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
1501	2024-08-07	A multifaceted suite of metrics for comparative myoelectric prosthesis controller research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291279 PMID:38739557	研究论文	本文提出了一套全面的肌电假肢控制评估指标，用于分析设备运动细节，包括任务表现、控制特性和用户体验	引入了新的肌电假肢控制评估指标，能够更详细地分析设备运动质量和用户意图匹配度，以及用户对设备可靠性和控制器训练要求的看法	NA	开发适用于个人的假肢控制器，以预测用户的意图运动	肌电假肢控制器及其在复杂功能任务中的表现	机器人技术	NA	深度学习	循环卷积神经网络（RCNN）	NA	8名无上肢损伤的参与者
1502	2024-08-07	Transformer-based framework for multi-class segmentation of skin cancer from histopathology images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1380405 PMID:38741771	研究论文	本文提出了一种基于Transformer的模型，用于从组织病理学图像中对皮肤癌进行多类别分割	该研究通过不确定性图谱可视化模型预测的置信度，这是与大多数深度学习方法的区别	NA	旨在开发一种智能决策支持系统，以解决专家数量有限的问题，并帮助缓解城市中心与偏远地区之间的医疗服务差距	非黑色素瘤皮肤癌，包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和表皮内癌（IEC）	数字病理学	皮肤癌	Transformer	Transformer	图像	使用公开可用的数据集进行评估
1503	2024-08-07	Design of urban road fault detection system based on artificial neural network and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1369832 PMID:38741790	研究论文	本文提出了一种基于人工神经网络和深度学习的城市道路故障检测系统，通过结合图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，实现高效准确的道路故障检测	本研究创新性地结合了图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，提高了道路故障检测的准确性	NA	提高城市交通管理中的道路故障检测效率和安全性	城市道路故障检测系统	机器学习	NA	图卷积网络（GCN）、双向门控循环单元（BiGRU）、自注意力机制	多层感知器（MLP）	道路拓扑图、交通数据	使用标记的道路故障数据进行训练
1504	2024-08-07	Identifying pests in precision agriculture using low-cost image data acquisition 2024, Brazilian journal of biology = Revista brasleira de biologia DOI:10.1590/1519-6984.281671 PMID:38747863	研究论文	本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性	本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术	NA	探索无人机在精准农业中识别害虫的应用	评估VGG-16、CNN和FCN模型在植物病害检测中的有效性	计算机视觉	NA	深度学习	CNN	图像	NA
1505	2024-08-07	Cancer Immunotherapy and Medical Imaging Research Trends from 2003 to 2023: A Bibliometric Analysis 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S457367 PMID:38736544	meta-analysis	本文通过文献计量分析方法，探讨了2003年至2023年间癌症免疫治疗与医学影像研究的发展趋势	首次系统性地对癌症免疫治疗与医学影像领域的研究进行了文献计量分析	NA	旨在明确过去研究轨迹，总结当前研究热点，揭示科学发展动态，并探索未来研究方向	癌症免疫治疗与医学影像相关的出版物	医学影像	癌症	MRI, 深度学习	NA	NA	美国发表最多，共265篇；中国次之，共170篇
1506	2024-08-07	On the design of deep learning-based control algorithms for visually guided UAVs engaged in power tower inspection tasks 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1378149 PMID:38736660	研究论文	本文专注于设计卷积神经网络以视觉引导自主无人机进行电力塔检查任务	使用合成图像和物理世界图像的混合数据集训练网络，以提高图像分割任务的性能	NA	设计用于视觉引导无人机的深度学习控制算法，以进行电力塔检查	自主无人机及其在电力塔检查中的应用	计算机视觉	NA	卷积神经网络	U-NET	图像	合成图像数据集、物理世界图像数据集及混合数据集
1507	2024-08-07	Predict lncRNA-drug associations based on graph neural network 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1388015 PMID:38737125	研究论文	本研究利用图卷积网络（GCN）和图注意力网络（GAT）基于lncRNA和药物相似网络预测lncRNA-药物关联（LDAs）	提出了一种基于深度学习的框架，用于预测新的lncRNA-药物关联，该方法在五个数据集上实现了良好的性能（平均AUCs > 0.92）	NA	开发预测lncRNA-药物关联的方法，以促进基于lncRNA的药物开发	lncRNA和药物的关联	机器学习	NA	图卷积网络（GCN），图注意力网络（GAT）	GCN，GAT	网络数据	五个数据集
1508	2024-08-07	FM-FCN: A Neural Network with Filtering Modules for Accurate Vital Signs Extraction 2024, Research (Washington, D.C.) DOI:10.34133/research.0361 PMID:38737196	研究论文	本文提出了一种名为过滤模块全卷积网络（FM-FCN）的新型网络，结合传统过滤技术与神经网络，用于增强生理信号并抑制噪声	FM-FCN通过引入过滤模块（FM）作为网络模块，利用过滤器结构消除不需要的干扰，构建了深度学习与信号处理方法之间的桥梁	NA	提高生理信号提取的准确性和可靠性	远程光电容积脉搏波（PPG）信号的提取和心率（HR）估计	机器学习	NA	全卷积网络（FCN）	CNN	信号	NA
1509	2024-08-07	How AI drives innovation in cardiovascular medicine 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1397921 PMID:38737711	comments	本文总结了人工智能和深度学习在心血管医学领域的一些重要进展	NA	NA	探讨人工智能在心血管医学中的应用及其对患者护理的影响	心血管医学领域	machine learning	cardiovascular disease	AI	deep learning	NA	NA
1510	2024-08-07	Automated system for training and assessing reaching and grasping behaviors in rodents 2024-01-01, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2023.109990 PMID:37866457	研究论文	本文介绍了一种名为PANDA系统的自动化系统，用于训练和评估啮齿动物的到达、抓握和拉扯行为，并同步神经数据分析	该系统通过自动化训练过程显著提高了性能，并使用深度学习技术简化了视频评估，自动将到达动作分割为不同的到达/拉扯阶段	NA	研究运动控制、动机、感觉运动整合和运动障碍	啮齿动物的到达、抓握和拉扯行为	NA	帕金森病、中风	NA	NA	视频	在15分钟内，啮齿动物拉扯超过100米
1511	2024-08-07	DeepSSM: A blueprint for image-to-shape deep learning models 2024-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103034 PMID:37984127	研究论文	本文提出了一种基于深度学习的框架DeepSSM，用于从医学图像中直接推断出低维形状描述符及其相关形状表示	DeepSSM避免了传统模型所需的繁重手动预处理和分割步骤，显著提高了计算时间，并引入了基于模型的数据增强策略来解决形状建模应用中的数据稀缺问题	NA	开发一种深度学习框架，用于直接从3D图像中推断出统计形状表示	医学图像中的低维形状描述符及其相关形状表示	计算机视觉	NA	深度学习	CNN	图像	使用了三个医学数据集
1512	2024-08-07	Multimodal deep learning-based drought monitoring research for winter wheat during critical growth stages 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300746 PMID:38722916	研究论文	本文针对传统干旱监测方法的滞后性和局限性，提出了一种基于多模态深度学习的冬小麦干旱胁迫监测S-DNet模型	结合冬小麦的田间干旱表型特征、气象因素和物联网技术，整合气象干旱指数SPEI和深度图像学习数据，构建了多模态深度学习模型S-DNet，提高了干旱识别的准确性和泛化能力	NA	旨在解决传统干旱监测方法的不足，实现对冬小麦干旱胁迫的非破坏性、准确和快速监测	冬小麦在关键生长阶段的干旱胁迫	机器学习	NA	深度学习	DenseNet-121	图像	涉及冬小麦在拔节-抽穗、抽穗-开花和开花-成熟阶段的干旱胁迫图像数据集
1513	2024-08-07	Natural language processing augments comorbidity documentation in neurosurgical inpatient admissions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303519 PMID:38723044	研究论文	研究使用自然语言处理技术识别神经外科住院患者常见并发症的可行性	采用自然语言处理技术，通过机器学习和深度学习算法，从放射学报告中可靠地识别常见的神经外科并发症	研究仅限于单一医院的神经外科服务和急诊部门，样本量相对较小	验证自然语言处理技术能否仅通过住院患者头部影像的文本报告识别两种常见的神经外科并发症	神经外科住院患者的头部影像报告	自然语言处理	NA	自然语言处理	随机森林分类器	文本	979份CT或MRI脑部扫描报告，其中76份用于子集比较
1514	2024-08-07	Lumbar spine MRI annotation with intervertebral disc height and Pfirrmann grade predictions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302067 PMID:38728318	研究论文	本文提出了一种自动标注腰椎间盘高度和退变程度的方法，通过使用Pfirrmann分级系统量化退变状态	采用了ResNet-50模型和集成决策树分类器组合，实现了对腰椎间盘MRI图像的高度和Pfirrmann等级的自动预测	NA	开发一种高效准确的腰椎间盘MRI自动标注方法	腰椎间盘及其退变状态	计算机视觉	腰椎疾病	深度学习	ResNet-50	图像	515个MRI研究
1515	2024-08-07	Predicting drug-Protein interaction with deep learning framework for molecular graphs and sequences: Potential candidates against SAR-CoV-2 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299696 PMID:38728335	研究论文	本文提出了一种基于注意力机制的深度学习框架，用于预测药物与蛋白质的相互作用，并筛选出针对SARS-CoV-2的潜在候选药物。	该研究利用深度学习框架GraphDPI-3CL，通过分子图和序列数据，实现了对3CLpro酶的高效预测，并发现了具有高结合亲和力的10种分子。	NA	开发针对SARS-CoV-2的广谱抗病毒药物。	SARS-CoV-2的3CLpro酶及其潜在的抗病毒药物。	机器学习	COVID-19	深度学习	注意力机制	分子图和序列数据	训练数据集包含114,555个化合物，筛选数据集包含276,003个化合物
1516	2024-08-07	Short-term prediction of PM2.5 concentration by hybrid neural network based on sequence decomposition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299603 PMID:38728371	研究论文	本研究提出了一种新的混合预测模型MIC-CEEMDAN-CNN-BiGRU，用于基于24小时历史数据窗口的PM2.5短期预测	该模型结合了最大信息系数（MIC）特征选择、完整集合经验模态分解与自适应噪声（CEEMDAN）、卷积神经网络（CNN）和双向循环门控神经网络（BiGRU），以优化预测准确性	NA	准确预测PM2.5浓度，以减轻空气污染	PM2.5浓度	机器学习	NA	CEEMDAN, CNN, BiGRU	CNN, BiGRU	时间序列数据	使用2016年北京PM2.5监测数据
1517	2024-08-07	Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230917 PMID:37840512	研究论文	本文研究了利用人工智能技术对病毒感染患者的临床结果和治疗进行分类，特别是针对COVID-19的情况	本研究的创新之处在于不仅分类疾病的存在，还包括疾病严重程度的分类，为患者分诊期间的关键决策支持系统奠定了基础	NA	旨在提高诊断、预测和个性化治疗，特别是针对不同临床严重程度（轻度、中度和重度）的患者	病毒感染患者，特别是COVID-19患者	机器学习	COVID-19	人工神经网络	深度学习	数据	1000名患者
1518	2024-08-07	Lung cancer detection based on computed tomography image using 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-230810 PMID:37955065	研究论文	本研究利用卷积神经网络（CNNs）对基于计算机断层扫描（CT）图像的肺部肿瘤进行良恶性分类	采用基于GoogLeNet架构的深度学习方法，最大化图像推断并最小化人工控制	NA	开发一种深度学习方法，用于通过计算机断层扫描图像诊断和分类肺部肿瘤	肺部肿瘤的良恶性分类	计算机视觉	肺癌	卷积神经网络（CNNs）	CNN	图像	4459张CT扫描图像（良性2242张，恶性2217张）
1519	2024-08-07	Coronary heart disease classification using deep learning approach with feature selection for improved accuracy 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-231807 PMID:38339946	研究论文	本研究利用LASSO技术进行特征选择，开发了一种深度卷积神经网络（CNN）模型，用于冠状动脉疾病（CHD）的分类，以提高准确性	本研究采用了LASSO技术进行特征选择，并开发了一种改进的CNN模型，该模型在CHD数据集上实现了99.36%的准确率，相较于以往研究的80%至92%有显著提升	NA	开发和验证一种用于冠状动脉疾病分类的深度学习模型，以提高诊断准确性	冠状动脉疾病（CHD）的分类	机器学习	心血管疾病	LASSO技术	CNN	数据集	使用了NHANES数据集中的49个特征
1520	2024-08-07	Implemented classification techniques for osteoporosis using deep learning from the perspective of healthcare analytics 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-231517 PMID:38393861	研究论文	本文研究了使用深度学习技术从医疗分析角度对骨质疏松症进行分类的方法	采用深度卷积神经网络（DCNN）和松鼠搜索算法（SSA）优化网络权重，提高了分类准确性	NA	研究如何通过深度学习算法提高骨质疏松症的分类准确性	骨质疏松症的分类和诊断	机器学习	骨质疏松症	深度学习	深度卷积神经网络（DCNN）	图像	NA