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
641	2024-12-08	Enhancing early Alzheimer's disease classification accuracy through the fusion of sMRI and rsMEG data: a deep learning approach 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1480871 PMID:39633895	研究论文	本文提出了一种基于深度学习的多模态分类框架，通过融合sMRI和rsMEG数据来提高阿尔茨海默病早期分类的准确性	本文创新性地提出了InterFusion方法，通过融合sMRI和rsMEG数据，显著提高了阿尔茨海默病早期分类的准确性	NA	提高阿尔茨海默病早期分类的准确性	sMRI和rsMEG数据	计算机视觉	阿尔茨海默病	深度学习	NA	图像	307个样本，包括163个轻度认知障碍病例和144个认知健康的对照组
642	2024-12-08	YOLO-SDL: a lightweight wheat grain detection technology based on an improved YOLOv8n model 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1495222 PMID:39634063	研究论文	本文提出了一种基于改进的YOLOv8n模型的轻量级小麦谷物检测技术YOLO-SDL	YOLO-SDL模型在YOLOv8n的基础上，结合了ShuffleNetV2架构和深度可分离卷积（DWConv）与大分离核注意力（LSKA）机制，显著提高了检测速度和准确性	NA	实现高效的小麦谷物检测	小麦谷物的质量检测	计算机视觉	NA	深度学习	YOLOv8n	图像	包含完美、发芽、患病和受损谷物图像的高质量小麦谷物数据集
643	2024-12-08	Moving Beyond Medical Statistics: A Systematic Review on Missing Data Handling in Electronic Health Records 2024, Health data science DOI:10.34133/hds.0176 PMID:39635227	综述	本文系统回顾了电子健康记录中缺失数据处理方法的研究现状	比较了传统统计方法和机器学习方法在不同缺失场景下的表现，发现机器学习方法在处理电子健康记录中的缺失数据方面具有显著潜力	没有一种方法能提供普遍适用的解决方案，标准化基准分析对于评估这些方法在不同缺失场景下的表现至关重要	探讨电子健康记录中缺失数据处理方法的现状及其在不同场景下的表现	电子健康记录中的缺失数据处理方法	机器学习	NA	机器学习方法，如生成对抗网络（GAN）和k近邻（KNN）分类	生成对抗网络（GAN），k近邻（KNN）	电子健康记录数据	46项研究，涵盖2010年至2024年发表的文献
644	2024-12-08	Enhancing human activity recognition for the elderly and individuals with disabilities through optimized Internet-of-Things and artificial intelligence integration with advanced neural networks 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1454583 PMID:39635647	研究论文	本文介绍了一种通过优化物联网和人工智能集成以及先进神经网络来增强老年人及残疾人士活动识别系统的方法	提出了一种结合门控循环网络和深度极限前馈神经网络的新型集成模型，并通过人工水滴优化算法优化超参数，以减少计算开销并提高检测效率	NA	旨在通过优化物联网和人工智能集成，提升老年人及残疾人士活动识别系统的准确性和效率	老年人及残疾人士的活动识别系统	机器学习	NA	人工水滴优化算法	门控循环网络和深度极限前馈神经网络	实时数据	使用从物联网测试平台收集的实时数据进行实验
645	2024-12-08	Topology aware multitask cascaded U-Net for cerebrovascular segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311439 PMID:39636790	研究论文	提出了一种基于拓扑感知的多任务级联U-Net模型，用于脑部血管分割	引入了clDice损失函数，通过直接从分割和磁共振血管造影图像中计算血管骨架，实现了更准确的拓扑结构预测	NA	提高脑部血管分割的准确性和拓扑结构的捕捉能力	脑部血管	计算机视觉	NA	磁共振血管造影（MRA）	U-Net	图像	两个公开的时间飞跃磁共振血管造影（TOF-MRA）图像数据集
646	2024-12-08	Deep learning based predictive modeling to screen natural compounds against TNF-alpha for the potential management of rheumatoid arthritis: Virtual screening to comprehensive in silico investigation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303954 PMID:39636801	研究论文	本研究利用深度学习方法筛选天然化合物对抗TNF-α，以期管理类风湿性关节炎	采用深度学习模型进行虚拟筛选，结合分子对接和ADMET分析，最终通过MD模拟评估化合物稳定性	样本量较小，仅筛选了2563种天然化合物，且最终验证的化合物数量有限	寻找新型天然化合物治疗类风湿性关节炎	TNF-α蛋白及其抑制剂	机器学习	类风湿性关节炎	深度学习	NA	化合物数据	2563种天然化合物，最终筛选出4种潜在抑制剂
647	2024-12-08	Machine learning and game theory for cyber governance: Enhancing public opinion and regional sustainable development 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308317 PMID:39636835	研究论文	本文提出了一种基于机器学习和博弈论的框架，用于感知民意、管理公众舆论和影响人们行为，以促进网络空间治理和区域可持续发展	本文的创新点在于结合了机器学习和博弈论的方法，利用深度学习技术分析公众舆论，采用主动学习方法降低成本，并通过博弈论做出最佳管理决策	本文的局限性在于仅使用了来自中国Y省和G省的实证数据进行验证，可能限制了框架的普适性	本文的研究目的是通过机器学习和博弈论的方法，提升网络空间治理中的公众舆论管理和区域可持续发展	本文的研究对象是网络空间中的公众舆论和人们的行为	机器学习	NA	深度学习	NA	文本	来自中国Y省和G省的实证数据
648	2024-12-08	Correction: BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315419 PMID:39636893	correction	对文章DOI: 10.1371/journal.pone.0283562的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
649	2024-12-08	SE-MAConvLSTM: A deep learning framework for short-term traffic flow prediction combining Squeeze-and-Excitation Network and Multi-Attention Convolutional LSTM Network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312601 PMID:39636907	研究论文	本文提出了一种结合挤压激励网络和多注意力卷积LSTM网络的深度学习框架，用于短期交通流量预测	设计了时空特征提取模块和多注意力模块，分别解决了时空相关性捕捉和不同时间间隔通道权重对预测结果的影响问题	NA	提高短期交通流量预测的准确性	交通流量数据	机器学习	NA	卷积神经网络 (CNN), 挤压激励网络 (SENet), 残差网络 (ResNet), 卷积LSTM网络 (ConvLSTM)	SE-MAConvLSTM	交通流量数据	两个真实数据集
650	2024-12-08	Exploiting the features of deep residual network with SVM classifier for human posture recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314959 PMID:39636954	研究论文	本文研究了基于深度残差网络和SVM分类器的人体姿态识别性能	提出了一种结合深度残差网络（ResNet-50）特征和支持向量机（SVM）分类器的混合架构，显著提高了人体姿态识别的准确性	NA	提高人体姿态识别的准确性和效率	人体姿态识别	计算机视觉	NA	深度学习	ResNet-50, SVM	图像	三个数据集：Multi-Camera Fall (MCF) 使用四种姿态，UR Fall detection (URFD) 使用四种姿态，UP-Fall detection (UPFD) 使用四种姿态
651	2024-12-08	Value of radiomics and deep learning feature fusion models based on dce-mri in distinguishing sinonasal squamous cell carcinoma from lymphoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1489973 PMID:39640273	研究论文	本研究旨在构建和验证基于动态对比增强（DCE）成像的机器学习和深度学习特征模型，并评估放射组学和深度学习特征融合模型在区分鼻窦鳞状细胞癌和淋巴瘤中的临床价值	本研究创新性地结合了放射组学和深度学习特征，构建了一个融合模型，显著提高了区分鼻窦鳞状细胞癌和淋巴瘤的准确性	本研究为回顾性分析，样本量有限，未来需要更大规模的前瞻性研究来验证结果	开发一种能够在术前精确区分鼻窦鳞状细胞癌和淋巴瘤的方法，以制定合适的治疗方案	鼻窦鳞状细胞癌和鼻窦淋巴瘤	机器学习	鼻窦癌	动态对比增强磁共振成像（DCE-MRI）	深度学习模型（DL）和机器学习模型（ML）	图像	90例鼻窦肿瘤患者，包括50例鼻窦鳞状细胞癌和40例鼻窦淋巴瘤
652	2024-12-08	A transformer-based deep learning approach for fairly predicting post-liver transplant risk factors 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104545 PMID:37992791	研究论文	本文提出了一种基于Transformer的深度学习模型，用于公平预测肝移植后的风险因素	本文创新性地将肝移植后的风险预测问题转化为多任务学习问题，并提出了一种新的公平性算法，确保不同子群体之间的预测公平性	NA	解决肝移植中的两个主要挑战：找到最佳匹配的患者和确保不同子群体之间的移植公平性	肝移植后的风险因素，如心血管疾病和慢性排斥等	机器学习	NA	深度学习	Transformer	电子健康记录	160,360名肝移植患者的数据，包括人口统计信息、临床变量和实验室值
653	2024-12-07	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	本文介绍了HepatIA平台的开发，这是一个用于肝细胞癌检测的人工智能训练的计算机断层扫描注释平台和数据库	开发了一个全面的肝影像数据集HepatIA，支持肝病AI研究	NA	详细描述HepatIA平台的工具、数据组织和数据库结构，支持肝病AI研究	肝细胞癌（HCC）和肝硬化患者的CT扫描数据	计算机视觉	肝癌	计算机断层扫描（CT）	NA	图像	656名患者，包括692个CT体积
654	2024-12-06	The impact of artificial intelligence in the diagnosis and management of acoustic neuroma: A systematic review 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-232043 PMID:39093085	综述	本文系统回顾了人工智能在听神经瘤诊断和管理中的应用	探讨了机器学习和人工智能如何革新听神经瘤的管理和诊断程序	需要进一步研究以标准化人工智能方法，并验证其在医疗环境中的应用	研究人工智能和机器学习在听神经瘤诊断和管理中的潜力	听神经瘤的诊断和管理方法	机器学习	听神经瘤	NA	NA	NA	NA
655	2024-12-06	Multi-dimensional dense attention network for pixel-wise segmentation of optic disc in colour fundus images 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230310 PMID:39058458	研究论文	提出了一种多维密集注意力网络（MDDA-Net）用于彩色眼底图像中视盘的像素级分割	引入了密集注意力块和三重注意力块，以增强上下文表示能力和特征处理能力，并通过多尺度上下文融合获取多尺度上下文信息	未提及具体的局限性	提高视盘分割的准确性，以早期检测视网膜疾病	视盘的像素级分割	计算机视觉	NA	深度学习	MDDA-Net	图像	三个数据集（MESSIDOR和ORIGA）
656	2024-12-06	Fine grained automatic left ventricle segmentation via ROI based Tri-Convolutional neural networks 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240062 PMID:39058464	研究论文	本文提出了一种基于Tri-Convolutional神经网络的左心室自动分割方法	本文创新性地结合了三种不同的深度学习结构，通过Tri-Convolutional网络实现了高精度的左心室分割	NA	提高左心室分割的准确性和效率	左心室图像的自动分割	计算机视觉	心血管疾病	深度学习	Tri-Convolutional神经网络	图像	使用了sunny brook、York、ACDC和LVSC数据集
657	2024-12-06	Gastrointestinal tract disease detection via deep learning based structural and statistical features optimized hexa-classification model 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240603 PMID:39031411	研究论文	提出了一种基于深度学习的结构和统计特征优化六分类模型，用于检测胃肠道疾病	提出了Deep SS-Hexa模型，结合两种深度学习结构提取WCE图像的结构和统计特征，并通过Walrus优化算法选择最佳特征，最终使用深度信念网络进行六分类	未提及具体局限性	提高胃肠道疾病检测的准确性和效率	胃肠道疾病的检测	计算机视觉	胃肠道疾病	深度学习	深度信念网络	图像	使用了KVASIR和KID数据集
658	2024-12-06	A hybrid model for the classification of Autism Spectrum Disorder using Mu rhythm in EEG 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240644 PMID:39031413	研究论文	研究利用脑电图中的Mu节律，结合机器学习和深度学习技术，开发了一种混合模型用于自闭症谱系障碍的分类	提出了一个结合深度学习和机器学习的混合模型，显著提高了自闭症谱系障碍的分类准确率	研究仅使用了有限的脑电图通道，可能无法全面反映自闭症谱系障碍的复杂性	提高自闭症谱系障碍与典型发育个体的分类准确率	自闭症谱系障碍患者和典型发育个体	机器学习	自闭症谱系障碍	脑电图	混合模型	脑电图数据	未明确提及样本数量
659	2024-12-06	CNN-based glioma detection in MRI: A deep learning approach 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240158 PMID:39031408	研究论文	本文开发了一种基于卷积神经网络（CNN）的自动化胶质瘤分割算法，用于在MRI图像中准确识别肿瘤成分	本文利用CNN技术提高了胶质瘤分割的准确性，达到了与经验丰富的放射科医生和商用工具相当的水平	NA	开发一种自动化的胶质瘤分割算法，以提高诊断精度和量化	高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描图像	计算机视觉	脑肿瘤	卷积神经网络（CNN）	U-Net网络	MRI图像	285例高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描
660	2024-12-06	Development of an efficient novel method for coronary artery disease prediction using machine learning and deep learning techniques 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240740 PMID:39031414	研究论文	本文提出了一种基于机器学习和深度学习技术的新方法，用于提高冠状动脉疾病预测的准确性	本文提出了一种新的集成投票分类器模型，结合了多种机器学习算法和深度学习算法，以提高冠状动脉疾病预测的准确性	NA	提高冠状动脉疾病预测的准确性	冠状动脉疾病	机器学习	心血管疾病	机器学习、深度学习	集成投票分类器模型	临床数据	216例冠状动脉疾病病例