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
16101	2024-09-27	Improving remote sensing scene classification using dung Beetle optimization with enhanced deep learning approach 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37154 PMID:39318799	研究论文	本文提出了一种利用蜣螂优化和增强深度学习方法改进遥感场景分类的技术	本文创新性地结合了蜣螂优化算法和增强的MobileNet模型，并通过多头部注意力机制的长短期记忆网络进行场景分类	NA	提高遥感图像场景分类的准确性	遥感图像中的不同场景	计算机视觉	NA	蜣螂优化算法	MobileNet模型、多头部注意力机制的长短期记忆网络	图像	使用UC Merced和EuroSAT数据集进行评估
16102	2024-09-27	Hierarchical structures and magnetism of Co clusters: a perspective from integration of deep learning and a hybrid differential evolution algorithm 2024-Sep-26, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr02431a PMID:39225229	研究论文	本文通过结合深度学习和混合差分进化算法，研究了Co团簇的分层结构和磁性	利用深度神经网络构建了近似DFT精度的深度势能模型，显著降低了计算消耗，并结合高效混合差分进化算法搜索Co团簇的最低能量结构	NA	确定Co团簇的最低能量结构及其分层结构和磁性	Co团簇（原子数为11-50）	机器学习	NA	密度泛函理论计算	深度神经网络	数据集	Co团簇（原子数为11-50）
16103	2024-09-27	Application of Deep Neural Networks in the Manufacturing Process of Mesenchymal Stem Cells Therapeutics 2024-Sep-26, International journal of stem cells IF:2.5Q3 DOI:10.15283/ijsc24070 PMID:39322430	研究论文	本文探讨了使用深度神经网络在间充质干细胞治疗制造过程中进行图像分析的方法	首次使用深度学习方法直接分析细胞图像，以提高干细胞治疗产品的产量和质量	仅在单层图像中检测到异常细胞，多层培养仅在单层培养中无异常细胞时进行	开发一种新的方法来监控细胞融合度和状态，以提高细胞治疗产品的质量	间充质干细胞的图像	计算机视觉	NA	深度神经网络	分类和检测算法	图像	多种类型的培养容器中的间充质干细胞图像
16104	2024-09-27	Investigating deep learning strategies for fast denoising of 5D cardiac photon-counting micro-CT images 2024-Sep-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7fc6 PMID:39321848	研究论文	研究使用深度学习方法对5D心脏光子计数微CT图像进行快速去噪	提出了UnetU Energy方法，显著提高了5D心脏光子计数微CT图像去噪的速度和准确性	ME NLM在某些情况下表现优于深度学习方法，但仍落后于迭代重建	探索适用于5D心脏光子计数微CT图像去噪的深度学习策略	5D心脏光子计数微CT图像的去噪效果和速度	计算机视觉	心血管疾病	深度学习	U-net, 3D U-net, FastDVDNet, Swin Transformer UNet	图像	使用真实小鼠数据和数字MOBY phantom进行评估
16105	2024-09-27	Detection of sleep arousal from STFT-based instantaneous features of single channel EEG signal 2024-Sep-25, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad7fcb PMID:39322029	研究论文	本文提出了一种基于短时傅里叶变换（STFT）的单通道脑电信号瞬时特征的睡眠觉醒检测模型	通过使用可解释的特征来提高睡眠觉醒检测模型的分类性能，避免了深度学习方法的不可解释性问题	NA	开发一种有效的睡眠觉醒检测模型，以辅助自动睡眠呼吸暂停检测系统	单通道脑电信号中的睡眠觉醒现象	机器学习	睡眠相关疾病	短时傅里叶变换（STFT）	三层神经网络	脑电信号	NA
16106	2024-09-27	BSNEU-net: Block Feature Map Distortion and Switchable Normalization-Based Enhanced Union-net for Acute Leukemia Detection on Heterogeneous Dataset 2024-Sep-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01252-1 PMID:39322814	研究论文	本文提出了一种基于深度学习的BSNEU-net框架，用于急性白血病的检测	引入块特征图失真（BFMD）和可切换归一化（SN）技术，以提高模型的泛化能力和收敛性	NA	开发一种新的深度学习框架，用于急性白血病的检测	急性淋巴细胞白血病（ALL）和急性髓系白血病（AML）	计算机视觉	血液疾病	深度学习	BSNEU-net	图像	2400张血涂片图像（新数据集）和2700张血涂片图像（异构数据集）
16107	2024-09-27	Noise suppression in photon-counting computed tomography using unsupervised Poisson flow generative models 2024-Sep-23, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00175-6 PMID:39311990	研究论文	本文提出了一种基于无监督泊松流生成模型的光子计数计算机断层扫描（CT）图像去噪技术	本文将无监督逆问题求解方法扩展到泊松流生成模型（PFGM++），并通过劫持和正则化采样过程，实现了单步采样器（NFE=1）	NA	开发一种无需配对数据的无监督图像去噪技术，以提高光子计数CT图像的质量	光子计数CT图像	计算机视觉	NA	深度学习	扩散模型	图像	临床低剂量CT数据和GE HealthCare开发的实验性光子计数CT系统中的临床图像
16108	2024-09-27	Protocol for performing deep learning-based fundus fluorescein angiography image analysis with classification and segmentation tasks 2024-Sep-20, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103134 PMID:38900632	研究论文	本文介绍了一种基于深度学习的视网膜荧光血管造影图像分析协议，包括分类和分割任务	提出了一个完整的从诊断到治疗建议的深度学习分析流程	未提及具体限制	开发一种用于视网膜疾病评估的深度学习分析协议	视网膜荧光血管造影图像	计算机视觉	NA	深度学习	NA	图像	未提及具体样本数量
16109	2024-09-27	Computational Synthetic Biology Enabled through JAX: A Showcase 2024-Sep-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00307 PMID:39230510	研究论文	本文展示了通过JAX库在计算合成生物学中的应用	本文首次展示了JAX在计算生物学中的应用，特别是合成生物学和定向进化领域	本文主要展示了JAX的应用，未深入探讨其在生物学中的局限性	展示JAX在计算合成生物学中的应用，并提供相关教程	合成生物学和定向进化	计算生物学	NA	JAX	NA	NA	NA
16110	2024-09-27	Ultralow dose coronary calcium scoring CT at reduced tube voltage and current by using deep learning image reconstruction 2024-Sep-19, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111742 PMID:39321657	研究论文	探讨深度学习重建（DLR）在降低管电压和电流的极低剂量钙评分CT（CSCT）中的潜力	使用深度学习重建技术在降低管电压和电流的情况下实现极低剂量的钙评分CT	研究样本量较小，需要进一步验证在更大规模临床应用中的可行性	探索深度学习重建技术在极低剂量钙评分CT中的应用潜力	钙评分CT图像的质量和有效剂量	计算机视觉	心血管疾病	深度学习重建（DLR）	深度学习模型	图像	156名患者（分为两组：75名常规剂量组和81名极低剂量组）
16111	2024-09-27	Localized Plasmonic Structured Illumination Microscopy Using Hybrid Inverse Design 2024-Sep-18, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c03069 PMID:39234957	研究论文	本文提出了一种结合深度学习和遗传算法的混合逆向设计框架，用于优化局部等离子体结构化照明显微镜（LPSIM）阵列	该框架通过迭代和进化优化设计，显著提高了LPSIM基底的复原精度、抗噪能力和对较少测量次数的容忍度	NA	优化局部等离子体结构化照明显微镜（LPSIM）阵列的设计过程，以实现更高的超分辨率成像性能	局部等离子体结构化照明显微镜（LPSIM）阵列	计算机视觉	NA	局部等离子体结构化照明显微镜（LPSIM）	卷积神经网络（CNN）	图像	NA
16112	2024-09-27	Application of deep ensemble learning for palm disease detection in smart agriculture 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37141 PMID:39319161	研究论文	本文研究了在智能农业中应用深度学习模型进行棕榈病害检测和分类	采用两阶段优化方法，结合迁移学习和深度集成学习技术，显著提高了模型的泛化能力和检测准确性	未提及具体局限性	改进现有研究中的局限性，提高棕榈病害检测的鲁棒性和泛化能力	棕榈树病害	计算机视觉	NA	深度学习	深度集成学习	图像	未提及具体样本数量
16113	2024-09-27	[Prediction of PM10 Concentration in Dry Bulk Ports Using a Combined Deep Learning Model Considering Feature Meteorological Factors] 2024-Sep-08, Huan jing ke xue= Huanjing kexue DOI:10.13227/j.hjkx.202310217 PMID:39323136	研究论文	提出了一种结合深度学习模型CLAF，用于预测干散货港口的PM10浓度，考虑了气象因素的影响	提出了一个新的结合深度学习模型CLAF，融合了级联卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（AM），以提高PM10浓度的预测准确性	NA	提高干散货港口PM10浓度的预测准确性，以有效管理PM暴露并减轻对人类健康和经济的风险	干散货港口的PM10浓度及其受气象因素影响的时间序列非线性变化特征	机器学习	NA	深度学习	CLAF（结合CNN、LSTM和AM）	时间序列数据	NA
16114	2024-09-27	A Meta-Learning Approach for Classifying Multimodal Retinal Images of Retinal Vein Occlusion With Limited Data 2024-Sep-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.9.22 PMID:39297809	研究论文	提出并验证了一种用于分类多模态视网膜图像中视网膜静脉阻塞的元学习方法	使用元学习模型在有限数据下检测视网膜静脉阻塞，并展示了在不同模态图像上的优异诊断能力	NA	提出并验证一种元学习方法，用于从多模态图像中检测视网膜静脉阻塞	视网膜静脉阻塞的多模态图像	计算机视觉	视网膜疾病	元学习	ResNet, CLIP	图像	1254张彩色眼底图像，来自39种不同的眼底疾病
16115	2024-09-27	Exploring the Combination of Computer Vision and Surgical Neuroanatomy: A Workflow Involving Artificial Intelligence for the Identification of Skull Base Foramina 2024-Sep-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.08.137 PMID:39233310	研究论文	本文探讨了计算机视觉与外科神经解剖学的结合，开发了一种用于识别颅底孔的人工智能工作流程	本文创新性地开发了一种计算机视觉模型，能够自动识别和标注颅底孔，提高了手术规划和教育效果	NA	开发一种计算机视觉模型，自动识别和标注颅底孔，以避免手术并发症并促进神经外科学员的教育进步	颅底孔的识别和标注	计算机视觉	NA	深度学习	卷积神经网络	图像	3560张高分辨率、标注的颅底图像
16116	2024-09-27	CSV-Filter: a deep learning-based comprehensive structural variant filtering method for both short and long reads 2024-Sep-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae539 PMID:39240375	研究论文	本文介绍了一种基于深度学习的结构变异过滤方法CSV-Filter，适用于短读长和长读长数据	CSV-Filter采用了一种新颖的多级灰度图像编码方法，并结合图像增强技术和自监督学习网络，提高了结构变异特征的提取能力	NA	开发一种能够有效过滤结构变异检测结果中假阳性结果的方法	结构变异（SVs）及其在遗传研究和精准医学中的应用	机器学习	NA	深度学习	自监督学习网络	图像	NA
16117	2024-09-27	Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054001 PMID:39220048	研究论文	本文开发了一种结合专家知识和数据增强的方法，利用深度学习分析多参数磁共振成像（mpMRI）来预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本文创新性地使用深度学习模型预测胶质母细胞瘤的肿瘤浸润，无需依赖专家绘制的感兴趣区域（ROI）进行模型训练	NA	开发一种无需专家ROI绘制即可预测胶质母细胞瘤肿瘤浸润的深度学习模型	胶质母细胞瘤患者的肿瘤浸润和复发	数字病理学	脑肿瘤	多参数磁共振成像（mpMRI）	深度学习	图像	229名患者
16118	2024-09-27	Comparison and benchmark of deep learning methods for non-coding RNA classification 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012446 PMID:39264986	研究论文	本文比较和评估了用于非编码RNA分类的深度学习方法，并提供了相关数据集的详细描述	本文首次全面比较了当前最先进的非编码RNA分类方法，并进行了客观的基准测试	本文未涵盖所有可能的深度学习架构，且实验结果可能受限于所使用的数据集	评估和比较不同深度学习方法在非编码RNA分类中的性能	非编码RNA的分类方法及其在不同数据集上的表现	机器学习	NA	深度学习	多种深度学习架构	非编码RNA序列	涉及多个流行数据集
16119	2024-09-27	Hyperdimensional computing: A fast, robust, and interpretable paradigm for biological data 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012426 PMID:39316621	研究论文	本文探讨了超维度计算（HDC）在生物信息学中的应用潜力	提出超维度计算作为一种新的计算范式，具有高效、鲁棒和可解释性	NA	探索超维度计算在生物信息学中的应用潜力	生物数据处理和分析	生物信息学	NA	超维度计算（HDC）	NA	多模态和结构化数据	NA
16120	2024-09-27	Explainable artificial intelligence in deep learning-based detection of aortic elongation on chest X-ray images 2024-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztae045 PMID:39318689	研究论文	本文评估了深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	本文结合了可解释的人工智能技术，如梯度加权类激活映射和局部可解释模型无关解释方法，来增强深度学习模型决策的可解释性	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	评估深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	胸部X光图像中的主动脉延长	计算机视觉	心血管疾病	深度学习	DenseNet, EfficientNet	图像	未提供具体样本数量