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
1361	2024-09-16	Deep learning enabled multi-organ segmentation of mouse embryos 2023-02-15, Biology open IF:1.8Q3 DOI:10.1242/bio.059698 PMID:36802342	研究论文	本文介绍了一种基于深度学习的开源工具MEMOS，用于小鼠胚胎的多器官分割	开发了一种名为MEMOS的工具，能够在单个应用程序中估计50个解剖结构的分割，并支持手动审查、编辑和分析	NA	开发一种易于使用的工具，减少小鼠胚胎图像分割所需的计算资源和人力	小鼠胚胎的多器官分割	计算机视觉	NA	深度学习	NA	3D图像	涉及Cbx4敲除小鼠品系
1362	2024-09-16	Detection and classification of lung diseases for pneumonia and Covid-19 using machine and deep learning techniques 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-021-03464-7 PMID:34567277	研究论文	本文提出了一种用于从胸部X光图像中检测和分类肺炎和Covid-19的新框架	提出了一个包含数据集获取、图像质量增强、自适应和准确的感兴趣区域（ROI）估计、特征提取和疾病预测的框架，并设计了一种改进的区域生长技术用于ROI提取	未提及具体限制	开发一种准确检测和分类肺炎和Covid-19的方法	肺炎和Covid-19的胸部X光图像	计算机视觉	肺部疾病	机器学习和深度学习技术	人工神经网络（ANN）、支持向量机（SVM）、K近邻（KNN）、集成分类器、深度学习分类器、循环神经网络（RNN）与长短期记忆（LSTM）	图像	使用了两个公开的胸部X光图像数据集
1363	2024-09-16	LSTM Network Integrated with Particle Filter for Predicting the Bus Passenger Traffic 2023, Journal of signal processing systems DOI:10.1007/s11265-022-01831-x PMID:36687374	研究论文	本文结合深度学习和贝叶斯滤波技术，提出了一种集成粒子滤波与LSTM网络的模型，用于有效预测公交乘客流量	本文创新地将粒子滤波与LSTM网络结合，以提取马尔可夫行为并实现时间序列预测	实验结果表明，尽管模型在小训练数据集下表现良好，但其性能可能受限于数据集的大小	研究目的是开发一种能够准确预测公交乘客流量的模型，以优化公交调度	研究对象是公交乘客流量及其时间序列特征	机器学习	NA	LSTM网络，粒子滤波	LSTM	时间序列数据	用于预测未来三十天乘客流量的数据
1364	2024-09-16	Epoch and accuracy based empirical study for cardiac MRI segmentation using deep learning technique 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14939 PMID:36974136	研究论文	本文研究了基于深度学习技术的心脏MRI分割任务中，训练轮数（epoch）与准确率之间的关系	本文建立了超参数训练轮数与准确率之间的关系，并优化了卷积神经网络模型以提高分割准确率	NA	研究心脏MRI图像分割任务中，训练轮数对模型准确率的影响	心脏MRI图像的分割	计算机视觉	心血管疾病	深度学习技术	卷积神经网络（CNN）	图像	NA
1365	2024-09-16	Exploring interpretability in deep learning prediction of successful ablation therapy for atrial fibrillation 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1054401 PMID:36998987	研究论文	研究探讨了深度学习在预测房颤消融治疗成功率中的可解释性，并评估了左心房中是否使用了致心律失常区域	首次探索了深度学习模型在预测房颤消融治疗成功率中的可解释性，并验证了模型是否利用了MRI图像中的结构特征来识别致心律失常区域	研究仅使用了MRI衍生的2D左心房组织模型，未来需要进一步验证在真实临床环境中的应用	提高房颤消融治疗的成功率，并确保深度学习模型的预测结果具有临床可解释性	房颤及其消融治疗的成功率预测	机器学习	心血管疾病	深度学习	深度学习模型	图像	187个MRI衍生的2D左心房组织模型
1366	2024-09-16	Novel methods for elucidating modality importance in multimodal electrophysiology classifiers 2023, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2023.1123376 PMID:37006636	研究论文	本文研究了多模态电生理分类器中模态重要性的新方法	提出了两种新的局部多模态可解释性方法，并首次将这些方法应用于电生理分析	NA	提高多模态电生理分类器的可解释性，促进个性化医疗的发展	自动睡眠阶段分类中的脑电图、眼电图和肌电图数据	机器学习	NA	NA	卷积神经网络	时间序列数据	NA
1367	2024-09-16	An integrated pre-clerkship curriculum to build cognitive medical schema: It's not just about the content 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1148916 PMID:37008016	研究论文	本文介绍了一种综合性的预实习课程，旨在通过建立认知医学模式来提升学习者的临床表现	该课程设计超越了传统的内容教学，考虑了学习者特征、教师和资源等非内容设计元素，并采用了基于案例的方法和团队教学模式	虽然该模型可以应用于其他项目设置，但需要考虑特定环境和学习者的内容和非内容元素	开发一种预实习课程，消除学科界限，增强学习者在实习和早期临床表现中的能力	预实习课程的设计和实施，以及其对学习者临床推理能力的影响	医学教育	NA	NA	NA	NA	NA
1368	2024-09-15	Histopathologic brain age estimation via multiple instance learning 2023-12, Acta neuropathologica IF:9.3Q1 DOI:10.1007/s00401-023-02636-3 PMID:37815677	研究论文	本文通过多实例学习方法开发了一种基于组织病理学全切片图像的脑龄估计模型	本文首次利用组织病理学全切片图像构建深度学习模型来评估脑龄加速，并发现其与临床和病理结果的显著关联	NA	揭示脑龄加速的机制，并评估其在阿尔茨海默病和其他疾病中的早期变化	人类死后海马体切片	数字病理学	阿尔茨海默病	深度学习	多实例学习模型	图像	一组数字化的人类死后海马体切片
1369	2024-09-15	Leveraging global binary masks for structure segmentation in medical images 2023-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf2e2 PMID:37607564	研究论文	本文提出了一种利用全局二值掩码进行医学图像结构分割的框架	通过利用器官解剖位置和形状信息的一致性，提出了一种基于全局二值掩码的器官分割方法，有效缓解了训练数据稀缺和图像强度变化对模型性能的影响	仅在脑部和心脏CT图像数据集上进行了验证，尚未在其他类型的医学图像上进行测试	探索利用全局二值掩码进行医学图像结构分割的有效性	脑部和心脏的CT图像	计算机视觉	NA	深度学习	U-Net	图像	脑部CT图像数据集26个训练样本，10个验证样本，10个测试样本；心脏CT图像数据集12个训练样本，3个验证样本，5个测试样本
1370	2024-09-15	An optimized EBRSA-Bi LSTM model for highly undersampled rapid CT image reconstruction 2023-May, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2023.104637 PMID:36776947	研究论文	本文提出了一种优化的EBRSA-Bi LSTM模型，用于高度欠采样的快速CT图像重建	本文创新性地结合了深度学习方法和增强战斗皇家自注意力机制，提出了一种新的EBRSA-Bi LSTM模型，用于从欠采样数据中重建CT图像	NA	提高COVID-19患者的CT图像重建质量	COVID-19和SARS-CoV-2的CT图像	计算机视觉	NA	深度学习	EBRSA-Bi LSTM	图像	两个数据集：COVID-CT和SARS-CoV-2 CT
1371	2024-09-15	Applications of generative adversarial networks in neuroimaging and clinical neuroscience 2023-04-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.119898 PMID:36702211	综述	本文综述了生成对抗网络（GANs）在神经影像学和临床神经科学中的应用	GANs在捕捉空间复杂、非线性和潜在细微的疾病效应方面比传统生成方法更具优势	本文讨论了GANs在神经影像学应用中的主要挑战和开放问题	旨在弥合高级深度学习方法与神经学研究之间的差距，展示GANs如何支持临床决策并促进对脑疾病结构和功能模式的更好理解	阿尔茨海默病、脑肿瘤、脑老化和多发性硬化症等神经系统疾病	机器学习	NA	生成对抗网络（GANs）	GAN	影像	NA
1372	2024-09-15	MEMS piezoelectric resonant microphone array for lung sound classification 2023-Apr-01, Journal of micromechanics and microengineering : structures, devices, and systems IF:2.4Q3 DOI:10.1088/1361-6439/acbfc3 PMID:36911255	研究论文	本文报道了一种用于肺音分类的高灵敏度压电微机电系统（MEMS）谐振麦克风阵列（RMA）	该RMA由八个宽度阶梯式悬臂谐振麦克风组成，具有从230到630 Hz的Mel分布谐振频率，主要覆盖哮鸣音的频率范围。与传统平坦灵敏度的参考麦克风相比，RMA记录的肺音中的哮鸣音特征更为明显，从而在使用深度学习算法或简单机器学习算法进行自动分类时，准确率更高	NA	开发一种用于检测和分类肺音中哮鸣音的高灵敏度MEMS谐振麦克风阵列	肺音中的哮鸣音	数字病理学	肺部疾病	MEMS技术	深度学习算法和简单机器学习算法	声音	NA
1373	2024-09-15	Predicting sex, age, general cognition and mental health with machine learning on brain structural connectomes 2023-04-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26182 PMID:36541441	研究论文	研究利用机器学习技术预测大脑结构连接图谱中的性别、年龄、一般认知功能和心理健康状况	探讨了不同机器学习算法在预测大脑结构连接图谱中多个方面的效果，发现深度学习模型并未显著优于简单的线性模型	模型复杂度在当前样本量下不太可能提高结构连接图谱与复杂表型之间关联的检测	探索大脑结构连接图谱与性别、年龄、认知功能和心理健康状况之间的关系	大脑结构连接图谱、性别、年龄、认知功能和心理健康状况	机器学习	NA	机器学习	深度学习模型（BrainNetCNN）和经典机器学习方法	大脑结构连接图谱	8183个结构连接图谱
1374	2024-09-15	Image dataset of urine test results on petri dishes for deep learning classification 2023-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109034 PMID:36942098	研究论文	本文介绍了一个用于深度学习分类的尿液检测培养皿图像数据集的创建过程	本文创新性地收集并分类了尿液检测培养皿图像，为深度学习模型在临床微生物学实验室中的应用提供了基础数据	本文未详细讨论深度学习模型的具体应用效果和性能	本文旨在为深度学习模型在尿液检测分类中的应用提供一个标准化的图像数据集	本文的研究对象是尿液检测培养皿图像	计算机视觉	NA	深度学习	NA	图像	1500张尿液检测培养皿图像
1375	2024-09-15	A Systematic Literature Review of the Use of Computational Text Analysis Methods in Intimate Partner Violence Research 2023-Mar-21, Journal of family violence IF:2.7Q2 DOI:10.1007/s10896-023-00517-7 PMID:37358974	综述	本文综述了计算文本分析方法在亲密伴侣暴力研究中的应用	提出计算文本挖掘方法作为亲密伴侣暴力研究中的方法创新	仅少数研究讨论了计算方法的伦理问题	概述当前使用文本挖掘方法研究亲密伴侣暴力的工作，为研究人员提供起点	亲密伴侣暴力研究中的文本挖掘方法	自然语言处理	NA	文本挖掘	NA	文本	22项独立研究
1376	2024-09-15	Optimal feature selection for COVID-19 detection with CT images enabled by metaheuristic optimization and artificial intelligence 2023-Mar-20, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-15031-7 PMID:37362744	研究论文	本文提出了一种基于元启发式优化和人工智能的最优特征选择方法，用于通过CT图像进行COVID-19检测	本文提出了一种改进的量子海洋捕食者算法（Mq-MPA）特征选择算法，显著减少了分类时间	NA	开发一种高效的COVID-19检测方法，特别是在缺乏专业医生的偏远地区	COVID-19、正常和肺炎三种类别的CT图像	计算机视觉	COVID-19	元启发式优化	最小二乘支持向量机（LSSVM）	图像	NA
1377	2024-09-15	Are deep models in radiomics performing better than generic models? A systematic review 2023-03-15, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-023-00325-0 PMID:36918479	综述	本文系统回顾了深度模型和通用模型在放射组学中的表现差异	探讨了深度学习方法在放射组学中的应用，并比较了深度模型和通用模型的性能	研究主要基于回顾性数据，且样本量和验证方法存在差异	评估深度模型在放射组学中是否优于通用模型	深度模型和通用模型在放射组学中的性能	机器学习	NA	深度学习	深度模型和通用模型	影像	1229条记录，其中69项研究被纳入，训练样本中位数为196（范围41-1455），验证样本中位数为73（范围18-535）
1378	2024-09-15	Newly reconstructed Arctic surface air temperatures for 1979-2021 with deep learning method 2023-03-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02059-5 PMID:36922501	研究论文	本文通过深度学习方法重建了1979年至2021年的北极表面气温数据集	本文提出了一个新的北极表面气温数据集，该数据集具有更完整的空间和时间覆盖，并结合了多个数据源的表面气温观测	NA	重建一个精确且定期更新的北极表面气温数据集，以监测和理解北极气候的快速变化	北极表面气温数据	机器学习	NA	深度学习	NA	数据集	包括1979年至今的每月北极表面气温数据和2011年至今的每日北极表面气温数据
1379	2024-09-15	Automatic segmentation of thyroid with the assistance of the devised boundary improvement based on multicomponent small dataset 2023-Mar-15, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-023-04540-5 PMID:37363389	研究论文	本文提出了一种基于多成分小数据集的甲状腺自动分割方法，通过设计多成分邻域极限学习机来改进初步分割结果的边界关注区域	结合深度学习和传统机器学习的优势，提出了一种新的多成分邻域极限学习机方法，以提高甲状腺分割的准确性	该方法依赖于多成分小数据集，可能不适用于大规模数据集	提高甲状腺超声图像分割的准确性	甲状腺超声图像	计算机视觉	NA	极限学习机	U-Net	图像	多成分小数据集
1380	2024-09-15	The predictive model for COVID-19 pandemic plastic pollution by using deep learning method 2023-03-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31416-y PMID:36914765	研究论文	本文提出了一种基于深度学习的预测模型，用于预测COVID-19大流行期间塑料污染的扩展情况	使用深度神经网络（DNN）模型进行预测，相较于其他方法具有更高的准确性和较低的误差率	NA	预测COVID-19大流行期间塑料污染的扩展情况，以提供情境管理、控制程序并减少COVID-19的影响	COVID-19大流行期间的塑料污染	机器学习	NA	深度学习	深度神经网络（DNN）	时间序列数据	从2020年2月27日至2021年10月10日的COVID-19传播和个人防护设备使用数据，训练集占80%，测试集占20%