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
16901	2024-08-07	Application of computer vision and deep learning models to automatically classify medically important mosquitoes in North Borneo, Malaysia 2024-Apr, Bulletin of entomological research IF:1.6Q2 DOI:10.1017/S000748532400018X PMID:38557482	研究论文	本研究利用深度学习模型MobileNetV2自动检测和分类马来西亚北婆罗洲的城市和郊区收集的蚊子样本	开发了一个可以在实地使用的应用程序，用于自动检测蚊子，并在不同背景环境下实现了较高的准确率	未来需要更多的图像数据和更强大的深度学习架构来提高预测结果	利用深度学习模型开发一个能够自动检测蚊子的应用程序	马来西亚北婆罗洲的城市和郊区收集的蚊子样本	计算机视觉	NA	深度学习	MobileNetV2	图像	4880张蚊子图像
16902	2024-08-07	Deep learning in the radiologic diagnosis of osteoporosis: a literature review 2024-Apr, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241244754 PMID:38656208	综述	本文综述了深度学习方法在放射诊断骨质疏松症中的应用	深度学习在骨质疏松筛查中表现出显著能力	临床商业化骨质疏松诊断模型仍面临挑战	总结深度学习方法在放射诊断骨质疏松症中的应用	骨质疏松症的筛查和诊断	机器学习	骨质疏松症	深度学习	NA	图像	共包含40项研究，分为骨质疏松筛查（20项）、骨密度预测（13项）和骨质疏松骨折风险预测与检测（7项）
16903	2024-08-07	Slideflow: deep learning for digital histopathology with real-time whole-slide visualization 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05758-x PMID:38539070	研究论文	本文介绍了一个名为Slideflow的灵活深度学习库，用于数字病理学，支持多种深度学习方法，并包含一个快速的全切片接口用于部署训练好的模型	Slideflow提供了独特的工具，如全切片图像数据处理、高效的染色标准化和增强、弱监督的全切片分类、不确定性量化、特征生成、特征空间分析和可解释性	NA	开发一个灵活的深度学习库，用于数字病理学，支持多种深度学习方法，并提供一个快速的全切片接口	数字病理学中的全切片图像分析	数字病理学	NA	深度学习	CNN	图像	NA
16904	2024-08-07	Combining enhanced spectral resolution of EMG and a deep learning approach for knee pathology diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302707 PMID:38713653	研究论文	本研究开发了一种基于肌电图（EMG）的方法，结合深度学习技术用于诊断膝关节病理	利用高阶谱分析（HOSA）和深度学习技术，特别是改进的ResNet101 CNN模型，提高了膝关节病理诊断的准确性	尽管方法显示出高准确性，但仍存在一些局限性需要在未来研究中特别考虑和解决	开发一种基于EMG的诊断方法，用于识别膝关节病理，特别是膝关节骨性关节炎（KOA）	研究对象包括正常和KOA患者的膝关节周围肌肉的EMG信号	机器学习	关节疾病	高阶谱分析（HOSA）	CNN	图像	使用了公开数据库中的EMG信号数据，具体样本数量未详细说明
16905	2024-08-07	GELT: A graph embeddings based lite-transformer for knowledge tracing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301714 PMID:38713679	研究论文	本文提出了一种基于图嵌入的轻量级Transformer模型GELT，用于知识追踪任务	引入了基于图神经网络的模型GELT，并设计了一种节能注意力机制，以提高预测准确性并降低计算成本	NA	旨在解决传统深度学习模型在知识追踪任务中解释性不足的问题	研究学生技能与问题之间的关系，并预测知识状态	机器学习	NA	图嵌入	Transformer	数据集	三个公开的现实世界知识追踪数据集
16906	2024-08-07	ContourTL-Net: Contour-Based Transfer Learning Algorithm for Early-Stage Brain Tumor Detection 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/6347920 PMID:38716037	研究论文	本研究提出了一种基于轮廓的迁移学习模型ContourTL-Net，用于早期脑肿瘤检测，通过深度学习模型提高计算机化脑肿瘤检测的效率。	本研究创新性地采用了基于轮廓的MRI图像分割方法和迁移学习模型，以提高早期脑肿瘤检测的准确性和效率。	NA	旨在通过深度学习模型提高临床环境中计算机化脑肿瘤检测的效率。	早期脑肿瘤检测。	计算机视觉	脑肿瘤	深度学习	VGG-16	图像	两个基准数据集
16907	2024-08-07	Brain MRI sequence and view plane identification using deep learning 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1373502 PMID:38716062	研究论文	本文提出了一种深度学习方法，用于自动识别脑部MRI扫描的序列和视图平面	使用MobileNet-v2模型实现了高达99.76%的准确率，并在公开数据集上进行了验证	在医院来源的数据上准确率略低，为86.49%	开发一种自动识别脑部MRI序列和视图平面的工具，以辅助计算机辅助诊断工具的设计和开发	脑部MRI扫描的序列和视图平面	计算机视觉	NA	深度学习	MobileNet-v2	图像	使用了多个公开可用的在线数据集
16908	2024-08-07	Machine learning-based speech recognition system for nursing documentation - A pilot study 2023-10, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2023.105213 PMID:37690224	研究论文	本研究旨在评估基于机器学习的语音识别系统在精神科病房中减少护理记录打字工作量的有效性	本研究开发了一种基于机器学习的语音识别系统，用于提高护理文档记录的效率	语音识别转录的潜在错误需要持续识别和改进，且需要进一步研究以提高不同临床专科中护理记录数字化文档的效率和准确性	评估基于机器学习的语音识别系统在减少护理记录打字工作量方面的有效性	精神科病房的护理记录工作	机器学习	NA	机器学习	语音识别系统	文本	21名护士参与评估，共收集200条数据
16909	2024-08-07	Automated diagnosing primary open-angle glaucoma from fundus image by simulating human's grading with deep learning 2022-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17753-4 PMID:35982106	研究论文	本研究提出了一种名为GlaucomaNet的自动化分类算法，用于通过不同人群和环境下的眼底照片识别原发性开角型青光眼（POAG）	GlaucomaNet通过两个卷积神经网络模拟人类评分过程，学习区分性特征并融合特征进行评分，提高了诊断的准确性和透明度	NA	开发一种稳健且可解释的算法，自动辅助下游诊断任务	原发性开角型青光眼（POAG）	计算机视觉	眼科疾病	深度学习	卷积神经网络	图像	两个数据集：Ocular Hypertension Treatment Study (OHTS)参与者和Large-scale Attention-based Glaucoma (LAG)数据集
16910	2024-08-07	Design and evaluation of a deep learning-based automatic segmentation of maxillary and mandibular substructures using a 3D U-Net 2024-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2024.100780 PMID:38712013	研究论文	本文设计并评估了一种基于3D U-Net深度学习模型的上颌和下颌亚结构自动分割方法	该模型能够高效准确地分割上颌和下颌的亚结构，特别是在处理金属伪影的CT扫描中表现出良好的性能	上颌亚结构的分割指标略低于下颌亚结构	旨在提高头颈部癌症患者放射治疗计划中颌骨亚结构的分割准确性和效率	上颌和下颌的12个亚结构	计算机视觉	头颈部癌症	3D U-Net	U-Net	CT扫描图像	82例头颈部癌症患者的CT扫描用于模型开发，20例独立CT扫描用于评估
16911	2024-08-07	Extensive data engineering to the rescue: building a multi-species katydid detector from unbalanced, atypical training datasets 2024-Jun-24, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2023.0444 PMID:38705172	研究论文	本研究通过广泛的数据工程技术，从非平衡、不典型的训练数据集中构建了一个多物种的蟋蟀检测器	采用严格的数据工程方法，通过控制播放重录和物理基础的数据增强技术，以及调整信号处理、模型和训练参数，提高了输入数据的多样性，并开发了Koogu工具箱	研究面临有限的和不平衡的初始训练数据集，以及域不匹配的录音问题	开发一种基于深度学习的解决方案，自动识别巴拿马热带森林中31种感兴趣的蟋蟀物种	31种蟋蟀物种	自然语言处理	NA	深度学习	NA	音频	超过80种蟋蟀物种的录音
16912	2024-08-07	Unsupervised Domain Adaptation of Object Detectors: A Survey 2024-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2022.3217046 PMID:37030853	综述	本文详细描述了目标检测中的域适应问题，并提供了一系列方法的广泛综述	介绍了多种针对目标检测的域适应技术，并指出了未来研究的有前景的方向	文章未明确提及当前方法的具体局限性	旨在为模式识别专家介绍域适应问题，并展示当前研究的进展及未来研究方向	目标检测模型在标签稀缺且视觉上不同的数据集上的适应性	计算机视觉	NA	深度学习	NA	图像	NA
16913	2024-08-07	DeepSFM: Robust Deep Iterative Refinement for Structure From Motion 2024-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3307567 PMID:37669192	研究论文	本文提出了一种名为DeepSFM的物理驱动架构，用于解决Structure from Motion（SfM）问题，通过迭代细化深度和姿态来提高性能和鲁棒性	结合传统Bundle Adjustment和深度学习技术，引入3D成本体积作为显式结构约束，并使用Gated Recurrent Units（GRUs）进行深度和姿态的迭代更新	NA	提高Structure from Motion问题的解决效率和鲁棒性	图像中的深度和相机姿态	计算机视觉	NA	Gated Recurrent Units（GRUs）	深度学习模型	图像	涉及多个数据集的广泛实验
16914	2024-08-07	Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning 2024-Jun, The Laryngoscope DOI:10.1002/lary.31255 PMID:38174772	研究论文	研究使用深度学习技术自动描绘喉癌在内镜图像和视频中的表浅范围	开发了SegMENT-Plus模型，能够准确描绘喉癌边界，性能与耳鼻喉科住院医师相当，并展示了出色的泛化能力	需要临床试验来评估该技术在手术实践和切除边缘改进中的作用	探索深度学习在自动描绘喉癌表浅范围方面的潜力	喉癌的表浅范围	计算机视觉	喉癌	深度学习	SegMENT-Plus	图像	3933张喉癌图像来自557名患者
16915	2024-08-07	A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations 2024-Jun, The Laryngoscope DOI:10.1002/lary.31270 PMID:38214334	研究论文	本文展示了一种计算机视觉模型用于估计鼓膜穿孔大小的可行性	首次使用计算机视觉技术来精确测量鼓膜穿孔的大小，减少了传统视觉检查的主观误差	研究仅在较小且异质性较低的数据集上进行，需要进一步在大规模和更多样化的数据集上验证	开发一种新的方法来准确测量鼓膜穿孔的大小	鼓膜穿孔的大小	计算机视觉	NA	深度学习	CNN	图像	小样本的鼓膜穿孔图像
16916	2024-08-07	A novel deep-learning model based on τ-shaped convolutional network (τNet) with long short-term memory (LSTM) for physiological fatigue detection from EEG and EOG signals 2024-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03033-y PMID:38374416	研究论文	本文提出了一种基于τ形卷积网络（τNet）和长短期记忆（LSTM）的新型深度学习模型，用于从脑电图（EEG）和眼电图（EOG）信号中检测生理疲劳	该模型通过引入上采样特征和连接高低级特征的操作，充分利用有用信息，并结合LSTM提取长时间依赖性，提高了疲劳检测的分类准确性	NA	开发一种新的深度学习模型，以提高疲劳检测系统的准确性和效率	脑电图（EEG）和眼电图（EOG）信号	机器学习	NA	深度学习	τ形卷积网络（τNet）和长短期记忆（LSTM）	信号	两个数据集，EEG数据用于二分类，EOG数据用于三分类
16917	2024-08-07	Consistent and effective method to define the mouse estrous cycle stage by a deep learning-based model 2024-Jun-01, The Journal of endocrinology IF:3.4Q2 DOI:10.1530/JOE-23-0204 PMID:38593833	研究论文	本文提出了一种基于深度学习模型的方法，用于准确且可重复地确定小鼠动情周期的阶段	开发了一种使用深度卷积神经网络（CNN）的模型，通过像素级多类语义分割从171个苏木精染色的样本中提取图像特征，实现了对小鼠动情周期阶段的自动分类	由于M阶段时间短且不易由研究人员定义，CNN对M阶段的识别存在挑战，且缺乏适当的基准真相	开发一种可靠且有效的方法来分类小鼠动情周期的阶段	小鼠动情周期的四个阶段：发情前期（P）、发情期（E）、发情后期（M）和间情期（D）	机器学习	NA	深度卷积神经网络（CNN）	CNN	数字全玻片图像（WSIs）	171个苏木精染色的样本用于训练，148个幻灯片用于验证
16918	2024-08-07	Advanced deep learning-based image reconstruction in lumbar spine MRI at 0.55 T - Effects on image quality and acquisition time in comparison to conventional deep learning-based reconstruction 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100567 PMID:38711678	研究论文	评估在0.55T腰椎MRI中使用优化深度学习图像后处理技术对图像质量和采集时间的影响	采用先进的深度学习后处理技术（ADLR）在0.55T腰椎MRI中显著提高图像质量并减少采集时间	对于脊髓管和神经孔的可评估性，评估者间的一致性为中等	评估在0.55T腰椎MRI中使用深度学习后处理技术对图像质量和采集时间的影响	18名患者的腰椎MRI图像	计算机视觉	NA	深度学习	NA	图像	18名患者
16919	2024-08-07	VitTCR: A deep learning method for peptide recognition prediction 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109770 PMID:38711451	研究论文	本研究介绍了基于视觉转换器（ViT）架构的预测模型VitTCR，旨在识别T细胞受体（TCR）与肽之间的相互作用，这对开发癌症免疫疗法和疫苗至关重要	VitTCR通过使用Atchley因子将TCR-肽相互作用转换为数值AtchleyMaps进行预测，并集成了来自氨基酸接触概率的位置偏置权重矩阵（PBWM）以提高准确性	需要进一步的比较研究以理解VitTCR在不同情境下的有效性	开发一种计算工具，用于预测TCR-肽相互作用，为免疫疗法和疫苗开发提供见解	T细胞受体（TCR）与肽之间的相互作用	机器学习	NA	视觉转换器（ViT）	ViT	数值AtchleyMaps	NA
16920	2024-08-07	Mpox-AISM: AI-mediated super monitoring for mpox and like-mpox 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109766 PMID:38711448	研究论文	本文提出了一种名为“超级监控”的实时可视化技术，利用人工智能和互联网技术快速、便捷且廉价地诊断早期猴痘患者	本文的创新点在于整合了深度学习模型、数据增强、自监督学习和云服务，实现了对早期猴痘的高精度诊断	NA	旨在解决早期猴痘患者诊断的挑战，避免其传播	早期猴痘患者及类似猴痘的皮肤疾病	机器学习	猴痘	深度学习	深度学习模型	图像	使用了公开可访问的数据集