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
861	2024-10-25	Automatic authorship attribution in Albanian texts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310057 PMID:39436898	研究论文	本文研究了阿尔巴尼亚语文本中的自动作者归属问题，并引入了新的阿尔巴尼亚新闻专栏和文学作品语料库，分析了机器学习方法在作者归属中的应用	本文引入了新的阿尔巴尼亚语料库，并比较了机器学习和深度学习模型在作者归属任务中的表现，发现词汇特征是最有效的语言特征	本文主要关注阿尔巴尼亚语，未涉及其他低资源语言，且深度学习模型在特定场景下的应用潜力有待进一步验证	研究阿尔巴尼亚语文本中的自动作者归属问题，探索有效的特征和分类方法	阿尔巴尼亚语新闻专栏和文学作品	自然语言处理	NA	机器学习	XGBoost, fastText, BERT-multilingual	文本	新的阿尔巴尼亚新闻专栏和文学作品语料库
862	2024-10-25	Feature diffusion reconstruction mechanism network for crop spike head detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1459515 PMID:39439510	研究论文	提出了一种用于作物穗头检测的新型特征扩散重构机制网络FDRMNet	FDRMNet引入了多尺度特征聚焦重构模块和注意力增强特征融合模块，以提高模型在复杂环境中的检测精度和计算效率	NA	提高低空遥感图像中作物穗头的检测精度和计算效率	作物穗头	计算机视觉	NA	深度学习	FDRMNet	图像	全球小麦头检测数据集和多样水稻穗检测数据集
863	2024-10-25	Deep learning-driven ultrasound-assisted diagnosis: optimizing GallScopeNet for precise identification of biliary atresia 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445069 PMID:39440041	研究论文	本文介绍了一种基于深度学习的超声辅助诊断系统GallScopeNet，用于精确识别胆道闭锁	GallScopeNet通过创新的架构和高级特征提取技术，提高了诊断效率和准确性	NA	开发一种高效的深度学习模型，用于自动诊断胆道闭锁	胆道闭锁的超声图像	计算机视觉	胆道疾病	深度学习	GallScopeNet	图像	数千张超声图像，大部分用于训练和验证，部分用于外部测试
864	2024-10-25	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本文提出了一种利用真实世界数据和人工智能方法开发预测性精准医学模型的新方法	本文创新性地利用电子健康记录中的真实世界数据，通过人工智能技术开发预测性精准医学模型，并比较了传统统计机器学习和深度学习算法在预测个体未来生化测试结果方面的性能	本文未明确提及具体的局限性	开发预测性精准医学模型，以实现现代医学的个性化目标	电子健康记录中的生化测试数据	机器学习	NA	统计机器学习、深度学习	传统统计机器学习算法、深度学习算法	电子健康记录数据	来自大型真实世界数据库的数据，用于预测15项生化测试的未来值
865	2024-10-25	Development of AI-assisted microscopy frameworks through realistic simulation with pySTED 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00903-w PMID:39440349	研究论文	本文介绍了通过pySTED平台开发人工智能辅助显微镜框架的方法	提出了一个基于pySTED的现实模拟平台，用于开发和部署超分辨率显微镜的人工智能策略	NA	开发和优化人工智能辅助超分辨率显微镜系统	超分辨率显微镜图像的获取和分析	计算机视觉	NA	NA	深度神经网络	图像	NA
866	2024-10-25	An integrated three-stream network model for discriminating fish feeding intensity using multi-feature analysis and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310356 PMID:39432511	研究论文	提出了一种集成三流网络模型，通过多特征分析和深度学习来区分鱼类摄食强度	结合计算机视觉技术和卷积神经网络，综合利用时间、空间和数据统计特征进行全面评估	依赖于特定场景和目标，缺乏普适性	实现精准投喂，减少饲料浪费和环境污染	鱼类摄食强度	计算机视觉	NA	计算机视觉技术	卷积神经网络（CNN）	图像	珍珠石斑鱼摄食图像
867	2024-10-24	Parametric optimization and comparative study of machine learning and deep learning algorithms for breast cancer diagnosis 2024, Breast disease DOI:10.3233/BD-240018 PMID:39331085	研究论文	本文研究了多种机器学习和深度学习算法在乳腺癌诊断中的性能，并进行了参数优化和比较	本文探讨了人工神经网络方法与传统机器学习技术在乳腺癌诊断中的对比，并强调了超参数调优和提升算法在处理数据复杂性和非线性方面的重要性	本文主要基于Wisconsin乳腺癌（原始）数据集进行研究，未涉及其他数据集的验证	研究不同机器学习和深度学习算法在乳腺癌诊断中的表现，找出最有效的模型	乳腺癌的早期诊断	机器学习	乳腺癌	机器学习算法	SVM, 决策树, CART, ANN, ELM ANN, XGBoost, Adaboost, 梯度提升	数据集	Wisconsin乳腺癌（原始）数据集
868	2024-10-24	Deep learned triple-tracer multiplexed PET myocardial image separation 2024, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2024.1379647 PMID:39381030	研究论文	本文提出了一种基于深度学习的PET心肌图像分离方法，用于分离三重示踪剂的多重PET图像	该方法无需明确知道动脉输入函数，通过使用动态三重示踪剂噪声MLEM重建作为网络输入，动态单示踪剂噪声MLEM重建作为训练标签，实现了三重示踪剂PET图像的分离	NA	开发一种新的方法来分离多重PET扫描中的信号，以同时观察不同放射性示踪剂的生理和病理信息	三重示踪剂的多重PET心肌图像	计算机视觉	心血管疾病	深度学习	NA	图像	NA
869	2024-10-24	Decoding the application of deep learning in neuroscience: a bibliometric analysis 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1402689 PMID:39429248	研究论文	本研究通过文献计量分析，探讨了深度学习在神经科学中的应用及其发展趋势	揭示了深度学习技术在神经科学中的应用热点和主题演变，强调了分类算法、模型和神经网络在神经科学中的关键作用	NA	分析深度学习在神经科学中的应用趋势，并为未来研究提供战略路线图	深度学习在神经科学中的应用及其对神经机制和神经疾病的理解	机器学习	NA	深度学习	卷积神经网络	神经数据	421篇文章
870	2024-10-24	Multiple Representations in geospatial databases, the brain's spatial cells, and deep learning algorithms 2024, Cartography and geographic information science IF:2.6Q1 DOI:10.1080/15230406.2023.2264758 PMID:39429547	综述	本文综述了地理信息系统、大脑空间细胞和深度学习算法中多重表示的研究进展	探讨了多重表示在地理复杂性编码和解码中的新视角	NA	回顾和整合多重表示在空间数据库、空间认知和深度学习中的研究	地理信息系统、大脑海马体和深度学习中的多重表示	计算机视觉	NA	深度学习	NA	空间数据	NA
871	2024-10-24	Universal neural networks for real-time earthquake early warning trained with generalized earthquakes 2024, Communications earth & environment IF:8.1Q1 DOI:10.1038/s43247-024-01718-8 PMID:39430424	研究论文	本文提出了一种利用深度学习技术进行地震早期预警的通用神经网络模型	通过数据重组方法创建泛化的地震数据用于神经网络训练，使其能够适应不同地区和监测设置	NA	提升地震监测能力，实现全球范围内的实时地震早期预警	地震监测和参数评估	机器学习	NA	深度学习	神经网络	地震波形数据	涉及日本和加利福尼亚（美国）的大量地震序列
872	2024-10-24	Journey tracker: driver alerting system with a deep learning approach 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1433795 PMID:39430550	研究论文	本文设计了一种基于深度学习的驾驶员警示系统，通过自定义的EfficientNet模型架构检测驾驶员的疲劳状态，以提高公共交通的安全性	采用自定义的EfficientNet模型架构，结合个性化数据和瞳孔检测进行交叉验证，提高了检测的准确性和可靠性	系统依赖于初始10分钟的基线行为学习，可能对新驾驶员的适应性有限	开发一种能够实时监测驾驶员疲劳状态并发出警示的系统，以提高公共交通安全	公共交通驾驶员的疲劳状态	计算机视觉	NA	深度学习	EfficientNet	图像	使用Media Research Lab (MRL)眼数据集进行训练和测试
873	2024-10-24	A deep learning algorithm model to automatically score and grade obstructive sleep apnea in adult polysomnography 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241291707 PMID:39430691	研究论文	本文研究了一种基于深度学习的算法模型，用于自动评分和分级成人多导睡眠图中的阻塞性睡眠呼吸暂停	本文提出了一种基于深度学习的自动评分系统，用于睡眠呼吸障碍患者呼吸事件的评分，相比传统的手动评分方法，提高了效率和准确性	本文仅使用了1000例多导睡眠图数据进行模型训练和验证，样本量相对较小，可能影响模型的泛化能力	研究目的是评估一种基于深度学习的自动评分系统在睡眠呼吸障碍患者中的应用效果	研究对象是1000例多导睡眠图数据，包括简单打鼾、轻度、中度和重度阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	深度学习	LSTM	多导睡眠图数据	1000例多导睡眠图数据，其中700例用于训练，200例用于验证，100例用于测试
874	2024-10-24	Transformer-based active learning for multi-class text annotation and classification 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241287357 PMID:39430702	研究论文	本文介绍了一种基于Transformer的深度主动学习框架，用于多类文本注释和分类，特别是使用SOAP框架进行临床笔记的自动注释	利用Transformer深度学习技术自动注释临床笔记，显著减轻了手动劳动并提高了分类性能	未来研究将整合多模态数据和大型语言模型以增强临床文本分析的丰富性和准确性	开发一种新的深度主动学习框架，以促进多类文本分类的注释过程	临床笔记的多类文本分类	自然语言处理	NA	Transformer深度学习技术	Transformer	文本	426份临床笔记
875	2024-10-24	Maize yield prediction with trait-missing data via bipartite graph neural network 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1433552 PMID:39430895	研究论文	本文提出了一种基于二部图神经网络的模型，用于处理缺失特征数据并预测玉米产量	本文创新性地使用二部图神经网络来挖掘不同样本数据、不同气象特征与特征以及不同特征之间的关联，并提出了一种基于梯度平衡机制的损失函数来解决样本不平衡问题	现有方法通常忽略了玉米种植数据中的广泛关联性，如相邻种植地点的玉米产量关联以及气象特征与玉米特征对玉米产量的综合影响	旨在通过机器学习和深度学习方法，在收获前及时准确地预测玉米产量，以支持粮食安全和农业政策发展	玉米产量预测	机器学习	NA	二部图神经网络	二部图神经网络	数据	涉及多个种植地点的玉米种植数据
876	2024-10-24	DPNet: Scene text detection based on dual perspective CNN-transformer 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309286 PMID:39432472	研究论文	本文提出了一种基于双视角CNN-transformer的场景文本检测方法，通过集成通道增强自注意力模块和空间增强自注意力模块，改进了传统ResNet骨干网络，提高了模型对不同类型文本检测的鲁棒性	本文创新性地将通道增强自注意力模块和空间增强自注意力模块集成到传统ResNet骨干网络中，有效促进了全局上下文信息和文本位置关系的学，并引入特征解码器来细化特征图中的有效文本信息	NA	提高场景文本检测的准确性和鲁棒性	场景中的文本检测	计算机视觉	NA	CNN, transformer	CNN-transformer	图像	Total-Text数据集, ICDAR 2015数据集, MSRA-TD500数据集
877	2024-10-24	3D CNN for neuropsychiatry: Predicting Autism with interpretable Deep Learning applied to minimally preprocessed structural MRI data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276832 PMID:39432512	研究论文	本文介绍了一种可解释的深度学习方法，用于通过3D CNN模型预测自闭症诊断，基于最小预处理的结构MRI数据	本文的创新点在于使用3D深度学习模型进行自闭症诊断，同时避免了数据归一化到模板空间的需求，从而减少了偏差并提高了对结构变化的敏感性	本文的局限性包括自闭症临床异质性和站点效应等挑战	本文的研究目的是开发一种可解释的预测模型，用于通过结构MRI数据预测自闭症诊断	本文的研究对象是自闭症患者和对照组的结构MRI数据	计算机视觉	神经精神疾病	3D CNN	3D CNN	图像	1329个样本，分为训练集、验证集和测试集
878	2024-10-24	Auto encoder-based defense mechanism against popular adversarial attacks in deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307363 PMID:39432550	研究论文	本文研究了基于卷积神经网络（CNN）的模型在对抗攻击下的防御机制，特别是针对肺炎胸片图像的检测	提出了一种基于卷积自编码器的防御机制，能够有效抵御多种类型的对抗攻击，包括快速梯度符号法（FGSM）和投影梯度下降（PGD）攻击	本文未详细讨论防御机制在其他类型医学图像上的适用性	旨在提高深度学习模型在医学图像分类中的安全性和鲁棒性	研究对象为肺炎胸片图像，以及针对这些图像的对抗攻击	计算机视觉	肺部疾病	卷积神经网络（CNN）	卷积自编码器	图像	涉及五种不同ε值的对抗攻击图像
879	2024-10-24	Applications of Artificial Intelligence in Cataract Surgery: A Review 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S489054 PMID:39434720	综述	本文综述了人工智能在白内障手术中的应用现状	探讨了人工智能在白内障手术的术前、术中和术后各阶段的应用，包括机器学习、深度学习和卷积神经网络等技术的整合	当前研究面临的挑战包括图像数据集有限、深度学习分析指标不统一以及对新数据集的泛化能力不足	旨在理解人工智能在眼科显微手术，特别是白内障手术中的应用现状	白内障手术的术前、术中和术后阶段	机器学习	眼科疾病	机器学习、深度学习、卷积神经网络	卷积神经网络	图像	NA
880	2024-10-24	ECG data analysis to determine ST-segment elevation myocardial infarction and infarction territory type: an integrative approach of artificial intelligence and clinical guidelines 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1462847 PMID:39434722	研究论文	本研究提出了一种基于人工智能和临床指南的综合方法，用于通过12导联心电图数据准确诊断ST段抬高型心肌梗死并详细分类梗死区域	本研究创新性地将临床领域与人工智能技术相结合，用于心电图诊断，提高了STEMI患者的快速治疗和预后	NA	研究目的是开发一种新方法，通过12导联心电图数据准确诊断ST段抬高型心肌梗死并详细分类梗死区域	研究对象是888名心肌梗死患者的心电图数据	机器学习	心血管疾病	深度学习	NA	心电图数据	888名心肌梗死患者