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
17481	2024-09-13	[Study of attention deficit/hyperactivity disorder classification based on convolutional neural networks] 2017-Feb, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi PMID:29717596	研究论文	本文提出了一种基于卷积神经网络的注意力缺陷/多动障碍（ADHD）分类算法	利用粗分割和深度学习方法，提高了ADHD分类的准确性，并简化了计算过程	未提及具体的局限性	解决ADHD诊断中高误诊率和漏诊率的问题	ADHD患者和正常人群的分类	计算机视觉	精神疾病	卷积神经网络	CNN	图像	未提及具体样本数量
17482	2024-09-11	Real-time sign language detection: Empowering the disabled community 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102901 PMID:39247156	研究论文	本文提出了一种实时手语检测系统，旨在帮助残疾人士进行交流	使用预训练的VGG16卷积神经网络（CNN）结合注意力机制，实现了高精度的印度手语（ISL）分类，并实现了实时处理	NA	开发一种高效的实时手语检测系统，以帮助残疾人士进行交流	印度手语（ISL）中的23种手势	计算机视觉	NA	卷积神经网络（CNN）	VGG16	图像	23种手势
17483	2024-09-11	Semi-Supervised Semantic Image Segmentation by Deep Diffusion Models and Generative Adversarial Networks 2024-Nov, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500576 PMID:39155691	研究论文	本文提出了一种结合生成对抗网络（GAN）和生成扩散模型的半监督语义图像分割方法	本文创新性地将生成扩散模型与EditGAN结合，提高了图像分割任务的性能	NA	减少图像分割任务中对大量像素级标注数据的依赖	多类和二进制标签的图像分割任务	计算机视觉	NA	生成对抗网络（GAN）、生成扩散模型	GAN	图像	多个分割数据集，包括ISIC数据集
17484	2024-09-11	2.5D deep learning based on multi-parameter MRI to differentiate primary lung cancer pathological subtypes in patients with brain metastases 2024-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111712 PMID:39222565	研究论文	本文研究了基于多参数MRI的2.5D深度学习模型在区分脑转移肺癌病理亚型中的应用	首次探讨了2.5D深度学习在区分脑转移肺癌病理亚型中的应用	研究为回顾性，样本量有限	开发一种有效的方法来区分脑转移肺癌的病理亚型	脑转移肺癌患者	计算机视觉	肺癌	多参数MRI	2.5D深度学习模型	图像	250名患者，其中训练集175名，测试集75名
17485	2024-09-11	Efficient EEG Feature Learning Model Combining Random Convolutional Kernel with Wavelet Scattering for Seizure Detection 2024-Nov, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500606 PMID:39252680	研究论文	本文提出了一种结合随机卷积核与小波散射网络的高效EEG特征学习模型，用于癫痫发作检测	将随机卷积核嵌入小波散射网络结构中，并结合ANOVA和MRMR方法筛选显著EEG特征，提高了模型的泛化性能和计算效率	NA	开发一种高效的EEG特征学习模型，用于癫痫发作检测	EEG信号和癫痫发作检测	机器学习	癫痫	随机卷积核变换（ROCKET）	小波散射网络	EEG信号	头皮和颅内EEG数据库
17486	2024-09-11	Advancing Glaucoma Diagnosis: Employing Confidence-Calibrated Label Smoothing Loss for Model Calibration 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100555 PMID:39253549	研究论文	本文旨在通过使用一种名为置信校准标签平滑（CC-LS）损失函数的特殊损失函数来提高青光眼分类机器学习模型的校准	本文提出了一种新的置信校准标签平滑（CC-LS）损失函数，该函数结合了标签平滑和置信惩罚技术，专门用于青光眼检测，以在不牺牲准确性的情况下改进模型校准	NA	提高机器学习模型在青光眼分类中的校准	青光眼分类的机器学习模型	机器学习	眼科疾病	置信校准标签平滑（CC-LS）损失函数	深度学习模型	图像	外部数据集包括482张正常眼底图像和168张青光眼眼底图像，以及720张正常眼底图像和80张青光眼眼底图像；内部数据集包括每类4639张图像；验证集包括47913张正常眼底图像和1629张青光眼眼底图像
17487	2024-09-11	Patient-specific cerebral 3D vessel model reconstruction using deep learning 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03136-6 PMID:38802608	研究论文	本研究利用深度学习方法从患者特定的磁共振血管造影图像中重建三维血管模型	首次使用深度学习技术进行患者特定三维血管模型的重建，并展示了其在血流模拟中的应用	研究样本量较小，未来需要进一步验证深度学习技术在医学图像处理中的应用	开发一种基于深度学习的血管模型重建方法，以减少手动操作的需求	40名患有颈内动脉瘤的患者	计算机视觉	心血管疾病	深度学习	U-net	图像	40名患者，60例病例
17488	2024-09-11	Hybrid optimal feature selection-based iterative deep convolution learning for COVID-19 classification system 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109031 PMID:39173484	研究论文	本文提出了一种基于混合最优特征选择和迭代深度卷积学习的COVID-19分类系统	本文创新性地结合了物联网数据和深度学习技术，通过优化算法提取疾病特征，并使用一维卷积神经网络进行分类	NA	开发一种高效的方法用于COVID-19的早期检测和诊断	COVID-19样本数据和物联网设备生成的数据	机器学习	COVID-19	深度学习	一维卷积神经网络（1D-CNN）	数据	大量COVID-19样本
17489	2024-09-11	Depth estimation from monocular endoscopy using simulation and image transfer approach 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109038 PMID:39178804	研究论文	本文提出了一种从单目内窥镜图像中估计深度的方法，通过模拟和图像迁移技术训练深度估计网络模型	本文创新性地使用Unity生成模拟内窥镜图像和深度图，并通过循环生成对抗网络增强模拟图像的真实感，最终训练深度学习模型进行深度估计	NA	开发一种从单目内窥镜图像中准确估计深度的方法，以提高导航系统的有效性	内窥镜图像的深度估计	计算机视觉	NA	深度学习	生成对抗网络	图像	使用从分割的计算机断层扫描结肠成像数据中获得的结肠表面模型生成的模拟内窥镜图像和深度图进行训练
17490	2024-09-11	Skeleton-guided multi-scale dual-coordinate attention aggregation network for retinal blood vessel segmentation 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109027 PMID:39178808	研究论文	本文提出了一种用于视网膜血管分割的骨架引导多尺度双坐标注意力聚合网络（SMDAA）	SMDAA网络包含三个创新模块：双坐标注意力（DCA）、不平衡像素放大器（UPA）和血管骨架引导（VSG），分别用于解决类不平衡问题、提高分割精度和保持血管结构连续性	NA	提高视网膜血管分割的准确性和连续性	视网膜血管	计算机视觉	NA	深度学习	SMDAA网络	图像	三个公共数据集（DRIVE、STARE和CHASE_DB1）
17491	2024-09-11	RETNet: Resolution enhancement Transformer network for magnetic particle imaging based on X-space 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109043 PMID:39191080	研究论文	本文提出了一种用于磁粒子成像分辨率增强的Transformer网络RETNet	RETNet利用浅层特征提取器、跨尺度Transformer和残差Swin Transformer分别提取浅层特征、纹理特征和结构特征，并通过图像重建模块聚合这些特征以重建高分辨率图像	NA	提高磁粒子成像的空间分辨率	磁粒子成像中的低分辨率图像	计算机视觉	NA	深度学习	Transformer	图像	包括仿真、模型和体内实验
17492	2024-09-11	A novel pipeline employing deep multi-attention channels network for the autonomous detection of metastasizing cells through fluorescence microscopy 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109052 PMID:39216406	研究论文	本文开发了一种基于深度多注意力通道网络的计算管道，用于通过荧光显微镜自动检测转移细胞	本文引入了新的多注意力通道架构，并开发了一种可解释的全局解释方法，以确保网络的高解释性	NA	研究细胞骨架中肌动蛋白和波形蛋白中间丝的空间组织变化，以区分正常细胞和转移细胞，从而改进癌症诊断和治疗	正常人类细胞及其同基因匹配的、致癌转化的、侵袭性和转移性对应物	数字病理学	NA	深度学习方法	多注意力通道网络	图像	NA
17493	2024-09-11	WeedCube: Proximal hyperspectral image dataset of crops and weeds for machine learning applications 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110837 PMID:39252779	研究论文	介绍了一个名为WeedCube的数据集，包含用于机器学习应用的作物和杂草的近红外高光谱图像	提供了160个校准的高光谱图像，并附有Jupyter Notebook脚本用于数据增强和可视化，支持杂草分类和识别研究	NA	支持杂草分类或识别研究，验证现有模型的泛化能力	油菜、大豆、甜菜和四种入侵杂草的高光谱图像	机器学习	NA	高光谱成像	NA	高光谱图像	160个校准图像，可通过选择更小的感兴趣区域（ROI）增加图像数量
17494	2024-09-11	Physics-driven unsupervised deep learning network for programmable metasurface-based beamforming 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110595 PMID:39246440	研究论文	本文提出了一种基于可编程超表面的物理驱动无监督深度学习网络，用于波束成形	引入了一种物理辅助深度学习模型，能够在毫秒级内计算出编码模式，显著提高了计算效率	NA	开发一种快速优化可编程超表面编码模式的方法，以实现高效的电磁波操控	可编程超表面的编码模式及其在波束成形中的应用	机器学习	NA	深度学习	深度学习模型	电磁波辐射模式	涉及单波束和双波束场景的多个编码模式
17495	2024-09-11	Single-Molecule Identification and Quantification of Steviol Glycosides with a Deep Learning-Powered Nanopore Sensor 2024-Sep-10, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c07038 PMID:39189792	研究论文	本文展示了利用深度学习驱动的纳米孔传感器进行单分子甜菊糖苷的识别和定量	利用野生型aerolysin纳米孔在不同电压下通过电渗流效应检测和区分多种甜菊糖苷，并基于15种甜菊糖苷的纳米孔数据创建了深度学习模型，实现了单分子级别的快速、自动化和精确识别与定量	NA	开发一种新方法用于甜菊糖苷的精确结构分析和质量保证	甜菊糖苷及其在单分子级别的识别和定量	机器学习	NA	纳米孔传感	深度学习模型	纳米孔数据	15种甜菊糖苷
17496	2024-09-11	Deep Learning Potential Assisted Prediction of Local Structure and Thermophysical Properties of the SrCl2-KCl-MgCl2 Melt 2024-Sep-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00824 PMID:39195736	研究论文	本文利用深度学习驱动的分子动力学揭示了SrCl2-KCl-MgCl2熔体的局部结构和热物理性质	通过机器学习驱动的深度势能分子动力学方法，首次系统地研究了SrCl2-KCl-MgCl2熔体的局部结构和热物理性质	NA	旨在通过深度学习方法预测和分析SrCl2-KCl-MgCl2熔体的局部结构和热物理性质，以促进熔盐电解法制备Mg-Sr合金的发展	SrCl2-KCl-MgCl2熔体的局部结构和热物理性质	机器学习	NA	深度势能分子动力学	NA	NA	温度范围从873到1173 K的SrCl2-KCl-MgCl2熔体
17497	2024-09-11	Deep Learning-Based Kinetic Analysis in Paper-Based Analytical Cartridges Integrated with Field-Effect Transistors 2024-Sep-10, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c02897 PMID:39252606	研究论文	本研究探讨了将场效应晶体管（FET）、纸基分析卡和深度学习（DL）计算能力融合，用于通过动力学分析进行定量生物传感	本研究创新地将FET传感器与纸基分析卡结合，利用深度学习分析动力学数据，解决了传统FET生物传感器中的样本矩阵干扰问题	NA	研究目的是通过集成FET传感器和深度学习技术，提高生物传感器的灵敏度和准确性，推动即时诊断和家庭测试的发展	研究对象包括场效应晶体管传感器、纸基分析卡和深度学习算法	机器学习	NA	深度学习	深度学习模型	动力学数据	胆固醇测试的样本数量未明确提及
17498	2024-09-11	A Framework for Measuring Tree Rings Based on Panchromatic Images and Deep Learning 2024-Sep-10, Plant, cell & environment DOI:10.1111/pce.15091 PMID:39253958	研究论文	提出了一种基于全色图像和深度学习的树轮测量自动化技术	利用卷积神经网络提高图像质量，并通过分割技术精确描绘树轮，进行树轮计数和宽度计算	NA	解决传统树轮测量方法劳动密集和资源消耗大的问题	树轮数据	计算机视觉	NA	卷积神经网络	CNN	图像	从北京林业大学和颐和园等多个来源收集的大量数据集
17499	2024-09-11	Recognition of Molecular Structure of Phosphonium Salts from the Visual Appearance of Material with Deep Learning Can Reveal Subtle Homologs 2024-Sep-10, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202403423 PMID:39254289	研究论文	本文介绍了一种通过深度学习从材料的视觉外观识别季磷盐分子结构的前沿方法	首次展示了通过材料的视觉外观识别几乎无法区分的分子结构的可行性	NA	探索从材料的视觉外观识别分子结构的可行性	季磷盐及其同系物	计算机视觉	NA	深度学习	神经网络	图像	季磷盐混合物
17500	2024-09-11	Augmenting interpretation of vaginoscopy observations in cycling bitches with deep learning model 2024-Sep-09, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-024-04242-1 PMID:39245728	研究论文	本文介绍了一种利用深度学习模型增强对发情周期中母犬阴道镜观察结果解释的创新方法	本文首次将深度学习模型应用于母犬发情周期的阴道镜图像分析，并结合二进制灰狼优化算法和极端梯度提升算法进行特征优化和分类	研究样本量较小，仅包含210张阴道镜图像，可能影响模型的泛化能力	开发一种高效可靠的方法，用于识别母犬发情周期的不同阶段，以提高繁殖成功率	发情周期中的母犬阴道镜图像	计算机视觉	NA	深度学习	ResNet 152, Inception V3, XGBoost	图像	210张阴道镜图像，覆盖四个生殖阶段