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
11801	2024-08-07	A novel stochastic resonance based deep residual network for fault diagnosis of rolling bearing system 2024-May, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.03.020 PMID:38582635	研究论文	本文提出了一种基于随机共振的深度残差网络，用于滚动轴承系统的故障诊断	将随机共振引入尖峰神经网络作为特征增强方法，结合深度学习与随机共振提高分类准确性	NA	确保机械设备中滚动轴承的安全运行	滚动轴承系统的故障诊断	机器学习	NA	随机共振	深度残差网络	信号	使用CWRU数据集进行实验验证
11802	2024-08-07	Creating an autoencoder single summary metric to assess gait quality to compare surgical outcomes in children with cerebral palsy: The Shriners Gait Index (SGI) 2024-May, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112092 PMID:38669795	研究论文	本文提出了一种使用深度学习自动编码器模型创建的单一总结指标（Shriners步态指数（SGI）），用于评估脑瘫儿童的步态质量，并比较手术结果	利用深度学习自动编码器模型捕捉多个不同步态指标之间的非线性统计关系，创建了一个综合的步态质量评估指标	NA	开发一种综合的步态评估指标，以评估和比较脑瘫儿童在接受治疗和手术后的步态变化	脑瘫儿童的步态数据	机器学习	脑瘫	深度学习自动编码器	自动编码器	步态数据	412名18岁以下的个体
11803	2024-08-07	Comprehensive analysis of clinical images contributions for melanoma classification using convolutional neural networks 2024-May, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13607 PMID:38742379	研究论文	本研究旨在比较三种基于卷积神经网络（CNN）的模型在黑色素瘤分类中的表现，这些模型分别使用临床图像、皮肤镜图像以及两者的组合进行训练	本研究首次系统比较了仅使用临床图像、仅使用皮肤镜图像以及两者结合训练的CNN模型在黑色素瘤分类中的性能差异	研究结果显示，结合临床和皮肤镜图像的模型性能提升不明显，这可能是研究的局限之一	探讨不同类型图像在黑色素瘤分类中的有效性	黑色素瘤的分类	计算机视觉	黑色素瘤	卷积神经网络（CNN）	Inception-ResNetV2	图像	914对图像
11804	2024-08-07	Intelligent algorithm based on deep learning to predict the dosage for anesthesia: A study on prediction of drug efficacy based on deep learning 2024-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.2113 PMID:38745754	研究论文	本研究提出了一种基于深度学习的智能算法，用于预测麻醉药物的剂量，以帮助麻醉医师在手术过程中更好地控制药物剂量	本研究设计了基于人工神经网络的模型，使用SELU激活函数和加权正则化损失函数解决样本不平衡问题，并通过CNN和LSTM网络提取关键特征和预测剂量	NA	开发一种智能算法，用于预测麻醉药物的剂量，以辅助临床判断和手术过程的顺利进行	麻醉药物的剂量预测	机器学习	NA	深度学习	CNN, LSTM	生理数据	具体样本数量未在摘要中提及
11805	2024-08-07	Three dimensional convolutional neural network-based automated detection of midline shift in traumatic brain injury cases from head computed tomography scans 2024 Apr-Jun, Journal of neurosciences in rural practice IF:0.8Q4 DOI:10.25259/JNRP_490_2023 PMID:38746523	研究论文	本研究开发了一种基于三维卷积神经网络的自动检测工具，用于从头部CT扫描中检测创伤性脑损伤病例中的中线移位	本研究首次使用三维卷积神经网络自动检测中线移位，为紧急医疗人员提供了一种前沿的解决方案	该模型的准确性和敏感性有待提高，目前的准确率为55%，敏感性为40%	确定自动检测工具在CT图像中检测创伤性脑损伤患者中线移位的准确性和预测价值	创伤性脑损伤病例的中线移位	机器学习	创伤性脑损伤	三维卷积神经网络	CNN	图像	176个头部CT扫描
11806	2024-08-07	Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230219 PMID:38043007	研究论文	本研究利用深度学习方法，结合临床信息和CT图像特征，预测乳腺癌患者的骨转移	首次提出使用皮下脂肪指数作为预测乳腺癌骨转移的独立预后因素，并采用多模态深度学习算法进行预测	NA	探索利用深度学习技术预测乳腺癌患者的骨转移	乳腺癌患者的骨转移预测	机器学习	乳腺癌	CT图像	CNN	图像	431名乳腺癌患者
11807	2024-08-07	Learning multi-site harmonization of magnetic resonance images without traveling human phantoms 2024, Communications engineering DOI:10.1038/s44172-023-00140-w PMID:38420332	研究论文	本文提出了一种无需人类受试者跨站点采集数据即可实现磁共振图像多站点协调的深度学习方法	该方法通过分离站点特定外观信息和站点不变解剖信息，生成适用于任何目标站点的图像，无需额外数据收集	NA	提高磁共振图像数据的一致性，实现多站点图像数据的有效整合	磁共振图像的多站点协调	计算机视觉	NA	深度学习	深度神经网络	图像	超过6,000张多站点T1和T2加权图像
11808	2024-08-07	MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1293706 PMID:38646540	研究论文	本文评估了最新的MHCII-肽结合预测计算方法的性能	采用了深度学习算法和大量训练数据，新开发的预测方法性能优于旧方法	NA	评估和概述最新的MHCII-肽结合预测计算方法	MHCII-肽结合预测方法	生物信息学	NA	深度学习	NA	蛋白质序列数据	包含20种人类MHCII蛋白同种型的结合和非结合肽的独立数据集
11809	2024-08-07	Artificial intelligence in the healthcare sector: comparison of deep learning networks using chest X-ray images 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1386110 PMID:38660365	研究论文	本研究探讨了深度学习网络在胸部X光图像疾病诊断中的应用	本研究首次比较了ResNet101、AlexNet、GoogLeNet和Xception在胸部X光图像疾病诊断中的成功率	研究使用的数据集仅包含COVID-19、病毒性肺炎和健康个体的胸部X光图像	旨在确定深度学习网络在疾病诊断中的成功率	深度学习网络ResNet101、AlexNet、GoogLeNet和Xception	计算机视觉	NA	深度学习	CNN	图像	1,680张胸部X光图像，包括COVID-19、病毒性肺炎和健康个体
11810	2024-08-07	A hybrid deep learning scheme for MRI-based preliminary multiclassification diagnosis of primary brain tumors 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1363756 PMID:38746679	研究论文	本研究探索了一种结合多种先进技术的混合深度学习方案，用于提高原发性脑肿瘤诊断的分类性能和可解释性	本研究通过结合超分辨率重建、动态学习率退火策略、特征迁移和机器学习等技术，提高了深度学习模型的分类性能和可解释性	NA	探索一种混合深度学习方案，以提高原发性脑肿瘤诊断的准确性和自动化程度	原发性脑肿瘤的诊断	机器学习	脑肿瘤	深度学习	DenseNet121, LightGBM	MRI图像	230名原发性脑肿瘤患者，包括97名脑膜瘤、66名胶质瘤和67名垂体瘤
11811	2024-08-07	MAMILNet: advancing precision oncology with multi-scale attentional multi-instance learning for whole slide image analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1275769 PMID:38746682	研究论文	本文介绍了MAMILNet，一种用于全切片图像分析的多尺度注意力多实例学习框架，旨在提高肿瘤检测、分类和治疗反应预测的精确度	MAMILNet通过引入注意力机制和多尺度策略，提高了模型的泛化能力和预测准确性，同时减少了病理学家的手动工作量	NA	推动精准肿瘤学和个体化治疗计划的发展	全切片图像分析中的肿瘤检测、分类和治疗反应预测	数字病理学	NA	多尺度注意力多实例学习	注意力机制	图像	1171例涵盖多种癌症类型
11812	2024-08-07	Editorial: IoT, UAV, BCI empowered deep learning models in precision agriculture 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1399753 PMID:38751845	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11813	2024-08-07	A lightweight deep learning approach for detecting electrocardiographic lead misplacement 2024-May-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad43ae PMID:38663434	研究论文	本文提出了一种基于深度学习的新型心电图（ECG）导联错位检测方法	开发了两种新型轻量级深度学习模型，分别用于肢体和胸导联错位检测	NA	旨在开发一种有效的心电图导联错位检测方法	心电图导联错位检测	机器学习	NA	深度学习	深度学习模型	心电图数据	使用Chapman数据库进行训练和验证，评估数据集包括PTB-XL、PTB和LUDB数据库
11814	2024-08-07	Lattice thermal conductivity and mechanical properties of the single-layer penta-NiN2 explored by a deep-learning interatomic potential 2024-May-15, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp00997e PMID:38689542	研究论文	研究了新型二维五边形penta-NiN2单层的晶格热导率、稳定性和力学行为	首次使用深度学习原子间势（DLP）从分子动力学（AIMD）数据生成并用于经典分子动力学模拟	NA	探索penta-NiN2单层的晶格热导率和力学性能	penta-NiN2单层的晶格热导率、稳定性、力学行为及缺陷对其性能的影响	材料科学	NA	深度学习原子间势（DLP）	深度学习模型	分子动力学数据	NA
11815	2024-08-07	Automated medication verification system (AMVS): System based on edge detection and CNN classification drug on embedded systems 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30486 PMID:38742071	研究论文	本文介绍了一种基于边缘检测和CNN分类的自动化药物验证系统（AMVS），旨在减少医院中的药物错误	系统在封闭空间中进行研究，以最小化光学变化对图像捕捉的影响，并使用深度学习模型快速准确地分类药物	NA	提高药物验证过程的效率并减少药物错误	自动化药物验证系统	计算机视觉	NA	边缘检测，CNN	CNN	图像	药物集包含少于十种类型和十种类型
11816	2024-08-07	Deep learning-based inverse design of multi-functional metasurface absorbers 2024-May-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.518786 PMID:38748148	研究论文	本文提出了一种结合模拟退火算法和深度学习加速的新方法，用于快速准确地开发太赫兹完美吸收器	该方法通过前向预测和后向设计，实现了对吸收器结构的精确快速推导，并显著提高了设计效率	NA	开发一种快速准确的方法来设计太赫兹完美吸收器	太赫兹完美吸收器的结构设计	机器学习	NA	深度学习	神经网络	吸收谱	设计了低频、高频和宽带吸收器，频率范围为4至16太赫兹，误差小于0.02
11817	2024-08-07	Deep-learning enhanced high-quality imaging in metalens-integrated camera 2024-May-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.521393 PMID:38748176	研究论文	本文提出了一种基于深度学习的高质量成像方法，用于改善金属镜集成相机的性能	采用多尺度卷积神经网络（MSCNN）训练高质量和低质量图像对，以提高成像分辨率、对比度和畸变	NA	克服金属镜集成相机固定架构的限制，提升成像质量	金属镜集成相机的成像性能	计算机视觉	NA	多尺度卷积神经网络（MSCNN）	CNN	图像	大量高质量和低质量图像对
11818	2024-08-07	Simultaneous detection of dental caries and fissure sealant in intraoral photos by deep learning: a pilot study 2024-May-12, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04254-1 PMID:38735954	研究论文	本研究构建了一个基于深度学习的模型（ToothNet），用于在口腔内照片中同时检测牙病和裂隙封闭剂	提出了一种基于深度学习的模型ToothNet，能够同时在口腔内照片中检测牙病和裂隙封闭剂	NA	构建一个深度学习模型，用于在口腔内照片中同时检测牙病和裂隙封闭剂	口腔内照片中的牙病和裂隙封闭剂	计算机视觉	牙病	深度学习	YOLOX	图像	1020张口腔内照片，来自762名志愿者
11819	2024-08-07	Distance plus attention for binding affinity prediction 2024-May-12, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00844-x PMID:38735985	研究论文	本文提出了一种结合原子级距离特征和注意力机制的方法，用于提高蛋白质-配体结合亲和力的预测精度	创新地引入了基于距离的特征来预测蛋白质-配体结合亲和力，利用独特的分子间相互作用，并结合特定残基的蛋白质序列特征，增强了模型捕捉复杂结合模式的能力	NA	提高蛋白质-配体结合亲和力的预测精度，以减少药物开发的时间和成本	蛋白质-配体结合亲和力	机器学习	NA	深度学习	注意力机制	分子图	在CASF-2016数据集上进行了验证，并在五个其他基准数据集上进行了测试
11820	2024-08-07	Unveiling interatomic distances influencing the reaction coordinates in alanine dipeptide isomerization: An explainable deep learning approach 2024-May-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0203346 PMID:38748008	研究论文	本研究通过深度学习方法，探讨了丙氨酸二肽异构化反应中，原子间距离对反应坐标的影响，并利用可解释的人工智能框架量化了各输入变量的重要性	本研究采用原子间距离和键角作为深度学习的输入变量，而非传统的二面角，通过可解释的人工智能框架，成功识别了影响过渡状态的特定原子间距离	NA	探讨丙氨酸二肽异构化反应中，原子间距离对反应坐标的影响，并利用深度学习方法构建自由能景观	丙氨酸二肽的异构化反应及其自由能景观	机器学习	NA	深度学习	深度学习模型	原子间距离和键角	NA