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
13701	2024-10-21	A fully automated pipeline for the extraction of pectoralis muscle area from chest computed tomography scans 2024-Jan, ERJ open research IF:4.3Q1 DOI:10.1183/23120541.00485-2023 PMID:38259805	研究论文	开发并验证了一种全自动的胸部CT扫描中胸大肌面积提取管道	首次开发了全自动的胸大肌面积提取管道，能够自动识别主动脉弓切片并进行胸大肌分割	NA	开发并验证一种全自动的胸大肌面积提取管道，用于COPD患者的预后评估	胸大肌面积的自动提取	数字病理学	慢性阻塞性肺病	深度学习	深度学习模型	图像	训练集90名参与者，外部测试集32名参与者
13702	2024-10-21	Indoor surface classification for mobile robots 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1730 PMID:38259883	研究论文	本文研究了室内表面分类对移动机器人的重要性，并提出了一种轻量级的深度学习模型用于表面分类	本文提出了一种基于MobileNetV2改进的轻量级模型，减少了模型参数和权重文件大小，适用于计算资源有限的机器人系统	NA	研究如何提高移动机器人在室内环境中对表面类型的识别能力	室内环境中的地毯、瓷砖和木质表面	计算机视觉	NA	深度学习	MobileNetV2	图像	2081张表面图像
13703	2024-10-21	Evaluating deep learning variants for cyber-attacks detection and multi-class classification in IoT networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1793 PMID:38259893	研究论文	评估深度学习变体在物联网网络中检测网络攻击和进行多类分类的有效性	提出了一种基于深度学习的方法，使用多种深度学习模型（如DNN、CNN和RNN）来检测物联网网络中的网络攻击，并展示了RNN模型在检测中的最高准确率	仅使用了CICDIoT2023数据集进行验证，可能需要更多数据集来验证方法的普适性	研究如何利用深度学习技术有效检测物联网网络中的网络攻击	物联网网络中的网络攻击检测	机器学习	NA	深度学习	DNN、CNN、RNN	网络流量数据	使用了加拿大网络安全研究所的CICDIoT2023数据集
13704	2024-10-21	DDoS attack detection in smart grid network using reconstructive machine learning models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1784 PMID:38259891	研究论文	本文提出了一种基于重构深度学习模型的智能电网网络DDoS攻击检测方法	本文的创新点在于提出了一种无需完全重新训练模型即可检测新攻击类别的重构深度学习技术	NA	本文的研究目的是提高智能电网网络对DDoS攻击的检测能力，确保网络的稳定性和可靠性	本文的研究对象是智能电网网络中的DDoS攻击	机器学习	NA	重构深度学习	深度学习模型	数据	使用了两个公认的标准DDoS攻击数据库及其子集进行多次实验
13705	2024-10-21	Attention-enhanced gated recurrent unit for action recognition in tennis 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1804 PMID:38259901	研究论文	本文研究了基于注意力增强的门控循环单元（GRU）在网球动作识别中的应用	本文提出了一种结合GRU架构和注意力机制的模型，显著提高了预测能力	实验结果显示，EfficientNetB5模型的性能相对较低，可能是由于数据集的限制	开发一种高效的网球动作识别系统	网球动作的识别	计算机视觉	NA	深度学习	GRU	视频序列	使用了THETIS数据集，这是一个用于细粒度网球动作的标准中型数据集
13706	2024-10-21	Analyzing patients satisfaction level for medical services using twitter data 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1697 PMID:38259896	研究论文	研究利用Twitter数据分析患者对医疗服务的满意度	提出了一种基于迁移学习的LSTM-ETC模型，显著提高了情感分类的准确性	研究未进行广泛的比较分析和验证	分析全球范围内人们对医疗服务的情感倾向，并评估机器学习和深度学习方法在医疗推文情感分类中的有效性	Twitter上的医疗相关推文	自然语言处理	NA	机器学习	LSTM	文本	使用了三个标签#healthcare, #healthcare services, 和 #medical facilities的推文数据
13707	2024-10-21	Attention-Gated Deep-Learning-Based Automatic Digitization of Interstitial Needles in High-Dose-Rate Brachytherapy for Cervical Cancer 2024-Jan, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2023.101340 PMID:38260236	研究论文	本文设计了一种基于注意力门控的深度学习模型，用于自动数字化宫颈癌高剂量率近距离放射治疗中的间质针	本文引入了空间和通道注意力门控机制，增强了三维卷积神经网络对针特征的识别能力，提高了自动数字化针的准确性	本文仅在17名患者的56个计划中进行了验证，样本量较小，可能影响模型的泛化能力	设计一种新的注意力门控深度学习模型，以提高宫颈癌高剂量率近距离放射治疗中间质针自动数字化的准确性	宫颈癌患者的高剂量率近距离放射治疗计划中的间质针	计算机视觉	宫颈癌	深度学习	卷积神经网络（CNN）	图像	17名宫颈癌患者，56个高剂量率近距离放射治疗计划
13708	2024-10-21	External validation of a deep learning algorithm for automated echocardiographic strain measurements 2024-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztad072 PMID:38264705	研究论文	本文验证了一种深度学习算法在自动测量超声心动图应变中的应用	首次验证了深度学习算法在自动测量超声心动图应变中的应用，并展示了其在不同人群中的准确性	研究仅限于特定人群和特定类型的应变测量，未涵盖所有可能的应用场景	验证深度学习算法在自动测量超声心动图应变中的准确性和应用潜力	左心室应变测量和区域应变测量	计算机视觉	心血管疾病	深度学习	深度学习算法	图像	共分析了3741例台湾队列、176例PROMIS-HFpEF研究和158例HMC-QU-MI研究
13709	2024-10-21	Discrimination of object information by bat echolocation deciphered from acoustic simulations 2024-Jan, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.231415 PMID:38269077	研究论文	研究探讨了蝙蝠通过回声定位识别目标遮挡信息的能力	首次通过三维声学模拟研究蝙蝠如何利用回声定位识别目标的遮挡结构和纹理	研究仅限于模拟环境，未在实际自然环境中验证	探讨蝙蝠是否能通过回声定位获取目标的遮挡信息	蝙蝠和不同几何形状的目标	生物声学	NA	三维声学模拟	NA	声学数据	五个不同目标
13710	2024-10-21	Reconstructing growth and dynamic trajectories from single-cell transcriptomics data 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-023-00763-w PMID:38274364	研究论文	本文介绍了一种名为TIGON的动态非平衡最优传输算法，用于从单细胞转录组数据中重建动态轨迹和种群增长	提出了TIGON算法，结合深度学习方法和Wasserstein-Fisher-Rao距离，解决了高维最优传输问题	NA	研究如何从单细胞转录组数据中重建动态轨迹和种群增长	单细胞转录组数据中的动态轨迹和种群增长	生物信息学	NA	单细胞RNA测序（scRNA-seq）	深度学习模型	转录组数据	三个scRNA-seq数据集
13711	2024-10-21	Predicting suicidality in late-life depression by 3D convolutional neural network and cross-sample entropy analysis of resting-state fMRI 2024-01, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3348 PMID:38376042	研究论文	本文利用3D卷积神经网络和交叉样本熵分析静息态fMRI数据，预测老年抑郁症患者的自杀倾向	结合交叉样本熵分析和3D卷积神经网络，识别与自杀倾向相关的脑区	样本量相对较小，且仅限于老年抑郁症患者	应用深度学习算法预测老年抑郁症患者的自杀风险	老年抑郁症患者的自杀倾向	机器学习	老年疾病	fMRI	3D卷积神经网络	图像	83名老年抑郁症患者，其中35名非自杀倾向，48名自杀倾向
13712	2024-10-21	Validation of a Deep Learning Chest X-ray Interpretation Model: Integrating Large-Scale AI and Large Language Models for Comparative Analysis with ChatGPT 2023-Dec-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010090 PMID:38201398	研究论文	本研究评估了两种人工智能技术在胸部X光读片中的诊断准确性和临床效用，并比较了KARA-CXR和ChatGPT的表现	本研究首次将大规模AI和大型语言模型（LLMs）应用于胸部X光读片的辅助技术KARA-CXR与ChatGPT进行比较分析	研究仅使用了单一机构的2000张胸部X光图像，样本量和机构代表性有限	验证KARA-CXR和ChatGPT在胸部X光读片中的性能，并探讨其在医学影像诊断领域的潜在应用	KARA-CXR和ChatGPT在胸部X光读片中的诊断准确性和临床效用	计算机视觉	NA	大型语言模型（LLMs）	人工神经网络	图像	2000张胸部X光图像
13713	2024-10-21	Identification of Hypertrophic Cardiomyopathy on Electrocardiographic Images with Deep Learning 2023-Dec-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.23.23300490 PMID:38234746	研究论文	本文开发并验证了一种基于深度学习的模型，用于从心电图图像中识别肥厚型心肌病	该模型克服了心电图原始电压数据不易获取的限制，能够从12导联心电图图像中检测肥厚型心肌病	NA	开发一种自动化的筛查策略，用于识别肥厚型心肌病	肥厚型心肌病的心电图图像	机器学习	心血管疾病	深度学习	NA	图像	124,553张心电图图像，来自66,987名个体
13714	2024-10-21	Machine Learning Algorithm: Texture Analysis in CNO and Application in Distinguishing CNO and Bone Marrow Growth-Related Changes on Whole-Body MRI 2023-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010061 PMID:38201370	研究论文	本研究分析了慢性非细菌性骨髓炎（CNO）骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化	本研究首次将机器学习和深度学习方法应用于区分CNO病变与骨髓生长相关变化，并展示了神经网络在分类中的最佳表现	本研究仅限于儿童人群，且样本量较小	分析CNO骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化	慢性非细菌性骨髓炎（CNO）骨病变和骨髓生长相关变化	机器学习	慢性非细菌性骨髓炎	纹理分析（TA）	神经网络（NN）	图像	66名确诊CNO患者和28名疑似全身性疾病患者
13715	2024-10-21	Dry Eye Subtype Classification Using Videokeratography and Deep Learning 2023-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010052 PMID:38201361	研究论文	本文介绍了一种利用视频角膜地形图和深度学习进行干眼亚型分类的新方法	提出了一种名为'AI-supported TFOD'的非侵入性方法，使用视频角膜地形图和'模糊值'作为新的指标，结合深度学习进行干眼亚型分类	研究样本量较小，且分类准确率在某些亚型中仍有提升空间	开发一种新的干眼亚型分类方法，以提高诊断的准确性和效率	243例干眼病例，包括严重水液缺乏型、轻中度水液缺乏型、湿润度下降型和蒸发增加型	计算机视觉	眼科疾病	深度学习	3D卷积神经网络	图像	243例干眼病例，包括23名男性和220名女性，平均年龄64.4岁
13716	2024-10-21	CryoVirusDB: A Labeled Cryo-EM Image Dataset for AI-Driven Virus Particle Picking 2023-Dec-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.25.573312 PMID:38234823	研究论文	本文介绍了一个名为CryoVirusDB的标注冷冻电镜图像数据集，用于AI驱动的病毒颗粒挑选	本文的创新点在于填补了人工标注高质量数据集的空白，为AI和机器学习方法提供了训练和测试的基础	NA	本文的研究目的是为AI和机器学习方法提供一个标注的冷冻电镜图像数据集，以准确识别病毒颗粒	本文的研究对象是冷冻电镜图像中的病毒颗粒	计算机视觉	NA	冷冻电镜	深度学习	图像	9941张微观图像，包含339,398个标注的病毒颗粒
13717	2024-10-21	Visual Prompting based Incremental Learning for Semantic Segmentation of Multiplex Immuno-Flourescence Microscopy Imagery 2023-Dec-25, Research square DOI:10.21203/rs.3.rs-3783494/v1 PMID:38234728	研究论文	本文提出了一种基于视觉提示的增量学习框架，用于对多重免疫荧光显微图像进行语义分割	本文的创新点在于使用最小量的人工标注数据，通过增量学习逐步优化多类分割模型，显著提高了分割性能	本文的局限性在于依赖于人工专家的额外标注，且仅在特定类型的图像数据上进行了验证	本文的研究目的是在医学图像分割领域，通过增量学习方法解决标注数据稀缺的问题	本文的研究对象是高分辨率的多重免疫荧光显微图像	计算机视觉	NA	多重免疫荧光显微成像	Swin-UNet	图像	涉及大鼠脑部切片的多重免疫荧光图像
13718	2024-10-21	Experimental Examination of Conventional, Semi-Automatic, and Automatic Volumetry Tools for Segmentation of Pulmonary Nodules in a Phantom Study 2023-Dec-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010028 PMID:38201337	研究论文	本研究旨在评估半自动、常规和自动体积测量工具在胸部CT中对肺结节分割的精度	本研究首次在仿真模型上比较了多种体积测量工具的性能，包括半自动和自动分割方法	所有评估的工具在高精度放射治疗中仍需视觉控制和必要时的手动修正	评估不同体积测量工具在肺结节分割中的精度	胸部CT中的肺结节	数字病理学	肺癌	深度学习算法	NA	图像	使用了一个仿真模型（N1 LUNGMAN）
13719	2024-10-21	COVID-19 infection segmentation using hybrid deep learning and image processing techniques 2023-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49337-1 PMID:38123587	研究论文	本文提出了一种结合深度学习和图像处理技术的方法，用于从CT扫描图像中分割COVID-19感染区域	本文提出了一种新的方法，通过将CT扫描图像转换为彩色图像并分离RGB通道，增强了U-Net在分割中的性能，从而提高了COVID-19检测的准确性	本文未提及具体的局限性	研究目的是提高COVID-19感染在CT扫描图像中的检测准确性	研究对象是COVID-19感染的CT扫描图像	计算机视觉	COVID-19	深度学习、图像处理	U-Net	图像	使用了CT扫描数据集进行评估
13720	2024-10-21	Deep Learning Model Based on You Only Look Once Algorithm for Detection and Visualization of Fracture Areas in Three-Dimensional Skeletal Images 2023-Dec-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010011 PMID:38201320	研究论文	本文提出了一种基于YOLO v4算法的深度学习模型，用于检测和可视化三维骨骼图像中的骨折区域	利用YOLO v4算法实现骨折区域的快速检测和直观可视化，通过在3D重建骨骼图像上叠加红色掩膜来突出显示骨折区域	NA	帮助医生更准确和直观地检测和诊断骨折，减少误诊	三维骨骼图像中的骨折区域	计算机视觉	NA	YOLO v4	YOLO v4	三维骨骼图像	胫骨和肘部的骨折区域，分别报告了0.71和0.81的平均精度值，以及0.6327和0.6638的IoU值