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
16221	2024-09-21	Geodesic shape regression based deep learning segmentation for assessing longitudinal hippocampal atrophy in dementia progression 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103623 PMID:38821013	研究论文	本文提出了一种基于测地线形状回归的深度学习分割方法，用于评估痴呆进展中的海马体萎缩	本文创新性地将测地线形状回归集成到两阶段分割网络中，以增强个体内部形态一致性，从而减少纵向变异性对分割精度的影响	NA	旨在提高纵向MRI图像中海马体形态分割的准确性，从而更精确地评估痴呆进展中的海马体萎缩	海马体形态及其在痴呆进展中的萎缩情况	计算机视觉	神经退行性疾病	深度学习	3D U-Net	图像	来自阿尔茨海默病神经影像学倡议（ADNI）的纵向数据
16222	2024-09-21	Deep Learning-based Automated Knee Joint Localization in Radiographic Images Using Faster R-CNN 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056262464230922112606 PMID:37881088	研究论文	本文提出了一种基于深度学习的自动膝关节定位方法，使用Faster R-CNN模型在放射影像中检测膝关节区域	本文的创新点在于利用Faster R-CNN模型实现了膝关节区域的自动检测，克服了传统方法的主观性、耗时和劳动密集的缺点	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	本研究的目的是开发一种更高效和自动化的膝关节分析方法，以替代传统的膝关节X光评估	本研究的对象是膝关节区域的放射影像	计算机视觉	骨关节炎	Faster R-CNN	Faster R-CNN	图像	使用了膝关节图像数据集进行模型训练和评估
16223	2024-09-21	Performance analysis of Alexnet for Classification of Knee Osteoarthritis 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230809105544 PMID:37559245	研究论文	本文分析了AlexNet模型在膝关节骨性关节炎分类中的性能	本文首次评估了AlexNet模型在膝关节骨性关节炎分类中的性能，并与其他模型进行了比较	本文仅评估了AlexNet模型的性能，未探讨其他可能更优的深度学习模型	评估AlexNet模型在膝关节骨性关节炎分类中的性能，并与其他模型进行比较	膝关节骨性关节炎的分类	计算机视觉	骨关节炎	深度学习技术	AlexNet	图像	NA
16224	2024-09-21	Implementation and Efficient Analysis of Preprocessing Techniques in Deep Learning for Image Classification 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230829150157 PMID:37649293	研究论文	本文研究了深度学习图像分类中预处理技术的实现及其有效性分析	本文采用MSA方法分析了图像处理应用中预处理步骤的影响，并总结了现有使用和不使用预处理步骤的深度学习图像处理模型	本文未详细探讨不同预处理技术对模型性能的具体影响	探讨预处理步骤在深度学习图像分类中的必要性	图像分类中的预处理技术及其对模型性能的影响	计算机视觉	NA	深度学习	神经网络	图像	大量数据样本
16225	2024-09-21	Classification of Brain Tumours in MRI Images using a Convolutional Neural Network 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230327124902 PMID:37018519	研究论文	本文使用卷积神经网络（CNN）对脑部MRI图像中的肿瘤进行分类	提出的CNN模型在处理资源消耗较少的情况下，实现了更高的准确率和损失减少	实验在相对有限的样本数据集上进行	利用深度学习技术提高脑肿瘤MRI图像分类的准确性	脑部MRI图像中的肿瘤	计算机视觉	脑肿瘤	卷积神经网络（CNN）	CNN	图像	相对有限的样本数据集
16226	2024-09-21	An Early Detection and Classification of Alzheimer's Disease Framework Based on ResNet-50 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230825113344 PMID:37622561	研究论文	本文提出了一种基于ResNet-50的阿尔茨海默病早期检测和分类框架	通过使用深度残差网络（ResNet）模型和图像预处理技术，解决了传统卷积神经网络（CNN）中卷积层的局限性	尽管某些模型在准确性上表现更好，但它们容易过拟合	开发一种更有效的阿尔茨海默病早期检测系统	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	深度残差网络（ResNet）	ResNet-50	MRI扫描图像	阿尔茨海默病患者的MRI扫描数据集
16227	2024-09-21	Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3455989 PMID:39264770	研究论文	提出了一种基于深度学习的自适应视频流凸包预测方法，通过循环卷积网络（RCN）分析视频片段的时空复杂度来预测其凸包	采用循环卷积网络（RCN）和两步迁移学习方案，显著减少了预编码时间和计算开销	未提及具体限制	减少自适应视频流中预编码步骤的时间和计算开销	视频片段的凸包预测	计算机视觉	NA	深度学习	循环卷积网络（RCN）	视频	未提及具体样本数量
16228	2024-09-21	Change Representation and Extraction in Stripes: Rethinking Unsupervised Hyperspectral Image Change Detection With an Untrained Network 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3438100 PMID:39269800	研究论文	提出了一种新的无监督高光谱图像变化检测方法StripeCD，通过在无训练网络中集成优化建模来表示和建模条纹变化	引入了一种新的特征空间表示方法，通过条纹形式表示变化特征，并提出了一种多尺度前向-后向分割框架来突出显著变化	依赖于无训练网络的特征波动性可能导致变化检测结果不准确	改进无监督高光谱图像变化检测方法，减少对标注数据的依赖	高光谱图像的变化检测	计算机视觉	NA	无训练卷积网络	卷积神经网络	图像	涉及三个广泛使用的高光谱图像数据集
16229	2024-09-21	Diagnostic Value of Artificial Intelligence in Minimal Breast Lesions Based on Real-Time Dynamic Ultrasound Imaging 2024, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S479969 PMID:39295853	研究论文	探讨基于实时动态超声成像系统的人工智能在诊断微小乳腺病变中的价值	使用基于实时动态超声成像系统的人工智能进行微小乳腺病变的诊断	仍存在一些漏诊和误诊的情况	研究人工智能在微小乳腺病变诊断中的应用价值	直径≤10mm的微小乳腺病变	计算机视觉	乳腺癌	深度学习算法	深度学习	视频	291例微小乳腺病变，其中228例良性，63例恶性
16230	2024-09-21	A general prediction model for compound-protein interactions based on deep learning 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1465890 PMID:39295942	研究论文	本文开发了一种基于深度学习的化合物-蛋白质相互作用预测模型，并验证了其在中药中的应用	本文提出了一个集成大规模生物活性基准数据集和深度学习算法的计算模型，用于预测化合物-蛋白质相互作用，并在中药中验证了其有效性	由于化合物和目标的多样性以及缺乏大规模相互作用数据集和负数据集，现有计算方法在预测准确性和泛化能力方面面临挑战	开发一种准确的化合物-蛋白质相互作用预测模型，以促进药物发现和理解中药的生物活性	化合物-蛋白质相互作用，特别是中药中的化合物	机器学习	NA	深度学习	NA	生物活性数据	使用了黄芪和白花蛇舌草这对中药组合中的活性化合物，并从多个公共数据库和文献中收集了这些化合物的完整目标数据
16231	2024-09-21	Analysis and comparison of retinal vascular parameters under different glucose metabolic status based on deep learning 2024, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2024.09.02 PMID:39296560	研究论文	本文开发了一种基于深度学习的模型，用于自动分割视网膜血管，并分析和比较不同血糖代谢状态下的血管参数	本文首次使用深度学习模型U-Net进行视网膜血管分割，并分析了不同血糖代谢状态下的血管参数差异	样本量相对较小，可能影响结果的普适性	评估人工智能在图像分割和视网膜血管参数分析中预测糖尿病前期的潜力	视网膜血管参数在不同血糖代谢状态下的差异	计算机视觉	糖尿病	深度学习	U-Net	图像	总共600只眼睛，包括200名正常人、200名糖尿病前期患者和200名糖尿病患者
16232	2024-09-21	Systematic bibliometric and visualized analysis of research hotspots and trends on the application of artificial intelligence in glaucoma from 2013 to 2022 2024, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2024.09.22 PMID:39296573	综述	对2013年至2022年间人工智能在青光眼领域的应用进行文献计量分析和可视化研究	通过CiteSpace和VOSviewer软件分析了不同国家、机构、作者和期刊的贡献及共现关系，揭示了该领域的研究热点和未来趋势	文章主要关注文献计量分析，未深入探讨具体技术细节和临床应用效果	全面了解人工智能在青光眼领域的研究现状，并识别未来研究的新方向	2013年至2022年间发表的关于人工智能在青光眼领域应用的英文文章	计算机视觉	眼科疾病	NA	NA	文本	750篇英文文章
16233	2024-09-21	Deep learning-based ultrasonographic classification of canine chronic kidney disease 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1443234 PMID:39296582	研究论文	本研究开发了一种基于深度学习的模型，用于通过超声图像对犬慢性肾病（CKD）进行分类，并评估其与兽医影像专家的诊断性能	首次尝试将人工智能应用于兽医超声诊断，并开发了一种基于卷积神经网络的对象检测算法来分类犬慢性肾病的IRIS阶段	多类分类的准确性较低，仅为0.46	开发和验证一种基于深度学习的模型，用于通过超声图像对犬慢性肾病进行分类，并评估其临床实用性	犬慢性肾病（CKD）的超声图像	机器学习	犬病	卷积神经网络（CNN）	CNN	图像	883张超声图像，来自198只狗
16234	2024-09-21	Deepfake: definitions, performance metrics and standards, datasets, and a meta-review 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1400024 PMID:39296632	综述	本文全面概述了深度伪造（deepfake）的概念，涵盖了定义、性能指标和标准、相关数据集等多个重要方面	本文提供了对深度伪造最全面的综述，包括对15篇相关综述论文的元分析	NA	全面了解和分析深度伪造的概念、性能指标、标准、数据集以及相关挑战和建议	深度伪造的定义、性能指标和标准、相关数据集以及相关综述论文	计算机视觉	NA	深度学习	NA	图像、视频、音频	15篇相关综述论文
16235	2024-09-21	Utilizing deep learning models in an intelligent spiral drawing classification system for Parkinson's disease classification 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1453743 PMID:39296906	研究论文	本文提出了一种利用深度学习模型进行智能螺旋绘图分类系统，用于帕金森病的分类	本文通过分析手绘螺旋图中的重要和独特特征，利用迁移学习模型（如VGG19、InceptionV3、ResNet50v2和DenseNet169）进行帕金森病的诊断	本文的研究样本量较小，未来需要扩大数据集并进一步优化迁移学习策略	开发一种高效准确的帕金森病分类系统，以改善患者的生活质量和早期治疗效果	手绘螺旋图和帕金森病	机器学习	神经退行性疾病	迁移学习	InceptionV3	图像	102个手绘螺旋图
16236	2024-09-21	A quantitative analysis of artificial intelligence research in cervical cancer: a bibliometric approach utilizing CiteSpace and VOSviewer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1431142 PMID:39296978	研究论文	本研究通过文献计量学方法，利用CiteSpace和VOSviewer分析了人工智能在宫颈癌研究中的应用趋势	首次系统性地评估了人工智能在宫颈癌研究中的作用，并指出了未来的研究方向	研究主要基于文献计量学方法，可能忽略了实际应用中的细节和挑战	评估人工智能在宫颈癌研究中的作用，并探讨其未来发展趋势	宫颈癌研究领域的文献和相关作者	机器学习	宫颈癌	文献计量学	NA	文本	分析了927篇文章，涉及5,299名作者和81个地区
16237	2024-09-21	Super-resolution reconstruction improves multishell diffusion: using radiomics to predict adult-type diffuse glioma IDH and grade 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1435204 PMID:39296980	研究论文	本文通过深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发和验证了预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	使用深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发了新的预测模型	高级扩散模型在诊断性能上并未优于简单扩散模型	提高多壳扩散图像的分辨率，并开发预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	成人弥漫性胶质瘤的IDH状态和2/3级肿瘤	计算机视觉	脑肿瘤	深度学习超分辨率重建	生成对抗网络	图像	90例成人弥漫性胶质瘤患者
16238	2024-09-21	Detecting common coccinellids found in sorghum using deep learning models 2023-06-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36738-5 PMID:37328502	研究论文	本文开发并训练了深度学习模型，用于检测和分类高粱中常见的瓢虫	首次开发了用于高粱中瓢虫检测和分类的深度学习模型	NA	开发自动化技术以检测和分类高粱中的瓢虫，减少对杀虫剂的依赖	高粱中常见的七种瓢虫	计算机视觉	NA	深度学习	Faster R-CNN, YOLOv5, YOLOv7	图像	从iNaturalist项目中提取的图像
16239	2024-09-21	Detecting stress caused by nitrogen deficit using deep learning techniques applied on plant electrophysiological data 2023-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36683-3 PMID:37316610	研究论文	本文利用深度学习技术分析植物电生理数据，检测由氮缺乏引起的植物应激反应	本文首次将深度学习技术应用于植物电生理记录中识别植物应激反应，无需预先计算特征，自动学习分类目标	NA	检测由氮缺乏引起的植物应激反应	16株在典型生产条件下生长的番茄植物的电生理数据	机器学习	NA	深度学习	NA	电生理数据	16株番茄植物
16240	2024-09-21	Bayesian interpolation with deep linear networks 2023-Jun-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2301345120 PMID:37252994	研究论文	本文研究了深度、宽度和数据集大小对模型质量的联合影响，并给出了线性网络在特定条件下的完整解决方案	提出了一个新的有效深度概念，并展示了无限深度线性网络在数据无关先验下的最优预测能力	研究仅限于输出维度为一的线性网络，并使用零噪声贝叶斯推断和均方误差作为负对数似然	探讨神经网络深度、宽度和数据集大小对模型质量的联合影响	线性网络在特定条件下的预测后验和贝叶斯模型证据	机器学习	NA	贝叶斯推断	线性网络	数值数据	NA