深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
25301	2024-09-17	Ultrasonic Assessment of Liver Fibrosis Using One-Dimensional Convolutional Neural Networks Based on Frequency Spectra of Radiofrequency Signals with Deep Learning Segmentation of Liver Regions in B-Mode Images: A Feasibility Study 2024-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s24175513 PMID:39275424	研究论文	本研究提出了一种基于超声回波射频信号的深度学习模型，用于自动分割肝脏区域并评估肝纤维化程度	本研究首次将深度学习应用于超声回波射频信号的频率谱分析，并结合自动肝脏区域分割，提高了肝纤维化评估的准确性	本研究仅在特定样本集上进行了验证，未来需要在更大规模和多样化的样本上进行验证	开发一种基于超声回波射频信号的深度学习方法，用于早期肝纤维化的自动检测和评估	超声回波射频信号和B模式超声图像	计算机视觉	肝病	深度学习	卷积神经网络（CNN）	图像和信号	613名参与者用于肝脏区域分割，237名参与者用于肝纤维化阶段分类	NA	NA	NA	NA
25302	2024-09-17	Holo-U2Net for High-Fidelity 3D Hologram Generation 2024-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s24175505 PMID:39275416	研究论文	本文提出了一种名为Holo-UNet的神经网络架构，用于生成高保真度的3D全息图	Holo-UNet在计算机生成全息术中展示了显著的性能提升，特别是在模拟菲涅尔衍射方面	NA	提高计算机生成全息术中全息图的保真度和生成速度	高保真度的3D全息图生成	计算机视觉	NA	深度学习	UNet	图像	MIT-CGH-4K大规模全息图数据集	NA	NA	NA	NA
25303	2024-09-17	Feature Interaction-Based Face De-Morphing Factor Prediction for Restoring Accomplice's Facial Image 2024-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s24175504 PMID:39275415	研究论文	本文提出了一种基于特征交互的面部去变形因子预测方法，用于恢复共犯的面部图像	本文创新性地引入了基于特征交互的通道注意力机制，并结合实时捕捉的参考图像，预测去变形因子，从而恢复共犯的身份信息	NA	恢复共犯的面部图像	面部去变形因子预测	计算机视觉	NA	通道注意力机制	StyleGAN	图像	NA	NA	NA	NA	NA
25304	2024-09-17	A New Method for Non-Destructive Identification and Tracking of Multi-Object Behaviors in Beef Cattle Based on Deep Learning 2024-Aug-24, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14172464 PMID:39272249	研究论文	本文提出了一种基于深度学习的非破坏性识别和跟踪牛肉牛多对象行为的新方法	引入了动态蛇卷积模块和BiFormer注意力机制，改进了YOLOv8n算法，提高了行为识别的准确性；优化了Deep SORT算法，减少了ID匹配错误	未提及具体局限性	为牛肉牛的智能识别和管理提供理论和实践支持	牛肉牛的行为识别和跟踪	计算机视觉	NA	深度学习	YOLOv8n, ResNet18	视频	九种行为，包括站立、躺卧、爬跨、打斗、舔舐、进食、饮水、工作、搜索，平均50和50:95精度分别为96.5%和71.5%	NA	NA	NA	NA
25305	2024-09-17	Modern Approach to Diabetic Retinopathy Diagnostics 2024-Aug-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171846 PMID:39272631	综述	本文综述了糖尿病视网膜病变诊断的创新方法	介绍了远程眼科、智能手机摄影、人工智能与深度学习等技术在早期疾病检测中的应用	这些技术的使用可能受限于某些地区的保险覆盖，且存在高成本、睫毛伪影、周边畸变等问题	探讨糖尿病视网膜病变的创新诊断方法	糖尿病视网膜病变	计算机视觉	糖尿病	人工智能、深度学习、卷积神经网络	卷积神经网络	图像	NA	NA	NA	NA	NA
25306	2024-09-17	A Deep Learning Approach to Distance Map Generation Applied to Automatic Fiber Diameter Computation from Digital Micrographs 2024-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s24175497 PMID:39275408	研究论文	本文介绍了一种基于深度学习的纤维显微图像距离图生成方法，用于自动计算纤维直径	提出了一种基于深度学习的距离图生成方法，改进了U-Net架构，能够更准确地分割和计算纤维直径	NA	开发一种更精确和自动化的方法来测量纤维直径，以改进纺织行业的质量控制和定价	动物和合成纺织品中的纤维直径	计算机视觉	NA	深度学习	U-Net	图像	使用了真实和模拟的显微图像进行训练	NA	NA	NA	NA
25307	2024-09-17	Ultrafast Brain MRI at 3 T for MS: Evaluation of a 51-Second Deep Learning-Enhanced T2-EPI-FLAIR Sequence 2024-Aug-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171841 PMID:39272626	研究论文	评估了一种51秒的深度学习增强T2-EPI-FLAIR序列在3T磁共振成像中对多发性硬化症（MS）患者脑部病变的检测效果	提出了一种超快速的深度学习增强T2-EPI-FLAIR序列，旨在缩短MRI成像时间，同时保持图像质量	FLAIR序列在某些脑区的信噪比和对比噪声比存在局限性，且存在空间畸变等伪影	评估超快速深度学习增强T2-EPI-FLAIR序列在多发性硬化症患者脑部病变检测中的应用效果	17名多发性硬化症患者	数字病理学	多发性硬化症	磁共振成像（MRI）	深度学习	图像	17名多发性硬化症患者	NA	NA	NA	NA
25308	2024-09-17	Enhancing Jujube Forest Growth Estimation and Disease Detection Using a Novel Diffusion-Transformer Architecture 2024-Aug-23, Plants (Basel, Switzerland) DOI:10.3390/plants13172348 PMID:39273832	研究论文	本文提出了一种结合扩散-Transformer结构和并行注意力机制的深度学习模型，用于枣树林的生长估计和疾病检测	创新点在于设计了一种新的扩散-Transformer架构，并结合并行注意力机制，显著提升了模型在复杂森林区域中的数据处理能力和特征提取精度	NA	旨在解决现有林业监测方法在大规模和高度复杂森林区域中的数据处理能力和特征提取精度不足的问题	枣树林的生长和疾病检测	机器学习	NA	深度学习	扩散-Transformer	图像	NA	NA	NA	NA	NA
25309	2024-09-17	A Deep Learning Framework for Real-Time Bird Detection and Its Implications for Reducing Bird Strike Incidents 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175455 PMID:39275366	研究论文	本文提出了一种用于实时鸟类检测的深度学习框架，旨在减少鸟击事件对航空安全的影响	本文的创新点在于开发了一种双焦点模型，结合了基于注意力的时序分析网络和具有空间意识的卷积神经网络，能够识别复杂背景中的特定特征，从而提高检测准确性	NA	本文的研究目的是开发一种高效的鸟类检测技术，以减少机场鸟击事件的发生	本文的研究对象是机场环境中的鸟类检测	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了包含不同种类和飞行模式的鸟类图像的大规模数据库	NA	NA	NA	NA
25310	2024-09-17	PolyMeme: Fine-Grained Internet Meme Sensing 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175456 PMID:39275367	研究论文	本文介绍了一个名为PolyMeme的数据集，用于细粒度互联网模因检测	提出了PolyMeme数据集，包含了约27K个来自四个类别的模因，填补了现有数据集在模因格式、风格和内容多样性方面的不足	未提及	开发一个细粒度的互联网模因检测系统	互联网模因	计算机视觉	NA	深度学习	ResNet, ViT	图像	约27K个模因样本	NA	NA	NA	NA
25311	2024-09-17	A Self-Attention Legendre Graph Convolution Network for Rotating Machinery Fault Diagnosis 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175475 PMID:39275385	研究论文	本文提出了一种结合自注意力机制的Legendre图卷积网络，用于旋转机械故障诊断	该方法将振动信号从欧几里得空间转换为非欧几里得空间的图信号，并采用基于Legendre多项式的快速局部谱滤波和自注意力图池化方法，显著提高了模型的稳定性和计算效率	NA	提高旋转机械故障诊断的准确性和适应性	旋转机械的故障诊断	机器学习	NA	图卷积网络	Legendre图卷积网络	振动信号	10种不同的行星齿轮箱故障任务	NA	NA	NA	NA
25312	2024-09-17	Coronary computed tomographic angiography-derived anatomic and hemodynamic plaque characteristics in prediction of cardiovascular events 2024-Aug, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03149-0 PMID:38878147	研究论文	本研究探讨了基于深度学习的冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征与导致后续主要不良心血管事件（MACE）的高风险斑块之间的关联	本研究创新性地结合了深度学习和计算流体动力学算法，从CCTA中提取了不良斑块特征和血流动力学参数，并验证了这些参数在预测MACE事件及其预后中的价值	本研究为回顾性分析，样本量较小，且未涉及前瞻性验证	研究基于CCTA的解剖和血流动力学斑块特征与MACE事件之间的关系，并评估血流动力学参数在预测MACE事件及其预后中的价值	冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征	数字病理学	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习	图像	86名患者，共134个斑块形成的血管和83个随后发生冠状动脉事件的罪犯血管	NA	NA	NA	NA
25313	2024-09-17	Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images 2024-Aug, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.005 PMID:39179459	研究论文	研究使用少量放射治疗计划CT图像进行基于深度学习的自动肝脏轮廓描绘的可行性	首次探讨了基于深度学习的肝脏轮廓描绘所需的最小数据量	研究仅限于放射治疗计划CT图像，未涉及其他类型的医学影像	探讨使用有限数据进行自动肝脏轮廓描绘的可行性	放射治疗计划CT图像中的肝脏轮廓	计算机视觉	NA	深度学习	U-Net	图像	62个训练病例	NA	NA	NA	NA
25314	2024-09-17	Deep learning approaches for non-coding genetic variant effect prediction: current progress and future prospects 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae446 PMID:39276327	综述	本文综述了基于批量和单细胞测序数据的非编码变异模型的发展及其在变异效应预测中的应用	本文介绍了通过深度学习方法分析大量遗传数据，以揭示全球调控景观的新见解	当前方法在变异效应预测研究中存在局限性，需要进一步改进	探讨基因变异影响和调控机制，提供对非编码变异效应预测的全面概述	非编码变异及其对基因调控的影响	机器学习	NA	测序技术	深度学习模型	遗传数据	NA	NA	NA	NA	NA
25315	2024-09-17	Early and late blight disease identification in tomato plants using a neural network-based model to augmenting agricultural productivity 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241275371 PMID:39262392	研究论文	本文利用基于inception-V3架构的神经网络模型，对番茄植株上的早疫病和晚疫病进行识别，以提高农业生产力	本文提出了一种基于inception-V3架构的深度学习模型，用于番茄叶片疾病的分类，显著提高了疾病识别的准确性	NA	提高番茄疾病识别的准确性，从而增强农业生产力	番茄植株的早疫病和晚疫病	计算机视觉	NA	深度学习	inception-V3	图像	6000张番茄叶片图像	NA	NA	NA	NA
25316	2024-09-17	Deep Learning Assessment of Progression of Emphysema and Fibrotic Interstitial Lung Abnormality 2023-09-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202211-2098OC PMID:37364281	研究论文	研究使用深度学习算法评估吸烟者中肺气肿和纤维化间质性肺异常的进展及其对死亡率的影响	首次评估了吸烟者中肺气肿和纤维化间质性肺异常的联合进展及其对死亡率的影响	研究仅基于COPDGene研究中的4450名吸烟者的数据，样本量有限	定义吸烟者中纤维化间质性肺异常的临床意义进展，并评估纤维化和肺气肿进展对死亡率的影响	吸烟者中的肺气肿和纤维化间质性肺异常	计算机视觉	肺部疾病	深度学习算法	NA	CT扫描图像	4450名吸烟者	NA	NA	NA	NA
25317	2024-09-17	Collaborative training of medical artificial intelligence models with non-uniform labels 2023-04-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33303-y PMID:37055456	研究论文	本文提出了一种灵活的联邦学习（FFL）方法，用于在具有非均匀标签的医疗数据上进行协作训练	本文的创新点在于提出了灵活的联邦学习（FFL）方法，以解决传统联邦学习在处理非均匀标签数据时的局限性	本文的局限性在于仅在胸部X光片数据上进行了验证，尚未在其他类型的医疗数据上进行测试	本文的研究目的是改进医疗人工智能模型的训练方法，使其能够有效利用具有非均匀标签的多方数据	本文的研究对象是胸部X光片数据，特别是肺炎和肺部转移的检测	计算机视觉	NA	深度学习	NA	图像	695,000张胸部X光片，来自全球五个机构	NA	NA	NA	NA
25318	2024-09-17	Estimating the monthly pan evaporation with limited climatic data in dryland based on the extended long short-term memory model enhanced with meta-heuristic algorithms 2023-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-32838-4 PMID:37045898	研究论文	提出了一种结合长短期记忆网络（LSTM）和灰狼优化算法（GWO）以及Kendall-τ相关系数的新型混合模型，用于在干旱地区基于有限的气象数据估算月蒸发量	创新性地将LSTM与GWO算法和Kendall-τ相关系数结合，用于优化LSTM的超参数和确定气象变量的输入组合	NA	开发一种在干旱地区基于有限气象数据准确估算月蒸发量的新方法	干旱地区的月蒸发量	机器学习	NA	长短期记忆网络（LSTM），灰狼优化算法（GWO），Kendall-τ相关系数	LSTM	气象数据	NA	NA	NA	NA	NA
25319	2024-09-17	Impact of the Covid-19 pandemic on the performance of machine learning algorithms for predicting perioperative mortality 2023-04-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02151-1 PMID:37046259	研究论文	研究了Covid-19疫情对机器学习算法预测围手术期死亡率性能的影响	探讨了Covid-19疫情导致的协变量突变对模型性能的影响	过早重新训练模型可能导致预测准确性下降	阐明Covid-19疫情对模型性能的影响	Covid-19疫情前后的围手术期死亡率预测模型	机器学习	NA	XGBoost, 深度学习神经网络	XGBoost, 深度学习神经网络	围手术期数据	包括疫情前、第一波疫情和整个疫情期间的数据，直到2021年10月	NA	NA	NA	NA
25320	2024-09-17	Learning naturalistic driving environment with statistical realism 2023-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37677-5 PMID:37041129	研究论文	本文开发了一种基于深度学习的框架NeuralNDE，用于从车辆轨迹数据中学习多智能体交互行为，并提出冲突批评模型和安全映射网络来优化安全关键事件的生成过程	首次实现能够以统计真实性再现真实世界驾驶环境的模拟模型，特别是在安全关键情况下	NA	开发和测试自动驾驶车辆的模拟工具	多智能体交互行为和安全关键事件	计算机视觉	NA	深度学习	神经网络	轨迹数据	NA	NA	NA	NA	NA