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
1981	2024-12-10	A personalized periodontitis risk based on nonimage electronic dental records by machine learning 2024-Nov-19, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105469 PMID:39571782	研究论文	本研究旨在开发一种基于非图像电子牙科记录的机器学习模型，用于预测牙周病的风险	本研究首次利用非图像电子牙科记录数据，通过机器学习模型预测牙周病风险，并展示了高敏感性和良好的AUROC值	模型在验证集上对控制组的预测过高，需要进一步改进模型的内部和外部验证，并提高电子牙科记录的文档质量	开发一种机器学习模型，用于基于非图像电子牙科记录预测牙周病的风险	美国BigMouth数据库中的牙科患者，共计43,331名参与者	机器学习	牙周病	机器学习	随机森林模型	非图像电子牙科记录	43,331名参与者
1982	2024-12-10	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Nov-14, Research square DOI:10.21203/rs.3.rs-5339143/v1 PMID:39606484	研究论文	本文提出了一种基于深度学习的方法，能够从稀疏的2D标注快速生成密集的3D分割结果	开发了一种新的深度学习方法，能够从稀疏的2D标注快速生成密集的3D分割结果，且准确性与专家密集标注相当	NA	解决生物成像数据中密集3D重建的实例分割任务，减少标注工作量	脑神经元结构，包括树突、轴突和胶质过程	计算机视觉	NA	深度学习	深度学习模型	图像	少量稀疏标注的2D图像
1983	2024-12-10	Evaluation and process monitoring of jujube hot air drying using hyperspectral imaging technology and deep learning for quality parameters 2024-Nov-12, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141999 PMID:39647380	研究论文	本文利用高光谱成像技术和深度学习模型评估和监测红枣热风干燥过程中的质量参数	开发了一种结合卷积神经网络、双向长短期记忆网络和挤压激励注意力机制的深度学习模型，用于非破坏性监测红枣的质量参数	NA	提高水果加工质量，实现红枣热风干燥过程中质量参数的实时有效检测	红枣的热风干燥过程中的可溶性固形物含量、可滴定酸度、水分和硬度	计算机视觉	NA	高光谱成像技术	CNN_BiLSTM_SE	图像	在55°C、60°C和65°C的干燥温度下测量质量参数
1984	2024-12-10	Gunshots detection, identification, and classification: Applications to forensic science 2024-Nov, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2024.09.007 PMID:39638481	研究论文	本文分析了枪声的声学特征及其在法医学中的应用和局限性，并综述了现有的枪声检测、识别和分类技术	本文探讨了深度学习驱动的神经网络在枪声检测中的应用前景	由于数据和评估标准的差异，比较不同算法存在挑战	旨在为安全系统和法医分析开辟新领域	枪声的声学特征及其在法医学中的应用	机器学习	NA	深度学习	神经网络	音频	NA
1985	2024-12-10	A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy 2024-Oct, The ocular surface DOI:10.1016/j.jtos.2024.07.010 PMID:39084255	研究论文	开发了一种基于共聚焦显微镜图像的人工智能模型，用于诊断棘阿米巴角膜炎	首次开发了一种基于共聚焦显微镜图像的人工智能模型，用于诊断棘阿米巴角膜炎	研究样本量较小，且仅限于特定时间段和地点的患者	开发一种基于共聚焦显微镜图像的人工智能模型，用于诊断棘阿米巴角膜炎	棘阿米巴角膜炎的诊断	计算机视觉	眼科疾病	共聚焦显微镜	卷积神经网络	图像	3312张共聚焦显微镜图像，来自17名患者
1986	2024-12-10	Progression of Bone Marrow Lesions and the Development of Knee Osteoarthritis: Osteoarthritis Initiative Data 2024-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.240470 PMID:39287521	研究论文	研究使用深度学习模型量化无放射学膝骨关节炎患者的胫股骨骨髓病变体积，并评估骨髓病变变化与膝骨关节炎发生的关系	开发并验证了一种深度学习模型，用于在MRI扫描中自动分割和量化胫股骨骨髓病变体积，并评估其与膝骨关节炎发生的关系	这是一项回顾性研究，依赖于Osteoarthritis Initiative队列的数据，可能存在选择偏倚	开发和验证一种深度学习模型，用于量化无放射学膝骨关节炎患者的胫股骨骨髓病变体积，并评估其与膝骨关节炎发生的关系	胫股骨骨髓病变体积及其与膝骨关节炎发生的关系	机器学习	骨关节炎	深度学习	深度学习模型	MRI扫描图像	2430名参与者中的3869个无骨关节炎的膝关节
1987	2024-12-10	AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol 2024-Aug-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-084728 PMID:39645274	综述	本文概述了评估人工智能和大数据技术在应对阿片类药物危机中的最新进展的必要步骤	本文旨在填补关于人工智能驱动的技术在检测、治疗、预防或应对阿片类药物危机方面的有效性方面的综述空白	NA	评估人工智能和大数据技术在应对阿片类药物危机中的最新进展及其相关性	人工智能和大数据技术在应对阿片类药物危机中的应用	机器学习	NA	机器学习、深度学习和自然语言处理	NA	NA	NA
1988	2024-12-10	An Attention-Based Hemispheric Relation Inference Network for Perinatal Brain Age Prediction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411620 PMID:38857141	研究论文	提出了一种基于注意力机制的半球关系推理网络（HRINet），用于预测围产期婴儿的大脑年龄	利用大脑结构侧化的自然特性，通过图注意力机制捕捉半球间关系，并传递侧化信息作为特征，描述双侧半球之间的交互发育	NA	评估大脑状态，如异常发育和老化	围产期婴儿的大脑年龄	计算机视觉	NA	图注意力机制	HRINet	图像	531名早产和足月新生儿
1989	2024-12-10	Multi-View Fusion Network-Based Gesture Recognition Using sEMG Data 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3287979 PMID:37339021	研究论文	本文提出了一种基于多视图融合网络的手势识别方法，使用表面肌电图（sEMG）数据进行手势分类	提出了一个新颖的IMSE（Inception-MaxPooling-Squeeze-Excitation）网络模块，用于减少深度学习过程中特征信息的损失，并构建了多特征编码器以丰富稀疏sEMG特征图的信息	本文未提及具体的局限性	研究如何通过多视图融合网络减少稀疏sEMG特征信息损失，并提高手势识别的分类性能	表面肌电图（sEMG）信号及其在手势识别中的应用	机器学习	NA	表面肌电图（sEMG）	多视图融合网络	信号	在NinaPro DB1数据集中，使用300ms时间窗口获取的特征图进行手势动作分类，平均准确率达到93.96%，个体动作识别率的最大变化范围小于11.2%
1990	2024-12-10	DCNNLFS: A Dilated Convolutional Neural Network With Late Fusion Strategy for Intelligent Classification of Gastric Histopathology Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334709 PMID:37983160	研究论文	本文设计了一种带有后期融合策略的扩张卷积神经网络（DCNNLFS）用于胃病理图像的智能分类	引入扩张卷积和后期融合策略，增强了模型对细节的感知和分类能力	未提及	提高胃病理图像分类的准确性和细节感知能力	胃病理图像	计算机视觉	胃癌	扩张卷积	CNN	图像	未提及具体数量，但提到了一个胃病理图像数据集
1991	2024-12-10	Polygonal Approximation Learning for Convex Object Segmentation in Biomedical Images With Bounding Box Supervision 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3341699 PMID:38090818	研究论文	本文提出了一种名为多边形近似学习（PAL）的新方法，用于在仅使用边界框监督的情况下进行生物医学图像中凸物体的实例分割	PAL方法利用检测模型中已有的信息，通过边界框的交集近似生成凸包，从而实现分割，无需精细标注	PAL方法在非凸物体实例分割任务中表现出色，但未详细讨论其在其他复杂场景中的应用	减少深度学习在生物医学图像分割中对精细标注数据的依赖	生物医学图像中的凸物体实例分割	计算机视觉	NA	NA	NA	图像	NA
1992	2024-12-10	Precision and Robust Models on Healthcare Institution Federated Learning for Predicting HCC on Portal Venous CT Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400599 PMID:38739503	研究论文	本研究提出了一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的创新策略	引入了一种结合二维和三维深度学习模型的联邦学习框架，显著提高了肝癌和肿瘤区域的分割效率和准确性	未来研究将集中在改进联邦学习算法及其在AI系统操作中的持续集成和部署过程	开发一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的方法	肝癌和肿瘤区域的精确分割	计算机视觉	肝癌	联邦学习	Hybrid-ResUNet	CT图像	131个CT扫描
1993	2024-12-10	Non-Contact Blood Pressure Estimation From Radar Signals by a Stacked Deformable Convolution Network 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400961 PMID:38743528	研究论文	本文介绍了一种基于雷达信号的无接触血压监测方法，结合了传统的雷达信号处理和创新的深度学习架构	提出了基于雷达信号的堆叠可变形卷积网络（RSD-Net），通过结合通道和空间自注意力机制，增强了雷达信号的特征提取能力	NA	开发一种无接触的连续血压监测方法	健康个体的血压	机器学习	NA	雷达信号处理	堆叠可变形卷积网络（RSD-Net）	雷达信号	30名健康个体
1994	2024-12-10	Segmentation Guided Crossing Dual Decoding Generative Adversarial Network for Synthesizing Contrast-Enhanced Computed Tomography Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3403199 PMID:38768004	研究论文	提出了一种新的生成对抗网络模型SGCDD-GAN，用于从非增强CT图像合成增强CT图像	引入了一个交叉双解码生成器，包括注意力解码器和改进的变换解码器，并通过交叉技术增强彼此的能力，同时采用多任务学习策略引导生成器更多关注病变区域	未提及	提高从非增强CT图像合成增强CT图像的准确性，减轻患者使用对比剂的负担	合成增强CT图像以诊断肝脏病变	计算机视觉	肝脏病变	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了一个内部增强CT数据集进行测试
1995	2024-12-10	Attention-Based MultiOffset Deep Learning Reconstruction of Chemical Exchange Saturation Transfer (AMO-CEST) MRI 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404225 PMID:38776205	研究论文	提出了一种基于注意力机制的多偏移深度学习重建网络（AMO-CEST），用于加速化学交换饱和转移（CEST）磁共振成像（MRI）的采集	引入了注意力机制和多径向k空间采样策略，结合扩张卷积和数据一致性模块，提高了CEST-MRI图像的质量和重建效率	NA	加速CEST-MRI的采集并保持图像质量	小鼠脑部数据集中的5760张CEST图像	计算机视觉	NA	MRI	深度学习网络	图像	5760张CEST图像
1996	2024-12-10	Developing Deep LSTMs With Later Temporal Attention for Predicting COVID-19 Severity, Clinical Outcome, and Antibody Level by Screening Serological Indicators Over Time 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384333 PMID:38564357	研究论文	研究使用深度LSTM模型结合时间注意力机制来预测COVID-19的严重程度、临床结果和抗体水平	提出了一种时间注意力机制，强调了后期血液检测记录的重要性	未提及具体限制	通过筛选血清学指标的时间序列数据，预测COVID-19的严重程度、临床结果和抗体水平	COVID-19患者的疾病严重程度、临床结果和Spike蛋白抗体水平	机器学习	COVID-19	深度学习	LSTM	时间序列数据	未提及具体样本数量
1997	2024-12-10	Sliding Window Optimal Transport for Open World Artifact Detection in Histopathology 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383590 PMID:38557617	研究论文	本文介绍了一种用于病理学图像中开放世界伪影检测的新技术	提出了一种基于滑动窗口和最优传输的分布外检测方法，能够有效识别影响下游任务性能的伪影	未提及具体限制	开发一种能够检测病理学图像中伪影并提高深度学习模型性能的方法	病理学图像中的伪影检测	数字病理学	NA	最优传输	NA	图像	7张带有自然伪影的完整幻灯片图像
1998	2024-12-10	A Hierarchical Graph Neural Network Framework for Predicting Protein-Protein Interaction Modulators With Functional Group Information and Hypergraph Structure 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384238 PMID:38564358	研究论文	提出了一种层次图神经网络框架HiGPPIM，用于预测蛋白质-蛋白质相互作用调节剂，结合了分子原子级和功能组级的特征	引入功能组信息和超图结构，改进了分子层次结构的建模，提高了预测性能	NA	提高小分子调节剂靶向蛋白质-蛋白质相互作用的预测准确性	蛋白质-蛋白质相互作用调节剂的预测	机器学习	NA	图神经网络	图注意力网络	图	八个PPI家族和两个预测任务
1999	2024-12-10	Dual-Channel Prototype Network for Few-Shot Pathology Image Classification 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386197 PMID:38587946	研究论文	本文提出了一种双通道原型网络（DCPN），用于病理图像的少样本分类	利用自监督学习和金字塔视觉变换器（PVT）扩展到少样本分类任务，并结合卷积神经网络构建双通道网络，提取多尺度高精度病理特征，增强原型表示的泛化能力	NA	解决病理图像分类中数据稀缺和标注困难的问题，提升少样本学习在病理领域的应用效果	病理图像的少样本分类	数字病理	NA	自监督学习	双通道原型网络（DCPN）	图像	使用了三个公开的病理数据集（CRCTP, NCTCRC, LC25000）构建了三个少样本分类任务
2000	2024-12-10	A Clinical Trial Evaluating the Efficacy of Deep Learning-Based Facial Recognition for Patient Identification in Diverse Hospital Settings 2024-Apr-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11040384 PMID:38671805	研究论文	评估基于深度学习的面部识别系统在医院环境中用于患者识别的有效性	首次系统评估医院住院患者在不同情况下使用面部识别系统的效果	未提及具体限制	评估面部识别系统在医院环境中用于患者识别的有效性和安全性	面部识别系统在不同条件下的认证分数和有效性	计算机视觉	NA	深度学习	NA	图像	100名患者，包括坐姿、仰卧、侧卧、戴口罩和不戴口罩以及夜间睡眠状态