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
13401	2024-10-25	An automatic classification method of testicular histopathology based on SC-YOLO framework 2024, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2024.2393544 PMID:39263950	研究论文	本文提出了一种基于SC-YOLO框架的睾丸组织病理学自动分类方法	引入了SC-YOLO框架，集成了S3Ghost模块、CoordAtt模块和DCNv2模块，有效捕捉精原细胞的纹理和形状特征，同时减少模型参数	未来研究将集中在优化模型性能和探索其在临床应用中的潜力	开发一种高效准确的精原细胞识别方法，以辅助无精子症的病理诊断和治疗	精原细胞的分类和识别	数字病理学	男性不育症	深度学习	SC-YOLO	图像	NA
13402	2024-10-25	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了深度学习在临床文本分类中的不确定性量化方法	引入了多种选择性分类方法，以在多个分类任务中达到目标准确率的同时最小化拒绝率	对于分布外测试数据的解释较为复杂	研究深度学习模型在临床文本分类中的可靠性，并提出改进方法	电子病理报告中的疾病诊断和手术信息	机器学习	NA	深度神经网络 (DNN)	深度学习模型	文本	来自美国国家癌症研究所 (NCI) 的 SEER 人口基础癌症登记处的电子病理报告
13403	2024-10-25	Automatic authorship attribution in Albanian texts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310057 PMID:39436898	研究论文	本文研究了阿尔巴尼亚语文本中的自动作者归属问题，并引入了新的阿尔巴尼亚新闻专栏和文学作品语料库，分析了机器学习方法在作者归属中的应用	本文引入了新的阿尔巴尼亚语料库，并比较了机器学习和深度学习模型在作者归属任务中的表现，发现词汇特征是最有效的语言特征	本文主要关注阿尔巴尼亚语，未涉及其他低资源语言，且深度学习模型在特定场景下的应用潜力有待进一步验证	研究阿尔巴尼亚语文本中的自动作者归属问题，探索有效的特征和分类方法	阿尔巴尼亚语新闻专栏和文学作品	自然语言处理	NA	机器学习	XGBoost, fastText, BERT-multilingual	文本	新的阿尔巴尼亚新闻专栏和文学作品语料库
13404	2024-10-25	Feature diffusion reconstruction mechanism network for crop spike head detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1459515 PMID:39439510	研究论文	提出了一种用于作物穗头检测的新型特征扩散重构机制网络FDRMNet	FDRMNet引入了多尺度特征聚焦重构模块和注意力增强特征融合模块，以提高模型在复杂环境中的检测精度和计算效率	NA	提高低空遥感图像中作物穗头的检测精度和计算效率	作物穗头	计算机视觉	NA	深度学习	FDRMNet	图像	全球小麦头检测数据集和多样水稻穗检测数据集
13405	2024-10-25	Deep learning-driven ultrasound-assisted diagnosis: optimizing GallScopeNet for precise identification of biliary atresia 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445069 PMID:39440041	研究论文	本文介绍了一种基于深度学习的超声辅助诊断系统GallScopeNet，用于精确识别胆道闭锁	GallScopeNet通过创新的架构和高级特征提取技术，提高了诊断效率和准确性	NA	开发一种高效的深度学习模型，用于自动诊断胆道闭锁	胆道闭锁的超声图像	计算机视觉	胆道疾病	深度学习	GallScopeNet	图像	数千张超声图像，大部分用于训练和验证，部分用于外部测试
13406	2024-10-25	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本文提出了一种利用真实世界数据和人工智能方法开发预测性精准医学模型的新方法	本文创新性地利用电子健康记录中的真实世界数据，通过人工智能技术开发预测性精准医学模型，并比较了传统统计机器学习和深度学习算法在预测个体未来生化测试结果方面的性能	本文未明确提及具体的局限性	开发预测性精准医学模型，以实现现代医学的个性化目标	电子健康记录中的生化测试数据	机器学习	NA	统计机器学习、深度学习	传统统计机器学习算法、深度学习算法	电子健康记录数据	来自大型真实世界数据库的数据，用于预测15项生化测试的未来值
13407	2024-10-25	Development of AI-assisted microscopy frameworks through realistic simulation with pySTED 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00903-w PMID:39440349	研究论文	本文介绍了通过pySTED平台开发人工智能辅助显微镜框架的方法	提出了一个基于pySTED的现实模拟平台，用于开发和部署超分辨率显微镜的人工智能策略	NA	开发和优化人工智能辅助超分辨率显微镜系统	超分辨率显微镜图像的获取和分析	计算机视觉	NA	NA	深度神经网络	图像	NA
13408	2024-10-25	An integrated three-stream network model for discriminating fish feeding intensity using multi-feature analysis and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310356 PMID:39432511	研究论文	提出了一种集成三流网络模型，通过多特征分析和深度学习来区分鱼类摄食强度	结合计算机视觉技术和卷积神经网络，综合利用时间、空间和数据统计特征进行全面评估	依赖于特定场景和目标，缺乏普适性	实现精准投喂，减少饲料浪费和环境污染	鱼类摄食强度	计算机视觉	NA	计算机视觉技术	卷积神经网络（CNN）	图像	珍珠石斑鱼摄食图像
13409	2024-10-25	Usability of deep learning pipelines for 3D nuclei identification with Stardist and Cellpose 2022-12, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2022.203806 PMID:36029974	研究论文	比较了两种开源机器学习算法Cellpose和Stardist在3D荧光染色增殖细胞核识别中的应用	展示了图像分块和背景减除对两种算法的影响，并评估了它们的易用性和处理时间	未提及	评估Cellpose和Stardist在3D细胞分割中的适用性和性能	3D荧光染色增殖细胞核	计算机视觉	NA	机器学习	NA	图像	未提及
13410	2024-10-25	Effectiveness of cascading time series models based on meteorological factors in improving health risk prediction 2022-Feb, Environmental science and pollution research international DOI:10.1007/s11356-021-16372-2 PMID:34510340	研究论文	研究基于气象因素的时间序列模型在改善健康风险预测中的有效性	提出了一种新的混合模型CGCLM，结合了广义加性模型、CEEMDAN和LSTM网络，用于预测每日LRTI患者的入院情况	研究仅限于LRTI疾病，未涵盖其他类型的健康风险预测	探讨基于气象因素的时间序列预处理算法和深度学习方法在医院入院预测模型中的应用	研究对象为2003年至2019年间Panyu中央医院的46,089名LRTI患者及其相关的气象数据	机器学习	呼吸道感染	时间序列分析	LSTM	时间序列数据	46,089名LRTI患者和四项气象因素
13411	2024-10-25	Automating the assessment of biofouling in images using expert agreement as a gold standard 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-81011-2 PMID:33531525	研究论文	本文利用深度学习技术自动评估水下图像中的生物污损情况，并以专家共识作为金标准	首次应用深度学习模型自动分类水下检查图像中的生物污损，并验证了其与专家评估的一致性	研究仅限于水下检查图像的分类，未涉及其他类型的生物污损数据	开发一种自动化的方法来评估船舶外壳的生物污损情况，以降低成本和提高效率	水下检查图像中的生物污损	计算机视觉	NA	深度学习	深度学习模型	图像	超过10,000张水下检查图像，其中120张由三位专家标注
13412	2024-10-24	A spectral bias-error stepwise correction method of plasma image-spectrum fusion based on deep learning for improving the performance of LIBS 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126872 PMID:39276577	研究论文	提出了一种基于深度学习的等离子体图像-光谱融合的谱偏差-误差逐步校正方法，以提高激光诱导击穿光谱（LIBS）的性能	利用多维等离子体信息融合和物理模型与算法模型的结合，提出了一种新的谱偏差-误差逐步校正方法	NA	提高激光诱导击穿光谱（LIBS）在复杂检测条件下的稳定性	铝合金样品的光谱	机器学习	NA	激光诱导击穿光谱（LIBS）	深度学习	光谱数据	三种复杂检测条件下的铝合金样品
13413	2024-10-24	Rapid and accurate identification of Gastrodia elata Blume species based on FTIR and NIR spectroscopy combined with chemometric methods 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126910 PMID:39305761	研究论文	研究利用傅里叶变换红外光谱（FTIR）和近红外光谱（NIR）结合化学计量学方法，快速准确地识别天麻（Gastrodia elata Blume）的不同品种	采用深度学习模型ResNet，无需复杂的谱图预处理，实现了100%的训练和测试集准确率，外部验证集也达到高准确率	外部验证集基于NIR的分类错误仅有一例，未出现过度拟合	有效识别天麻的不同品种，具有重要的理论和实践意义	天麻的不同品种及其活性成分含量	机器学习	NA	傅里叶变换红外光谱（FTIR），近红外光谱（NIR）	ResNet	光谱数据	三种天麻品种
13414	2024-10-24	A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100597 PMID:39435136	研究论文	本研究开发并验证了一种用于白内障手术中瞳孔分析的计算框架	提出了一种创新的计算框架，结合深度学习技术自动评估瞳孔形态变化，并能检测和补偿瞳孔遮挡	研究基于回顾性手术视频分析，未来需在实际手术中进一步验证	开发和验证一种自动评估白内障手术中瞳孔形态变化的计算框架	白内障手术中的瞳孔分析	计算机视觉	NA	深度学习	特征金字塔网络模型	视频	5700张手术视频帧，来自190例白内障手术
13415	2024-10-24	Microbial community dynamics in different floc size aggregates during nitrogen removal process upgrading in a full-scale landfill leachate treatment plant 2024-Dec, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131484 PMID:39277056	研究论文	研究了在垃圾渗滤液处理厂升级过程中，不同絮凝体大小对微生物群落动态和氮去除效率的影响	使用16S rRNA基因测序和深度学习模型（卷积神经网络）预测氮去除效率，揭示了微生物群落动态和相互作用	NA	优化垃圾渗滤液处理厂的氮去除过程，并理解基于絮凝体大小的微生物群落动态	不同絮凝体大小的微生物群落及其在氮去除过程中的作用	环境科学	NA	16S rRNA基因测序	卷积神经网络 (CNN)	微生物群落数据	NA
13416	2024-10-24	Analysis of data of COVID lockdown period: Comorbidity and fatality rates in a few districts of Assam, India 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110974 PMID:39429747	研究论文	分析印度阿萨姆邦几个地区在COVID封锁期间的数据，研究共病和死亡率	使用机器学习和深度学习方法分析患者数据，识别高风险个体，以个性化治疗计划	仅限于阿萨姆邦的数据，样本量相对较小	填补COVID-19疫情期间共病和死亡率数据的空白，改善患者护理	COVID-19住院患者的共病和死亡率	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	患者数据	5329名住院的SARS-CoV-2患者
13417	2024-10-24	Psychological disorder detection: A multimodal approach using a transformer-based hybrid model 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102976 PMID:39430783	研究论文	本文提出了一种基于Transformer的混合模型，用于通过多模态数据检测心理障碍，特别是抑郁症	本文的创新点在于使用多模态数据（如语音特征和语言内容）结合Transformer模型来提高心理障碍的识别准确性	NA	本文的研究目的是改进心理障碍，特别是抑郁症的识别方法	本文的研究对象是心理障碍，特别是抑郁症	自然语言处理	心理障碍	Transformer	混合模型	多模态数据（语音特征和语言内容）	NA
13418	2024-10-24	An optimized two stage U-Net approach for segmentation of pancreas and pancreatic tumor 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102995 PMID:39435045	研究论文	本文提出了一种优化的两阶段U-Net模型，用于胰腺和胰腺肿瘤的分割	引入了结合灰狼优化算法和边境牧羊犬优化算法的混合优化技术，提高了分割效果	NA	开发自动化分割方法以解决胰腺和胰腺肿瘤分割的挑战	胰腺和胰腺肿瘤	计算机视觉	胰腺癌	灰狼优化算法和边境牧羊犬优化算法	U-Net	图像	NA
13419	2024-10-24	Large language models and their applications in bioinformatics 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.031 PMID:39435343	综述	本文综述了大型语言模型（LLMs）在生物信息学中的应用及其对生命科学领域的潜在影响	LLMs通过复杂的深度学习架构和大量的参数，显著提升了自然语言处理能力，并在生物信息学中展现出巨大潜力	NA	探讨LLMs在生物信息学中的应用及其对生命科学领域的潜在影响	大型语言模型及其在基因组学、蛋白质组学和个性化医学中的应用	自然语言处理	NA	NA	Transformer	文本	NA
13420	2024-10-24	Towards objective and systematic evaluation of bias in artificial intelligence for medical imaging 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae165 PMID:38942737	研究论文	本文介绍了一种用于系统性和客观性评估医学影像中人工智能模型偏差的分析框架	提出了一个用于系统性评估医学影像中AI模型偏差的分析框架，并展示了其在深度学习模型中的应用	仅限于使用合成神经影像数据进行分析，未涵盖所有真实世界中的偏差来源	开发一种方法来客观和系统地评估医学影像中AI模型的偏差	医学影像中的AI模型偏差	计算机视觉	NA	NA	卷积神经网络（CNN）	合成神经影像	NA