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
701	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
702	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
703	2024-08-07	Use of one-dimensional CNN for input data size reduction in LSTM for improved computational efficiency and accuracy in hourly rainfall-runoff modeling 2024-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.120931 PMID:38678895	研究论文	本研究提出了一种名为CNNsLSTM的深度学习架构，用于小时降雨径流建模，该架构通过一维卷积神经网络（1D-CNN）和长短期记忆网络（LSTM）的串联耦合实现	提出的CNNsLSTM架构在小时降雨径流建模中显著提高了估计精度，并减少了计算误差，特别是在高流量和峰值流量的估计上	尽管CNNsLSTM在计算速度上比LSTMwDpH慢，但仍比LSTMwHour快6.9-7.9倍	旨在通过结合1D-CNN和LSTM网络提高小时降雨径流模型的计算效率和准确性	研究对象为日本石狩河流域的小时降雨径流模型	机器学习	NA	一维卷积神经网络（1D-CNN）和长短期记忆网络（LSTM）	CNNsLSTM	时间序列数据	使用了包括降水、空气温度、蒸散、长波辐射和短波辐射在内的气象数据集
704	2024-08-07	Innovative methods for microplastic characterization and detection: Deep learning supported by photoacoustic imaging and automated pre-processing data 2024-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.120954 PMID:38692026	研究论文	本研究利用光声成像技术和自动数据预处理技术，结合Vqdp2生成式深度学习模型，对微塑料进行高分辨率图像捕捉和分类	首次采用光声成像技术捕捉微塑料的高分辨率图像，并设计自动化数据处理流程扩展数据集，同时提出Vqdp2模型通过多任务训练提高分类精度和特征提取能力	NA	旨在解决微塑料检测领域中复杂形态带来的快速视觉表征挑战	微塑料的检测和分类	计算机视觉	NA	光声成像	生成式深度学习模型	图像	多种微塑料样本
705	2024-08-07	The new paradigm in machine learning - foundation models, large language models and beyond: a primer for physicians 2024-May, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16393 PMID:38715436	综述	本文综述了基础机器学习模型，特别是大型语言模型（LLM），及其在医学领域的应用和潜在风险	介绍了基础机器学习模型如何从传统的任务特定预测模型转变为能够处理多种数据模式的深度学习模型	大型语言模型存在潜在的风险和偏见，需要在开发、评估和使用过程中进行适当的审查	探讨大型语言模型在医学领域的应用及其未来可能的临床实践	基础机器学习模型，特别是大型语言模型	机器学习	NA	深度学习	大型语言模型（LLM）	文本、音频、图像和视频	NA
706	2024-08-07	Forecasting carbon prices in China's pilot carbon market: A multi-source information approach with conditional generative adversarial networks 2024-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.120967 PMID:38723494	研究论文	本研究利用条件生成对抗网络模型，开发了一种预测框架，用于捕捉碳交易价格的时间序列变化特征和条件矩阵，以提高中国试点碳市场碳价格的预测精度	本研究采用生成对抗网络模型，通过生成器和判别器的连续迭代训练和交替优化，使生成的预测分布更接近实际样本数据，从而提高预测精度	NA	提高中国试点碳市场碳价格的预测精度，优化碳定价系统	湖北和广东地区的碳市场	机器学习	NA	生成对抗网络 (GAN)	生成对抗网络 (GAN)	时间序列数据	NA
707	2024-08-07	Topological Deep Learning: A New Dimension in Gastroenterology for Metabolic Dysfunction-Associated Fatty Liver 2024-May, Cureus DOI:10.7759/cureus.60532 PMID:38764708	研究论文	本文探讨了拓扑深度学习（TDL）在代谢功能障碍相关脂肪肝病（MAFLD）诊断和监测中的应用	TDL能够识别传统方法可能遗漏的医学影像数据中的复杂模式，从而实现更早和更精确的检测	TDL在计算需求和输出可解释性方面存在挑战，需要进一步的研究和开发以应用于临床	提高MAFLD诊断和分期的准确性和效率	代谢功能障碍相关脂肪肝病（MAFLD）	机器学习	肝脏疾病	拓扑深度学习（TDL）	拓扑深度学习模型	影像	NA
708	2024-08-07	Ultra-flat bands at large twist angles in group-V twisted bilayer materials 2024-May-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0197757 PMID:38767261	研究论文	本研究提出了一种在具有大扭曲角度的V族扭曲双层材料中实现超平带的策略	通过使用深度学习方法DeepH研究了多达2524个原子的扭曲双层材料的能带结构，显著减少了计算时间，并发现9.43°的扭曲角度足以实现与魔角1.08°的扭曲双层石墨烯相当的能带平坦度	NA	探索在扭曲层状二维材料中实现超平带的可行平台	V族扭曲双层材料，包括β相的P、As和Sb	材料科学	NA	深度学习方法DeepH	NA	能带结构	多达2524个原子的扭曲双层材料
709	2024-08-07	[Reduction of Motion Artifacts in Liver MRI Using Deep Learning with High-pass Filtering] 2024-May-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1408 PMID:38462509	研究论文	研究使用深度学习结合高通滤波技术减少肝脏MRI图像中的运动伪影	采用深度学习与高通滤波相结合的方法，有效减少了肝脏MRI图像中的运动伪影，同时保持了图像的清晰度	NA	探讨深度学习结合高通滤波技术在减少肝脏MRI图像运动伪影中的应用效果	69名接受肝脏MRI检查的患者	计算机视觉	NA	深度学习	NA	图像	69名患者
710	2024-08-07	[Validation of Optimal Imaging Conditions for Coronary Computed Tomography Angiography Using High-definition Mode and Deep Learning Image Reconstruction Algorithm] 2024-May-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1353 PMID:38508756	研究论文	验证高清晰度模式和深度学习图像重建算法结合下的冠状动脉CT血管造影的最佳成像条件	结合高清晰度模式和深度学习图像重建算法，优化冠状动脉CT血管造影的成像条件	研究仅限于使用胸部和内部3D打印模型进行扫描，未涉及临床患者数据	验证在高清晰度模式和深度学习图像重建算法结合下，冠状动脉CT血管造影的最佳成像条件	使用256排探测器CT扫描仪扫描的胸部和内部3D打印模型	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习图像重建算法	图像	胸部和内部3D打印模型
711	2024-08-07	Deep-learning model for background parenchymal enhancement classification in contrast-enhanced mammography 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad42ff PMID:38657641	研究论文	本文开发了一种基于深度学习的模型，用于在对比增强乳腺摄影（CEM）中自动分类乳腺背景实质增强（BPE）水平	本文首次提出了一种在CEM中自动分类BPE水平的工具，填补了该领域的空白	模型在存在病变的情况下准确性略有下降，但无统计学意义	开发一种自动化的方法来评估CEM中的BPE水平，以减少读者的变异性	乳腺背景实质增强（BPE）水平的分类	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	训练集包含7012对CEM图像，评估集包含1013对图像
712	2024-08-07	FlexDTI: flexible diffusion gradient encoding scheme-based highly efficient diffusion tensor imaging using deep learning 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad45a5 PMID:38688288	研究论文	本文开发并评估了一种基于动态卷积的新方法FlexDTI，用于高效扩散张量成像，该方法支持灵活的扩散编码梯度方案	FlexDTI使用动态卷积核将扩散梯度方向信息嵌入到相应的扩散信号特征图中，实现了对灵活数量扩散梯度方向的泛化	NA	开发一种高效的扩散张量成像方法，支持灵活的扩散编码梯度方案	扩散张量成像	计算机视觉	NA	深度学习	动态卷积	图像	使用来自人类连接组项目和本地医院的数据集进行训练和测试
713	2024-08-07	Application of MR images in radiotherapy planning for brain tumor based on deep learning 2024-May-20, The International journal of neuroscience DOI:10.1080/00207454.2024.2352784 PMID:38712669	研究论文	本文研究了基于深度学习方法的MRI图像在脑肿瘤放射治疗计划中的功能和剂量计算准确性	提出了一种使用深度学习方法（U-NET）将MRI图像转换为CT图像的新模型，并验证了其在剂量计算中的可行性	研究样本量相对较小，可能需要更大规模的研究来进一步验证模型的泛化能力	探索MRI图像在放射治疗计划中的应用，特别是通过深度学习方法进行剂量计算的准确性	131名接受放射治疗的脑肿瘤患者的MRI和CT图像	机器学习	脑肿瘤	深度学习	U-NET	图像	131名脑肿瘤患者，其中105名用于训练，26名用于调优，8名用于测试
714	2024-08-07	Authentication with a one-dimensional CNN model using EEG-based brain-computer interface 2024-May-20, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2355490 PMID:38767327	研究论文	本文提出了一种基于一维卷积神经网络（1-D CNN）的脑机接口（BCI）技术，用于运动想象（MI）识别，并创新性地应用于身份验证系统	提出了一种轻量级的1-D CNN模型，用于运动想象识别，并创新性地将其应用于身份验证系统，为残疾人士提供了一种新的安全措施	EEG信号处理中存在噪声和其他信号源的干扰，且其泛化能力有限	提高EEG信号分类的鲁棒性，使其在多种应用中更加实用，减少对专业训练的依赖	运动想象（MI）识别，包括右手、左手、脚和静坐任务	机器学习	NA	EEG	CNN	信号	NA
715	2024-08-07	Similarity-guided graph contrastive learning for lncRNA-disease association prediction 2024-May-18, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168609 PMID:38750722	研究论文	本文提出了一种基于相似性引导的图对比学习模型（SGGCL），用于预测长非编码RNA与疾病之间的关联	创新地结合了图神经网络和对比学习方法，并引入了一种新的相似性引导图数据增强方法，以生成高质量的正负样本对	NA	提高长非编码RNA与疾病关联预测的准确性	长非编码RNA与疾病之间的关联	机器学习	NA	图对比学习	图卷积神经网络	图数据	多个数据集
716	2024-08-07	Enhanced cell segmentation with limited training datasets using cycle generative adversarial networks 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109740 PMID:38706861	研究论文	本文介绍了一种基于CycleGAN的架构cGAN-Seg，用于在有限标注数据集的情况下增强细胞分割模型的训练	cGAN-Seg能够在训练过程中生成具有真实图像形态细节和细微差别的合成相位对比或荧光图像，从而提高分割模型的预测准确性和泛化能力	NA	解决深度学习在单细胞分割应用中因缺乏大型多样化标注数据集的限制	细胞分割模型	计算机视觉	NA	CycleGAN	CycleGAN	图像	有限标注数据集
717	2024-08-07	DeepDive: estimating global biodiversity patterns through time using deep learning 2024-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48434-7 PMID:38760390	研究论文	本研究通过深度学习模型和随机模拟方法，推断全球或区域尺度上的生物多样性随时间的变化，并考虑了空间、时间和分类学采样变异	本方法在模拟数据集上优于其他方法，特别是在大空间尺度上，提供了在多种保存场景下稳健的古生物多样性估计	NA	理解生物多样性随时间的变化是进化生物学的核心目标	全球或区域尺度上的生物多样性随时间的变化	机器学习	NA	深度学习	深度学习模型	数据集	两个实证数据集，分别涉及二叠纪-三叠纪海洋动物记录和新生代长鼻类动物的演化
718	2024-08-07	A domain knowledge-based interpretable deep learning system for improving clinical breast ultrasound diagnosis 2024-May-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00518-7 PMID:38760506	研究论文	本文提出了一种基于领域知识的可解释深度学习系统，用于提高临床乳腺超声诊断的准确性	该系统通过结合多模态超声图像和领域知识，提供了解释性特征，增强了与放射科医生的互动	NA	提高乳腺超声图像的自动解读准确性，并增强系统的临床应用性	乳腺超声图像和乳腺癌症风险预测	机器学习	乳腺癌症	深度学习	深度学习系统	图像	4320张多模态乳腺超声图像，来自1348名前瞻性入组患者
719	2024-08-07	Multi-step forecasting of dissolved oxygen in River Ganga based on CEEMDAN-AdaBoost-BiLSTM-LSTM model 2024-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61910-w PMID:38755217	研究论文	本研究提出了一种结合CEEMDAN、AdaBoost和深度学习的新方法，用于对Ganga河的溶解氧进行多步预测	使用CEEMDAN生成不同频率的固有模态函数，捕捉数据的非线性和非平稳特性，并结合AdaBoost和BiLSTM进行预测	NA	提高溶解氧预测的准确性	Ganga河的溶解氧	机器学习	NA	CEEMDAN, AdaBoost, BiLSTM, LSTM	BiLSTM, LSTM	时间序列数据	Ganga河的十个站点数据
720	2024-08-07	AI-based disease category prediction model using symptoms from low-resource Ethiopian language: Afaan Oromo text 2024-05-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62278-7 PMID:38755269	研究论文	本文研究了基于Afaan Oromo语言症状文本的AI疾病分类预测模型	首次探索了在资源匮乏的Afaan Oromo语言中使用机器学习和深度学习方法进行疾病分类预测	由于缺乏标准语料库，研究使用了自行准备的数据集	开发一种能够自动从Afaan Oromo语言的症状文本中预测疾病类别的AI模型	Afaan Oromo语言的症状文本	自然语言处理	NA	机器学习与深度学习	支持向量机、随机森林、逻辑回归、朴素贝叶斯、LSTM、GRU、双向LSTM	文本	三个不同数量的患者症状数据集，分为10个类别