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
13021	2024-11-08	Accelerating GluCEST imaging using deep learning for B0 correction 2020-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28289 PMID:32301185	研究论文	本文提出了一种基于深度学习的算法，用于加速GluCEST成像中的B0校正	本文提出了一种新的深度学习算法，结合了宽激活神经网络块，以解决GluCEST成像中由于B0不均匀性导致的长时间采集和高噪声比问题	NA	加速GluCEST成像并提高信号噪声比	大脑中的谷氨酸分布	计算机视觉	NA	GluCEST MRI	深度残差网络	图像	NA
13022	2024-11-08	Denoising arterial spin labeling perfusion MRI with deep machine learning 2020-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2020.01.005 PMID:31954173	研究论文	本文提出并验证了一种基于深度学习的动脉自旋标记灌注MRI去噪算法（DL-ASL）	使用卷积神经网络（CNN）结合扩张卷积和宽激活残差块，显著提高了ASL MRI的信噪比（SNR），并展示了在不牺牲CBF测量质量的情况下减少75%采集时间的潜力	NA	提高动脉自旋标记灌注MRI的信噪比和采集效率	动脉自旋标记灌注MRI图像	计算机视觉	NA	动脉自旋标记灌注MRI	卷积神经网络（CNN）	图像	NA
13023	2024-11-07	Advancing jasmine tea production: YOLOv7-based real-time jasmine flower detection 2024-Dec, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13752 PMID:39032018	研究论文	本研究利用YOLOv7算法实时检测茉莉花，以提高茉莉茶生产的质量	采用YOLOv7算法进行茉莉花的实时检测，以区分不同生长阶段的茉莉花	NA	解决茉莉花采摘过程中因环境和人为因素导致的质量问题	茉莉花的不同生长阶段	计算机视觉	NA	YOLOv7算法	卷积神经网络	图像	五种不同开放程度的茉莉花样本
13024	2024-11-07	Automatic soft-tissue analysis on orthodontic frontal and lateral facial photographs based on deep learning 2024-Dec, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12830 PMID:38967085	研究论文	本文基于深度学习建立了自动软组织分析模型，用于正畸面部照片中的地标检测和测量计算	本文创新性地利用深度学习技术实现了正畸面部照片中软组织地标的自动检测和测量	模型在某些测量指标上与手动标注存在统计学差异	建立基于深度学习的自动软组织分析模型，实现正畸面部照片中软组织的全面定量评估	正畸患者的面部照片中的软组织	计算机视觉	NA	深度学习	高分辨率网络、基于深度可分离卷积的特征融合模块、基于像素洗牌的预测模型	图像	578张正面照片和450张侧面照片
13025	2024-11-07	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	研究使用深度学习模型对疑似阿尔茨海默病患者的脑部PET图像进行β-淀粉样斑块的二分类	首次使用深度学习模型对脑部PET图像中的β-淀粉样斑块进行二分类	研究为回顾性研究，样本量相对较小	验证深度学习模型在脑部PET图像中分类β-淀粉样斑块的潜力	疑似轻度认知障碍或痴呆患者的脑部PET图像	计算机视觉	阿尔茨海默病	PET/CT成像	卷积神经网络（CNN）	图像	175名患者
13026	2024-11-07	Rapid discovery of Transglutaminase 2 inhibitors for celiac disease with boosting ensemble machine learning 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.10.019 PMID:39498152	研究论文	本研究利用约1100个TG2抑制实验数据，开发了基于集成机器学习模型的配体分子筛选技术，用于快速发现针对乳糜泻的转谷氨酰胺酶2抑制剂	本研究采用了感知器深度学习和低深度随机森林弱学习器的提升集成方法，显著提高了预测准确率，并开发了一个用于筛选潜在治疗分子的网络应用程序	NA	开发针对乳糜泻的转谷氨酰胺酶2抑制剂	转谷氨酰胺酶2及其抑制剂	机器学习	乳糜泻	集成机器学习	感知器深度学习、随机森林、图神经网络	分子特征数据	约1100个TG2抑制实验数据
13027	2024-11-07	Classification of EEG evoked in 2D and 3D virtual reality: traditional machine learning versus deep learning 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad89c5 PMID:39437806	研究论文	本文比较了传统机器学习和深度学习在2D和3D虚拟现实诱发脑电图分类中的表现	首次使用EEGNet深度学习模型在2D和3D虚拟现实诱发脑电图分类中取得了显著优于传统机器学习方法的性能	NA	研究不同机器学习方法在2D和3D虚拟现实诱发脑电图分类中的效果	2D和3D虚拟现实诱发的脑电图信号	机器学习	NA	脑电图(EEG)	卷积神经网络(CNN)	脑电图信号	56通道脑电图记录
13028	2024-11-07	An improved AlexNet deep learning method for limb tumor cancer prediction and detection 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad89c7 PMID:39437809	研究论文	本文介绍了一种改进的AlexNet深度学习方法，用于滑膜肉瘤的预测和检测	本文提出了一个改进的AlexNet架构，增加了卷积层和调整输入图像大小，显著提高了模型的性能	NA	提高滑膜肉瘤的诊断准确性	滑膜肉瘤的数字病理图像	计算机视觉	肿瘤	卷积神经网络	AlexNet	图像	NA
13029	2024-11-07	MCI Net: Mamba- Convolutional lightweight self-attention medical image segmentation network 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad8acb PMID:39447592	研究论文	提出了一种名为MCI-Net的轻量级自注意力医学图像分割网络，通过减少模型参数和计算复杂度，提高了分割效率	MCI-Net通过线性建模永久标记有效特征并过滤无关信息，有效捕捉局部-全局信息，减少了参数数量并利用注意力计算实现模型轻量化	NA	开发一种轻量级、高效的医学图像分割网络，减少诊断时间和计算复杂度	医学图像分割	计算机视觉	NA	自注意力机制	卷积神经网络	图像	五个公共数据集：X射线、肺部、ISIC-2016、ISIC-2018和胶囊内窥镜及胃肠分割
13030	2024-11-07	Bidirectional dynamic frame prediction network for total-body [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET images 2024-Nov-04, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00698-0 PMID:39489859	研究论文	本文提出了一种双向动态帧预测网络，用于减少全身PET成像的扫描时间	本文的创新点在于提出了一种基于深度学习技术的双向动态帧预测网络，用于减少全身PET成像的扫描时间，从而提高患者舒适度和图像质量	本文的局限性在于仅在特定的PET成像数据上进行了验证，未来需要在更多类型的数据上进行验证	本文的研究目的是通过深度学习技术减少全身PET成像的扫描时间，提高成像效率和患者舒适度	本文的研究对象是全身动态PET成像数据，特别是[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04 PET图像	计算机视觉	NA	深度学习技术	双向动态帧预测网络	图像	13名接受[68Ga]Ga-FAPI-04的患者和24名接受[68Ga]Ga-PSMA-11的患者
13031	2024-11-07	Accurate and robust ammonia level forecasting of aeration tanks using long short-term memory ensembles: A comparative study of Adaboost and Bagging approaches 2024-Nov-04, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.123173 PMID:39500158	研究论文	本文比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果	本文首次全面比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果，并展示了AdaBoost-LSTM模型在多步预测中的优势	本文仅比较了AdaBoost和Bagging两种集成学习算法，未探讨其他可能的集成方法	研究如何通过集成学习提升LSTM网络在曝气池氨浓度预测中的准确性和鲁棒性	曝气池中的氨浓度	机器学习	NA	LSTM网络	LSTM	数值数据	未明确提及具体样本数量
13032	2024-11-07	A hybrid classification and evaluation method based on deep learning for decoration and renovation waste in view of recycling 2024-Nov-04, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.10.027 PMID:39500212	研究论文	本文提出了一种基于深度学习的混合分类和评估方法，用于装饰和装修废物的回收	结合实例分割深度学习模型和形态学机器学习模型，自动化分类和评估装饰和装修废物	NA	提高装饰和装修废物中高价值材料的回收率	装饰和装修废物的成分和质量	机器学习	NA	深度学习	混合模型	图像	53,000个单独的颗粒
13033	2024-11-07	A spatiotemporal correlation and attention-based model for pipeline deformation prediction in foundation pit engineering 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77601-5 PMID:39488572	研究论文	提出了一种基于时空相关性和注意力机制的模型，用于基坑工程中管道变形预测	引入了注意力机制来调整预测中提取的时空特征的可训练权重，并利用卷积神经网络提取监测点之间的空间依赖性，以及双向长短期记忆网络提取时间特征	未提及	提高基坑工程中邻近管道变形预测的准确性	基坑工程中的管道变形	机器学习	NA	卷积神经网络、双向长短期记忆网络	CNN、LSTM	时间序列	一个真实世界的地铁项目
13034	2024-11-07	A deep learning approach for ovarian cancer detection and classification based on fuzzy deep learning 2024-11-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75830-2 PMID:39488573	研究论文	本文提出了一种基于模糊深度学习的卵巢癌检测和分类系统	结合深度学习和模糊逻辑进行卵巢癌分类	NA	开发一种自动化且标准化的系统，用于早期检测和分类卵巢癌	卵巢癌的病理全切片图像	计算机视觉	卵巢癌	深度学习	ResNet-50	图像	288张苏木精-伊红染色（H&E）全切片图像，来自78名患者
13035	2024-11-07	Enhancing runoff predictions in data-sparse regions through hybrid deep learning and hydrologic modeling 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77678-y PMID:39488589	研究论文	本文介绍了一种结合深度学习和水文模型的混合模型，用于提高数据稀缺地区径流预测的准确性	本文创新性地将Informer深度学习模型与WRF-Hydro水文模型结合，通过迁移学习填补数据空白，显著提高了径流预测的精度	NA	提高数据稀缺地区径流预测的准确性	Chaersen Basin地区的径流预测	机器学习	NA	深度学习	Informer模型与WRF-Hydro模型	水文数据	使用了CAMELS数据集进行训练，并在Chaersen Basin地区进行预测
13036	2024-11-07	Predicting removal of arsenic from groundwater by iron based filters using deep neural network models 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76758-3 PMID:39488582	研究论文	研究利用深度神经网络模型预测铁基滤料去除地下水中砷的效果	首次应用深度学习神经网络模型优化铁基滤料去除砷和其他污染物的效果	研究样本量较小，仅基于20个铁改性陶瓷滤料的现场表现数据	开发深度学习神经网络模型，预测铁基滤料去除地下水中砷和其他污染物的效果	铁基滤料去除地下水中砷和其他污染物的效果	机器学习	NA	深度学习神经网络	深度神经网络	数值数据	20个铁改性陶瓷滤料的现场表现数据，通过三次样条插值扩展到1600个插值数据点
13037	2024-11-07	An Integrated Nomogram Combining Deep Learning and Radiomics for Predicting Malignancy of Pulmonary Nodules Using CT-Derived Nodules and Adipose Tissue: A Multicenter Study 2024-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70372 PMID:39494854	研究论文	本研究构建了一个结合深度学习和放射组学的临床列线图（DLRCN），用于预测肺结节的恶性程度	本研究首次将脂肪组织放射组学特征与深度学习特征和临床特征结合，显著提高了预测性能	NA	构建一个用于预测肺结节恶性程度的深度学习放射组学临床列线图	肺结节的恶性程度预测	数字病理学	肺癌	深度学习	列线图	图像	1098名患者，肺结节大小为6-30mm，来自3个中心
13038	2024-11-07	Domain transformation using semi-supervised CycleGAN for improving performance of classifying thyroid tissue images 2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03061-x PMID:38238492	研究论文	本文提出了一种使用半监督CycleGAN进行域转换的方法，以提高甲状腺组织图像分类的性能	本文提出了一种改进的CycleGAN方法，考虑了类别的特征分布，以进行适当的域转换，并解决了数据不平衡问题	NA	提高甲状腺组织图像分类的性能	甲状腺组织图像	计算机视觉	甲状腺癌	CycleGAN	CycleGAN	图像	涉及两个医疗机构的数据集
13039	2024-11-07	Hybrid representation-enhanced sampling for Bayesian active learning in musculoskeletal segmentation of lower extremities 2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03065-7 PMID:38282095	研究论文	本研究提出了一种混合表示增强采样策略，用于在贝叶斯主动学习框架下减少下肢肌肉骨骼分割任务中的标注工作量	本研究结合了密度和多样性标准，在不确定性基础的贝叶斯主动学习框架中优化采样策略，以提高标注效率	本研究未提及具体的局限性	减少深度学习模型在自动分割任务中的手动标注工作量	下肢MRI和CT图像中的股骨、骨盆、骶骨、股四头肌、腘绳肌、内收肌、缝匠肌和髂腰肌的分割	计算机视觉	NA	贝叶斯主动学习	U-net	图像	两个下肢MRI和CT图像数据集
13040	2024-11-07	Fractional gradient optimized explainable convolutional neural network for Alzheimer's disease diagnosis 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39037 PMID:39498007	研究论文	本文提出了一种基于分数阶梯度优化的可解释卷积神经网络，用于阿尔茨海默病的诊断	引入了一种未探索的池化技术和增强的特征提取机制，采用分数阶优化方法实现自适应学习和快速收敛，并提供了一种可解释的方法来证明模型的透明性	未提及	开发一种准确、高效且可解释的深度学习模型，用于阿尔茨海默病的诊断	阿尔茨海默病	计算机视觉	神经退行性疾病	卷积神经网络	CNN	图像	使用标准ADNI数据集