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
24161	2024-08-07	Breast Delineation in Full-Field Digital Mammography Using the Segment Anything Model 2024-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101015 PMID:38786313	研究论文	本研究介绍了SAM-breast模型，一种用于在乳腺X线摄影中分割乳腺区域的Segment Anything Model（SAM）的适应性模型	SAM-breast模型在乳腺区域的描绘和胸大肌的排除方面表现出色，且在不同数据集上显示出一致的高性能	NA	提高乳腺X线摄影中乳腺区域的分割准确性，以辅助诊断	乳腺X线摄影图像中的乳腺区域分割	计算机视觉	乳腺癌	NA	SAM	图像	使用了来自多个中心的2492张乳腺X线摄影图像进行模型训练，并在五个不同数据集（包括两个私有和三个公开数据集）上进行了独立测试
24162	2024-08-07	Texture-Based Classification to Overcome Uncertainty between COVID-19 and Viral Pneumonia Using Machine Learning and Deep Learning Techniques 2024-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101017 PMID:38786315	研究论文	本研究通过集成先进的纹理特征提取方法和深度学习框架，提出了一种新的分类模型，用于区分COVID-19和病毒性肺炎	本研究引入了包括GLCM、GLDM和小波变换在内的先进纹理特征提取方法，并在深度学习框架中整合，以提高分类性能	NA	旨在通过机器学习和深度学习技术，提高COVID-19和病毒性肺炎的准确分类	COVID-19和病毒性肺炎的胸部X光图像	机器学习	COVID-19	深度学习	深度学习神经网络 (DLNN)	图像	NA
24163	2024-08-07	IMPA-Net: Interpretable Multi-Part Attention Network for Trustworthy Brain Tumor Classification from MRI 2024-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100997 PMID:38786294	研究论文	本研究开发了一种可解释的多部分注意力网络（IMPA-Net），用于从MRI图像中进行脑肿瘤分类，以提高分类结果的可解释性和可信度	IMPA-Net不仅预测肿瘤等级，还提供了模型可解释性的全局解释和预测结果的局部解释，使医疗工作者能够理解模型的推理过程	NA	提高脑肿瘤分类结果的可解释性和可信度	脑肿瘤分类	计算机视觉	脑肿瘤	深度学习	IMPA-Net	MRI图像	BraTS2017数据集
24164	2024-08-07	A Deep Learning Approach for Chromium Detection and Characterization from Soil Hyperspectral Data 2024-May-11, Toxics IF:3.9Q1 DOI:10.3390/toxics12050357 PMID:38787136	研究论文	本研究利用深度神经网络（DNN）方法，基于Land Use and Cover Area frame Survey（LUCAS）数据集，开发了一种具有良好泛化性和准确性的土壤铬（Cr）含量预测模型	本研究通过优化光谱预处理方法和DNN超参数，构建了最优的DNN模型，实现了对土壤Cr含量的有效检测，并识别了四个对Cr敏感的重要高光谱波段	NA	开发一种更高效的土壤Cr含量检测方法	土壤中的铬含量	机器学习	NA	深度神经网络（DNN）	DNN	高光谱数据	基于Land Use and Cover Area frame Survey（LUCAS）数据集
24165	2024-08-07	Human versus Artificial Intelligence: Validation of a Deep Learning Model for Retinal Layer and Fluid Segmentation in Optical Coherence Tomography Images from Patients with Age-Related Macular Degeneration 2024-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100975 PMID:38786273	研究论文	本研究旨在通过比较深度学习算法与手动调整的金标准方法在光学相干断层扫描（OCT）图像中对视网膜层和液体的分割，来验证深度学习算法在年龄相关性黄斑变性（AMD）患者中的应用。	深度学习系统能够准确识别出疾病阶段间的外层视网膜厚度差异，并在渗出性病例中准确识别液体。	在疾病较严重的眼中，深度学习算法与金标准方法之间存在显著的差异，需要进一步的准确性测试以确认其在实际应用中的有效性。	验证深度学习算法在光学相干断层扫描图像中对视网膜层和液体分割的准确性。	健康受试者和年龄相关性黄斑变性（AMD）患者的OCT图像。	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习（DL）	图像	共60张OCT图像，包括健康受试者和不同阶段的AMD患者。
24166	2024-08-07	CSDNet: A Novel Deep Learning Framework for Improved Cataract State Detection 2024-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100983 PMID:38786279	研究论文	本文介绍了一种名为CSDNet的新型深度学习框架，用于改善白内障状态的检测	CSDNet通过使用较小的内核、更少的训练参数和层，有效地减少了可训练参数的数量，降低了计算成本和平均运行时间	NA	创建一个更轻量级和适应性强的框架，适用于内存或存储容量有限的环境或设备	白内障状态的检测	机器学习	眼科疾病	深度学习	CSDNet	图像	使用来自Ocular Disease Intelligent Recognition (ODIR)数据库的白内障和正常图像
24167	2024-08-07	Dynamic Weighting Translation Transfer Learning for Imbalanced Medical Image Classification 2024-May-01, Entropy (Basel, Switzerland) DOI:10.3390/e26050400 PMID:38785649	研究论文	本文提出了一种名为动态权重转换迁移学习（DTTL）的方法，用于解决医学图像分类中的不平衡问题和领域转移问题	本文创新地将熵和信息理论应用于深度学习和医学图像处理领域，通过最大化类别分布的熵和最小化源域与目标域之间的交叉熵来减少领域差异	NA	解决医学图像诊断中存在的领域转移和类别不平衡问题	医学图像分类	计算机视觉	NA	深度学习	CNN	图像	NA
24168	2024-08-07	DepthCrackNet: A Deep Learning Model for Automatic Pavement Crack Detection 2024-Apr-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10050100 PMID:38786555	研究论文	本文提出了一种名为DepthCrackNet的深度学习模型，用于自动检测路面裂缝	模型采用了Double Convolution Encoder进行特征提取，并结合TriInput Multi-Head Spatial Attention和Spatial Depth Enhancer模块增强特征提取能力	NA	提高路面裂缝检测的自动化水平，确保道路安全	路面裂缝	计算机视觉	NA	深度学习	U-Net	图像	使用了两个公开裂缝数据集：Crack500和DeepCrack
24169	2024-08-07	Crude Oil Prices Forecast Based on Mixed-Frequency Deep Learning Approach and Intelligent Optimization Algorithm 2024-Apr-24, Entropy (Basel, Switzerland) DOI:10.3390/e26050358 PMID:38785607	研究论文	本文提出了一种新的混合模型KV-MFSCBA-G，结合了混合频率卷积神经网络-双向长短期记忆网络-注意力机制（MFCBA）和广义自回归条件异方差（GARCH）模型，用于精确预测原油价格	该模型通过分解-集成范式，利用深度学习网络拟合非线性特征和传统计量经济模型捕捉波动性，并引入了智能优化算法和低频经济变量以提高预测性能	NA	精确预测原油价格	原油价格	机器学习	NA	卷积神经网络（CNN），双向长短期记忆网络（LSTM），注意力机制，广义自回归条件异方差（GARCH）	混合模型KV-MFSCBA-G	时间序列数据	使用了West Texas Intermediate（WTI）和Brent原油的数据
24170	2024-08-07	High-Content Image-Based Screening and Deep Learning for the Detection of Anti-Inflammatory Drug Leads 2024-01-15, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202300136 PMID:37815526	研究论文	开发了一种基于高内涵图像的筛选方法，结合深度学习技术，用于识别新的抗炎药物先导化合物	利用深度神经网络分类器和荧光显微镜探针，通过图像分析识别出能够调节LPS诱导的巨噬细胞表型的化合物	NA	旨在通过高内涵图像筛选和深度学习技术，发现新的抗炎药物先导化合物	2,259种具有已知作用机制的生物活性化合物	机器学习	NA	荧光显微镜	深度神经网络	图像	2,259种化合物
24171	2024-08-07	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	本文设计了一种基于深度学习的多聚焦图像融合网络，通过无监督学习和多尺度混合注意力残差网络模型，实现端到端的决策图优化	引入多尺度混合注意力残差网络模型和上下投影模块，有效利用多尺度特征信息，提高图像融合性能	NA	提高图像融合在焦点区域的检测性能	多聚焦图像融合	计算机视觉	NA	多尺度混合注意力残差网络	多尺度混合注意力残差网络模型	图像	两幅不同焦点的源图像
24172	2024-08-07	Enhancing automated strabismus classification with limited data: Data augmentation using StyleGAN2-ADA 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303355 PMID:38787813	研究论文	本研究提出了一种基于StyleGAN2-ADA的生成数据增强技术，以克服在设计基于深度学习的自动斜视诊断系统时严重数据限制的挑战	本研究采用StyleGAN2-ADA生成模型进行数据增强，相较于传统数据增强技术，显著提升了分类性能	NA	旨在通过生成数据增强技术改善在极端数据稀缺情况下的深度学习模型性能	斜视分类	机器学习	NA	StyleGAN2-ADA	生成模型	图像	数据量严重有限
24173	2024-08-07	Accelerated construction of stress relief music datasets using CNN and the Mel-scaled spectrogram 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300607 PMID:38787824	研究论文	本文介绍了一种使用卷积神经网络和Mel频谱图加速构建减压音乐数据集的深度学习方法	提出了一种更高效和经济的方法来生成大型减压音乐数据集，通过卷积神经网络直接从音乐中提取关键声音元素	NA	解决现有减压音乐选择有限的问题，提高音乐疗法的个性化水平	减压音乐数据集的构建和评估	机器学习	NA	卷积神经网络	CNN	Mel频谱图	临床研究中未明确提及具体样本数量
24174	2024-08-07	Assessment of Parafoveal Diabetic Macular Ischemia on Optical Coherence Tomography Angiography Images to Predict Diabetic Retinal Disease Progression and Visual Acuity Deterioration 2023-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.1821 PMID:37227703	研究论文	本研究使用光学相干断层扫描血管成像（OCTA）图像上的糖尿病黄斑缺血（DMI）评估，预测糖尿病视网膜疾病进展和视力恶化	提出了一种基于OCTA图像的自动化二元DMI算法，用于预测糖尿病视网膜病变（DR）的进展、糖尿病黄斑水肿（DME）的发展和视力恶化	NA	探讨基于OCTA图像的自动化DMI算法对糖尿病视网膜病变进展、糖尿病黄斑水肿发展和视力恶化的预测价值	糖尿病患者	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习算法	图像	321只眼，来自178名患者
24175	2024-08-07	Self-supervised learning for medical image classification: a systematic review and implementation guidelines 2023-Apr-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00811-0 PMID:37100953	综述	本文对自监督学习在医学图像分类中的应用进行了系统性回顾，并提供了实施指南	自监督学习能够从大量无标签的医学数据集中学习有用信息，有助于开发稳健的医学影像模型	NA	总结自监督学习在医学图像分类中的应用，并为未来研究提供实施指南	自监督学习策略及其在医学影像分类中的应用	计算机视觉	NA	自监督学习	NA	医学图像	筛选了412项相关研究，最终包含79篇论文进行数据提取和分析
24176	2024-08-07	A deep learning framework for modeling structural features of RNA-binding protein targets 2016-Feb-29, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkv1025 PMID:26467480	研究论文	本文开发了一种深度学习框架，用于模拟RNA结合蛋白（RBP）目标的结构特征，并预测其结合位点	首次将预测的RNA三级结构信息纳入模型，以构建统一的表示，描述RBP目标在所有三个维度上的结构特异性	NA	理解转录后基因调控的基本机制	RNA结合蛋白的结合位点和结合偏好	机器学习	NA	深度学习	深度学习框架	序列和结构数据	使用真实的CLIP-seq数据集进行测试
24177	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Oct-15, Development (Cambridge, England) DOI:10.1242/dev.202362 PMID:38619327	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细分析了细胞密度和组织紧缩在三维上皮组织重排中的作用，并提出了细胞增殖在紧凑上皮中诱导三维细胞重排的机制	NA	探讨细胞密度、组织紧缩和细胞增殖如何影响上皮组织的三维结构重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	深度学习模型	图像	海星胚胎
24178	2024-08-07	Ratiometric fluorescence sensor based on deep learning for rapid and user-friendly detection of tetracycline antibiotics 2024-Aug-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.138961 PMID:38640544	研究论文	本研究开发了一种基于深度学习的比率荧光传感器，用于快速、便捷地检测食品中的四环素抗生素	利用PVA气凝胶作为基质，结合内部滤光效应和天线效应，设计了一种比色荧光传感器，并通过深度学习模型Resnet18提高了检测的准确性	NA	开发一种快速、便捷、实时且准确的检测方法，用于在真实市场环境中检测抗生素	四环素抗生素在食品中的检测	机器学习	NA	深度学习	Resnet18	图像	检测范围为10-100 μM，实际样本模拟测试的回收率在95%到130%之间
24179	2024-08-07	Using UAV images and deep learning in investigating potential breeding sites of Aedes albopictus 2024-Jul, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107234 PMID:38688444	研究论文	本文利用无人机图像和深度学习技术，研究了白纹伊蚊潜在繁殖地点的识别方法	构建了专门针对白纹伊蚊的潜在繁殖地点数据集，并开发了YOLO v7模型进行识别	主要关注大型、规则形状的容器，对实际应用的实证研究较少	探索基于无人机和人工智能的方法，以识别和定位白纹伊蚊的潜在繁殖地点	白纹伊蚊及其潜在繁殖地点	计算机视觉	NA	深度学习	YOLO v7	图像	包括桶、碗、箱子、水生植物、罐子、盖子、盆、盒子、水槽等物品的数据集
24180	2024-08-07	Artificial Intelligence for breast cancer detection: Technology, challenges, and prospects 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111457 PMID:38640824	综述	本文综述了人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌的现状，讨论了相关技术、现有AI系统和面临的挑战	基于深度学习的AI系统在乳腺癌检测中显示出显著改进，有望提高筛查结果，减少假阴性和假阳性，并检测出人类观察者遗漏的细微异常	缺乏标准化数据集、训练数据中可能存在的偏差以及监管批准的障碍限制了其广泛应用	旨在讨论人工智能在乳腺癌筛查中的技术、现有系统和面临的挑战	人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA