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
14501	2024-11-26	Erratum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1516320 PMID:39583549	correction	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14502	2024-11-25	Automated tablet defect detection and the prediction of disintegration time and crushing strength with deep learning based on tablet surface images 2024-Dec-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124896 PMID:39489389	研究论文	本文提出了一种基于深度学习的自动检测片剂缺陷并预测崩解时间和抗压强度的方法	利用YOLOv5算法进行实时缺陷识别和基于表面纹理预测崩解时间和抗压强度	仍有进一步改进的空间	提高制药生产中的质量控制和效率	片剂的缺陷检测、崩解时间和抗压强度的预测	计算机视觉	NA	深度学习	YOLOv5	图像	涉及五种不同类别的缺陷
14503	2024-11-25	Lightweight deep learning model for underwater waste segmentation based on sonar images 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.09.008 PMID:39277917	研究论文	本文提出了一种基于声呐图像的轻量级深度学习模型，用于水下废物分割，为自主水下机器人提供像素级定位信息和废物类别	引入了混合感知和多尺度注意力模块，以捕捉多尺度上下文特征并增强高级关键信息，同时使用采样注意力模块和跨层交互模块实现特征下采样和融合细节特征与语义特征	NA	提高水下废物回收的自动化程度，促进可持续海洋发展	水下废物及其在声呐图像中的分割	计算机视觉	NA	深度学习	多尺度跨层网络	图像	NA
14504	2024-11-25	Unveiling the non-linear effects of water and oil on hyperspectral imaging-based characterization of solid waste by hyperspectral unmixing 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.09.011 PMID:39357305	研究论文	本文研究了水和油对固体废物高光谱成像特征的非线性影响，并提出了基于高光谱解混的新方法	首次尝试使用高光谱解混技术提取固体废物中的端元成分，并展示了其贡献度	NA	研究水和油对固体废物高光谱成像特征的非线性影响	固体废物的高光谱成像特征	计算机视觉	NA	高光谱成像	深度学习模型	光谱数据	各种固体废物成分受纯水、油和三种渗滤液影响的光谱数据
14505	2024-11-25	Deep learning approaches for classification of copper-containing metal scrap in recycling processes 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.10.022 PMID:39454556	研究论文	本文研究了使用深度学习方法对含铜金属废料进行分类，以替代传统的XRF/XRT设备	本文首次在金属回收过程中使用RGB相机和深度学习模型进行含铜金属废料的分类，并评估了多种CNN架构的性能	本文仅评估了20种常见的CNN架构，未涵盖所有可能的深度学习模型	开发一种低成本的传感器设备和深度学习模型，用于在金属回收过程中高效分离铜和铁废料	含铜和铁的金属废料	计算机视觉	NA	深度学习	CNN	图像	2200个金属废料样本
14506	2024-11-25	Rapid and accurate bacteria identification through deep-learning-based two-dimensional Raman spectroscopy 2024-Dec-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343376 PMID:39580159	研究论文	本文提出了一种基于深度学习和二维拉曼光谱的快速准确细菌鉴定策略	通过结合小波包变换和Gramian角场技术，实现了高精度且高效的细菌鉴定，相比传统方法训练时间减少了90%	NA	开发一种快速且准确的细菌鉴定方法	细菌鉴定	机器学习	NA	拉曼光谱	深度学习模型	光谱图像	两种和三十种细菌分离株
14507	2024-11-25	Enhancing decision confidence in AI using Monte Carlo dropout for Raman spectra classification 2024-Dec-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343346 PMID:39580162	研究论文	本文提出了一种结合蒙特卡罗 dropout 和卷积神经网络的方法，用于增强拉曼光谱分类中的决策置信度	本文的创新点在于在推理阶段使用蒙特卡罗 dropout 来测量模型的不确定性，从而提高预测的可靠性	NA	本文的研究目的是提高基于拉曼光谱的细菌菌株识别的准确性	本文的研究对象是拉曼光谱数据及其在细菌菌株识别中的应用	机器学习	NA	蒙特卡罗 dropout	卷积神经网络 (CNN)	光谱数据	两个数据集，分别是 1206 个光谱和 3000 个光谱
14508	2024-11-25	Artificial neural networks development in prosthodontics - a systematic mapping review 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105385 PMID:39362297	综述	本文系统地分类了现有文献，并全面概述了人工神经网络（ANN）在修复学中的预测模型	本文引入了对修复学中ANN目标、数据、架构、评估指标和局限性的系统分析	本文揭示了ANN开发中的局限性，特别是在数据生命周期方面	旨在系统地分类现有文献，并全面概述人工神经网络（ANN）在修复学中的预测模型	修复学中的人工神经网络（ANN）预测模型	机器学习	NA	人工神经网络（ANN）	人工神经网络（ANN）	NA	从597篇文章中筛选出70篇报告，其中33%来自2023年，29%关注种植修复，71%关注非种植修复
14509	2024-11-25	Image-based multi-omics analysis for oral science: Recent progress and perspectives 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105425 PMID:39427959	综述	本文综述了基于图像的多组学分析在口腔科学中的应用和最新进展	探讨了深度学习辅助的多组学分析在提取比传统诊断方法更具代表性特征方面的潜力	NA	讨论基于图像的多组学分析在口腔科学中的应用及其对传统诊断方法的潜在增强作用	口腔和牙科疾病的诊断与治疗	数字病理学	NA	多组学分析	深度学习	图像	NA
14510	2024-11-25	Fully automated method for three-dimensional segmentation and fine classification of mixed dentition in cone-beam computed tomography using deep learning 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105398 PMID:39447958	研究论文	本文介绍了一种基于深度学习的全自动方法，用于在锥形束计算机断层扫描（CBCT）图像中对混合牙列进行三维分割和精细分类	该研究开发了一种基于改进的nnU-Net和U-Net网络的高精度自动化深度学习模型，用于混合牙列的分类和分割	NA	建立一种高精度的自动化模型，用于混合牙列在CBCT图像中的精细分类和三维分割	混合牙列和恒牙列在CBCT图像中的分类和分割	计算机视觉	NA	深度学习	nnU-Net, U-Net	图像	训练集包含336个CBCT扫描，测试集包含120个混合牙列CBCT扫描和143个恒牙列CBCT扫描
14511	2024-11-25	Detection of carotid plaques on panoramic radiographs using deep learning 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105432 PMID:39461583	研究论文	本研究利用深度学习模型检测全景放射影像中的颈动脉斑块	本研究提出了一种基于Faster R-CNN和Swin Transformer的AI模型，用于检测全景放射影像中的颈动脉钙化，其性能优于基于卷积神经网络的模型	NA	旨在利用人工智能模型检测全景放射影像中的颈动脉钙化	全景放射影像中的颈动脉钙化	计算机视觉	心血管疾病	深度学习	Faster R-CNN, Swin Transformer	影像	6404张全景放射影像，其中185张包含颈动脉钙化，185张不包含颈动脉钙化
14512	2024-11-25	Deep-learning-based image reconstruction with limited data: generating synthetic raw data using deep learning 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01193-4 PMID:39207581	研究论文	研究利用深度学习生成合成原始数据以补充小数据集，提高加速MRI重建质量	提出了一种对抗自编码器，用于从幅度图像生成相位和线圈灵敏度图，从而生成合成原始数据	在小训练集上，合成数据降低了平均绝对误差，但在大训练集上，误差有所增加	研究在有限数据情况下，利用深度学习生成合成数据以提高MRI重建质量	加速MRI重建任务	计算机视觉	NA	深度学习	对抗自编码器	图像	20到160次扫描
14513	2024-11-25	Wafer-Scale Ag2S-Based Memristive Crossbar Arrays with Ultra-Low Switching-Energies Reaching Biological Synapses 2024-Nov-22, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01559-2 PMID:39572441	研究论文	本文报道了基于Ag2S的晶圆级忆阻器交叉阵列，实现了超低开关能量，接近生物突触水平	通过微结构调制增强Ag在Ag2S电解质中的迁移，实现了创纪录的低阈值电压和超低开关能量	忆阻器单元的固有非理想性需要通过先进的训练算法进行补偿	开发一种具有超高能效的神经形态计算设备	基于Ag2S的忆阻器交叉阵列	NA	NA	忆阻器技术	NA	NA	NA
14514	2024-11-25	Computed tomography-based radiomics and body composition model for predicting hepatic decompensation 2024-Nov-22, Oncotarget DOI:10.18632/oncotarget.28673 PMID:39576671	研究论文	研究利用基于CT的放射组学和身体成分模型预测肝功能失代偿	首次将放射组学与身体成分模型结合，用于预测PSC患者的肝功能失代偿	预测未来事件仍具有挑战性，需要进一步研究验证临床效用和局限性	探索计算放射组学在预测PSC患者肝功能失代偿中的潜在价值	PSC患者及其肝功能失代偿	数字病理学	肝病	计算放射组学	深度学习模型	医学图像	训练和验证队列的具体样本数量未明确说明
14515	2024-11-25	Deep learning based emulator for predicting voltage behaviour in lithium ion batteries 2024-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80371-9 PMID:39572616	研究论文	本研究使用长短期记忆深度学习模型构建了一个数据驱动的电池仿真器，用于预测锂离子电池的充放电行为	本研究通过使用机器学习模型，显著减少了大规模汽车原型电池制造的经济成本和时间，并展示了高预测准确性	本研究主要集中在实验室生产的电池数据和模拟数据上，未涉及实际大规模生产中的应用	本研究的目的是通过数据驱动的仿真方法，减少大规模汽车原型电池制造的经济成本和时间	本研究的对象是锂离子电池的充放电行为	机器学习	NA	长短期记忆（LSTM）深度学习模型	LSTM	模拟数据和实验数据	本研究使用了两种数据集：来自Dualfoil模型的模拟数据和来自液态锂离子电池的实验数据，训练数据集包括五个充放电数据集
14516	2024-11-25	Leveraging a deep learning generative model to enhance recognition of minor asphalt defects 2024-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80199-3 PMID:39572659	研究论文	本文介绍了一种利用深度学习生成模型增强识别沥青路面小缺陷的方法	提出了AsphaltGAN，一种带有注意力机制的类条件生成对抗网络，用于生成合成图像以增强对象检测	主要关注于生成模型和对象检测的改进，未涉及其他类型的道路缺陷检测	提高沥青路面缺陷检测的自动化和成本效益	沥青路面的小缺陷	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了Road Damage Detection 2022、Crack Dataset、Asphalt Pavement Detection Dataset和Crack Surface Dataset四个公共数据集
14517	2024-11-25	An accurate prediction for respiratory diseases using deep learning on bronchoscopy diagnosis images 2024-Nov-19, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.023 PMID:39571731	研究论文	本文提出了一种多尺度注意力残差网络（MARN）用于通过支气管镜图像诊断肺部疾病	设计了多尺度卷积块注意力模块（MCBAM）以增强空间和通道特征，并使用梯度加权类激活图（Grad-CAM）提高诊断结果的可解释性	NA	提高支气管镜图像诊断肺部疾病的准确性	支气管镜图像中的肺部疾病	计算机视觉	呼吸系统疾病	深度学习	多尺度注意力残差网络（MARN）	图像	615例，包括2900张图像
14518	2024-11-25	Generalized deep learning for histopathology image classification using supervised contrastive learning 2024-Nov-16, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.013 PMID:39551131	研究论文	本研究介绍了HistopathAI，一种用于病理图像分类的混合网络，旨在提高临床病理诊断的准确性和效率	HistopathAI利用监督对比学习（SCL）和混合深度特征融合（HDFF），显著提高了病理图像分类的准确性，特别是在不平衡数据集的情况下	NA	展示HistopathAI在病理图像分类中的优越性能，特别是在不平衡数据集的情况下	病理图像分类	数字病理学	NA	监督对比学习（SCL）	混合网络	图像	七个公开数据集和一个私有数据集
14519	2024-11-25	Development and Validation of Deep Learning-Based Infectivity Prediction in Pulmonary Tuberculosis Through Chest Radiography: Retrospective Study 2024-Nov-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58413 PMID:39509691	研究论文	本研究开发并验证了一种基于深度学习的肺结核感染性预测模型，通过胸部X光片进行快速准确的评估	本研究首次使用DenseNet121模型结合可视化技术，通过胸部X光片快速准确地评估肺结核患者的感染性	本研究仅使用了Severance医院和Yongin Severance医院的数据进行训练和验证，可能存在数据偏倚	开发一种基于人工智能的胸部X光片分析工具，用于快速准确地评估肺结核患者的感染性	肺结核患者的胸部X光片	计算机视觉	肺结核	DenseNet121模型、梯度加权类激活映射、局部可解释模型不可知解释	DenseNet121	图像	36,142张胸部X光片，涉及4492名肺结核患者
14520	2024-11-25	Improving tabular data extraction in scanned laboratory reports using deep learning models 2024-Nov, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104735 PMID:39393477	研究论文	本研究开发了一种基于深度学习的OCR方法，用于从扫描的实验室报告中准确提取实验室测试信息	本研究提出了一种新的OCR管道，结合了DETR R18和EDD模型，用于从扫描的临床文档中检测和识别表格数据	NA	开发一种新的技术，从扫描的实验室报告中准确提取实验室测试信息，以支持临床决策	扫描的实验室报告中的表格数据	计算机视觉	NA	深度学习	DETR R18, YOLOv8s, PaddleOCR, 编码器-双解码器(EDD)模型	图像	650个表格数据来自632份随机选择的实验室测试报告