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
621	2024-12-05	Deep learning methods for high-resolution microscale light field image reconstruction: a survey 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1500270 PMID:39624772	综述	本文综述了基于深度学习的光场显微图像重建技术的最新进展	本文分类并分析了三种基于深度学习的光场显微重建算法的特点	本文讨论了提高光场显微预测时间信息的准确性、获取光场训练数据、利用现有数据进行数据增强以及深度神经网络的可解释性等挑战	综述基于深度学习的光场显微图像重建技术	光场显微图像重建技术	计算机视觉	NA	深度学习	NA	图像	NA
622	2024-12-05	Efficient generation of HPLC and FTIR data for quality assessment using time series generation model: a case study on Tibetan medicine Shilajit 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1503508 PMID:39624838	研究论文	本研究使用深度学习模型TimeVQVAE生成高效液相色谱（HPLC）和傅里叶变换红外光谱（FTIR）数据，以评估藏药Shilajit的质量	首次采用TimeVQVAE模型生成HPLC和FTIR数据，显著提高了数据量和分类准确性	研究仅限于Shilajit样本，未探讨其他药材的适用性	解决高原特色药材样本稀缺问题，提高质量评估的准确性和稳定性	藏药Shilajit	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换红外光谱（FTIR）	时间向量量化变分自编码器（TimeVQVAE）	时间序列数据	三种等级的Shilajit样本
623	2024-12-02	Brain Disorder Detection and Diagnosis using Machine Learning and Deep Learning - A Bibliometric Analysis 2024, Current neuropharmacology IF:4.8Q1 DOI:10.2174/1570159X22999240531160344 PMID:38847379	综述	本文通过文献计量分析，探讨了机器学习和深度学习在脑部疾病检测和诊断中的应用趋势	本文首次对机器学习和深度学习在脑部疾病检测和诊断领域的文献进行了定量文献计量分析	文献计量分析主要依赖于Scopus数据库中的文章，可能存在数据偏差	提供关于机器学习和深度学习在脑部疾病检测和诊断领域应用趋势的定量分析，以指导未来研究方向	脑部疾病的检测和诊断	机器学习	NA	机器学习，深度学习	卷积神经网络	文献	1550篇文献
624	2024-12-01	stMMR: accurate and robust spatial domain identification from spatially resolved transcriptomics with multimodal feature representation 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae089 PMID:39607984	研究论文	本文介绍了一种名为stMMR的多模态几何深度学习方法，用于从空间转录组学数据中准确识别空间域	stMMR通过图卷积网络和自注意力模块进行深度特征嵌入，并结合相似性对比学习来整合多模态特征	NA	开发一种能够有效整合基因表达、空间位置和组织学信息的多模态方法，以准确识别空间域	空间转录组学数据中的空间域识别	机器学习	NA	图卷积网络、自注意力模块、相似性对比学习	图卷积网络、自注意力模块	空间转录组学数据	NA
625	2024-12-01	Contrastive learning for neural fingerprinting from limited neuroimaging data 2024, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2024.1332747 PMID:39605927	研究论文	本文研究了在有限神经影像数据下使用对比学习进行神经指纹识别的方法	本文提出了一种基于对比学习的神经指纹识别方法，无需重新训练即可适应新受试者，并通过数据增强提高了模型在样本量有限情况下的鲁棒性	本文未详细讨论对比学习方法在不同数据集上的泛化能力	研究在有限样本量下提高神经指纹识别性能的方法	神经指纹识别的准确性和鲁棒性	机器学习	NA	对比学习	深度学习模型	功能连接数据	138名受试者的3特斯拉MRI和静息态fMRI扫描数据
626	2024-12-01	A review on deep learning methods for heart sound signal analysis 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1434022 PMID:39605951	综述	本文综述了深度学习方法在心音信号分析中的应用	本文通过回顾和比较不同深度学习方法在心音分析中的应用，提供了对这些方法性能的全面理解	由于评估方法的不一致性，某些方法的优越性并不具有结论性	探讨深度学习方法在心音信号分析中的最新进展	心音信号的异常检测和定位	机器学习	心血管疾病	深度学习	CNN, LSTM	信号	NA
627	2024-12-01	Foundations of automatic feature extraction at LHC-point clouds and graphs 2024, The European physical journal. Special topics DOI:10.1140/epjs/s11734-024-01306-z PMID:39605978	综述	本文综述了深度学习算法在大型强子对撞机（LHC）中的自动特征提取应用	探讨了物理启发式特征提取器的优势，超越了提高特征质量的理解	NA	系统探讨从现象学角度出发的自动特征提取及其物理启发架构的动机	LHC中的点云和图表示	机器学习	NA	深度学习算法	NA	点云和图	NA
628	2024-12-01	Simple Imaging System for Label-Free Identification of Bacterial Pathogens in Resource-Limited Settings 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/6465280 PMID:39606275	研究论文	本文介绍了一种基于简单宽场无透镜成像系统的高通量方法，用于在资源有限的环境中无标签识别细菌病原体	提出了一种新的无透镜成像系统，结合监督深度学习算法，适用于资源有限的环境，无需移动机械部件或光学元件	尽管识别性能高，但仍存在一定的识别错误率，且未提及长期维护和实际应用中的稳定性	开发一种快速、准确且经济实惠的细菌识别方法，以改善资源有限环境中的感染治疗	五种常见细菌病原体的临床分离株	计算机视觉	NA	无透镜成像系统	深度学习算法	图像	252个临床分离株
629	2024-12-01	Sensitive Quantification of Cerebellar Speech Abnormalities Using Deep Learning Models 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3393243 PMID:39606584	研究论文	本文开发了一种基于深度学习模型的方法，用于敏感地量化小脑性言语异常	使用卷积神经网络捕捉小脑共济失调的言语表型，并基于对数梅尔频谱图的时间和频率偏导数进行分类和回归建模	NA	开发能够准确识别和量化共济失调言语临床体征的模型	小脑共济失调患者的言语异常	机器学习	神经退行性疾病	卷积神经网络	CNN	音频	包括共济失调患者和健康对照组
630	2024-12-01	Effective automatic classification methods via deep learning for myopic maculopathy 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1492808 PMID:39606624	研究论文	本研究开发了一种基于深度学习的系统，用于对病理性近视相关的黄斑病变进行自动分类	采用五种深度学习架构（ResNet50、EfficientNet-B0、Vision Transformer、Contrastive Language-Image Pre-Training和RETFound），并通过集成学习方法提升模型性能	未来工作可能需要扩展数据集、整合图像质量评估以及优化集成算法以提高效率和适用性	提高病理性近视相关黄斑病变分类的准确性和可靠性	病理性近视相关的黄斑病变	计算机视觉	眼科疾病	深度学习	集成学习	图像	2159张标注的眼底图像
631	2024-12-01	Automated lung segmentation on chest MRI in children with cystic fibrosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1401473 PMID:39606627	研究论文	研究使用深度学习方法对患有囊性纤维化的儿童胸部MRI图像进行自动肺部分割	采用nnU-Net框架对胸部MRI图像进行自动肺部分割，展示了在不同疾病严重程度、患者年龄和尺寸下的高分割性能	在膈肌和背部区域存在不完全分割的挑战，需要进一步改进以增强模型的泛化能力	探索使用深度学习方法对囊性纤维化儿童的胸部MRI图像进行自动肺部分割的可行性和有效性	患有囊性纤维化的儿童的胸部MRI图像	计算机视觉	囊性纤维化	深度学习	nnU-Net	MRI图像	165个标准化年度监测MRI扫描，来自84名囊性纤维化患者
632	2024-12-01	Employing Xception convolutional neural network through high-precision MRI analysis for brain tumor diagnosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1487713 PMID:39606635	研究论文	本文提出了一种基于Xception卷积神经网络的高精度MRI分析方法，用于脑肿瘤的诊断	引入了Xception架构，并结合批量归一化和dropout层来减少过拟合，通过迁移学习和定制的密集层设置提高了模型的泛化能力	NA	提高脑肿瘤诊断的准确性和可靠性	脑肿瘤的分类	计算机视觉	脑肿瘤	MRI分析	Xception卷积神经网络	图像	NA
633	2024-12-01	Enhanced skin cancer diagnosis: a deep feature extraction-based framework for the multi-classification of skin cancer utilizing dermoscopy images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1495576 PMID:39606634	研究论文	本文提出了一种基于深度特征提取的框架，用于利用皮肤镜图像对皮肤癌进行多分类诊断	本文提出了四种卷积神经网络（CNN）模型的变体，并结合支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）进行皮肤癌分类，提高了诊断准确率	本文未提及如何处理数据不平衡问题以及模型的泛化能力	提高皮肤癌诊断的准确性，帮助医生进行诊断	皮肤癌的分类和预测	计算机视觉	皮肤癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	10,015张皮肤镜图像
634	2024-12-01	Bibliometric and visual analysis of radiomics for evaluating lymph node status in oncology 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1501652 PMID:39610679	研究论文	本文通过文献计量学和可视化方法分析了2012年至2023年间关于放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示了该领域的研究热点和未来趋势	本文首次通过文献计量学和可视化方法全面分析了放射组学在评估淋巴结状态中的应用，揭示了研究热点和未来趋势	本文主要基于文献计量学和可视化分析，未涉及具体实验或临床数据，因此缺乏对实际应用效果的深入探讨	分析放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示研究热点和未来趋势	2012年至2023年间发表的关于放射组学在评估淋巴结状态中的研究出版物	数字病理学	肿瘤学	文献计量学和可视化分析	NA	文本	898篇英文原创文章和综述
635	2024-12-01	Drone-Based Digital Phenotyping to Evaluating Relative Maturity, Stand Count, and Plant Height in Dry Beans (Phaseolus vulgaris L.) 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0278 PMID:39610705	研究论文	研究利用无人机RGB图像和深度学习方法评估干豆的相对成熟度、植株密度和植株高度	采用混合卷积神经网络和长短期记忆模型以及Faster R-CNN算法，提高了相对成熟度和植株密度测量的准确性和效率	在植株高度估计中，PC和DSM数据源的选择依赖于特定的环境和飞行条件	探索无人机图像和深度学习方法在干豆田间试验中测量相对成熟度、植株密度和植株高度的应用	干豆的相对成熟度、植株密度和植株高度	计算机视觉	NA	深度学习	混合卷积神经网络和长短期记忆模型、Faster R-CNN	图像	NA
636	2024-12-01	RDA-MTE: an innovative model for emotion recognition in sports behavior decision-making 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1466013 PMID:39610868	研究论文	本文提出了一种基于深度学习的模型RDA-MTE，用于在体育行为决策中进行情感识别	该模型结合了预训练的ResNet-50、双向注意力机制和多层Transformer编码器，提高了情感识别的准确性和鲁棒性	NA	研究情感刺激在体育行为决策中的作用	情感识别和体育行为决策	机器学习	NA	深度学习	RDA-MTE	图像	FER-2013数据集和CK+数据集
637	2024-12-01	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	研究分析了蛋白质折叠依赖的灵活性与人工智能蛋白质结构预测之间的关系	首次系统分析了AlphaFold v2预测的蛋白质结构与实验测量的蛋白质拓扑刚性之间的差异，并评估了不同折叠类型的异质性	研究仅基于2878个蛋白质样本，可能无法全面代表所有蛋白质的灵活性	探讨人工智能在蛋白质结构预测中的准确性及其与蛋白质折叠灵活性的关系	2878个至少有十个不同实验结构的蛋白质	机器学习	NA	人工智能	AlphaFold v2	蛋白质结构	2878个蛋白质样本
638	2024-11-29	The combined focal loss and dice loss function improves the segmentation of beta-sheets in medium-resolution cryo-electron-microscopy density maps 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae169 PMID:39600382	研究论文	研究了五种损失函数在检测中分辨率冷冻电镜密度图中β片层结构的效果，发现结合Focal损失和Dice损失的新型损失函数在检测次级结构方面表现最佳	设计了一种结合Focal损失和Dice损失的新型损失函数，显著提高了β片层体素的检测准确性	NA	提高中分辨率冷冻电镜密度图中次级结构的检测准确性	β片层结构	计算机视觉	NA	冷冻电镜	U-Net	图像	1355个原子结构/密度图对
639	2024-11-29	Development of ultrasound-based clinical, radiomics and deep learning fusion models for the diagnosis of benign and malignant soft tissue tumors 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1443029 PMID:39600644	研究论文	本研究开发了一种基于超声的临床、影像组学和深度学习融合模型，用于良性和恶性软组织肿瘤的诊断	本研究创新性地将临床数据、影像组学特征和深度学习特征融合，构建了一个支持向量机模型，显著提高了诊断性能	本研究为回顾性研究，样本来自两家医院，可能存在选择偏倚	开发一种基于超声的融合模型，用于准确诊断良性和恶性软组织肿瘤	良性和恶性软组织肿瘤	机器学习	NA	支持向量机	支持向量机	图像	训练集包含516例患者，外部验证集包含78例患者
640	2024-11-29	Spatial heterogeneity response of soil salinization inversion cotton field expansion based on deep learning 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1437390 PMID:39600903	研究论文	本研究利用深度学习模型对土壤盐渍化进行反演，并探讨了棉花田扩张对土壤盐渍化的影响	本研究首次结合CNN、LSTM和RF模型，通过Landsat-8影像提取特征变量，实现了对土壤盐渍化的高精度反演，并揭示了棉花田扩张与土壤盐渍化的空间异质性关系	本研究主要基于Landsat-8影像数据，未来可结合更多类型的遥感数据以提高模型的泛化能力	探讨深度学习在土壤盐渍化反演中的应用，并分析棉花田扩张对土壤盐渍化的影响	土壤盐渍化及其对棉花田扩张的空间异质性影响	计算机视觉	NA	深度学习	CNN, LSTM, RF	影像	97个田间样本