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
1461	2024-09-13	A Study on the Impact of Integrating Reinforcement Learning for Channel Prediction and Power Allocation Scheme in MISO-NOMA System 2023-Jan-26, Sensors (Basel, Switzerland) DOI:10.3390/s23031383 PMID:36772422	研究论文	研究了在MISO-NOMA系统中集成强化学习进行信道预测和功率分配方案的影响	开发了基于Q-learning算法的信道预测模型，并将其应用于MISO-NOMA系统中，以提高下行链路总速率和减少估计损失	NA	研究强化学习在MISO-NOMA系统中信道预测和功率分配中的应用	MISO-NOMA系统中的信道参数预测和功率分配	机器学习	NA	强化学习	Q-learning	信道参数	多个用户设备
1462	2024-09-13	Using Ultrasound Image Augmentation and Ensemble Predictions to Prevent Machine-Learning Model Overfitting 2023-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030417 PMID:36766522	研究论文	本文探讨了使用超声图像增强和集成预测来防止机器学习模型过拟合的方法	引入了仿射变换和MixUp方法进行图像增强，并通过集成多个LOSO保留集的预测结果来提高模型性能	仅在组织幻影图像集上进行了验证，尚未在临床实际数据上进行测试	提高深度学习模型在超声图像分析中的泛化能力，以简化医疗影像诊断	超声图像中的弹片识别	计算机视觉	NA	NA	神经网络	图像	使用了多个组织幻影图像集进行训练和测试
1463	2024-09-13	Blind Assessment of Monomeric AlphaFold2 Protein Structure Models with Experimental NMR Data 2023-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.22.525096 PMID:36712039	研究论文	本文评估了AlphaFold2在预测小分子单体蛋白质结构模型时与实验NMR数据的拟合程度	首次系统性地评估了AlphaFold2在未用于训练的NMR结构数据上的表现，并发现其在大多数情况下与NMR数据拟合良好	研究仅限于小分子单体蛋白质，未涉及更大或更复杂的蛋白质结构	评估AlphaFold2在预测未用于训练的NMR结构数据上的准确性	小分子单体蛋白质的NMR结构数据	结构生物学	NA	NMR	AlphaFold2	蛋白质结构数据	9个小分子单体蛋白质
1464	2024-09-13	Lightweight and Energy-Efficient Deep Learning Accelerator for Real-Time Object Detection on Edge Devices 2023-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s23031185 PMID:36772225	研究论文	本文提出了一种轻量级且节能的深度学习加速器，用于边缘设备上的实时目标检测	通过模型简化和压缩优化网络模型，并设计了一种轻量级且节能的硬件架构	未提及	开发适用于资源受限的边缘设备的深度学习加速器，以实现实时目标检测	边缘设备上的实时目标检测	计算机视觉	NA	深度学习	深度学习模型	图像	未提及
1465	2024-09-13	Light-Dermo: A Lightweight Pretrained Convolution Neural Network for the Diagnosis of Multiclass Skin Lesions 2023-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030385 PMID:36766490	研究论文	本文提出了一种基于轻量级预训练卷积神经网络的计算机辅助诊断系统，用于多类皮肤病变诊断	开发了一种名为Light-Dermo的新方法，该方法基于轻量级CNN模型，并应用了通道注意力机制，旨在提高计算效率	NA	开发一种高效的计算机辅助诊断系统，用于早期识别多类皮肤病变	多类色素性皮肤病变	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	使用了14,000张图像进行初始验证，并通过数据增强技术扩展到28,000张图像
1466	2024-09-13	Thin-Slice Prostate MRI Enabled by Deep Learning Image Reconstruction 2023-Jan-18, Cancers IF:4.5Q1 DOI:10.3390/cancers15030578 PMID:36765539	研究论文	研究通过深度学习图像重建技术实现薄切片前列腺MRI，以提高前列腺癌诊断的图像质量	采用深度学习加速的T2加权薄切片成像序列（T2DLR），相比传统T2加权TSE成像（T2S），显著提高了图像锐度和病变检测能力	T2DLR在图像噪声方面表现较差	探讨深度学习加速的薄切片MRI在前列腺癌诊断中的应用效果	前列腺癌诊断中的图像质量和成像时间	计算机视觉	前列腺癌	深度学习图像重建	NA	图像	30名患者
1467	2024-09-13	Scalable Causal Structure Learning: Scoping Review of Traditional and Deep Learning Algorithms and New Opportunities in Biomedicine 2023-Jan-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38266 PMID:36649070	综述	本文综述了可扩展因果结构学习模型的传统和深度学习算法，并探讨了其在生物医学领域的新机遇	本文介绍了新的深度学习方法在因果结构学习中的应用，这些方法在处理大规模多变量数据时具有优势	本文未详细讨论深度学习方法在因果结构学习中的局限性	帮助医疗领域的读者理解和应用可扩展的因果结构学习模型	综述传统和机器学习方法在因果结构发现中的应用，并评估其在生物医学领域的潜力	机器学习	NA	深度学习	图神经网络	数据集	使用了线性、非线性和基准Sachs数据进行实验
1468	2024-09-13	Anatomically interpretable deep learning of brain age captures domain-specific cognitive impairment 2023-01-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2214634120 PMID:36595679	研究论文	本研究使用卷积神经网络（CNN）从磁共振成像（MRI）中估计大脑年龄，并揭示了大脑老化模式与认知障碍之间的关系	本研究引入了CNN模型，相比以往研究，在新的数据集上表现更好，并提供了详细的大脑老化解剖图谱	NA	研究大脑年龄与认知障碍之间的关系，并开发一种能够早期识别阿尔茨海默病风险的方法	认知正常的个体、轻度认知障碍患者和阿尔茨海默病患者的大脑年龄	计算机视觉	阿尔茨海默病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	训练集包含4681名认知正常参与者，测试集包含1170名认知正常参与者、351名轻度认知障碍患者和359名阿尔茨海默病患者
1469	2024-09-13	LAST: Latent Space-Assisted Adaptive Sampling for Protein Trajectories 2023-01-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.2c01213 PMID:36472885	研究论文	本文提出了一种基于变分自编码器（VAE）的潜在空间辅助自适应采样方法（LAST），用于加速蛋白质构象空间的探索	LAST方法通过在潜在空间中选择种子结构并进行额外的分子动力学模拟，显著提高了蛋白质构象空间探索的效率	NA	加速蛋白质构象空间的探索	蛋白质构象和动力学	机器学习	NA	分子动力学模拟	变分自编码器（VAE）	蛋白质轨迹	四个结构，涉及两个蛋白质系统：腺苷激酶（ADK）的两个亚稳态和Vivid（VVD）的两个天然态
1470	2024-09-13	The genetic architecture of the human skeletal form 2023-Jan-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.03.521284 PMID:36712136	研究论文	本文应用深度学习模型分析了31,221张全身双能X射线吸收法（DXA）图像，提取了23种图像衍生表型（IDPs），揭示了人类骨骼形态的遗传基础	首次应用深度学习模型分析DXA图像，识别出影响人类骨骼形态的新型和特定遗传变异，并将人类解剖学变化的主要进化方面与发病机制联系起来	NA	揭示人类骨骼形态的遗传基础	人类骨骼形态的遗传变异及其与疾病和进化的关系	生物信息学	骨关节疾病	深度学习	深度学习模型	图像	31,221张全身DXA图像
1471	2024-09-13	Blockchain for deep learning: review and open challenges 2023, Cluster computing DOI:10.1007/s10586-022-03582-7 PMID:35309043	综述	本文探讨了区块链技术与深度学习的结合，并回顾了相关文献	提出了基于七个参数的分类和主题分类法，并比较了现有的区块链深度学习框架	未提及具体的研究限制	研究区块链与深度学习结合的重要性，并提出未来研究挑战	区块链技术与深度学习的结合及其应用	机器学习	NA	区块链	深度学习	NA	NA
1472	2024-09-13	The limitations for expression recognition in computer vision introduced by facial masks 2023, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13559-8 PMID:35991583	研究论文	本文探讨了面部表情识别在计算机视觉中因佩戴口罩而受到的限制	研究了在不同遮挡场景下，面部表情识别在佩戴口罩时的准确性下降情况	实验结果表明，在佩戴口罩的情况下，一些著名的深度分类器的准确性显著下降	评估面部表情识别在佩戴口罩时的准确性下降程度	面部表情识别在佩戴口罩和遮挡眼睛情况下的表现	计算机视觉	NA	深度学习	深度神经网络	图像	两个公开数据集
1473	2024-09-13	Detecting COVID-19 vaccine hesitancy in India: a multimodal transformer based approach 2023, Journal of intelligent information systems IF:2.3Q3 DOI:10.1007/s10844-022-00745-1 PMID:36091222	研究论文	本文提出了一种基于多模态变压器的方法，用于检测印度Twitter用户对COVID-19疫苗的犹豫态度	利用BERT和GraphBERT模型对文本和网络结构信息进行编码，结合多模态学习方法，提高了分类效果	未提及具体限制	研究印度公众对COVID-19疫苗的犹豫态度，并提出有效的分类方法	印度Twitter用户对COVID-19疫苗的态度	机器学习	NA	多模态学习	变压器模型（BERT和GraphBERT）	文本和网络结构	未提及具体样本数量
1474	2024-09-13	Interpretable tourism volume forecasting with multivariate time series under the impact of COVID-19 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07967-y PMID:36373134	研究论文	本文提出了一种新的可解释框架，用于在COVID-19影响下预测中国九寨沟、黄山和四姑娘山每日的旅游量	首次引入与疫情相关的搜索引擎数据进行旅游需求预测，并提出了一种新的组合领先搜索指数-变分模式分解方法处理搜索引擎数据	NA	在COVID-19影响下，通过多变量时间序列数据预测旅游量	九寨沟、黄山和四姑娘山的每日旅游量	机器学习	NA	变分模式分解	DE-TFT	时间序列数据	三个案例
1475	2024-09-13	Performance analysis of U-Net with hybrid loss for foreground detection 2023, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-01014-5 PMID:36406901	研究论文	本文提出了一种结合混合损失的U-Net框架用于前景检测，并通过实验验证了其有效性	本文的创新点在于提出了一个结合迁移学习和混合损失的深度学习模型，用于解决前景检测中的类别不平衡问题	NA	本文的研究目的是改进前景检测算法，特别是在复杂背景下的前景提取	本文的研究对象是前景检测算法及其在复杂背景下的表现	计算机视觉	NA	卷积神经网络 (CNN)	U-Net	图像	标准数据集和未见过的视频数据
1476	2024-09-13	Forecast evaluation for data scientists: common pitfalls and best practices 2023, Data mining and knowledge discovery IF:2.8Q2 DOI:10.1007/s10618-022-00894-5 PMID:36504672	研究论文	本文探讨了机器学习和深度学习在时间序列预测中的应用，并指出了数据科学家在预测评估中常见的陷阱和最佳实践	本文通过教程式的方式，详细介绍了预测评估的细节，旨在弥合传统预测方法与现代机器学习技术之间的知识差距	NA	旨在帮助机器学习研究人员避免在预测评估中的常见错误，并提供最佳实践指南	时间序列数据和预测评估方法	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	时间序列数据	NA
1477	2024-09-13	Deep Learning Algorithm of 12-Lead Electrocardiogram for Parkinson Disease Screening 2023, Journal of Parkinson's disease DOI:10.3233/JPD-223549 PMID:36641685	研究论文	本研究开发了一种基于12导联心电图的深度学习算法，用于帕金森病的筛查	首次利用深度卷积神经网络（CNN）通过心电图数据进行帕金森病的筛查	模型的特异性较低，尤其是对于药物诱导的帕金森病（DPD）的检测效果不佳	开发一种高效的心电图深度学习算法，用于帕金森病的早期筛查	帕金森病患者和非帕金森病患者的心电图数据	机器学习	帕金森病	深度卷积神经网络（CNN）	CNN	心电图	751名帕金森病患者（2138份心电图），751名非帕金森病患者（2673份心电图），297名药物诱导的帕金森病患者（875份心电图）
1478	2024-09-13	Classification of Coronavirus Spike Proteins by Deep-Learning-Based Raman Spectroscopy and its Interpretative Analysis 2023, Journal of applied spectroscopy IF:0.8Q4 DOI:10.1007/s10812-023-01487-w PMID:36718373	研究论文	本文提出了一种基于深度学习的拉曼光谱技术用于冠状病毒刺突蛋白的分类方法	利用深度学习技术对拉曼光谱进行分类，即使在低信噪比的情况下也能达到超过97%的平均准确率	NA	开发一种快速且准确的冠状病毒检测方法	冠状病毒刺突蛋白的拉曼光谱	机器学习	NA	拉曼光谱	神经网络	光谱数据	5种冠状病毒的刺突蛋白样本
1479	2024-09-13	Validation of automatically measured T1 map cortico-medullary difference (ΔT1) for eGFR and fibrosis assessment in allograft kidneys 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277277 PMID:36791140	研究论文	本文提出了一种基于深度学习的2D U-Net模型（RCM U-Net），用于自动分割慢性肾病（CKD）移植肾脏T1图的皮质和髓质，并验证了自动测量的ΔT1值与eGFR和纤维化的相关性	本文的创新点在于使用深度学习模型RCM U-Net自动分割肾脏皮质和髓质，减少了手动绘制ROI的主观性和时间消耗，提高了结果的可重复性	本文的局限性在于特定性（SP）和准确性（ACC）的改进不显著，且样本量相对较小	研究目的是验证自动测量的ΔT1值在评估移植肾脏eGFR和纤维化中的应用	研究对象是慢性肾病（CKD）移植肾脏患者	计算机视觉	肾脏疾病	MRI T1-mapping	U-Net	图像	训练集包含40名患者（2400张增强图像），测试集包含10名患者（600张增强图像），临床验证集包含114名移植肾脏患者的皮质和髓质
1480	2024-09-13	Deep learning based tumor-stroma ratio scoring in colon cancer correlates with microscopic assessment 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100191 PMID:36794267	研究论文	研究使用深度学习算法对结肠癌中的肿瘤-间质比（TSR）进行半自动和全自动评分，并与显微镜评估进行比较	首次探讨了使用深度学习算法对结肠癌中的肿瘤-间质比进行自动化评分	研究样本量较小，且仅限于结肠癌病例	探讨使用深度学习算法对结肠癌中的肿瘤-间质比进行自动化评分的可行性	结肠癌中的肿瘤-间质比（TSR）评分	数字病理学	结肠癌	深度学习算法	NA	图像	75例结肠癌样本