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
3341	2024-11-20	Transforming Skin Cancer Diagnosis: A Deep Learning Approach with the Ham10000 Dataset 2024-Nov, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2422602 PMID:39523747	研究论文	本文提出了一种基于深度学习的方法，利用HAM10000数据集自动分类皮肤病变，以辅助皮肤癌诊断	引入了多粒度增强深度级联森林（Mg-EDCF）模型，通过子采样多粒度扫描获取微特征，并使用两种随机森林创建输入特征，最终通过增强深度级联森林进行分类	NA	开发一种能够自动分类皮肤病变的深度学习系统，以提高皮肤癌早期诊断的准确性	皮肤病变分类，包括光化性角化病（AKIEC）、黑色素瘤（MEL）、良性角化病（BKL）、黑色素细胞痣（NV）、基底细胞癌（BCC）、皮肤纤维瘤（DF）和血管性皮肤病变（VASC）	机器学习	皮肤癌	深度学习	多粒度增强深度级联森林（Mg-EDCF）	图像	使用了HAM10000数据集进行训练和评估
3342	2024-11-20	Artificial intelligence applications in personalizing lung cancer management: state of the art and future perspectives 2024-Oct-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-244 PMID:39552872	综述	本文综述了人工智能在个性化肺癌管理中的应用现状和未来展望	本文介绍了人工智能在肺癌诊断和管理中的创新应用，特别是基于机器学习和深度学习技术的AI模型	NA	探讨人工智能在非小细胞肺癌诊断和管理中的应用潜力	非小细胞肺癌的诊断、病理特征预测和基因突变预测	机器学习	肺癌	机器学习、深度学习	AI模型	患者数据	NA
3343	2024-11-20	NeuroTD: A Time-Frequency Based Multimodal Learning Approach to Analyze Time Delays in Neural Activities 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.28.620662 PMID:39554073	研究论文	本文介绍了一种基于时间-频率的多模态学习方法NeuroTD，用于分析神经活动中的时间延迟	NeuroTD结合了孪生神经网络与频域变换和复值优化，用于推断多模态时间序列数据中的跨模态时间关系	NA	开发一种新的深度学习方法，用于对齐多模态时间序列数据并推断跨模态时间关系	神经活动的时间特征及其与行为的关系	机器学习	NA	钙成像、Neuropixels、深度电极、Patch-seq	孪生神经网络	时间序列数据	三个多模态数据集
3344	2024-11-20	A Surface-based deep learning approach for cortical shape analysis 2024-Oct-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.29.620757 PMID:39554098	研究论文	本文应用基于球谐函数的卷积神经网络（SPHARM-Net）对MRI衍生的脑形态学指标进行分析，预测年龄、性别和阿尔茨海默病（AD）诊断	本文提出了一种基于球谐函数的卷积神经网络（SPHARM-Net），无需显式定义邻域大小，实现了旋转等变性	本文仅在健康成年人和AD患者样本中进行了验证，未来工作将扩展到更复杂的任务如情绪障碍分类	研究如何利用深度学习技术从脑部图像中预测临床因素	MRI衍生的脑形态学指标，包括顶点皮质曲率、凸度、厚度和表面积	计算机视觉	阿尔茨海默病	球谐函数卷积神经网络	卷积神经网络	图像	健康成年人样本量为32,979，AD患者样本量为1,213
3345	2024-11-20	Application of deblur technology for improving the clarity of digital subtractive angiography 2024-Oct, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199221143168 PMID:36457291	研究论文	本文提出了一种基于深度学习的去模糊技术，用于提高数字减影血管造影（DSA）图像的清晰度	本文创新性地使用了深度学习方法来去模糊大焦点DSA图像，以获得更清晰和锐利的脑血管DSA图像	本文的局限性在于仅使用了52对配对的血管造影图像进行训练，且测试集仅包括10个身体模型和80张临床图像	研究目的是开发一种新的基于深度学习的方法，以提高大焦点DSA图像的清晰度	研究对象是数字减影血管造影（DSA）图像	计算机视觉	NA	深度学习	残差密集块（RDBs）	图像	训练集包括52对配对图像，超过350,000个裁剪的补丁；测试集包括10个身体模型和80张临床图像
3346	2024-11-20	Short-length SSVEP data extension by a novel generative adversarial networks based framework 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10134-9 PMID:39555252	研究论文	本文提出了一种基于生成对抗网络（GAN）的端到端信号变换网络TEGAN，用于扩展短时稳态视觉诱发电位（SSVEP）信号的长度	引入了两阶段训练策略和LeCam-divergence正则化项来规范GAN的训练过程，显著提高了传统频率识别方法和基于深度学习方法的性能	NA	旨在解决SSVEP信号在实际应用中因数据量和长度不足而影响频率识别性能的问题	短时稳态视觉诱发电位（SSVEP）信号	脑机接口	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	信号	两个公开的SSVEP数据集（4类和12类数据集）
3347	2024-11-20	Motor imagery decoding using source optimized transfer learning based on multi-loss fusion CNN 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10100-5 PMID:39555257	研究论文	本文提出了一种基于多损失融合卷积神经网络（MF-CNN）的源优化迁移学习方法（SOTL），用于解码多类运动想象任务	首次提出多损失融合卷积神经网络（MF-CNN）和源优化迁移学习（SOTL），优化源模型以提高目标模型的性能	NA	提高运动想象任务的分类准确性，并验证其在卒中患者康复训练中的应用	16名健康受试者和16名卒中患者的运动想象数据	机器学习	卒中	迁移学习	卷积神经网络（CNN）	运动想象数据	32名受试者（16名健康受试者和16名卒中患者）
3348	2024-11-20	Multiresolution feature fusion for smart diagnosis of schizophrenia in adolescents using EEG signals 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10120-1 PMID:39555262	研究论文	本文提出了一种基于多分辨率特征融合的自动化诊断模型，用于从脑电图信号中高效诊断青少年精神分裂症	本文创新性地结合了卷积神经网络和集成袋装树模型，融合深度学习和手工特征，实现了优于现有方法的分类性能	NA	开发一种高效的自动化诊断系统，用于青少年精神分裂症的早期检测	青少年精神分裂症患者和健康对照组的脑电图信号	计算机视觉	精神分裂症	经验小波变换和经验模态分解	卷积神经网络和集成袋装树	脑电图信号	84名青少年，其中45名精神分裂症患者和39名健康对照组
3349	2024-11-20	Research progress of epileptic seizure prediction methods based on EEG 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10109-w PMID:39555266	研究论文	本文介绍了基于EEG的癫痫发作预测方法的设计过程，并总结了当前研究中的常用方法和数据库	本文比较了深度学习算法与传统机器学习方法在癫痫发作预测中的优缺点，为研究人员提供了新技术和新思路	当前算法无法应用于临床，本文总结了其局限性并提出了改进建议	实现癫痫发作的早期预测和干预，以提高患者的生活质量	基于头皮EEG和颅内EEG的癫痫发作预测研究	数字病理学	癫痫	EEG	深度学习算法	EEG数据	NA
3350	2024-11-20	Attention-based cross-frequency graph convolutional network for driver fatigue estimation 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10141-w PMID:39555279	研究论文	本文提出了一种基于注意力机制的跨频图卷积网络（ACF-GCN），用于通过脑电图（EEG）信号估计驾驶员的反应时间	创新点在于引入了多注意力机制来检测EEG通道在不同频率之间的长程依赖关系，并结合图卷积网络进行驾驶员反应时间的估计	NA	研究目的是通过EEG信号提高驾驶员疲劳水平的估计精度	研究对象是驾驶员的脑电图信号及其反应时间	机器学习	NA	脑电图（EEG）	图卷积网络（GCN）	脑电图信号	使用了公开数据集进行验证
3351	2024-11-20	Lattice 123 pattern for automated Alzheimer's detection using EEG signal 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10104-1 PMID:39555305	研究论文	本文提出了一种基于晶格结构的特征工程框架，用于使用脑电图信号自动识别阿尔茨海默病	创新性地应用概率函数生成Lattice123模式，并结合多级离散小波变换进行多层次特征提取	需要在大规模多样化的数据库上验证其有效性	开发一种自动识别阿尔茨海默病的新方法	阿尔茨海默病和脑电图信号	数字病理学	阿尔茨海默病	多级离散小波变换	NA	脑电图信号	未明确提及具体样本数量
3352	2024-11-20	Can artificial intelligence aid the urologists in detecting bladder cancer? 2024 Oct-Dec, Indian journal of urology : IJU : journal of the Urological Society of India IF:1.3Q3 DOI:10.4103/iju.iju_39_24 PMID:39555437	研究论文	本文探讨了人工智能在膀胱癌检测中的应用，特别是通过膀胱镜检查辅助泌尿科医生识别恶性区域	本文展示了基于人工智能的膀胱镜检查系统在膀胱癌检测中的潜力，通过深度学习算法处理大量图像和视频数据	尽管人工智能在膀胱癌检测中显示出潜力，但其应用仍存在疑问，未来研究应集中在确定哪些患者群体能从准确识别膀胱癌中获益最大	探讨人工智能在膀胱癌检测中的应用潜力	膀胱癌的检测和识别	计算机视觉	膀胱癌	深度学习算法	NA	图像和视频	五项研究的数据被用于分析
3353	2024-11-20	Nmix: a hybrid deep learning model for precise prediction of 2'-O-methylation sites based on multi-feature fusion and ensemble learning 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae601 PMID:39550226	研究论文	介绍了一种名为Nmix的混合深度学习模型，用于精确预测RNA的2'-O-甲基化位点	采用了多特征融合和集成学习方法，结合一维/二维卷积神经网络、自注意力机制和残差连接，显著提高了预测性能	NA	开发一种精确预测RNA 2'-O-甲基化位点的计算工具	人类RNA的2'-O-甲基化位点	机器学习	NA	深度学习	混合深度学习模型	RNA序列	包含实验验证的Nm位点的最大低冗余数据集
3354	2024-11-20	A topological deep learning framework for neural spike decoding 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.01.025 PMID:38402607	研究论文	本文提出了一种拓扑深度学习框架，用于神经尖峰解码，结合了单纯复数发现和深度学习	引入了一种新的单纯卷积循环神经网络架构，能够捕捉高阶连接性，超越传统图模型的局限	NA	开发一种能够解码头部方向和动物位置的拓扑深度学习框架	头部方向细胞和网格细胞的神经活动	机器学习	NA	拓扑深度学习	单纯卷积循环神经网络	神经尖峰数据	头部方向和网格细胞数据集
3355	2024-11-20	3dDNAscoreA: A scoring function for evaluation of DNA 3D structures 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.02.018 PMID:38409781	研究论文	本文介绍了一种名为3dDNAscoreA的评分函数，用于评估DNA三维结构	提出了基于深度学习模型ARES的评分函数3dDNAscoreA，用于评估DNA三维结构，并采用了新的训练策略	NA	开发一种评分函数来评估和排序预测的DNA三维结构	DNA三维结构	生物信息学	NA	深度学习	ARES	结构数据	两个测试集
3356	2024-11-20	VSG-GAN: A high-fidelity image synthesis method with semantic manipulation in retinal fundus image 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.02.019 PMID:38414236	研究论文	本文介绍了一种名为VSG-GAN的高保真图像合成方法，用于视网膜眼底图像的语义操作	提出了基于GAN的VSG-GAN算法，通过分离血管骨架和背景风格生成多样化的视网膜图像，并使用空间自适应归一化模块确保输入和生成图像的一致性	NA	解决视网膜图像分析中数据集多样性不足和样本不平衡的问题	视网膜眼底图像	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了MESSIDOR和RITE数据集进行评估
3357	2024-11-20	An artificial intelligence-enabled electrocardiogram algorithm for the prediction of left atrial low-voltage areas in persistent atrial fibrillation 2024-Sep, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16373 PMID:39054663	研究论文	本文构建了一种基于人工智能的心电图算法，用于预测持续性心房颤动患者左心房低电压区域	本文提出了一种基于深度学习和随机森林分类模型的心电图算法，相较于传统的DR-FLASH和APPLE风险评分，该算法在预测左心房低电压区域方面具有更高的准确性	NA	构建一种能够准确预测持续性心房颤动患者左心房低电压区域的人工智能心电图算法	持续性心房颤动患者及其心电图数据	机器学习	心血管疾病	深度学习	随机森林分类模型	图像	587名持续性心房颤动患者，942张12导联心电图图像
3358	2024-11-20	Philosophy of cognitive science in the age of deep learning 2024 Sep-Oct, Wiley interdisciplinary reviews. Cognitive science DOI:10.1002/wcs.1684 PMID:38773731	研究论文	本文探讨了深度学习对认知科学哲学的影响	深度神经网络在克服旧连接主义模型的局限性方面取得了显著进展	深度神经网络的比较评估仍存在方法论挑战	探讨深度学习与认知科学哲学之间的关联	深度学习技术及其对认知科学哲学的影响	机器学习	NA	深度学习	深度神经网络	NA	NA
3359	2024-11-20	Considerations on Image Preprocessing Techniques Required by Deep Learning Models. The Case of the Knee MRIs 2024-Sep, Maedica DOI:10.26574/maedica.2024.19.3.526 PMID:39553362	研究论文	本文研究了膝关节MRI图像的预处理步骤，以使用深度学习模型检测半月板损伤，并强调其在诊断膝关节疾病中的实际应用	本文引入了创新的预处理方法，有望推动该领域的发展	NA	展示膝关节MRI图像的预处理步骤，以使用深度学习模型检测半月板损伤，并强调其在诊断膝关节疾病中的实际应用	膝关节MRI图像和半月板损伤	计算机视觉	骨科疾病	深度学习	深度学习模型	图像	188名患者的PD-矢状位图像
3360	2024-11-20	Checklist for Reproducibility of Deep Learning in Medical Imaging 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01065-2 PMID:38483694	研究论文	本文开发了一个全面的检查清单，用于增强医学影像中深度学习的可重复性和可靠性	通过Delphi方法开发了一个26项的深度学习模型报告检查清单，以提高研究的可重复性	NA	解决深度学习在医学影像应用中的独特挑战，提高研究的可重复性和透明度	深度学习在医学影像中的应用	计算机视觉	NA	深度学习	NA	医学影像	11位医学影像和深度学习领域的专家参与了评估