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
461	2024-08-07	Industrial Metaverse-Based Intelligent PID Optimal Tuning System for Complex Industrial Processes 2024-May-31, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3386669 PMID:38819970	研究论文	本文提出了一种在虚拟现实场景中对工业过程实际PID控制系统进行动态性能监控和参数自适应调整的方法	该方法结合了基于系统识别和自适应深度学习的PID控制过程数字孪生模型，以及基于强化学习的PID调优智能算法与工业元宇宙的虚拟现实和沉浸式交互	NA	解决复杂工业过程中实际运行的PID控制系统无法在线优化的问题	以能耗设备——镁熔炉作为工业对象，进行了对比仿真实验和工业实验	工业自动化	NA	系统识别、自适应深度学习、强化学习	数字孪生模型	虚拟现实场景	使用镁熔炉作为工业对象进行实验
462	2024-08-07	A CNN-LSTM model using elliptical constraints for temporally consistent sun position estimation 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31539 PMID:38818140	研究论文	本文提出了一种基于椭圆约束的CNN-LSTM模型，用于时间一致的太阳位置估计	该研究利用空间、时间和几何特征，即使在太阳部分或完全被遮挡的情况下，也能准确回归太阳位置	NA	提高太阳位置估计的准确性，以优化太阳能系统设计、天气预报服务和户外增强现实系统	太阳位置估计	计算机视觉	NA	深度学习	CNN-LSTM	图像序列	使用了Sirta、Laval和自定义数据集
463	2024-08-07	EEG-based emotion recognition systems; comprehensive study 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31485 PMID:38818173	review	本文对基于脑电图（EEG）信号的情绪识别技术进行了全面的综述	重点关注了深度学习在情绪识别中的应用，并分析了其特点、优势、劣势及适用场景	NA	总结当前情绪识别研究的状态，并为后续相关研究提供思路	基于EEG信号的情绪识别方法	machine learning	NA	EEG	CNN, LSTM, GAN	EEG信号	NA
464	2024-08-07	Computer-assisted decision support for the usage of preventive antibacterial therapy in children with febrile pyelonephritis: A preliminary study 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31255 PMID:38818202	研究论文	本研究利用深度学习技术分析肾静态影像数据，探讨首次诊断为发热性肾盂肾炎的2岁以下儿童是否需要预防性抗生素治疗	首次使用深度学习技术研究首次诊断为发热性肾盂肾炎的儿童是否需要预防性抗生素治疗	研究样本量相对较小，且仅限于2岁以下的儿童	探讨深度学习技术在计算机辅助决策支持系统中对发热性肾盂肾炎诊断的应用	首次诊断为发热性肾盂肾炎的2岁以下儿童	机器学习	泌尿系统感染	深度学习技术	AlexNet	影像数据	176名儿童，其中64名不需要预防性抗生素治疗，112名需要
465	2024-08-07	A deep learning approach for electric motor fault diagnosis based on modified InceptionV3 2024-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63086-9 PMID:38811686	研究论文	本研究提出了一种基于改进InceptionV3模型的电机故障诊断方法，通过使用红外热像技术并结合对比度受限的自适应直方图均衡化（CLAHE）和挤压激励（SE）通道注意力机制来提高检测精度	本研究通过整合SE通道注意力机制改进了InceptionV3模型，并结合传统分类器SVM进行特征提取和分类，提高了电机故障诊断的准确性	NA	开发一种高效的电机故障诊断方法	电机及其故障类型	机器学习	NA	InceptionV3模型，挤压激励（SE）通道注意力机制，对比度受限的自适应直方图均衡化（CLAHE）	InceptionV3	图像	369张电机热图像，包含11种故障类型
466	2024-08-07	Deep learning to assess microsatellite instability directly from histopathological whole slide images in endometrial cancer 2024-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01131-7 PMID:38811811	研究论文	本文提出了一种基于深度学习的模型，用于从子宫内膜癌的组织病理学全切片图像中直接评估微卫星不稳定性	该模型在评估微卫星不稳定状态方面表现出色，优于现有的四种先进方法，并且在AI推理时间上表现出高效率	NA	开发一种有效且高效的深度学习模型，用于快速准确地评估子宫内膜癌的微卫星不稳定状态	子宫内膜癌的微卫星不稳定状态	数字病理学	子宫内膜癌	深度学习	NA	图像	529名患者的组织病理学全切片图像
467	2024-08-07	DiffBindFR: an SE(3) equivariant network for flexible protein-ligand docking 2024-May-29, Chemical science IF:7.6Q1 DOI:10.1039/d3sc06803j PMID:38817560	研究论文	本文介绍了一种名为DiffBindFR的全原子扩散基柔性对接模型，用于在配体整体运动和柔性以及口袋侧链扭转变化的产品空间上操作，以提高蛋白质-配体对接的准确性。	DiffBindFR模型在生成具有物理上合理和详细相互作用的类似天然结合结构方面比现有对接方法具有更高的准确性，并且在Apo和AlphaFold2模型结构中显示出在精确预测配体结合姿态和蛋白质结合构象方面的优势。	NA	开发一种新的蛋白质-配体对接模型，以提高对接的准确性和物理合理性。	蛋白质-配体对接的准确性和物理合理性。	结构生物学	NA	分子对接	扩散模型	蛋白质和配体结构数据	NA
468	2024-08-07	A scoping review of machine learning for sepsis prediction- feature engineering strategies and model performance: a step towards explainability 2024-05-28, Critical care (London, England) DOI:10.1186/s13054-024-04948-6 PMID:38802973	综述	本文是一篇关于机器学习在脓毒症预测中特征工程策略和模型性能的综述，旨在提高模型的可解释性	强调了特征选择和提取在提高模型准确性中的重要作用，特别是在脓毒症预测模型中的应用	NA	识别用于预测脓毒症的关键特征，并评估模型的有效性	脓毒症预测中的机器学习模型	机器学习	脓毒症	机器学习	随机森林、XG Boost、深度学习模型	临床数据	1,147,202名患者
469	2024-08-07	VER-Net: a hybrid transfer learning model for lung cancer detection using CT scan images 2024-May-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01238-z PMID:38789925	研究论文	本文构建了一种名为VER-Net的新型迁移学习模型，通过叠加三种不同的迁移学习模型来检测肺部CT扫描图像中的肺癌	VER-Net通过叠加三种不同的迁移学习模型，提高了肺癌检测的准确性	NA	开发一种高效的迁移学习模型用于肺癌检测	肺部CT扫描图像中的肺癌	机器学习	肺癌	迁移学习	VER-Net	图像	多类别胸部CT图像
470	2024-08-07	Attention mechanism models for precision medicine 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae156 PMID:38811359	research paper	本文探讨了深度学习模型在精准医学中的应用，特别是注意力机制模型如SAN、GAT和transformer的研究	本文提出了一个关于精准医学中图注意力机制模型应用的创新研究特刊	NA	旨在提供精准医学中图注意力机制模型应用的全面概述和展示	精准医学中的注意力机制模型	machine learning	NA	attention mechanism models	SAN, GAT, transformers	genomic data	NA
471	2024-08-07	Autonomous screening for laser photocoagulation in fundus images using deep learning 2024-May-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323376 PMID:37217293	研究论文	本文研究使用深度学习模型在眼底图像中自动筛查激光光凝治疗	本文提出的模型在激光治疗检测任务中达到了高水平的性能，并能提升不同AI模型的效能	NA	研究如何利用深度学习算法在眼底图像中自动筛查糖尿病视网膜病变（DR）的激光治疗	眼底图像中的激光光凝治疗模式	计算机视觉	糖尿病视网膜病变	深度学习	深度学习模型	图像	开发集包含18,945个样本，验证集包含2,105个样本
472	2024-08-07	Automated expert-level scleral spur detection and quantitative biometric analysis on the ANTERION anterior segment OCT system 2024-May-21, The British journal of ophthalmology DOI:10.1136/bjo-2022-322328 PMID:37798075	研究论文	本文独立验证了深度学习算法在自动检测巩膜突和测量基于巩膜突的生物测量参数方面的性能	深度学习算法在自动检测巩膜突和测量生物测量参数方面接近专家水平	NA	验证深度学习算法在自动检测巩膜突和测量生物测量参数方面的性能	前段光学相干断层扫描（AS-OCT）图像中的巩膜突位置和生物测量参数	计算机视觉	NA	深度学习	NA	图像	1308张AS-OCT图像，来自117名参与者
473	2024-08-07	Applications of artificial intelligence (AI) in drinking water treatment processes: Possibilities 2024-May, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2024.141958 PMID:38608775	综述	本文综述了自1997年以来发表的91篇同行评审文章，这些文章应用人工智能技术于水处理过程中的混凝/絮凝、膜过滤、消毒副产物形成、吸附等操作管理，旨在评估人工智能技术在水处理过程中的发展和应用，并确定其局限性和改进领域。	深度学习技术展示了出色的特征提取和数据挖掘能力，可以开发基于图像识别的深度学习框架，建立絮体形状与混凝剂剂量之间的关系。此外，混合技术（如回归与人工智能的结合；物理/动力学与人工智能的结合）显示出更好的预测性能。	文章指出人工智能技术在水处理过程中的应用仍存在局限性，需要进一步研究以实现更好的控制。	评估人工智能技术在水处理过程中的发展和应用，并确定其局限性和改进领域。	水处理过程中的混凝/絮凝、膜过滤、消毒副产物形成、吸附等操作管理。	机器学习	NA	机器学习模型	深度学习	图像	至少91篇同行评审文章
474	2024-08-07	A Study on the Screening of Children at Risk for Developmental Disabilities Using Facial Landmarks Derived From a Mobile-Based Application 2024-May, Psychiatry investigation IF:1.8Q3 DOI:10.30773/pi.2023.0315 PMID:38810998	研究论文	本研究利用移动应用程序中的面部标志特征区分发展障碍儿童和正常发展儿童	利用移动设备收集的视频数据中的面部标志进行早期发展障碍检测	NA	早期检测和干预发展障碍儿童	发展障碍儿童和正常发展儿童	机器学习	NA	长短期记忆网络	LSTM	视频	89名儿童，包括33名诊断为发展障碍的儿童和56名正常发展儿童
475	2024-08-07	Quantifying lung fissure integrity using a three-dimensional patch-based convolutional neural network on CT images for emphysema treatment planning 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034502 PMID:38817711	研究论文	本文提出了一种深度学习方法，使用三维基于补丁的卷积神经网络（CNN）在CT图像上量化肺裂的完整性，以评估严重肺气肿患者的肺裂完整性，从而辅助确定是否适合进行支气管内瓣膜（EBV）治疗	本文创新地使用三维基于补丁的卷积神经网络（CNN）来分割肺裂并量化其完整性，为肺气肿治疗规划提供了一种新的深度学习方法	NA	开发一种深度学习方法来分割肺裂并准确量化肺裂完整性，以辅助识别适合进行EBV治疗的肺气肿患者	严重肺气肿患者的肺裂完整性	计算机视觉	肺气肿	卷积神经网络（CNN）	CNN	CT图像	129个严重肺气肿患者的CT扫描数据用于训练和测试
476	2024-08-07	Surface plasmons-phonons for mid-infrared hyperspectral imaging 2024-May-31, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ado3179 PMID:38809968	研究论文	研究通过开发一种结合表面等离子体和表面声子的超光谱成像系统，探索了表面声子在超光谱成像中的作用	首次展示了表面声子在超光谱成像中的应用，通过使用不对称十字形纳米天线，实现了对分子折射率强度和线形特征的精确捕捉，提高了分子识别的精确度和灵敏度	NA	探索表面声子在超光谱成像中的作用及其对分子识别的影响	表面等离子体和表面声子在超光谱成像中的应用	计算机视觉	NA	超光谱成像	深度学习	光谱数据	230,400 光谱/秒
477	2024-08-07	Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study 2024-May-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3cde PMID:38599183	研究论文	本研究比较了多种预训练卷积神经网络（CNN）在利用时间-频率数据表示算法进行癫痫脑电图（EEG）分类中的性能	首次探索了使用时间-频率数据调整预训练框架参数对EEG数据分类的影响	研究仅使用了Bern-Barcelona EEG数据集和Temple University数据库进行验证	评估预训练CNN模型结合不同时间-频率技术在癫痫EEG分类中的效果	癫痫脑电图信号的分类	机器学习	NA	连续小波变换（CWT）、经验傅里叶分解（EFD）、经验模态分解（EMD）、经验小波变换（EWT）、变分模态分解（VMD）	CNN	脑电图（EEG）	使用了Bern-Barcelona EEG数据集和Temple University数据库
478	2024-08-07	Optical frequency multiplication using residual network with random forest regression 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30958 PMID:38813222	研究论文	本文提出了一种利用残差网络（ResNet）与随机森林回归（RFR）算法相结合的混合深度学习方法，用于光学频率倍增	本文创新性地将残差网络与随机森林回归算法结合，用于光学频率倍增，并展示了三种不同的频率倍增调制方案	NA	研究光学频率倍增技术	光学频率倍增的参数优化及毫米波信号生成	计算机视觉	NA	残差网络（ResNet），随机森林回归（RFR）	ResNet，RFR	模拟数据	8倍频、12倍频和16倍频的毫米波信号
479	2024-08-07	Conversion of single-energy CT to parametric maps of dual-energy CT using convolutional neural network 2024-May-29, The British journal of radiology DOI:10.1093/bjr/tqae076 PMID:38597871	研究论文	本文提出了一种深度学习多任务学习框架，使用卷积神经网络将单能量CT（SECT）直接转换为双能量CT（DECT）的三种参数图：虚拟单色图像（VMI）、有效原子序数（EAN）和相对电子密度（RED）	本文的创新点在于开发了一种深度学习框架，能够将单能量CT图像直接转换为双能量CT的多种高质量参数图	NA	研究目的是开发一种模型，能够从单能量CT图像中生成参数信息，而无需双能量CT设备	研究对象包括单能量CT图像和双能量CT的参数图	计算机视觉	NA	卷积神经网络	CNN	图像	67名患者的数据
480	2024-08-07	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-May-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	本研究旨在开发和验证一个端到端的软件平台PyHFO，该平台简化了深度学习方法在从EEG记录中检测癫痫发作区的神经生理标志物中的应用	PyHFO引入了时间效率高的高频振荡（HFO）检测算法，并结合深度学习模型进行伪影和HFO分类，能够在标准计算机硬件上高效运行	NA	开发和验证一个端到端的软件平台，用于在癫痫研究中应用深度学习技术分析EEG数据	从EEG记录中检测癫痫发作区的神经生理标志物	机器学习	癫痫	深度学习	DL模型	EEG数据	三个独立数据集，包括网格/条电极、网格/条和深度电极组合以及使用深度电极采样的啮齿动物研究中的新皮质和海马体