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
23961	2024-08-07	Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020190925 PMID:32013791	研究论文	开发并验证了一种用于评估X光片上髋关节骨关节炎特征严重程度的多任务深度学习模型	该模型能够在大规模流行病学研究中替代专家放射科医生的详细结构评估	该研究为回顾性研究，且模型性能在外部测试集上略有下降	开发一种多任务深度学习模型，用于评估髋关节骨关节炎的放射学特征，并比较其与执业放射科医生的表现	髋关节骨关节炎的五个特征：股骨骨赘、髋臼骨赘、关节间隙狭窄、骨赘下硬化和骨赘下囊肿	机器学习	骨关节炎	DenseNet-161	多任务神经网络	X光片	共评估了4368名参与者（平均年龄61.0岁，2538名女性），15364个髋关节，7738张负重前后位骨盆X光片
23962	2024-08-07	Evaluation of two deep learning-based approaches for detecting weeds growing in cabbage 2024-Jun, Pest management science IF:3.8Q1 DOI:10.1002/ps.7990 PMID:38323798	研究论文	本研究比较了两种基于深度学习的方法在卷心菜中检测杂草的效果	提出了一种间接检测杂草的方法，通过生成覆盖作物的边界框，并将边界框外的绿色像素视为杂草	直接检测杂草的性能较低，可能是由于不同密度和生长阶段的多种杂草物种及其不同的植物形态	比较两种不同的深度学习方法在卷心菜中检测杂草的效果	卷心菜中的杂草	计算机视觉	NA	深度学习	YOLOv5, YOLOv8	图像	NA
23963	2024-08-07	OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment 2024-Jun, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152420 PMID:38422727	research paper	本文通过OMERACT过滤器评估深度学习（DL）自动量化膝关节积液-滑膜炎的效果	使用DL算法自动量化膝关节积液体积，并与专家的手动半定量评分进行比较	需要进一步评估区分度和真实性与临床结果的关系，以完全满足OMERACT过滤器的要求	评估深度学习自动量化膝关节积液的准确性	膝关节积液的量化	machine learning	NA	deep learning	NA	MRI image	53名OAI受试者
23964	2024-08-07	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-May-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	本文提出了一种新的可微分解码流程，包括可学习滤波器和预定的特征提取模块，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了由广义高斯函数参数化的滤波器，提供平滑的导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，从多通道EEG活动中学习信息丰富的潜在表示	EEG数据中的脑活动模式	神经科学	NA	可学习滤波器	可微分解码模型	EEG数据	721名受试者
23965	2024-08-07	The analysis of ecological security and tourist satisfaction of ice-and-snow tourism under deep learning and the Internet of Things 2024-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61598-y PMID:38730047	研究论文	本文提出了一种基于深度学习和物联网技术的预测方法，用于解决冰雪旅游领域的生态安全和游客满意度问题	该方法通过结合深度学习模型和物联网技术，提高了预测冰雪旅游生态安全和游客满意度的准确性和性能指标	NA	提出一种新的预测方法，以提高冰雪旅游生态安全和游客满意度的预测准确性	冰雪旅游的生态安全和游客满意度	机器学习	NA	深度学习 (DL) 和物联网 (IoT)	卷积神经网络和循环神经网络	环境数据和游客行为数据	NA
23966	2024-08-07	Fine tuning deep learning models for breast tumor classification 2024-05-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60245-w PMID:38730248	研究论文	本文提出了一种利用深度学习模型对乳腺癌肿瘤进行良恶性分类的方法	使用自定义卷积神经网络（Custom CNN）模型，结合灰狼优化（GWO）和改进的猩猩部队优化（MGTO）算法进行超参数调优，显著提高了分类准确率	NA	提高乳腺癌肿瘤良恶性分类的准确性	乳腺癌肿瘤的良恶性分类	计算机视觉	乳腺癌	卷积神经网络（CNN）	Custom CNN	图像	使用BreakHis数据集中的组织病理学图像
23967	2024-08-07	Fragment ion intensity prediction improves the identification rate of non-tryptic peptides in timsTOF 2024-May-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48322-0 PMID:38730277	研究论文	本文研究了在timsTOF平台上通过片段离子强度预测提高非胰蛋白酶肽的鉴定率	通过深度学习模型Prosit对片段离子强度预测进行微调，显著提高了免疫肽的鉴定率	NA	提高免疫肽的鉴定率，支持免疫疗法和疫苗开发	非胰蛋白酶肽的鉴定	蛋白质组学	NA	质谱分析	深度学习	质谱数据	分析了302,105个独特的合成非胰蛋白酶肽，生成了包含93,227个MS/MS光谱的基准数据集
23968	2024-08-07	A dual-branch selective attention capsule network for classifying kiwifruit soft rot with hyperspectral images 2024-05-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61425-4 PMID:38724603	研究论文	本研究提出了一种双分支选择性注意力胶囊网络（DBSACaps），用于基于高光谱图像准确检测猕猴桃软腐病	使用双分支结构分别提取光谱和空间特征，并通过注意力机制融合这些特征，提高了分类准确性	NA	旨在通过深度学习方法基于高光谱图像准确检测猕猴桃软腐病	猕猴桃软腐病	计算机视觉	NA	高光谱图像	胶囊网络	图像	猕猴桃软腐病数据集
23969	2024-08-07	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2024-May-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	研究论文	本研究探讨了使用生成对抗网络（GAN）生成的合成图像进行数据增强，以改善结肠镜检查病变分类的效果	通过将图像对反转到语义丰富且解耦的潜在空间并操纵潜在表示来生成新的合成图像，这种方法在结肠镜检查数据增强技术中表现优异，无需重新训练多个生成模型	NA	探索使用合成图像进行数据增强以解决结肠镜检查病变分类中标注数据不足的问题	结肠镜检查病变分类	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	NA
23970	2024-08-07	Enhancing Fetal Electrocardiogram Signal Extraction Accuracy through a CycleGAN Utilizing Combined CNN-BiLSTM Architecture 2024-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s24092948 PMID:38733053	研究论文	本文提出了一种新的深度学习模型CBLS-CycleGAN，用于提高胎儿心电图信号提取的准确性	模型结合了CNN提取的空间特征和BiLSTM提取的时间特征，确保重建信号具有空间和时间依赖性的组合特征	NA	提高胎儿心电图信号提取的准确性，以反映胎儿在子宫内的发育状态和生理心脏活动	胎儿心电图信号	机器学习	NA	CycleGAN	CNN-BiLSTM	信号	使用两个真实的胎儿心电图信号数据库进行评估
23971	2024-08-07	MultiFuseYOLO: Redefining Wine Grape Variety Recognition through Multisource Information Fusion 2024-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s24092953 PMID:38733058	研究论文	本研究提出了一种基于多源信息融合的方法，通过优化和改进YOLOV7模型，形成MultiFuseYOLO模型，以提高葡萄酒葡萄品种识别的准确性	本研究通过引入多源信息融合方法，特别是基于SynthDiscrim算法，显著提高了对相似葡萄品种的识别精度	NA	旨在通过多源信息融合方法提高葡萄酒葡萄品种识别的准确性和全面性	葡萄酒葡萄品种的识别	计算机视觉	NA	多源信息融合	YOLO	图像	未具体说明样本数量
23972	2024-08-07	An Optimized Instance Segmentation of Underlying Surface in Low-Altitude TIR Sensing Images for Enhancing the Calculation of LSTs 2024-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s24092937 PMID:38733039	研究论文	本研究提出了一种深度学习方法，用于优化低空热红外遥感图像中地表的实例分割，以提高地表温度计算的准确性	本研究采用基于掩膜的卷积神经网络进行像素级分类和分割，并通过优化超参数和架构，提高了地表分类的精确度	NA	提高基于低空热红外遥感图像的地表温度计算准确性	低空热红外遥感图像中的地表实例分割	计算机视觉	NA	深度学习	CNN	图像	1350张标注的热红外图像用于训练，150张新图像用于验证
23973	2024-08-07	Predicting Transcription Factor Binding Sites with Deep Learning 2024-May-03, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25094990 PMID:38732207	研究论文	本文提出了一种基于双向Transformer编码器的深度学习方法，用于预测转录因子结合位点，并通过实验验证了其在不同细胞系中的有效性	本文提出的方法结合了双向长短期记忆层和胶囊层，以提高遗传数据嵌入的鲁棒性和意义	NA	研究转录因子如何调控基因表达及其在治疗中的潜在应用	转录因子结合位点的预测	机器学习	NA	ChIP-seq	双向Transformer编码器	基因数据	使用了ENCODE数据库中的五个细胞系（A549, GM12878, Hep-G2, H1-hESC, 和 Hela）以及五个额外的细胞系进行测试
23974	2024-08-07	AI Concepts for System of Systems Dynamic Interoperability 2024-May-03, Sensors (Basel, Switzerland) DOI:10.3390/s24092921 PMID:38733028	研究论文	本文探讨了在系统工程中动态建立异构网络物理系统间互操作性的问题，并总结了相关领域的最新进展	文章提出了利用机器学习和深度学习方法来解决互操作性问题的新思路，并讨论了相关架构和开放问题	目前尚未有能够完全解决复杂系统间动态互操作性的概念实例，且需要实际测试环境	研究如何自动建立具有目的性通信的系统，以实现动态互操作性	异构网络物理系统间的互操作性问题	机器学习	NA	深度学习	神经网络	文本和代码	NA
23975	2024-08-07	Surface Defect Detection of Aluminum Profiles Based on Multiscale and Self-Attention Mechanisms 2024-May-02, Sensors (Basel, Switzerland) DOI:10.3390/s24092914 PMID:38733020	研究论文	本研究提出了一种基于多尺度和自注意力机制的铝型材表面缺陷检测模型AluDef-ClassNet	利用高斯差分金字塔捕获多尺度图像特征，引入自注意力机制增强特征表示，并采用改进的残差网络结构结合膨胀卷积扩大感受野	NA	解决铝型材表面缺陷检测中的多尺度复杂性、光照变化敏感性、遮挡和噪声等问题	铝型材表面缺陷	计算机视觉	NA	深度学习	CNN	图像	使用CCD相机获取的小规模高质量铝型材表面缺陷图像数据集
23976	2024-08-07	Dosimetric impact of contour editing on CT and MRI deep-learning autosegmentation for brain OARs 2024-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14345 PMID:38664894	研究论文	研究深度学习自动分割模型在脑部放射治疗中对危及器官的临床适用性，并评估轮廓编辑对CT和MRI模型性能的剂量学影响	探讨了轮廓编辑对深度学习自动分割模型性能的影响，并研究了几何和剂量学测量之间的相关性	研究发现几何测试指标不足以估计轮廓不准确对剂量的影响	评估深度学习自动分割模型在脑部放射治疗中的临床适用性	脑部放射治疗中的危及器官	机器学习	NA	深度学习	深度学习自动分割模型	CT和MRI图像	测试队列中的患者数量未明确提及
23977	2024-08-07	Self-Supervised Joint Learning for pCLE Image Denoising 2024-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s24092853 PMID:38732957	研究论文	本文提出了一种新的自监督去噪方法，通过联合训练噪声预测网络、图像质量评估网络和去噪网络，提高了pCLE图像和荧光显微镜图像的去噪效果	本文提出的自监督去噪方法通过联合训练多个网络，实现了对pCLE图像和荧光显微镜图像的更优去噪效果	NA	提高pCLE图像和荧光显微镜图像的去噪效果	pCLE图像和荧光显微镜图像	计算机视觉	NA	深度学习	CNN	图像	NA
23978	2024-08-07	Calibrating Deep Learning Classifiers for Patient-Independent Electroencephalogram Seizure Forecasting 2024-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s24092863 PMID:38732969	研究论文	本研究展示了通过实施简单的校准流程，即使在训练阶段未见过的独立患者上，也能在一定程度上进行自动癫痫发作预测	本研究通过实施校准流程，能够在独立患者上提高深度学习模型的预测准确率，平均增加超过20%	本方法仍需每个患者至少一次癫痫发作事件来校准预测模型	验证自动癫痫发作预测方法在临床应用中的鲁棒性	评估深度学习模型在独立患者上的癫痫发作预测性能	机器学习	NA	深度学习	深度学习模型	脑电图信号	两个包含大量癫痫患者脑电图信号的数据集
23979	2024-08-07	Mapping Method of Human Arm Motion Based on Surface Electromyography Signals 2024-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s24092827 PMID:38732933	研究论文	本文研究了一种基于表面肌电信号的精确映射人体手臂运动的方法	构建了结合卷积神经网络和人工神经网络的混合网络模型，并采用多特征融合算法提高手势识别的准确性	NA	研究精确映射人体手臂运动的方法，并验证其在机器人手臂精确控制中的应用潜力	人体手臂运动及表面肌电信号	机器学习	NA	表面肌电信号（sEMG）	卷积神经网络（CNN）和人工神经网络	信号	涉及多种运动（手势、单自由度关节运动和连续关节动作）的数据
23980	2024-08-07	Dynamic Occupancy Grid Map with Semantic Information Using Deep Learning-Based BEVFusion Method with Camera and LiDAR Fusion 2024-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s24092828 PMID:38732934	研究论文	本研究通过深度学习方法融合相机和激光雷达传感器，开发了一种包含语义信息的动态占用网格地图（DOGM），以扩展其在机器人和自动驾驶领域的应用	本研究不仅更新了对象的位置和速度信息，还更新了对象的类别信息，并利用未分类的激光雷达点测量提高了环境地图的可靠性	传统的基于三维激光雷达的DOGM无法分类对象类型	开发一种包含语义信息的动态占用网格地图，以提供更丰富的环境信息，帮助自动驾驶车辆在复杂城市环境中导航	动态占用网格地图（DOGM）及其在自动驾驶中的应用	计算机视觉	NA	深度学习	NA	图像	使用公共的nuScenes数据集进行性能评估