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
701	2024-11-06	A Global and Local Feature fused CNN architecture for the sEMG-based hand gesture recognition 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107497 PMID:37783073	研究论文	提出了一种全局和局部特征融合的CNN架构，用于基于sEMG信号的手势识别	提出的GLF-CNN模型能够同时提取sEMG信号的全局和局部特征，从而提高手势识别的性能和稳定性	NA	改进基于sEMG信号的手势识别模型的性能	sEMG信号	机器学习	NA	CNN	GLF-CNN	信号	五个基准数据库，包括NinaPro DB4、NinaPro DB5、BioPatRec DB1-DB3和Mendeley Data
702	2024-11-06	Cross-domain mechanism for few-shot object detection on Urine Sediment Image 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107487 PMID:37801918	研究论文	本文提出了一种跨域机制，用于在尿沉渣图像上进行少样本目标检测	本文提出了背景抑制注意力（BSA）和特征空间微调模块（FSF），以减少背景信息的影响并调整特征分布，从而提高检测性能	本文未详细讨论该方法在其他医学图像数据集上的适用性	旨在解决医学图像领域中少样本目标检测的问题	尿沉渣图像中的目标检测	计算机视觉	NA	深度学习	NA	图像	使用了VOC、COCO数据集以及UriSed2K医学图像数据集进行实验
703	2024-11-06	Limit and screen sequences with high degree of secondary structures in DNA storage by deep learning method 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107548 PMID:37801922	研究论文	本文研究了如何通过深度学习方法筛选和限制DNA存储中具有高二级结构的序列	提出了一种基于双向长短期记忆网络（BiLSTM）和注意力机制的深度学习模型，用于预测DNA序列的自由能，从而筛选出具有高二级结构的序列	仅在模拟实验和真实数据集上进行了验证，尚未在大规模实际应用中进行测试	研究如何减少DNA存储中高二级结构序列对信息写入和读取的干扰	DNA序列的二级结构及其对DNA存储的影响	机器学习	NA	深度学习	BiLSTM	序列	在模拟实验中使用了随机生成的DNA序列，并在真实数据集中筛选了94个预测自由能中的70个
704	2024-11-06	A multi-stage transfer learning strategy for diagnosing a class of rare laryngeal movement disorders 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107534 PMID:37801923	研究论文	本文提出了一种多阶段迁移学习策略，用于诊断一类罕见的喉部运动障碍	本文创新性地使用迁移学习策略，结合卷积自编码器和持续发音信息，提高了在数据有限情况下的诊断准确性	研究基于特定数据库，结果可能受限于数据集的规模和代表性	开发一种有效的诊断方法，用于识别罕见的喉部运动障碍	主要研究对象包括原发性震颤性发声障碍（ETV）、外展性和内收性痉挛性发声障碍（ABSD和ADSD）	机器学习	NA	迁移学习	卷积自编码器	语音数据	研究使用了来自范德堡大学医学中心（VUMC）的临床标记喉部运动障碍数据
705	2024-11-06	Enhancing the performance of premature ventricular contraction detection in unseen datasets through deep learning with denoise and contrast attention module 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107532 PMID:37816272	研究论文	本文提出了一种基于深度学习的新型注意力机制模型，用于在不同噪声水平下准确检测未见过的早搏数据集中的早搏	引入了Denoise and Contrast Attention Module (DCAM)，通过卷积神经网络在频域去噪并关注差异，提高了模型的鲁棒性和泛化能力	NA	提高早搏检测模型的可靠性和泛化能力	早搏（PVC）检测	机器学习	心血管疾病	深度学习	CNN	心电图	六个外部测试数据集
706	2024-11-06	Whole slide image representation in bone marrow cytology 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107530 PMID:37837726	研究论文	本文研究了在骨髓细胞学中生成全切片图像（WSI）的紧凑表示方法	首次探索了使用深度学习训练机制生成骨髓细胞学中全切片图像的紧凑表示	NA	开发一种能够生成骨髓抽吸细胞学中全切片图像紧凑表示的方法，以支持血液学中的临床决策辅助工具	骨髓抽吸细胞学的全切片图像	数字病理学	血液病	深度学习	k-近邻模型	图像	NA
707	2024-11-06	Classification of wheat diseases using deep learning networks with field and glasshouse images 2023-Apr, Plant pathology IF:2.3Q2 DOI:10.1111/ppa.13684 PMID:38516179	研究论文	本文使用深度学习网络对小麦病害进行分类，结合田间和温室图像	本文提出了一个包含田间和温室条件下小麦图像的数据集，并训练了一个名为CerealConv的深度学习模型，该模型在分类准确性上超过了专业病理学家的表现	NA	研究目的是利用深度学习方法在早期阶段检测和识别作物病害，以提高病害控制效果	研究对象是小麦的五种病害，包括健康植物和四种叶部病害	计算机视觉	NA	深度学习	深度学习网络	图像	数据集包含田间和温室条件下的小麦图像，分为五类
708	2024-11-06	Implementing a novel deep learning technique for rainfall forecasting via climatic variables: An approach via hierarchical clustering analysis 2023-Jan-01, The Science of the total environment DOI:10.1016/j.scitotenv.2022.158760 PMID:36113802	研究论文	本文提出了一种基于优化门控循环单元（GRU）神经网络的深度学习模型，用于基于30年的气候数据预测巴基斯坦的降雨量	本文的创新点在于使用优化后的GRU神经网络进行降雨预测，并通过消除异常值和极端值以及数据归一化策略提高了预测精度	NA	研究目的是开发一种高精度的降雨预测模型，以帮助农业部门应对降雨变化带来的挑战	研究对象是巴基斯坦1991年至2020年的气候数据，包括温度、空气质量等变量	机器学习	NA	深度学习	GRU	气候数据	30年（1991-2020年）的气候数据
709	2024-11-06	Fibrosis severity scoring on Sirius red histology with multiple-instance deep learning 2023, Biological imaging DOI:10.1017/S2633903X23000144 PMID:38510166	研究论文	本文提出了一种基于多实例深度学习的方法，用于对天狼星红染色的肝纤维化病理切片进行严重程度评分	本文利用多实例学习和多次推断来解决病理特征稀疏的问题，并在此应用中达到了新的最先进水平	NA	开发一种减少肝纤维化病理切片评分中高评分者间和评分者内变异性的方法	非酒精性脂肪肝病（NAFLD）患者的肝纤维化病理切片	数字病理学	肝病	多实例深度学习	NA	图像	152张天狼星红染色的全切片图像（WSIs）
710	2024-11-06	Applications of artificial intelligence in dementia research 2023, Cambridge prisms. Precision medicine DOI:10.1017/pcm.2022.10 PMID:38550934	综述	本文综述了人工智能在痴呆研究中的应用	介绍了人工智能在痴呆研究中的多种应用，包括机器学习和深度学习方法	在实际临床环境中比较不同人工智能方法的有效性仍是一个挑战	提供人工智能在痴呆研究中应用的概述	痴呆的早期检测、诊断、进展监测以及护理干预	机器学习	老年病	机器学习、深度学习	NA	NA	NA
711	2024-11-02	ADASSM: Adversarial Data Augmentation in Statistical Shape Models From Images 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_8 PMID:39022299	研究论文	本文提出了一种新的对抗性数据增强策略，用于图像到统计形状模型（Image-to-SSM）框架，通过数据依赖的噪声生成或纹理增强来提高模型的准确性	本文的创新点在于提出了一种实时数据增强策略，通过对抗性训练生成多样化和具有挑战性的噪声样本，从而鼓励模型关注底层几何结构而非仅依赖像素值	本文未提及具体的局限性	研究目的是提高图像到统计形状模型网络的准确性，减少模型对图像纹理的依赖	研究对象是医学影像中的统计形状模型及其在深度学习模型中的应用	计算机视觉	NA	深度学习	对抗网络	图像	NA
712	2024-11-02	Progressive DeepSSM: Training Methodology for Image-To-Shape Deep Models 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_13 PMID:38745942	研究论文	提出了一种新的训练策略，渐进式DeepSSM，用于训练图像到形状的深度学习模型，通过多尺度学习逐步提升模型性能	引入了一种新的训练策略，渐进式DeepSSM，通过多尺度学习逐步提升模型性能，并结合形状先验和深度监督损失	NA	改进图像到形状深度学习模型的训练方法，提高其在医学图像中的稳定性和准确性	图像到形状的深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
713	2024-10-30	Benchmarking Scalable Epistemic Uncertainty Quantification in Organ Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_6 PMID:39469570	研究论文	本文对在器官分割中可扩展的认知不确定性量化方法进行了全面的基准测试	本文首次在医学图像分析背景下对多种认知不确定性量化方法进行了全面评估，并提供了未来改进的建议	本文未提及具体的局限性	评估和理解模型预测中的不确定性在临床应用中的重要性	器官分割中的认知不确定性量化方法	计算机视觉	NA	深度学习	NA	图像	NA
714	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants 2023-Jun-29, Research square DOI:10.21203/rs.3.rs-3085032/v1 PMID:37461629	研究论文	本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法	本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本	本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异	旨在开发一种高效且准确的听觉植入设备声学模拟评估方法	听觉植入设备的声学模拟及其对语音感知的影响	机器学习	NA	深度学习	深度学习模型	语音	NA
715	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Vocoder Simulations of Auditory Implants 2023-May-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.23.541843 PMID:37292787	研究论文	本文提出了一种利用深度学习模型评估人工耳蜗编码器模拟中语音信息的新方法	本文的创新点在于使用OpenAI Whisper深度学习语音识别模型替代传统的人类参与者，评估编码器模拟对语音感知的影响	本文的局限性在于模型表现与人类表现的完全一致性尚未得到验证	本研究的目的是探索利用先进的深度学习语音识别模型在听觉假体研究中的潜力	本研究的对象是人工耳蜗编码器模拟对语音感知的影响	机器学习	NA	深度学习	Whisper	语音	NA
716	2024-10-28	Dyslexia Data Consortium Repository: A Data Sharing and Delivery Platform for Research 2023-Aug, Brain informatics : 16th International Conference, BI 2023, Hoboken, NJ, USA, August 1-3, 2023, Proceedings. International Conference on Brain Informatics (16th : 2023 : Hoboken, N.J.) DOI:10.1007/978-3-031-43075-6_15 PMID:38352916	研究论文	开发了一个在线平台，用于共享和交付与阅读障碍相关的数据，以促进研究	提供了一个集成了机器学习算法和工具的平台，生成与阅读障碍相关的次级数据集	NA	推进对阅读障碍的理解，该障碍对儿童及其家庭和社会有重大影响	阅读障碍的神经生物学研究	机器学习	阅读障碍	机器学习算法	NA	次级数据集（如皮质厚度、区域脑体积指标）	NA
717	2024-10-28	A DEEP LEARNING FRAMEWORK TO LOCALIZE THE EPILEPTOGENIC ZONE FROM DYNAMIC FUNCTIONAL CONNECTIVITY USING A COMBINED GRAPH CONVOLUTIONAL AND TRANSFORMER NETWORK 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230831 PMID:39450418	研究论文	本文提出了一种使用动态功能连接的深度学习框架，结合图卷积网络和Transformer网络，用于定位癫痫病灶区	首次提出了一种自动化框架，利用静息态fMRI的动态功能连接来定位癫痫病灶区，并结合图卷积网络和Transformer网络进行特征提取和时间点选择	NA	开发一种新的深度学习框架，用于从动态功能连接中定位癫痫病灶区	癫痫病灶区的定位	机器学习	癫痫	静息态功能磁共振成像（rs-fMRI）	图卷积网络（GCN）和Transformer网络	功能连接数据	训练数据来自人类连接组项目，评估数据来自临床癫痫数据集
718	2024-10-28	Federated Learning with Research Prototypes: Application to Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology 2023-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.012 PMID:36914501	研究论文	本文介绍了一种灵活的联邦学习框架，用于跨站点训练、验证和评估定制的深度学习前列腺癌检测算法	提出了一个灵活的联邦学习框架，支持跨站点训练和评估，并开源了FLtools系统以促进联邦学习的应用	需要更多数据和参与机构来提高前列腺癌分类模型的绝对性能	提高前列腺癌检测模型在不同机构间的泛化性能，同时保护患者健康信息和机构特定代码及数据	前列腺癌的检测和分期	计算机视觉	前列腺癌	联邦学习	3D UNet	MRI图像	1400+个异质性多参数前列腺MRI检查
719	2024-10-27	CryoREAD: de novo structure modeling for nucleic acids in cryo-EM maps using deep learning 2023-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02032-5 PMID:37783885	研究论文	本文介绍了一种名为CryoREAD的深度学习方法，用于在低温电子显微镜（cryo-EM）图中对核酸进行从头结构建模	CryoREAD利用深度学习技术在cryo-EM图中识别磷酸、糖和碱基位置，并将其建模为三维结构，相比现有方法，在2.0到5.0 Å分辨率的cryo-EM图中构建了更准确的模型	NA	开发一种新的计算方法，用于在cryo-EM图中对核酸进行从头结构建模	DNA和RNA的三维结构及其与蛋白质的复合物	计算机视觉	NA	深度学习	深度学习模型	图像	测试了2.0到5.0 Å分辨率的cryo-EM图，并应用于严重急性呼吸综合征冠状病毒2（SARS-CoV-2）的生物分子复合物cryo-EM图
720	2024-10-26	Invariant point message passing for protein side chain packing 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.03.551328 PMID:38187664	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack，通过几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	本文提出了一种新的蛋白质侧链包装方法PIPPack，结合了几何图神经网络和不变点消息传递技术，显著提高了计算速度	NA	开发一种高效且准确的蛋白质侧链包装方法	蛋白质侧链的包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链