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
17261	2024-09-17	Semi-supervised Double Deep Learning Temporal Risk Prediction (SeDDLeR) with Electronic Health Records 2024-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104685 PMID:39004109	研究论文	本文开发了一种半监督双重深度学习时间风险预测算法（SeDDLeR），用于基于电子健康记录（EHR）数据进行未来临床事件的风险预测	提出了SeDDLeR算法，结合半监督学习和双重深度学习方法，有效利用大量未标记的纵向EHR数据和有限的黄金标准标签进行风险预测	需要进一步验证该算法在不同疾病和数据集上的泛化能力	开发一种能够有效利用电子健康记录数据进行未来临床事件风险预测的算法	电子健康记录数据和临床事件风险	机器学习	糖尿病	半监督学习、深度学习	Gated Recurrent Units (GRUs)	电子健康记录	涉及麻省总布里格姆生物库的数据，用于预测2型糖尿病风险
17262	2024-09-17	Development of a deep-learning model tailored for HER2 detection in breast cancer to aid pathologists in interpreting HER2-low cases 2024-Sep, Histopathology IF:3.9Q1 DOI:10.1111/his.15274 PMID:39004603	研究论文	本文开发了一种针对HER2检测的深度学习模型，旨在辅助病理学家解释HER2低表达的乳腺癌病例	本文的创新点在于开发了一种专门用于HER2检测的深度学习模型，并将其规则与ASCO/CAP指南对齐，以提高HER2低表达乳腺癌的检测准确性	模型在某些形态学特征和特定伪影存在时，与病理学家的HER2评分存在差异	评估深度学习模型在HER2检测中的表现，特别是HER2低表达乳腺癌的准确性	HER2低表达的乳腺癌病例	数字病理学	乳腺癌	深度学习	深度学习模型	图像	共使用了760例乳腺癌病例，包括299例训练集和369例及92例验证集
17263	2024-09-17	Leveraging advances in data-driven deep learning methods for hybrid epidemic modeling 2024-Sep, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2024.100782 PMID:38971085	研究论文	本文总结了在COVID-19情景建模中心（SMH）中使用深度学习技术进行混合流行病建模的工作	提出了一种灵活的数据驱动框架，结合深度学习技术与传统的机械模型，以评估各种未来流行病情景	NA	通过结合深度学习与机械模型，提高对流行病动态的理解和预测能力，以支持更明智的决策	COVID-19的流行病动态建模	机器学习	NA	深度学习	LSTM	多源数据	超过12轮的COVID-19情景建模数据
17264	2024-09-17	Construction and Evaluation of an AI-based CBCT Resolution Optimization Technique for Extracted Teeth 2024-Sep, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2024.05.015 PMID:38848947	研究论文	本研究构建并评估了一种基于人工智能的CBCT分辨率优化技术，用于提取牙齿的图像超分辨率处理	本研究首次使用深度学习模型Basicvsr++对CBCT图像进行超分辨率处理，以优化提取牙齿的根管形态	本研究仅限于对提取牙齿的CBCT图像进行处理，未涉及活体牙齿或其他类型的医学图像	本研究的目的是通过深度学习模型对提取的人类牙齿CBCT图像进行超分辨率处理，并比较CBCT、SRCT和Micro-CT图像的三维重建差异	本研究的对象是提取的人类牙齿，特别是上颌第一磨牙和其他牙齿位置的牙齿	计算机视觉	NA	深度学习	Basicvsr++	图像	171颗提取的牙齿，其中40颗上颌第一磨牙用于训练，40颗上颌第一磨牙和91颗其他牙齿位置的牙齿用于外部测试
17265	2024-09-17	Identification of Root Canal Morphology in Fused-rooted Mandibular Second Molars From X-ray Images Based on Deep Learning 2024-Sep, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2024.05.014 PMID:38821263	研究论文	本研究利用深度学习方法从二维X射线图像中识别融合根下颌第二磨牙的三维根管形态	本研究首次将深度学习应用于从二维X射线图像中识别融合根下颌第二磨牙的三维根管形态，并提出了一种多角度投影增强方法	本研究仅限于融合根下颌第二磨牙的根管形态识别，未涉及其他类型的牙齿	研究目的是利用深度学习技术从二维X射线图像中识别融合根下颌第二磨牙的三维根管形态，以辅助根管治疗	研究对象为271颗融合根下颌第二磨牙	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	271颗融合根下颌第二磨牙
17266	2024-09-17	Age-appropriate or delayed myelination? Scoring myelination in routine clinical MRI 2024-Sep, European journal of paediatric neurology : EJPN : official journal of the European Paediatric Neurology Society IF:2.3Q2 DOI:10.1016/j.ejpn.2024.07.010 PMID:39098096	研究论文	本文提出了一种在常规临床MRI上评估髓鞘化的标准化评分方法	开发了一种新的髓鞘化评分系统，能够在常规临床MRI上进行评估，适用于缺乏专业儿科神经放射学家的环境	目前缺乏对髓鞘化延迟患者的验证，且评分系统的实施和预处理过程较为复杂	开发一种简便易用的标准化工具，用于评估儿童髓鞘化	儿童的髓鞘化评估	医学影像	NA	MRI	NA	图像	253名0-2岁的对照组儿童
17267	2024-09-17	Developing a low-cost, open-source, locally manufactured workstation and computational pipeline for automated histopathology evaluation using deep learning 2024-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105276 PMID:39197222	研究论文	开发了一种低成本、开源、本地制造的工作站和计算管道，用于使用深度学习的自动化病理学评估	提出了一种低成本的开源工作站，用于数字切片捕获和计算分析，与传统的高成本硬件相比，模型性能相当	未提及	验证低成本自动化诊断工具在低资源环境中部署的可行性，以帮助医疗保健提供者管理癌症负担	头颈部鳞状细胞癌、肺癌和乳腺癌的病理图像分类	数字病理学	癌症	深度学习	深度学习模型	图像	三个不同数据集：头颈部鳞状细胞癌、肺癌和乳腺癌
17268	2024-09-17	The Effect of the MFCC Frame Length in Automatic Voice Pathology Detection 2024-Sep, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2022.03.021 PMID:35490081	研究论文	研究了MFCC帧长度对自动语音病理检测的影响	首次系统研究了MFCC帧长度对自动语音病理检测的影响	仅使用了Saarbrücken Voice Disorders数据库中的三种疾病数据	探讨MFCC帧长度对自动语音病理检测性能的影响	超动性发声障碍、低动性发声障碍和反流性喉炎	机器学习	NA	MFCC特征提取	支持向量机	语音	使用了Saarbrücken Voice Disorders数据库中的三种疾病数据
17269	2024-09-17	Wi-Fi Fingerprint Indoor Localization by Semi-Supervised Generative Adversarial Network 2024-Sep-01, Sensors (Basel, Switzerland) DOI:10.3390/s24175698 PMID:39275609	研究论文	本文提出了一种基于半监督生成对抗网络的Wi-Fi指纹室内定位方法	提出了一种新的Wi-Fi半监督生成对抗网络（SSGAN），能够生成逼真的可训练指纹数据，并集成了定位模型，无需外部定位方法	NA	减少Wi-Fi指纹室内定位中手动数据收集和标注的成本与工作量	Wi-Fi信号强度测量数据和室内定位	机器学习	NA	生成对抗网络（GAN）	半监督生成对抗网络（SSGAN）	Wi-Fi信号强度数据	多层地标定位实验中，实验结果显示比标准监督深度神经网络提高了35%的准确性
17270	2024-09-17	Early surveillance of rice bakanae disease using deep learning and hyperspectral imaging 2024-Sep, aBIOTECH IF:4.6Q1 DOI:10.1007/s42994-024-00169-1 PMID:39279856	研究论文	本研究利用高光谱成像技术和深度学习算法实现了水稻恶苗病的现场检测	结合高光谱成像技术和深度学习算法，建立了Rice Bakanae Disease-Visual Geometry Group (RBD-VGG)模型，实现了早期水稻恶苗病的检测	NA	开发一种高效、无损的水稻恶苗病监测方法，以保障水稻生产	水稻恶苗病	计算机视觉	水稻病害	高光谱成像技术	深度学习模型	高光谱数据	感染后第9天、第15天和第21天的水稻幼苗
17271	2024-09-17	Integration of Diffusion Transformer and Knowledge Graph for Efficient Cucumber Disease Detection in Agriculture 2024-Aug-31, Plants (Basel, Switzerland) DOI:10.3390/plants13172435 PMID:39273919	研究论文	本文提出了一种结合知识图谱和扩散Transformer的深度学习方法，用于黄瓜病害检测	通过引入扩散注意力机制和扩散损失函数，增强了模型识别复杂农业病害特征的能力，并有效解决了样本不平衡问题	NA	提高黄瓜病害检测的准确性和效率	黄瓜病害	机器学习	NA	扩散Transformer	Transformer	图像	NA
17272	2024-09-17	UAV Visual and Thermographic Power Line Detection Using Deep Learning 2024-Aug-31, Sensors (Basel, Switzerland) DOI:10.3390/s24175678 PMID:39275590	研究论文	本文提出了一种基于深度学习的无人机视觉和热成像电力线检测方法	使用YOLOv8模型进行电力线检测，并在无人机上进行验证，取得了高精度的检测结果	未提及具体限制	开发一种能够安全自主检测电力线的无人机系统	电力线及其潜在缺陷	计算机视觉	NA	深度学习	YOLOv8	图像	未提及具体样本数量
17273	2024-09-17	Automated Crack Detection in Monolithic Zirconia Crowns Using Acoustic Emission and Deep Learning Techniques 2024-Aug-31, Sensors (Basel, Switzerland) DOI:10.3390/s24175682 PMID:39275594	研究论文	研究利用声发射信号和深度学习技术自动检测单片氧化锆冠中的裂纹	开发了一种基于Inception-ResNet-v2的多类语义分割CNN图像分割模型，用于自动分类氧化锆冠中的裂纹	NA	探索将声发射信号转换为连续小波变换，并结合卷积神经网络辅助裂纹检测的潜力	单片氧化锆冠中的裂纹	计算机视觉	NA	声发射信号，连续小波变换	卷积神经网络	图像	2000个训练周期
17274	2024-09-17	Profile Photograph Classification Performance of Deep Learning Algorithms Trained Using Cephalometric Measurements: A Preliminary Study 2024-Aug-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171916 PMID:39272701	研究论文	本研究评估了使用基于头影测量值分组的病人照片训练的深度学习算法对面部轮廓照片的分类性能	首次尝试使用根据实际头影测量值训练的人工智能架构对临床照片进行分类，从而在未来应用中减少或消除对头影X光的需求	本研究为初步研究，样本量有限，且仅限于特定参数的分类	评估深度学习算法在根据头影测量值分组的病人照片上的分类准确性	990名病人的头影测量放射片和面部轮廓照片	计算机视觉	NA	深度学习算法	深度学习模型	图像	990名病人
17275	2024-09-17	Foundational Models for Pathology and Endoscopy Images: Application for Gastric Inflammation 2024-Aug-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171912 PMID:39272697	综述	本文综述了基础模型在病理学和内窥镜图像中的应用，特别是针对胃炎的诊断	探讨了基础模型在提高内窥镜和后续病理图像分析准确性方面的潜力	未具体提及	探讨基础模型在胃癌预防和管理中的应用，以改善患者预后	胃癌及其相关炎症的早期检测和诊断	数字病理学	胃癌	机器学习	基础模型	图像	NA
17276	2024-09-17	Variational Autoencoders for Network Lifetime Enhancement in Wireless Sensors 2024-Aug-30, Sensors (Basel, Switzerland) DOI:10.3390/s24175630 PMID:39275544	研究论文	本文提出了一种基于变分自编码器（VAE）的深度学习方法，用于提高无线传感器网络（WSN）的能量效率	通过使用变分自编码器对传输数据进行压缩，保留了传感器数据的重要特征，而不是提供固定大小的潜在表示	NA	提高无线传感器网络的能量效率	无线传感器网络中的数据传输过程	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	传感器数据	使用公开的无线传感器数据进行验证
17277	2024-09-17	A Review of Vision-Based Pothole Detection Methods Using Computer Vision and Machine Learning 2024-Aug-30, Sensors (Basel, Switzerland) DOI:10.3390/s24175652 PMID:39275561	综述	本文综述了基于计算机视觉和机器学习的坑洞检测方法	本文强调了结合传统图像处理和高级机器学习技术的混合方法在坑洞检测中提供了最高的准确性	NA	旨在提供关于坑洞检测的计算机视觉和机器学习算法的全面概述	坑洞检测方法	计算机视觉	NA	计算机视觉、机器学习	混合方法	图像、3D点云	NA
17278	2024-09-17	A Deep Learning Framework for Evaluating the Over-the-Air Performance of the Antenna in Mobile Terminals 2024-Aug-30, Sensors (Basel, Switzerland) DOI:10.3390/s24175646 PMID:39275557	研究论文	介绍了一种名为RTEEMF-PhoneAnts的新型深度学习框架，用于高效评估移动终端天线的性能	通过使用卷积神经网络模型，利用近场电磁场分布预测有效全向辐射功率、总辐射功率和特定吸收率，显著提高了计算效率	NA	开发一种高效的深度学习框架，替代传统耗时的全波数值模拟方法	移动终端天线的性能评估	机器学习	NA	深度学习	卷积神经网络	近场电磁场分布	7000个移动电话模型
17279	2024-09-17	Deep Learning-Based Joint Effusion Classification in Adult Knee Radiographs: A Multi-Center Prospective Study 2024-Aug-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171900 PMID:39272685	研究论文	本文研究了基于深度学习的成人膝关节放射影像中的关节积液分类	提出了一种新的预处理技术，优化图像以诊断膝关节积液，并结合可解释的人工智能方法提高诊断性能和可解释性	NA	开发一种自动检测膝关节放射影像中关节积液的方法	膝关节放射影像中的关节积液	计算机视觉	骨关节炎	深度学习	深度学习分类模型	图像	1281张膝关节放射影像
17280	2024-09-17	Drug Repurposing Approach to Identify Candidate Drug Molecules for Hepatocellular Carcinoma 2024-Aug-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25179392 PMID:39273340	研究论文	本研究通过重新利用现有化合物，利用机器学习工具MDeePred，识别肝细胞癌治疗的候选药物分子	本研究展示了MDeePred深度学习工具在癌症治疗中的计算机药物重新定位应用	本研究仅限于计算机模拟和初步的药物性质分析，未进行实验验证	识别肝细胞癌治疗的候选药物分子	肝细胞癌及其相关药物分子	机器学习	肝癌	MDeePred	深度学习	药物目标相互作用数据	380个药物目标相互作用数据中筛选出6个进行进一步分析