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
11141	2024-08-05	Strong versus Weak Data Labeling for Artificial Intelligence Algorithms in the Measurement of Geographic Atrophy 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100477 PMID:38827491	研究论文	本研究旨在理解深度学习模型训练所需的数据标注要求，以测量地理性萎缩。	提出了通过整合大量弱标注图像与少量强标注图像的训练方法，以减少数据标注的成本和时间。	未提供关于数据标注对模型性能影响的详细分析。	研究深度学习模型在测量地理性萎缩中的应用与数据标注要求。	使用AREDS2图像进行模型训练和验证，以及GA临床试验图像进行测试。	机器学习	视网膜疾病	深度学习	卷积神经网络（CNN）	图像	AREDS2数据集（601张）和GlaxoSmithKline测试数据集（156张）
11142	2024-08-05	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-Jul, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	本研究开发并验证了一种机器学习算法，用于从视网膜眼底照片中估计心血管风险因素。	通过在肯尼亚的非干预研究中验证机器学习模型，推动了心血管筛查的早期应用，尤其是在资源有限的环境中	模型性能表现与开发使用的英国生物银行人群相比，准确度稍低，可能需要重新校准	评估机器学习算法在低收入国家心血管风险因素估计中的有效性	肯尼亚地区的301名参与者，通过收集视网膜照片及其临床参数进行研究	机器学习	心血管疾病	机器学习	未提及	图像	301名参与者
11143	2024-08-05	NVAM-Net: deep learning networks for reconstructing high-quality fiber orientation distributions 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03341-y PMID:38563964	研究论文	该研究介绍了一种名为NVAM-Net的神经网络，用于重建高质量的纤维取向分布图像。	该文章创新性地引入了相邻体素注意机制网络，利用变换器架构和两种新的注意机制来改进FOD估计。	未提供明显的局限性说明	本研究旨在提高扩散磁共振成像中体素取向分布的重建精度。	本研究使用了人脑连通组项目（HCP）数据集进行实验。	数字病理学	NA	扩散磁共振成像（dMRI）	变换器	图像	使用人脑连通组项目（HCP）数据集的实验结果
11144	2024-08-05	Effect of deep learning-based reconstruction on high-resolution three-dimensional T2-weighted fast asymmetric spin-echo imaging in the preoperative evaluation of cerebellopontine angle tumors 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03328-9 PMID:38480538	研究论文	本文旨在评估基于深度学习重建（DLR）在小脑桥角肿瘤术前评估中的影响。	本研究创新地使用深度学习重建技术提高了HR-3D T2-FASE成像的对比噪声比。	样本量较小，仅包含13例患者，可能影响结果的普遍性。	研究旨在评估DLR对小脑桥角肿瘤术前评估中成像质量的影响。	研究对象为接受术前HR-3D T2-FASE成像的13例患者。	数字病理学	脑肿瘤	MRI	深度学习重建	医学影像	13例患者
11145	2024-08-05	Artificial intelligence and machine learning in axial spondyloarthritis 2024-07-01, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001015 PMID:38533807	研究论文	评估人工智能和机器学习在轴性脊柱关节炎诊断和管理中的应用和前景	人工智能尤其是深度学习在轴性脊柱关节炎的影像学诊断中表现出色，部分模型在检测骶髂炎和标志物方面与放射科医师匹敌或优于其表现	研究设计、样本大小的多样性以及回顾性单中心研究的占主导地位限制了结果的普遍适用性	探讨人工智能和机器学习在轴性脊柱关节炎中的应用潜力	轴性脊柱关节炎患者	机器学习	轴性脊柱关节炎	深度学习	NA	医学影像	NA
11146	2024-08-05	Deep learning model to discriminate diverse infection types based on pairwise analysis of host gene expression 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109908 PMID:38827397	研究论文	提出了一种深度学习模型bvnGPS2，用于区分不同类型的感染	结合注意力机制及大规模综合宿主转录组数据集，精确识别革兰氏阳性和阴性细菌感染及病毒感染	可能存在数据集来源和规模的限制	准确检测由各种病原体引起的感染	4,949个血样本来自10个国家的40个队列	机器学习	NA	深度学习，注意力机制	深度神经网络	血样本	4,949个血样本
11147	2024-08-05	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-Jun-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出了两种新方法，用于识别和减轻运动想象脑机接口系统中困难试验对模型性能的影响	提出了基于模型预测得分和定量可解释人工智能的方法来识别困难试验	实验未提及在其他数据集上的普遍性验证	提高运动想象脑机接口系统的分类性能	Open BMI 数据集中的运动想象试验	机器学习	NA	深度学习	深度卷积神经网络 (CNN)	数据集	NA
11148	2024-08-05	How Artificial Intelligence Unravels the Complex Web of Cancer Drug Response 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1123 PMID:38588311	研究论文	该文章探讨了人工智能在癌症药物反应中的作用	研究通过解释性深度学习模型揭示了肿瘤细胞结构与药物反应之间的关系	NA	研究人工智能在精密医学中对癌症治疗的影响	研究CDK4/6抑制剂在乳腺癌治疗中的反应机制	数字病理学	乳腺癌	深度学习	解释性深度学习模型	NA	NA
11149	2024-08-05	Integrated Fibrous Iontronic Pressure Sensors with High Sensitivity and Reliability for Human Plantar Pressure and Gait Analysis 2024-Jun-04, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c02919 PMID:38760182	研究论文	本文开发了一种高灵敏度和可靠性的综合性足底压力传感系统，适用于人类足底压力和步态分析。	该系统具有高模量、多孔层压的离子纤维结构，并利用统一的聚酰亚胺材料系统，实现了高灵敏度和广泛的传感范围，其准确性高达99.8%。	当前柔性传感器在结构变形性、功能层之间的机械不兼容性和复杂应力条件下的稳定性方面存在诸多挑战。	研究旨在开发一种优化的足底压力传感器，以实时监测和分析人类的运动和姿势。	研究对象为人类的足底压力及其在各种运动活动中的分布。	数字病理	NA	深度学习	NA	NA	超过150,000次循环的耐久性测试
11150	2024-08-05	TRA-ACGAN: A motor bearing fault diagnosis model based on an auxiliary classifier generative adversarial network and transformer network 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.03.033 PMID:38604873	研究论文	本文提出了一种基于辅助分类器生成对抗网络和变换网络的电动机轴承故障诊断模型TRA-ACGAN	该模型结合了ACGAN和变换网络，利用注意机制提取有效特征，避免了传统迭代和卷积结构的局限	尚未提及具体的局限性	研究电动机轴承故障诊断中的生成对抗网络的应用	电动机轴承故障数据及其诊断	深度学习	NA	生成对抗网络	ACGAN, 变换网络	故障数据	使用了CWRU数据集和PU数据集
11151	2024-08-05	A deep learning-based model for detecting Leishmania amastigotes in microscopic slides: a new approach to telemedicine 2024-Jun-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-024-09428-4 PMID:38824500	研究论文	本研究开发了一种基于深度学习的模型，用于在显微切片中检测利什曼虫的阿米巴体	提出了一种名为LeishFuNet的深度学习框架，通过同域迁移学习提高检测利什曼虫的性能	可能在某些病理情况下的检测效果需要进一步验证	开发一种基于深度学习的自动化诊断模型以检测利什曼病	用于检测利什曼虫的显微图像，包含138个阳性案例和154个阴性案例	计算机视觉	利什曼病	深度学习	VGG19, ResNet50, MobileNetV2, DenseNet 169	图像	292张自收集的高分辨率显微图像
11152	2024-08-05	Vegetation change detection and recovery assessment based on post-fire satellite imagery using deep learning 2024-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63047-2 PMID:38824170	研究论文	本研究提供了一种新的方法来理解和评估火灾后对植被的影响	提出了一种名为深嵌入聚类（DEC）的无监督方法来检测植被变化，并开发了基于深度学习的自适应生成对抗神经网络模型（AdaptiGAN）进行植被恢复评估	未提及具体的局限性	评估火灾后植被的变化和恢复	受野火影响地区的植被变化	遥感	NA	深度学习，卫星遥感	深嵌入聚类（DEC），自适应生成对抗神经网络模型（AdaptiGAN）	卫星影像	NA
11153	2024-08-05	Research of 2D-COS with metabolomics modifications through deep learning for traceability of wine 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63280-9 PMID:38824219	研究论文	提出了一种通过代谢组学分析与深度学习分类相结合的方法，以追溯葡萄酒的来源	结合代谢组学筛选与卷积神经网络，优化葡萄酒来源追溯的分类结果	未提及更广泛的应用或与其他分析方法的比较	研究葡萄酒的来源追溯方法	180个来自6个不同葡萄酒产区的葡萄酒样本	数字病理学	NA	UPLC-Q-TOF-MS	卷积神经网络 (CNN)	光谱	180个样本
11154	2024-08-05	Adapting low-dose CT denoisers for texture preservation using zero-shot local noise-level matching 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17015 PMID:38478305	研究论文	本文提出了一种增强低剂量CT去噪算法的方法，旨在防止过度平滑现象并保持图像纹理的清晰度	提出的局部自适应噪声水平匹配算法能够在无额外训练数据的情况下增强去噪效果	该方法的有效性依赖于良好的噪声水平匹配，可能在某些极端图像情况下表现不佳	解决低剂量CT图像的过度平滑问题，设计无需大量训练数据的去噪算法	低剂量CT图像去噪算法的提升	数字病理学	NA	去噪	NA	图像	使用多种测试的低剂量CT去噪器进行实验
11155	2024-08-05	Interpretable baseflow segmentation and prediction based on numerical experiments and deep learning 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121089 PMID:38733842	研究论文	本研究探讨了气象因素和地表变化如何影响高寒山区基流，通过深度学习模型进行基流分离与预测	采用灰狼优化数字滤波方法（GWO-DFM）进行快速基流分离，并使用长短期记忆神经网络（LSTM）模型解释基流预测中的可解释性	在数据稀缺的高寒山区选择最合适的基流分离方法具有挑战性	研究高寒山区基流变化及其响应机制，以便更好地管理水资源	高寒山区的基流及影响其变化的气象和地表因素	数值模拟	NA	灰狼优化数字滤波方法（GWO-DFM）、长短期记忆神经网络（LSTM）	LSTM	流量数据、气象数据、MODIS数据	63年流量时间序列（1958-2020），21年ERA5-land气象数据（2000-2020）
11156	2024-08-05	A hybrid deep learning approach to predict hourly riverine nitrate concentrations using routine monitored data 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121097 PMID:38733844	研究论文	本研究使用结合深度学习神经网络和常规监测数据来预测河流的每小时硝酸盐浓度。	提出了一种混合模型架构，将卷积神经网络与长短期记忆网络（CNN-LSTM）相结合，进行高频硝酸盐浓度预测。	未包含高频硝酸盐浓度数据作为模型输入，可能影响预测精度。	研究如何利用深度学习网络和常规监测数据预测河流中的硝酸盐浓度。	研究对象为美国新罕布什尔州Oyster River流域出口处的硝酸盐浓度。	机器学习	NA	深度学习	卷积神经网络与长短期记忆网络（CNN-LSTM）	高频监测数据	根据5:3:2的比例将整个数据集分为训练、验证和测试，样本数量未具体说明
11157	2024-08-05	Automatic detection of epilepsy from EEGs using a temporal convolutional network with a self-attention layer 2024-Jun-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01244-w PMID:38824547	研究论文	本文提出了一种使用带自注意力层的时间卷积网络自动检测癫痫的方法	创新点在于结合时间卷积神经网络和自注意力机制来提高癫痫检测的分类准确性	本研究的局限性在于，所提出的模型对不同临床场景的适用性仍需进一步验证	研究的目的是提高癫痫的自动检测准确性，尤其是在儿童患者中	研究对象为癫痫患者的EEG信号数据，特别是儿童癫痫患者	数字病理学	癫痫	时间卷积神经网络和自注意力层	时间卷积神经网络	EEG信号数据	包括我们收集的儿童癫痫数据集和Bonn数据集
11158	2024-08-05	Diffusion-based deep learning method for augmenting ultrastructural imaging and volume electron microscopy 2024-Jun-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49125-z PMID:38824146	研究论文	本文介绍了一种基于扩散的深度学习方法EMDiffuse，用于增强电子显微镜和体积电子显微镜的能力	提出了一套新算法EMDiffuse，能够在缺乏各向同性训练数据的情况下进行各向同性体积重构，并仅需一对图像进行微调	在图像速度和质量之间的内在权衡限制了可实现的成像区域和体积	提高电子显微镜在大型生物体积中的三维成像能力	使用EMDiffuse从不同的体积电子显微镜技术和仪器中生成各向同性体积	数字病理学	NA	电子显微镜（EM）	扩散模型	图像	七个来自不同体积电子显微镜技术的公共数据集
11159	2024-08-05	An effective and robust lattice Boltzmann model guided by atlas for hippocampal subregions segmentation 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.16984 PMID:38373278	研究论文	提出并验证了一种无训练的海马亚区分割模型，具有高泛化能力	该模型在不需要训练的情况下实现了与最新技术相当的分割精度和效率	样本量较小，可能影响结果的稳定性和推广性	研究目标是开发一种准确且可靠的海马亚区自动分割方法，以便于阿尔茨海默症的早期检测	研究对象是海马的四个亚区，包括左尾侧、右尾侧、左头侧和右头侧	数字病理学	阿尔茨海默症	功能性磁共振成像	格子玻尔兹曼模型	医学影像	使用了阿尔茨海默病神经影像倡议 (ADNI) 数据集及宣武数据集进行验证
11160	2024-08-05	Rapid detection of fetal compromise using input length invariant deep learning on fetal heart rate signals 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63108-6 PMID:38824217	研究论文	本研究提出了一种新颖的 FHR 评估方法，通过输入长度不变的深度学习模型来快速检测胎儿窘迫	采用输入长度不变的深度学习模型 (FHR-LINet) 逐步评估 FHR，显著减少了检测胎儿窘迫所需时间	研究可能对模型的泛化能力和在不同临床环境中的应用进行限制	旨在提高胎儿窘迫的快速检测能力	主要研究对象为胎心率信号	机器学习	NA	深度学习	输入长度不变的深度学习模型 (FHR-LINet)	信号	NA