深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1601	2024-09-20	DynamicSleepNet: a multi-exit neural network with adaptive inference time for sleep stage classification 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1171467 PMID:37250117	研究论文	提出了一种名为DynamicSleepNet的多出口神经网络，用于动态调整睡眠阶段分类的精度和效率	DynamicSleepNet通过多出口结构和动态推理时间调整，减少了多模态电生理信号处理中的冗余计算，提高了效率	NA	提高睡眠阶段分类的自动化程度和效率	睡眠阶段的分类	机器学习	NA	多模态电生理信号	多出口神经网络	电生理信号	四个数据集	NA	NA	NA	NA
1602	2024-09-20	A Lightweight convolutional neural network for nicotine prediction in tobacco by near-infrared spectroscopy 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1138693 PMID:37251760	研究论文	本文提出了一种轻量级一维卷积神经网络（1D-CNN）用于通过近红外光谱预测烟草中的尼古丁含量	本文的创新点在于提出了一种轻量级的一维卷积神经网络模型，用于通过近红外光谱数据预测烟草中的尼古丁含量，并采用了批量归一化技术来减少过拟合并提高模型的泛化性能	本文的局限性在于仅使用了Savitzky-Golay平滑预处理方法，未探讨其他预处理方法对模型性能的影响	本研究的目的是开发一种高效、准确的模型，用于通过近红外光谱技术快速预测烟草中的尼古丁含量	本研究的对象是烟草中的尼古丁含量	机器学习	NA	近红外光谱	一维卷积神经网络（1D-CNN）	光谱数据	随机生成的训练和测试数据集	NA	NA	NA	NA
1603	2024-09-20	Enhancing Disease Classification in Abdominal CT Scans through RGB Superposition Methods and 2D Convolutional Neural Networks: A Study of Appendicitis and Diverticulitis 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/7714483 PMID:37284168	研究论文	本文提出了一种利用RGB叠加方法和2D卷积神经网络增强腹部CT扫描中疾病分类的方法，主要研究了阑尾炎和憩室炎的诊断	本文创新性地使用RGB通道叠加图像作为模型输入，相比传统的3D CNN方法，减少了数据需求和计算资源，提高了分类性能	本文未详细讨论模型在其他疾病或不同数据集上的泛化能力	提高腹部CT扫描中阑尾炎和憩室炎的分类准确性	阑尾炎和憩室炎	计算机视觉	NA	2D卷积神经网络	EfficientNet	图像	未明确提及具体样本数量	NA	NA	NA	NA
1604	2024-09-20	Hematologic Cancer Detection Using White Blood Cancerous Cells Empowered with Transfer Learning and Image Processing 2023, Journal of healthcare engineering DOI:10.1155/2023/1406545 PMID:37284488	研究论文	本文提出了一种利用迁移学习和图像处理技术增强的深度学习模型，用于检测血液癌症	本文的创新点在于结合了迁移学习和图像处理技术，提高了血液癌症检测的准确性	本文的局限性在于仅使用了AlexNet、MobileNet和ResNet模型，未探索其他可能更优的模型	本文的研究目的是提高血液癌症的早期预测和治疗效果	本文的研究对象是血液癌症中的淋巴瘤和白血病	计算机视觉	血液癌症	迁移学习、图像处理	深度学习模型（AlexNet、MobileNet、ResNet）	图像	使用了大量的白血癌细胞图像进行训练和测试	NA	NA	NA	NA
1605	2024-09-20	The current state of artificial intelligence in endoscopic diagnosis of early esophageal squamous cell carcinoma 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1198941 PMID:37293591	综述	本文综述了人工智能在早期食管鳞状细胞癌内镜诊断中的现状	人工智能通过深度学习模型中的卷积神经网络（CNN）提取图像数据的关键特征，并进行图像分类，显著提高了内镜图像分类的准确性	人工智能系统的训练数据集存在选择性偏差，影响其通用性	探讨人工智能在早期食管鳞状细胞癌内镜诊断和侵袭深度预测中的应用	早期食管鳞状细胞癌	计算机视觉	食管癌	深度学习	卷积神经网络（CNN）	图像	NA	NA	NA	NA	NA
1606	2024-09-19	Automatic segmentation of white matter hyperintensities in T2-FLAIR with AQUA: A comparative validation study against conventional methods 2023-12, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110825 PMID:38000477	研究论文	本文提出了一种名为AQUA的深度学习模型，用于自动分割T2-FLAIR扫描中的白质高信号（WMH），并与其他五种自动分割方法进行了比较验证	AQUA模型在U-Net架构的基础上进行了改进，引入了Bottleneck Attention Module，显著提高了对小尺寸WMH的检测性能	尽管AQUA在大多数指标上表现优异，但在召回率和F1分数上仍有改进空间，特别是在排除小病变后	开发一种高效且客观的自动分割方法，用于检测和监测与认知衰退和痴呆风险相关的白质高信号	T2-FLAIR扫描中的白质高信号（WMH）	计算机视觉	神经退行性疾病	深度学习	U-Net	图像	170名老年参与者	NA	NA	NA	NA
1607	2024-09-19	Explainable Convolutional Neural Networks for Brain Cancer Detection and Localisation 2023-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s23177614 PMID:37688069	研究论文	本文提出了一种利用卷积神经网络和类激活映射进行脑癌检测和定位的方法	利用深度学习技术，特别是卷积神经网络和类激活映射，提供了解释性，突出显示与脑癌相关的医学图像区域	NA	检测和定位脑癌	脑癌	计算机视觉	脑癌	卷积神经网络	卷积神经网络	图像	3000个磁共振图像	NA	NA	NA	NA
1608	2024-09-19	Deep learning architecture for 3D image super-resolution of late gadolinium enhanced cardiac MRI 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051808 PMID:37235130	研究论文	本文提出了一种基于3D卷积神经网络（CNN）的方法，用于提高晚期钆增强心脏MRI图像的穿透平面分辨率	本文创新性地引入了一个梯度分支，为CNN超分辨率框架提供结构指导，从而提高了图像的穿透平面分辨率和分割效果	NA	提高晚期钆增强心脏MRI图像的穿透平面分辨率，并评估其对心脏腔室3D分割的影响	晚期钆增强心脏MRI图像的穿透平面分辨率和左心房（LA）的3D分割	计算机视觉	心血管疾病	3D卷积神经网络（CNN）	CNN	3D图像	使用了2018年心房分割挑战数据集和2022年左心房和瘢痕量化与分割挑战数据集	NA	NA	NA	NA
1609	2024-09-19	A lightweight CORONA-NET for COVID-19 detection in X-ray images 2023-Sep-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120023 PMID:37063778	研究论文	本文提出了一种轻量级的深度学习方法CORONA-NET，用于从胸部X光图像中诊断COVID-19	结合了卷积神经网络（CNN）、离散小波变换（DWT）和长短期记忆网络（LSTM），实现了高效的COVID-19检测	NA	开发一种自动化的COVID-19检测系统，以快速诊断和阻止病毒传播	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）、离散小波变换（DWT）、长短期记忆网络（LSTM）	CNN、LSTM	图像	3000张X光图像，其中1000张为COVID-19阳性	NA	NA	NA	NA
1610	2024-09-19	DeepBindPPI: Protein-Protein Binding Site Prediction Using Attention Based Graph Convolutional Network 2023-08, The protein journal DOI:10.1007/s10930-023-10121-9 PMID:37198346	研究论文	本文提出了一种基于注意力机制的图卷积网络模型DeepBindPPI，用于预测蛋白质-蛋白质相互作用的结合位点	本文创新性地将图卷积网络与注意力机制结合，提高了蛋白质结合位点预测的精度	本文未详细讨论模型的泛化能力和对不同类型蛋白质结合位点的预测效果	开发一种高精度的蛋白质结合位点预测方法，以支持药物发现任务	蛋白质-蛋白质相互作用的结合位点，特别是抗原-抗体相互作用	机器学习	NA	图卷积网络	注意力机制	蛋白质数据	使用了通用蛋白质数据集，并使用抗原-抗体数据进行微调	NA	NA	NA	NA
1611	2024-09-19	Pacpaint: a histology-based deep learning model uncovers the extensive intratumor molecular heterogeneity of pancreatic adenocarcinoma 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39026-y PMID:37311751	研究论文	开发了一种基于深度学习的模型PACpAInt，用于快速分型胰腺腺癌的分子亚型	PACpAInt模型能够在全切片或瓦片级别预测肿瘤组织和肿瘤细胞的分子亚型，并独立预测生存率	NA	研究胰腺腺癌的分子异质性并开发快速分型工具	胰腺腺癌的肿瘤和基质亚型	数字病理学	胰腺腺癌	深度学习	深度学习模型	转录组数据	202例多中心队列训练，4个独立队列（包括148、97、126例手术队列和25例活检队列）验证，总共598例样本	NA	NA	NA	NA
1612	2024-09-19	Volumetric Analysis of Amygdala and Hippocampal Subfields for Infants with Autism 2023-Jun, Journal of autism and developmental disorders IF:3.2Q1 DOI:10.1007/s10803-022-05535-w PMID:35389185	研究论文	本文首次使用MRI对6至24个月大的婴儿进行杏仁核和海马子区域的三维分析，以研究自闭症谱系障碍（ASD）儿童的脑部异常发育	提出了Dilated-Dense U-Net深度学习方法，用于解决这些子区域低组织对比度和小结构尺寸的挑战	NA	研究自闭症谱系障碍（ASD）婴儿杏仁核和海马子区域的发育情况	6至24个月大的婴儿的杏仁核和海马子区域	计算机视觉	自闭症	MRI	Dilated-Dense U-Net	图像	NA	NA	NA	NA	NA
1613	2024-09-19	Profiling of kidney involvement in systemic lupus erythematosus by deep learning using the National Database of Designated Incurable Diseases of Japan 2023-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-023-02337-x PMID:36929044	研究论文	本研究利用日本国家指定难治性疾病数据库的数据，通过深度学习方法分析了系统性红斑狼疮（SLE）患者中的肾脏受累情况	本研究首次利用深度学习技术分析了SLE患者中肾脏受累与其他临床表现之间的关系	研究仅基于2015年至2017年注册的1655名SLE患者的横断面数据，可能存在样本量不足的问题	探讨系统性红斑狼疮患者中肾脏受累的临床表现及其与其他临床表现的关系	系统性红斑狼疮患者及其肾脏受累情况	机器学习	系统性红斑狼疮	深度学习	人工神经网络	临床数据	1655名SLE患者	NA	NA	NA	NA
1614	2024-09-19	Progressive attention integration-based multi-scale efficient network for medical imaging analysis with application to COVID-19 diagnosis 2023-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106947 PMID:37099976	研究论文	本文开发了一种基于深度学习的医学影像分析框架，旨在解决影像数据不完美导致的特征学习不足问题	提出了一种多尺度高效网络（MEN），通过集成不同的注意力机制，实现逐步学习方式下细节特征和语义信息的充分提取	未提及	开发一种新的深度学习框架，用于医学影像分析，特别是COVID-19诊断	COVID-19诊断任务中的医学影像	计算机视觉	COVID-19	深度学习	多尺度高效网络（MEN）	影像	未提及	NA	NA	NA	NA
1615	2024-09-19	Comparison of the output of a deep learning segmentation model for locoregional breast cancer radiotherapy trained on 2 different datasets 2023-Jun, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2023.100209 PMID:37213441	研究论文	比较了基于两个不同数据集训练的深度学习分割模型在局部乳腺癌放疗中的输出	研究了使用外部数据训练的模型与使用内部数据训练的模型之间的性能差异	研究仅限于30名乳腺癌患者的内部数据，可能无法完全代表所有情况	评估使用外部数据训练的模型与使用内部数据训练的模型在乳腺癌放疗中的性能差异	深度学习分割模型在乳腺癌放疗中的应用	机器学习	乳腺癌	深度学习	分割模型	图像	30名乳腺癌患者	NA	NA	NA	NA
1616	2024-09-19	Deep learning for multi-class semantic segmentation enables colorectal cancer detection and classification in digital pathology images 2023-05-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-35491-z PMID:37225743	研究论文	本文介绍了一种基于深度学习的多类语义分割方法，用于在数字病理图像中检测和分类结直肠癌	本文提出了一种基于人工智能的方法，用于在H&E染色的全切片图像中分割多个组织隔室，并测试和比较了用于分割模型的多种最先进的损失函数	本文的局限性在于其研究范围主要集中在荷兰和德国的五个医疗中心的结直肠癌病例，以及两个公开的结直肠癌分割数据集	本文的研究目的是开发一种能够自动评估结直肠癌病理全切片图像的人工智能方法	本文的研究对象是结直肠癌的病理全切片图像	数字病理学	结直肠癌	深度学习	语义分割模型	图像	超过1000名患者的独立队列	NA	NA	NA	NA
1617	2024-09-19	A Small Step Toward Generalizability: Training a Machine Learning Scoring Function for Structure-Based Virtual Screening 2023-05-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00322 PMID:37166179	研究论文	本文开发了一种基于机器学习的评分函数，用于结构导向的虚拟筛选，旨在提高其对未见分子的泛化能力	本文提出了一种新的机器学习评分函数，通过彻底的训练和测试数据集筛选来避免数据集偏差的影响，并首次使用深度学习方法从目标中提取结构信息用于分子设计	本文未详细讨论该评分函数在不同蛋白质目标上的泛化能力，以及其在实际应用中的表现	开发一种能够准确预测小分子与蛋白质结合亲和力的机器学习评分函数，并提高其对未见分子的泛化能力	小分子与蛋白质的结合亲和力预测	机器学习	NA	机器学习	NA	结构数据	使用了CASF-2016基准测试集进行训练和测试	NA	NA	NA	NA
1618	2024-09-19	A survey on automatic generation of medical imaging reports based on deep learning 2023-May-18, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-023-01113-y PMID:37202803	综述	本文综述了基于深度学习的医学影像报告自动生成领域的最新研究进展，并提出了未来的研究方向	本文总结了多种深度学习架构在诊断报告生成中的应用，包括分层RNN框架、基于注意力机制的框架和基于强化学习的框架	本文指出了当前研究中存在的潜在挑战，并提出了未来研究方向以支持临床应用和决策	综述基于深度学习的医学影像报告自动生成领域的研究进展，并提出未来研究方向	医学影像报告的自动生成	计算机视觉	NA	深度学习	RNN、注意力机制、强化学习	影像	NA	NA	NA	NA	NA
1619	2024-09-19	General framework for E(3)-equivariant neural network representation of density functional theory Hamiltonian 2023-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38468-8 PMID:37208320	研究论文	提出了一种E(3)-等变深度学习框架，用于表示密度泛函理论（DFT）哈密顿量作为材料结构的函数	该方法能够自然地保留欧几里得对称性，即使在存在自旋轨道耦合的情况下，也能实现高效的电子结构计算	NA	设计一种结合深度学习和从头计算的神经网络模型，以实现高效的电子结构计算	密度泛函理论（DFT）哈密顿量和材料结构	机器学习	NA	深度学习	E(3)-等变神经网络	材料结构数据	小尺寸结构的数据	NA	NA	NA	NA
1620	2024-09-19	The effect of neural network architecture on virtual H&E staining: Systematic assessment of histological feasibility 2023-May-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100725 PMID:37223268	研究论文	本文研究了神经网络架构对虚拟H&E染色的影响，评估了其在组织学上的可行性	本文通过使用pix2pix模型，发现用密集卷积单元替代简单卷积可以提高结构相似性分数、峰值信噪比和细胞核再现精度	NA	研究神经网络架构对虚拟H&E染色的影响，评估其在组织学分析中的应用潜力	未染色的组织切片和虚拟H&E染色图像	计算机视觉	NA	深度学习	生成对抗网络 (GAN)	图像	涉及多种组织类型	NA	NA	NA	NA