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
6321	2024-10-05	Integrated block-wise neural network with auto-learning search framework for finger gesture recognition using sEMG signals 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102777 PMID:38462279	研究论文	本文提出了一种自动学习搜索框架（ALSF），用于生成集成块状神经网络（IBWNN），以实现基于sEMG信号的手指手势识别	本文的创新点在于引入了一个自动学习搜索框架，通过强化学习方法生成优化的神经网络模型，减少了对手动调参的依赖	NA	提高基于sEMG信号的手指手势识别的准确性和效率	基于sEMG信号的手指手势识别	机器学习	NA	sEMG信号	集成块状神经网络（IBWNN）	信号	NA
6322	2024-10-05	Opportunities and challenges of artificial intelligence and distributed systems to improve the quality of healthcare service 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102779 PMID:38462281	综述	本文综述了机器学习、深度学习和分布式系统在提升医疗服务质量中的应用	本文填补了关于机器学习、深度学习和分布式系统在医疗领域应用的综合性综述的空白	本文主要关注现有技术的综述，未涉及具体的技术实现或实验验证	探讨人工智能和分布式系统在提升医疗服务质量中的机遇与挑战	机器学习、深度学习和分布式系统在医疗领域的应用	机器学习	心血管疾病	机器学习、深度学习、分布式系统	卷积神经网络（CNN）、长短期记忆网络（LSTM）、浅层学习网络	NA	NA
6323	2024-10-05	Multi input-Multi output 3D CNN for dementia severity assessment with incomplete multimodal data 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102774 PMID:38462278	研究论文	本文提出了一种多输入-多输出3D卷积神经网络，用于处理不完整的多模态数据进行痴呆严重程度评估	提出的网络能够处理不完整的多模态数据，即在一种图像模态缺失的情况下仍能进行评估	NA	研究多模态深度学习方法在痴呆严重程度评估中的应用	阿尔茨海默病患者的痴呆严重程度	计算机视觉	神经退行性疾病	深度学习	3D卷积神经网络	图像	使用了OASIS-3数据集进行实验
6324	2024-10-05	Development and validation of a deep interpretable network for continuous acute kidney injury prediction in critically ill patients 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102785 PMID:38462285	研究论文	本研究开发并验证了一种深度可解释网络，用于在重症患者中连续预测急性肾损伤（AKI）的风险	本研究创新性地设计了DeepAKI模型，采用挤压激励网络和膨胀因果卷积的基本框架，并利用集成梯度方法解释预测模型	深度学习模型在实际临床环境中的泛化能力存在潜在威胁	开发一种能够在重症患者中实时连续预测24小时急性肾损伤风险的深度可解释网络，并评估其内外部性能	重症患者的急性肾损伤风险	机器学习	肾脏疾病	挤压激励网络、膨胀因果卷积	CNN	电子健康记录	共21,163名患者的数据用于模型构建，3025名患者和2625名患者分别用于外部验证
6325	2024-10-05	An interpretable dual attention network for diabetic retinopathy grading: IDANet 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102782 PMID:38462283	研究论文	提出了一种可解释的双注意力网络IDANet，用于糖尿病视网膜病变分级	采用双向空间和通道并行注意力机制，提取细粒度DR分级的判别特征	未提及具体局限性	提高糖尿病视网膜病变分级的准确性和可解释性	糖尿病视网膜病变及其微小病变	计算机视觉	糖尿病视网膜病变	双向空间和通道并行注意力机制	CNN	图像	四个广泛使用的基准数据集
6326	2024-10-05	NPB-REC: A non-parametric Bayesian deep-learning approach for undersampled MRI reconstruction with uncertainty estimation 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102798 PMID:38462289	研究论文	本文介绍了一种非参数贝叶斯深度学习方法NPB-REC，用于从欠采样的MRI数据中重建高质量图像并估计不确定性	提出了NPB-REC框架，结合随机梯度Langevin动力学训练网络参数的后验分布，提高了图像重建质量和不确定性估计的准确性	未提及	提高MRI时间分辨率和减少采集时间，同时量化重建图像的不确定性	欠采样的MRI数据	计算机视觉	NA	随机梯度Langevin动力学	非参数贝叶斯框架	MRI图像	多线圈MRI数据集，来自fastMRI挑战赛
6327	2024-10-05	DISCOVER: 2-D multiview summarization of Optical Coherence Tomography Angiography for automatic diabetic retinopathy diagnosis 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102803 PMID:38462293	研究论文	本文研究了使用光学相干断层扫描血管造影（OCTA）进行糖尿病视网膜病变（DR）自动诊断的方法	提出了两种互补的策略来优化OCTA体积的2D图像摘要：通过深度学习优化的参数化正面投影和基于梯度归因的横截面切片选择过程	NA	研究自动DR严重程度评估方法	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	神经网络	图像	NA
6328	2024-10-05	Scalable Swin Transformer network for brain tumor segmentation from incomplete MRI modalities 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102788 PMID:38462288	研究论文	本文提出了一种名为IMS2Trans的新型轻量级可扩展Swin Transformer网络，用于从不完全的MRI模态中进行脑肿瘤分割	利用单一编码器从所有可用模态中提取潜在特征图，实现了模态间的高效信息共享和融合，即使在存在缺失模态的情况下也能保持分割性能	未提及	提高在不完全MRI模态下脑肿瘤分割的准确性和效率	脑肿瘤分割	计算机视觉	脑肿瘤	MRI	Swin Transformer	图像	BraTS 2018和BraTS 2020数据集
6329	2024-10-05	Improving deep-learning electrocardiogram classification with an effective coloring method 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102809 PMID:38462295	研究论文	本文提出了一种通过颜色化技术将患者病历中的临床信息整合到心电图分类中的创新方法	通过颜色化技术将人口统计信息映射到RGB颜色空间，增强了心电图分析的准确性	NA	提高心电图分类的准确性，支持精准医疗	心电图分类	机器学习	心血管疾病	颜色化技术	深度学习模型	心电图数据	PTB-XL数据集
6330	2024-10-05	End-to-end Deep Learning Restoration of GLCM Features from blurred and noisy images 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006205 PMID:39239466	研究论文	本文提出了一种端到端的深度学习算法，用于从模糊和噪声图像中恢复灰度共生矩阵（GLCM）特征	开发了一种双域深度学习算法，通过两个U-Net网络和一个可微分的GLCM估计器来恢复图像和GLCM特征	NA	解决放射组学模型在不同扫描仪和成像条件下特征值变异性问题，提高模型的泛化能力	肺部CT图像块	计算机视觉	NA	深度学习	U-Net	图像	NA
6331	2024-10-05	Developing a deep learning model for sleep stage prediction in obstructive sleep apnea cohort using 60 GHz frequency-modulated continuous-wave radar 2024-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.14050 PMID:37752626	研究论文	本研究利用60 GHz调频连续波雷达和注意力机制的双向长短期记忆模型，对阻塞性睡眠呼吸暂停患者的睡眠阶段进行预测	首次使用60 GHz调频连续波雷达结合注意力机制的双向长短期记忆模型进行睡眠阶段预测，并展示了多雷达数据结合的优势	模型性能随OSA严重程度增加而下降，但通过增加雷达数据可以部分缓解	开发一种非侵入性且成本效益高的睡眠阶段预测方法，以替代传统的多导睡眠图分类	阻塞性睡眠呼吸暂停患者的睡眠阶段	机器学习	阻塞性睡眠呼吸暂停	60 GHz调频连续波雷达	注意力机制的双向长短期记忆模型	雷达数据	78名阻塞性睡眠呼吸暂停患者
6332	2024-10-05	Segmentation study of nanoparticle topological structures based on synthetic data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311228 PMID:39356683	研究论文	本文提出了一种基于合成数据的纳米颗粒拓扑结构分割方法，旨在解决材料领域数据量小的问题	通过结合渲染软件生成的合成数据与15%的真实数据，显著提高了深度学习模型的训练效果	仅使用了15%的真实数据，可能影响模型在真实场景中的泛化能力	解决材料科学领域数据量小的问题，提高纳米颗粒拓扑结构分割的准确性	纳米颗粒的拓扑结构	计算机视觉	NA	深度学习	U-Net	图像	合成数据与15%的真实数据
6333	2024-10-05	Towards automatic farrowing monitoring-A Noisy Student approach for improving detection performance of newborn piglets 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310818 PMID:39356687	研究论文	本文提出了一种基于Noisy Student方法的自动生成标注信息的技术，用于提高新生猪仔检测模型的性能	采用Noisy Student方法自动生成标注信息，减少了手动标注的成本和时间消耗	NA	提高新生猪仔检测模型的性能，以支持分娩监控系统的改进	新生猪仔和母猪的身体部位	计算机视觉	NA	Noisy Student方法	教师-学生模型	图像	NA
6334	2024-10-05	Deep learning enabled label-free microfluidic droplet classification for single cell functional assays 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1468738 PMID:39359262	研究论文	本文开发了一种基于ResNet-50深度学习模型的无标签微流控液滴分类方法，用于单细胞功能分析	该模型能够在包含非细胞结构的液滴中准确分类细胞数量，适用于多种细胞类型，具有广泛的应用前景	NA	开发一种高效准确的液滴分类方法，用于单细胞功能分析	微流控液滴中的细胞数量分类	计算机视觉	NA	深度学习	ResNet-50	图像	NA
6335	2024-10-04	Predicting BRCA mutation and stratifying targeted therapy response using multimodal learning: a multicenter study 2024-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2024.2399759 PMID:39258876	研究论文	本研究开发并验证了一种多模态模型，用于预测BRCA1/2基因状态并评估PARPi治疗反应	本研究创新性地结合了组织特征、细胞特征和临床因素，构建了MIAM-C模型，显著提高了BRCA1/2基因状态的识别准确性，并能有效预测PARPi治疗的反应	本研究仅在卵巢癌、乳腺癌、前列腺癌和胰腺癌患者中进行了验证，未来需要在更多癌症类型中进行进一步验证	开发和验证一种多模态模型，用于预测BRCA1/2基因状态并评估PARPi治疗反应	卵巢癌、乳腺癌、前列腺癌和胰腺癌患者	数字病理学	卵巢癌	多实例注意力模型（MIAM）	多模态模型	病理图像、细胞特征和临床因素	1417名患者，1695张病理切片
6336	2024-10-04	CIDACC: Chlorella vulgaris image dataset for automated cell counting 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110941 PMID:39351130	研究论文	本文介绍了CIDACC数据集，用于微藻培养中的细胞计数	该数据集通过高分辨率图像和详细的分割掩码及边界框，为自动细胞检测、计数、大小和几何估计提供了丰富的资源	数据集的动态特性和复杂的相关性使其具有挑战性	旨在推进计算机视觉在微藻研究和相关领域的应用	微藻细胞的自动检测、计数、大小和几何估计	计算机视觉	NA	NA	深度学习架构	图像	628张图像
6337	2024-10-04	MycoAI: Fast and accurate taxonomic classification for fungal ITS sequences 2024-Nov, Molecular ecology resources IF:5.5Q1 DOI:10.1111/1755-0998.14006 PMID:39152642	研究论文	介绍了一个名为MycoAI的Python包，用于快速且准确地对真菌ITS序列进行分类	引入了BERT和CNN等深度学习模型，并采用多头输出架构和多层次分层标签平滑技术，显著提高了分类的准确性和效率	由于参考数据不足，分类结果仍需人工验证	开发一种高效且准确的真菌ITS序列分类方法	真菌ITS序列的分类	机器学习	NA	深度学习	BERT, CNN	序列	超过500万条标记序列
6338	2024-10-04	Development of a deep learning model for detecting lumbar vertebral fractures on CT images: An external validation 2024-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111685 PMID:39197270	研究论文	开发并外部验证了一种基于CT图像的深度学习模型，用于检测腰椎椎体骨折	利用3D V-Net和3D ResNet卷积深度神经网络进行椎体分割和骨折分类	NA	开发和验证一种用于检测腰椎椎体骨折的二分类模型	腰椎椎体骨折的检测	计算机视觉	骨骼疾病	深度学习	3D V-Net, 3D ResNet	图像	Cohort A: 248名患者，1508个椎体；Cohort B: 148名患者，887个椎体
6339	2024-10-04	Exploring prognostic biomarkers in pathological images of colorectal cancer patients via deep learning 2024-Nov, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70003 PMID:39343999	研究论文	本文利用深度学习技术从结直肠癌患者的病理图像中探索预后生物标志物	开发了结直肠癌风险评分（CRCRS），并结合Grad-CAM可视化病理表型，通过多组学数据探讨了CRCRS的潜在生物学机制	NA	探索结直肠癌患者的预后生物标志物	结直肠癌患者的病理图像	数字病理学	结直肠癌	深度学习	弱监督深度学习模型	图像	640名结直肠癌患者（PLCO数据集）和522名结直肠癌患者（TCGA数据集）
6340	2024-10-04	Unveiling the Role of Solvent in Solution Phase Chemical Reactions using Deep Potential-Based Enhanced Sampling Simulations 2024-Oct-03, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c02224 PMID:39312298	研究论文	本文使用基于深度学习的主动学习策略开发了适用于溶液相反应系统的机器学习势能，并通过增强采样模拟研究了溶剂在反应中的作用	本文创新性地使用机器学习势能进行增强采样模拟，揭示了溶剂在溶液相化学反应中的作用	NA	研究溶剂在溶液相化学反应中的作用	Menshutkin反应，一种经典的二分子亲核取代反应	NA	NA	机器学习	深度学习模型	NA	NA