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
1081	2024-09-21	A quantitative analysis of artificial intelligence research in cervical cancer: a bibliometric approach utilizing CiteSpace and VOSviewer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1431142 PMID:39296978	研究论文	本研究通过文献计量学方法，利用CiteSpace和VOSviewer分析了人工智能在宫颈癌研究中的应用趋势	首次系统性地评估了人工智能在宫颈癌研究中的作用，并指出了未来的研究方向	研究主要基于文献计量学方法，可能忽略了实际应用中的细节和挑战	评估人工智能在宫颈癌研究中的作用，并探讨其未来发展趋势	宫颈癌研究领域的文献和相关作者	机器学习	宫颈癌	文献计量学	NA	文本	分析了927篇文章，涉及5,299名作者和81个地区
1082	2024-09-21	Super-resolution reconstruction improves multishell diffusion: using radiomics to predict adult-type diffuse glioma IDH and grade 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1435204 PMID:39296980	研究论文	本文通过深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发和验证了预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	使用深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发了新的预测模型	高级扩散模型在诊断性能上并未优于简单扩散模型	提高多壳扩散图像的分辨率，并开发预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	成人弥漫性胶质瘤的IDH状态和2/3级肿瘤	计算机视觉	脑肿瘤	深度学习超分辨率重建	生成对抗网络	图像	90例成人弥漫性胶质瘤患者
1083	2024-09-20	Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309109 PMID:39190686	研究论文	开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变	首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性	研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元	开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征	患有肺炎的18个月至17岁儿童	计算机视觉	肺炎	深度学习	深度学习算法	视频	107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频
1084	2024-09-20	Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1416169 PMID:39290391	研究论文	本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型	本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案	本文未提及具体的局限性	开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型	肩部磁共振图像中的冈上肌脂肪浸润	计算机视觉	肩部疾病	深度学习	U-Net 和 VGG-19	图像	606 张肩部磁共振图像
1085	2024-09-20	Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1427239 PMID:39290396	研究论文	本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势	本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性	NA	研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策	研究对象是COVID-19的传播动态和未来趋势	机器学习	COVID-19	XGBoost, LSTM	深度学习模型	时间序列数据	NA
1086	2024-09-20	PNNGS, a multi-convolutional parallel neural network for genomic selection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410596 PMID:39290743	研究论文	本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性	引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS	当训练样本在小集群中减少时，PNNGS的预测精度显著下降	提高基因组选择的预测精度和稳定性	水稻、向日葵、小麦和玉米的基因组选择	机器学习	NA	深度学习	并行神经网络	基因组数据	24个案例，不同集群的样本数量差异很大
1087	2024-09-20	DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1454652 PMID:39291256	研究论文	本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断	本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担	NA	开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核	肺炎和肺结核的诊断	计算机视觉	肺部疾病	深度学习	混合模型	图像	NA
1088	2024-09-19	Unlocking the potential: analyzing 3D microstructure of small-scale cement samples from space using deep learning 2024-Jan-25, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-024-00349-9 PMID:38272924	研究论文	本文提出了一种利用深度学习分析国际空间站微重力环境下硬化三钙硅酸盐样品三维微观结构的方法	本文创新性地利用深度学习框架从稀疏的实验数据中生成具有统计特性的微观结构集合，并展示了其在微重力环境下硬化水泥样品的独特微观形态	NA	研究微重力环境下硬化水泥样品的三维微观结构，并利用深度学习进行重建	微重力环境下硬化的三钙硅酸盐样品	计算机视觉	NA	深度学习	NA	图像	微重力环境下硬化的三钙硅酸盐样品
1089	2024-09-19	Contextual emotion detection in images using deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1386753 PMID:38952408	研究论文	本文研究了基于深度学习的图像中情境情感检测技术	本文提出了两种基于深度学习技术的复杂算法（DCNN和VGG19），并通过优化超参数来分析情境和肢体语言，以提高对图像中人类情感的理解	NA	开发更富有同理心的系统，应用于从医学到社交媒体情感互动的多个领域	图像中的情境情感检测	计算机视觉	NA	深度学习	DCNN, VGG19	图像	使用了来自多个数据库的真实图像，包括EMOTIC（ADE20K, MSCOCO）、EMODB_SMALL和FRAMESDB
1090	2024-09-19	AlphaCRV: a pipeline for identifying accurate binder topologies in mass-modeling with AlphaFold 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae131 PMID:39286602	研究论文	介绍了一种名为AlphaCRV的Python工具包，用于在AlphaFold筛选中识别正确的相互作用蛋白	提出了AlphaCRV工具包，通过聚类、排序和可视化保守的结合拓扑结构，帮助在AlphaFold筛选中识别正确的相互作用蛋白	NA	开发一种工具，用于在蛋白质组规模上识别生物学相关的蛋白质-蛋白质相互作用	蛋白质-蛋白质相互作用	机器学习	NA	AlphaFold	NA	蛋白质序列和折叠结构	NA
1091	2024-09-19	A single sequence MRI-based deep learning radiomics model in the diagnosis of early osteonecrosis of femoral head 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1471692 PMID:39280340	研究论文	本研究开发并评估了一种基于单序列MRI的深度学习放射组学模型，用于早期股骨头坏死的诊断	首次使用此类模型进行早期股骨头坏死的诊断，相比之前的多序列MRI放射组学方法更为简单，并利用深度学习技术进行改进	NA	开发和评估一种基于单序列MRI的深度学习放射组学模型，用于早期股骨头坏死的准确预测	早期股骨头坏死	机器学习	骨科疾病	MRI	深度学习模型	图像	150名患者（80名健康，70名坏死）的MRI扫描数据
1092	2024-09-19	A Systematic Review of Real-Time Deep Learning Methods for Image-Based Cancer Diagnostics 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S446745 PMID:39281299	综述	本文深入探讨了深度学习算法在实时癌症诊断中的应用	本文评估了不同成像模式在基于深度学习的癌症诊断中的准确性和周转时间，并探讨了可解释深度学习在癌症诊断中的应用潜力	本文指出泛化问题、数据变异性和可解释性是深度学习在临床试验中应用的主要障碍	本文旨在通过系统综述了解深度学习如何影响癌症诊断的等待时间	本文研究了深度学习在实时癌症诊断中的应用，评估了不同成像模式的准确性和周转时间，并探讨了基础设施的成本和效果	计算机视觉	癌症	深度学习	卷积神经网络	图像	NA
1093	2024-09-19	Artificial intelligence in neuroimaging: Opportunities and ethical challenges 2024, Brain & spine DOI:10.1016/j.bas.2024.102919 PMID:39281849	评论	本文讨论了人工智能在神经影像学中的应用及其带来的机遇和伦理挑战	AI算法，特别是深度学习模型，在分析复杂神经影像数据方面展示了显著能力，提高了诊断准确性和个性化治疗策略	快速采用AI技术引发了算法偏差、数据隐私和AI驱动见解的可解释性等伦理挑战	探讨AI在神经影像学中的应用及其伦理挑战	神经退行性疾病	计算机视觉	NA	深度学习	深度学习模型	影像	NA
1094	2024-09-19	Corrigendum: Contextual emotion detection in images using deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1476791 PMID:39290717	correction	纠正了文章DOI: 10.3389/frai.2024.1386753中的错误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1095	2024-09-16	Peak amplitude of the normalized power spectrum of the electromyogram of the uterus in the low frequency band is an effective predictor of premature birth 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308797 PMID:39264880	研究论文	本文研究了基于子宫肌电图（EHG）低频带归一化功率谱峰值振幅（PA）预测早产的有效性	提出了一种简单且可解释的单特征方法，通过PA特征在多个数据库上实现了较高的分类准确率，优于现有的多特征方法和非侵入性化学分子生物标志物	NA	开发一种非侵入性、简单且可解释的方法来预测早产	子宫肌电图（EHG）信号	生物医学工程	妊娠相关疾病	肌电图（EHG）	分类器	信号	使用了TPEHG DB、TPEHGT DS和ICEHG DS数据库中的EHG记录
1096	2024-09-16	CL-Informer: Long time series prediction model based on continuous wavelet transform 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303990 PMID:39269969	研究论文	提出了一种基于连续小波变换的长时序预测模型CL-Informer	在Informer模型中加入基于连续小波变换的嵌入层，使模型能够捕捉多尺度数据特征，并使用LSTM层进一步捕捉数据依赖性并处理连续小波变换中的冗余信息	NA	提高时间序列预测的准确性	时间序列数据	机器学习	NA	连续小波变换	LSTM	时间序列	五个数据集
1097	2024-09-15	Neuron collinearity differentiates human hippocampal subregions: a validated deep learning approach 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae296 PMID:39262825	研究论文	本文介绍了一种基于深度学习的高通量方法，用于自动提取海马亚区的锥体神经元方向，并生成适合个体间和个体内比较的共线性测量	首次进行了海马亚区内锥体神经元方向和共线性的全面定量研究，并提出了一种新的深度学习方法来区分海马亚区	NA	研究海马亚区内锥体神经元的方向和共线性，并开发一种新的深度学习方法来区分这些亚区	海马亚区的锥体神经元方向和共线性	计算机视觉	NA	深度学习	Cellpose算法	图像	168个海马分区中的479,873个锥体神经元
1098	2024-09-15	AFM-YOLOv8s: An Accurate, Fast, and Highly Robust Model for Detection of Sporangia of Plasmopara viticola with Various Morphological Variants 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0246 PMID:39263595	研究论文	本文开发了一种名为AFM-YOLOv8s的增强型YOLOv8s模型，用于检测葡萄霜霉病孢子囊	引入了自适应交叉融合模块、轻量级特征提取模块FasterCSP和新的损失函数MPDIoU，显著提高了检测精度和速度	尽管FasterCSP在模型复杂度和大小上有所减少，但可能会导致轻微的精度损失	开发一种高效、准确的深度学习模型，用于快速检测葡萄霜霉病孢子囊	葡萄霜霉病孢子囊及其多种形态变异	计算机视觉	葡萄霜霉病	深度学习	YOLOv8s	图像	自定义的葡萄霜霉病孢子囊数据集
1099	2024-09-15	Enhancing reginal wall abnormality detection accuracy: Integrating machine learning, optical flow algorithms, and temporal convolutional networks in multi-view echocardiography 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310107 PMID:39264929	研究论文	本文提出了一种结合机器学习、光流算法和时间卷积网络的多视角超声心动图区域壁异常检测方法	本文创新性地利用多周期和多视角的超声心动图数据，结合U-Net分割、光流算法和时间卷积网络，提取丰富的运动场特征，以提高区域壁异常检测的准确性	NA	提高区域壁运动异常检测的准确性，为早期心肌梗死诊断提供更全面和精确的工具	区域壁运动异常（RWMA）和心肌梗死（MI）	机器学习	心血管疾病	光流算法、时间卷积网络	U-Net、SVM分类器	超声心动图	HMC-QU数据集
1100	2024-09-15	Causal Inference Meets Deep Learning: A Comprehensive Survey 2024, Research (Washington, D.C.) DOI:10.34133/research.0467 PMID:39257419	综述	本文全面回顾了因果推断在深度学习中的应用	通过将因果模型替代相关性模型，提高模型的解释性和稳定性	讨论了因果推断的当前局限性和未来研究方向	探讨因果推断与深度学习的结合及其应用	深度学习模型及其在大型任务和特定模态中的应用	机器学习	NA	因果推断	深度学习模型	NA	NA