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
4901	2024-10-24	Auto encoder-based defense mechanism against popular adversarial attacks in deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307363 PMID:39432550	研究论文	本文研究了基于卷积神经网络（CNN）的模型在对抗攻击下的防御机制，特别是针对肺炎胸片图像的检测	提出了一种基于卷积自编码器的防御机制，能够有效抵御多种类型的对抗攻击，包括快速梯度符号法（FGSM）和投影梯度下降（PGD）攻击	本文未详细讨论防御机制在其他类型医学图像上的适用性	旨在提高深度学习模型在医学图像分类中的安全性和鲁棒性	研究对象为肺炎胸片图像，以及针对这些图像的对抗攻击	计算机视觉	肺部疾病	卷积神经网络（CNN）	卷积自编码器	图像	涉及五种不同ε值的对抗攻击图像
4902	2024-10-24	Applications of Artificial Intelligence in Cataract Surgery: A Review 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S489054 PMID:39434720	综述	本文综述了人工智能在白内障手术中的应用现状	探讨了人工智能在白内障手术的术前、术中和术后各阶段的应用，包括机器学习、深度学习和卷积神经网络等技术的整合	当前研究面临的挑战包括图像数据集有限、深度学习分析指标不统一以及对新数据集的泛化能力不足	旨在理解人工智能在眼科显微手术，特别是白内障手术中的应用现状	白内障手术的术前、术中和术后阶段	机器学习	眼科疾病	机器学习、深度学习、卷积神经网络	卷积神经网络	图像	NA
4903	2024-10-24	ECG data analysis to determine ST-segment elevation myocardial infarction and infarction territory type: an integrative approach of artificial intelligence and clinical guidelines 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1462847 PMID:39434722	研究论文	本研究提出了一种基于人工智能和临床指南的综合方法，用于通过12导联心电图数据准确诊断ST段抬高型心肌梗死并详细分类梗死区域	本研究创新性地将临床领域与人工智能技术相结合，用于心电图诊断，提高了STEMI患者的快速治疗和预后	NA	研究目的是开发一种新方法，通过12导联心电图数据准确诊断ST段抬高型心肌梗死并详细分类梗死区域	研究对象是888名心肌梗死患者的心电图数据	机器学习	心血管疾病	深度学习	NA	心电图数据	888名心肌梗死患者
4904	2024-10-24	The art of selecting the ECG input in neural networks to classify heart diseases: a dual focus on maximizing information and reducing redundancy 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1452829 PMID:39434723	研究论文	本文研究了在神经网络中选择心电图输入以分类心脏疾病时，如何最大化信息并减少冗余	首次量化了输入中的冗余，并通过验证多种冗余减少技术，为生物医学信号处理研究提供了新的方向	NA	量化心电图中的冗余及其对使用卷积神经网络进行分类任务的影响	心电图中的冗余信息及其对神经网络性能的影响	机器学习	心血管疾病	卷积神经网络	CNN	信号	NA
4905	2024-10-24	Predicting the influence of extreme temperatures on grain production in the Middle-Lower Yangtze Plains using a spatially-aware deep learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18234 PMID:39434796	研究论文	研究利用空间感知深度学习模型预测极端温度对长江中下游平原粮食产量的影响	提出了一种空间感知深度学习模型，显著优于传统的多线性粮食产量模型，并提供了新的气候变化对粮食产量影响的预测	研究主要集中在长江中下游平原，可能不适用于其他地区	填补以往研究中忽视极端温度时空分布对区域粮食产量影响的空白，并提供21世纪剩余时间气候变化对粮食产量变化的预测	长江中下游平原的粮食产量	机器学习	NA	深度学习	空间感知深度学习模型	气候数据	NA
4906	2024-10-24	An integrated method for detecting lung cancer via CT scanning via optimization, deep learning, and IoT data transmission 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1435041 PMID:39435294	研究论文	本文介绍了一种通过优化、深度学习和物联网数据传输进行肺癌CT扫描检测的综合方法	本文提出了一种结合碰撞体优化（CBO）和DenseNet CNN的新方法，显著提高了肺癌检测的分割和分类精度	NA	开发一种先进的诊断工具，以提高肺癌早期检测的准确性	肺癌的早期检测和诊断	计算机视觉	肺癌	CT扫描	DenseNet CNN	图像	NA
4907	2024-10-22	Re: Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response from Histologic Slides 2024-Oct-19, European urology IF:25.3Q1 DOI:10.1016/j.eururo.2024.10.012 PMID:39428324	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4908	2024-10-22	Enhanced ADHD classification through deep learning and dynamic resting state fMRI analysis 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74282-y PMID:39424632	研究论文	本文提出了一种基于深度学习和动态静息态fMRI分析的增强型ADHD分类方法	引入了Skip-Vote-Net，一种新颖的深度学习网络，通过动态连接分析来分类ADHD和正常发育儿童	NA	提高ADHD分类的准确性	ADHD和正常发育儿童的分类，以及ADHD不同亚型的区分	机器学习	精神疾病	功能磁共振成像（fMRI）	深度学习网络	图像	222名参与者
4909	2024-10-22	Graph attention automatic encoder based on contrastive learning for domain recognition of spatial transcriptomics 2024-Oct-18, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07037-0 PMID:39424696	研究论文	提出了一种基于对比学习的图注意力自动编码器方法GAAEST，用于空间转录组学领域的识别	该方法结合了空间位置信息和基因表达数据，通过图注意力网络和自监督对比学习优化潜在嵌入，以识别具有相似表达模式和空间接近性的空间域	NA	准确识别空间转录组学中的空间域	空间转录组学数据中的基因表达和空间位置信息	数字病理学	NA	空间转录组学	图注意力网络	基因表达数据	多个数据集
4910	2024-10-22	Ensembling methods for protein-ligand binding affinity prediction 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72784-3 PMID:39424851	研究论文	本文提出了一种基于集成学习的蛋白质-配体结合亲和力预测方法	通过训练13个深度学习模型并探索所有可能的集成组合，显著提高了预测精度和泛化能力	NA	提高蛋白质-配体结合亲和力预测的准确性和泛化能力	蛋白质-配体结合亲和力	机器学习	NA	深度学习	集成模型	蛋白质-配体复合物的1D序列和结构特征	CASF2016和CSAR-HiQ等五个基准测试数据集
4911	2024-10-22	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-Oct-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	本文介绍了一种名为Modal-Nexus Auto-Encoder（Monae）的深度学习方法，用于多模态单细胞数据的整合和插补	Monae利用模态间的调控关系和对比学习，增强了统一空间中的细胞表示，并能生成精确的模态内和跨模态插补计数	NA	解决多模态单细胞数据整合和插补中的异质特征空间和技术噪声问题	多模态单细胞数据	机器学习	NA	深度学习	Auto-Encoder	多模态数据	NA
4912	2024-10-22	A hybrid deep learning network for automatic diagnosis of cardiac arrhythmia based on 12-lead ECG 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75531-w PMID:39424921	研究论文	提出了一种结合卷积神经网络和双向门控循环单元与多头注意力的混合深度学习模型，用于自动诊断心律失常	创新的混合深度学习模型结合了卷积神经网络和双向门控循环单元与多头注意力，有效捕捉心电信号的时空特征	NA	开发一种自动诊断心律失常的深度学习模型	心电图信号	机器学习	心血管疾病	卷积神经网络、双向门控循环单元、多头注意力	混合深度学习模型	心电图信号	MIT-BIH心律失常数据库和PTB诊断心电图数据库
4913	2024-10-22	Platform for precise, personalised glucose forecasting through continuous glucose and physical activity monitoring and deep learning 2024-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104241 PMID:39428134	研究论文	本文提出了一种结合内容注意力学习的混合深度学习框架，用于基于过去数据预测T1D和T2D患者的血糖水平，并开发了一个云端系统和移动应用来收集和处理相关数据	本文的创新点在于引入内容注意力学习机制，并结合物理活动数据，提高了血糖预测的准确性，同时展示了个性化训练的优势	本文的局限性在于仅使用了单一患者的8天临床数据进行训练和测试，未来需要在大规模多患者数据上验证模型的泛化能力	本文的研究目的是开发一种精确的个性化血糖预测系统，以帮助糖尿病患者管理血糖水平	本文的研究对象是T1D和T2D糖尿病患者	机器学习	糖尿病	深度学习	混合深度学习框架	连续血糖监测数据、物理活动数据、碳水化合物摄入值和胰岛素测量数据	使用了单一患者的8天临床数据进行训练，并在后续临床数据上进行测试
4914	2024-10-22	An optimal fast fractal method for breast masses diagnosis using machine learning 2024-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104234 PMID:39428132	研究论文	本文介绍了一种用于乳腺肿块分类的快速分形方法	通过提取最佳分形信息并仅关注对分类有价值的信息，提高了计算速度和分类准确性	NA	提高乳腺肿块分类的计算速度和准确性	乳腺肿块的分类	机器学习	乳腺癌	分形方法	NA	图像	NA
4915	2024-10-21	Predictive biomarkers for immune checkpoint inhibitors therapy in lung cancer 2024-Dec-31, Human vaccines & immunotherapeutics IF:4.1Q2 DOI:10.1080/21645515.2024.2406063 PMID:39415535	综述	本文综述了用于预测肺癌免疫检查点抑制剂疗效的生物标志物及其前沿技术	本文结合单细胞测序和空间成像技术，以及深度学习和人工智能，扩展了预测生物标志物的识别	PD-L1作为首个预测生物标志物，其预测价值仅限于特定人群	探讨用于预测肺癌免疫检查点抑制剂疗效的生物标志物及其前沿技术	肺癌患者对免疫检查点抑制剂的反应	数字病理学	肺癌	单细胞测序、空间成像技术、深度学习、人工智能	NA	NA	NA
4916	2024-10-21	Deep Learning Based Shear Wave Detection and Segmentation Tool for Use in Point-of-Care for Chronic Liver Disease Assessments 2024-Dec, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.002 PMID:39244483	研究论文	本文介绍了一种基于深度学习的剪切波检测和分割工具，用于慢性肝病评估中的即时护理	开发了一种新的软件工具，结合了深度学习方法，用于检测和分割肝脏组织中的剪切波，以提高组织表征和患者诊断的准确性	该工具的性能评估仅基于特定患者群体和设备，未来需要在更广泛的患者群体和设备上进行验证	测试一种新的基于深度学习的软件工具在代谢功能障碍相关脂肪性肝病（MASLD）患者中的性能，以提高即时护理中肝脏评估的准确性	代谢功能障碍相关脂肪性肝病患者	计算机视觉	肝病	深度学习	U-Net	图像	训练集包含15,045张专家分割的图像，来自103名患者；测试集包含4429张图像，来自36名志愿者和患者
4917	2024-10-21	Enhancing Multi-Object Detection in Ultrasound Images Through Semi-Supervised Learning, Focal Loss and Relation of Frame 2024-Dec, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.012 PMID:39307679	研究论文	本文提出了一种基于半监督学习和焦点损失的多目标检测系统，用于实时识别超声图像中的肌肉骨骼解剖结构	引入了半监督学习方法减少标注时间，并采用焦点损失方法提高困难结构的识别准确性，同时利用视频帧的时间连续性增强检测效果	NA	开发一种能够实时识别肌肉骨骼解剖结构的自动化系统，以辅助医疗专业人员进行诊断	超声图像中的肌肉骨骼解剖结构	计算机视觉	NA	深度学习	神经网络	图像	仅使用30%的训练数据即可达到与监督学习相当的性能
4918	2024-10-21	Sex estimation from coxal bones using deep learning in a population balanced by sex and age 2024-Nov, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03268-2 PMID:38862820	研究论文	本文研究了使用深度学习方法从骨盆骨的CT扫描重建图像中进行性别估计	本文提出了一种全自动的数据驱动机器学习方法，使用解耦变分自编码器（DVAE）和分类器（C）进行性别估计，准确率高达99.8%	NA	研究如何利用深度学习技术提高法医人类学中性别估计的准确性和效率	骨盆骨的CT扫描图像	计算机视觉	NA	深度学习	解耦变分自编码器（DVAE）	图像	580个CT扫描图像
4919	2024-10-21	Hybrid clinical-radiomics model based on fully automatic segmentation for predicting the early expansion of spontaneous intracerebral hemorrhage: A multi-center study 2024-Nov, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2024.107979 PMID:39222703	研究论文	本文提出了一种基于深度学习和影像组学的混合模型，用于预测自发性脑出血后的早期血肿扩张	本文提供了一种全自动的血肿分割方法，并构建了一个混合预测模型，用于血肿扩张的风险分层	NA	提出一种自动方法，用于预测自发性脑出血后的早期血肿扩张	自发性脑出血患者	计算机视觉	脑血管疾病	深度学习	混合模型	影像数据	共258名患者用于模型构建和内部验证，另外两个队列（n=87, 149）用于独立验证
4920	2024-10-21	Deep learning Radiomics Based on Two-Dimensional Ultrasound for Predicting the Efficacy of Neoadjuvant Chemotherapy in Breast Cancer 2024-Nov, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276168 PMID:39257175	研究论文	研究基于术前超声影像组学和深度学习的综合模型对乳腺癌新辅助化疗后病理完全缓解的预测价值	提出了一个结合超声影像组学、深度学习和临床特征的综合预测模型DLRC，显著提高了病理完全缓解状态的预测准确性	研究样本量较小，可能影响模型的泛化能力	评估综合模型对乳腺癌新辅助化疗后病理完全缓解的预测效果	乳腺癌患者及其新辅助化疗后的病理完全缓解状态	数字病理	乳腺癌	深度学习	随机森林递归消除算法和最小绝对收缩与选择算子	图像	155名乳腺癌患者