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
17681	2024-09-30	Improvement in Image Quality of Low-Dose CT of Canines with Generative Adversarial Network of Anti-Aliasing Generator and Multi-Scale Discriminator 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090944 PMID:39329686	研究论文	本文提出了一种基于生成对抗网络（GAN）的低剂量CT图像质量改进框架，专门用于动物CT成像	引入了抗锯齿生成器和多尺度判别器，结合BlurPool、PixelShuffle、分层特征合成网络和空间通道挤压激励块等技术，显著提高了低剂量CT图像的噪声减少、对比度增强和解剖结构保留	NA	旨在通过深度学习技术改进低剂量CT图像质量，以减少辐射暴露并提高诊断准确性	动物CT图像	计算机视觉	NA	生成对抗网络（GAN）	CycleGAN	图像	NA
17682	2024-09-30	Deep Learning-Based Fine-Tuning Approach of Coarse Registration for Ear-Nose-Throat (ENT) Surgical Navigation Systems 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090941 PMID:39329683	研究论文	本研究提出了一种基于深度学习的细化步骤，用于增强耳鼻喉（ENT）手术导航系统中表面注册的准确性	本研究引入了一种新的深度学习方法，通过在传统粗注册和ICP细注册之间集成机器学习模型，显著提高了目标注册误差（TRE）	NA	提高耳鼻喉手术导航系统中图像与患者解剖结构注册的准确性	耳鼻喉手术导航系统中的表面注册	计算机视觉	NA	深度学习	深度学习模型	图像	硅胶面具头模和CT影像
17683	2024-09-30	A Multi-Task Model for Pulmonary Nodule Segmentation and Classification 2024-Sep-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090234 PMID:39330454	研究论文	本文提出了一种多任务网络模型，用于肺结节的分割和良恶性分类	通过共享主干架构和预测蒸馏结构，整合了肺结节分割和分类任务，利用任务间的潜在关联提升模型性能	NA	提升肺结节分割和分类的准确性	肺结节的分割和良恶性分类	计算机视觉	肺癌	深度学习	多任务网络 (MT-Net)	图像	使用公开数据集 LIDC-IDRI 进行实验
17684	2024-09-30	Segment Anything in Optical Coherence Tomography: SAM 2 for Volumetric Segmentation of Retinal Biomarkers 2024-Sep-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090940 PMID:39329682	研究论文	本文探讨了在光学相干断层扫描（OCT）中使用SAM 2和MedSAM 2模型进行视网膜生物标志物的体积分割	引入了SAM 2和MedSAM 2模型，并与传统的U-Net模型进行了性能比较	未提及具体的局限性	提高视网膜疾病诊断的质量	视网膜生物标志物的体积分割	计算机视觉	NA	光学相干断层扫描（OCT）	SAM 2, MedSAM 2, U-Net	图像	两个开源数据集：OIMHS和AROI
17685	2024-09-30	Deep Learning-Based Biomimetic Identification Method for Mask Wearing Standardization 2024-Sep-18, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090563 PMID:39329585	研究论文	提出了一种基于改进YOLOv5s的口罩佩戴标准化检测模型，用于检测口罩佩戴是否符合规范	首次提出专门检测鼻子目标的口罩佩戴标准化检测模型，并通过改进BottleneckCSP模块和插入SE模块提高了模型的特征提取能力	未提及	提高后疫情时代口罩佩戴深度学习检测模型的准确性和速度	口罩佩戴是否符合规范，特别是鼻子是否暴露在外	计算机视觉	NA	YOLOv5s	CNN	图像	未提及具体数量，但涉及不同人群和复杂背景的图像
17686	2024-09-30	Enhancing Deep Learning Model Explainability in Brain Tumor Datasets Using Post-Heuristic Approaches 2024-Sep-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090232 PMID:39330452	研究论文	本文通过后启发式方法增强深度学习模型在脑肿瘤数据集中的可解释性	提出了一种基于场景特定规则的后处理机制，显著提升了LIME库和LIME图像解释器的解释能力	NA	解决深度学习模型在医疗诊断中缺乏解释性的问题	脑肿瘤检测数据集	机器学习	脑肿瘤	LIME	深度学习模型	图像	使用了多个公开可用的脑肿瘤检测数据集
17687	2024-09-30	Skeletal Muscle Segmentation at the Level of the Third Lumbar Vertebra (L3) in Low-Dose Computed Tomography: A Lightweight Algorithm 2024-Sep-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090111 PMID:39330757	研究论文	本文提出了一种轻量级算法，用于在低剂量计算机断层扫描（CT）图像中自动分割第三腰椎（L3）水平的骨骼肌	提出了一种轻量级算法，用于在低剂量CT图像中自动分割L3水平的骨骼肌	NA	开发一种在低剂量CT图像中自动分割L3水平骨骼肌的轻量级算法	第三腰椎（L3）水平的骨骼肌	计算机视觉	NA	计算机断层扫描（CT）	轻量级算法	图像	57名直肠癌患者
17688	2024-09-30	Time Sequence Deep Learning Model for Ubiquitous Tabular Data with Unique 3D Tensors Manipulation 2024-Sep-12, Entropy (Basel, Switzerland) DOI:10.3390/e26090783 PMID:39330116	研究论文	本文提出了一种利用堆叠双向LSTM深度学习算法处理表格数据的方法，通过定制的3D张量建模来提高模型性能	本文创新性地将时间序列深度学习模型应用于表格数据处理，通过3D张量建模提高了模型在表格数据上的表现	本文仅在六个公开数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试	提出一种新的方法，利用深度学习算法提高表格数据模型的性能	表格数据及其在深度学习模型中的应用	机器学习	NA	深度学习	堆叠双向LSTM	表格数据	六个公开数据集，每个数据集的大小和学习目标不同
17689	2024-09-30	NMGrad: Advancing Histopathological Bladder Cancer Grading with Weakly Supervised Deep Learning 2024-Sep-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090909 PMID:39329651	研究论文	本文提出了一种用于膀胱癌分级的新方法，通过弱监督深度学习技术提高病理切片的分级准确性	引入了嵌套多实例学习方法和注意力机制，以提高模型对不同恶性程度区域的区分能力	NA	提高膀胱癌分级的准确性和一致性	膀胱癌病理切片	数字病理学	膀胱癌	卷积神经网络	CNN	图像	NA
17690	2024-09-30	A Deep Learning-Enhanced Compartmental Model and Its Application in Modeling Omicron in China 2024-Sep-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090906 PMID:39329648	研究论文	本文提出了一种结合深度学习的分室模型，并应用于预测中国Omicron疫情的发展	利用深度学习技术估计分室模型中的随机参数，减少了对特定数据的依赖，并内置了时空移动过程，有效捕捉了传染病的时空和移动维度	NA	探索深度学习技术在传染病动力学预测中的应用	Omicron疫情在中国的发展	机器学习	NA	深度学习	DNN, LSTM	NA	28天（2022年6月4日至7月1日）
17691	2024-09-30	Achieving Real-Time Prediction of Paroxysmal Atrial Fibrillation Onset by Convolutional Neural Network and Sliding Window on R-R Interval Sequences 2024-Sep-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090903 PMID:39329645	研究论文	本文提出了一种基于卷积神经网络和滑动窗口技术的端到端深度学习模型，用于实时预测阵发性房颤的发作	本文的创新点在于将滑动窗口技术与卷积神经网络结合，实现了对心电图R-R间期序列的实时处理和预测	本文的局限性在于仅使用了公开的心电图数据库进行训练和验证，未涉及实际临床数据	本研究旨在开发一种能够实时预测阵发性房颤发作的深度学习模型	本研究的对象是阵发性房颤患者的心电图R-R间期序列	机器学习	心血管疾病	卷积神经网络	CNN	序列数据	共收集了56,381个PAF类型和56,900个N类型的R-R间期片段
17692	2024-09-30	A Joint Classification Method for COVID-19 Lesions Based on Deep Learning and Radiomics 2024-Sep-05, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090109 PMID:39330755	研究论文	本文提出了一种基于深度学习和放射组学的联合分类方法，用于COVID-19病变的分类	提出了MFPN神经网络模型用于提取病变深度特征，并结合放射组学特征进行分类	未提及具体的研究局限性	验证深度学习和放射组学方法在COVID-19病变分类中的性能，揭示COVID-19肺部疾病的图像特征	COVID-19肺部病变	计算机视觉	呼吸系统疾病	深度学习	MFPN	图像	未提及具体样本数量
17693	2024-09-30	An Enhanced IDBO-CNN-BiLSTM Model for Sentiment Analysis of Natural Disaster Tweets 2024-Sep-04, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090533 PMID:39329555	研究论文	提出了一种增强的IDBO-CNN-BiLSTM模型，用于自然灾害推文的情绪分析	结合了群智能优化算法和深度学习方法，改进了Dung Beetle Optimization (DBO)算法，并将其应用于优化CNN-BiLSTM模型的超参数	未提及	提高推文中情绪极性识别的准确性，以帮助政府或救援组织更好地理解公众需求并做出适当响应	自然灾害推文的情绪倾向分类	自然语言处理	NA	深度学习	CNN-BiLSTM	文本	与飓风哈维事件相关的推文
17694	2024-09-30	Harnessing the Missing Spectral Correlation for Metasurface Inverse Design 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308807 PMID:38946621	研究论文	本文揭示了电磁超表面光谱中实部和虚部之间的内在相关性，并通过双向信息流在神经网络空间中模拟这种关系，用于超表面的逆向设计	本文利用Kramers-Kronig关系揭示了光谱中实部和虚部之间的内在相关性，并通过双向循环神经网络模拟这种关系，有效提取关键特征	NA	研究如何利用物理信息增强深度学习在电磁超表面逆向设计中的应用	电磁超表面的逆向设计	机器学习	NA	深度学习	双向循环神经网络	光谱数据	NA
17695	2024-09-30	AI-Powered Synthesis of Structured Multimodal Breast Ultrasound Reports Integrating Radiologist Annotations and Deep Learning Analysis 2024-Sep-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090890 PMID:39329632	研究论文	本研究提出了一种半自动方法，通过整合放射科医生的注释和深度学习分析结果，生成结构化的多模态乳腺超声报告	该方法结合了放射科医生的注释和深度学习算法分析结果，显著减少了报告生成时间，并提高了分类准确性	未提及具体的局限性	旨在通过自动化方法减轻放射科医生的工作负担，提高乳腺超声报告的生成效率	乳腺超声报告的生成过程	计算机视觉	乳腺癌	深度学习	DenseNet-121	图像	未提及具体样本数量
17696	2024-09-30	Repurposing the Public BraTS Dataset for Postoperative Brain Tumour Treatment Response Monitoring 2024-Sep-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090105 PMID:39330751	研究论文	本文研究了如何利用公开的BraTS数据集进行术后脑肿瘤治疗反应监测的深度学习算法训练	提出了一种自动将三标签BraTS注释协议转换为适合术后脑肿瘤分割的两标签注释协议的方法	研究仅限于脑肿瘤分割，未涉及其他类型的肿瘤或疾病	旨在促进BraTS数据集在术后脑肿瘤分割深度学习算法训练中的应用	术后胶质母细胞瘤MRI图像	计算机视觉	脑肿瘤	深度学习	DL算法	图像	72例术后胶质母细胞瘤MRI图像
17697	2024-09-30	Automated Classification System Based on YOLO Architecture for Body Condition Score in Dairy Cows 2024-Sep-01, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci11090399 PMID:39330779	研究论文	本文提出了一种基于YOLOv8x深度学习架构的自动分类系统，用于评估奶牛的体况评分（BCS）	使用YOLOv8x深度学习架构自动分类奶牛的体况评分，提高了评估的准确性和效率	仅在Holstein和Simmental奶牛品种上进行了测试，样本量有限	开发一种自动化的方法来评估奶牛的体况评分，以提高动物福利和生产效率	Holstein和Simmental奶牛的体况评分	计算机视觉	NA	YOLOv8x深度学习架构	YOLOv8x	图像	126张奶牛图像，其中102张正确分类
17698	2024-09-30	CA-ViT: Contour-Guided and Augmented Vision Transformers to Enhance Glaucoma Classification Using Fundus Images 2024-Aug-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090887 PMID:39329629	研究论文	提出了一种轮廓引导和增强的视觉变换器（CA-ViT）用于增强青光眼分类	引入条件变分生成对抗网络（CVGAN）来增强和多样化训练数据集，并结合轮廓引导方法提供关键的疾病信息	未提及	提高青光眼分类的准确性	青光眼分类	计算机视觉	眼科疾病	条件变分生成对抗网络（CVGAN）	视觉变换器（ViT）	图像	使用了包含多个数据集（如EYEPACS、DRISHTI-GS、RIM-ONE、REFUGE）的标准化多通道青光眼数据集（SMDG）
17699	2024-09-30	FineTea: A Novel Fine-Grained Action Recognition Video Dataset for Tea Ceremony Actions 2024-Aug-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090216 PMID:39330436	研究论文	本文构建了一个细粒度视频动作数据集FineTea，用于茶道动作的细粒度分析，并提出了一种名为TSM-ConvNeXt的方法来改进细粒度动作识别	提出了TSM-ConvNeXt方法，结合TSM和高性能卷积神经网络ConvNeXt，显著提升了细粒度动作识别的性能	NA	促进细粒度动作识别的发展	茶道动作的细粒度分析	计算机视觉	NA	卷积神经网络	TSM-ConvNeXt	视频	2745个视频片段
17700	2024-09-30	Anterior Cruciate Ligament Tear Detection Based on T-Distribution Slice Attention Framework with Penalty Weight Loss Optimisation 2024-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090880 PMID:39329622	研究论文	本研究提出了一种基于T分布切片注意力框架和惩罚权重损失优化的前交叉韧带撕裂检测方法	本研究创新性地结合了T分布切片注意力机制和惩罚权重损失函数，显著提高了前交叉韧带撕裂检测的分类准确性	NA	提高前交叉韧带撕裂检测的准确性和诊断性能	前交叉韧带撕裂	计算机视觉	运动损伤	深度学习	CNN	图像	NA