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
1461	2024-12-15	Diagnosing Respiratory Variability: Convolutional Neural Networks for Chest X-ray Classification Across Diverse Pulmonary Conditions 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01355-9 PMID:39673008	研究论文	研究利用卷积神经网络（CNN）对胸部X光片进行分类，以诊断多种肺部疾病	提出了基于VGG19的模型，在肺部疾病分类任务中表现优于其他架构，平均准确率高达0.995和0.996	未提及具体的研究局限性	提高发展中国家医疗资源有限情况下的肺部疾病诊断准确性	胸部X光片中的肺部疾病分类	计算机视觉	肺部疾病	卷积神经网络（CNN）	VGG19	图像	8000张胸部X光片（包含四种肺部疾病）和2000张健康胸部X光片
1462	2024-12-15	Semi-supervised Ensemble Learning for Automatic Interpretation of Lung Ultrasound Videos 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01344-y PMID:39673011	研究论文	本文提出了一种用于自动解释肺部超声视频的半监督集成学习深度学习框架	引入了一种基于残差(2+1)D架构的半监督学习方法，并采用集成建模策略来聚合不同标签集的预测结果，利用了肺部超声发现的分层特性	多标签模型的平均F1分数为70.5%，仍有提升空间	开发一种能够自动解释肺部超声视频的深度学习框架，以辅助临床诊断	肺部超声视频及其中的发现（如A线、B线或实变）	计算机视觉	肺部疾病	深度学习	残差(2+1)D架构	视频	NA
1463	2024-12-15	Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data 2024-Dec-12, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105501 PMID:39671751	研究论文	本研究探讨了卷积神经网络在疾病分类任务中如何编码医学图像中的偏差	通过使用合成脑部磁共振成像数据，系统研究了卷积神经网络中层级偏差编码的机制，展示了在控制偏差场景下研究快捷学习机制的优势	研究仅限于合成数据，可能无法完全反映真实世界医学图像中的偏差情况	旨在填补对医学图像分析模型中算法偏差机制理解的知识空白	卷积神经网络在疾病分类任务中的偏差编码机制	计算机视觉	NA	卷积神经网络	CNN	图像	合成脑部磁共振成像数据
1464	2024-12-15	Unsupervised reconstruction of accelerated cardiac cine MRI using neural fields 2024-Dec-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109467 PMID:39672009	研究论文	本文提出了一种基于神经场表示的无监督方法NF-cMRI，用于加速心脏电影MRI的重建	本文的创新点在于提出了一种无监督的神经场表示方法，用于重建加速的心脏电影MRI，无需依赖大规模训练数据	本文的局限性在于仅在特定的采样条件下进行了评估，可能需要进一步验证其在其他条件下的适用性	研究目的是开发一种无需监督学习的心脏电影MRI重建方法，以加速数据采集	研究对象是心脏电影MRI的重建	计算机视觉	心血管疾病	神经场表示	神经场	图像	使用了13倍、17倍和26倍的欠采样因子进行评估
1465	2024-12-15	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2024-Dec-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	综述	本文系统回顾了近年来通过机器学习解码运动想象脑电信号（EEG）以提高运动障碍患者生活质量的研究进展	本文总结了自2017年以来相关研究的关键发现，涵盖了数据集、预处理方法、特征提取技术和深度学习模型，为研究人员提供了有价值的见解	本文为综述文章，未提出新的研究方法或模型，主要总结了现有研究的进展和挑战	探讨神经科学与深度学习在解码运动想象脑电信号方面的结合，以推动脑机接口（BCI）技术的发展	运动想象脑电信号（EEG）及其在脑机接口（BCI）中的应用	机器学习	运动障碍	脑电图（EEG）	深度学习模型	脑电信号	NA
1466	2024-12-15	Exploring diabetes through the lens of AI and computer vision: Methods and future prospects 2024-Dec-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109537 PMID:39672014	研究论文	本文探讨了通过人工智能和计算机视觉技术来检测糖尿病的方法和未来前景	本文提出了利用人工智能和计算机视觉技术来增强临床数据分析的创新方法，并探讨了其在糖尿病检测中的应用潜力	本文主要讨论了技术应用的挑战和建议，未深入探讨具体技术的局限性	探讨人工智能和计算机视觉技术在糖尿病检测中的应用及其未来发展	糖尿病检测及其相关技术应用	计算机视觉	糖尿病	人工智能、机器学习、深度学习、计算机视觉	NA	临床数据	NA
1467	2024-12-15	Artificial intelligence in emergency neuroradiology: Current applications and perspectives 2024-Dec-12, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.002 PMID:39672753	综述	本文综述了人工智能在急诊神经放射学中的当前应用和未来展望	本文详细分析了机器学习和深度学习算法在急性缺血性卒中相关任务中的应用，并讨论了其在急性颅内出血和其他血管病理学中的应用	本文呼吁更多基于临床需求的发展，关注儿科神经影像学，并分析实际表现	探讨人工智能在急诊神经放射学中的应用现状和未来发展方向	急性条件涉及的大脑、头颈部和脊柱，以及急性缺血性卒中、急性颅内出血和其他血管病理学	计算机视觉	NA	机器学习、深度学习	NA	图像	NA
1468	2024-12-14	A combined deep learning framework for mammalian m6A site prediction 2024-Dec-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文设计了一个结合Transformer架构和循环神经网络的深度学习框架deepSRAMP，用于预测哺乳动物m6A位点	deepSRAMP在性能上显著优于其前身SRAMP，并在多个基准数据集上超越了其他最先进的m6A预测器	NA	开发一种新的深度学习框架，用于精确预测哺乳动物mRNA中的m6A位点	哺乳动物mRNA中的m6A位点	机器学习	NA	深度学习	Transformer架构和循环神经网络	序列数据和基因组数据	多个基准数据集
1469	2024-12-15	Prediction of gene expression-based breast cancer proliferation scores from histopathology whole slide images using deep learning 2024-Dec-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13248-9 PMID:39663527	研究论文	本研究使用深度学习模型从全切片数字病理图像中预测乳腺癌的基因表达增殖评分	首次展示了使用深度卷积神经网络（CNN）从全切片数字病理图像中直接预测乳腺癌的基因表达增殖评分，并提供了临床预测信息	研究样本量有限，且仅限于侵袭性乳腺癌患者	评估是否可以从数字全切片图像中使用深度学习模型预测乳腺癌的分子增殖标志物	乳腺癌患者的全切片数字病理图像和RNA测序数据	数字病理学	乳腺癌	RNA测序	CNN	图像	819名侵袭性乳腺癌患者的训练数据，172例内部测试集和997例外部独立测试集
1470	2024-12-15	Large language models as an academic resource for radiologists stepping into artificial intelligence research 2024-Dec-10, Current problems in diagnostic radiology IF:1.5Q3 DOI:10.1067/j.cpradiol.2024.12.004 PMID:39672727	研究论文	本研究评估了GPT-4o作为推荐系统在帮助放射科医生理解和应用人工智能算法方面的有效性	GPT-4o作为虚拟顾问，为放射科研究人员提供定制化的算法推荐，填补了技术技能的空白	需要进一步研究将大型语言模型整合到常规工作流程中，并探讨其在持续专业发展中的作用	评估GPT-4o在放射科研究中作为人工智能和机器学习算法推荐系统的有效性	放射科医生和早期职业研究人员	机器学习	NA	大型语言模型（LLMs）	GPT-4o	医学影像	NA
1471	2024-12-15	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一种用于预测东洞庭湖有害藻华的早期预警系统，采用深度学习方法结合iTransformer模型进行时间序列分析，以提高预测精度	本研究创新性地将iTransformer模型应用于环境监测，通过其强大的预处理能力解决数据缺失问题，并利用注意力权重分析识别影响藻类密度的关键因素	尽管模型目前有效，但未来工作应探索更多环境变量以增强其预测能力和泛化性	开发一种有效的有害藻华预测系统，以支持水资源管理机构的快速行动	东洞庭湖的水质数据和有害藻华的发生	机器学习	NA	深度学习	iTransformer	时间序列数据	NA
1472	2024-12-15	Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis 2024-Dec-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-08120-7 PMID:39633356	meta-analysis	本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性	深度学习在骨质疏松诊断中的表现优于其他机器学习算法	需要进一步的临床试验来验证研究结果	研究深度学习在骨质疏松预测中的诊断准确性	深度学习算法在骨质疏松预测中的诊断性能	machine learning	代谢性疾病	深度学习	CNN	NA	10项研究
1473	2024-12-15	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2024-Dec-03, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱结合机器学习方法，快速检测山茶油的掺假情况	本研究引入了优化的CaoCNN模型，展示了深度学习在掺假油检测中的潜力	传统机器学习方法在单一和二元掺假油的分类中存在局限性	旨在识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，平行因子分析（PARAFAC）	卷积神经网络（CNN）	光谱数据	不同种类的植物油
1474	2024-12-15	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	本文提出了一种基于EEG信号的混合相似性特征选择和级联深度Maxout模糊网络用于自闭症谱系障碍检测	提出了级联深度Maxout模糊网络（Cascade DMFN）模型，并结合Canberra距离和Kumar-hassebrook混合相似性度量进行特征选择	未提及具体局限性	开发一种经济且简单的诊断模型，用于早期检测自闭症谱系障碍，以提供及时干预并降低医疗成本	自闭症谱系障碍的检测	机器学习	自闭症	深度学习	级联深度Maxout模糊网络（Cascade DMFN）	EEG信号	使用了EEG数据集和BCIAUT_P300数据集
1475	2024-12-15	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	本研究开发了一种基于机器学习的计算方法，用于预测植物基因组中响应非生物胁迫的环状RNA	首次提出了一种基于机器学习的模型，用于预测植物中响应非生物胁迫的环状RNA，并开发了一个在线预测工具AScirRNA	模型的准确性和性能仍有提升空间，且需要进一步验证其在不同植物物种中的适用性	探索植物中环状RNA在非生物胁迫响应中的功能，并开发预测工具以辅助作物育种	植物基因组中的环状RNA及其在非生物胁迫中的响应机制	机器学习	NA	机器学习算法	XGBoost, LightGBM	环状RNA序列	NA
1476	2024-12-15	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	本文提出了一种基于FCM-GRNN欠采样技术的深度学习模型ILYCROsite，用于识别赖氨酸巴豆酰化位点	本文创新性地采用了MLP-Attention模型，并结合FCM-GRNN欠采样算法来平衡数据集，显著提高了巴豆酰化位点识别的性能	NA	开发一种高效准确的模型来识别蛋白质中的赖氨酸巴豆酰化位点	赖氨酸巴豆酰化位点的识别	机器学习	NA	FCM-GRNN欠采样技术	MLP-Attention	序列	NA
1477	2024-12-15	Prediction of Crohn's disease based on deep feature recognition 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108231 PMID:39362115	研究论文	本文提出了一种基于深度学习的模型，利用顺序卷积注意力网络（SCAN）进行特征提取，结合自适应加性区间损失和支持向量机（SVM）进行分类，以预测克罗恩病	本文创新性地使用了顺序卷积注意力网络（SCAN）进行特征提取，并引入了自适应加性区间损失来增强特征，同时提出了一种随机噪声独热编码数据增强方法来处理样本不平衡问题	NA	利用深度学习技术分析基因信息，预测克罗恩病	克罗恩病患者的基因数据	机器学习	消化系统疾病	深度学习	顺序卷积注意力网络（SCAN）	基因数据	NA
1478	2024-12-15	A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108241 PMID:39405777	研究论文	本文提出了一种基于自适应尺度判别器和混合损失的多类眼底疾病分类系统	创新性地设计了多维注意力模块和自适应尺度判别器，并提出了混合损失函数方法以提高不平衡数据的检测能力	未提及具体的局限性	解决眼底图像中多类眼科疾病的分类问题	眼底图像中的多类眼科疾病	计算机视觉	NA	深度学习	ResNet50	图像	ODRI-5K数据集
1479	2024-12-15	Comprehensive review of literature on Parkinson's disease diagnosis 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	本文对帕金森病诊断领域的50篇文献进行了综合回顾，涵盖了多种模态和方法	本文系统性地总结了帕金森病诊断领域的研究进展，并指出了研究空白和障碍	本文主要基于已有文献的回顾，未提出新的诊断方法或技术	回顾帕金森病诊断领域的研究进展，识别研究空白和障碍	帕金森病诊断的相关文献和研究	机器学习	帕金森病	机器学习、深度学习	NA	图像、信号、数据	50篇文献
1480	2024-12-15	Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108232 PMID:39423605	研究论文	本文提出了一种基于联邦学习和深度学习框架的多模态抑郁症检测方法，利用MRI图像和语音信号进行青少年抑郁症的检测	本文创新性地结合了联邦学习（FL）和深度学习（DL）模型，解决了传统深度学习模型在处理大数据时的挑战，并提出了基于指数非洲鹈鹕优化算法（ExpAPO）的深度卷积神经网络（DCNN）用于局部模块的抑郁症检测	本文未详细讨论联邦学习框架在实际应用中的隐私保护问题以及模型的可解释性	研究目的是通过多模态数据（MRI图像和语音信号）检测青少年抑郁症，并利用联邦学习框架解决数据规模问题	研究对象是青少年的抑郁症检测，使用MRI图像和语音信号作为输入数据	机器学习	精神健康问题	联邦学习（FL），深度学习（DL）	深度卷积神经网络（DCNN）	图像和语音	未明确提及具体样本数量