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
11601	2024-08-07	Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1348154 PMID:38770396	研究论文	本研究通过虚拟现实技术分析不同高度恐惧症水平下年轻成年人的脑电图（EEG）模式	本研究创新地使用脑电图信号实时精确评估高度恐惧症水平，并采用多种机器学习和深度学习技术进行分析	NA	研究的主要目的是开发一种实时精确的工具，用于评估高度恐惧症水平	研究对象为18名被诊断为高度恐惧症的年轻成年人	机器学习	心理疾病	脑电图（EEG）	卷积神经网络（CNN）和人工神经网络（ANN）	脑电图数据	18名高度恐惧症患者
11602	2024-08-07	CD-Loop: a chromatin loop detection method based on the diffusion model 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1393406 PMID:38770419	研究论文	本文提出了一种基于扩散模型的深度学习框架CD-Loop，用于预测染色质环	CD-Loop结合了扩散模型的去噪过程和预训练得到的先验概率，通过密度聚类算法预测染色质环，优于现有方法	NA	研究染色质的三维结构	染色质环的结构和功能	生物信息学	NA	Hi-C	扩散模型	接触图	不同细胞类型、物种和测序深度
11603	2024-08-07	MIFAM-DTI: a drug-target interactions predicting model based on multi-source information fusion and attention mechanism 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1381997 PMID:38770418	研究论文	本文提出了一种基于多源信息融合和注意力机制的药物-靶点相互作用预测模型MIFAM-DTI	MIFAM-DTI模型通过整合多源信息并利用图注意力网络和多头自注意力机制，自主学习注意力权重，更全面地捕捉序列数据中的信息	NA	提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用的预测	机器学习	NA	图注意力网络，多头自注意力	MIFAM-DTI	特征向量，邻接矩阵	NA
11604	2024-08-07	Deep learning-assisted lesion segmentation in PET/CT imaging: A feasibility study for salvage radiation therapy in prostate cancer 2024, Oncoscience DOI:10.18632/oncoscience.603 PMID:38770445	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11605	2024-08-07	In-line imaging and recognition of flip chip fabrication defects by real-time photoacoustic remote sensing system 2024-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100614 PMID:38764523	研究论文	本研究提出了一种基于光声遥感（PARS）系统的在线成像和缺陷识别方法，用于实时监测和提高倒装芯片的产量和寿命	首次提出了一种基于连续采集和并行处理图像重建的实时PARS成像方法，以及改进的YOLOv7-SPD深度学习缺陷识别方法	NA	开发一种在线成像和缺陷识别系统，以实时监测和提高倒装芯片的产量和寿命	倒装芯片的微观缺陷	计算机视觉	NA	光声遥感（PARS）	YOLOv7-SPD	图像	NA
11606	2024-08-07	Convolutional Neural Network for Fully Automated Cerebellar Volumetry in Children in Comparison to Manual Segmentation and Developmental Trajectory of Cerebellar Volumes 2024-Jun, Cerebellum (London, England) DOI:10.1007/s12311-023-01609-2 PMID:37833550	研究论文	本研究旨在通过深度学习算法开发一种全自动且可靠的儿童小脑容积测量方法，并与手动分割进行比较，同时展示了测量小脑容积的临床实用性	使用卷积神经网络实现了儿童小脑容积的全自动测量，与手动分割相比，具有高度的准确性和可靠性	研究基于相对较小的样本量，且为初步研究	开发一种全自动的小脑容积测量方法，并探讨其临床应用价值	儿童小脑容积及其随年龄的变化	机器学习	NA	深度学习算法	卷积神经网络 (CNN)	3D T1加权磁化准备快速梯度回波 (MPRAGE) 序列图像	100名0至16.3岁的儿童
11607	2024-08-07	Annotation-free prediction of treatment-specific tissue outcome from 4D CT perfusion imaging in acute ischemic stroke 2024-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102376 PMID:38537536	研究论文	本文提出了一种新的深度学习方法，通过时间压缩直接从4D灌注扫描预测随访CT图像，以预测急性缺血性卒中的治疗特定组织结果，无需手动标注。	该方法无需灌注分析或动脉输入函数选择，通过时间压缩直接预测随访CT图像，实现了更直观和易于解释的预测结果。	NA	开发一种无需手动标注的深度学习方法，用于预测急性缺血性卒中的治疗特定组织结果，以支持临床决策。	急性缺血性卒中的治疗特定组织结果预测。	计算机视觉	急性缺血性卒中	深度学习	深度学习模型	4D CT灌注图像	45名接受溶栓治疗的患者和102名接受血栓切除术的患者
11608	2024-08-07	Deep Learning-Assisted Spectrum-Structure Correlation: State-of-the-Art and Perspectives 2024-May-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01639 PMID:38662943	综述	本文综述了深度学习在光谱-结构相关性中的应用及其最新进展和未来展望	深度学习辅助的化学计量学方法因其卓越的潜在特征提取能力和精确预测能力而迅速兴起	文中指出深度学习在光谱-结构相关性中仍存在一些重要的开放问题	总结过去五年深度学习如何辅助建立光谱与分子结构之间的相关性，并探讨未来的发展方向	光谱-结构相关性在光谱分析中的应用	机器学习	NA	深度学习	NA	光谱数据	NA
11609	2024-08-07	A temporal enhanced semi-supervised training framework for needle segmentation in 3D ultrasound images 2024-May-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad450b PMID:38684166	研究论文	本文提出了一种基于时间信息的半监督训练框架，用于在3D超声图像中快速准确地分割针头	设计了一种新的基于静态和动态特征的圆形变换器模块，用于提取和融合时间信息，并提出了结合时间信息前后的输出一致性约束，为未标记的体积提供半监督	NA	提高3D超声图像中针头分割的准确性和实时性	3D超声图像中的针头分割	计算机视觉	NA	卷积神经网络，变换器	CNN，变换器	图像	三个针头超声数据集，在比格犬活检期间采集
11610	2024-08-07	Texture-preserving low dose CT image denoising using Pearson divergence 2024-May-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad45a4 PMID:38688292	研究论文	本文提出了一种使用皮尔逊散度损失函数来改善低剂量CT图像去噪中纹理保持的方法	引入皮尔逊散度损失函数来学习特征纹理，从而在去噪过程中更好地保留图像的纹理细节	未提及	改善低剂量CT图像去噪中的纹理保持	低剂量CT图像的去噪效果	计算机视觉	NA	深度学习	NA	图像	未提及
11611	2024-08-07	ELRL-MD: a deep learning approach for myocarditis diagnosis using cardiac magnetic resonance images with ensemble and reinforcement learning integration 2024-May-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad46e2 PMID:38697206	研究论文	本研究提出了一种结合集成学习和强化学习的深度学习模型ELRL-MD，用于从心脏磁共振图像中诊断心肌炎	模型通过人工蜂群算法进行预训练，并利用卷积神经网络提取和整合特征，同时采用强化学习处理数据集的不平衡问题	研究主要解决了数据集不平衡和模型初始权重设置不佳导致局部最优的问题	开发一种有效的深度学习模型，用于从心脏磁共振图像中诊断心肌炎	心肌炎的诊断	机器学习	心血管疾病	心脏磁共振成像	CNN	图像	使用了Z-Alizadeh Sani心肌炎心脏磁共振数据集
11612	2024-08-07	Segmentation and quantitative analysis of optical coherence tomography (OCT) images of laser burned skin based on deep learning 2024-May-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad488f PMID:38718764	研究论文	本研究利用深度学习技术对光学相干断层扫描（OCT）图像进行分割和定量分析，以评估激光烧伤皮肤后的恢复情况	使用深度学习U-Net模型对OCT图像进行皮肤层分割，并进行三维重建以计算损伤组织体积，提供了比传统方法更快且更准确的皮肤分层分析	NA	评估皮肤烧伤后的恢复情况并定量分析损伤体积	激光诱导的小鼠皮肤烧伤模型	数字病理学	烧伤	光学相干断层扫描（OCT）	U-Net	图像	30只昆明小鼠，共采集7000张正常皮肤和1400张烧伤皮肤B扫描图像
11613	2024-08-07	Harnessing LSTM and XGBoost algorithms for storm prediction 2024-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62182-0 PMID:38762598	研究论文	本文利用长短期记忆网络（LSTM）和极端梯度提升（XGBoost）算法预测法国西部的风暴特征和发生	采用了一种结合深度学习和机器学习的新方法，基于LSTM和XGBoost算法进行风暴预测	LSTM模型在预测极端波浪高度和风速值时存在挑战	旨在通过预测风暴特征和发生来减少风暴对人类和物体的影响	研究对象为法国西部的风暴	机器学习	NA	长短期记忆网络（LSTM），极端梯度提升（XGBoost）	LSTM，XGBoost	数据来自浮标和风暴数据库	数据涵盖1996年至2020年
11614	2024-08-07	Development and validation of machine learning algorithms based on electrocardiograms for cardiovascular diagnoses at the population level 2024-May-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01130-8 PMID:38762623	研究论文	本研究开发并验证了基于心电图的机器学习算法，用于在人口层面同时预测15种常见心血管疾病诊断	使用基于ResNet的深度学习模型和极端梯度提升模型，通过心电图轨迹和测量数据进行预测，显示出比传统方法更高的准确性	研究为回顾性研究，且仅限于加拿大阿尔伯塔省的84个急诊部门或医院的数据	开发和验证基于心电图的机器学习模型，用于早期检测和诊断心血管疾病	15种常见心血管疾病，包括房颤、室上性心动过速等	机器学习	心血管疾病	ResNet-based deep learning, extreme gradient boosting	ResNet, XGB	心电图	1,605,268份心电图，涉及244,077名成年患者
11615	2024-08-07	Deep learning for determining the difficulty of endodontic treatment: a pilot study 2024-May-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04235-4 PMID:38760686	研究论文	本研究开发并验证了一种深度学习模型，用于从根尖X光片自动评估根管治疗病例的难度	使用卷积神经网络和自监督学习方法进行根管治疗难度的自动评估	自监督预训练并未提高模型性能，且存在评估者间可靠性低的问题	探索深度学习模型在自动评估根管治疗难度方面的可行性	根管治疗病例的难度评估	机器学习	NA	卷积神经网络	CNN	图像	1,386张根尖X光片
11616	2024-08-07	Is better readiness the key to deeper learning in distance education? A cross-sectional online study 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30602 PMID:38765106	研究论文	本研究探讨了远程教育在护理教育中的影响因素及其有效性	研究发现了远程教育准备度与学习深度之间的正相关关系	研究仅限于一所中医药大学的本科护理学生，可能限制了结果的普遍性	描述当前远程教育准备度和学习深度，并探索可能的影响因素	本科护理学生	NA	NA	NA	NA	问卷调查数据	222名本科护理学生
11617	2024-08-07	Efficient screening of pharmacological broad-spectrum anti-cancer peptides utilizing advanced bidirectional Encoder representation from Transformers strategy 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30373 PMID:38765108	研究论文	本研究利用深度学习方法结合自然语言处理和伪氨基酸组成技术，开发了一种高效的广谱抗癌肽筛选工具	研究采用了优化的BERT模型，该模型在准确性和选择性上超越了现有的BERT变体和传统机器学习算法	NA	旨在改进抗癌肽的筛选过程，推动精准肿瘤学的发展	广谱抗癌肽的筛选和识别	自然语言处理	癌症	自然语言处理（NLP），伪氨基酸组成（PseAAC）技术	BERT	文本	NA
11618	2024-08-07	Intrusion detection in machine learning based E-shaped structure with algorithms, strategies and applications in wireless sensor networks 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30675 PMID:38765126	研究论文	本文提出了一种基于机器学习的E形结构入侵检测模型，并应用于无线传感器网络中，通过深度学习模型和E形贴片天线的设计，提高了入侵检测的准确性和通信性能	本文提出的入侵检测模型采用了深度学习方法，并结合E形贴片天线设计，提高了检测准确率和通信带宽	NA	改进现有的入侵检测系统，提高其在物联网网络中的零日攻击检测能力	无线传感器网络中的入侵检测和通信性能	机器学习	NA	深度学习	深度学习神经网络	数据通信	NA
11619	2024-08-07	Artificial intelligence in detection of small bowel lesions and their bleeding risk: A new step forward 2024-May-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v30.i18.2482 PMID:38764765	研究论文	本文研究使用深度学习模型自动检测小肠病变及其出血风险	开发了一种新的深度学习模型，能够识别不同出血风险的小肠病变	NA	提高人工智能在临床实践中检测不同类型小肠病变的诊断支持	小肠病变及其出血风险	机器学习	NA	深度学习	深度学习模型	图像	NA
11620	2024-08-07	Deep learning approaches for seizure video analysis: A review 2024-May, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109735 PMID:38522192	综述	本文综述了深度学习和计算机视觉技术在癫痫视频分析中的应用	探讨了深度学习在视频记录的癫痫分析中的应用，并展示了如何通过集成系统进行视频基础的癫痫症状学分析	文章指出了未来研究的方向和挑战，表明当前技术仍存在改进空间	提高癫痫评估的准确性和一致性	癫痫视频分析中的深度学习和计算机视觉技术	计算机视觉	NA	深度学习	NA	视频	NA