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
13101	2024-10-28	Integrated ensemble CNN and explainable AI for COVID-19 diagnosis from CT scan and X-ray images 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75915-y PMID:39443548	研究论文	本文提出了一种集成多个卷积神经网络（CNN）模型与可解释AI技术的方法，用于从CT扫描和X光图像中诊断COVID-19	本文的创新点在于将多个CNN模型与可解释AI技术相结合，提高了模型的准确性和可解释性	本文未提及具体的局限性	研究目的是提高COVID-19从放射影像中的检测准确性和可解释性	研究对象是COVID-19的CT扫描和X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）	集成模型（包括DenseNet169, ResNet50, 和VGG16）	图像	29,986张X光图像和2,482张CT扫描图像
13102	2024-10-28	A Specialized Pipeline for Efficient and Reliable 3D Semantic Model Reconstruction of Buildings from Indoor Point Clouds 2024-Oct-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100261 PMID:39452424	研究论文	本文提出了一种从室内点云数据中自动生成多层建筑3D语义模型的新型管道	该管道通过分层提取建筑组件，并使用深度学习分类器识别墙体开口，实现了高效可靠的3D语义模型重建	NA	开发一种高效可靠的3D语义模型重建方法	多层建筑的室内点云数据	计算机视觉	NA	激光扫描系统	深度学习分类器	点云	NA
13103	2024-10-28	Multimodal radiomics and deep learning models for predicting early femoral head deformity in LCPD 2024-Oct-19, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111793 PMID:39454426	研究论文	开发了一种结合临床、放射组学和深度学习特征的预测模型，用于识别Legg-Calvé-Perthes病早期股骨头变形的危险因素	结合了临床、放射组学和深度学习特征，开发了一种新的预测模型，用于早期股骨头变形的预测	研究仅限于两个中心的数据，且样本量相对较小	开发一种预测模型，用于识别Legg-Calvé-Perthes病早期股骨头变形的危险因素	Legg-Calvé-Perthes病早期股骨头变形	机器学习	骨骼疾病	放射组学、深度学习	XGBoost	影像	152名早期单侧Legg-Calvé-Perthes病患者
13104	2024-10-28	GPT-Driven Radiology Report Generation with Fine-Tuned Llama 3 2024-Oct-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101043 PMID:39451418	研究论文	本研究开发并评估了一种基于Llama 3-8B的微调大型语言模型，用于自动生成MRI和CT放射报告的准确和简洁结论	采用参数量化和低秩适应技术优化计算效率，并在消费者级GPU上进行训练	数据集偏差、样本多样性有限、缺乏临床判断以及需要大量计算资源	开发和评估一种自动化生成放射报告结论的模型，以提高报告效率并辅助放射科医生	MRI和CT放射报告的结论生成	机器学习	NA	参数量化、低秩适应	Llama 3-8B	文本	15,000份放射报告
13105	2024-10-28	Anomaly Detection in Embryo Development and Morphology Using Medical Computer Vision-Aided Swin Transformer with Boosted Dipper-Throated Optimization Algorithm 2024-Oct-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101044 PMID:39451419	研究论文	本文提出了一种基于计算机视觉辅助的Swin Transformer和增强的Dipper-Throated优化算法的胚胎发育和形态异常检测技术	本文创新性地结合了Swin Transformer和增强的Dipper-Throated优化算法，用于胚胎发育的精确和高效检测	NA	提高辅助生殖技术中胚胎选择的准确性和效率，推动发育生物学的发展	胚胎发育和形态	计算机视觉	NA	计算机视觉、深度学习、机器学习	Swin Transformer、变分自编码器（VAE）	图像	使用基准数据集进行验证
13106	2024-10-28	Image Captioning Based on Semantic Scenes 2024-Oct-18, Entropy (Basel, Switzerland) DOI:10.3390/e26100876 PMID:39451952	研究论文	本文提出了一种基于语义场景的图像描述生成方法，通过提取图像的场景图和语义图，结合可学习的注意力机制生成更完整和准确的描述	提出了语义场景编码器（SSE），通过提取场景图和语义图，结合注意力机制生成更全面的图像描述	实验仅在MSCOCO数据集上验证，未提及在其他数据集上的表现	改进图像描述生成技术，使其能够生成更完整和准确的描述	图像描述生成方法及其在复杂场景中的应用	计算机视觉	NA	深度学习	注意力机制	图像	在MSCOCO数据集上进行测试
13107	2024-10-28	Investigating the Sim-to-Real Generalizability of Deep Learning Object Detection Models 2024-Oct-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100259 PMID:39452422	研究论文	研究了深度学习目标检测模型从模拟图像到真实图像的泛化能力	通过研究目标检测模型本身的影响，提供了一个新的视角	尚未找到性能下降的确切原因和影响	探讨深度学习目标检测模型从模拟训练图像到真实评估图像的泛化能力	12种不同的基于深度学习的目标检测模型	计算机视觉	NA	深度学习	目标检测模型	图像	144个训练和评估版本
13108	2024-10-28	Comparative Analysis of AI Models for Atypical Pigmented Facial Lesion Diagnosis 2024-Oct-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101036 PMID:39451411	研究论文	本文比较了机器学习和深度学习模型在非典型色素性面部病变诊断中的有效性	本文首次系统比较了机器学习（逻辑回归）和深度学习（卷积神经网络）模型在非典型色素性面部病变诊断中的应用	样本主要集中在面部病变，且恶性病变比例较高，可能影响模型的泛化能力	评估和比较机器学习和深度学习模型在非典型色素性面部病变诊断中的效果	1197张面部病变皮肤镜图像，分为七类	计算机视觉	NA	机器学习（逻辑回归）和深度学习（卷积神经网络）	逻辑回归和卷积神经网络	图像	1197张面部病变皮肤镜图像，包括71.2%的恶性病变和28.8%的良性病变
13109	2024-10-28	FLCMC: Federated Learning Approach for Chinese Medicinal Text Classification 2024-Oct-17, Entropy (Basel, Switzerland) DOI:10.3390/e26100871 PMID:39451948	研究论文	本文介绍了一种名为FLCMC的联邦学习方法，用于中文医学文本分类，解决了中文医学文本中的隐私保护和数据共享问题	提出了基于自注意力机制的两种扰动联邦学习算法FedPA和FedPAP，并在模型聚合模块中引入自注意力机制，同时在本地更新模块中加入扰动项和定制的PAdam优化器	NA	解决中文医学文本分类中的隐私保护和数据共享问题	中文医学文本数据	自然语言处理	NA	联邦学习	自注意力机制	文本	使用了合成数据集和真实的中文医学文本数据集IMCS-V2
13110	2024-10-28	Advances in Medical Image Segmentation: A Comprehensive Review of Traditional, Deep Learning and Hybrid Approaches 2024-Oct-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101034 PMID:39451409	综述	本文全面回顾了传统、深度学习和混合方法在医学图像分割中的进展	重点介绍了深度学习在医学图像分割中的变革性影响，并探讨了深度学习与传统方法的结合	传统方法在处理复杂、噪声或可变医学图像时面临显著挑战	提供一个详细的资源，帮助研究人员和从业者了解医学图像分割的当前状况和未来方向	医学图像分割技术及其在临床任务中的应用	计算机视觉	NA	NA	CNN, FCN, U-Net, RNN, GAN, AE	图像	NA
13111	2024-10-28	AI-Powered Identification of Osteoporosis in Dental Panoramic Radiographs: Addressing Methodological Flaws in Current Research 2024-Oct-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14202298 PMID:39451621	研究论文	本研究开发了一种基于人工智能的应用程序，用于在牙科全景放射片中准确识别骨质疏松症，并解决了当前研究中的方法学缺陷	本研究通过使用YOLOv8对象检测模型和EfficientNet分类模型，开发了一种新的深度学习算法，用于在牙科全景放射片中识别骨质疏松症	本研究的样本量相对较小，且仅限于牙科全景放射片，可能限制了算法的广泛应用	本研究的目的是开发一种准确的人工智能应用程序，用于在牙科全景放射片中识别骨质疏松症，并解决当前研究中的方法学缺陷	本研究的对象是牙科全景放射片中的骨质疏松症识别	计算机视觉	骨质疏松症	深度学习	YOLOv8, EfficientNet	图像	共使用了348张全景放射片进行开发，58张用于验证，51张用于测试
13112	2024-10-28	Artificial Intelligence and Advanced Technology in Glaucoma: A Review 2024-Oct-16, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14101062 PMID:39452568	综述	本文综述了人工智能在青光眼个性化管理中的应用现状，强调了进展、挑战和未来方向	人工智能技术在青光眼管理中的应用，包括早期检测、诊断、治疗优化和预后预测	数据异质性、模型可解释性和监管问题	探讨人工智能在青光眼个性化管理中的应用现状和未来方向	青光眼患者	机器学习	眼科疾病	机器学习算法，特别是深度学习模型	深度学习模型	图像	NA
13113	2024-10-28	Leveraging Deep Learning and Generative AI for Predicting Rheological Properties and Material Compositions of 3D Printed Polyacrylamide Hydrogels 2024-Oct-15, Gels (Basel, Switzerland) DOI:10.3390/gels10100660 PMID:39451313	研究论文	本文利用深度学习和生成式AI模型预测3D打印聚丙烯酰胺水凝胶的流变性质和材料组成	本文首次训练深度学习模型来预测3D打印聚丙烯酰胺水凝胶的存储模量和损失模量，并生成符合实际数据分布的合成数据	本文未提及具体的局限性	研究目的是利用AI模型预测3D打印材料的流变性质和组成	研究对象是3D打印的聚丙烯酰胺水凝胶	机器学习	NA	深度学习	多层感知器（MLP）、变分自编码器（VAE）、条件变分自编码器（CVAE）	数值数据	涉及七个凝胶成分参数
13114	2024-10-28	Verdiff-Net: A Conditional Diffusion Framework for Spinal Medical Image Segmentation 2024-Oct-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101031 PMID:39451406	研究论文	提出了一种基于扩散模型的脊椎医学图像分割框架Verdiff-Net，通过学习数据分布提高分割精度和稳定性	引入多尺度融合模块和噪声语义适配器，以改进分割掩码的精细化	NA	提高脊椎医学图像分割的准确性和稳定性	脊椎医学图像	计算机视觉	NA	扩散模型	扩散模型	图像	四个多模态脊椎数据集
13115	2024-10-28	Artificial Intelligence in Uropathology 2024-Oct-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14202279 PMID:39451602	综述	本文探讨了人工智能在泌尿病理学领域的变革性影响，特别是其在诊断、分级和预测各种泌尿系统癌症中的应用	人工智能，尤其是深度学习算法，展示了显著的潜力，可以提高病理工作流程的准确性和效率	NA	提供关于人工智能在诊断、预测预后和确定尿路肿瘤药物反应方面应用的主要数据的深入概述	泌尿系统癌症的诊断、分级和预后预测	数字病理学	泌尿系统疾病	深度学习算法	深度学习	图像	NA
13116	2024-10-28	Current Status and Challenges and Future Trends of Deep Learning-Based Intrusion Detection Models 2024-Oct-14, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100254 PMID:39452417	综述	本文综述了基于深度学习的入侵检测模型的现状、挑战和未来趋势	本文介绍了BERT系列和GPT系列在大规模预测模型中的应用，并展望了未来研究方向	NA	探讨基于深度学习的入侵检测模型的现状、挑战和未来趋势	深度学习入侵检测模型及其在网络安全中的应用	机器学习	NA	深度学习	深度自编码器、深度信念网络、深度神经网络、卷积神经网络、循环神经网络、生成对抗网络、Transformer	数据集	NA
13117	2024-10-28	Convolutional Neural Network Incorporating Multiple Attention Mechanisms for MRI Classification of Lumbar Spinal Stenosis 2024-Oct-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101021 PMID:39451397	研究论文	本文提出了一种结合多种注意力机制的卷积神经网络模型，用于通过MRI图像对腰椎管狭窄症进行分类	本文创新性地将多种注意力机制（多头自注意力模块、槽注意力模块、通道和空间注意力模块）集成到卷积神经网络中，以提高分类的准确性和鲁棒性	NA	开发一种基于卷积神经网络的深度学习模型，通过集成多种注意力机制来提高腰椎管狭窄症MRI图像分类的准确性和鲁棒性	腰椎管狭窄症的MRI图像分类	计算机视觉	腰椎疾病	卷积神经网络	CNN	图像	来自多个机构的规范化MRI数据集，涵盖多种腰椎退行性病变
13118	2024-10-28	Research on Credit Default Prediction Model Based on TabNet-Stacking 2024-Oct-13, Entropy (Basel, Switzerland) DOI:10.3390/e26100861 PMID:39451938	研究论文	本文提出了一种基于TabNet-Stacking的信用违约预测模型	使用多群体遗传算法优化Attention Transformer自动特征选择模块，并采用粒子群算法优化超参数选择	未提及具体实验数据的局限性	提高信用违约预测的准确性和效率	信用违约预测模型	机器学习	NA	深度学习	TabNet-Stacking	数据	未提及具体样本数量
13119	2024-10-28	Optimizing EEG Signal Integrity: A Comprehensive Guide to Ocular Artifact Correction 2024-Oct-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101018 PMID:39451394	教程	本文提供了一个全面的指南，介绍如何校正眼动伪迹以优化脑电信号的完整性	本文介绍了传统方法如回归技术和独立成分分析，以及更先进的方法如伪迹子空间重建和基于深度学习的算法	NA	提供有效的眼动伪迹校正方法，确保脑电数据的准确性和可靠性	脑电信号中的眼动伪迹	神经科学	NA	独立成分分析 (ICA)、伪迹子空间重建 (ASR)、深度学习	NA	脑电信号 (EEG)	NA
13120	2024-10-28	Advanced Deep Learning Fusion Model for Early Multi-Classification of Lung and Colon Cancer Using Histopathological Images 2024-Oct-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14202274 PMID:39451599	研究论文	本文提出了一种用于早期多分类肺癌和结肠癌的先进深度学习融合模型，利用组织病理学图像进行分析	本文创新性地整合了ResNet-101V2、NASNetMobile和EfficientNet-B0三种深度学习架构，通过特征融合提高分类准确性	NA	旨在通过深度学习模型辅助病理学家早期检测肺癌和结肠癌，减少工作量、时间和成本	肺癌和结肠癌的组织病理学图像	计算机视觉	肺癌	深度学习	深度学习融合模型	图像	LC25000数据集，包含结肠和肺的组织病理学图像