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
15741	2024-09-21	DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction 2023-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.12.024 PMID:37332394	研究论文	本文提出了一种用于密集预测任务的深度扩张卷积神经网络DDCNet	通过在深层网络中使用扩张卷积层，实现了更大的有效感受野和更高的空间特征分辨率，同时减少了可训练参数的数量	NA	设计一种能够在保持高空间特征分辨率的同时提供更大感受野的网络架构	密集像素匹配问题，如光流和视差估计	计算机视觉	NA	扩张卷积	CNN	图像	NA
15742	2024-09-21	Exploiting multi-granularity visual features for retinal layer segmentation in human eyes 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1191803 PMID:37324431	研究论文	本文提出了一种基于ConvNeXt的端到端视网膜层分割网络，利用多粒度视觉特征进行精确分割	引入了新的深度高效注意力模块和多尺度结构，保留更多特征图细节	NA	提高视网膜层边界分割的准确性，辅助早期眼科疾病的检测	人眼视网膜层的分割	计算机视觉	NA	ConvNeXt	ConvNeXt	图像	206张健康人眼视网膜图像（NR206数据集）
15743	2024-09-21	Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1195923 PMID:37333009	研究论文	本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区	首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区	样本量较小，仅包括51名疼痛患者和20名健康对照	探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用	骨关节炎慢性疼痛患者和健康对照的脑区	计算机视觉	骨关节炎	fMRI	CNN	图像	51名疼痛患者和20名健康对照
15744	2024-09-21	A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.15408 PMID:37334122	研究论文	本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应	首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应	仅限于使用苏木精-伊红染色图像进行分类	开发一种多分类算法，用于预测直肠癌新辅助治疗的反应	直肠癌新辅助治疗的病理反应	数字病理学	直肠癌	NA	残差神经网络 (ResNet)	图像	NA
15745	2024-09-21	A novel framework based on deep learning for COVID-19 diagnosis from X-ray images 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1375 PMID:37346600	研究论文	本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测	本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断	本文未详细讨论模型的泛化能力和在不同数据集上的表现	设计一种高精度的深度神经网络，用于在线识别医学图像	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	涉及不同类型的肺炎数据
15746	2024-09-21	Deep Relation Learning for Regression and Its Application to Brain Age Estimation 2022-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3161739 PMID:35320092	研究论文	本文提出了一种用于回归任务的深度关系学习方法，并将其应用于脑龄估计	本文创新性地提出了四种非线性关系（累积关系、相对关系、最大关系和最小关系），并通过一个包含特征提取和关系回归的两部分深度神经网络同时学习这些关系	NA	研究目的是通过学习输入图像对之间的关系来改进时间回归任务的性能	研究对象是脑龄估计任务	计算机视觉	NA	卷积神经网络和Transformer	深度神经网络	图像	6049名年龄在0-97岁之间的受试者
15747	2024-09-21	Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision 2021-Feb, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference) DOI:10.5220/0010241900002865 PMID:34046649	研究论文	本文提出了一种利用深度学习计算机视觉技术自动量化嗜酸性粒细胞以诊断嗜酸性食管炎（EoE）并评估疾病严重程度和进展的方法	首次利用深度学习计算机视觉技术进行EoE诊断，并提供了一种自动化的疾病严重程度和进展跟踪过程	NA	寻找可能指导新患者在疾病初始诊断时治疗计划的关联	嗜酸性食管炎（EoE）的诊断和疾病严重程度及进展评估	计算机视觉	消化系统疾病	深度学习	U-Net	图像	NA
15748	2024-09-21	Mixed deep learning and natural language processing method for fake-food image recognition and standardization to help automated dietary assessment 2019-05, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018000708 PMID:29623869	研究论文	本文研究了一种结合深度学习和自然语言处理的方法，用于识别假食物图像并进行标准化，以帮助自动化饮食评估	首次提出了一种自动识别假食物图像的方法，并结合自然语言处理进行食物匹配和标准化	研究样本量较小，仅涉及124名参与者，未来需要更大规模的研究验证	开发一种自动化方法，用于饮食评估和食物选择研究	假食物图像的识别和标准化	计算机视觉	NA	深度学习，自然语言处理	深度学习网络	图像	124名参与者，提供55种食物类别
15749	2024-09-20	Bangla news article dataset 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110874 PMID:39290422	研究论文	本文介绍了一个基于孟加拉语新闻文章的更新标准数据集	提供了超过190万篇来自九个孟加拉语新闻网站的文章，涵盖多个类别，为孟加拉语自然语言处理研究提供了丰富的数据资源	NA	提供一个标准化的孟加拉语新闻文章数据集，以支持自然语言处理和机器学习模型的研究	孟加拉语新闻文章数据集	自然语言处理	NA	NA	NA	文本	超过190万篇孟加拉语新闻文章
15750	2024-09-20	Enhancing sustainability in the production of palm oil: creative monitoring methods using YOLOv7 and YOLOv8 for effective plantation management 2024-Dec, Biotechnology reports (Amsterdam, Netherlands) DOI:10.1016/j.btre.2024.e00853 PMID:39290791	研究论文	评估YOLOv7和YOLOv8在识别油棕榈树方面的性能，以提高种植园管理的可持续性	YOLOv8系列在检测精度和时间上有所提升，YOLOv8m获得了最高的F1分数，YOLOv8s在检测时间上显著减少	NA	评估YOLOv7和YOLOv8在油棕榈种植园管理中的应用效果	YOLOv7和YOLOv8模型在油棕榈树识别中的性能	计算机视觉	NA	深度学习	YOLO	图像	训练集包含80,486张图像，测试集包含482张无人机拍摄的图像，其中包括5,233张油棕榈树图像
15751	2024-09-20	An enhanced AlexNet-Based model for femoral bone tumor classification and diagnosis using magnetic resonance imaging 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100626 PMID:39290649	研究论文	本文介绍了一种基于AlexNet的增强深度学习模型，用于通过磁共振成像对股骨肿瘤进行分类和诊断	本文提出了一种优化的AlexNet模型，通过卷积神经网络对股骨肿瘤图像进行分类，相比其他方法具有更高的准确性、精确性、敏感性、特异性和F1分数	NA	开发一种自动化的分类方法，以提高股骨肿瘤的诊断准确性	股骨肿瘤患者及其磁共振成像数据	计算机视觉	骨肿瘤	卷积神经网络 (CNN)	AlexNet	图像	500例股骨肿瘤患者，包括500例影像数据（335例良性，165例恶性）
15752	2024-09-20	Discovery of type 2 diabetes mellitus with correlation and optimization driven hybrid deep learning approach 2024-Oct, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2267721 PMID:37865922	研究论文	本文提出了一种混合深度学习方法，用于识别2型糖尿病	采用基于相关性和优化的混合深度学习方法，结合了深度残差网络和基于骑手优化器的神经网络，并通过相关性融合提高分类性能	NA	开发一种新的混合深度学习技术，用于准确识别2型糖尿病	2型糖尿病的识别	机器学习	糖尿病	深度学习	混合模型	数值数据	未明确提及具体样本数量
15753	2024-09-20	[Applications of artificial intelligence for imaging-driven diagnosis and treatment of bone and soft tissue tumors] 2024-Sep-23, Zhonghua zhong liu za zhi [Chinese journal of oncology] DOI:10.3760/cma.j.cn112152-20231024-00215 PMID:39293988	综述	本文综述了人工智能在骨与软组织肿瘤影像诊断和治疗中的应用	探讨了深度学习技术在骨与软组织肿瘤影像分析中的应用，包括图像分割、肿瘤检测、分类、分级和分期、化疗效果评估、复发和预后预测等方面	未提及具体的技术挑战和数据限制	综述人工智能在骨与软组织肿瘤影像诊断和治疗中的应用现状及未来展望	骨与软组织肿瘤的影像诊断和治疗	计算机视觉	骨与软组织肿瘤	深度学习	CNN	图像	NA
15754	2024-09-20	Efficient inverse design of optical multilayer nano-thin films using neural network principles: backpropagation and gradient descent 2024-Sep-19, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr01667j PMID:39196333	研究论文	本文介绍了一种利用神经网络原理进行光学多层纳米薄膜逆向设计的新方法	该方法通过网络传递矩阵的反向传播，利用链式法则计算梯度，无需额外的学习过程即可确定最佳层厚度	NA	提高光学多层纳米薄膜设计的效率和准确性	光学多层纳米薄膜的层厚度优化	机器学习	NA	神经网络	NA	NA	NA
15755	2024-09-20	All-Atom Protein Sequence Design Based on Geometric Deep Learning 2024-Sep-19, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202411461 PMID:39295564	研究论文	介绍了一种基于几何深度学习的全原子蛋白质序列设计框架GeoSeqBuilder	整合了蛋白质序列生成与侧链构象预测，实现了设计序列的全原子结构生成，并考虑了邻近残基的三体相互作用	需要进一步测试以验证其广泛适用性	开发一种能够为特定蛋白质骨架设计新功能蛋白质序列的工具	蛋白质序列设计与侧链构象预测	机器学习	NA	几何深度学习	深度学习框架	蛋白质结构数据	15个测试序列，5个设计实例
15756	2024-09-20	Prediction of aptamer affinity using an artificial intelligence approach 2024-Sep-18, Journal of materials chemistry. B DOI:10.1039/d4tb00909f PMID:39158322	研究论文	研究利用人工智能方法预测适配体亲和力	结合机器学习和深度学习模型，提出了一种快速预测适配体与目标分子结合亲和力的方法	NA	探讨人工智能在适配体亲和力预测中的应用	适配体与目标分子的结合亲和力	机器学习	NA	分子动力学模拟	机器学习和深度学习	序列数据	NA
15757	2024-09-20	Ultrastretchable, Ultralow Hysteresis, High-Toughness Hydrogel Strain Sensor for Pressure Recognition with Deep Learning 2024-Sep-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c12419 PMID:39230598	研究论文	本文介绍了一种具有超拉伸性、低滞后性和高韧性的水凝胶应变传感器，并展示了其在压力识别中的应用	提出了一种双重物理交联的聚丙烯酰胺/透明质酸/蒙脱土水凝胶，实现了超高的拉伸性、低滞后性和高韧性	NA	开发一种具有优异机械性能的水凝胶材料，并探索其在柔性可穿戴设备中的应用	聚丙烯酰胺/透明质酸/蒙脱土水凝胶及其在应变传感器中的应用	NA	NA	NA	深度学习	NA	NA
15758	2024-09-20	Deep Learning for Echo Analysis, Tracking, and Evaluation of Mitral Regurgitation (DELINEATE-MR) 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.068996 PMID:38881496	研究论文	本文开发了一种深度学习系统，用于分析、追踪和评估二尖瓣反流，并测试了其在内部和外部测试集中的性能	本文提出了一种新颖的深度学习系统，能够处理完整的经胸超声心动图，识别彩色多普勒视频，并根据阅读心脏病专家的标准确定二尖瓣反流的严重程度	大多数误分类差异出现在无/微量和轻度二尖瓣反流之间，且在偏心性二尖瓣反流病例中的表现略低	开发和验证一种端到端的深度学习系统，用于准确分类二尖瓣反流的严重程度	二尖瓣反流的严重程度分类	机器学习	心血管疾病	深度学习	深度学习系统	视频	总共61,689例经胸超声心动图，分为训练集（43,811例）、验证集（8,891例）、内部测试集（8,987例）和外部测试集（8,208例）
15759	2024-09-20	High-Throughput Deep Learning Detection of Mitral Regurgitation 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.069047 PMID:39129623	研究论文	研究开发并验证了一种全自动深度学习管道，用于识别带有彩色多普勒超声心动图的顶端四腔视图视频，并检测经胸超声心动图中的临床显著性二尖瓣反流	提出了一种新颖的全自动管道，用于从完整的经胸超声心动图研究中识别临床显著性二尖瓣反流	NA	开发和验证一种全自动深度学习管道，用于检测临床显著性二尖瓣反流	二尖瓣反流	机器学习	心血管疾病	深度学习	深度学习模型	视频	58614例经胸超声心动图（2587538个视频）用于开发和测试，1800例研究（80833个视频）用于内部测试，915例研究（46890个视频）用于外部评估
15760	2024-09-20	Predicting stroke volume variation using central venous pressure waveform: a deep learning approach 2024-Sep-17, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad75e4 PMID:39214128	研究论文	本研究评估了一种深度学习方法从中心静脉压波形预测每搏量变异（SVV）的性能	使用长短期记忆（LSTM）和前馈神经网络的序列模型从中心静脉压波形中预测每搏量变异（SVV）	NA	评估深度学习模型从中心静脉压波形预测每搏量变异的准确性	中心静脉压波形和每搏量变异	机器学习	NA	深度学习	LSTM 和前馈神经网络	波形	224 例，包含 1717978 个中心静脉压波形和 EV1000/SVV 数据