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
4781	2024-11-19	Deep Learning Models for Abdominal CT Organ Segmentation in Children: Development and Validation in Internal and Heterogeneous Public Datasets 2024-07, AJR. American journal of roentgenology DOI:10.2214/AJR.24.30931 PMID:38691411	研究论文	本文开发并验证了用于儿童腹部CT器官分割的深度学习模型，包括肝脏、脾脏和胰腺的分割	本文的创新点在于在儿童数据上验证了深度学习模型，并使用迁移学习方法在异质性公共数据集上进行预训练，然后在机构内部数据上进行微调，取得了优于仅使用内部数据训练的模型和公开模型的效果	本文的局限性在于胰腺分割的性能相对较差，尤其是在存在胰腺炎的情况下	本文的研究目的是开发和验证用于儿童腹部CT检查中肝脏、脾脏和胰腺分割的深度学习模型	本文的研究对象是儿童腹部CT图像中的肝脏、脾脏和胰腺	计算机视觉	NA	深度学习	SegResNet, DynUNet, SwinUNETR	图像	1731例CT检查（1504例用于训练，221例用于测试），包括来自三个内部机构儿科数据集（≤18岁，483例）和三个公共数据集（包括儿科和成人检查，1248例）
4782	2024-08-11	Editorial Comment: Using Appropriate Training Data in Deep Learning Tissue and Organ Segmentations on CT 2024-07, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31345 PMID:38691412	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4783	2024-08-11	Editorial Comment: Usefulness of a Deep Learning Model for Pediatric Abdominal Organ Segmentation 2024-07, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31408 PMID:38748729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4784	2024-11-19	An automated multi-layer perceptron discriminative neural network based on Bayesian optimization achieves high-precision one-source single-snapshot direction-of-arrival estimation 2024-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60798-w PMID:38704397	研究论文	本文提出了一种基于贝叶斯优化的自动化多层感知器判别神经网络，用于高精度单源单快照方向到达估计	首次将自动化机器学习算法应用于高精度稀疏水下方向到达估计，并将其视为分类预测任务	NA	开发一种高精度单源单快照方向到达估计方法	水下稀疏采样方向到达估计问题	机器学习	NA	贝叶斯优化	多层感知器判别神经网络	时间域信号	NA
4785	2024-11-19	Deep learning reduces data requirements and allows real-time measurements in imaging FCS 2024-03-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.11.3403 PMID:38050354	研究论文	本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量	提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估	NA	减少荧光相关光谱成像中的数据需求，并实现实时测量	荧光相关光谱成像中的相关性和强度轨迹分析	计算机视觉	NA	卷积神经网络	CNN	图像	模拟数据
4786	2024-11-19	Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images 2024-03-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/kead366 PMID:37471602	研究论文	研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值	开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当	NA	探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值	多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒）	计算机视觉	类风湿性关节炎	深度学习	ResNet	图像	1244张图像用于模型训练，152张和354张分别用于两个测试集
4787	2024-11-19	MMV_Im2Im: an open-source microscopy machine vision toolbox for image-to-image transformation 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad120 PMID:38280188	研究论文	介绍了一个名为MMV_Im2Im的开源显微镜机器视觉工具箱，用于生物成像应用中的图像到图像变换	提出了一个通用的图像到图像变换框架，适用于多种任务，并利用了先进的机器学习工程技术	未提及具体限制	开发一个开源工具箱，帮助研究人员在生物医学图像分析中应用深度学习技术	生物医学图像分析中的图像到图像变换任务	计算机视觉	NA	深度学习	NA	图像	超过10种不同的生物医学问题
4788	2024-11-19	Evaluation of Swin Transformer and knowledge transfer for denoising of super-resolution structured illumination microscopy data 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad109 PMID:38217407	研究论文	本文评估了Swin Transformer在超分辨率结构化照明显微镜（SR-SIM）数据去噪中的应用，并探讨了知识迁移策略的效果	首次全面研究了Swin Transformer在SR-SIM图像去噪中的应用，并比较了直接迁移和微调两种知识迁移策略的效果	目前公开的SR-SIM数据集稀缺，限制了对深度学习方法性能和泛化能力的探索	评估Swin Transformer在SR-SIM图像去噪中的性能，并探讨知识迁移策略的有效性	超分辨率结构化照明显微镜（SR-SIM）图像的去噪	计算机视觉	NA	深度学习	Swin Transformer	图像	四个数据集，涵盖两种细胞结构（微管和囊泡结构），不同噪声水平
4789	2024-11-19	IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae018 PMID:38649300	研究论文	本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络	IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法	NA	开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒	原核和真核病毒的识别与分类	机器学习	NA	深度学习	卷积神经网络	序列数据	NA
4790	2024-11-19	Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae057 PMID:39185700	研究论文	本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来	本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域	NA	研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用	胶质母细胞瘤的数字病理图像和分子亚型	数字病理	脑癌	深度学习	Xception卷积神经网络	图像	276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证
4791	2024-11-19	Advances in AI-Driven Retention Prediction for Different Chromatographic Techniques: Unraveling the Complexity 2024, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2023.2254379 PMID:37672314	综述	本文综述了不同色谱技术中基于人工智能的保留时间预测方法	深度学习模型在保留时间预测中的准确性和有效性优于线性机器学习模型，支持向量机神经网络在薄层色谱中广泛用于预测不同化合物的保留因子，化学信息学、化学计量学和混合方法也被用于建模，比传统模型更可靠	由于缺乏总结性文献，本文旨在提供一个全面的文献综述	探索不同色谱技术中基于人工智能的保留时间预测方法	不同色谱技术中的化合物保留时间预测	化学信息学	NA	色谱技术	深度学习模型、支持向量机神经网络	化合物数据	NA
4792	2024-11-18	Decoding lower-limb kinematic parameters during pedaling tasks using deep learning approaches and EEG 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03147-3 PMID:39028484	研究论文	本研究通过比较分析两种基于人工神经网络（ANN）的解码器，评估其在基于脑电图（EEG）的脑机接口（BCI）系统中估计下肢踏车任务中的运动学参数的能力	本研究首次使用深度学习方法（如LSTM）从EEG信号中重建下肢运动学参数，并展示了其在识别踏车和休息期方面的潜力	研究中发现踏车速度与解码器性能之间存在负线性相关，表明在较慢速度下运动学参数更容易估计	评估基于深度学习的解码器在脑机接口系统中估计下肢运动学参数的可行性	下肢踏车任务中的运动学参数，包括踝关节和膝关节在x轴和y轴的位置以及膝关节角度	机器学习	NA	脑电图（EEG）	长短期记忆网络（LSTM）	脑电信号	NA
4793	2024-11-18	DNN-BP: a novel framework for cuffless blood pressure measurement from optimal PPG features using deep learning model 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03157-1 PMID:38963467	研究论文	本文提出了一种基于深度神经网络（DNN）和光体积描记（PPG）信号的无袖带血压测量新框架	本文创新性地结合了深度神经网络和集成特征选择技术，显著提高了基于PPG信号的血压估计精度	NA	开发一种基于PPG信号的无袖带连续血压监测算法	PPG信号和血压值	机器学习	心血管疾病	深度神经网络（DNN）	DNN	信号	125名受试者的218条记录
4794	2024-11-18	Evaluation of Neonatal Cerebral Circulation Under Hypoxic Ischemic Risk Factors Based on Quantitative Analysis of Cerebral Veins with Magnetic Resonance Susceptibility Weighted Imaging 2024-Dec, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01432-0 PMID:38922421	研究论文	本文通过磁共振磁敏感加权成像（SWI）和图像分割算法，量化分析了新生儿大脑深部髓静脉（DMVs）的数量、宽度和曲率，以评估新生儿在缺氧缺血风险下的脑循环自我调节能力	首次使用图像分割算法量化新生儿大脑深部髓静脉，为评估新生儿脑循环自我调节提供了新的方法	样本量有限，且仅限于特定风险因素下的新生儿	评估新生儿在缺氧缺血风险下的脑循环自我调节能力	新生儿大脑深部髓静脉的数量、宽度和曲率	医学影像	NA	磁共振磁敏感加权成像（SWI）	图像分割算法	图像	317名新生儿
4795	2024-11-18	Hybrid deep learning based prediction for water quality of plain watershed 2024-Dec-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119911 PMID:39233036	研究论文	本文评估了传统机器学习模型与深度学习模型在预测平原流域水质方面的效果，并提出了一种新的混合深度学习模型以提高预测准确性	提出了混合Bayes-LSTM-GRU模型，显著提高了预测准确性，平均RMSE降低了18.1%	未提及具体限制	评估不同模型在平原流域水质预测中的效果，并开发新的混合模型以提高预测准确性	平原流域的水质	机器学习	NA	NA	LSTM, GRU	时间序列数据	未提及具体样本数量
4796	2024-11-18	Conv-RGNN: An efficient Convolutional Residual Graph Neural Network for ECG classification 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108406 PMID:39241329	研究论文	本文提出了一种用于心电图分类的高效卷积残差图神经网络（Conv-RGNN）	该方法通过将12导联心电图映射到图结构中，同时提取时间序列和空间特征，解决了传统方法忽略导联间空间关系的问题	NA	提高心血管疾病诊断的自动化水平	12导联心电图信号	机器学习	心血管疾病	卷积神经网络，图神经网络	Conv-RGNN	时间序列数据	涉及两个多标签数据集和一个单标签数据集
4797	2024-11-18	ViT-MAENB7: An innovative breast cancer diagnosis model from 3D mammograms using advanced segmentation and classification process 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108373 PMID:39276667	研究论文	本文提出了一种基于3D乳腺X光图像的创新性乳腺癌诊断模型ViT-MAENB7，通过先进的分割和分类过程实现肿瘤的准确检测	本文创新性地结合了Vision Transformer和Multiscale Adaptive EfficientNetB7模型，并使用Modified Garter Snake Optimization Algorithm优化参数，显著提高了乳腺癌诊断的准确性	NA	开发一种高精度的乳腺癌诊断模型，以提高早期乳腺癌检测的准确性和患者的生存率	3D乳腺X光图像中的肿瘤检测	计算机视觉	乳腺癌	Adaptive Thresholding with Region Growing Fusion Model (AT-RGFM), Modified Garter Snake Optimization Algorithm (MGSOA)	Vision Transformer-based Multiscale Adaptive EfficientNetB7 (ViT-MAENB7)	图像	从互联网收集的3D乳腺X光图像
4798	2024-11-18	Optimizing graph neural network architectures for schizophrenia spectrum disorder prediction using evolutionary algorithms 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108419 PMID:39293231	研究论文	本文提出了一种基于进化算法的图神经网络架构搜索方法，用于精神分裂谱系障碍的预测	采用进化算法自动搜索高性能的图神经网络架构，并使用GNNExplainer提高模型的可解释性	NA	提高精神分裂谱系障碍的诊断准确性	精神分裂谱系障碍患者的功能磁共振成像数据	机器学习	精神疾病	进化算法	图神经网络	图像	多站点数据集
4799	2024-11-18	Stress-induced overeating behaviors explained from a (transitory) relief-learning perspective 2024-Dec-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2024.114707 PMID:39349091	评论	本文提出了一种基于缓解学习的新模型，旨在解释压力诱导的过度饮食行为，并试图将情感饮食理论与激励敏感化理论结合起来	提出了一个新的基于缓解学习的模型，旨在整合情感饮食理论和激励敏感化理论，以更好地理解压力诱导的过度饮食行为	目前缺乏对压力诱导过度饮食行为深层机制的深入理解，且现有理论存在内部理论和方法上的不足	探讨压力诱导的过度饮食行为的深层机制，并提出一个新的整合模型	压力诱导的过度饮食行为及其临床表现	NA	肥胖	NA	NA	NA	NA
4800	2024-11-18	ECG classification based on guided attention mechanism 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108454 PMID:39369585	研究论文	本研究通过引入两种新的引导注意力机制，提升了心电图异常分类的性能和可解释性	提出了两种新的引导注意力机制，即Guided Spatial Attention (GSA)和CAM-based spatial guided attention mechanism (CGAM)，并基于临床知识创建了不同的注意力引导标签	未提及具体限制	提升心电图异常分类的性能和可解释性	心电图异常分类任务，包括ST段改变检测、早搏识别、Wolf-Parkinson-White综合征分类和房颤检测	机器学习	心血管疾病	引导注意力机制	NA	心电图	未提及具体样本数量