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
15161	2024-10-11	Deep Learning in Nuclear Medicine and Molecular Imaging: Current Perspectives and Future Directions 2018-Apr, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-017-0504-7 PMID:29662559	综述	本文综述了深度学习在核医学和分子影像学中的应用现状及未来发展方向	探讨了深度学习在分子影像学中的独特应用，特别是生物标志物开发方面	未提及具体的技术细节或实验结果	介绍深度学习在分子影像学中的应用，并讨论其对临床决策和专家角色的潜在影响	核医学和分子影像学中的深度学习应用	计算机视觉	NA	深度学习	NA	图像	NA
15162	2024-10-11	Opportunities and obstacles for deep learning in biology and medicine 2018-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2017.0387 PMID:29618526	研究论文	本文探讨了深度学习在生物学和医学领域的应用及其面临的机遇和挑战	深度学习在生物医学领域的应用显示出有希望的进展，尽管改进相对温和，但提供了加速或辅助人类研究的有价值手段	深度学习尚未彻底改变生物医学领域，且在解释模型预测、数据标注不足以及法律和隐私限制方面存在挑战	探讨深度学习在生物医学领域的应用潜力及其面临的挑战	深度学习在患者分类、基本生物过程和患者治疗中的应用	机器学习	NA	深度学习	神经网络	数据	NA
15163	2024-10-11	Predicting sex from brain rhythms with deep learning 2018-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-21495-7 PMID:29449649	研究论文	本文探讨了使用深度卷积神经网络从脑电图中预测性别的可行性	首次展示了深度神经网络能够从脑电图中提取性别特异性信息，准确率超过80%	NA	探索脑电图中的性别特异性信息	脑电图数据	机器学习	NA	深度卷积神经网络	CNN	脑电图	NA
15164	2024-10-11	Fully automated detection of breast cancer in screening MRI using convolutional neural networks 2018-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.5.1.014502 PMID:29340287	研究论文	本文开发了一种利用早期相位扫描中的空间信息进行乳腺癌筛查MRI的完全自动化检测系统	提出了一个仅利用早期相位扫描中的空间信息进行乳腺癌检测的CADe系统，并在实验中显著提高了检测敏感性	未提及	开发一种适用于简化的MRI协议的乳腺癌筛查自动化检测系统	乳腺癌筛查MRI图像	计算机视觉	乳腺癌	深度学习	卷积神经网络 (CNN)	MRI图像	385个MRI扫描，包含161个恶性病变
15165	2024-10-11	Chemical Selectivity and Sensitivity of a 16-Channel Electronic Nose for Trace Vapour Detection 2017-Dec-08, Sensors (Basel, Switzerland) DOI:10.3390/s17122845 PMID:29292764	研究论文	本文介绍了基于16个差分微电容器的16通道电子鼻的设计、构建和测量，用于检测目标分子的蒸汽痕迹	提出了使用不同硅烷表面功能化的微电容器来增强化学选择性，并探讨了使用人工智能深度学习方法进一步提高选择性的可能性	NA	研究电子鼻的化学选择性和灵敏度，以可靠检测爆炸物和其他有害物质	16通道电子鼻及其对TNT、RDX、DNT等分子的检测能力	NA	NA	NA	NA	NA	NA
15166	2024-10-10	High-resolution image dataset for the automatic classification of phenological stage and identification of racemes in Urochloa spp. hybrids 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110928 PMID:39376481	研究论文	本文介绍了一个高分辨率RGB图像数据集，用于自动分类Urochloa spp.杂交种的物候阶段和识别花序	首次在Urochloa属中探索使用图像分析评估物候阶段和种子产量	NA	开发用于自动分类物候阶段和识别花序的机器学习和深度学习模型，以加速育种	Urochloa spp.杂交种的物候阶段和花序	计算机视觉	NA	RGB成像	机器学习和深度学习模型	图像	2400张高分辨率RGB图像，涵盖200个杂交种，拍摄时间为7个月
15167	2024-10-10	Dataset of infected date palm leaves for palm tree disease detection and classification 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110933 PMID:39376482	研究论文	本文介绍了一个用于检测和分类棕榈叶疾病的图像数据集	该数据集包含了8种主要影响棕榈叶的疾病类型，并提供了健康棕榈叶的基准	数据集主要关注棕榈叶和叶片的图像，未包括果实、树干和根部	旨在帮助早期识别和分类棕榈树感染	棕榈叶疾病和健康状态	计算机视觉	NA	NA	深度学习模型	图像	共收集了608张原始图像，最终处理后的数据集包含3089张图像
15168	2024-10-09	Deep fit_predic: a novel integrated pyramid dilation EfficientNet-B3 scheme for fitness prediction system 2024-Nov, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2269287 PMID:37865927	研究论文	本研究介绍了一种新的深度学习技术，用于通过个人健康数据进行有效的健身预测	提出了Pyramid Dilated EfficientNet-B3技术，结合增强的变色龙群优化技术和Minkowski集成重力中心聚类方法，提高了健身预测的准确性	NA	开发一种高效的健身预测系统	个人健康数据	机器学习	NA	深度学习	EfficientNet-B3	健康数据	NA
15169	2024-10-10	Differentiable modeling and optimization of non-aqueous Li-based battery electrolyte solutions using geometric deep learning 2024-Oct-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51653-7 PMID:39369004	研究论文	本文开发了一种可微分的几何深度学习模型DiffMix，用于非水性锂基电池电解液溶液的建模和优化	本文通过创建几何深度学习可学习的物理系数，扩展了混合物热力学和传输定律，并结合机器人实验装置Clio，实现了电解液离子电导率的显著提升	NA	开发一种新的模型来优化电池电解液的性能	非水性锂基电池电解液	机器学习	NA	几何深度学习	几何深度学习模型	混合物热力学和离子传输属性	NA
15170	2024-10-10	Unsupervised few shot learning architecture for diagnosis of periodontal disease in dental panoramic radiographs 2024-10-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73665-5 PMID:39369017	研究论文	研究提出了一种用于牙科全景X光片中牙周病诊断的无监督少样本学习算法	引入了一种新的无监督少样本学习算法，利用UNet架构生成感兴趣区域，并通过卷积变分自编码器提取关键特征，通过高级聚类算法进行标签分配，克服了医学影像中标记数据稀缺的问题	NA	解决医学影像中标记数据稀缺的问题，提高牙周病诊断的准确性和效率	牙科全景X光片中的牙周病诊断	计算机视觉	牙周病	UNet架构、卷积变分自编码器	UNet、卷积变分自编码器	图像	100张标记图像
15171	2024-10-10	A lighter hybrid feature fusion framework for polyp segmentation 2024-10-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72763-8 PMID:39369043	研究论文	提出了一种新的CNN-Transformer混合模型用于息肉分割，结合了CNN和Transformer的优势，提高了分割精度并提升了计算效率	将自注意力计算从整个特征图转换到宽度和高度方向，设计了新的信息传播模块并引入了额外的位置偏置系数，减少了Transformer中深度和混合特征融合带来的信息分散	未提及具体限制	提高息肉分割的准确性和计算效率	结肠镜图像中的息肉	计算机视觉	结直肠癌	NA	CNN-Transformer混合模型	图像	多个基准数据集
15172	2024-10-10	Deep learning models for tendinopathy detection: a systematic review and meta-analysis of diagnostic tests 2024-Oct-03, EFORT open reviews IF:4.3Q1 DOI:10.1530/EOR-24-0016 PMID:39360789	综述	本文对使用深度学习模型进行肌腱病检测的诊断测试进行了系统综述和荟萃分析	本文通过荟萃分析评估了深度学习模型在诊断肌腱病中的性能，展示了其在医学影像诊断中的潜在应用价值	本文主要依赖于已发表的研究，可能存在选择偏倚和研究质量不一致的问题	评估深度学习模型在诊断肌腱病中的性能	深度学习模型在肌腱病诊断中的应用	机器学习	NA	深度学习	深度学习模型	影像	分析了来自六篇文章的十一种深度学习模型
15173	2024-10-10	Intelligent skin-removal photoacoustic computed tomography for human based on deep learning 2024-Oct, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400197 PMID:39092484	研究论文	本文提出了一种基于深度学习的智能皮肤去除光声计算机断层扫描方法，用于人体深层组织的成像	本文提出了一种基于特征金字塔结构和单一类型皮肤标注的2.5D深度学习模型，并设计了一种掩码生成算法来自动去除皮肤，提高了图像重建的准确性和信噪比	NA	开发一种能够有效去除皮肤信号干扰的光声计算机断层扫描方法，以实现人体深层组织的高清成像	人体外周血管的光声图像	计算机视觉	NA	光声计算机断层扫描（PACT）	2.5D深度学习模型	图像	人体外周血管
15174	2024-10-10	A novel method combining deep learning with the Kennard-Stone algorithm for training dataset selection for image-based rice seed variety identification 2024-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13668 PMID:39031773	研究论文	本文提出了一种结合深度学习和Kennard-Stone算法的新方法，用于基于图像的水稻种子品种识别的训练数据集选择	引入了结合深度学习和Kennard-Stone算法的训练样本选择方法，显著提高了水稻品种分类的准确性	需要进一步探索该方法在其他类型数据集上的应用潜力	提高基于图像的水稻种子品种识别的准确性	20种杂交水稻种子品种的RGB图像	计算机视觉	NA	深度学习	卷积神经网络 (CNN) 和自编码器	图像	20种杂交水稻种子品种
15175	2024-10-10	From leaf to harvest: achieving sustainable agriculture through advanced disease prediction with DBN-EKELM 2024-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13665 PMID:38932576	研究论文	本文介绍了一种基于深度信念网络增强核极限学习机（DBN-EKELM）的新技术，用于早期检测和分类植物病害	提出了DBN-EKELM技术，结合了深度学习和核极限学习机的优势，并引入了一种新的二进制增益共享知识优化算法（NBGSK）进行参数调优	未提及具体限制	开发一种新的深度学习技术，用于早期检测和分类植物病害，以提高农业生产的可持续性	植物病害的早期检测和分类	机器学习	NA	深度信念网络（DBN），增强核极限学习机（EKELM）	深度信念网络（DBN）	图像	未提及具体样本数量
15176	2024-10-10	Predicting prostate cancer grade reclassification on active surveillance using a deep learning-based grading algorithm 2024-Oct-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djae139 PMID:38889303	研究论文	本文使用基于深度学习的算法AIRAProstate重新评估前列腺癌主动监测中的活检样本，验证其在前列腺癌分级中的应用	首次验证了基于深度学习的算法AIRAProstate在前列腺癌主动监测中的分级重分类效果，发现其比传统泌尿病理学家评估更准确	研究仅限于两个独立的前列腺癌主动监测队列，样本量相对较小	验证基于深度学习的算法在前列腺癌主动监测中的分级重分类效果	前列腺癌主动监测中的活检样本	机器学习	前列腺癌	深度学习	NA	图像	两个队列共涉及307个样本，其中138个仅使用系统活检，169个在初始活检前进行了前列腺磁共振成像
15177	2024-10-09	Deep recognition of rice disease images: how many training samples do we really need? 2024-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13636 PMID:38877787	研究论文	研究探讨了不同数据量对水稻病害图像识别任务的影响，并开发了一个功能模型来预测数据集大小与模型识别准确率之间的关系	首次系统科学地研究了数据量对水稻病害图像识别任务的影响，并提出了一个指数模型来描述这种关系	研究仅限于水稻稻瘟病和健康水稻叶片的图像，未涵盖其他水稻病害	探讨数据量对水稻病害图像识别准确率的影响	水稻稻瘟病和健康水稻叶片的图像	计算机视觉	水稻病害	深度学习	VGG16	图像	不同数量的水稻稻瘟病和健康水稻叶片图像
15178	2024-10-10	Kidney medicine meets computer vision: a bibliometric analysis 2024-Oct, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04082-w PMID:38814370	研究论文	本文通过文献计量分析探讨了计算机视觉在肾脏医学研究中的应用和研究趋势	本文首次通过文献计量分析和网络可视化技术，全面概述了计算机视觉在肾脏医学研究中的进展和未来趋势	本文主要依赖于文献计量分析，可能无法全面反映所有相关研究的细节和深度	探索计算机视觉在肾脏医学研究中的应用现状和未来研究方向	计算机视觉技术在肾脏医学中的应用，包括医学图像处理、手术程序、医学图像分析/诊断等	计算机视觉	肾脏疾病	深度学习、机器学习	NA	图像	涉及1900年至2022年间的相关出版物
15179	2024-10-10	Integrating deep learning with non-destructive thermal imaging for precision guava ripeness determination 2024-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13614 PMID:38804719	研究论文	本文提出了一种利用热成像技术结合深度学习模型来精确评估番石榴成熟度的非破坏性方法	本文首次将热成像技术与深度学习模型结合用于番石榴成熟度的评估，并比较了五种深度学习模型的性能	本文未详细讨论不同品种番石榴在成熟过程中的细微变化对评估结果的影响	开发一种精确且非破坏性的方法来评估番石榴的成熟度，以减少收获后损失并提高供应链效率	番石榴的成熟度	计算机视觉	NA	热成像技术	深度学习模型（AlexNet, Inception-v3, GoogLeNet, ResNet-50, VGGNet-16）	热成像图像	不同成熟阶段的番石榴样本
15180	2024-10-10	One-Click-Based Perception for Interactive Image Segmentation 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3274127 PMID:37204953	研究论文	本文提出了一种基于单次点击的交互式图像分割方法，旨在减少用户交互成本并提高分割精度	本文的创新点在于设计了一个自顶向下的框架，将原始问题分解为基于单次点击的粗略定位和精细分割两个阶段，并引入了点击中心性（CC）和对象完整性（OI）监督来解决对象重叠问题	NA	探索如何在最小化用户交互成本的同时，实现对感兴趣目标的准确分割	交互式图像分割任务中的目标分割	计算机视觉	NA	深度学习	CNN	图像	NA