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
19241	2024-08-18	Quantitative modelling of Plato and total flavonoids in Qingke wort at mashing and boiling stages based on FT-IR combined with deep learning and chemometrics 2024-Oct-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101673 PMID:39148529	研究论文	本研究首次使用傅里叶变换红外光谱（FT-IR）结合深度学习方法，对青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量进行建模和分析，并与传统化学计量学方法进行比较	首次将FT-IR与深度学习结合用于啤酒酿造过程中的质量控制分析	NA	探索深度学习在啤酒酿造质量控制分析中的应用	青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量	机器学习	NA	FT-IR	LSTM	红外光谱数据	未明确提及具体样本数量
19242	2024-08-18	Advancing deep learning-based acoustic leak detection methods towards application for water distribution systems from a data-centric perspective 2024-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121999 PMID:38941677	研究论文	本研究探讨了数据增强技术对基于深度学习的水分配系统声学泄漏检测方法的影响	提出了五种基于随机变换的数据增强方法，并通过实验验证了这些方法在提高泄漏检测准确性方面的作用	研究主要集中在数据增强技术上，未涉及模型结构或其他可能影响性能的因素	从数据中心的角度推进基于人工智能的声学泄漏检测技术，使其更接近实际应用	水分配系统中的声学泄漏检测	机器学习	NA	数据增强	卷积神经网络	声学信号	使用来自真实水分配系统的声学信号进行数据增强和验证
19243	2024-08-18	Deep-Learning for Rapid Estimation of the Out-of-Field Dose in External Beam Photon Radiation Therapy - A Proof of Concept 2024-Sep-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.03.007 PMID:38554830	research paper	本文提出了一种基于深度学习的概念验证方法，用于快速估计外部光子束放射治疗中的场外剂量	使用3D U-Net模型进行场外剂量图的预测，展示了前所未有的泛化能力	该方法仍有限制，但更接近于临床常规实施	开发一种适用于临床实施的场外剂量估计工具	外部光子束放射治疗中的场外剂量	machine learning	NA	deep learning	CNN	image	3151名儿科患者用于学习和性能评估，433名患者用于测试
19244	2024-08-18	ChineseMPD: A Semantic Segmentation Dataset of Chinese Martial Arts Classic Movie Props 2024-Aug-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03701-6 PMID:39143093	research paper	本文介绍了一个大规模、高精度的中国武侠电影道具语义分割数据集ChineseMPD	ChineseMPD数据集是目前最大的电影道具语义分割数据集，为电影道具提供了详细的语义分割标注	NA	填补现有语义分割数据集在动作电影道具方面的研究空白	中国武侠电影片段中的道具	computer vision	NA	deep learning	NA	video	32,992个道具对象
19245	2024-08-18	Segmentation of ovarian cyst in ultrasound images using AdaResU-net with optimization algorithm and deep learning model 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69427-y PMID:39143122	研究论文	本研究提出了一种基于深度学习的卵巢囊肿超声图像分割技术，使用AdaResU-net和优化算法进行精确分割和分类	本研究采用了自适应卷积神经网络AdaResU-net和野马优化算法WHO，以及金字塔扩张卷积网络PDC，提高了分割准确性	NA	提高卵巢囊肿的诊断准确性和患者护理效果	卵巢囊肿的超声图像	计算机视觉	卵巢囊肿	深度学习	AdaResU-net, PDC	图像	卵巢超声囊肿图像数据库
19246	2024-08-18	Development and performance evaluation of fully automated deep learning-based models for myocardial segmentation on T1 mapping MRI data 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69529-7 PMID:39143126	研究论文	开发并评估基于深度学习的全自动模型，用于在T1加权心脏MRI数据上进行左心室心肌分割	使用U-Net架构，通过系统优化模型设计，包括两种训练指标（DSC和IOU）、两种激活函数（ReLU和LeakyReLU）及不同训练周期数，实现了高精度的左心室心肌分割	NA	开发一种能够分割心脏MRI原生T1图上左心室心肌的深度学习模型	左心室心肌在心脏MRI原生T1图上的分割	机器学习	NA	MRI	U-Net	图像	50名健康志愿者和75名患者
19247	2024-08-18	Classifying coherent versus nonsense speech perception from EEG using linguistic speech features 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69568-0 PMID:39143297	研究论文	研究通过语言学特征分析EEG信号，区分可理解与无意义语言的神经处理差异	使用深度学习模型有效分类连贯与无意义语言，并展示了深度学习框架在客观测量语言理解方面的潜力	NA	探讨母语与非理解外语之间的神经处理差异	EEG信号与语言学特征的关系	自然语言处理	NA	深度学习	深度学习模型	EEG信号	荷兰语母语者参与者
19248	2024-08-18	Peritumoral edema enhances MRI-based deep learning radiomic model for axillary lymph node metastasis burden prediction in breast cancer 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69725-5 PMID:39143315	研究论文	研究肿瘤周围水肿（PE）是否能增强基于深度学习放射组学（DLR）模型在预测乳腺癌腋窝淋巴结转移（ALNM）负担中的作用	通过结合肿瘤周围水肿和选定的放射组学特征，深度学习模型在训练和验证队列中显示出更高的AUC值，显著提高了预测性能	NA	探讨肿瘤周围水肿对基于深度学习放射组学模型预测乳腺癌腋窝淋巴结转移负担的影响	乳腺癌患者及其腋窝淋巴结转移负担	数字病理学	乳腺癌	MRI	深度学习模型	影像	训练队列177例，验证队列111例
19249	2024-08-18	A novel model for predicting postoperative liver metastasis in R0 resected pancreatic neuroendocrine tumors: integrating computational pathology and deep learning-radiomics 2024-Aug-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05449-4 PMID:39143624	研究论文	本文介绍了一种结合计算病理学和深度学习放射组学的新模型，用于预测胰腺神经内分泌肿瘤患者R0切除术后的肝转移	该模型通过整合临床、病理和影像特征，提高了对胰腺神经内分泌肿瘤患者术后肝转移的预测准确性	NA	开发一种新的预测模型，以更好地预测胰腺神经内分泌肿瘤患者术后肝转移	胰腺神经内分泌肿瘤患者术后肝转移的预测	数字病理学	胰腺神经内分泌肿瘤	深度学习放射组学	CNN	图像	163名胰腺神经内分泌肿瘤患者
19250	2024-08-18	Segmentation and characterization of macerated fibers and vessels using deep learning 2024-Aug-14, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01244-w PMID:39143615	研究论文	本文开发了一种自动深度学习分割方法，利用YOLOv8模型对微观图像中的浸解纤维和导管进行快速准确的分割和特征化	采用YOLOv8模型进行快速准确的细胞分割和特征化，并开发了一个用户友好的网络应用程序	NA	研究木材细胞的形态、大小和排列，以理解木材特性	浸解纤维和导管的形态特征	计算机视觉	NA	深度学习	YOLOv8	图像	分析了32,640 x 25,920像素的图像
19251	2024-08-18	Rapid Mold Detection in Chinese Herbal Medicine Using Enhanced Deep Learning Technology 2024-Aug, Journal of medicinal food IF:1.7Q4 DOI:10.1089/jmf.2024.k.0004 PMID:38919153	研究论文	本文提出了一种利用电子鼻技术和增强型深度学习技术快速准确检测中药材中霉菌污染的方法	引入了偏心时间卷积网络（ETCN）模型和随机共振（SR）技术，有效捕捉电子鼻数据的时空信息并消除噪声	NA	解决中药材加工和储存过程中霉菌污染导致的质量下降和功效降低问题	中药材中的霉菌污染	机器学习	NA	电子鼻技术	偏心时间卷积网络（ETCN）	电子鼻数据	八种传感器的数据
19252	2024-08-18	A transfer learning approach to identify Plasmodium in microscopic images 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012327 PMID:39102445	研究论文	本文通过迁移学习方法，利用预训练的深度学习模型来识别显微图像中的疟原虫	采用DenseNet201模型，通过迁移学习方法在显微图像中高效识别疟原虫，达到99.41%的AUC值	未来工作计划通过增加数据和开发用户友好的界面来扩展该方法的应用	旨在通过计算机辅助诊断（CAD）场景中的自动识别方法来改善疟疾的诊断	研究对象为显微图像中的疟原虫	计算机视觉	疟疾	迁移学习	DenseNet201	图像	6222个感兴趣区域（ROI），其中6002个来自Broad Bioimage Benchmark Collection（BBBC），220个本地采集
19253	2024-08-18	Reliable estimation of tree branch lengths using deep neural networks 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012337 PMID:39102450	研究论文	本研究探讨了使用深度学习框架在固定树形结构上从多序列比对或其表示中估计分支长度的可能性	深度学习方法在某些难以估计的分支长度参数空间区域表现出优越性能，特别是在估计与远缘物种相关的长分支时	NA	探索机器学习模型预测分支长度的可能性，以提高系统发育推断的准确性和计算效率	系统发育树中的分支长度	机器学习	NA	深度学习	深度神经网络	多序列比对	NA
19254	2024-08-18	Development of a CT-Based comprehensive model combining clinical, radiomics with deep learning for differentiating pulmonary metastases from noncalcified pulmonary hamartomas: a retrospective cohort study 2024-Aug-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001593 PMID:38759692	研究论文	本研究开发了一种结合临床特征、放射组学和深度学习的综合模型，用于区分肺转移瘤和非钙化肺错构瘤	本研究首次将临床特征、放射组学和深度学习相结合，构建了一个综合模型，用于区分肺转移瘤和非钙化肺错构瘤	本研究为回顾性研究，且样本主要来自两家医院，可能存在一定的偏倚	评估一种结合临床特征、放射组学和深度学习的综合模型在区分肺转移瘤和非钙化肺错构瘤中的诊断效能	肺转移瘤和非钙化肺错构瘤的区分	数字病理学	肺部疾病	深度学习	综合模型	影像数据	256名来自中国人民解放军总医院第一医学中心的病人和85名来自上海长海医院的病人
19255	2024-08-18	The McMaster Health Information Research Unit: Over a Quarter-Century of Health Informatics Supporting Evidence-Based Medicine 2024-Jul-31, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58764 PMID:39083765	研究论文	本文回顾了麦克马斯特健康信息研究单元（HiRU）在支持循证医学（EBM）方面超过25年的发展历程	介绍了HiRU在早期通过数字健康信息学教授临床医生使用调制解调器和电话线搜索MEDLINE，以及后来引入临床查询验证搜索过滤器和应用机器学习、深度学习及大型语言模型（LLMs）来提高搜索精确度的创新方法	NA	探讨健康信息学在过去25多年中支持证据搜索和检索过程的演变，以及LLMs和负责任的人工智能的角色	健康信息学在循证医学中的应用	自然语言处理	NA	机器学习, 深度学习, 大型语言模型（LLMs）	大型语言模型（LLMs）	文本	每年近100万篇文章添加到PubMed
19256	2024-08-18	Global research of artificial intelligence in eyelid diseases: A bibliometric analysis 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34979 PMID:39148986	meta-analysis	本研究使用文献计量方法对全球人工智能在眼睑疾病领域的研究进行综述	分析了过去二十年该领域的发展趋势，并指出了最近三年的快速发展阶段	尽管该领域在最近三年迅速发展，但仍存在研究空白	生成全球人工智能在眼睑疾病研究领域的概述	人工智能在眼睑疾病的研究	NA	NA	文献计量分析	NA	文献	98篇相关出版物
19257	2024-08-18	Semi-supervised learning with flexible threshold for non-intrusive load monitoring 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34457 PMID:39148998	研究论文	本文提出了一种结合一致性正则化和伪标签的半监督学习方法，用于在有限标记数据和大量未标记数据的情况下进行非侵入式负载监测中的设备识别	该方法通过灵活调整不同设备的阈值，以适应不同设备类别的学习难度，从而提高识别性能	NA	旨在解决非侵入式负载监测中监督学习模型需要大量标注数据的问题	非侵入式负载监测中的设备识别	机器学习	NA	NA	NA	数据	使用了公开可用的数据集
19258	2024-08-18	Integrating ensemble and machine learning models for early prediction of pneumonia mortality using laboratory tests 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34525 PMID:39149016	研究论文	本研究旨在开发一种基于实验室检测结果的早期预测肺炎死亡率的AI模型	本研究首次将集成模型与机器学习技术结合，用于肺炎死亡率的早期预测，并强调了实验室检测数据在AI医疗研究中的重要性	NA	开发一种早期预测肺炎死亡率的AI模型	肺炎患者的实验室检测结果和基本临床信息	机器学习	肺炎	机器学习模型（XGBoost, CatBoost, LGBM）和深度学习方法（多层感知器MLP）	集成模型	实验室检测数据	80,940个数据实例
19259	2024-08-18	NCME-Net: Nuclear cataract mask encoder network for intelligent grading using self-supervised learning from anterior segment photographs 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34726 PMID:39149020	研究论文	本文提出了一种名为NCME-Net的混合模型，用于通过自监督学习对前段照片进行核性白内障严重程度的四分类分析	NCME-Net利用自监督预训练，无需昂贵的数据标注，并能跨越领域差异，提高了诊断准确性	NA	解决智能分级核性白内障严重程度的挑战	核性白内障的严重程度分级	计算机视觉	眼科疾病	自监督学习	混合模型	图像	792张核性白内障图像，分为训练集533张，验证集139张，测试集100张
19260	2024-08-18	Artificial intelligence in pediatric airway - A scoping review 2024 Jul-Sep, Saudi journal of anaesthesia IF:1.3Q3 DOI:10.4103/sja.sja_110_24 PMID:39149736	综述	本文是一篇范围综述，评估了人工智能在儿科麻醉领域，特别是儿科气道管理中的应用	NA	NA	评估人工智能在儿科麻醉中的应用	儿科气道管理	计算机视觉	NA	机器学习, 神经网络, 深度学习, 机器人技术	NA	NA	所有18岁以下的儿童研究均被包括和评估