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
8661	2024-08-11	The concept of AI-assisted self-monitoring for skeletal malocclusion 2024 Jul-Sep, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241274511 PMID:39120929	研究论文	本研究利用深度学习技术，通过训练模型分析侧位照片，辅助自我监测骨骼错𬌗畸形	首次将深度学习应用于口腔医学中的自我健康管理，提高了筛查骨骼错𬌗畸形的准确性	NA	探索深度学习在骨骼错𬌗畸形筛查中的应用	骨骼错𬌗畸形患者	机器学习	骨骼错𬌗畸形	深度学习	CNN	图像	2109名新诊断患者
8662	2024-08-11	Machine-to-Machine Transfer Function in Deep Learning-Based Quantitative Ultrasound 2024-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3384815 PMID:38857123	研究论文	本文研究了一种机器到机器（M2M）转移函数方法，用于在基于深度学习的定量超声（QUS）中减少数据不匹配问题	引入了M2M转移函数，能够减少深度学习模型开发成本，并实现多源数据或扫描器的组合以及机器间的模型转移	文章未明确提及具体的局限性	探索并改进基于深度学习的定量超声中的数据匹配问题	研究M2M转移函数在不同超声扫描器和探头间的应用效果	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	使用了SonixOne和Verasonics两种机器，配备L9-4和L11-5两种探头进行数据采集
8663	2024-08-11	Using an interpretable deep learning model for the prediction of riverine suspended sediment load 2024-May, Environmental science and pollution research international DOI:10.1007/s11356-024-33290-1 PMID:38656723	研究论文	本研究开发了一种基于深度学习和Shapley加性解释技术的可解释模型，用于预测河流系统中的悬浮沉积物负荷	本研究的创新点在于开发了一种可解释的深度学习模型，并应用Shapley加性解释技术来解释模型的输出	NA	研究目的是开发一种可解释的深度学习模型，用于预测河流系统中的悬浮沉积物负荷	研究对象是Taleghan河流域的每日悬浮沉积物负荷预测	机器学习	NA	深度学习	密集深度神经网络(DDNN), 长短期记忆(LSTM), 门控循环单元(GRU), 简单循环神经网络(RNN)	河流流量和降雨数据	Taleghan河流域的每日数据
8664	2024-08-11	Quantifying the scale of erosion along major coastal aquifers of Pakistan using geospatial and machine learning approaches 2024-May, Environmental science and pollution research international DOI:10.1007/s11356-024-33296-9 PMID:38662291	研究论文	本研究使用地理空间和机器学习方法量化巴基斯坦主要沿海含水层的侵蚀规模	本研究结合数据融合和深度学习图像分割架构，提出了一种新的侵蚀和淤积评估方法	NA	监测巴基斯坦主要沿海含水层的侵蚀情况，并提出解决方案	巴基斯坦的沿海含水层	机器学习	NA	图像分割	U-Net with EfficientNet backbone	图像	涉及多个地点，包括Sandspit、Indus delta、Sonmiani、Miani Hor、Bhuri creek、east Phitii creek、Waddi creek、Tummi creek和East Khalri creek
8665	2024-08-11	Machine Learning Approaches for Dementia Detection Through Speech and Gait Analysis: A Systematic Literature Review 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-231459 PMID:38848181	综述	本文通过系统文献综述，总结了基于机器学习的非侵入性方法在通过语音和步态分析进行痴呆预测中的应用	综述强调了机器学习，特别是非侵入性方法在早期预测痴呆中的潜力	NA	总结当前基于机器学习的痴呆预测方法，特别是非侵入性方法	痴呆的早期预测	机器学习	痴呆	支持向量机、深度学习	支持向量机、深度学习模型	语音、步态数据	40篇相关研究论文
8666	2024-08-11	A new protocol for multispecies bacterial infections in zebrafish and their monitoring through automated image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304827 PMID:39116043	研究论文	本文开发了一种新的多物种细菌感染协议，并利用自动化图像分析技术监测斑马鱼内耳结构中的感染情况	首次为斑马鱼模型建立了多物种细菌感染协议，并开发了基于深度学习的图像分析管道，用于自动分割内耳结构和量化病原体频率	NA	解决斑马鱼模型中缺乏多物种感染协议和合适的图像分析管道的问题	斑马鱼内耳结构中的单物种和多物种细菌感染	数字病理学	NA	深度学习	CNN	图像	使用铜绿假单胞菌、鲍曼不动杆菌和肺炎克雷伯菌三种难以治疗的ESKAPE病原体进行实验
8667	2024-08-11	Fruit-In-Sight: A deep learning-based framework for secondary metabolite class prediction using fruit and leaf images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308708 PMID:39116159	研究论文	本研究开发了一种基于深度学习的框架，利用水果和叶片图像预测次级代谢物的浓度类别	本研究首次使用水果和叶片图像，通过深度学习模型预测次级代谢物的浓度类别，无需昂贵的实验室设备和繁琐的分析程序	研究仅限于从野生生长在0.6百万平方公里内的楝树中收集的1045个水果和叶片样本	验证是否可以通过水果和叶片图像的深度学习模型预测代谢物的浓度类别	楝树的水果和叶片	机器学习	NA	深度学习	YOLOv5, GoogLeNet, InceptionNet, EfficientNet_B0, Resnext_50, Resnet18, SqueezeNet	图像	1045个水果和叶片样本
8668	2024-08-11	Chicken swarm optimization modelling for cognitive radio networks using deep belief network-enabled spectrum sensing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305987 PMID:39116190	研究论文	本研究提出了一种新的认知无线网络频谱感知技术（SST-CRN），利用深度信念网络（DBN）和鸡群算法（CSA）进行非线性阈值设定，以提高频谱效率和网络韧性	本研究通过结合DBN的深度学习能力和CSO的自然启发算法，创建了一个协同框架，使CRN能够自主探索和分配频谱，具有惊人的准确性	未来的研究可能需要改进CSO算法，以更好地优化频谱感知过程，增强DBN感知技术的可靠性	提高认知无线网络的频谱效率和韧性	认知无线网络中的频谱感知技术	机器学习	NA	深度信念网络（DBN）	卷积神经网络（CNN）	频谱数据	预收集的数据集用于离线训练DBN模型
8669	2024-08-11	Determination of the rat estrous cycle vased on EfficientNet 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1434991 PMID:39119352	研究论文	本研究利用EfficientNet模型通过深度学习技术自动识别雌性大鼠的发情周期	提出了一种基于EfficientNet模型的自动化识别方法，通过系统地调整网络深度、宽度和图像分辨率来优化性能	未来工作需要在大规模数据集上进一步验证并整合到实验流程中	提高实验效率并减少在识别发情周期中的人为误差	雌性大鼠的发情周期	生物医学研究	NA	深度学习	EfficientNet	生理数据	大量雌性大鼠的生理数据
8670	2024-08-11	Integrating multi-modal remote sensing, deep learning, and attention mechanisms for yield prediction in plant breeding experiments 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1408047 PMID:39119495	研究论文	本研究探索并评估了使用堆叠LSTM的深度学习网络架构在季节末玉米粒产量预测中的潜力，并通过适应这些网络以更好地利用远程 sensing 数据的多模态特性来扩展其能力	本研究首次探讨了使用高光谱和LiDAR无人机时间序列数据在深度学习网络中解释/解读植物生长阶段，并使用注意力机制的后期融合模态预测地块级玉米粒产量的方法	NA	探索和评估深度学习网络架构在玉米产量预测中的应用，并扩展其对多模态远程 sensing 数据的适应能力	玉米产量预测	机器学习	NA	深度学习	LSTM	高光谱图像、LiDAR点云、环境数据	NA
8671	2024-08-11	Automated machine learning models for nonalcoholic fatty liver disease assessed by controlled attenuation parameter from the NHANES 2017-2020 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272535 PMID:39119551	研究论文	本研究旨在评估自动化机器学习（AutoML）在基于国家健康和营养检查调查（NHANES）数据库中使用控制衰减参数（CAP）识别非酒精性脂肪肝病（NAFLD）的有效性	开发了一种基于XGBoost模型的自动化机器学习方法，用于更有效地评估NAFLD的存在，并创建了一个R Shiny网络应用程序，展示了AutoML在临床研究和实践中的潜力	NA	评估自动化机器学习在识别非酒精性脂肪肝病中的有效性	非酒精性脂肪肝病（NAFLD）的识别	机器学习	非酒精性脂肪肝病	自动化机器学习（AutoML）	XGBoost	数据库	4177名参与者（非NAFLD 3167 vs NAFLD 1010）
8672	2024-08-11	Automated identification of thrombectomy amenable vessel occlusion on computed tomography angiography using deep learning 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1442025 PMID:39119560	研究论文	开发并验证了一种全自动深度学习算法，用于在计算机断层扫描血管造影（CTA）中检测大血管闭塞（LVO）	使用U-Net进行血管分割，并应用EfficientNetV2预测血栓切除适应性血管闭塞（TAVO）	对于孤立的M2-MCA闭塞，诊断性能有所降低	开发和验证一种全自动算法，用于在CTA中识别TAVO	急性缺血性卒中患者的CTA图像	计算机视觉	脑血管疾病	深度学习	U-Net, EfficientNetV2	图像	2045名患者用于模型开发，64名和313名患者用于外部验证
8673	2024-08-10	Present and future of whole-body MRI in metastatic disease and myeloma: how and why you will do it 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04723-2 PMID:39007948	综述	本文综述了全身MRI在转移性疾病和骨髓瘤中的应用现状及未来发展	全身MRI作为一种高灵敏度和无辐射的成像方式，已扩展到全身肿瘤筛查，提供肿瘤组织的形态学和生理学信息	全身MRI面临的挑战包括其在众多适应症中的可用性以及患者、放射科医生和卫生当局的接受程度	探讨全身MRI在转移性疾病和骨髓瘤中的诊断应用及其未来发展	转移性疾病和骨髓瘤	医学影像	肿瘤	全身MRI	NA	影像	NA
8674	2024-08-10	Predicting response to chemotherapy in brain tumor patients based on MRI features 2024-Sep, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2024.108409 PMID:38959786	综述	本文综述了基于MRI特征预测脑肿瘤患者化疗反应的研究进展	介绍了MRI-based放射组学和深度学习模型在预测化疗效果、生存预测及区分肿瘤进展与假进展方面的最新进展	需要进一步研究以优化这些模型并扩展其在不同脑肿瘤类型中的应用	探讨化疗在不同脑肿瘤类型中的作用及基于MRI特征预测治疗效果的方法	脑肿瘤患者及化疗反应	计算机视觉	脑肿瘤	MRI-based放射组学	深度学习模型	图像	NA
8675	2024-08-10	Deep-learning features based on F18 fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) to predict preoperative colorectal cancer lymph node metastasis 2024-Sep, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.05.017 PMID:38955636	研究论文	本研究旨在开发并验证一种结合临床、放射组学和深度迁移学习特征的结直肠癌淋巴结转移预测模型	本研究首次将深度迁移学习、放射组学和临床特征结合，用于预测结直肠癌的淋巴结转移状态	NA	开发并验证一种预测结直肠癌淋巴结转移的机器学习模型	结直肠癌患者的淋巴结转移情况	机器学习	结直肠癌	18F-FDG PET/CT扫描	支持向量机（SVM）	图像	119名结直肠癌患者的数据，分为训练集、验证集和测试集
8676	2024-08-10	Managing hardware-related metal artifacts in MRI: current and evolving techniques 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04624-4 PMID:38381196	综述	本文综述了磁共振成像（MRI）中金属植入物引起的硬件相关金属伪影的当前和新兴技术	介绍了高密度多通道射频（RF）线圈、并行成像技术、梯度扭曲校正等硬件改进方法，以及视角度倾斜（VAT）和金属伪影校正的切片编码（SEMAC）等序列技术	文章指出这些技术在临床应用中仍存在局限性	旨在提高对金属植入物周围组织的放射学评估，以辅助临床决策	研究对象为金属植入物周围组织	医学成像	NA	磁共振成像（MRI）	NA	图像	NA
8677	2024-08-10	Influenza time series prediction models in a megacity from 2010 to 2019: Based on seasonal autoregressive integrated moving average and deep learning hybrid prediction model 2024-Aug-09, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003238 PMID:39119631	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8678	2024-08-10	Linear diffusion noise boosted deep image prior for unsupervised sparse-view CT reconstruction 2024-Aug-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69f7 PMID:39119998	研究论文	本文提出了一种基于深度图像先验的无监督稀疏视图CT重建方法，通过引入多级线性扩散噪声和自注意力网络结构，提高了模型的泛化能力和适应性	本研究通过引入多级线性扩散噪声和自注意力网络结构，显著降低了过拟合风险，并利用图像物理学在图像域和投影数据空间之间进行梯度反向传播，优化网络权重	NA	克服当前基于监督深度学习的稀疏视图CT重建方法的局限性，提高泛化能力和适应性	稀疏视图CT重建	计算机视觉	NA	深度学习	自注意力网络	图像	NA
8679	2024-08-10	The putative prenyltransferase Nus1 is required for filamentation in the human fungal pathogen Candida albicans 2024-Aug-07, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkae124 PMID:38874344	研究论文	本文通过功能基因组筛选分析，识别了在特定条件下对人类真菌病原体白色念珠菌形态发生至关重要的基因，特别是预测编码预转移酶Nus1的orf19.5963基因及其相互作用伙伴Rer2。	本文首次揭示了Nus1和Rer2在白色念珠菌形态发生中的重要作用，并强调了功能基因组筛选在理解人类真菌病原体基因功能方面的潜力。	NA	识别对白色念珠菌形态发生至关重要的基因，并探讨其在真菌病原体中的功能。	白色念珠菌的形态发生相关基因及其在宿主相关条件下的功能。	NA	NA	深度学习	NA	图像	307个基因在组织培养基中37°C和5% CO2条件下进行筛选
8680	2024-08-10	Low-illumination and noisy bridge crack image restoration by deep CNN denoiser and normalized flow module 2024-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69412-5 PMID:39107363	research paper	本研究提出了一种结合深度CNN去噪器和归一化流亮度增强模块的算法，用于恢复低光照和噪声污染的桥梁裂缝图像	该算法通过深度CNN去噪器和归一化流模块有效提高了图像亮度和去噪效果，显著提升了裂缝检测和语义分割的准确性	NA	提高桥梁裂缝检测和语义分割的准确性	低光照和噪声污染的桥梁裂缝图像	computer vision	NA	deep learning, image processing	CNN	image	NA