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
16781	2024-09-15	SCS-Net: An efficient and practical approach towards Face Mask Detection 2023, Procedia computer science DOI:10.1016/j.procs.2023.01.165 PMID:36743793	研究论文	提出了一种轻量级的深度学习模型SCS-Net，用于解决口罩佩戴检测中的实际部署问题和错误佩戴口罩的识别问题	设计了一种新颖的深度学习架构，参数仅为0.12M，比现有模型减少了496倍；首次提出了包含大量错误佩戴口罩图像的数据集	未详细说明模型的泛化能力和在不同环境下的表现	开发一种高效且实用的深度学习模型，用于在实际环境中检测口罩佩戴情况	口罩佩戴检测和错误佩戴口罩的识别	计算机视觉	NA	深度学习	SCS-Net	图像	25296张合成设计的错误佩戴口罩图像
16782	2024-09-15	Not getting in too deep: A practical deep learning approach to routine crystallisation image classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282562 PMID:36893084	研究论文	本文比较了四种广泛使用的卷积深度学习网络架构在常规结晶图像分类中的应用	通过组合不同分类器的优势，实现了与大型联盟倡议相当的分类准确性	使用了相对较小的训练集（约1.6万张图像）	探索在常规结晶实验中使用深度学习进行图像分类的可行性	蛋白质结晶实验中的图像分类	计算机视觉	NA	卷积神经网络	CNN	图像	约1.6万张图像
16783	2024-09-15	A deep graph convolutional neural network architecture for graph classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0279604 PMID:36897837	研究论文	提出了一种新的深度图卷积神经网络架构用于图分类任务	提出了非局部消息传递框架和新的空间图卷积层，解决了现有图卷积网络深度受限的问题	NA	解决现有图卷积网络深度受限的问题，提升图分类任务的性能	图卷积网络的深度和性能	机器学习	NA	图卷积网络	深度图卷积神经网络II (DGCNNII)	图数据	基准图分类数据集
16784	2024-09-15	Deep learning-based EEG emotion recognition: Current trends and future perspectives 2023, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2023.1126994 PMID:36923142	综述	本文综述了基于深度学习的脑电图（EEG）情感识别的最新进展和未来展望	探讨了深度学习技术在EEG情感识别中的应用，包括深度信念网络、卷积神经网络和循环神经网络	未提及具体实验数据和模型性能评估	提供EEG情感识别领域的最新综述，特别是深度学习技术的应用	脑电图（EEG）情感识别	机器学习	NA	深度学习	深度信念网络、卷积神经网络、循环神经网络	脑电图（EEG）	NA
16785	2024-09-15	Sleep staging in the ICU with heart rate variability and breathing signals. An exploratory cross-sectional study using deep neural networks 2023, Frontiers in network physiology DOI:10.3389/fnetp.2023.1120390 PMID:36926545	研究论文	研究使用深度神经网络基于心率变异性和呼吸信号在重症监护病房（ICU）中进行睡眠分期	探索了使用心率变异性和呼吸信号结合人工智能方法在ICU中估计传统睡眠指标的可行性	研究样本量有限，且仅限于手术和内科ICU的患者	评估在ICU中使用心率变异性和呼吸信号进行睡眠分期的可行性	重症监护病房中的成年患者和睡眠实验室中的患者	机器学习	NA	深度学习	深度神经网络	心率变异性和呼吸信号	102名ICU患者和220名睡眠实验室患者
16786	2024-09-15	A deep learning-based framework for retinal fundus image enhancement 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282416 PMID:36928209	研究论文	本文提出了一种基于深度学习的视网膜眼底图像增强框架，旨在提高低质量眼底图像的质量并去除复杂图像降解	本文提出了一种新的基于深度学习的模型，能够自动增强低质量视网膜眼底图像，并设计了定制的卷积神经网络架构来处理不同类型的图像降解	本文未详细讨论模型的泛化能力以及在不同数据集上的表现差异	创建一个自动化的视网膜黄斑图像增强框架，以提高低质量眼底图像的质量并去除复杂图像降解	低质量的视网膜眼底图像及其复杂降解	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	1068对高质量和低质量的视网膜眼底图像
16787	2024-09-15	Modelling blood flow in patients with heart valve disease using deep learning: A computationally efficient method to expand diagnostic capabilities in clinical routine 2023, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2023.1136935 PMID:36937926	研究论文	本文提出了一种基于深度学习的方法，用于计算主动脉和主动脉瓣狭窄患者中的压力和壁面剪切应力，以替代传统的计算流体动力学方法	使用深度学习算法替代传统的计算流体动力学方法，显著提高了计算效率和临床实用性	NA	开发一种计算效率高的方法，用于在临床实践中扩展基于血流建模的诊断和治疗支持能力	主动脉和主动脉瓣狭窄患者的血流动力学参数	机器学习	心血管疾病	深度学习	人工神经网络	图像	103个主动脉和主动脉瓣的表面模型，267个患者特定的稳态CFD模拟，23个测试案例
16788	2024-09-15	Retinal fluid is associated with cytokines of aqueous humor in age-related macular degeneration using automatic 3-dimensional quantification 2023, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2023.1157497 PMID:36968207	研究论文	研究通过自动三维量化技术探讨年龄相关性黄斑变性中视网膜液与房水中细胞因子的关联	使用深度学习Deeplabv3+自动量化OCT图像中的视网膜液体积，并分析其与房水中细胞因子浓度的相关性	样本量较小，仅涉及20名nAMD患者的三次临床访问数据	探讨房水中细胞因子在年龄相关性黄斑变性发病机制中的生物学作用	年龄相关性黄斑变性患者的视网膜液和房水细胞因子	数字病理学	年龄相关性黄斑变性	光相干断层扫描（OCT）、深度学习Deeplabv3+、Luminex技术	Deeplabv3+	图像	20名nAMD患者的三次临床访问数据
16789	2024-09-15	Application of artificial intelligence in diagnosis and treatment of colorectal cancer: A novel Prospect 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1128084 PMID:36968824	综述	本文综述了人工智能在结直肠癌诊断和治疗中的最新进展	探讨了人工智能在结直肠癌早期筛查、生物标志物筛选、病理图像分析、辅助诊断系统、机器人手术和基因测序中的应用	NA	探讨人工智能在结直肠癌诊断和治疗中的应用前景	结直肠癌及其相关诊断和治疗技术	机器学习	结直肠癌	NA	卷积神经网络	图像	NA
16790	2024-09-15	End to End Multitask Joint Learning Model for Osteoporosis Classification in CT Images 2023, Computational intelligence and neuroscience DOI:10.1155/2023/3018320 PMID:36970245	研究论文	本文提出了一种端到端的多任务联合学习模型，用于CT图像中的骨质疏松分类	本文创新性地提出了一个结合定位、分割和分类的联合学习框架，以提高骨质疏松诊断的准确性，并引入了边界热图回归分支和门控卷积模块来优化特征提取	本文未提及具体的局限性	开发一种高效且经济的骨质疏松诊断方法	骨质疏松的分类和诊断	计算机视觉	骨质疏松	深度学习	联合学习模型	CT图像	自建数据集，测试数据集包含正常、骨质减少和骨质疏松三种标签类别，总体准确率为93.3%
16791	2024-09-15	Computational macroscopic lifetime imaging and concentration unmixing of autofluorescence 2022-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202200133 PMID:36546622	研究论文	本文介绍了一种基于单像素结构光平台的计算宏观寿命成像和自体荧光浓度解混方法	利用单像素成像技术，结合超连续可见光激发和超光谱单像素检测，实现了自体荧光强度和寿命的并行表征，并通过深度学习数据处理管道进行自体荧光解混，得到自体荧光物质的浓度	NA	开发一种新的计算成像方法，用于宏观量化自体荧光的强度和寿命	自体荧光物质，包括黄素腺嘌呤二核苷酸、核黄素和原卟啉	计算机视觉	NA	单像素成像技术	深度学习	光谱数据	临床相关的自体荧光物质样本
16792	2024-09-15	Application of Deep Learning on Single-cell RNA Sequencing Data Analysis: A Review 2022-10, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2022.11.011 PMID:36528240	综述	本文综述了深度学习在单细胞RNA测序数据分析中的应用	深度学习能够从噪声大、异质性强和高维度的单细胞RNA测序数据中提取信息丰富且紧凑的特征，从而改进下游分析	当前深度学习方法在单细胞RNA测序数据分析中面临挑战，需要进一步改进算法	综述近期开发的深度学习技术在单细胞RNA测序数据分析中的应用，并探讨其优势和潜在改进方向	单细胞RNA测序数据分析中的深度学习技术	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	NA
16793	2024-09-15	Interpretable deep learning of myelin histopathology in age-related cognitive impairment 2022-09-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-022-01425-5 PMID:36127723	研究论文	本文使用弱监督的多实例学习算法，通过分析人脑尸检组织切片的整张幻灯片图像，预测认知障碍的存在与否	本文提出了一种可扩展的平台，利用可解释的深度学习来识别认知障碍中的病理学意外方面，并可推广到其他神经生物学疾病的研究	尽管模型能够预测认知障碍的存在，但准确性仅略高于随机水平	改进识别与认知相关的组织病理学变化的方法，以无偏见的方式进行	老年捐赠者的大脑组织切片，用于预测认知障碍的存在与否	数字病理学	老年疾病	弱监督的多实例学习算法	NA	图像	367例认知障碍患者和349例无认知障碍患者的大脑组织切片
16794	2024-09-15	Polarization multiplexed diffractive computing: all-optical implementation of a group of linear transformations through a polarization-encoded diffractive network 2022-May-26, Light, science & applications DOI:10.1038/s41377-022-00849-x PMID:35614046	研究论文	本文介绍了一种极化复用衍射处理器，通过单一衍射网络实现多个任意选择的线性变换的全光学实现	本文的创新点在于引入极化复用技术，通过单一衍射网络实现多个线性变换的全光学实现	本文的局限性在于需要大量的训练样本和复杂的深度学习优化过程	研究目的是开发一种全光学实现多个线性变换的方法	研究对象是极化复用衍射网络及其在光学计算中的应用	机器学习	NA	衍射光学网络	深度学习	光学数据	数千个输入/输出场对应于每个复值线性变换的样本
16795	2024-09-15	A Lightweight Hybrid Dilated Ghost Model-Based Approach for the Prognosis of Breast Cancer 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9325452 PMID:39262920	研究论文	提出了一种基于轻量级混合扩张Ghost模型的乳腺癌预后方法	引入改进的随机通道注意力机制和DenseNet模型进行恶性细胞检测和家族分类	未提及具体局限性	提高乳腺癌恶性细胞检测和家族分类的准确性	乳腺癌恶性细胞及其家族分类	计算机视觉	乳腺癌	卷积神经网络 (CNN)	DenseNet	图像	未提及具体样本数量
16796	2024-09-15	Ten future challenges for synthetic biology 2021-Sep, Engineering biology DOI:10.1049/enb2.12011 PMID:36968258	评论	本文讨论了合成生物学领域的10个未来挑战	NA	NA	探讨合成生物学未来的技术进步和发展方向	合成生物学领域的技术挑战	合成生物学	NA	自动化、深度学习、进化控制	NA	NA	NA
16797	2024-09-14	Smartphone video imaging: A versatile, low-cost technology for food authentication 2025-Jan-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.140911 PMID:39213969	研究论文	本研究介绍了一种基于智能手机的低成本成像技术——智能手机视频成像（SVI），用于食品认证	SVI技术通过人工智能辅助，实现了对异质内容样本的分类、分析物含量的空间表示以及从视频中重建高光谱图像，超越了传统的计算机视觉方法	NA	开发一种低成本、多功能的成像技术，用于食品认证	食品样本，特别是人参和藏红花粉混合物	计算机视觉	NA	智能手机视频成像（SVI）	残差神经网络（ResNet），U-Net	视频	NA
16798	2024-09-14	The research hotspots and theme trends of artificial intelligence in nurse education: A bibliometric analysis from 1994 to 2023 2024-10, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2024.106321 PMID:39084073	综述	本文通过文献计量分析探讨了1994年至2023年间人工智能在护理教育中的研究热点和主题趋势	本文通过多种分析工具揭示了人工智能在护理教育中的研究热点和未来趋势	本文主要依赖文献计量分析，可能忽略了其他定性研究方法的贡献	探讨人工智能在护理教育中的研究热点和主题趋势	人工智能在护理教育中的应用	机器学习	NA	文献计量分析	NA	文本	135篇文章
16799	2024-09-14	Non-invasive prediction of axillary lymph node dissection exemption in breast cancer patients post-neoadjuvant therapy: A radiomics and deep learning analysis on longitudinal DCE-MRI data 2024-Oct, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2024.103786 PMID:39137488	研究论文	本研究利用放射组学和深度学习分析纵向DCE-MRI数据，预测乳腺癌患者在新辅助治疗后腋窝淋巴结切除豁免的可能性	本研究引入了一种基于支持向量机的“数据整合”模型，显著提高了腋窝淋巴结状态评估的准确性	本研究为回顾性分析，样本量有限，需要进一步的前瞻性研究验证	开发一种精确的方法来评估乳腺癌患者在新辅助治疗后腋窝淋巴结的状态	乳腺癌患者在新辅助治疗后的腋窝淋巴结状态	数字病理学	乳腺癌	动态对比增强MRI (DCE-MRI)	支持向量机 (SVM)	图像	160名乳腺癌患者
16800	2024-09-14	Artificial intelligence-assisted grading for tear trough deformity 2024-Oct, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2024.07.048 PMID:39151284	研究论文	本文研究了利用智能手机摄影和人工智能深度学习技术辅助泪沟畸形分级的方法	首次展示了使用内置智能手机摄像头和AI深度学习程序对泪沟畸形进行分类的可行性	研究样本量相对较小，且仅使用了单一的智能手机摄像头	建立一个可靠且精确的数字图像分级模型，以辅助外科医生进行临床评估和手术决策	泪沟畸形	计算机视觉	NA	深度学习	NA	图像	504名患者和983张照片