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
81	2024-12-14	MLR-predictor: a versatile and efficient computational framework for multi-label requirements classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1481581 PMID:39664103	研究论文	提出了一种名为MLR-Predictor的多标签需求分类计算框架，通过创新的OkapiBM25模型和逻辑回归分类器，实现了高效的需求分类	MLR-Predictor使用OkapiBM25模型将需求文本转换为统计向量，并将多标签分类问题转换为多类分类问题，显著提高了分类性能	NA	开发一种高效的多标签需求分类方法，以提高软件开发的成功率	多标签需求分类问题	机器学习	NA	OkapiBM25模型，逻辑回归分类器	逻辑回归	文本	三个公开基准需求分类数据集
82	2024-12-14	Detecting and localizing cervical lesions in colposcopic images with deep semantic feature mining 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1423782 PMID:39664173	研究论文	本研究探讨了利用深度语义特征从阴道镜图像中检测和定位宫颈病变的可能性	提出了一个基于分割的深度学习架构，结合图像分割和分类的两阶段决策模型，并使用迁移学习创建了针对阴道镜图像的特征提取器，通过注意力机制增强多尺度数据的精确分割	未提及具体的局限性	研究利用人工智能模型通过深度语义特征检测和定位宫颈病变	宫颈病变在阴道镜图像中的检测和定位	计算机视觉	妇科疾病	深度学习	深度解码网络	图像	未提及具体样本数量
83	2024-12-14	Deep-Learning-Based Radiomics to Predict Surgical Risk Factors for Lumbar Disc Herniation in Young Patients: A Multicenter Study 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S493302 PMID:39664265	研究论文	本研究开发并验证了一种基于深度学习的放射组学模型，用于预测年轻患者腰椎间盘突出症的手术风险因素	本研究创新性地结合了临床特征和深度学习放射组学特征，开发了一种深度学习放射组学列线图（DLRN），显著提高了预测手术风险因素的准确性	本研究为回顾性分析，样本来自两家医疗中心，可能存在选择偏倚	开发并验证一种能够预测年轻患者腰椎间盘突出症手术风险因素的深度学习放射组学模型，以辅助临床医生识别手术候选者，缓解症状并改善预后	年轻患者的腰椎间盘突出症手术风险因素	机器学习	腰椎间盘突出症	放射组学	支持向量机（SVM）	图像	来自两家医疗中心的年轻患者
84	2024-12-14	Prediction of Human Papillomavirus-Host Oncoprotein Interactions Using Deep Learning 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241304666 PMID:39664297	研究论文	本研究开发了一种深度学习模型，用于预测人乳头瘤病毒（HPV）与宿主癌蛋白之间的相互作用	本研究首次使用深度学习模型预测HPV与宿主蛋白的相互作用，相比传统方法更高效	本研究的局限性在于仅使用了Eckhardt等人的数据集，可能存在数据偏差	开发一种高效的计算模型来预测HPV与宿主蛋白的相互作用	HPV 31和18的E6和E7蛋白与宿主癌蛋白AKT、IQGAP1和MMP16的相互作用	机器学习	宫颈癌	深度学习	RNN	蛋白质相互作用数据	使用了Eckhardt等人提供的HPV与宿主蛋白相互作用数据
85	2024-12-14	Language task-based fMRI analysis using machine learning and deep learning 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1495181 PMID:39664795	研究论文	本研究探讨了使用机器学习和深度学习算法对基于任务的语言功能磁共振成像（fMRI）数据进行分类，以识别与语言相关的大脑区域	本研究首次将机器学习和深度学习方法应用于基于任务的语言fMRI数据分析，特别是针对非结构化fMRI范式的语言区域识别	本研究的样本量较小，且仅使用了七种任务范式，可能限制了结果的普适性	研究目的是评估不同机器学习和深度学习算法在基于任务的语言fMRI数据分类中的有效性	研究对象是基于任务的语言fMRI数据，用于识别与语言相关的大脑区域	机器学习	NA	功能磁共振成像（fMRI）	机器学习（ML）和深度学习（DL）	时间序列	26名个体
86	2024-12-14	Deep learning based landmark detection for measuring hock and knee angles in sows 2024, Translational animal science IF:1.3Q3 DOI:10.1093/tas/txad033 PMID:39664862	研究论文	本文提出了一种基于深度学习的视觉方法，用于自动从母猪图像中确定跗关节和膝关节角度	本文创新性地使用深度学习模型来自动检测母猪图像中的关键身体标志，并通过三角公式计算跗关节和膝关节角度，实现了自动化测量	NA	开发一种自动化的方法来测量母猪的跗关节和膝关节角度，以优化母猪繁殖单元的管理	母猪的跗关节和膝关节角度	计算机视觉	NA	深度学习	深度学习模型	图像	NA
87	2024-12-14	Development of a deep learning model for automatic detection of narrowed intervertebral disc space sites in caudal thoracic and lumbar lateral X-ray images of dogs 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1453765 PMID:39664893	研究论文	本研究开发了一种深度学习模型，用于自动检测狗的胸腰椎侧位X光片中椎间盘空间狭窄的部位	首次使用大核一维卷积神经网络量化椎间盘空间距离并检测狭窄部位	样本量相对较小，且仅限于胸腰椎侧位X光片	开发一种自动检测狗椎间盘空间狭窄的深度学习模型，辅助椎间盘疾病的初步筛查和病变定位	狗的胸腰椎侧位X光片中的椎间盘空间狭窄	计算机视觉	犬科疾病	深度学习	一维卷积神经网络	图像	241张胸腰椎侧位X光片，来自142只狗
88	2024-12-14	AppleLeafNet: a lightweight and efficient deep learning framework for diagnosing apple leaf diseases 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1502314 PMID:39665107	研究论文	本文设计了一种轻量级深度学习框架AppleLeafNet，用于诊断苹果叶病害	提出了一种轻量级深度学习模型，通过两阶段框架实现苹果叶健康状况和病害的分类，相比其他预训练模型具有更少的可学习参数	未提及具体的研究局限性	开发一种高效的深度学习框架，用于准确识别苹果叶病害	苹果叶的健康状况和病害类型	计算机视觉	NA	深度学习	深度学习模型	图像	使用了一个在线可用的数据集进行验证
89	2024-12-14	Interpretable Diabetic Retinopathy Diagnosis Based on Biomarker Activation Map 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3290541 PMID:37405891	研究论文	本文介绍了一种基于生成对抗学习的生物标志物激活图（BAM）框架，用于解释基于光学相干断层扫描（OCT）和其血管造影（OCTA）的糖尿病视网膜病变（DR）自动诊断	提出了一个新颖的生物标志物激活图（BAM）框架，通过生成对抗学习使分类器的决策过程可解释	NA	开发一种可解释的糖尿病视网膜病变诊断方法，帮助临床医生验证和理解分类器的决策	糖尿病视网膜病变（DR）的自动诊断	机器学习	糖尿病视网膜病变	生成对抗学习	生成对抗网络（GAN）	图像	456个黄斑扫描数据
90	2024-12-14	A Novel Approach Analysing the Dynamic Brain Functional Connectivity for Improved MCI Detection 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3294511 PMID:37436866	研究论文	本研究提出了一种新的动态脑功能连接分析方法，用于改进轻度认知障碍的检测	本研究提出了几种新的特征用于动态脑功能连接分析，并展示了其在轻度认知障碍检测中的优越性能	本研究未详细讨论所提出方法在计算效率和可解释性方面的改进	探索动态脑功能连接分析中几种新特征的可行性，以实现可靠的轻度认知障碍检测	健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的动态脑功能连接	机器学习	老年疾病	功能磁共振成像	支持向量机	图像	包含健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的公共静息态功能磁共振成像数据集
91	2024-12-14	Image-Decomposition-Enhanced Deep Learning for Detection of Rotor Cores in Cardiac Fibrillation 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3292383 PMID:37440380	研究论文	本研究开发了一种基于图像分解增强的深度学习框架，用于自动识别心房颤动中的转子核心	采用集成经验模态分解算法（EEMD）对原始图像进行分解，并将最具代表性的成分输入YOLO目标检测架构进行转子检测	NA	开发一种自动识别心房颤动中转子核心的深度学习框架	心房颤动中的转子核心	计算机视觉	心血管疾病	集成经验模态分解算法（EEMD）	YOLO	图像	来自双域模拟模型的模拟数据和从离体兔心中获取的光学映射数据
92	2024-12-14	Location-Aware Encoding for Lesion Detection in 68Ga-DOTATATE Positron Emission Tomography Images 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3297249 PMID:37471190	研究论文	本文提出了一种新的单阶段病变检测方法，使用68Ga-DOTATATE正电子发射断层扫描（PET）图像进行病变检测	本文创新性地设计了一个可插拔的代码本学习模块，并将其集成到U-Net类似的神经网络中，以促进多尺度病变位置特定特征学习	NA	开发一种高效的单阶段病变检测方法，以提高神经内分泌肿瘤（NETs）患者的治疗效果	68Ga-DOTATATE PET图像中的病变检测	计算机视觉	神经内分泌肿瘤	深度学习	U-Net	图像	NA
93	2024-12-14	A neural machine translation method based on split graph convolutional self-attention encoding 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1886 PMID:39669465	研究论文	提出了一种基于分割图卷积自注意力编码的神经机器翻译方法，以更好地利用句法依赖关系并降低模型复杂度	提出了基于分割图卷积自注意力编码（SGSE）的新方法，结合了分割自注意力网络和句法语义自注意力网络，有效利用了非欧几里得空间中的句法依赖关系	未提及具体的局限性	提高跨语言协作团队成员之间的沟通效率	跨语言协作团队中的沟通效率	自然语言处理	NA	神经机器翻译（NMT）	分割图卷积自注意力编码（SGSE）	文本	多个标准数据集以及涉及团队协作和企业管理场景的数据集
94	2024-12-13	Brain metastasis tumor segmentation and detection using deep learning algorithms: A systematic review and meta-analysis 2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110007 PMID:37967585	综述	本文系统回顾和荟萃分析了深度学习算法在从不同原发部位的MRI图像中检测和分割脑转移瘤中的有效性	本文通过荟萃分析和子组分析，探讨了影响深度学习模型性能的因素，如MRI硬件多样性、切片厚度等	需要更大规模的研究和更广泛的荟萃分析以开发更实用和可推广的算法	评估深度学习算法在脑转移瘤检测和分割中的有效性	脑转移瘤的检测和分割	计算机视觉	脑肿瘤	深度学习	U-Net及其变体	图像	42项相关研究的荟萃分析
95	2024-12-13	Weakly-Supervised Segmentation-Based Quantitative Characterization of Pulmonary Cavity Lesions in CT Scans 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3399261 PMID:38899144	研究论文	本文提出了一种基于弱监督学习的深度学习模型CSA2-ResNet，用于在CT扫描中自动检测、分割和量化肺腔病变区域	本文的创新点在于提出了一种弱监督学习方法CSA2-ResNet，结合混合注意力模块和梯度加权类激活映射技术，实现了对肺腔病变的自动检测和量化	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种自动化的方法，用于在CT扫描中检测、分割和量化肺腔病变，以辅助临床诊断和治疗效果评估	肺腔病变在CT扫描中的检测、分割和量化	计算机视觉	肺部疾病	深度学习	CSA2-ResNet	图像	未提供具体样本数量
96	2024-12-13	From Scalp to Ear-EEG: A Generalizable Transfer Learning Model for Automatic Sleep Scoring in Older People 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3388852 PMID:38765887	研究论文	本文探讨了通过迁移学习模型将头皮EEG数据应用于耳EEG数据，以提高老年人自动睡眠评分准确性的方法	本文首次在老年人群体中应用LightGBM进行迁移学习，并展示了通过微调预训练模型在耳EEG数据上提高分类准确性的潜力	研究样本量较小，仅涉及17名老年人，且未涵盖所有可能的健康状况	探索将预训练的头皮EEG模型微调应用于耳EEG数据，以提高老年人睡眠评分的准确性	老年人群体的耳EEG数据	机器学习	NA	LightGBM	LightGBM	EEG数据	17名年龄在65-83岁之间的老年人
97	2024-12-13	A Development of a Sound Recognition-Based Cardiopulmonary Resuscitation Training System 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3433448 PMID:39155923	研究论文	本文开发了一种基于声音识别的心肺复苏（CPR）训练系统，该系统具有成本效益、易于维护，并能提供准确的CPR反馈	本文提出了一种名为Beep-CPR的新型设备，通过高频声音记录和分析CPR过程中的压缩深度、速率和释放速度，并使用深度学习模型进行预测	NA	开发一种基于声音识别的心肺复苏训练系统，以提高CPR训练的效果	心肺复苏（CPR）训练过程中的压缩质量	机器学习	心血管疾病	深度学习	EfficientNet	音频	6,065个频谱图，来源于约40分钟的音频数据
98	2024-12-13	Simultaneous EEG-fNIRS Data Classification Through Selective Channel Representation and Spectrogram Imaging 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448457 PMID:39247844	研究论文	本文提出了一种名为多模态DenseNet融合（MDNF）模型的深度学习架构，用于同时处理EEG和fNIRS数据，并通过选择性通道表示和频谱图成像提高脑机接口（BCI）的分类准确性	本文的创新点在于提出了MDNF模型，通过将EEG数据转换为2D图像并结合fNIRS的频谱熵特征，提高了EEG-fNIRS数据在脑机接口中的分类准确性和多样性	NA	本文的研究目的是提高EEG-fNIRS数据在脑机接口中的分类准确性和多样性，以推动脑机接口技术的发展	本文的研究对象是EEG和fNIRS数据，以及它们在脑机接口中的应用	机器学习	NA	深度学习	DenseNet	图像	两个公开数据集
99	2024-12-13	Deep Learning and fMRI-Based Pipeline for Optimization of Deep Brain Stimulation During Parkinson's Disease Treatment: Toward Rapid Semi-Automated Stimulation Optimization 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448392 PMID:39247846	研究论文	本文提出了一种基于深度学习和fMRI的管道，用于优化帕金森病治疗中的深脑刺激参数	该研究的创新点在于利用深度学习技术和fMRI数据，将深脑刺激参数优化的过程从约1年缩短到几个小时，实现快速半自动化优化	本文的局限性在于仅使用了39名患者的fMRI数据，样本量较小，可能影响模型的泛化能力	研究目的是开发一种快速半自动化的深脑刺激参数优化方法，以减少患者的时间和经济负担	研究对象是接受深脑刺激治疗的帕金森病患者	机器学习	帕金森病	fMRI	自编码器（AE）和多层感知器（MLP）	fMRI数据	39名帕金森病患者
100	2024-12-13	A Multi-Task Based Deep Learning Framework With Landmark Detection for MRI Couinaud Segmentation 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3491612 PMID:39559826	研究论文	本文提出了一种基于多任务学习的深度学习框架，用于在对比增强磁共振成像（CE-MRI）中自动检测关键解剖标志并进行Couinaud肝段分割	通过多任务学习框架同步检测解剖标志与分割过程，提高了Couinaud段分割的准确性和鲁棒性	NA	实现精确的Couinaud肝段分割，优化肝手术的术前规划，减少术后并发症并保护肝功能	Couinaud肝段分割及关键解剖标志检测	计算机视觉	NA	对比增强磁共振成像（CE-MRI）	多任务学习框架	图像	包括正常肝脏、弥漫性肝病和局部肝病变的多类型患者，涉及两种场强、两种设备和两种对比剂