性	回顾性分析了120名中晚期直肠癌患者	数字病理学	直肠癌	深度学习自动分割	NA	CT图像	120名中晚期直肠癌患者
21724	2024-08-05	Accurate Prediction of Protein Structural Flexibility by Deep Learning Integrating Intricate Atomic Structures and Cryo-EM Density Information 2024-Jul-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49858-x PMID:38956032	研究论文	本文提出了一种神经网络模型RMSF-net，能准确预测蛋白质的动态信息	研发了一种整合复杂原子结构与冷冻电子显微镜密度信息的深度学习模型，超越了之前的方法	未提及具体的局限性	旨在提高蛋白质动态信息的计算预测精度	针对大规模蛋白质动态数据集中的蛋白质	计算机视觉	NA	冷冻电子显微镜 (cryo-EM)	神经网络	实验蛋白质结构数据和冷冻电镜数据	通过严格的5折交叉验证评估，但具体样本数量未明确
21725	2024-08-05	Defect detection of photovoltaic modules based on improved VarifocalNet 2024-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66234-3 PMID:38956270	研究论文	提出了一种改进的VarifocalNet，用于提高光伏模块缺陷检测的速度和准确性	设计了新的瓶颈模块以增加网络深度和感受野，同时保持输出特征图大小不变，改进了检测精度和速度	当前方法的检测速度相比部分方法仍有进一步增强的空间	提高光伏模块缺陷检测的速度和准确性	光伏模块缺陷的检测	计算机视觉	NA	深度学习	VarifocalNet	NA	NA
21726	2024-08-05	Enhancing efficiency of protein language models with minimal wet-lab data through few-shot learning 2024-Jul-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49798-6 PMID:38956442	研究论文	该文章介绍了一种名为FSFP的训练策略，用于优化蛋白质语言模型以进行适应性预测	FSFP结合了元迁移学习、排名学习和参数高效微调，能够在极少数据的情况下显著提升蛋白质语言模型的表现	尽管FSFP表现出优势，但仍受限于需要充分的标记样本来进行训练	研究旨在提升蛋白质语言模型在极少实验数据下的预测准确性	研究对象为目标蛋白的单位突变体	机器学习	NA	NA	NA	深度突变扫描数据集	使用了数十个目标蛋白的单位突变体标记样本
21727	2024-08-05	SIGNIFICANCE deep learning based platform to fight illicit trafficking of Cultural Heritage goods 2024-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65885-6 PMID:38956250	研究论文	该文章介绍了SIGNIFICANCE项目的成果，旨在通过深度学习平台打击文化遗产商品的非法交易	创新点在于开发了一个用户友好的平台，结合人工智能和深度学习技术来识别和追踪在线非法活动	该研究未明确指出具体的限制因素	本研究旨在通过技术手段解决文化遗产商品的非法交易问题	研究对象为文化遗产商品及其非法交易行为	数字病理学	NA	人工智能，深度学习	NA	网络数据，社交媒体数据	初步结果显示识别到的非法文物数量增加了10-15%
21728	2024-08-05	Predicting risk of the subsequent early pregnancy loss in women with recurrent pregnancy loss based on preconception data 2024-Jul-02, BMC women's health DOI:10.1186/s12905-024-03206-9 PMID:38956627	研究论文	本研究旨在基于孕前数据开发预测反复流产女性后续早期流产风险的预测模型	本文通过结合LASSO回归和多变量逻辑回归选择变量，利用GBM模型预测后续早期流产风险	未来需要进行前瞻性研究以验证临床适用性	评估反复流产女性后续早期流产的风险	1050名经历过反复流产的非怀孕女性	数字病理学	NA	LASSO回归、多变量逻辑回归、GBM、随机森林、深度学习	GBM	临床数据	1050名女性，605名女性在研究结束时有后续妊娠结果
21729	2024-08-05	LMBiS-Net: A lightweight bidirectional skip connection based multipath CNN for retinal blood vessel segmentation 2024-07-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63496-9 PMID:38956117	研究论文	本文介绍了一种轻量级神经网络LMBiS-Net，旨在实现视网膜血管的分割。	LMBiS-Net采用了多路径特征提取块和双向跳跃连接，显著提高了模型的计算效率和准确性。	尽管在多个数据集上表现出色，但对一些未见数据的表现仍需进一步验证。	本文旨在优化视网膜血管分割的技术，以应对现有方法的局限性。	研究对象为视网膜血管，主要利用公开数据集进行评估。	数字病理学	NA	卷积神经网络 (CNN)	LMBiS-Net	图像	使用了四个公开数据集：DRIVE, STARE, CHASE_DB1, 和 HRF
21730	2024-08-05	A fine-grained dataset for sewage outfalls objective detection in natural environments 2024-Jul-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03574-9 PMID:38956054	研究论文	本文提出了一种高质量的数据集，用于在自然环境中检测污水排放口	创建了名为iSOOD的数据集，专门用于污水排放口的目标检测	目前的研究没有提及现有数据集的不足之处	开发自动化的污水排放口检测工具以改善河流治理	使用无人机和手持相机拍摄的污水排放口图像数据集	计算机视觉	NA	深度学习	YOLOv10	图像	10481张图像
21731	2024-08-05	Deep learning pneumoconiosis staging and diagnosis system based on multi-stage joint approach 2024-Jul-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01337-x PMID:38956579	研究论文	本研究开发了一种基于多阶段联合深度学习的方法，用于肺尘埃病的筛查和分期诊断	提出了一种创新的多阶段联合深度学习方法，以提高肺尘埃病分期的诊断准确性	未提及特定的局限性	研究肺尘埃病的计算机辅助诊断系统	对498例肺尘埃病患者的胸部X光影像进行分析	计算机视觉	肺尘埃病	深度学习	Efficient-Net与Res-Net 34	医学影像	498份胸部X光影像
21732	2024-08-07	Correction: Improving the enzymatic activity and stability of N‑carbamoyl hydrolase using deep learning approach 2024-Jul-02, Microbial cell factories IF:4.3Q1 DOI:10.1186/s12934-024-02461-7 PMID:38956633	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21733	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
21734	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
21735	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
21736	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
21737	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
21738	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
21739	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
21740	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