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
17001	2024-09-20	Enhancing Disease Classification in Abdominal CT Scans through RGB Superposition Methods and 2D Convolutional Neural Networks: A Study of Appendicitis and Diverticulitis 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/7714483 PMID:37284168	研究论文	本文提出了一种利用RGB叠加方法和2D卷积神经网络增强腹部CT扫描中疾病分类的方法，主要研究了阑尾炎和憩室炎的诊断	本文创新性地使用RGB通道叠加图像作为模型输入，相比传统的3D CNN方法，减少了数据需求和计算资源，提高了分类性能	本文未详细讨论模型在其他疾病或不同数据集上的泛化能力	提高腹部CT扫描中阑尾炎和憩室炎的分类准确性	阑尾炎和憩室炎	计算机视觉	NA	2D卷积神经网络	EfficientNet	图像	未明确提及具体样本数量
17002	2024-09-20	Hematologic Cancer Detection Using White Blood Cancerous Cells Empowered with Transfer Learning and Image Processing 2023, Journal of healthcare engineering DOI:10.1155/2023/1406545 PMID:37284488	研究论文	本文提出了一种利用迁移学习和图像处理技术增强的深度学习模型，用于检测血液癌症	本文的创新点在于结合了迁移学习和图像处理技术，提高了血液癌症检测的准确性	本文的局限性在于仅使用了AlexNet、MobileNet和ResNet模型，未探索其他可能更优的模型	本文的研究目的是提高血液癌症的早期预测和治疗效果	本文的研究对象是血液癌症中的淋巴瘤和白血病	计算机视觉	血液癌症	迁移学习、图像处理	深度学习模型（AlexNet、MobileNet、ResNet）	图像	使用了大量的白血癌细胞图像进行训练和测试
17003	2024-09-20	Do poverty and wealth look the same the world over? A comparative study of 12 cities from five high-income countries using street images 2023, EPJ data science IF:3.0Q1 DOI:10.1140/epjds/s13688-023-00394-6 PMID:37293269	研究论文	本文通过分析来自五个高收入国家的12个城市的720万张街道图像，使用计算机视觉和深度学习方法，比较了不同城市中贫困和富裕社区的视觉相似性	本文首次在多个国家和城市之间进行街道图像的比较分析，揭示了贫困和富裕社区在视觉特征上的差异，并探讨了这些差异的历史、政策和地理因素	研究结果表明，基于图像的不平等测量方法在不同城市之间存在误差，尤其是在贫困地区，需要进一步改进以捕捉全球城市间的异质性	研究不同城市和国家中贫困和富裕社区的视觉相似性，并探讨这些差异的影响因素	来自五个高收入国家的12个城市的街道图像	计算机视觉	NA	深度学习	NA	图像	720万张街道图像，来自12个城市的超过8500万人
17004	2024-09-20	The current state of artificial intelligence in endoscopic diagnosis of early esophageal squamous cell carcinoma 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1198941 PMID:37293591	综述	本文综述了人工智能在早期食管鳞状细胞癌内镜诊断中的现状	人工智能通过深度学习模型中的卷积神经网络（CNN）提取图像数据的关键特征，并进行图像分类，显著提高了内镜图像分类的准确性	人工智能系统的训练数据集存在选择性偏差，影响其通用性	探讨人工智能在早期食管鳞状细胞癌内镜诊断和侵袭深度预测中的应用	早期食管鳞状细胞癌	计算机视觉	食管癌	深度学习	卷积神经网络（CNN）	图像	NA
17005	2024-09-20	Near-Field Microwave Scattering Formulation by A Deep Learning Method 2022-Nov, IEEE transactions on microwave theory and techniques IF:4.1Q2 DOI:10.1109/tmtt.2022.3184331 PMID:37313124	研究论文	本文应用深度学习方法对微波乳房成像中的电磁散射进行建模	本文首次将深度学习方法应用于微波乳房成像中的电磁散射建模，并展示了其计算速度上的显著优势	深度学习方法产生的误差对图像结果影响不大，但仍需进一步验证其在不同条件下的表现	探索深度学习在电磁散射计算中的应用潜力	微波乳房成像中的电磁散射	机器学习	NA	深度学习	神经网络 (NN)	图像	18,000个合成数字乳房幻影
17006	2024-09-20	On the Versatile Uses of Partial Distance Correlation in Deep Learning 2022-Oct, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-19809-0_19 PMID:37255993	研究论文	本文探讨了部分距离相关性在深度学习中的多种应用	重新审视了统计学中的距离相关性及其部分变体，并将其应用于大规模模型的功能比较	NA	研究神经网络模型功能行为的比较方法，以理解其学习内容及改进策略	神经网络模型的功能行为比较	机器学习	NA	距离相关性分析	神经网络	特征空间	NA
17007	2024-09-20	Analyzing the public sentiment on COVID-19 vaccination in social media: Bangladesh context 2022-Sep, Array (New York, N.Y.) DOI:10.1016/j.array.2022.100204 PMID:35722449	研究论文	研究分析了孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪	使用LDA模型提取了关于疫苗和接种过程的最常见话题，并应用了深度学习和传统机器学习算法来识别公众情绪和极性	未提及具体的研究局限性	分析孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪，以帮助政府为未来疫情做准备	孟加拉国社交媒体用户关于COVID-19疫苗和接种过程的观点和情绪	自然语言处理	NA	Latent Dirichlet Allocation (LDA)模型，深度学习和传统机器学习算法	LDA，深度学习模型和传统机器学习模型	文本	孟加拉国社交媒体用户的反应
17008	2024-09-20	Deformable MR-CT image registration using an unsupervised, dual-channel network for neurosurgical guidance 2022-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102292 PMID:34784539	研究论文	本文提出了一种无监督的深度学习框架，用于神经外科手术指导中的术前MR和术中CT图像的变形配准	创新点在于使用双通道网络进行配准，并结合合成不确定性提供空间变化的权重，以及端到端的联合优化训练策略	NA	旨在提高微创颅内神经外科手术的精度，解决脑组织变形问题	术前MR和术中CT图像的变形配准	计算机视觉	神经外科疾病	深度学习	双通道网络	图像	使用了三个数据集：模拟变形的MR/CT配对数据、真实变形的MR/CT配对数据和真实神经外科手术数据
17009	2024-09-20	Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2021, Journal of healthcare engineering DOI:10.1155/2021/3215107 PMID:39290779	研究论文	本文提出了一种基于改进的全局注意力上采样U-Net模型的主次路径注意力补偿网络结构，用于急性缺血性卒中患者的缺血半暗带和核心梗死体积的分割	提出了主次路径注意力补偿网络结构，通过辅助路径网络生成松散的辅助注意力补偿系数，弥补主路径网络中可能的注意力系数错误	文章未明确提及具体的局限性	研究多模态CT在急性缺血性卒中患者中对侧支循环、缺血半暗带、核心梗死体积的定量评估及其在静脉溶栓治疗中的预后评估价值	急性缺血性卒中患者的缺血半暗带、核心梗死体积及静脉溶栓治疗的预后	计算机视觉	脑血管疾病	深度学习	U-Net	图像	未明确提及具体样本数量
17010	2024-09-20	Enhanced bat algorithm for COVID-19 short-term forecasting using optimized LSTM 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06075-8 PMID:34393647	研究论文	本文提出了一种优化的长短期记忆网络（LSTM）用于COVID-19病例的短期预测，并使用增强的蝙蝠算法（BA）进行优化	本文提出了一种增强的蝙蝠算法，通过使用高斯自适应惯性权重和替换随机漫步为高斯漫步来解决过早收敛和局部最小值问题	NA	提高COVID-19病例预测的准确性，帮助控制疫情	COVID-19病例的短期预测	机器学习	COVID-19	蝙蝠算法	LSTM	时间序列数据	NA
17011	2024-09-19	Harnessing deep learning for detection of diabetic retinopathy in geriatric group using optical coherence tomography angiography-OCTA: A promising approach 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102910 PMID:39280760	研究论文	本文提出了一种利用光学相干断层扫描血管造影（OCTA）图像和深度学习算法检测老年糖尿病视网膜病变的方法	结合OCTA和深度学习技术，提出了一种创新的方法来提高老年糖尿病视网膜病变的诊断准确性	NA	提高老年糖尿病视网膜病变的早期检测和管理	老年糖尿病视网膜病变患者	计算机视觉	老年疾病	光学相干断层扫描血管造影（OCTA）	卷积神经网络（CNN）	图像	262张OCTA扫描图像，来自179名老年个体，包括糖尿病患者和非糖尿病患者
17012	2024-09-19	A dataset of the 2023 presidential election in Nigeria 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110847 PMID:39290427	研究论文	本文介绍了2023年尼日利亚总统选举的推特数据集，并探讨了社交媒体在政治发展和情感分析中的作用	本文首次收集并分析了2023年尼日利亚总统选举相关的推特数据，展示了深度学习在情感分析中的应用	数据集仅包含推特上的公开信息，可能无法全面反映所有选民的意见	研究社交媒体在政治发展和情感分析中的作用	2023年尼日利亚总统选举相关的推特数据	自然语言处理	NA	深度学习	NA	文本	364,867条推文
17013	2024-09-19	Prediction of Functional and Anatomic Progression in Lamellar Macular Holes 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100529 PMID:39280348	研究论文	使用人工智能识别层状黄斑孔的解剖和功能进展的影像生物标志物，并基于OCT和OCTA构建深度学习模型预测未治疗层状黄斑孔的视力损失	首次使用深度学习模型预测层状黄斑孔的功能进展，并识别出关键的影像生物标志物	研究为回顾性观察性研究，样本量有限，且仅限于特定类型的层状黄斑孔	开发和验证一种基于OCT和OCTA的深度学习模型，用于预测层状黄斑孔的功能和解剖进展	层状黄斑孔患者的功能和解剖进展	计算机视觉	眼科疾病	深度学习	深度学习模型	影像数据	139只眼，其中41只眼属于功能进展组，98只眼属于功能稳定组
17014	2024-09-19	Unifying antimicrobial peptide datasets for robust deep learning-based classification 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110822 PMID:39281014	研究论文	本文通过整合来自豆科植物种子的抗菌肽序列，开发了一个新的非冗余数据库，用于抗菌肽的二分类和预测	提出了一个新的非冗余抗菌肽序列数据库，解决了现有数据库中序列重叠的问题	NA	开发一个更精确的抗菌肽序列数据库，以支持可持续农业实践	豆科植物种子中的抗菌肽	计算生物学	NA	深度学习	二分类模型	序列数据	来自不同来源和功能的抗菌肽序列
17015	2024-09-19	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	本文介绍了一种名为PheW2P2V的表型广泛预测框架，利用加权患者表示从电子健康记录中进行预测	PheW2P2V通过加权患者向量进行定制化预测，利用医疗概念嵌入和相关病史的加权，提高了对罕见表型的预测能力	需要进一步研究评估嵌入在不同数据库之间的可转移性	开发一种能够从电子健康记录中进行表型广泛预测的计算工具	电子健康记录中的患者病史数据	机器学习	NA	加权患者向量计算	NA	文本	使用MIMIC-III数据库进行942种表型的预测
17016	2024-09-19	Deep-learning optical flow for measuring velocity fields from experimental data 2024-Sep-18, Soft matter IF:2.9Q2 DOI:10.1039/d4sm00483c PMID:39225732	研究论文	本文研究了基于深度学习的光流法（DLOF）在实验数据中测量速度场的应用	DLOF在密集标记样本中比粒子图像测速法（PIV）产生更准确的速度场，并能克服PIV在高密度下无法可靠区分对比度变化的局限	对于稀疏标记样本，DLOF与PIV结果相当，但DLOF提供更高分辨率的速度场	评估光流法在量化微管（MT）基活性向列体自发流动中的能力，并比较其与粒子图像测速法的性能	微管（MT）基活性向列体在不同标记条件下的自发流动	计算机视觉	NA	深度学习	卷积神经网络（CNN）	视频	不同标记条件下的微管（MT）基活性向列体样本
17017	2024-09-19	Crystal structure prediction and property calculation of copper-oxygen compounds using innovative search software from first principles 2024-Sep-18, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp02501f PMID:39248038	研究论文	使用基于贝叶斯优化算法的深度学习晶体结构预测软件CBD-GM，预测了Cu(I)和Cu(II)氧化物的2D和3D材料的结构，并通过密度泛函理论（DFT）优化和分析了这些结构	提出了基于贝叶斯优化算法的深度学习晶体结构预测软件CBD-GM，并成功预测了5种新型铜氧化物结构	NA	预测和计算铜氧化物的晶体结构及其性质，为工业应用提供新的铜氧化物合成灵感	Cu(I)和Cu(II)氧化物的2D和3D材料	材料科学	NA	密度泛函理论（DFT）	贝叶斯优化算法	晶体结构	9种结构（包括2种已知的2D结构、2种已知的3D结构和5种新型结构）
17018	2024-09-19	Deep learning-based prediction of the dose-volume histograms for volumetric modulated arc therapy of left-sided breast cancer 2024-Sep-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17410 PMID:39291645	研究论文	研究利用深度学习预测左侧乳腺癌患者在容积旋转调强放疗中的剂量体积直方图	本研究首次探索了深度学习在预测左侧乳腺癌患者接受容积旋转调强放疗时器官剂量体积直方图方面的应用	研究样本仅限于左侧乳腺癌患者，且模型仅在特定数据集上进行了验证	开发一个基于深度学习的框架，用于预测左侧乳腺癌治疗中器官特定的剂量体积直方图	左侧乳腺癌患者在接受容积旋转调强放疗时的器官剂量体积直方图	机器学习	乳腺癌	深度学习	DenseNet架构与循环神经网络	图像	249名左侧乳腺癌患者
17019	2024-09-19	Deep learning classification method for boar sperm morphology analysis 2024-Sep-17, Andrology IF:3.2Q1 DOI:10.1111/andr.13758 PMID:39287620	研究论文	本文提出了一种结合深度学习和基于图像的流式细胞术（IBFC）的新方法，用于客观和准确地分析猪精子形态和无标记的顶体健康状况	本文的创新点在于利用深度学习技术与高吞吐量的IBFC相结合，实现了对数千个精子形态和顶体健康状况的自动化分析，取代了传统的手动显微镜计数方法	NA	克服传统手动计数方法的局限性，开发一种自动化、客观和准确的猪精子形态和顶体健康分析方法	猪精子形态和顶体健康状况	计算机视觉	NA	基于图像的流式细胞术（IBFC）	卷积神经网络（CNN）	图像	10,000个精子样本
17020	2024-09-19	Deep learning-assisted distinguishing breast phyllodes tumors from fibroadenomas based on ultrasound images: a diagnostic study 2024-Sep-17, The British journal of radiology DOI:10.1093/bjr/tqae147 PMID:39288312	研究论文	本文评估了基于超声图像的深度学习模型在区分乳腺叶状肿瘤和纤维腺瘤中的表现及其在不同经验放射科医生中的临床应用	开发并验证了一个基于最大可用数据集的深度学习模型，用于辅助诊断叶状肿瘤，该模型有望帮助放射科医生更精确地区分两种难以识别的乳腺肿瘤类型	NA	评估深度学习模型在区分乳腺叶状肿瘤和纤维腺瘤中的表现及其临床应用	乳腺叶状肿瘤和纤维腺瘤的超声图像	计算机视觉	乳腺肿瘤	深度学习	Xception模型	图像	1180张超声图像，来自539名患者（247例叶状肿瘤和292例纤维腺瘤）