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
23441	2024-08-07	Single particle mass spectral signatures from on-road and non-road vehicle exhaust particles and their application in refined source apportionment using deep learning 2024-Jun-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172822 PMID:38688364	研究论文	本研究收集了道路和非道路车辆的颗粒物，并使用单颗粒气溶胶质谱法分析其化学成分，通过自适应共振理论神经网络对数据进行分组，建立移动源的质谱数据库，并开发了一种基于深度学习的气溶胶颗粒分类模型（DeepAerosolClassifier），用于源解析。	本研究开发了一种高度自动化的源解析模型，无需特征选择，实现了端到端的操作，适用于精细和在线的颗粒物源解析。	NA	更新源解析的源谱以满足当前需求，并开发一种基于深度学习的气溶胶颗粒分类模型。	道路和非道路车辆的颗粒物及其化学成分。	机器学习	NA	单颗粒气溶胶质谱法	深度学习模型	质谱数据	NA
23442	2024-08-07	Automatic offline-capable smartphone paper-based microfluidic device for efficient biomarker detection of Alzheimer's disease 2024-Jun-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.342575 PMID:38740448	研究论文	本文介绍了一种基于智能手机的离线微流控纸基分析装置，用于阿尔茨海默病的早期筛查和生物标志物检测	该平台采用深度学习辅助的智能手机控制旋转结构，实现μPADs上的自动化c-ELISA，并集成了YOLOv5模型进行高精度检测	NA	开发一种低成本、高效率的离线智能手机平台，用于在资源有限地区进行阿尔茨海默病的快速检测	阿尔茨海默病及其生物标志物β-淀粉样蛋白1-42	机器学习	阿尔茨海默病	c-ELISA	YOLOv5	图像	38个人工血浆样本（健康：19，不健康：19，N = 6）
23443	2024-08-07	VENet: Variational energy network for gland segmentation of pathological images and early gastric cancer diagnosis of whole slide images 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108178 PMID:38652995	研究论文	本文提出了一种名为VENet的变分能量网络，用于病理图像中的腺体分割和全切片图像中的早期胃癌诊断	VENet结合了变分数学模型和深度学习方法的数据适应性，有效平衡了边界和区域分割，并能在大尺寸全切片图像中可靠地分割和分类腺体	NA	解决腺体分割中边界和区域分割结果不理想的问题，并辅助早期胃癌诊断	病理图像中的腺体分割和全切片图像中的早期胃癌诊断	数字病理学	胃癌	深度学习	变分能量网络（VENet）	图像	在2015 MICCAI腺体分割挑战（GlaS）数据集、结直肠腺癌腺体（CRAG）数据集和南方医院自收集数据集上进行了评估，包括69张全切片图像（WSIs）
23444	2024-08-07	RegWSI: Whole slide image registration using combined deep feature- and intensity-based methods: Winner of the ACROBAT 2023 challenge 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108187 PMID:38657383	research paper	本文提出了一种两步混合方法，用于不同染色全幻灯片图像（WSI）的自动配准，该方法结合了深度学习和特征基于的初始对齐算法以及基于强度的非刚性配准	该方法无需对特定数据集进行微调，可直接用于任何所需的组织类型和染色，并且在ACROBAT 2023挑战赛中获得第一名	NA	提高通过融合不同可见结构产生的互补信息来进行诊断和预后的自动配准	不同染色的全幻灯片图像（WSI）的自动配准	digital pathology	NA	深度学习	NA	image	使用了三个公开数据集进行评估：Automatic Nonrigid Histological Image Registration Dataset (ANHIR)、Automatic Registration of Breast Cancer Tissue Dataset (ACROBAT) 和 Hybrid Restained and Consecutive Histological Serial Sections Dataset (HyReCo)
23445	2024-08-07	Brain tumor detection using proper orthogonal decomposition integrated with deep learning networks 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108167 PMID:38669717	研究论文	本研究通过将正交分解（POD）与卷积神经网络（CNN）结合，用于从磁共振成像（MRI）扫描的2D图像中有效识别脑肿瘤	首次将POD与CNN集成用于脑肿瘤检测，特别是在使用有限MRI扫描数据的情况下	NA	开发一种自动可靠的技术，以帮助医疗从业者及时诊断患者	脑肿瘤的自动检测	计算机视觉	脑肿瘤	磁共振成像（MRI）	卷积神经网络（CNN）	图像	NA
23446	2024-08-07	Deep learning and content-based filtering techniques for improving plant disease identification and treatment recommendations: A comprehensive review 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e29583 PMID:38737274	综述	本文综述了利用深度学习和基于内容的过滤技术改进植物病害识别和治疗建议的研究现状	探讨了深度学习和基于内容的过滤技术在植物病害识别和治疗中的应用潜力	指出了当前研究中的知识空白和局限性，并提出了未来研究方向	旨在改进植物病害的识别和管理，以确保农业生产的健康和可持续性	植物病害的识别和治疗	机器学习	NA	深度学习	NA	NA	NA
23447	2024-08-07	Understanding the Disparities of PM2.5 Air Pollution in Urban Areas via Deep Support Vector Regression 2024-May-14, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c09177 PMID:38698567	研究论文	本文提出了一种深度支持向量回归（DSVR）模型，用于理解城市地区PM2.5空气污染的差异	DSVR模型将城市区域建模为图，利用随机扩散的深度学习方法量化PM2.5的溢出效应，通过随机漫步揭示节点间更广泛的溢出关系，从而捕捉PM2.5的局部和非局部溢出效应	NA	旨在提高对城市地区PM2.5空气污染差异的理解	城市地区的PM2.5空气污染	机器学习	NA	深度支持向量回归（DSVR）	图模型	图数据	在纽约北部地区进行预测性能分析
23448	2024-08-07	Accurate object localization facilitates automatic esophagus segmentation in deep learning 2024-May-12, Radiation oncology (London, England) DOI:10.1186/s13014-024-02448-z PMID:38735947	研究论文	本文通过先定位后分割的策略，改进了深度学习中食管自动分割的性能	采用两阶段策略，先使用CenterNet定位食管中心，再使用3D U-net和2D U-net模型进行分割，提高了分割模型的鲁棒性	3D U-net模型在减少错误分割对象的同时，也增加了遗漏对象的情况	提高深度学习中食管自动分割的性能	食管的自动分割	计算机视觉	NA	NA	CNN	图像	100例胸腔CT扫描数据
23449	2024-08-07	Enhancing brain tumor detection in MRI images through explainable AI using Grad-CAM with Resnet 50 2024-May-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01292-7 PMID:38734629	研究论文	本研究通过结合ResNet50深度学习模型和Gradient-weighted Class Activation Mapping（Grad-CAM）技术，提出了一种用于MRI图像中脑肿瘤检测的可解释AI框架	本研究引入了Grad-CAM技术，提供了一种透明且可解释的脑肿瘤检测方法，增强了模型的可解释性	NA	提高MRI图像中脑肿瘤检测的准确性和可解释性	脑肿瘤检测	计算机视觉	脑肿瘤	Grad-CAM	ResNet50	图像	使用了经过数据增强的MRI图像数据集
23450	2024-08-07	Enhancing cervical cancer detection and robust classification through a fusion of deep learning models 2024-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61063-w PMID:38734714	研究论文	本文介绍了一种利用预训练的深度神经网络模型进行特征提取，并结合多种机器学习算法进行宫颈癌分类的新方法	该方法通过融合深度学习和机器学习技术，提高了宫颈癌检测的准确性和效率	NA	提高宫颈癌检测的准确性和效率	宫颈癌	机器学习	宫颈癌	深度学习	Alexnet, Resnet-101, Resnet-152, InceptionV3	图像	使用了公开的SIPaKMeD数据集
23451	2024-08-07	Deep learning segmentation of non-perfusion area from color fundus images and AI-generated fluorescein angiography 2024-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61561-x PMID:38734727	研究论文	本研究探讨了使用深度学习模型从彩色眼底图像中检测非灌注区域（NPA），并评估了从彩色眼底图像生成的合成荧光素血管造影（FA）的效用	本研究创新性地使用深度学习模型从彩色眼底图像中检测NPA，避免了侵入性和繁重的FA评估方法，并探索了合成FA的实用性	尽管深度学习模型能以合理准确度检测NPA，但预测稳定性稍低，彩色眼底模型显示出比其他模型更高的不确定性	研究目的是开发一种非侵入性的方法来评估分支视网膜静脉阻塞（BRVO）患者的视网膜非灌注区域	研究对象为319名BRVO患者的403组彩色眼底和FA图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	403组彩色眼底和FA图像，来自319名BRVO患者
23452	2024-08-07	Deep learning-based classification of anti-personnel mines and sub-gram metal content in mineralized soil (DL-MMD) 2024-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60592-8 PMID:38734748	研究论文	本文提出了一种基于深度学习的脉冲感应金属地雷探测器（DL-MMD）架构，用于提高地雷探测系统的准确性和效率	利用深度神经网络区分九种不同材料，实现了93.5%的验证准确率，能够区分无金属板的人体地雷并检测0.2克垂直纸针	NA	提高地雷探测系统的准确性和效率	人体地雷和微量金属含量的矿化土壤	机器学习	NA	深度学习	深度神经网络	材料数据	九种不同材料
23453	2024-08-07	Dense Sample Deep Learning 2024-May-10, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01666 PMID:38669696	研究论文	本文探讨了深度学习在密集样本任务中的应用，通过大规模深度学习网络分析了类别结构和特征构建的涌现过程	提出了一种基于结果的复杂特征构建新理论	训练集的组合复杂性未知，且网络机制难以通过可视化揭示	深入理解深度学习网络的学习机制和表示方法	深度学习网络在密集样本任务中的表现	机器学习	NA	深度学习	CNN	文本	1.24百万权重VGG网络，5个独特标记，每个标记超过500个样本
23454	2024-08-07	InsectSound1000 An insect sound dataset for deep learning based acoustic insect recognition 2024-May-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03301-4 PMID:38724595	research paper	介绍了一个名为InsectSound1000的数据集，包含超过169000个标记的昆虫声音样本，用于基于深度学习的声学昆虫识别	InsectSound1000数据集具有显著的规模和高质量录音，可用于训练数据需求量大的深度学习模型	NA	探索声学昆虫识别技术，为自动化害虫监测和生态监测提供基础	12种昆虫的声音样本	machine learning	NA	深度学习	深度学习模型	声音	超过169000个标记的声音样本，来自超过1000小时的录音
23455	2024-08-07	Deep Learning-Based Design Method for Acoustic Metasurface Dual-Feature Fusion 2024-May-06, Materials (Basel, Switzerland) DOI:10.3390/ma17092166 PMID:38730972	研究论文	本文提出了一种基于深度学习的声学超表面双特征融合设计方法	首次采用集成学习方法构建超表面物理结构参数与声场之间的正向映射关系模型，并提出基于卷积神经网络的双特征融合模型（DFCNN）	NA	旨在快速准确地设计声学超表面	声学超表面的物理结构参数与声场之间的关系	机器学习	NA	深度学习	卷积神经网络	声场数据	90%的集成学习模型误差小于3 dB，93%的DFCNN模型误差小于5 dB
23456	2024-08-07	Identification of Novel Regulators of Leaf Senescence Using a Deep Learning Model 2024-May-05, Plants (Basel, Switzerland) DOI:10.3390/plants13091276 PMID:38732491	研究论文	本文开发了一种名为DEGRN的深度学习模型，用于解析植物基因相互作用，并通过大量RNA-Seq和scRNA-Seq数据成功识别了大量高质量的基因交互作用。	DEGRN模型能够利用高维表达数据，揭示包括叶片衰老在内的复杂生物过程中的新型调控因子。	NA	探索和解析植物基因调控网络，特别是叶片衰老过程中的基因相互作用。	植物基因调控网络，特别是转录因子及其目标基因在叶片衰老过程中的作用。	机器学习	NA	RNA-Seq	深度学习模型	表达数据	涉及1430个转录因子和13,739个非转录因子基因，共3,053,363个高质量交互作用。
23457	2024-08-07	Computed tomography-based 3D convolutional neural network deep learning model for predicting micropapillary or solid growth pattern of invasive lung adenocarcinoma 2024-May, La Radiologia medica DOI:10.1007/s11547-024-01800-3 PMID:38512613	研究论文	研究基于CT的深度学习模型预测侵袭性肺腺癌中的微乳头状或实性生长模式	使用自步学习3D网络模型，该模型在预测侵袭性肺腺癌的微乳头状或实性生长模式方面表现优于其他模型	NA	探讨基于CT的深度学习模型预测侵袭性肺腺癌中微乳头状或实性生长模式的价值	侵袭性肺腺癌患者的CT扫描图像	计算机视觉	肺腺癌	深度学习	3D卷积神经网络	图像	617名侵袭性肺腺癌患者用于训练和内部验证，353名患者用于外部验证
23458	2024-08-07	A Novel Method for the Object Detection and Weight Prediction of Chinese Softshell Turtles Based on Computer Vision and Deep Learning 2024-May-01, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091368 PMID:38731372	研究论文	本文提出了一种基于计算机视觉和深度学习的新方法，用于中国软壳龟的目标检测和重量预测	本文提出了一种颜色空间模型来有效分离龟与背景，并使用改进的深度学习目标检测网络提取龟甲和背甲的特征，实现了高精度的检测结果	NA	研究自动化龟分类中的视觉识别和重量预测	中国软壳龟	计算机视觉	NA	深度学习	CNN	图像	未具体说明样本数量
23459	2024-08-07	The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review 2024-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090939 PMID:38732351	综述	本研究通过叙述性综述探讨了深度学习（DL）在放射治疗领域的变革性影响，特别是在COVID-19大流行加速发展的情况下。	研究强调了DL算法在优化治疗计划、图像分析和患者结果预测方面的革命性潜力。	研究指出需要进一步探索特定研究领域以解锁DL技术的全部能力。	探讨深度学习在放射治疗中的挑战、机遇和未来方向。	研究对象包括深度学习算法在放射治疗中的应用及其对患者护理和治疗策略的影响。	机器学习	NA	深度学习	NA	图像	NA
23460	2024-08-07	Deep Learning-Based Classification and Semantic Segmentation of Lung Tuberculosis Lesions in Chest X-ray Images 2024-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090952 PMID:38732366	研究论文	本文提出了一种基于深度学习网络的方法，用于检测和语义分割胸部X光图像中的两种特定类型的肺结核病变	使用多种U-Net模型的增强版本和集成方法，以提高病变分类和分割的准确性	NA	开发一种辅助临床医生检查胸部X光图像中肺结核病变的诊断工具	胸部X光图像中的肺结核病变	计算机视觉	肺结核	深度学习	U-Net, Attention U-Net, U-Net++, Attention U-Net++, PSP Attention U-Net++	图像	110训练图像，14验证图像，98测试图像