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
61	2024-10-21	nPCA: a linear dimensionality reduction method using a multilayer perceptron 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1290447 PMID:38259616	研究论文	本文介绍了一种名为nPCA的线性降维方法，该方法使用多层感知机来保留原始数据的线性投影并生成更好的降维结果	nPCA结合了深度学习和线性投影的优点，能够在保留原始数据丰富信息的同时进行有效的降维	NA	开发一种新的线性降维方法，以改进现有的降维技术	10个公共数据集和6个胰腺单细胞RNA测序数据集	机器学习	NA	多层感知机	多层感知机	数据集	10个公共数据集和6个胰腺单细胞RNA测序数据集
62	2024-10-21	Predicting disease onset from electronic health records for population health management: a scalable and explainable Deep Learning approach 2023, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2023.1287541 PMID:38259826	研究论文	本文研究了使用深度学习方法从电子健康记录中预测未来疾病诊断，以支持人口健康管理	引入了将分箱观察值纳入嵌入模型的新方法，并包括了与健康决定因素相关的创新特征	NA	研究深度学习方法在预测未来疾病诊断中的应用，以支持人口健康管理	电子健康记录数据，用于预测患者未来三年内患糖尿病、慢性阻塞性肺病、高血压或心肌梗死的可能性	机器学习	NA	Word2Vec算法，SHapley Additive exPlanations (SHAP)	双向门控循环单元 (GRU)	文本	约5000万美国患者
63	2024-10-21	Is the diagnostic model based on convolutional neural network superior to pediatric radiologists in the ultrasonic diagnosis of biliary atresia? 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1308338 PMID:38259860	研究论文	本研究旨在通过深度学习算法分析超声图像数据，构建基于卷积神经网络的胆道闭锁超声智能诊断模型	本研究构建了基于Mask R-CNN的诊断模型，并发现其在胆道闭锁诊断中的表现达到甚至超过了儿科放射学专家的水平	本研究仅比较了两种模型和四名儿科放射学专家的诊断性能，未涉及其他诊断方法的比较	通过深度学习算法实现胆道闭锁的智能诊断	胆道闭锁、非胆道闭锁高胆红素血症和健康婴儿的胆囊超声图像	计算机视觉	胆道疾病	卷积神经网络	Mask R-CNN	图像	4887张胆囊超声图像
64	2024-10-21	Prediction of knee biomechanics with different tibial component malrotations after total knee arthroplasty: conventional machine learning vs. deep learning 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1255625 PMID:38260731	研究论文	比较深度学习与传统机器学习方法在预测全膝关节置换术后胫骨组件不同旋转角度对膝关节生物力学影响方面的准确性	提出了一种基于深度学习的方法，用于快速预测全膝关节置换术后胫骨组件不同旋转角度对膝关节生物力学的影响，并证明其比传统机器学习方法更准确	未提及具体限制	比较深度学习与传统机器学习方法在预测全膝关节置换术后胫骨组件不同旋转角度对膝关节生物力学影响方面的准确性	全膝关节置换术后胫骨组件不同旋转角度对膝关节生物力学的影响	机器学习	NA	深度学习	深度学习模型	生物力学数据	343组生物力学数据
65	2024-10-21	Deep learning application for abdominal organs segmentation on 0.35 T MR-Linac images 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1285924 PMID:38260833	研究论文	本文研究了基于深度学习的0.35 T MR-Linac图像腹部器官自动分割方法	提出了一种基于3D nnUNet模型的腹部器官自动分割方法，并在0.35 T MR-Linac图像上进行了验证	对于十二指肠的分割结果不理想	开发一种自动化的方法来分割腹部肿瘤和危及器官，以提高放射治疗计划的质量	腹部器官，包括肝脏、肾脏、脊髓、胃和十二指肠	计算机视觉	NA	NA	UNet	图像	121组腹部MR图像及其对应的分割结果
66	2024-10-21	Deep learning based on 68Ga-PSMA-11 PET/CT for predicting pathological upgrading in patients with prostate cancer 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1273414 PMID:38260839	研究论文	本文探讨了基于68Ga-PSMA-11 PET/CT的深度学习方法在预测前列腺癌患者从活检到根治性前列腺切除术病理升级中的可行性和重要性	本文首次将68Ga-PSMA-11 PET/CT与深度学习结合，用于预测前列腺癌患者的病理升级	研究为回顾性研究，样本量较小，且结果的AUC值和准确性有待提高	探讨基于68Ga-PSMA-11 PET/CT的深度学习方法在预测前列腺癌患者病理升级中的应用	前列腺癌患者从活检到根治性前列腺切除术的病理升级	计算机视觉	前列腺癌	深度学习	ResNet-18和DenseNet-121	图像	109名患者，其中87名用于训练集，22名用于测试集
67	2024-10-21	Revealing brain connectivity: graph embeddings for EEG representation learning and comparative analysis of structural and functional connectivity 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1288433 PMID:38264495	研究论文	本研究利用深度学习技术，通过图嵌入方法对脑电图（EEG）运动想象分类中的脑连接进行建模，并比较了结构连接和功能连接的分析	本研究结合了图嵌入、深度学习和不同类型的脑连接，不仅提高了分类准确性，还丰富了对脑功能的理解	NA	研究目的是通过图嵌入和深度学习技术，提高脑电图运动想象分类的准确性，并深入理解脑连接	研究对象是脑电图（EEG）数据中的脑连接	机器学习	NA	图嵌入	卷积神经网络（CNN）	脑电图（EEG）数据	使用了基准数据集-IV-2a进行测试
68	2024-10-21	Deep learning-based immunohistochemical estimation of breast cancer via ultrasound image applications 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1263685 PMID:38264739	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断方法，用于根据免疫组化结果对乳腺超声图像进行分类	提出了一个新的深度学习框架，包括多层次特征蒸馏网络（MFD-Net）和包含通道注意模块（CAM）和空间注意模块（SAM）的新注意力模块	NA	开发一种基于深度学习的计算机辅助诊断方法，用于根据免疫组化结果对乳腺超声图像进行分类	乳腺超声图像和免疫组化结果	计算机视觉	乳腺癌	深度学习	CNN	图像	500张乳腺超声图像，来自294名患者
69	2024-10-21	Predicting delayed remission in Cushing's disease using radiomics models: a multi-center study 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1218897 PMID:38264759	研究论文	本研究构建了基于多中心数据的临床和影像组学模型，用于预测库欣病术后延迟缓解	首次构建了多中心影像组学模型用于预测库欣病术后延迟缓解	研究结果初步，需要在大样本中进一步验证	构建临床和影像组学模型以预测库欣病术后延迟缓解	库欣病患者术后延迟缓解	数字病理学	内分泌疾病	MRI影像分析	XGBoost	影像数据和临床数据	122名库欣病患者
70	2024-10-21	Simulating cardiac signals on 3D human models for photoplethysmography development 2023, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2023.1266535 PMID:38269072	研究论文	本文介绍了一种基于三维人体模型的仿生模型，用于生成合成的心脏信号和身体无意识运动，以测试和优化图像心率提取方法	提出了基于三维人体模型的仿生模型，能够生成包含多种因素的合成数据集，用于测试和优化图像心率提取方法	尚未提及	开发和测试图像心率提取技术，特别是在难以获取真实可靠测量数据的情况下	三维人体模型、合成心脏信号、身体无意识运动	计算机视觉	NA	NA	传统方法和深度学习方法	视频	五种传统方法和四种深度学习方法用于测试合成视频
71	2024-10-21	Effects of ketamine on rat social behavior as analyzed by DeepLabCut and SimBA deep learning algorithms 2023, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2023.1329424 PMID:38269275	研究论文	研究使用DeepLabCut和SimBA深度学习算法分析氯胺酮对大鼠社交行为的影响	采用数字技术快速客观地测量大鼠社交行为，替代传统的主观评估方法	NA	评估数字工作流程在比较氯胺酮和Vetoquinol对大鼠社交行为影响中的可行性	大鼠社交行为	机器学习	NA	DeepLabCut, SimBA	神经网络	视频	14个视频样本用于训练DeepLabCut，24个新视频用于分析氯胺酮处理的大鼠
72	2024-10-20	Dynamic functional connectivity analysis with temporal convolutional network for attention deficit/hyperactivity disorder identification 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1322967 PMID:38148943	研究论文	本文提出了一种新的时间依赖神经网络（TDNet），用于从静息态功能磁共振成像（rs-fMRI）时间序列中学习功能连接（FC）表示和时间依赖关系，以实现注意力缺陷/多动障碍（ADHD）的自动化识别	本文创新性地使用时间卷积网络（TCN）来有效捕捉长程时间模式，并通过膨胀卷积和全连接层进行疾病预测	现有方法主要考虑两个相邻时间戳的依赖关系，这在变化涉及多个时间戳时存在局限性	揭示注意力缺陷/多动障碍（ADHD）患者脑活动异常的机制	静息态功能磁共振成像（rs-fMRI）数据中的动态功能连接（dFC）	计算机视觉	精神疾病	功能磁共振成像（fMRI）	时间卷积网络（TCN）	时间序列数据	使用了公开的ADHD-200数据库进行实验
73	2024-10-20	Creating high-resolution 3D cranial implant geometry using deep learning techniques 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1297933 PMID:38149174	研究论文	本文提出了一种利用深度学习技术从CT扫描创建的缺陷3D头骨模型中生成高分辨率3D颅骨植入物几何形状的方法	本文提出了一种双神经网络系统，用于修复低分辨率缺陷模型并增强修复模型的体积分辨率，从而生成适合临床使用的高质量植入物模型	本文未提及具体的局限性	开发一种实用的深度学习方法，用于从缺陷的3D头骨模型中生成高分辨率的颅骨植入物几何形状	3D头骨模型和颅骨植入物几何形状	计算机视觉	NA	深度学习技术	神经网络	3D模型	未提及具体样本数量
74	2024-10-20	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1308707 PMID:38162122	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的半监督语义分割	探索了半监督学习方法Cross Pseudo Supervision，并比较了多种深度学习模型的性能	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁的分割	计算机视觉	癌症	深度学习	CNN	图像	三个完全注释的内部数据集
75	2024-10-20	Comparison of state-of-the-art deep learning architectures for detection of freezing of gait in Parkinson's disease 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1306129 PMID:38178885	研究论文	比较了用于帕金森病中冻结步态检测的先进深度学习架构的性能	本文比较了标准卷积神经网络（CNN）与两种更复杂的网络（MiniRocket和InceptionTime）在冻结步态检测中的性能	研究仅限于使用加速度数据，且模型在未见测试集上的表现有待进一步验证	验证深度学习在大型异质数据集中检测冻结步态的可行性，并比较不同深度学习模型的性能	帕金森病患者中的冻结步态	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	加速度数据	70名参与者用于训练和测试，10名参与者提供未见测试集
76	2024-10-20	TSP-GNN: a novel neuropsychiatric disorder classification framework based on task-specific prior knowledge and graph neural network 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1288882 PMID:38188031	研究论文	提出了一种基于任务特定先验知识和图神经网络的新型神经精神障碍分类框架	首次将任务特定先验连接模式与深度学习相结合，用于神经精神障碍分类	NA	开发一种新的神经精神障碍分类模型，利用任务特定先验连接模式提高分类准确性	神经精神障碍及其在特定任务情境下的功能连接模式	机器学习	神经精神障碍	图神经网络	图神经网络	功能连接矩阵	使用公开数据集进行验证
77	2024-10-19	An Investigation into Race Bias in Random Forest Models Based on Breast DCE-MRI Derived Radiomics Features 2023, Clinical image-based procedures, fairness of AI in medical imaging, and ethical and philosophical issues in medical imaging : 12th International Workshop, CLIP 2023 1st International Workshop, FAIMI 2023 and 2nd International Workshop, ... DOI:10.1007/978-3-031-45249-9_22 PMID:39404661	研究论文	研究了基于乳腺DCE-MRI衍生的放射组学特征的随机森林模型中存在的种族偏见	首次探讨了经典AI技术（如随机森林）在基于放射组学特征的模型中可能存在的种族偏见	研究仅限于乳腺DCE-MRI数据，且样本量较小	探讨随机森林模型在种族不平衡数据训练下可能产生的偏见	乳腺DCE-MRI衍生的放射组学特征	机器学习	乳腺癌	DCE-MRI	随机森林	图像	乳腺癌症患者的数据，具体数量未明确
78	2024-10-17	Retracted: Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2023, Journal of healthcare engineering DOI:10.1155/2023/9851918 PMID:38094810	correction	该文章撤回了基于深度学习和多模态CT评估中风患者缺血性半暗带的论文	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
79	2024-10-17	Adversarial training improves model interpretability in single-cell RNA-seq analysis 2023, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbad166 PMID:38099262	研究论文	本文探讨了通过对抗训练提高单细胞RNA测序数据分析中模型鲁棒性和可解释性的方法	首次展示了对抗训练在提高深度学习模型鲁棒性的同时，也能提升模型的可解释性	研究仅限于单细胞RNA测序数据的细胞类型预测任务，未在其他任务上进行验证	研究如何通过对抗训练提高计算模型的鲁棒性和可解释性	单细胞RNA测序数据的细胞类型预测	机器学习	NA	对抗训练	深度学习模型	单细胞RNA测序数据	NA
80	2024-10-17	Transformer encoder with multiscale deep learning for pain classification using physiological signals 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1294577 PMID:38124717	研究论文	研究提出了一种名为PainAttnNet的新型深度学习模型，用于使用生理信号进行疼痛强度分类	引入了PainAttnNet模型，结合多尺度卷积网络、挤压激励残差网络和Transformer编码器块，以提取多时间窗口的鲁棒特征并增强时间依赖性分析	NA	开发一种能够准确分类疼痛强度的深度学习模型，以克服传统自我报告量表的局限性	疼痛强度分类	机器学习	NA	多尺度深度学习	Transformer编码器	生理信号	BioVid热疼痛数据集