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	2024-09-14	Dual Semi-Supervised Learning for Classification of Alzheimer's Disease and Mild Cognitive Impairment Based on Neuropsychological Data 2023-Feb-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13020306 PMID:36831850	研究论文	本文提出了一种基于神经心理学数据的双重半监督学习方法，用于阿尔茨海默病和轻度认知障碍的分类	引入了差异正则化和一致性正则化与伪标签相结合的半监督方法	NA	开发一种新的半监督学习方法，用于阿尔茨海默病和轻度认知障碍的分类	阿尔茨海默病、轻度认知障碍和正常对照组	机器学习	阿尔茨海默病	NA	双重半监督学习框架	神经心理学测试分数	188例阿尔茨海默病、402例轻度认知障碍和229例正常对照组
62	2024-09-14	Machine Learning System for Lung Neoplasms Distinguished Based on Scleral Data 2023-Feb-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040648 PMID:36832135	研究论文	本文探讨了巩膜特征与肺肿瘤之间的关联，并开发了一种基于巩膜图像的非侵入性人工智能方法用于检测肺肿瘤	开发了一种新型仪器用于获取无反射的巩膜图像，并基于此图像和多实例学习模型开发了一种非侵入性AI方法用于检测肺肿瘤	研究样本量相对较小，且仅限于特定时间段内的参与者	探索巩膜特征与肺肿瘤之间的关联，并开发一种非侵入性的人工智能方法用于检测肺肿瘤	巩膜特征与肺肿瘤的关联，以及基于巩膜图像的肺肿瘤检测方法	机器学习	肺癌	多实例学习	多实例学习模型	图像	3923名参与者，其中95名参与了巩膜图像筛查，共采集了950张巩膜图像
63	2024-09-14	Explainable Artificial Intelligence (XAI) in Pain Research: Understanding the Role of Electrodermal Activity for Automated Pain Recognition 2023-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s23041959 PMID:36850556	研究论文	本文探讨了可解释人工智能（XAI）在疼痛研究中的应用，特别是通过电皮肤活动数据进行自动化疼痛识别	本文提出了使用递归特征消除和随机森林模型评估手工特征的重要性，并应用梯度加权类激活映射来突出深度学习模型中学习到的最具影响力的特征	本文主要关注电皮肤活动数据，未涉及其他类型的疼痛识别方法	研究可解释人工智能在疼痛识别中的应用，提高模型的透明度和可理解性	电皮肤活动传感器数据，包括PainMonit和BioVid Heat Pain数据库	机器学习	NA	递归特征消除，随机森林模型，梯度加权类激活映射	随机森林（RF）模型，深度学习模型	时间序列数据	PainMonit和BioVid Heat Pain数据库中的数据
64	2024-09-14	A Lightweight Deep Learning Based Microwave Brain Image Network Model for Brain Tumor Classification Using Reconstructed Microwave Brain (RMB) Images 2023-Feb-07, Biosensors DOI:10.3390/bios13020238 PMID:36832004	研究论文	提出了一种基于轻量级深度学习的微波脑图像网络模型MBINet，用于从重建的微波脑图像中进行脑肿瘤分类	提出了一个八层的轻量级分类器模型MBINet，使用自组织操作神经网络（Self-ONN）进行分类，并在实验中取得了优于其他模型的分类结果	NA	开发一种用于从重建的微波脑图像中进行脑肿瘤分类的轻量级深度学习模型	重建的微波脑图像中的脑肿瘤分类	计算机视觉	脑肿瘤	微波脑成像（SMBI）	自组织操作神经网络（Self-ONN）	图像	总共1320张图像，包括不同类型的脑肿瘤和非肿瘤图像
65	2024-09-14	Joint Cancer Segmentation and PI-RADS Classification on Multiparametric MRI Using MiniSegCaps Network 2023-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040615 PMID:36832103	研究论文	提出了一种名为MiniSegCaps的多分支网络，用于在多参数MRI上进行前列腺癌分割和PI-RADS分类	引入CapsuleNet分支利用前列腺癌与解剖结构之间的相对空间信息，减少训练样本需求；采用GRU单元跨切片利用空间知识，提高切片间一致性	未提及具体局限性	开发一种自动化的深度学习网络，用于前列腺癌的分割和PI-RADS分类，以减少放射科医生的负担和读片者间的变异性	前列腺癌的分割和PI-RADS分类	计算机视觉	前列腺癌	MRI	MiniSegCaps网络	图像	462名患者的多参数MRI数据
66	2024-09-14	Transfer-Learning-Based Estimation of the Remaining Useful Life of Heterogeneous Bearing Types Using Low-Frequency Accelerometers 2023-Feb-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9020034 PMID:36826953	研究论文	本文提出并评估了一种基于迁移学习的剩余使用寿命（RUL）估计方法，适用于不同类型轴承的小数据集和低采样率	本文提出了一种基于迁移学习的深度学习方法，能够有效利用低频数据，并在IEEE PHM 2012数据挑战中表现优于获胜方法	NA	研究如何利用深度学习方法准确估计机械元件如轴承的剩余使用寿命	不同类型轴承的剩余使用寿命	机器学习	NA	迁移学习	LSTM	低频加速度计数据	小数据集
67	2024-09-14	Deep-Learning-Based Automatic Segmentation of Parotid Gland on Computed Tomography Images 2023-Feb-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040581 PMID:36832069	研究论文	本研究开发了一种基于U-Net架构的算法，用于在头部和颈部CT图像上自动分割腮腺，并评估模型的性能	首次使用U-Net架构在CT图像上自动分割腮腺	研究样本量较小，仅为30个CT体积	开发和评估一种自动分割腮腺的算法	腮腺的自动分割	计算机视觉	NA	NA	U-Net	图像	30个头部和颈部CT体积，共931张轴向图像
68	2024-09-14	Blockchain-Federated and Deep-Learning-Based Ensembling of Capsule Network with Incremental Extreme Learning Machines for Classification of COVID-19 Using CT Scans 2023-Feb-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020203 PMID:36829697	研究论文	本文提出了一种基于区块链和联邦学习的深度学习模型，结合胶囊网络和增量极限学习机，用于通过CT扫描图像分类COVID-19患者	创新点包括使用区块链技术确保数据隐私，通过联邦学习训练全局模型，以及结合胶囊网络和增量极限学习机进行分类	NA	开发一种有效且隐私保护的COVID-19分类方法	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络，增量极限学习机	图像	五个不同数据库（多家医院）的数据
69	2024-09-14	Learning Pathways and Students Performance: A Dynamic Complex System 2023-Feb-03, Entropy (Basel, Switzerland) DOI:10.3390/e25020291 PMID:36832657	研究论文	本研究通过学生与学习管理系统（LMS）交互的日志数据构建网络模型，分析学生的学习路径及其对学习表现的影响	本研究首次通过分形方法提取相关学习活动节点，并使用深度学习网络对学生的学习路径进行分类，以预测学习表现	研究样本仅限于422名参与混合课程的学生，可能限制了结果的普适性	探讨学生学习路径的宏观涌现性和非加和性特征，以及微观层面的等终性	422名参与混合课程的学生的学习路径及其学习表现	机器学习	NA	深度学习网络	深度学习网络	网络数据	422名学生
70	2024-09-14	Two-Stage CNN Whole Heart Segmentation Combining Image Enhanced Attention Mechanism and Metric Classification 2023-02, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00708-6 PMID:36175600	研究论文	提出了一种结合图像增强注意力机制和度量分类的两阶段CNN全心脏分割方法	采用Log-Gabor滤波器注意力机制和度量分类网络，增强了纹理和轮廓信息，并优化了难以分割的边界	未提及	提高心脏医学影像中多种组织和器官的分割精度	心脏MRI切片中的多种组织和器官	计算机视觉	心血管疾病	Log-Gabor滤波器	CNN	图像	7种心脏组织
71	2024-09-14	Using pose estimation to identify regions and points on natural history specimens 2023-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010933 PMID:36812227	研究论文	本文测试了一种基于深度学习的姿态估计方法，用于在自然历史标本图像上准确标注关键位置点	提出了一种基于深度学习的姿态估计方法，能够高效地从数字化生物标本图像中提取表型测量数据	NA	探索如何利用高吞吐量方法从数字化生物标本数据中提取表型测量数据	鸟类标本和Littorina蜗牛壳的图像	计算机视觉	NA	深度学习	姿态估计	图像	鸟类数据集95%的图像被正确标注，Littorina数据集超过95%的标志点被准确放置
72	2024-09-14	Advances in Diagnosis, Therapy, and Prognosis of Coronary Artery Disease Powered by Deep Learning Algorithms 2023-Feb, JACC. Asia DOI:10.1016/j.jacasi.2022.12.005 PMID:36873752	综述	本文综述了深度学习算法在冠状动脉疾病诊断、治疗和预后中的应用	深度学习算法提高了介入解决方案的效率和客观性，实现了高自动化、低辐射和增强的风险分层	泛化性、可解释性和监管问题仍是需要解决的挑战	探讨深度学习算法的发展及其在临床应用中的评估指标	冠状动脉疾病患者的诊断、治疗和预后	机器学习	心血管疾病	深度学习	深度学习算法	图像	NA
73	2024-09-13	Electrocardiogram-based deep learning improves outcome prediction following cardiac resynchronization therapy 2023-02-21, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehac617 PMID:36342291	研究论文	本研究利用可解释的深度学习算法识别和可视化心电图特征，以预测心脏再同步治疗后的临床结果	提出的FactorECG模型在预测心脏再同步治疗后的临床结果方面优于当前指南心电图标准和QRSAREA，且不需要额外的临床变量	FactorECG模型在加入13个临床变量后，其预测能力的提升有限	开发和验证一种基于心电图的深度学习算法，以提高心脏再同步治疗后临床结果的预测准确性	心电图特征和心脏再同步治疗后的临床结果	机器学习	心血管疾病	深度学习算法	深度学习模型	心电图	1306名心脏再同步治疗患者的心电图数据
74	2024-09-13	Low-data interpretable deep learning prediction of antibody viscosity using a biophysically meaningful representation 2023-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-28841-4 PMID:36806303	研究论文	本文提出了一种基于生物物理学意义表示的深度学习方法，用于在数据有限的情况下预测抗体粘度	使用生物物理学意义的表示方法，在数据有限的情况下开发可推广的模型，并展示了其在抗体粘度预测中的应用	仅在抗体粘度预测中进行了验证，尚未广泛应用于其他生物系统	开发一种在数据有限的情况下可推广的深度学习模型，用于预测抗体粘度	抗体粘度	机器学习	NA	深度学习	3D卷积神经网络	图像	几十个数据点
75	2024-09-13	Restoring speech intelligibility for hearing aid users with deep learning 2023-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29871-8 PMID:36792797	研究论文	本文介绍了一种基于深度学习的算法，用于提高助听器用户在背景噪音环境下的语音可懂度	该算法通过深度网络选择性抑制噪音并保持语音信号，使用了一种新颖的基于深度学习的语音可懂度度量方法进行优化，并在单麦克风上实现了实时操作	NA	提高助听器用户在背景噪音环境下的语音可懂度	助听器用户和正常听力对照组	机器学习	听力损失	深度学习	深度网络	语音信号	大量自定义的含噪音语音信号数据库
76	2024-09-13	Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning 2023-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-35973-8 PMID:36788206	研究论文	本文利用深度学习技术对质子交换膜燃料电池中的液态水进行大规模物理精确建模	本文首次实现了对质子交换膜燃料电池中液态水的大规模直接多相流模拟，并揭示了多尺度水团聚和传输机制	NA	研究质子交换膜燃料电池中液态水的精确建模	质子交换膜燃料电池中的液态水	机器学习	NA	X射线微计算机断层扫描	深度学习	图像	16毫米的燃料电池区域，分辨率为700纳米
77	2024-09-13	A deep-learning approach for reconstructing 3D turbulent flows from 2D observation data 2023-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29525-9 PMID:36781944	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于从二维观测数据重建三维湍流流场	本文的创新点在于利用生成对抗网络（GAN）从二维速度观测数据中重建三维速度场，成功恢复了流场的结构、统计特性和频谱	NA	本文的研究目的是开发一种高效的方法，从有限的二维观测数据中重建复杂的三维湍流流场	本文的研究对象是湍流流场的三维速度场重建	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	流场数据	NA
78	2024-09-13	DeepStruc: towards structure solution from pair distribution function data using deep generative models 2023-Feb-13, Digital discovery IF:6.2Q1 DOI:10.1039/d2dd00086e PMID:36798882	研究论文	本文介绍了一种名为DeepStruc的深度学习算法，用于从总散射数据中获取的配对分布函数（PDF）直接解析单金属纳米颗粒的结构	提出了DeepStruc算法，利用条件变分自编码器从PDF数据中直接解析纳米材料的结构，包括训练分布中不存在的纳米颗粒	NA	开发一种能够从配对分布函数数据中解析纳米材料结构的深度学习算法	单金属纳米颗粒及其堆垛缺陷结构	机器学习	NA	条件变分自编码器	变分自编码器	配对分布函数数据	七个不同结构类型的单金属纳米颗粒
79	2024-09-13	Spatial and deep learning analyses of urban recovery from the impacts of COVID-19 2023-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29189-5 PMID:36774395	研究论文	本研究通过分析三种主要的城市活动（工作、商业和夜生活）及其与土地利用、社会经济模式和兴趣点（POIs）的关联，探讨了COVID-19疫情后城市的恢复情况	本研究结合了卷积神经网络、引导梯度加权类激活映射、双变量局部空间关联指标、Elbow和K-means等多种方法，揭示了城市恢复的独特空间模式	本研究主要集中在城市内部的空间分析，未涉及跨城市或区域层面的比较	探讨COVID-19疫情对城市恢复的影响及其与土地利用和社会经济模式的关系	城市中的工作、商业和夜生活活动及其与土地利用、社会经济模式和兴趣点的关联	计算机视觉	NA	卷积神经网络、引导梯度加权类激活映射、双变量局部空间关联指标、Elbow和K-means	CNN	图像、文本	包括移动电话信号数据（500m × 500m）、航空图像（0.49m × 0.49m）、夜间灯光卫星数据（500m × 500m）、土地利用数据（街道区块）和POIs数据
80	2024-09-13	Global reactivity models are impactful in industrial synthesis applications 2023-Feb-11, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-023-00685-0 PMID:36774523	研究论文	本文提出了一种基于BERT模型的全局产率预测模型，通过预训练和微调，显著提高了反应产率预测的准确性	引入了新的嵌入层，解决了SMILES的局限性，并能够整合额外的信息如当量和分子角色，模型在r2分数上比现有技术提高了近20个百分点	NA	开发一种能够准确预测化学反应产率的深度学习模型，以减少制药行业中的资源浪费	化学反应产率预测	机器学习	NA	深度学习	BERT	文本	超过1600万次反应数据，来自4个不同的数据源