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
8501	2024-08-21	Audio-Based Emotion Recognition Using Self-Supervised Learning on an Engineered Feature Space 2024-Mar, AI (Basel, Switzerland) DOI:10.3390/ai5010011 PMID:38715564	研究论文	本文研究了基于音频的情绪识别，通过在工程化的特征空间上应用自监督学习来提高模型性能	本文采用了自监督学习方法，在工程化的音频特征数据上进行预训练和微调，相较于直接使用原始音频数据的方法，这种方法在少量标注数据的情况下能显著提升模型性能	文章未明确提及具体的局限性	探索自监督学习在基于音频的情绪识别中的应用效果	研究对象为CMU-MOSEI数据集中的音频数据	机器学习	NA	自监督学习	NA	音频	使用了CMU-MOSEI数据集中的音频数据，具体样本数量未明确提及
8502	2024-08-21	AttnPep: A Self-Attention-Based Deep Learning Method for Peptide Identification in Shotgun Proteomics 2024-02-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00729 PMID:38252705	研究论文	本文提出了一种基于自注意力机制的深度学习方法AttnPep，用于提高蛋白质组学中肽段鉴定的准确性	AttnPep利用自注意力模块帮助神经网络聚焦于与PSM分类相关的特征，忽略不相关的特征，从而提高PSM鉴定的准确性	NA	提高蛋白质组学中肽段鉴定的准确性	蛋白质组学中的肽段鉴定	机器学习	NA	深度学习	自注意力机制	质谱数据	复杂SWATH数据集
8503	2024-08-21	Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data 2024-01-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad213 PMID:37964658	研究论文	本研究开发并评估了基于自由文本手术记录和结构化电子健康记录的多模态深度学习模型，用于预测青光眼手术的多类别结果	本研究首次将术中信息纳入多模态模型，用于预测青光眼手术的多类别结果，并展示了其在临床决策中的价值	NA	研究目的是通过整合术中信息，提高青光眼手术结果预测的准确性	青光眼手术的多类别结果预测	机器学习	青光眼	多模态深度学习	神经网络	文本和结构化数据	NA
8504	2024-08-21	Presegmenter Cascaded Framework for Mammogram Mass Segmentation 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/9422083 PMID:39155940	研究论文	本文提出了一种新颖的两阶段端到端级联框架，用于乳腺X线摄影图像中的乳腺肿块分割，该框架结合了潜在肿块区域的显著性图来指导深度学习模型进行乳腺肿块分割	引入预分割注意力（PSA）块在第二阶段分割模型中，使模型能够根据生成的显著性图动态适应乳腺X线图像中最具信息量的区域	当前的深度学习模型在乳腺X线摄影肿块分割中存在假阳性（FPs）、假阴性（FNs）和端到端方法的挑战	提高乳腺X线摄影图像中乳腺肿块分割的准确性，以支持早期癌症诊断和治疗计划	乳腺X线摄影图像中的乳腺肿块	计算机视觉	乳腺癌	深度学习（DL）	U-net	图像	使用了三个数据集：INbreast、CSAW-S和DMID
8505	2024-08-21	Automatic detection of fish scale circuli using deep learning 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae056 PMID:39155982	研究论文	本文介绍了一种使用卷积神经网络（CNN）自动从鱼鳞图像中提取生长数据的全自动方法	提出了一种基于CNN的自动化方法来检测鱼鳞的生长环（circuli），并能从多个径向轨迹中自动检测鱼鳞中心和个体生长环	在鱼鳞图像的淡水区域，生长带最为狭窄，导致circuli检测的置信度较低	开发一种自动化的方法来提取鱼鳞的生长数据，以便于鱼类年龄和生长分析	鱼鳞的生长环（circuli）	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	焦点检测器训练使用了725张鱼鳞图像，circuli检测器训练使用了40,678个circuli标注
8506	2024-08-21	Comprehensive multimodal deep learning survival prediction enabled by a transformer architecture: A multicenter study in glioblastoma 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae122 PMID:39156618	研究论文	本研究通过结合MR图像、临床和分子病理数据，利用基于transformer的深度学习模型，旨在提高胶质母细胞瘤生存预测的准确性	提出了一种基于transformer的非线性和非比例生存预测模型，并采用自监督学习技术有效编码高维MRI输入，通过交叉注意力与非图像数据整合	NA	提高胶质母细胞瘤生存预测的准确性	胶质母细胞瘤患者的生存预测	机器学习	脑肿瘤	transformer	transformer	图像和非图像数据	共涉及三个独立公共测试集，分别为UPenn-GBM（378例）、UCSF-PDGM（366例）和Rio Hortega University Hospital（RHUH）-GBM（36例）
8507	2024-08-21	BFNet: a full-encoder skip connect way for medical image segmentation 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1412985 PMID:39156824	研究论文	本文提出了一种新的BFNet模型，通过全编码器跳跃连接方式改进医学图像分割	BFNet模型能够利用编码器层的所有特征图，并通过重新连接当前层的编码器，使解码器更好地学习分割目标的位置信息和边界信息	文章未明确提及现有模型的具体限制	改进医学图像分割的准确性和减少网络参数	医学图像分割	计算机视觉	NA	卷积神经网络(CNN)	U-Net	图像	文章未提供具体样本数量
8508	2024-08-21	A deep learning approach to dysphagia-aspiration detecting algorithm through pre- and post-swallowing voice changes 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1433087 PMID:39157445	研究论文	本研究旨在通过深度学习模型识别吞咽困难-吸入患者与健康个体之间的声音特征差异，特别是关注吞咽前后的声音变化	本研究首次使用深度学习模型分析吞咽困难患者吞咽前后的声音变化，并提出了一种新的声音分析程序	研究样本中女性参与者较少，可能影响模型的性别平衡	评估基于声音分析的程序，以检测吞咽困难患者吞咽前后的变化，并提供实时监测	吞咽困难-吸入患者与健康个体的声音特征	机器学习	吞咽困难	深度学习	EfficientAT模型	声音数据	198名年龄大于40岁的参与者
8509	2024-08-21	Assessment of inspiration and technical quality in anteroposterior thoracic radiographs using machine learning 2024-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2023.10.014 PMID:37918335	研究论文	本研究开发了一种深度学习模型，用于评估前后胸片的吸气和技术质量	首次使用卷积神经网络评估前后胸片的吸气和技术质量	模型在技术质量不足的图像上表现最差	探索机器学习算法在评估前后胸片吸气和技术质量方面的性能	前后胸片的吸气和技术质量	计算机视觉	NA	卷积神经网络	CNN	图像	2375张成人前后胸片
8510	2024-08-20	Mechanical strength recognition and classification of thermal protective fabric images after thermal aging based on deep learning 2024-Sep, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2024.2345511 PMID:38741556	研究论文	本研究提出了一种基于迁移学习的图像识别策略，用于区分经过热老化的热防护织物的机械强度	采用数据增强技术克服了训练样本不足的问题，并利用四种预训练模型在三种样本分类模式下探索其性能	对于处于强度下降中间阶段的织物样本，三分类模式优于四分类和六分类模式	评估热老化后热防护服装的安全使用寿命，降低职业人员的风险	热防护织物的热老化后机械强度	计算机视觉	NA	迁移学习	VGG-19	图像	实验中使用了四种预训练模型在三种样本分类模式下进行探索
8511	2024-08-20	Deep learning improves quality of intracranial vessel wall MRI for better characterization of potentially culprit plaques 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69750-4 PMID:39152167	研究论文	本研究通过深度学习技术提高颅内血管壁磁共振成像的质量，以更好地识别潜在的罪魁祸首斑块	深度学习技术显著提高了颅内血管壁成像的图像质量，包括信号噪声比和对比噪声比，并增强了斑块和内斑块出血的检测能力	研究为回顾性分析，样本量相对较小	提高颅内血管壁成像的质量，以便更准确地识别和评估潜在的罪魁祸首斑块	颅内血管壁成像的质量和深度学习技术的应用	计算机视觉	心血管疾病	磁共振成像	深度学习	图像	117名患者
8512	2024-08-20	Variational tensor neural networks for deep learning 2024-Aug-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69366-8 PMID:39152160	研究论文	本文提出将张量网络（TN）与神经网络框架结合，采用变分DMRG启发式训练技术，构建可扩展的张量神经网络（TNN）架构	引入张量网络与神经网络结合的方法，以及变分DMRG启发式训练技术，提高了神经网络在大规模参数空间中的训练效率	NA	解决深度神经网络在大规模神经元情况下遇到的扩展性限制问题	设计并验证张量神经网络在回归、分类和图像识别任务中的准确性和效率	机器学习	NA	张量网络（TN）	张量神经网络（TNN）	图像	MNIST手写数字数据集
8513	2024-08-20	A comparative analysis of classical and machine learning methods for forecasting TB/HIV co-infection 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69580-4 PMID:39152187	研究论文	本研究比较了经典统计和机器学习模型在预测TB/HIV合并感染病例方面的效果	研究发现深度学习模型，特别是双向LSTM和CNN-LSTM，显著优于经典方法	NA	评估和比较不同模型在预测TB/HIV合并感染病例中的表现	TB/HIV合并感染病例的预测	机器学习	NA	NA	SVR, XGBoost, LSTM, CNN, GRU, CNN-GRU, CNN-LSTM	时间序列数据	NA
8514	2024-08-20	Metaheuristics based dimensionality reduction with deep learning driven false data injection attack detection for enhanced network security 2024-Aug-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69806-5 PMID:39152172	研究论文	本文提出了一种基于混合元启发式降维与深度学习的虚假数据注入攻击检测技术，以增强网络安全性	引入了一种新的混合元启发式降维与深度学习技术（HMDR-DLFDIA），用于检测分布系统中的虚假数据注入攻击	未提及具体限制	旨在识别和分类分布系统中的虚假数据注入攻击，以提高网络安全性	分布系统中的虚假数据注入攻击	机器学习	NA	混合元启发式降维，深度学习	堆叠自编码器（SAE）	数据	未提及具体样本数量
8515	2024-08-20	Biologically interpretable multi-task deep learning pipeline predicts molecular alterations, grade, and prognosis in glioma patients 2024-Aug-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00670-2 PMID:39152182	研究论文	开发了一种端到端的多任务深度学习（MDL）管道，用于同时预测胶质瘤患者的分子改变、组织学分级和预后，并提供模型预测的生物学机制	该研究开发了一种生物学可解释的多任务深度学习管道，能够同时预测胶质瘤的分子改变、分级和预后，并提供了生物学机制的解释	NA	开发一种能够同时预测胶质瘤分子改变、分级和预后的多任务深度学习管道，并解释其生物学机制	胶质瘤患者的分子改变、组织学分级和预后	机器学习	脑肿瘤	深度学习	多任务深度学习模型	MRI图像	2776名胶质瘤患者
8516	2024-08-20	Deep learning-based prediction of indication for cracked tooth extraction using panoramic radiography 2024-Aug-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04721-9 PMID:39152384	研究论文	本文研究了使用全景放射摄影和深度学习模型预测裂牙拔除指征的可行性	首次尝试使用深度学习模型通过全景放射摄影预测裂牙拔除的指征	模型的特异性较低，范围在52.63-60.77%	确定使用深度学习预测裂牙拔除指征的可行性	418颗牙齿的全景放射图像，包括209颗正常牙齿和209颗裂牙	计算机视觉	NA	深度学习	InceptionV3, ResNet50, EfficientNetB0	图像	418颗牙齿
8517	2024-08-20	Artificial Intelligence Enabled Interpretation of ECG Images to Predict Hematopoietic Cell Transplantation Toxicity 2024-Aug-16, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2024013636 PMID:39158065	研究论文	本文利用人工智能技术解读心电图图像，预测造血细胞移植后的心脏并发症和总体生存率	AI-ECG技术为造血细胞移植后的个性化风险评估提供了一种新策略	NA	探讨AI-ECG技术在预测造血细胞移植后心脏并发症和总体生存率方面的应用	接受造血细胞移植的血液恶性肿瘤患者	机器学习	血液恶性肿瘤	深度学习	NA	图像	1377名患者（849名自体造血细胞移植和528名异基因造血细胞移植接受者）
8518	2024-08-20	Technical note: MR image-based synthesis CT for CyberKnife robotic stereotactic radiosurgery 2024-Aug-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a62 PMID:39094608	研究论文	本研究旨在探讨基于深度学习的合成CT图像是否能在CyberKnife机器人立体定向放射手术中实现精确的剂量计算。	本研究将基于MR的合成CT预测扩展到CyberKnife机器人立体定向放射手术，扩展了仅MR放射治疗的应用场景。	NA	研究基于深度学习的合成CT图像在CyberKnife机器人立体定向放射手术中的剂量计算准确性。	研究对象为CyberKnife机器人立体定向放射手术中的MR图像和CT图像。	计算机视觉	NA	深度学习	U-net卷积神经网络	图像	使用了2446对MR-CT图像进行训练，并使用551张MR图像进行测试。
8519	2024-08-20	Bridging pharmacology and neural networks: A deep dive into neural ordinary differential equations 2024-Aug, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.13149 PMID:38992975	综述	本文深入探讨了神经常微分方程（Neural ODEs）在药物开发和临床药理学中的应用	Neural ODEs结合了机制模型和深度学习模型，能够精确模拟连续动态系统	将Neural ODEs应用于临床试验数据集（具有稀疏和不规则时间测量）存在挑战	探讨Neural ODEs在模型指导的药物开发中的应用	Neural ODEs在处理稀疏和不规则数据方面的能力	机器学习	NA	Neural ODEs	混合模型	临床数据	NA
8520	2024-08-20	MRI-based deep learning and radiomics for prediction of occult cervical lymph node metastasis and prognosis in early-stage oral and oropharyngeal squamous cell carcinoma: a diagnostic study 2024-Aug-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001578 PMID:38729119	研究论文	本文构建并评估了一种基于深度学习特征和放射组学特征的术前诊断方法，用于预测早期口腔和口咽鳞状细胞癌中的隐匿性颈部淋巴结转移	提出了基于MRI的Resnet50深度学习模型，该模型在诊断隐匿性颈部淋巴结转移和预测早期口腔和口咽鳞状细胞癌的预后方面表现出高能力	NA	开发和评估一种新的术前诊断方法，以预测早期口腔和口咽鳞状细胞癌中的隐匿性颈部淋巴结转移	早期口腔和口咽鳞状细胞癌患者	机器学习	口腔癌	MRI	Resnet50	图像	319名患者