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
4601	2024-10-27	FIDMT-GhostNet: a lightweight density estimation model for wheat ear counting 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1435042 PMID:39450085	研究论文	提出了一种基于FIDMT-GhostNet的轻量级小麦穗计数模型，用于自动定位和计数小麦穗	引入了基于GhostNet的轻量级网络进行特征提取，并结合FIDMT网络提高计数精度，同时采用密集上采样卷积模块和局部最大值检测策略来解决小麦穗目标小和背景干扰的问题	NA	开发一种高效的小麦穗自动计数方法，以提高农业管理、产量预测和资源分配的效率	小麦穗的自动定位和计数	计算机视觉	NA	深度学习	GhostNet	图像	使用了包括WEC、WEDD和GWHD在内的多个小麦图像数据集进行训练和测试
4602	2024-10-27	Enhancing prediction accuracy of foliar essential oil content, growth, and stem quality in Eucalyptus globulus using multi-trait deep learning models 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1451784 PMID:39450087	研究论文	本研究利用多性状深度学习模型预测桉树的叶片精油含量、生长和茎质量	本研究首次将基因组和表型组学方法结合，利用深度学习模型预测桉树的多性状，并发现多性状方法在预测准确性上优于单性状方法	本研究仅限于9年生的桉树育种群体，结果可能不适用于其他年龄或品种的桉树	研究目的是提高桉树生长相关性状和精油产量的预测准确性	研究对象是桉树的叶片精油含量、茎质量和生长相关性状	机器学习	NA	单核苷酸多态性（SNPs）、单倍型、近红外光谱（NIR）	深度学习（DL）模型、卷积神经网络（CNN）、多层感知器（MLP）	基因组数据、表型数据	9年生的桉树育种群体
4603	2024-10-27	DeepO-GlcNAc: a web server for prediction of protein O-GlcNAcylation sites using deep learning combined with attention mechanism 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1456728 PMID:39450274	研究论文	本文开发了一个基于深度学习的工具DeepO-GlcNAc，用于预测蛋白质O-GlcNAcylation位点	提出了一个新的深度学习框架DeepO-GlcNAc，结合了长短期记忆网络（LSTM）、卷积神经网络（CNN）和注意力机制，显著提高了O-GlcNAcylation位点预测的性能	模型在跨物种数据集上的表现较强，但在人类数据集上的表现未提及	开发一个基于深度学习的工具，以提高蛋白质O-GlcNAcylation位点的预测准确性	蛋白质O-GlcNAcylation位点	机器学习	NA	深度学习	LSTM、CNN、注意力机制	蛋白质组学数据	包含五个跨物种数据集，未提及人类数据集的具体样本数量
4604	2024-10-26	Multimodal ultrasound deep learning to detect fibrosis in early chronic kidney disease 2024-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2024.2417740 PMID:39435700	研究论文	开发了一种多模态超声深度学习融合模型，用于自动分类早期慢性肾脏病患者的纤维化	提出了一个多模态超声深度学习模型，显著提高了早期慢性肾脏病纤维化的预测准确性	研究仅限于2022年5月至11月期间的患者数据，样本量较小	开发和验证一种新的深度学习模型，用于早期慢性肾脏病纤维化的自动检测	慢性肾脏病患者	机器学习	肾脏疾病	深度学习	多模态深度学习模型	超声图像	70%用于训练，30%用于测试
4605	2024-10-26	Artificial intelligence and myocarditis-a systematic review of current applications 2024-Nov, Heart failure reviews IF:4.5Q1 DOI:10.1007/s10741-024-10431-9 PMID:39138803	综述	本文系统回顾了人工智能在心肌炎中的应用，旨在整合当前知识并指导未来研究	本文展示了人工智能在心肌炎诊断、生存预测和分子分析方面的广泛应用和潜在变革性	需要克服的限制包括数据质量和算法透明度等问题	探索人工智能在心肌炎中的应用，整合当前知识并指导未来研究	心肌炎的诊断、生存预测和分子分析	机器学习	心血管疾病	NA	NA	NA	NA
4606	2024-10-26	Automated Machine Learning versus Expert-Designed Models in Ocular Toxoplasmosis: Detection and Lesion Localization Using Fundus Images 2024-Nov, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2024.2319281 PMID:38411944	研究论文	本研究评估了自动化机器学习（AutoML）在检测和定位眼弓形虫病（OT）病变中的表现，并将其与专家设计的模型进行比较	通过AutoML，即使没有编码经验的临床医生也能构建深度学习模型，这为临床医生提供了更广泛的应用深度学习模型的可能性	研究仅使用了304张标记的视网膜图像，样本量较小，可能影响模型的泛化能力	评估AutoML在眼弓形虫病检测和病变定位中的表现，并比较其与专家设计模型的效果	眼弓形虫病（OT）病变在视网膜图像中的检测和定位	计算机视觉	眼科疾病	自动化机器学习（AutoML）	深度学习模型	图像	304张标记的视网膜图像
4607	2024-10-26	Deep learning-based segmentation of abdominal aortic aneurysms and intraluminal thrombus in 3D ultrasound images 2024-Oct-25, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03216-7 PMID:39448511	研究论文	本研究使用深度学习方法改进腹主动脉瘤和附壁血栓在时间分辨三维超声图像中的分割	采用nnU-Net模型在低对比度数据上进行训练，并通过CT基底标注验证分割结果，提高了分割精度	腔-血栓界面可见性仍然是限制因素，需要改进图像采集以确保更广泛的病人纳入和未来的破裂风险评估	改进腹主动脉瘤和附壁血栓在时间分辨三维超声图像中的分割	腹主动脉瘤和附壁血栓	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	有限数据集
4608	2024-10-26	Highlighted Diffusion Model as Plug-in Priors for Polyp Segmentation 2024-Oct-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3485767 PMID:39446534	研究论文	本文提出了一种名为Highlighted Diffusion Model Plus (HDM+)的两阶段息肉分割框架，通过引入Highlighted Diffusion Model (HDM)提供显式语义指导，以提高结肠镜图像中息肉分割的准确性	本文的创新点在于使用Highlighted Diffusion Model (HDM)作为插件先验，通过强调息肉区域并抑制背景，减少RGB结肠镜图像与灰度分割掩码之间的领域差距，从而提高分割效率和准确性	本文未提及具体的局限性	研究目的是提高结肠镜图像中息肉自动分割的准确性，以辅助结直肠癌的诊断	研究对象是结肠镜图像中的息肉	计算机视觉	结直肠癌	扩散模型	U-Net	图像	六个息肉分割基准数据集
4609	2024-10-26	GVVST: Image-Driven Style Extraction From Graph Visualizations for Visual Style Transfer 2024-Oct-24, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3485701 PMID:39446538	研究论文	本文提出了一种从现有设计良好的图可视化中自动提取视觉风格并应用于其他图的方法	本文创新性地利用深度学习技术，如显著性检测模型和多标签分类模型，开发了端到端的管道，用于提取全局和局部风格	本文主要关注节点-链接图，未涵盖其他类型的图可视化	简化图可视化设计过程，减轻设计师的工作量	节点-链接图的视觉风格提取与转移	计算机视觉	NA	深度学习	显著性检测模型、多标签分类模型	图像	NA
4610	2024-10-26	Unmet Needs in Spondyloarthritis: Imaging in Axial Spondyloarthritis 2024-Oct-24, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2024-0937 PMID:39448248	综述	本文综述了轴性脊柱关节炎（axSpA）中影像学生物标志物的现状及其在临床实践中的应用	讨论了最新的MRI序列和基于深度学习的合成CT技术，这些技术可以在不使用电离辐射的情况下生成类似CT的图像	尽管MRI技术有所进步，但仍存在许多挑战，如骨髓水肿（BME）在多种疾病和健康个体中的出现，增加了鉴别诊断的难度	探讨轴性脊柱关节炎中影像学技术的优势、劣势及其在临床实践中的应用	轴性脊柱关节炎（axSpA）的影像学生物标志物及其在诊断和治疗评估中的应用	NA	脊柱关节炎	磁共振成像（MRI）、计算机断层扫描（CT）	NA	影像	NA
4611	2024-10-26	Integrating VAI-Assisted Quantified CXRs and Multimodal Data to Assess the Risk of Mortality 2024-Oct-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01247-y PMID:39448455	研究论文	本研究开发了一种基于视觉人工智能（VAI）的模型，通过胸部X光片（CXR）和多模态数据来评估死亡风险	利用深度学习从CXR中提取特征，并结合Cox比例风险模型生成风险评分（CXR-risk），结合临床和实验室数据进一步提高预测准确性	研究为回顾性分析，且数据来自特定医疗机构，可能影响模型的泛化能力	开发一种广泛可用的死亡风险预测方法	通过胸部X光片和多模态数据评估患者的死亡风险	计算机视觉	NA	深度学习	Cox比例风险模型	图像	训练集41,945例，验证集10,492例，内部测试集31,707例，外部测试集4,441例
4612	2024-10-26	An enhanced deep learning method for the quantification of epicardial adipose tissue 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75659-9 PMID:39438553	研究论文	本文提出了一种增强的深度学习方法，用于在冠状动脉CT血管造影（CCTA）扫描中量化心外膜脂肪组织（EAT）	该方法结合了数据驱动方法和特定的形态学信息，提高了EAT自动量化的准确性和可解释性	NA	开发一种自动量化心外膜脂肪组织的方法，以减少人工操作的劳动强度和人为误差	心外膜脂肪组织（EAT）的量化	计算机视觉	心血管疾病	深度学习	NA	图像	108名接受常规CCTA检查的患者，随机分配到训练集（60例）、验证集（8例）和测试集（40例）
4613	2024-10-26	Hybrid deep models for parallel feature extraction and enhanced emotion state classification 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75850-y PMID:39438562	研究论文	本文提出了一种混合深度学习模型，用于并行特征提取和增强的情感状态分类	结合AlexNet和DenseNet进行特征提取，并通过PCA进行特征融合和降维，最后使用多类SVM进行分类，显著提高了情感分类的准确性	NA	提高情感和压力分类的准确性，特别是在机器人和人工智能应用中	情感和压力分类	机器学习	NA	深度学习	混合模型（AlexNet、DenseNet、PCA、SVM）	脑电信号	DEAP数据集包含32名参与者观看40段一分钟的音乐视频的脑电信号，EEG Brainwave数据集包含参与者观看六个不同电影片段的脑电信号
4614	2024-10-26	Assessment of the relationship between central venous pressure waveform and the severity of tricuspid valve regurgitation using data science 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74890-8 PMID:39438502	研究论文	研究探讨了中心静脉压波形与三尖瓣反流严重程度之间的关系	使用Transformer深度学习技术处理中心静脉压波形的复杂特征	研究结果需要进一步验证和临床应用	探索中心静脉压波形与三尖瓣反流严重程度之间的关系	中心静脉压波形和三尖瓣反流	机器学习	心血管疾病	Transformer	Transformer	波形数据	436例患者
4615	2024-10-26	Efficient labeling of french mammogram reports with MammoBERT 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76369-y PMID:39438627	研究论文	本文介绍了一种基于BERT的模型MammoBERT，用于高效地标记法语乳腺X光片报告	提出了基于BERT的模型MammoBERT，结合了现有规则系统的广泛性和放射科医生注释的精确性，显著提高了标记效率	研究中使用的数据集有限，可能影响模型的泛化能力	开发一种高效且有效的模型，用于大规模医学影像模型的开发	法语乳腺X光片报告的自动标记	自然语言处理	NA	BERT	BERT	文本	有限的数据集，包括放射科医生的注释和规则生成的注释
4616	2024-10-26	An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75518-7 PMID:39438634	研究论文	本文介绍了一种改进的堆叠自编码器辅助优化的深度神经网络（ESAE-ODNN），用于预测干眼病（DED）	本文的创新点在于将混沌映射引入特征选择，使用SLSTM-STSA提高分类准确性，并通过增强量子细菌觅食优化算法（EQBFOA）进行优化	NA	本文的研究目的是开发一种新的方法来预测干眼病（DED），以提高早期诊断和治疗的效果	本文的研究对象是干眼病（DED）及其相关特征	机器学习	眼科疾病	深度学习	深度神经网络	数据集	NA
4617	2024-10-26	A hybrid transformer and attention based recurrent neural network for robust and interpretable sentiment analysis of tweets 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76079-5 PMID:39438715	研究论文	提出了一种基于Transformer和注意力机制的混合循环神经网络模型TRABSA，用于推特情感分析	结合了Transformer架构、注意力机制和双向LSTM，提高了情感分析的准确性和可解释性	NA	解决现有情感分析模型在语言多样性、模型泛化性、可解释性和数据标注不足方面的挑战	推特文本的情感分类	自然语言处理	NA	Transformer模型、注意力机制、双向LSTM	混合模型	文本	124M条推特数据，包括来自32个英语国家的411,885条推特和来自美国各州的7,500条推特
4618	2024-10-26	Detecting clinical medication errors with AI enabled wearable cameras 2024-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01295-2 PMID:39438764	研究论文	本文介绍了一种利用AI和可穿戴摄像头自动检测临床用药错误的新系统	首次开发了用于自动检测潜在用药错误的可穿戴摄像头系统，并创建了首个大规模视频数据集	NA	开发和评估一种自动检测临床用药错误的系统	临床用药错误，特别是注射器和药瓶上的药品标签	计算机视觉	NA	深度学习算法	NA	视频	418次药物抽取事件，涉及13名麻醉科医生，2家医院，17个手术室，55天
4619	2024-10-26	Spatial attention-based CSR-Unet framework for subdural and epidural hemorrhage segmentation and classification using CT images 2024-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01455-6 PMID:39438833	研究论文	本文提出了一种基于空间注意力机制的CSR-Unet框架，用于CT图像中硬膜下和硬膜外出血的分割与分类	本文引入了空间注意力机制的CSR-Unet模型，以提高特征提取的效率和分割精度	NA	开发一种自动化的方法来辅助神经外科医生进行脑出血的诊断和治疗计划制定	CT图像中的硬膜下和硬膜外出血	计算机视觉	NA	深度学习	CSR-Unet	图像	NA
4620	2024-10-25	A lightweight model design approach for few-shot malicious traffic classification 2024-Oct-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73342-7 PMID:39433748	研究论文	本文提出了一种轻量级的小样本恶意流量分类方法	通过改进传统的迁移学习，将源模型分割为公共和私有特征提取器，并采用对抗网络引导原则进行再训练，增强了模型的泛化能力	NA	解决当前深度学习方法在恶意流量分类中数据需求量大和计算资源不足的问题	恶意流量分类	机器学习	NA	迁移学习	对抗网络	流量数据	每类不超过15个样本