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
3441	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
3442	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
3443	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
3444	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
3445	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
3446	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
3447	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
3448	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
3449	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
3450	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
3451	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
3452	2024-12-10	Non-Invasive Biosensing for Healthcare Using Artificial Intelligence: A Semi-Systematic Review 2024-Apr-09, Biosensors DOI:10.3390/bios14040183 PMID:38667177	综述	本文综述了生物传感技术与深度学习算法结合在医疗保健中的应用	探讨了生物传感技术与深度学习算法结合在医疗保健中的应用潜力	本文为综述性文章，未涉及具体实验或数据分析	探讨生物传感技术与深度学习算法结合在医疗保健中的应用及其未来发展方向	生物传感技术与深度学习算法在医疗保健中的应用	机器学习	NA	深度学习	NA	NA	NA
3453	2024-12-10	The Role of Artificial Intelligence in the Identification and Evaluation of Bone Fractures 2024-Mar-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11040338 PMID:38671760	综述	本文综述了人工智能在骨科影像分析中识别和评估骨折的应用	探讨了当前AI方法在识别和评估骨折中的表现，并讨论了现有商业产品的局限性和未来发展方向	讨论了当前技术的局限性	探讨人工智能在骨科影像分析中的应用	骨折的识别和评估，特别是踝关节、手腕、髋部和肋骨的骨折	计算机视觉	NA	深度学习	深度学习模型	影像	NA
3454	2024-12-09	ANTIPASTI: Interpretable prediction of antibody binding affinity exploiting normal modes and deep learning 2024-Dec-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.001 PMID:39461331	研究论文	本文提出了一种名为ANTIPASTI的卷积神经网络模型，用于预测抗体结合亲和力，利用弹性网络模型导出的正常模式相关图作为输入	该模型不仅捕捉了结构特征，还捕捉了局部和全局残基波动的能量模式，并且学习到的表示是可解释的	NA	研究抗体结合亲和力的预测	抗体-抗原结构的结合亲和力	机器学习	NA	卷积神经网络	CNN	图像	NA
3455	2024-12-09	GeoNet enables the accurate prediction of protein-ligand binding sites through interpretable geometric deep learning 2024-Dec-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.011 PMID:39488202	研究论文	本文介绍了一种名为GeoNet的几何深度学习模型，用于准确预测蛋白质-配体结合位点	GeoNet通过引入无坐标几何表示来表征局部残基分布，并生成特征空间来描述局部相互作用生物物理环境，从而学习潜在的残基结合模式	NA	开发一种能够准确预测蛋白质、DNA和RNA结合位点的计算模型	蛋白质、DNA和RNA的结合位点	机器学习	NA	几何深度学习	GeoNet	蛋白质结构数据	NA
3456	2024-12-09	Deep learning models can predict violence and threats against healthcare providers using clinical notes 2024-Dec-05, Npj mental health research DOI:10.1038/s44184-024-00105-7 PMID:39638888	研究论文	本文训练了两种深度学习模型，用于预测医疗工作者在暴力事件发生前3天的暴力和威胁行为，使用临床笔记和结构化数据	首次使用深度学习模型预测医疗环境中的暴力事件，超越了人类专家的预测性能	NA	开发能够预测医疗工作者暴力和威胁行为的深度学习模型，以提前进行干预	医疗工作者的暴力和威胁行为	机器学习	NA	深度学习	文档分类模型和回归模型	临床笔记和结构化数据	NA
3457	2024-12-09	Federated learning based fire detection method using local MobileNet 2024-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82001-w PMID:39639063	研究论文	提出了一种基于联邦学习的室内外火灾检测方法IOFireNet，结合双边滤波和超像素自适应聚类技术，提高了火灾检测和定位的准确性	引入了基于联邦学习的IOFireNet方法，结合双边滤波和超像素自适应聚类技术，显著提高了火灾检测和分割的准确性	NA	提高火灾检测和定位的准确性，支持早期预警	火灾检测和定位	计算机视觉	NA	联邦学习	MobileNet	图像	NA
3458	2024-12-09	Deepmol: an automated machine and deep learning framework for computational chemistry 2024-Dec-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00937-7 PMID:39639396	研究论文	DeepMol 是一个用于计算化学的自动化机器学习和深度学习框架	DeepMol 通过自动化机器学习管道中的关键步骤，显著简化了计算化学中的数据预处理、特征工程和模型选择过程	NA	提供一个集成化的 AutoML 框架，用于计算化学中的分子性质/活性预测	计算化学中的分子性质/活性预测问题	机器学习	NA	AutoML	传统机器学习模型和深度学习模型	分子数据	22 个基准数据集
3459	2024-12-09	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-Dec-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	研究卫星和街景图像中的绿色空间与美国儿童肥胖之间的关系	本研究使用卫星遥感数据和街景图像中的绿色空间指标，结合深度学习算法，全面评估了绿色空间与儿童肥胖指标之间的关联	研究仅限于美国儿童，且样本量相对较小	探讨卫星遥感数据和街景图像中的绿色空间指标与儿童肥胖指标之间的关联	美国儿童的肥胖指标与绿色空间	公共卫生	肥胖	深度学习算法	NA	图像	843名儿童
3460	2024-12-09	A first step towards a machine learning-based framework for bloodstain classification in forensic science 2024-Dec, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112278 PMID:39504628	研究论文	本文探讨了使用机器学习和深度学习方法在法医学中进行血迹分类的潜力	开发了一个原型分类模型，用于识别与血迹数据相关的动作	仅测试了三种血迹模式（Swing、Cessation和Impact），且模型准确率为80%	研究机器学习和深度学习在法医学血迹分类中的应用	血迹数据及其相关动作的分类	机器学习	NA	机器学习	分类模型	血迹数据	三种血迹模式（Swing、Cessation和Impact）