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
801	2024-09-11	Prioritizing test cases for deep learning-based video classifiers 2024, Empirical software engineering IF:3.5Q1 DOI:10.1007/s10664-024-10520-1 PMID:39247128	研究论文	本文提出了一种名为VRank的测试优先级排序方法，专门用于视频测试输入，以降低标签成本并提高测试效率	VRank是首个专门为视频测试输入设计的测试优先级排序方法，考虑了视频数据中的时间信息	现有方法未能充分考虑视频数据中的时间信息	提出一种新的测试优先级排序方法，以降低视频测试输入的标签成本	视频测试输入的优先级排序	计算机视觉	NA	NA	DNN分类器	视频	120个实验对象，包括自然和噪声数据集
802	2024-09-11	AttentionTTE: a deep learning model for estimated time of arrival 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1258086 PMID:39247849	研究论文	提出了一种基于深度学习的ETA预测模型AttentionTTE，利用自注意力机制和循环神经网络捕捉时空相关性	引入自注意力机制捕捉全局空间相关性，结合循环神经网络捕捉局部时空依赖性，并通过多任务学习模块整合全局和局部信息	NA	解决城市智能交通系统中ETA预测问题	任意路径的旅行时间估计	机器学习	NA	自注意力机制、循环神经网络	AttentionTTE	轨迹数据	大量轨迹数据
803	2024-09-08	ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages 2024-Jan-30, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-024-01072-y PMID:38289518	研究论文	提出了一种基于深度学习的非侵入性方法，用于直接从时间飞行PET数据生成的histoimages重建高质量的脑部参数图像	无需侵入性动脉采样、MRI扫描或标准视野扫描仪的配对训练数据，显著提高了参数图像的估计质量	NA	开发一种非侵入性的深度学习方法，用于直接重建高质量的脑部参数PET图像	脑部参数图像的重建	计算机视觉	NA	深度学习	深度学习模型	图像	模拟幻影和五名接受18F-FDG-PET脑部扫描的肿瘤患者
804	2024-09-08	Detecting pediatric appendicular fractures using artificial intelligence 2024, Revista da Associacao Medica Brasileira (1992) DOI:10.1590/1806-9282.20240523 PMID:39230068	研究论文	评估深度学习人工智能模型在急诊科检测儿童四肢骨折的诊断准确性	开发了一种基于深度学习的人工智能模型，用于检测儿童四肢骨折，并评估其对急诊医生诊断能力的辅助支持效果	NA	评估人工智能模型在检测儿童急性四肢骨折中的诊断准确性，并研究其对急诊医生诊断能力的影响	儿童四肢骨折的检测	计算机视觉	NA	深度学习	NA	图像	5150张X光片，其中850张显示骨折，4300张未显示骨折
805	2024-09-08	Iteratively Refined Image Reconstruction with Learned Attentive Regularizers 2024, Numerical functional analysis and optimization IF:1.4Q2 DOI:10.1080/01630563.2024.2384849 PMID:39233889	研究论文	提出了一种利用深度学习能力并基于经典稀疏促进模型的图像重建正则化方案	该方案可解释性强，因为它对应于一系列凸问题的最小化，并且在每个问题中，基于先前解生成的掩码用于空间上细化正则化强度，使模型逐渐关注图像结构	NA	开发一种可解释性强且具有理论保证的图像重建方法	图像重建中的正则化方案	计算机视觉	NA	深度学习	NA	图像	NA
806	2024-09-08	Global bibliometric mapping of the research trends in artificial intelligence-based digital pathology for lung cancer over the past two decades 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241277735 PMID:39233894	研究论文	本文通过文献计量分析，探讨了过去二十年人工智能辅助数字病理学在肺癌研究中的趋势和热点	首次对人工智能辅助数字病理学在肺癌领域的研究进行了全面的文献计量分析	研究主要基于独立的国家研究，缺乏国际间的学术合作和数据共享	分析人工智能辅助数字病理学在肺癌研究中的趋势、热点和研究空白	过去二十年发表的197篇与数字病理学和肺癌相关的文献	数字病理学	肺癌	文献计量分析	NA	文献	197篇文献，涉及502个机构和39个国家
807	2024-09-08	Comprehensive hepatotoxicity prediction: ensemble model integrating machine learning and deep learning 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1441587 PMID:39234116	研究论文	本文开发了一种集成模型，结合机器学习和深度学习算法，用于预测化学品和药物的肝毒性	本文创新性地采用了集成策略，将机器学习和深度学习算法结合，以提高肝毒性预测的准确性	NA	开发一种可靠的模型，用于预测化学品和药物对肝脏的潜在损害	化学品和药物的肝毒性	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	集成模型	分子特征	2588种化学品和药物
808	2024-09-07	ABR-Attention: An Attention-Based Model for Precisely Localizing Auditory Brainstem Response 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3445936 PMID:39159023	研究论文	本文介绍了一种基于注意力机制的深度学习模型ABR-Attention，用于精确提取听觉脑干反应（ABR）中的特征波V潜伏期	引入了自注意力模块、一阶和二阶导数注意力模块以及回归器模块，提供了一种新的客观定位ABR特征波的解决方案	未提及具体局限性	开发一种自动提取听觉脑干反应特征波V潜伏期的方法，以减轻临床医生的工作负担	听觉脑干反应（ABR）中的特征波V潜伏期	机器学习	NA	深度学习	注意力机制模型	听觉脑干反应数据	未提及具体样本数量
809	2024-09-07	Classification of Parkinson's disease by deep learning on midbrain MRI 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1425095 PMID:39228827	研究论文	本文通过深度学习方法在脑部MRI图像上对帕金森病进行分类	本文创新性地使用基于定量磁敏感图（QSM）的磁敏感加权成像（SMWI）和神经黑色素敏感（NMS）MRI来评估黑质-1（N1），并开发了帕金森病的深度学习分类算法	本文的局限性在于分类错误的原因包括左右不对称、跨平面重切片、搏动伪影和N1过薄等问题，且临床效用需要在前驱期帕金森病队列中验证	比较四种帕金森病诊断方法的分类性能	帕金森病患者和健康对照者的脑部MRI图像	计算机视觉	帕金森病	MRI	深度学习	图像	82名帕金森病患者和107名健康对照者
810	2024-09-07	Performance evaluation of semi-supervised learning frameworks for multi-class weed detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1396568 PMID:39228840	研究论文	评估半监督学习框架在多类别杂草检测中的性能	提出了一种改进的伪标签生成模块和集成学生网络的半监督学习框架，显著减少了标注数据的需求	实验结果仅限于CottonWeedDet3和CottonWeedDet12数据集，可能需要进一步验证在其他数据集上的表现	探索半监督学习在杂草检测中的应用，减少对大量标注数据的依赖	多类别杂草检测	计算机视觉	NA	深度学习	FCOS, Faster-RCNN	图像	CottonWeedDet3和CottonWeedDet12数据集，分别使用10%的标注数据进行训练
811	2024-09-07	Integration of dosimetric parameters, clinical factors, and radiomics to predict symptomatic radiation pneumonitis in lung cancer patients undergoing combined immunotherapy and radiotherapy 2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110047 PMID:38070685	研究论文	本研究旨在结合临床/剂量学因素和手工/深度学习放射组学特征，建立预测接受免疫治疗后放疗的肺癌患者症状性（≥2级）放射性肺炎的模型	本研究首次将临床/剂量学因素与手工/深度学习放射组学特征结合，用于预测放射性肺炎	本研究为回顾性研究，需要进一步的前瞻性验证	建立预测接受免疫治疗后放疗的肺癌患者症状性放射性肺炎的模型	接受免疫治疗后放疗的肺癌患者	数字病理学	肺癌	放射组学	ResNet	图像	73名接受免疫治疗后放疗的肺癌患者，其中41名（56.2%）出现症状性≥2级放射性肺炎
812	2024-09-06	Unraveling trends in schistosomiasis: deep learning insights into national control programs in China 2024, Epidemiology and health IF:2.2Q2 DOI:10.4178/epih.e2024039 PMID:38514196	研究论文	本研究利用深度学习模型分析了中国血吸虫病控制项目的进展	提出了基于分层积分差分方程框架的卷积神经网络模型（CNN-IDE），用于建模血吸虫病的时空变化	仅限于安徽省的数据，可能无法完全代表全国的情况	探索中国血吸虫病控制项目的进展，并提出新的模型来预测疾病风险	中国安徽省沿长江地区的血吸虫病控制项目	机器学习	血吸虫病	卷积神经网络（CNN）	CNN-IDE	数据	1997年至2015年安徽省的村庄级寄生虫学数据
813	2024-09-05	Episodic Thinking in Alzheimer's Disease Through the Lens of Language: Linguistic Analysis and Transformer-Based Classification 2024-01-03, American journal of speech-language pathology IF:2.3Q1 DOI:10.1044/2023_AJSLP-23-00066 PMID:37870893	研究论文	本研究通过语言分析和基于变换器的分类技术，探讨了阿尔茨海默病患者的情景思维缺陷是否能从连贯的言语中直接检测出来，并实现自动化识别	本研究首次尝试使用深度学习技术自动化分析阿尔茨海默病患者的情景思维缺陷，并取得了较高的分类准确率	研究样本主要集中在轻度和中度阿尔茨海默病患者，可能无法完全代表所有阶段的阿尔茨海默病患者	探讨阿尔茨海默病患者的情景思维缺陷是否能通过语言分析自动化检测	70名健康老年对照者、82名轻度可能阿尔茨海默病患者和46名中度可能阿尔茨海默病患者的言语数据	自然语言处理	阿尔茨海默病	深度学习	变换器	文本	2,809条言语记录
814	2024-09-05	Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304847 PMID:38968206	研究论文	本文提出了一种新颖的方法，通过使用多标签集成CNN分类器来缓解前列腺组织病理学图像中补丁级别Gleason分级的标签不一致问题	本文提出的多标签集成深度学习分类器能够有效缓解标签不一致问题，并比现有技术产生更准确的结果	NA	提高前列腺癌诊断和预后中补丁级别Gleason分级的准确性	前列腺组织病理学图像中的Gleason分级	数字病理学	前列腺癌	深度学习	CNN	图像	SICAPv2前列腺数据集
815	2024-09-05	Deep learning models to predict primary open-angle glaucoma 2024, Stat (International Statistical Institute) DOI:10.1002/sta4.649 PMID:39220673	研究论文	本文提出并实施了几种深度学习方法，利用纵向视野数据中的时间和空间信息来预测青光眼的发病时间	本文首次探索了利用纵向视野数据进行青光眼预测，并提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的模型来处理时间序列数据	本文主要关注青光眼的预测，未涉及其他眼病的预测	开发能够准确预测青光眼发病时间的深度学习模型	青光眼及其发病时间	机器学习	青光眼	NA	CNN-LSTM	视野数据	使用了Ocular Hypertension Treatment Study (OHTS)数据集
816	2024-09-05	How to detect fake online physician reviews: A deep learning approach 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241277171 PMID:39224794	研究论文	本研究旨在开发一种利用深度学习方法检测在线医生虚假评论的有效模型	本研究采用卷积神经网络和双向编码器表示转换器等深度学习模型，显著提高了虚假评论检测的精确度和F2分数	NA	解决在线医疗平台中区分真实与虚假医生评论的挑战	在线医疗平台上的医生评论	机器学习	NA	深度学习	CNN, BERT	文本	专门针对中国在线医疗平台的虚假评论数据集
817	2024-09-05	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	研究论文	本研究利用经过验证的深度学习模型，评估了大量背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况	采用深度学习技术进行大规模数据分析，评估腰椎旁肌肉的质量和数量	NA	评估背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况	腰椎旁肌肉的横截面积和脂肪浸润	机器学习	背痛	深度学习	NA	图像	4434名患者（2609名女性，1825名男性；平均年龄：56.7±16.8）
818	2024-09-04	Deep Learning Models for Coronary Atherosclerosis Detection in Coronary CT Angiography 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405619666221221092933 PMID:36545743	研究论文	本文旨在测试和比较不同的预训练深度学习模型，以找到最佳的冠状动脉粥样硬化检测模型	使用Haar小波分解提高模型的敏感性，并采用CNN-KNN分类器进一步优化	初始模型的敏感性较低，需要进一步改进	寻找最佳的深度学习模型用于冠状动脉CT血管造影中的粥样硬化检测	冠状动脉粥样硬化检测	计算机视觉	心血管疾病	深度学习	Resnet101, CNN	图像	未具体说明样本数量
819	2024-09-04	Low-Light Phase Retrieval With Implicit Generative Priors 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3445739 PMID:39178091	研究论文	本文提出了一种结合原位相干衍射成像和隐式生成先验的低剂量深度图像先验方法，用于单图像低剂量相位恢复	本文提出的低剂量深度图像先验方法结合了原位相干衍射成像和隐式生成先验，有效解决了单图像低剂量相位恢复问题	目前尚未提及具体的局限性	研究目的是解决单图像低剂量相位恢复问题	研究对象是低剂量相位恢复技术	计算机视觉	NA	相干衍射成像（CDI）	隐式生成先验	图像	单图像
820	2024-09-04	Fast and High-Performance Learned Image Compression With Improved Checkerboard Context Model, Deformable Residual Module, and Knowledge Distillation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3445737 PMID:39186412	研究论文	本文提出了一种基于深度学习的图像压缩方法，通过引入可变形残差模块、改进的棋盘上下文模型、三阶段知识蒸馏方案和L正则化技术，实现了高速且高性能的图像压缩。	引入了可变形残差模块以去除更多冗余，设计了改进的棋盘上下文模型以实现并行解码，开发了三阶段知识蒸馏方案以降低核心解码网络的复杂性，并引入了L正则化以使潜在表示数值更稀疏。	NA	旨在平衡图像压缩的复杂性和性能，提高压缩速度和质量。	图像压缩技术及其在实际应用中的效率和性能。	计算机视觉	NA	深度学习	CNN	图像	使用Kodak和Tecnick-40数据集进行实验。