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
5921	2024-10-17	Influence of spatio-temporal filtering on hand kinematics estimation from high-density EMG signals 2024-03-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad3498 PMID:38525843	研究论文	研究了时空滤波对从高密度表面肌电信号（sEMG）估计手部运动学的影响	展示了使用全带宽信号和高密度电极系统可以显著提高手部运动学估计的准确性	研究结果表明，增加电极数量可能进一步提高准确性，但未在当前研究中验证	探讨如何通过优化sEMG信号的预处理和电极数量来提高手部运动学估计的准确性	高密度sEMG信号和手部运动学	机器学习	NA	表面肌电图（sEMG）	深度学习	信号	13名受试者的320个电极记录的sEMG信号
5922	2024-10-17	Optimizing Deep Learning for Cardiac MRI Segmentation: The Impact of Automated Slice Range Classification 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.07.008 PMID:37541826	研究论文	本研究通过集成自动切片范围分类步骤，优化了深度学习在心脏MRI分割中的应用	本研究创新性地引入了自动切片范围分类步骤，显著提高了深度学习模型在心脏MRI分割中的性能	本研究的局限性在于仅使用了公开数据集，未来需要进一步验证其在不同数据集上的泛化能力	本研究旨在优化深度学习在心脏MRI分割中的应用，减少人工分割的偏差	本研究主要针对心脏MRI图像中的左心室、右心室和心肌进行分割	计算机视觉	心血管疾病	深度学习	2D-UNet	图像	本研究使用了160个训练样本、40个验证样本和160个测试样本
5923	2024-10-17	CNNs trained with adult data are useful in pediatrics. A pneumonia classification example 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306703 PMID:39052572	研究论文	本文探讨了使用成人数据训练的卷积神经网络（CNN）在儿科医疗中的适用性，并以肺炎分类为例进行了验证	本文展示了使用成人数据训练的CNN在儿科医疗中的适应性和有效性，为解决儿科数据稀缺问题提供了一种新思路	本文仅以肺炎分类为例，未涵盖其他儿科疾病，且研究样本仅限于1至5岁的儿童	验证使用成人数据训练的CNN在儿科医疗中的适用性	1至5岁儿童的胸部X光片	计算机视觉	肺炎	卷积神经网络（CNN）	CNN	图像	46,947张成人胸部X光片用于训练，5,856张1至5岁儿童胸部X光片用于评估
5924	2024-10-17	Multi-disease X-ray Image Classification of the Chest Based on Global and Local Fusion Adaptive Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056291283240808045952 PMID:39150027	研究论文	本文提出了一种基于全局和局部融合自适应网络的多疾病胸部X光图像分类方法	本文创新性地设计了MMPDenseNet网络，结合了自适应激活函数Meta-ACON、多头自注意力机制和金字塔挤压注意力模块，以增强特征表示和提取能力	NA	利用先进的图像处理技术和深度学习算法，自动分析和识别胸部X光图像中的病理或结构异常	胸部X光图像中的多标签疾病分类	计算机视觉	NA	深度学习算法	MMPDenseNet	图像	NA
5925	2024-10-17	Revolution of Medical Review: The Application of Meta-Analysis and Convolutional Neural Network-Natural Language Processing in Classifying the Literature for Head and Neck Cancer Radiotherapy 2024 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748241286688 PMID:39323027	研究论文	本研究探讨了元分析和卷积神经网络-自然语言处理（CNN-NLP）技术在分类头颈癌放疗相关文献中的应用	通过将统计分析与深度学习相结合，成功识别了与正常组织并发症概率（NTCP）相关的关键研究	数据质量和模型泛化存在挑战	提高文献综述的效率和准确性	头颈癌放疗相关文献	自然语言处理	头颈癌	卷积神经网络-自然语言处理（CNN-NLP）	卷积神经网络（CNN）	文本	NA
5926	2024-10-17	Multi-Scale Spatio-Temporal Memory Network for Lightweight Video Denoising 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3444315 PMID:39378250	研究论文	提出了一种多尺度时空记忆网络（MSTMN）用于轻量级视频去噪，旨在提高成本与性能之间的平衡	利用高斯-拉普拉斯金字塔分解的多尺度表示，设计了有效的方差估计、对齐误差估计和自适应融合模块，并引入了记忆增强模块以利用全局时空信息	未提及具体限制	解决深度学习视频去噪方法在实际应用中的高计算成本问题	视频去噪算法	计算机视觉	NA	高斯-拉普拉斯金字塔分解	多尺度时空记忆网络（MSTMN）	视频	使用了真实世界的原始视频数据集进行实验
5927	2024-10-17	LTPLN: Automatic pavement distress detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309172 PMID:39388401	研究论文	本文提出了一种基于轻量级Transformer Patch标签网络（LTPLN）的新方法，用于提高路面病害自动检测的效率	引入轻量级Transformer模型，结合深度可分离卷积模块和标签蒸馏策略，显著降低了计算复杂度并提高了检测速度	实验结果主要基于私有和公共数据集，尚未在更广泛的环境中验证其泛化能力	提高路面病害自动检测的效率和准确性	路面病害检测	计算机视觉	NA	Transformer模型，深度可分离卷积	轻量级Transformer Patch标签网络（LTPLN）	图像	私有路面病害数据集和公共数据集
5928	2024-10-17	Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions 2024, Proceedings of the ... SIAM International Conference on Data Mining. SIAM International Conference on Data Mining DOI:10.1137/1.9781611978032.41 PMID:39399238	研究论文	本文提出了一种名为AutoFM的神经架构搜索框架，用于自动融合多模态电子健康记录数据，以提高医疗预测的准确性	本文的创新点在于提出了一个自动化的神经架构搜索框架AutoFM，能够自动搜索最优的模型架构，用于编码多样的输入模态和融合策略	NA	本文的研究目的是通过自动化模型设计来挖掘电子健康记录数据，以提高医疗服务的质量	本文的研究对象是多模态电子健康记录数据	机器学习	NA	神经架构搜索 (NAS)	神经网络	电子健康记录 (EHR) 数据	NA
5929	2024-10-17	Specialized gray matter segmentation via a generative adversarial network: application on brain white matter hyperintensities classification 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1416174 PMID:39403067	研究论文	本文提出了一种基于生成对抗网络（GAN）的灰质分割方法，用于脑白质高信号（WMH）分类，特别是针对皮质旁WMH（JCWMH）的分类	本文创新性地使用条件生成对抗网络（cGAN）替代传统的分割流程，仅使用FLAIR图像进行WMH分类，显著提高了分类效率和准确性	由于缺乏多类标记的WMH数据集，研究中需要手动分割和标记部分数据，这可能影响模型的泛化能力	开发一种自动化的WMH检测和分类方法，以辅助脑部疾病的诊断和监测	脑白质高信号（WMH），特别是皮质旁WMH（JCWMH）	计算机视觉	多发性硬化症（MS）	生成对抗网络（GAN）	条件生成对抗网络（cGAN）	图像	大量本地数据集，手动分割和标记部分WMH和脑室数据
5930	2024-10-17	Prediction Model for in-Stent Restenosis Post-PCI Based on Boruta Algorithm and Deep Learning: The Role of Blood Cholesterol and Lymphocyte Ratio 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S487511 PMID:39403292	研究论文	本文基于Boruta算法和深度学习开发了一种预测PCI术后支架内再狭窄的模型，并探讨了血胆固醇与淋巴细胞比率在其中的作用	首次将胆固醇-淋巴细胞比率（CLR）作为预测支架内再狭窄的新生物标志物，并结合深度学习模型进行预测	研究为回顾性分析，样本量有限，需进一步前瞻性研究验证	开发一种预测PCI术后支架内再狭窄的模型，并评估CLR的预测价值	PCI术后支架内再狭窄的预测及CLR的预测作用	机器学习	心血管疾病	深度学习	多层感知器（MLP）	临床和实验室数据	1967名患者
5931	2024-10-17	Fruit and vegetable leaf disease recognition based on a novel custom convolutional neural network and shallow classifier 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1469685 PMID:39403618	研究论文	本文提出了一种基于自定义卷积神经网络和浅层分类器的水果和蔬菜叶片疾病识别方法	本文提出了一种新的深度学习和优化框架，结合了Bi-LSTM和Haze减少技术进行对比度增强，并设计了两种自定义模型BRwSA和IBRwSA，以及使用改进的人类学习优化算法进行特征优化和分类	NA	解决水果和蔬菜叶片疾病识别中的挑战，提高分类准确性和减少测试时间	苹果和黄瓜叶片疾病	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	苹果和黄瓜叶片数据集
5932	2024-10-16	Psychiatric disorders from EEG signals through deep learning models 2024-Dec, IBRO neuroscience reports IF:2.0Q3 DOI:10.1016/j.ibneur.2024.09.003 PMID:39398346	研究论文	本研究提出了一种基于深度学习技术的改进EEG诊断模型，用于提高精神障碍的诊断准确性	本研究采用了多种深度学习模型（如ANN、KNN、LSTM、Bi LSTM和CNN-LSTM）对EEG数据进行分析，显著提高了精神障碍的诊断准确性	NA	提高精神障碍的诊断准确性	精神障碍的诊断	机器学习	精神障碍	深度学习	ANN、KNN、LSTM、Bi LSTM、CNN-LSTM	EEG数据	945人，包括850名患者和95名健康受试者
5933	2024-10-16	A comprehensive dental dataset of six classes for deep learning based object detection study 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110970 PMID:39398472	研究论文	本文介绍了一个用于深度学习对象检测研究的牙科数据集	该数据集包含了232张全景牙科放射图像，分为六类，并应用了CLAHE技术进行图像增强和数据增强	NA	改进基于深度学习的牙科疾病检测和分类研究	牙科疾病数据集	计算机视觉	NA	CLAHE	NA	图像	232张全景牙科放射图像
5934	2024-10-16	Deep feature batch correction using ComBat for machine learning applications in computational pathology 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100396 PMID:39398947	研究论文	本文研究了使用ComBat方法对深度学习特征进行批量校正，以提高计算病理学中机器学习模型的性能	提出了一种使用ComBat方法对深度学习特征进行批量校正的新方法，以减少AI模型学习到混杂特征的风险	NA	研究如何减少AI模型在处理多源数据时学习到混杂特征的风险，以提高模型的泛化能力和可靠性	研究对象包括来自TCGA的结肠癌和胃腺癌的全切片图像，以及通过三种特征提取模型获得的补丁嵌入	数字病理学	结肠癌	ComBat	基于注意力的多实例学习模型	图像	包括来自TCGA的结肠癌和胃腺癌数据集的全切片图像
5935	2024-10-16	Deep learning for diagnostic charting on pediatric panoramic radiographs 2024-Oct-15, International journal of computerized dentistry IF:1.8Q2 DOI:10.3290/j.ijcd.b4200863 PMID:37417445	研究论文	评估深度学习程序在儿童全景X光片上检测和分类牙齿结构及治疗的能力	使用YOLOv4模型在儿童全景X光片上成功诊断出乳牙、恒牙胚和牙套，具有较高的F1分数	模型在检测某些牙齿结构和治疗（如填充物、根管治疗和多余牙齿）方面存在局限性	评估深度学习程序在儿童全景X光片上检测和分类牙齿结构及治疗的表现	4821张5至13岁儿童的全景X光片	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	4821张儿童全景X光片
5936	2024-10-16	Tracing Microplastic Aging Processes Using Multimodal Deep Learning: A Predictive Model for Enhanced Traceability 2024-Oct-15, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c05022 PMID:39251361	研究论文	本文提出了一种多模态深度学习模型，用于追踪老化微塑料的典型老化因素	利用多模态深度学习模型提高了老化微塑料老化因素预测的准确性和减少了预测偏差	NA	追踪和理解微塑料的老化过程，为老化微塑料的环境风险评估提供更准确的数据	老化微塑料的老化过程及其物理化学特性	机器学习	NA	多模态深度学习	多模态深度学习模型	图像和光谱数据	130个经历不同老化过程的老化微塑料样本，包含1353张表面形态图像和1353个傅里叶变换红外光谱
5937	2024-10-16	Early heart disease prediction using feature engineering and machine learning algorithms 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38731 PMID:39397946	研究论文	本研究利用特征工程和机器学习算法进行早期心脏病预测	本研究通过对比分析多种机器学习算法，选择最优算法进行早期心脏病预测，并采用超参数调优方法提升模型性能	本研究仅使用了Cleveland和Statlog心脏数据集，未来可以扩展到更多数据集以验证模型的泛化能力	开发一个用于早期心血管疾病预测的机器学习系统	心血管疾病	机器学习	心血管疾病	机器学习	决策树、随机森林、支持向量机、逻辑回归、自适应增强、K近邻	数据集	使用了Cleveland和Statlog心脏数据集
5938	2024-10-16	Application of mask R-CNN for building detection in UAV remote sensing images 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38141 PMID:39397997	研究论文	本文提出了一种基于Mask R-CNN的建筑物特征提取方法，用于提高无人机遥感图像中建筑物检测的准确性和细节	本文创新性地将Mask R-CNN应用于建筑物特征提取，相比传统方法和其他深度学习模型，显著提高了检测精度和稳定性	NA	解决传统方法在复杂背景下建筑物特征提取精度低和三维建模细节不足的问题	无人机遥感图像中的建筑物	计算机视觉	NA	Mask R-CNN	Mask R-CNN	图像	通过航拍获取的城市建筑物图像，并进行了建筑物轮廓标注
5939	2024-10-16	Hybrid ensemble deep learning model for advancing breast cancer detection and classification in clinical applications 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38374 PMID:39398009	研究论文	研究提出了一种混合集成深度学习模型，用于提高临床应用中乳腺癌检测和分类的准确性	该研究引入了混合模型，结合图像预处理技术和深度学习算法，显著提高了乳腺癌病变的检测和分类准确性	NA	提高乳腺癌检测和分类的准确性	乳腺X光片中的乳腺癌病变	计算机视觉	乳腺癌	对比度受限自适应直方图均衡化、高斯模糊、锐化方法、集成深度随机向量-功能链接神经网络算法、YOLOv5、MedSAM分割模型	混合集成深度学习模型	图像	20,000张乳腺X光片，800名患者
5940	2024-10-16	Enhanced classification performance using deep learning based segmentation for pulmonary embolism detection in CT angiography 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38118 PMID:39398015	研究论文	开发了一种基于深度学习的算法，用于在CT肺动脉造影中自动准确地分类患者是否患有肺栓塞	使用nnU-Net进行分割，并通过基于PE体积和概率阈值的逻辑规则增强分类性能	NA	开发一种自动且准确的深度学习算法，用于在CT肺动脉造影中检测肺栓塞	CT肺动脉造影中的肺栓塞检测	计算机视觉	肺栓塞	深度学习	nnU-Net	图像	700例CT肺动脉造影检查，来自652名患者，其中149例包含1497个由放射科医生追踪的PE