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
1521	2024-12-15	Adaptive temporal compression for reduction of computational complexity in human behavior recognition 2024-05-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61286-x PMID:38720020	研究论文	本文提出了一种自适应时间压缩（ATC）模块，用于减少人类行为识别中的计算复杂度	提出了自适应时间压缩（ATC）模块，通过消除视频数据中的冗余帧来实现数据压缩，从而减少GPU计算负载和时间复杂度	未提及具体的技术局限性	解决三维卷积在人类行为识别中带来的参数数量增加、时间复杂度增加以及对GPU依赖性强的问题	人类行为识别中的计算复杂度问题	计算机视觉	NA	三维卷积	三维卷积神经网络	视频	未提及具体样本数量
1522	2024-12-15	Computing Speed-of-Sound From Ultrasound: User-Agnostic Recovery and a New Benchmark 2024-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3327147 PMID:37874729	研究论文	本文提出了一种利用IQ解调信号的相位信息来恢复声速图的新方法，并引入了一个新的基准数据集	本文创新性地利用IQ解调信号的相位信息来解决操作员依赖性问题，并改进了网络拓扑结构，提高了声速恢复的稳定性和速度	本文主要基于模拟数据进行研究，尚未完全解决从模拟数据到真实数据的迁移学习问题	本文旨在通过深度学习技术从原始超声信号中恢复声速图，并解决操作员依赖性问题	本文的研究对象是超声信号及其相位信息	计算机视觉	NA	深度学习	NA	信号	模拟数据集
1523	2024-12-15	A Deep Learning-Based Integrated Framework for Quality-Aware Undersampled Cine Cardiac MRI Reconstruction and Analysis 2024-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3321431 PMID:37782583	研究论文	本文提出了一种基于深度学习的全自动、质量控制的心脏电影磁共振成像（CMR）重建和分析集成框架	该框架能够在不牺牲图像质量或结果准确性的前提下，优化每扫描次的重采样因子，从而减少扫描时间并实现自动分析	研究仅使用了来自UK Biobank的270名受试者和16名健康受试者的数据，样本量有限	加速心脏电影磁共振成像的扫描时间，同时保持图像质量和分析准确性	心脏电影磁共振成像数据的重建、分割和下游分析	计算机视觉	心血管疾病	深度学习	NA	图像	270名受试者和16名健康受试者
1524	2024-12-15	Biomimetic Deep Learning Networks With Applications to Epileptic Spasms and Seizure Prediction 2024-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3325762 PMID:37851549	研究论文	本文提出了一种新颖的仿生深度学习网络，用于癫痫发作和癫痫预测，并与最先进的传统机器学习模型进行了性能比较	本文的创新点在于提出了结合模块化Volterra核卷积网络和双向循环网络的仿生深度学习模型，并引入了相位幅度跨频耦合特征	NA	研究目的是开发一种能够准确预测癫痫发作和癫痫的仿生深度学习网络	研究对象包括成人癫痫发作和婴儿痉挛综合征	机器学习	癫痫	卷积网络双向循环网络相位幅度跨频耦合	仿生深度学习网络	脑电图	使用了CHB-MIT数据集以及Montefiore医学中心和加州大学洛杉矶分校的两个数据集，包含成人和婴儿的癫痫发作数据
1525	2024-12-15	Reconstruction, simulation and analysis of enzyme-constrained metabolic models using GECKO Toolbox 3.0 2024-Mar, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-023-00931-7 PMID:38238583	研究论文	本文介绍了如何使用GECKO Toolbox 3.0重建、模拟和分析酶约束代谢模型	GECKO 3.0引入了深度学习预测的酶动力学，使得在没有实验数据的情况下也能改进代谢模型	整个协议的运行时间依赖于生物体，例如酵母大约需要5小时	提高基因组规模代谢模型（GEMs）的预测能力	酶约束代谢模型（ecModels）	生物信息学	NA	深度学习	NA	代谢数据	多种生物体和细胞系
1526	2024-12-15	Deepfake detection using deep feature stacking and meta-learning 2024-Feb-29, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25933 PMID:39670070	研究论文	本文提出了一种基于深度特征堆叠和元学习的深度伪造检测方法	本文创新性地结合了Xception和EfficientNet-B7模型的特征，并通过元学习器（多层感知器）进行分类，显著提高了检测准确率	NA	解决深度伪造视频检测问题	深度伪造视频	计算机视觉	NA	深度学习	多层感知器	视频	Celeb-DF (V2) 数据集和 FaceForensics++ 数据集
1527	2024-12-15	STEFF: Spatio-temporal EfficientNet for dynamic texture classification in outdoor scenes 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25360 PMID:39668860	研究论文	本文提出了一种新的时空方法STEFF，用于户外场景中的动态纹理分类	STEFF方法结合了运动和外观的表示能力，通过视频序列之间的差异和平均操作符进行动态纹理分类	NA	解决动态纹理分类中的空间和时间特性未知的问题	户外场景中的动态纹理	计算机视觉	NA	深度学习	EfficientNet	视频	三个数据集：Yupenn、DynTex++和Yupenn++
1528	2024-12-15	Resource-Efficient Neural Network Architectures for Classifying Nerve Cuff Recordings on Implantable Devices 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3312361 PMID:37672367	研究论文	本文探讨了在植入式设备上对神经袖带记录进行分类的资源高效神经网络架构	提出了三种神经网络架构（ESCAPE-NET、全卷积网络和循环神经网络）的变体，显著减少了权重、内存和浮点运算的需求，同时保持了较高的分类准确性	未提及具体的局限性	减少植入式设备实现中的资源利用，同时保持神经路径分类的性能	使用56通道袖带电极记录的鼠坐骨神经信号	机器学习	NA	卷积神经网络（CNN）、循环神经网络	卷积神经网络（CNN）、全卷积网络、循环神经网络	神经信号	使用先前收集的56通道袖带电极记录的鼠坐骨神经信号
1529	2024-12-15	Temporal-Spatial Correlation Attention Network for Clinical Data Analysis in Intensive Care Unit 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3309956 PMID:37647192	研究论文	本文介绍了一种时空相关注意力网络（TSCAN），用于解决重症监护病房中的多种临床特征预测问题	本文提出了TSCAN模型，利用注意力机制有效识别临床数据中的相关项目和时间相关节点，从而提高预测准确性	NA	利用深度学习技术解决重症监护病房中的临床特征预测问题	重症监护病房中的临床数据，包括死亡率预测、住院时间预测、生理衰退检测和表型分类	机器学习	NA	注意力机制	TSCAN	临床数据	使用了来自MIMIC-IV数据库的数据
1530	2024-12-15	Learning Without Real Data Annotations to Detect Hepatic Lesions in PET Images 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3315268 PMID:37708016	研究论文	本文提出了一种无需真实数据标注的深度学习方法，用于在PET图像中检测肝部病变	创新点在于设计了一种区域引导的生成对抗网络（RG-GAN），并结合数据增强模块，能够在没有真实病变标注的情况下进行肝部病变检测	NA	设计一种无需真实数据标注的深度学习方法，用于在PET图像中检测肝部病变	神经内分泌肿瘤（NETs）的肝部病变检测	计算机视觉	肝部病变	生成对抗网络（GAN）	区域引导生成对抗网络（RG-GAN）	图像	NA
1531	2024-12-15	Deploying artificial intelligence software in an NHS trust: a how-to guide for clinicians 2024-Jan-23, The British journal of radiology DOI:10.1093/bjr/tqad043 PMID:38263842	研究论文	本文为临床医生提供了在NHS信托中部署人工智能软件的实用指南	本文提供了关于在医疗环境中选择和部署新软件的实际指导，填补了现有指南的空白	本文主要关注胸部X光（CXR）解释的深度学习算法，可能不适用于其他类型的AI软件	提供在NHS信托中部署人工智能软件的实用指南，以促进AI技术在医疗领域的应用	NHS信托中的临床医生和医疗人员	机器学习	NA	深度学习算法	深度学习	图像	NA
1532	2024-12-15	Deep learning for tooth identification and numbering on dental radiography: a systematic review and meta-analysis 2024-Jan-11, Dento maxillo facial radiology DOI:10.1093/dmfr/twad001 PMID:38183164	综述	本文系统回顾和荟萃分析了深度学习在牙科放射图像中牙齿识别和编号的应用	深度学习模型在牙齿识别和编号方面表现出高精度和高准确性，能够增强复杂的自动化流程	研究仅包括了29篇符合条件的文献，可能存在选择偏倚	评估深度学习在牙科放射图像中牙齿识别和编号的应用效果	人类牙科放射图像中的牙齿识别和编号	计算机视觉	NA	深度学习	CNN	图像	29项研究
1533	2024-12-15	Comparison of deep learning methods for the radiographic detection of patients with different periodontitis stages 2024-Jan-11, Dento maxillo facial radiology DOI:10.1093/dmfr/twad003 PMID:38214940	研究论文	本研究评估了使用深度学习方法在全景X光片上进行计算机辅助牙周分类骨丢失分期的准确性，并比较了不同模型和层的表现	本研究开发了一种新的基于DenseNet121 + GAP + mRMR的支持向量机模型，该模型在牙周骨丢失分类中表现优于其他模型，能够从原始图像中检测有效特征，无需手动选择	NA	评估深度学习方法在全景X光片上进行牙周分类骨丢失分期的准确性	全景X光片上的牙周骨丢失分期	计算机视觉	牙周病	深度学习	CNN	图像	2533张全景X光片，包括721张健康组，842张Stage1/2组，970张Stage3/4组
1534	2024-12-15	Automatic detection of posterior superior alveolar artery in dental cone-beam CT images using a deeply supervised multi-scale 3D network 2024-Jan-11, Dento maxillo facial radiology DOI:10.1093/dmfr/twad002 PMID:38214942	研究论文	本研究开发了一种用于在牙科锥形束CT图像中自动检测后上牙槽动脉的深度监督多尺度3D网络	提出了多尺度深度监督的3D U-Net网络（3D U-Net MSDS），显著提高了后上牙槽动脉中心像素的定位精度	研究仅在150名受试者的数据上进行验证，样本量相对较小，可能影响模型的泛化能力	开发一种鲁棒且准确的深度学习网络，用于在牙科锥形束CT图像中检测后上牙槽动脉	后上牙槽动脉在牙科锥形束CT图像中的中心像素定位	计算机视觉	NA	深度学习	3D U-Net MSDS	图像	150名受试者的牙科锥形束CT数据
1535	2024-12-15	Coupled intelligent prediction model for medium- to long-term runoff based on teleconnection factors selection and spatial-temporal analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313871 PMID:39666703	研究论文	本文提出了一种基于遥相关因子选择和时空分析的耦合智能预测模型，用于中长期径流预测	本文创新性地结合了随机森林（RF）、支持向量回归（SVR）和多层感知器回归（MLPR），开发了两种耦合智能预测模型（RF-SVR和RF-MLPR），以提高预测精度和泛化能力	预测精度随着预测周期的延长而下降，表明长期预测由于不确定性增加和影响因素的累积而更具挑战性	提高中长期径流预测的准确性，为洪水控制、干旱缓解、水资源综合管理和生态恢复提供支持	雅砻江流域（YLRB）的中长期径流	水文学	NA	随机森林（RF）、支持向量回归（SVR）、多层感知器回归（MLPR）	耦合模型（RF-SVR和RF-MLPR）	径流数据	四个水文站点的数据
1536	2024-12-15	AMCFCN: attentive multi-view contrastive fusion clustering net 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1906 PMID:39669450	研究论文	本文提出了一种名为AMCFCN的新型多视图聚类网络，通过对比注意策略有效提取多视图数据中的鲁棒特征	引入了对比注意策略，能够在减少噪声的同时保留视图完整性，并提取一致的多视图表示	未提及具体限制	改进多视图聚类技术，提高聚类结果的准确性	多视图数据中的视图特定表示和一致表示	机器学习	NA	多视图聚类	AMCFCN	多视图数据	四个多视图数据集
1537	2024-12-15	Detection of renal cell hydronephrosis in ultrasound kidney images: a study on the efficacy of deep convolutional neural networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1797 PMID:39669452	研究论文	本研究探讨了深度卷积神经网络在超声肾脏图像中自动检测肾细胞肾积水的有效性	提出了创新的Novel DCNN模型，在肾细胞肾积水检测中表现出色，准确率达到99.8%	需要进一步探索更大和更多样化的数据集以及不同的优化策略来提升模型的收敛率和准确性	利用深度学习模型自动检测超声图像中的肾细胞肾积水	超声肾脏图像中的肾细胞肾积水	计算机视觉	肾脏疾病	深度学习	DCNN	图像	NA
1538	2024-12-15	Double-target self-supervised clustering with multi-feature fusion for medical question texts 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2075 PMID:39669457	研究论文	本文提出了一种双目标自监督聚类与多特征融合的方法，用于医疗问题文本的聚类	本文创新性地融合了词频和词汇语义信息，并引入了自注意力机制来计算文本中每个词的权重，同时构建了两个目标函数来实现跨文档主题特征的融合	NA	构建一个端到端的文本聚类模型，以更好地表示医疗问题文本的信息	医疗领域中的问题文本	自然语言处理	NA	自监督学习	自注意力机制	文本	NA
1539	2024-12-15	Deep ocular tumor classification model using cuckoo search algorithm and Caputo fractional gradient descent 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1923 PMID:39669458	研究论文	本研究提出了一种结合Caputo分数梯度下降和布谷鸟搜索算法的优化器，用于提高眼肿瘤分类的准确性和收敛速度	创新点在于将Caputo分数梯度下降方法与布谷鸟搜索算法结合，提出了一种新的优化器，显著提高了分类准确性和收敛速度	研究仅使用了400张眼底图像进行训练和评估，样本量相对较小，可能影响模型的泛化能力	旨在开发一种用于眼肿瘤分类的鲁棒深度学习系统，并提出一种新的优化器以提高分类性能	研究对象为眼底图像中的良性和恶性眼肿瘤	计算机视觉	NA	深度学习	CNN	图像	400张眼底图像，分为良性和恶性两类
1540	2024-12-15	Automated generation of process simulation scenarios from declarative control-flow changes 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2094 PMID:39669460	研究论文	本文提出了一种自动化生成业务流程模拟场景的方法，允许用户以声明方式指定控制流变化，并自动生成假设场景	本文的创新点在于使用生成式深度学习模型来自动生成符合用户指定控制流变化的模拟场景，从而简化了手动调整模拟模型的复杂性	本文的局限性在于数据驱动模拟方法在追求准确性时可能生成过于复杂的模型，增加了手动调整的难度	本文的研究目的是简化业务流程模拟中手动调整模拟模型的复杂性，特别是涉及控制流变化的场景	本文的研究对象是业务流程模拟模型及其在控制流变化下的调整	机器学习	NA	生成式深度学习模型	生成式深度学习模型	事件日志	NA