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
1201	2024-08-05	BrainCDNet: a concatenated deep neural network for the detection of brain tumors from MRI images 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1405586 PMID:38919881	研究论文	本文提出了一种名为BrainCDNet的新型深度学习架构，用于从MRI图像中检测脑肿瘤。	BrainCDNet通过连接池层和采用'He Normal'初始化处理过拟合问题，增强了图像特征提取和分类的性能。	未提及具体的局限性。	提高脑肿瘤的检测准确性，减少误诊并促进早期诊断。	对比分析健康与病理、不同类型脑肿瘤的MRI图像。	计算机视觉	脑癌	深度学习	NA	MRI图像	使用了二元和多分类的MRI数据库进行实验
1202	2024-08-05	CMR-net: A cross modality reconstruction network for multi-modality remote sensing classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304999 PMID:38917124	研究论文	本研究提出了一种基于卷积神经网络（CNN）的CMR-Net深度学习架构，用于多模态遥感图像数据的分类	创新之处在于设计了一个在多模态特征融合阶段的跨模态重建模块，以有效整合来自多种遥感数据的特征	该研究的局限性未在摘要中提及	本研究旨在解决多模态遥感数据分类中的挑战	本研究的对象为两个多模态遥感数据集，包括Houston2013数据集和Berlin数据集	遥感	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	超光谱和激光雷达数据，合成孔径雷达数据	两个数据集的样本数量未在摘要中具体说明
1203	2024-08-05	METhodological RadiomICs Score (METRICS): a quality scoring tool for radiomics research endorsed by EuSoMII 2024-Jan-17, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-023-01572-w PMID:38228979	研究论文	提出了一种新的质量评分工具METRICS，以评估和提高放射组学研究的质量	首次提出基于专家意见的项目的重要性权重，并采用透明的方法来评估放射组学研究的质量	N/A	评估和提高放射组学研究的质量	国际专家小组对放射组学研究的质量进行评估	数字病理学	N/A	N/A	N/A	N/A	59名专家参与来自19个国家
1204	2024-08-05	Enhancing semantic segmentation in chest X-ray images through image preprocessing: ps-KDE for pixel-wise substitution by kernel density estimation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299623 PMID:38913621	研究论文	本研究提出了一种新的图像预处理技术ps-KDE，以提高胸部X光图像的深度学习语义分割效果	ps-KDE通过基于图像像素在所有图像中的标准化频率来增强图像对比度，进而改善深度学习算法的性能	本研究的局限性在于所使用的数据集的异质性可能影响结果的普适性	研究深度学习算法在胸部X光图像中的器官分割效果	主要研究对象是心脏、左肺、右肺、左锁骨和右锁骨的分割	计算机视觉	肺癌	ps-KDE	U-Net	图像	NA
1205	2024-08-05	A novel approach for APT attack detection based on feature intelligent extraction and representation learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305618 PMID:38913651	研究论文	本研究提出了一种基于特征智能提取和表示学习的APT攻击检测新方法	提出的FIERL模型结合了BiLSTM深度学习网络和注意力网络，创新性地聚合和提取APT IP在网络流量中的异常行为	未提及具体的局限性	旨在实现对APT攻击活动的早期检测和预警	研究对象为APT IP与正常IP的分类	计算机视觉	NA	深度学习	BiLSTM	网络流量数据	NA
1206	2024-08-05	The current landscape of machine learning-based radiomics in arteriovenous malformations: a systematic review and radiomics quality score assessment 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1398876 PMID:38915798	系统评价	本文提供了关于动静脉畸形中使用的放射组学模型的全面总结	综合评估了采用机器学习的放射组学在动静脉畸形管理中的应用情况	所有纳入的研究均为回顾性，且没有进行外部验证	综述放射组学模型在动静脉畸形管理中的诊断、治疗、预后和预测结果的应用	动静脉畸形（AVM）	机器学习	NA	放射组学	NA	医学影像	13个研究
1207	2024-08-05	Advancing precision rheumatology: applications of machine learning for rheumatoid arthritis management 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1409555 PMID:38915408	评论	本文总结了机器学习在类风湿关节炎管理中的应用。	探讨了用于类风湿关节炎管理的诊断和预测模型，展示了多种数据模态的使用。	小样本量和缺乏多样化人群测试可能导致模型性能的高估，模型的过拟合和可解释性也存在挑战。	提升类风湿关节炎的管理，通过早期诊断和优化治疗。	研究当前机器学习在类风湿关节炎管理中的应用。	机器学习	类风湿关节炎	机器学习	监督学习和无监督学习	电子健康记录、影像和多组学数据	小样本量
1208	2024-08-05	Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen 2024 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2024.2362775 PMID:38899735	研究论文	本研究探讨了如何通过计算设计来提高抗体的热稳定性和亲和力	使用DeepAb深度学习模型进行抗体Fv结构的预测，以优化抗体变体，克服了通常不可靠的抗体-抗原复合物结构和对接方法的限制	研究依赖于单点实验深度突变扫描的数据，而缺乏对抗原的直接实验验证	研究抗体的发现和优化过程中的计算设计方法	针对抗母鸡卵白溶菌酶(HEL)的200个抗体变体	生物医学	NA	深度学习	DeepAb	序列数据	200个抗体变体
1209	2024-08-05	A novel method of swin transformer with time-frequency characteristics for ECG-based arrhythmia detection 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1401143 PMID:38911517	研究论文	本研究提出了一种结合小波时频图与Swin Transformer模型的新方法，用于ECG基础的心律失常检测	该方法创新地结合了小波时频图与Swin Transformer模型，提高了心律失常检测的准确性	研究中没有提及样本的多样性和适用性限制	研究旨在提高心律失常的自动检测准确性	研究对象为MIT-BIH心律失常数据集中的心电图(ECG)信号	机器学习	心血管疾病	小波变换	Swin Transformer	心电图信号	MIT-BIH心律失常数据集中的样本
1210	2024-08-05	Automated Scoring of Alzheimer's Disease Atrophy Scale with Subtype Classification Using Deep Learning-Based T1-Weighted Magnetic Resonance Image Segmentation 2024, Journal of Alzheimer's disease reports DOI:10.3233/ADR-230105 PMID:38910943	研究论文	该文章提供了一种基于深度学习的自动化阿尔茨海默病萎缩评分方法	通过深度学习分割方法实现客观的体积驱动萎缩评分，为阿尔茨海默病亚型分类提供了新的自动化工具	在认知正常参与者中的评分一致性较差，可能影响临床应用	研究阿尔茨海默病的萎缩评分及其亚型分类	研究对象包括3959名参与者，其中有认知正常、轻度认知障碍和阿尔茨海默病患者	数字病理学	阿尔茨海默病	深度学习图像分割	NA	MRI图像	3959名参与者（1732名认知正常，1594名轻度认知障碍，633名阿尔茨海默病患者）
1211	2024-08-05	Comparative Evaluation of Machine Learning Models for Subtyping Triple-Negative Breast Cancer: A Deep Learning-Based Multi-Omics Data Integration Approach 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.93215 PMID:38911381	研究论文	本研究开发了一种基于深度学习的多组学数据整合模型，以提高三阴性乳腺癌亚型和预后预测的准确性	本研究在数据整合、统计性能和算法优化方面展示了显著进展，特别是在深度学习模型的优化方面	尽管MRI放射组学模型有效，但在跨数据集应用时的性能下降强调了需要进一步优化以提高准确性和一致性	研究目的在于提高三阴性乳腺癌的分类和预后预测准确性	研究对象为三阴性乳腺癌相关的多组学分子特征数据，包括mRNA、miRNA、基因突变、DNA甲基化和MRI图像	数字病理学	乳腺癌	深度学习	DL模型	图像和基因组数据	NA
1212	2024-08-05	GranoScan: an AI-powered mobile app for in-field identification of biotic threats of wheat 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1298791 PMID:38911980	研究论文	本文介绍了一款名为GranoScan的免费移动应用程序，可实时检测和识别地中海地区影响小麦的80多种威胁	GranoScan通过与意大利农民的直接合作开发，具有优化的图形界面和在低或无网络情况下的操作能力	没有提到关于特定环境条件下应用程序的限制或潜在挑战	旨在提供一种可用的工具以帮助农民识别小麦的生物威胁	研究对象为影响小麦的生物威胁，包括害虫和病害	计算机视觉	肺癌	深度学习	EfficientNet-b0	图像	未具体说明样本的数量和种类
1213	2024-08-05	Automated measurement and grading of knee cartilage thickness: a deep learning-based approach 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1337993 PMID:38487024	研究论文	本研究提出了一种基于深度学习的方法来自动测量和分级膝盖软骨厚度	通过不同的深度学习方法实现膝盖软骨的分割和测量，建立了一套标准化的软骨厚度数据库	研究主要是回顾性分析，可能存在选择偏差，且样本范围在年龄和分级上有限	旨在提高膝盖软骨厚度测量的效率和准确性	混合膝盖MRI数据集和不同参数下的软骨厚度	数字病理学	骨关节炎	深度学习	卷积神经网络（CNN）	影像	700个膝盖MRI案例
1214	2024-08-05	Deep Learning Based Prediction of Pulmonary Hypertension in Newborns Using Echocardiograms 2024, International journal of computer vision IF:11.6Q1 DOI:10.1007/s11263-024-01996-x PMID:38911323	研究论文	本研究提出了一种基于多视角视频的深度学习方法，用于预测和分类新生儿的肺动脉高压。	这是首个利用超声心动图进行新生儿肺动脉高压自动评估的研究，采用了解释性深度学习方法。	本研究的结果基于相对小的样本量，未来需要在更大人群中验证。	本研究旨在开发一种自动化工具，以改善新生儿肺动脉高压的检测和严重性分类。	研究对象为270名新生儿，使用超声心动图进行肺动脉高压的预测和评估。	数字病理学	心脏病	超声心动图（Echocardiogram）	时空卷积网络（Spatio-temporal convolutional architectures）	视频	270名新生儿
1215	2024-08-05	Clinical predictions of COVID-19 patients using deep stacking neural networks 2024-01, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589231201103 PMID:37712431	研究论文	该文章提出了一种深度堆叠神经网络模型来预测COVID-19患者的临床结果	使用矩阵分解特征选择的方法来挑选最相关的COVID-19患者实验室生物标志物和人口统计数据特征	未提及该模型的实际应用限制	提高COVID-19患者临床结果预测的准确性	COVID-19患者的实验室生物标志物和人口统计数据	机器学习	COVID-19	机器学习模型	深度堆叠神经网络	实验室生物标志物和人口统计数据	NA
1216	2024-08-05	Can the generalizability issue of artificial intelligence be overcome? Pneumothorax detection algorithm 2024-01, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589231208479 PMID:37840192	研究论文	本文旨在解决人工智能在气胸检测中的可推广性问题	开发了基于深度学习的气胸检测算法，并通过外部验证提高了模型的准确性	需要更多的研究来确定最佳的外部验证数据量，以完全解决可推广性问题	研究气胸检测中人工智能模型的可推广性	气胸患者的胸部X光影像	计算机视觉	气胸	深度学习	深度学习模型	胸部X光影像	648例气胸患者和650例非气胸患者的影像
1217	2024-08-05	Deep Learning-Based HLA Allele Imputation Applicable to GWAS 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3874-3_5 PMID:38907891	研究论文	本文介绍了一种基于深度学习的HLA等位基因填充方法Deep*HLA	该方法采用深度学习算法，显著提高了HLA等位基因的填充精度和计算效率	对于稀有等位基因的填充精度有所下降	旨在提高HLA基因的等位基因填充准确性，以更好地理解人类特征的遗传基础	关注HLA等位基因的填充，基于区域性单核苷酸变异进行分析	机器学习	NA	深度学习	NA	NA	在两个不同谱系的参考面板上进行训练和基准测试
1218	2024-08-05	Intelligent deep learning supports biomedical image detection and classification of oral cancer 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248041 PMID:38759069	研究论文	本文提出了一种有效并准确的口腔癌识别与分类方法	提出了一种新的CANet分类模型，结合了注意机制和位置忽略信息，探索了注意机制与深度网络的复杂组合	NA	研究口腔癌的识别和分类技术	口腔癌图像数据集的分类	计算机视觉	口腔癌	深度学习，CNN和Swin变换	CANet和Swin transformer	图像	Kaggle口腔癌图像数据集
1219	2024-08-05	Designing and development of agricultural rovers for vegetable harvesting and soil analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304657 PMID:38905232	研究论文	本研究提出了一种能够自主进行蔬菜采摘和土壤分析的农业机器人	使用先进的深度学习算法（YOLOv5）来提高农业效率和土壤健康	研究中未提及样本的多样性和环境条件的影响	旨在开发可持续农业技术以提升作物生产力和土壤健康	农业机器人及其在蔬菜采摘和土壤分析中的应用	计算机视觉	NA	YOLOv5	深度学习模型	图像	NA
1220	2024-08-05	A deep learning approach for acute liver failure prediction with combined fully connected and 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-248048 PMID:38759076	研究论文	本文提出了一种结合全连接和卷积神经网络的深度学习方法用于急性肝衰竭预测	创新点在于结合了全连接神经网络和卷积神经网络，以提高传统机器学习方法在预测急性肝衰竭中的性能和泛化能力	模型的鲁棒性和针对不平衡数据的能力仍需进一步改进	研究旨在通过深度学习提高急性肝衰竭预测的准确性和有效性	研究对象是急性肝衰竭患者及其相关临床数据	机器学习	肝病	深度学习	全连接神经网络和卷积神经网络	临床数据	NA