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
4521	2024-10-28	Older Adult Fall Risk Prediction with Deep Learning and Timed Up and Go (TUG) Test Data 2024-Oct-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101000 PMID:39451376	研究论文	本文利用深度学习和TUG测试数据预测老年人的跌倒风险	本文首次使用惯性测量单元（IMU）在TUG测试中收集的运动数据，通过深度学习模型预测老年人的跌倒风险	研究样本量较小，且仅基于TUG测试数据进行预测	预测老年人在未来六个月内的跌倒风险	老年人的跌倒风险	机器学习	NA	惯性测量单元（IMU）	卷积神经网络（CNN）和循环神经网络（RNN）	运动数据	106名老年人
4522	2024-10-28	Clinical Validation of Deep Learning for Segmentation of Multiple Dental Features in Periapical Radiographs 2024-Oct-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101001 PMID:39451377	研究论文	本文验证了深度学习系统在牙周X光片中自动分割多个牙科特征的诊断性能	使用人工智能系统自动检测牙周X光片中的牙齿、龋齿、种植体、修复体和固定义齿	仅限于牙周X光片的应用，未涉及其他类型的牙科影像	验证人工智能系统在牙周X光片中自动检测牙科特征的诊断性能	牙周X光片中的牙齿、龋齿、种植体、修复体和固定义齿	计算机视觉	NA	深度学习	NA	图像	1000张牙周X光片，来自500名成年患者
4523	2024-10-28	Invariant point message passing for protein side chain packing 2024-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26705 PMID:38790143	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack	PIPPack利用几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	NA	提高蛋白质侧链包装任务的预测精度和速度	蛋白质侧链包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链
4524	2024-10-28	PocketDTA: an advanced multimodal architecture for enhanced prediction of drug-target affinity from 3D structural data of target binding pockets 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae594 PMID:39365726	研究论文	本文介绍了一种名为PocketDTA的多模态架构，用于从目标结合口袋的3D结构数据中增强药物-靶点亲和力的预测	PocketDTA模型通过预训练模型ESM-2和GraphMVP增强了泛化性能，并使用自定义的GVP-GNN层和GraphMVP解码器处理前3个目标结合口袋和药物3D信息，同时通过双线性注意力网络提高了解释性	NA	提高药物-靶点结合亲和力预测的准确性和解释性	药物-靶点结合亲和力	机器学习	NA	深度学习	GVP-GNN	3D结构数据	优化后的Davis和KIBA数据集
4525	2024-10-28	A novel classification framework for genome-wide association study of whole brain MRI images using deep learning 2024-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012527 PMID:39405331	研究论文	本文提出并实现了一种新的机器学习策略，用于系统地识别导致磁共振成像（MRI）上可检测细微差异的遗传变异	本文首次将深度学习技术应用于全脑MRI图像的基因组关联研究，提出了一种新的分类框架	本文的研究仅基于阿尔茨海默病神经影像学倡议（ADNI）的数据集，可能存在样本量和数据多样性的限制	旨在通过深度学习技术识别与脑部特征相关的遗传变异	全脑MRI图像和基因型数据	机器学习	阿尔茨海默病	深度学习	NA	图像	基于阿尔茨海默病神经影像学倡议（ADNI）的数据集
4526	2024-10-28	Ensemble Fusion Models Using Various Strategies and Machine Learning for EEG Classification 2024-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100986 PMID:39451362	研究论文	本文提出了五种集成模型用于脑电图（EEG）信号分类，主要分析的神经系统疾病是癫痫	本文提出了五种新的集成模型，分别利用了不同的特征选择和分类技术，如ESCD、I-ICA、GA、HHT和因子分析，以提高EEG信号分类的准确性	本文未详细讨论模型的计算复杂性和训练时间，且未与其他最先进的EEG分类方法进行全面比较	开发和评估用于EEG信号分类的集成模型，以提高神经系统疾病的诊断准确性	脑电图（EEG）信号和癫痫	机器学习	神经系统疾病	集成学习	集成模型	信号	未明确提及具体样本数量
4527	2024-10-28	The Application of Deep Learning to Accurately Identify the Dimensions of Spinal Canal and Intervertebral Foramen as Evaluated by the IoU Index 2024-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100981 PMID:39451357	研究论文	本文利用深度学习结合图像处理技术，识别脊髓管和椎间孔的尺寸	本文采用了YOLOv4和Resnet50混合U-Net模型，显著提高了脊髓管和椎间孔尺寸识别的准确性	NA	提高医学影像中脊髓管和椎间孔尺寸识别的准确性	脊髓管和椎间孔的尺寸	计算机视觉	NA	深度学习	YOLOv4, Resnet50混合U-Net	图像	NA
4528	2024-10-28	Identification of Anomalies in Lung and Colon Cancer Using Computer Vision-Based Swin Transformer with Ensemble Model on Histopathological Images 2024-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100978 PMID:39451355	研究论文	本文提出了一种基于计算机视觉的Swin Transformer与集成模型相结合的方法，用于在病理图像上识别肺癌和结肠癌的异常	本文创新性地使用了Swin Transformer模型进行特征提取，并结合双向长短期记忆与多头注意力（BiLSTM-MHA）、双深度Q网络（DDQN）和稀疏堆叠自编码器（SSAE）三种深度学习技术进行集成分类	NA	旨在提高肺癌和结肠癌的诊断效率和准确性	肺癌和结肠癌的病理图像	计算机视觉	肺癌	深度学习	Swin Transformer	图像	使用了基准数据集进行广泛的模拟分析
4529	2024-10-28	Comprehensive Review and Assessment of Computational Methods for Prediction of N6-Methyladenosine Sites 2024-Sep-28, Biology DOI:10.3390/biology13100777 PMID:39452086	综述	本文综述了用于预测N6-甲基腺苷位点的计算方法，并评估了这些方法的性能	本文系统地回顾了自2015年以来发表的52种计算方法，并使用13个最新的基准数据集对其中9种方法进行了性能评估	本文主要集中在计算方法的回顾和评估，未提出新的预测模型	旨在为N6-甲基腺苷位点的识别提供计算支持，并促进未来研究	N6-甲基腺苷位点的预测方法	机器学习	NA	NA	传统机器学习、深度学习和集成学习	文本	13个基准数据集，涵盖9种不同物种
4530	2024-10-28	Applying a Deep Learning Model for Total Kidney Volume Measurement in Autosomal Dominant Polycystic Kidney Disease 2024-Sep-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100963 PMID:39451339	研究论文	本文研究了使用深度学习模型测量常染色体显性多囊肾病患者的总肾体积	本文首次比较了深度学习模型在轴向和冠状图像上的表现，发现轴向图像模型表现更优	本文发现不同图像方向可能引入测量偏差，冠状图像模型的表现不如轴向图像模型	研究深度学习模型在测量常染色体显性多囊肾病总肾体积中的应用	常染色体显性多囊肾病患者和健康个体的总肾体积	计算机视觉	肾脏疾病	磁共振成像 (MRI)	U-net	图像	30名常染色体显性多囊肾病患者和10名健康个体
4531	2024-10-28	Exploiting K-Space in Magnetic Resonance Imaging Diagnosis: Dual-Path Attention Fusion for K-Space Global and Image Local Features 2024-Sep-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100958 PMID:39451334	研究论文	本文提出了一种基于MRI K空间的全局特征提取和双路径注意力融合网络，用于MRI诊断中的分割任务	本文创新性地利用了MRI K空间的全局表示能力，并通过双路径注意力机制将K空间的全局特征与图像域的局部特征融合，提高了MRI分割的准确性	NA	提高MRI诊断中的分割准确性	MRI图像中的全局和局部特征	计算机视觉	NA	MRI	双路径注意力融合网络	图像	在Brain Tumor Segmentation (BraTS) MRI数据集和Automated Cardiac Diagnosis Challenge (ACDC) MRI心脏分割数据集上进行了验证
4532	2024-10-26	A Survey on Explainable Artificial Intelligence (XAI) Techniques for Visualizing Deep Learning Models in Medical Imaging 2024-Sep-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100239 PMID:39452402	综述	本文综述了用于可视化医学影像中深度学习模型的可解释人工智能（XAI）技术	本文系统地探讨了各种解释和可视化技术，以揭示深度学习模型的内部工作机制，增强对其预测的信任	NA	提高深度学习模型在医学影像分析中的可解释性、可靠性和临床相关性	医学影像中的深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
4533	2024-10-28	Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges 2024-Sep-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-325458 PMID:38925907	研究论文	本文探讨了生成式人工智能在眼科领域的当前创新、未来应用及面临的挑战	介绍了生成对抗网络和扩散模型在创建合成图像方面的应用，以及多模态基础模型在生成图像、文本和视频方面的潜力	该技术仍处于初级阶段，存在数据偏差、安全问题和临床实际应用中的实施挑战	研究生成式人工智能在眼科领域的应用及其影响	生成对抗网络、扩散模型和多模态基础模型	计算机视觉	NA	生成对抗网络、扩散模型	生成对抗网络	图像、文本、视频	NA
4534	2024-10-28	Deep learning model for extensive smartphone-based diagnosis and triage of cataracts and multiple corneal diseases 2024-Sep-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-324488 PMID:38242700	研究论文	开发了一种基于智能手机图像的人工智能算法，用于诊断和分类白内障及多种角膜疾病	利用智能手机图像进行白内障和角膜疾病的诊断和分类，展示了高精度的诊断性能	研究样本主要来自智能手机和裂隙灯显微镜图像，可能存在样本偏倚	开发和验证一种基于智能手机图像的人工智能算法，用于诊断和分类白内障及多种角膜疾病	白内障和多种角膜疾病	计算机视觉	眼科疾病	人工智能算法	深度学习模型	图像	6442张图像，其中6106张来自裂隙灯显微镜，336张来自智能手机
4535	2024-10-28	Lightweight deep neural network for radio frequency interference detection and segmentation in synthetic aperture radar 2024-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71775-8 PMID:39237592	研究论文	提出了一种轻量级神经网络算法用于合成孔径雷达图像中的射频干扰检测和分割	引入轻量级模块和剪枝操作，提高了检测和分割的准确性，同时减少了模型大小和推理延迟	NA	提高合成孔径雷达图像中射频干扰检测和分割的效率和准确性	合成孔径雷达图像中的射频干扰	计算机视觉	NA	深度学习	神经网络	时间-频率谱图	NA
4536	2024-10-28	A robust deep learning attack immune MRAM-based physical unclonable function 2024-Sep-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71730-7 PMID:39232128	研究论文	本文提出了一种基于磁阻随机存取存储器（MRAM）的物理不可克隆函数（PUF）电路，旨在增强硬件安全性	该电路利用磁隧道结（MTJ）单元的电阻特性，有效满足严格的雪崩准则（SAC），并具有对抗机器学习建模攻击的能力	NA	研究如何通过硬件安全机制保护敏感信息免受威胁	基于MRAM的物理不可克隆函数电路及其对抗机器学习攻击的能力	机器学习	NA	磁阻随机存取存储器（MRAM）	多层感知器（MLP）、线性回归（LR）、支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）	NA	两组和四组电路架构的模拟
4537	2024-10-28	BAU-Insectv2: An agricultural plant insect dataset for deep learning and biomedical image analysis 2024-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110083 PMID:38328295	research paper	本文介绍了一个名为BAU-Insectv2的新型农业数据集，专为深度学习和生物医学图像分析设计，重点关注植物-昆虫相互作用	该数据集包含了高分辨率图像，捕捉了不同农业环境中植物-昆虫相互作用的复杂细节，为深度学习和生物医学图像分析提供了新的资源	NA	利用深度学习方法，特别是卷积神经网络（CNN）和先进的图像分析技术，实现精确的昆虫检测、分类和对农业生态系统中昆虫相关模式的深入理解	主要关注南亚作物种植中的昆虫相关问题	computer vision	NA	深度学习	CNN	image	包含大量高分辨率图像，具体数量未明确
4538	2024-10-28	KZ-BD: Dataset of Kazakhstan banknotes with annotations 2024-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110076 PMID:38348328	研究论文	本文介绍了哈萨克斯坦钞票数据集（KZ-BD），这是一个包含4200张精心标注图像的独特数据集，涵盖14个不同类别	本文的创新点在于填补了哈萨克斯坦货币在深度学习研究中的数据空白，提供了一个全面的数据集，有助于更好地评估和微调机器学习模型	NA	本文的研究目的是解决货币识别中准确识别面额的挑战，特别是处理同一类别货币的变化和光照条件不一致的问题	本文的研究对象是哈萨克斯坦的货币，包括硬币和纸币，面额从1到20,000坚戈	计算机视觉	NA	NA	NA	图像	4200张标注图像
4539	2024-10-28	A novel approach to identify the brain regions that best classify ADHD by means of EEG and deep learning 2024-Feb-29, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e26028 PMID:38379973	研究论文	本文提出了一种利用脑电图（EEG）和深度学习（DL）识别最佳分类注意力缺陷多动障碍（ADHD）的脑区的新方法	本文创新性地使用深度学习技术结合脑电图信号，通过特征选择方法识别出最佳分类ADHD的脑区	NA	研究目的是通过脑电图和深度学习技术，找出最佳分类ADHD与正常发育儿童的脑区	注意力缺陷多动障碍（ADHD）与正常发育儿童的脑区分类	机器学习	神经发育障碍	脑电图（EEG）	深度学习（DL）	脑电图信号	NA
4540	2024-10-28	Generalisable deep learning method for mammographic density prediction across imaging techniques and self-reported race 2024-Feb-19, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00446-6 PMID:38374436	研究论文	本文研究了一种可泛化的深度学习方法，用于在不同成像技术和自报种族背景下预测乳腺密度	本文首次展示了深度学习模型在不同成像技术和种族背景下的泛化能力	尽管模型在种族子组分析中表现无偏，但仍需进一步验证其在更多种族和成像技术中的适用性	开发一种能够在不同成像技术和种族背景下准确预测乳腺密度的深度学习模型	乳腺密度预测及其在不同成像技术和种族背景下的泛化能力	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	69,697个乳腺研究，包含451,642张单独图像，来自23,057名女性参与者