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
921	2024-08-05	MiniSeg: An Extremely Minimum Network Based on Lightweight Multiscale Learning for Efficient COVID-19 Segmentation 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3230821 PMID:37015641	研究论文	MiniSeg是一种基于轻量级多尺度学习的高效COVID-19分割网络	提出了一种轻量级的模型MiniSeg，引入了注意力层次空间金字塔模块以实现高效的多尺度学习	传统深度学习方法易于过拟合且计算成本高，但MiniSeg的具体限制在文中并未详细说明	旨在提高COVID-19 CT图像分割的精度和效率	COVID-19感染区域的CT图像	计算机视觉	COVID-19	深度学习	轻量级模型	图像	NA
922	2024-08-05	Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 2024-Jun, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15306 PMID:38682806	研究论文	本文研究了自动化CT定量分析间质性肺异常对I期非小细胞肺癌患者的预后意义	使用基于Fleischner Society定义的深度学习自动定量程序评估间质性肺异常的预测价值	本研究为回顾性分析，可能存在选择偏倚	评估间质性肺异常在I期非小细胞肺癌患者中的预后价值	948名接受肺切除术的I期非小细胞肺癌患者	数字病理学	非小细胞肺癌	深度学习	NA	CT扫描图像	948名I期非小细胞肺癌患者
923	2024-08-05	An Explainable and Generalizable Recurrent Neural Network Approach for Differentiating Human Brain States on EEG Dataset 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3214225 PMID:36331650	研究论文	提出了一种可解释且具有良好泛化能力的递归神经网络方法，用于EEG数据集上区分人类大脑状态	创新点在于提出了一种基于多随机片段搜索的多层递归神经网络模型，并通过可解释的MRNN模块捕捉EEG时序中的时间依赖性	本研究对EEG信号的处理仍可能受到特定条件和数据集限制	研究如何利用深度学习有效区分EEG信号中的脑状态	使用EEG信号数据集来训练和验证所提出的模型	计算机视觉	NA	EEG	递归神经网络	信号	包括多个来自不同个体的EEG信号样本以进行分类
924	2024-08-05	Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study 2024-Jun, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2161-9369 PMID:38052240	研究论文	本研究探讨了基于多模态超声的深度学习放射组学在分类转移性颈部淋巴结病原发癌症位点中的可行性	该研究首次应用深度学习放射组学模型来区分转移性颈部淋巴结病的原发癌症位点	研究没有显示出超声弹性成像和对比增强超声与基础超声联合模型在准确性上有显著性提高	研究的目的是评估深度学习放射组学在分类转移性颈部淋巴结病原发癌症位点中的有效性	研究对象为280名癌症患者的280个经活检确认的转移性颈部淋巴结病样本	数字病理学	头颈肿瘤	多模态超声	深度学习放射组学模型	医学影像	280个转移性颈部淋巴结病样本
925	2024-08-05	Deep Neural Networks and Tabular Data: A Survey 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3229161 PMID:37015381	综述	该文章提供了针对异构表格数据的深度学习方法的综述	第一次对表格数据的深度学习方法进行了深入的概述，并进行了系统分类	深度学习模型在监督学习任务中的表现仍然不及基于梯度提升树的算法，暗示研究进展停滞	探索深度学习在表格数据中的应用和方法	针对不同规模和学习目标的真实世界表格数据集进行比较	机器学习	NA	深度学习	NA	表格数据	五个真实世界的表格数据集
926	2024-08-07	Correction: Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study 2024-Jun, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2235-8731 PMID:38216132	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
927	2024-08-05	Deep learning model to discriminate diverse infection types based on pairwise analysis of host gene expression 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109908 PMID:38827397	研究论文	提出了一种深度学习模型bvnGPS2，用于区分不同类型的感染	结合注意力机制及大规模综合宿主转录组数据集，精确识别革兰氏阳性和阴性细菌感染及病毒感染	可能存在数据集来源和规模的限制	准确检测由各种病原体引起的感染	4,949个血样本来自10个国家的40个队列	机器学习	NA	深度学习，注意力机制	深度神经网络	血样本	4,949个血样本
928	2024-08-05	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-Jun-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出了两种新方法，用于识别和减轻运动想象脑机接口系统中困难试验对模型性能的影响	提出了基于模型预测得分和定量可解释人工智能的方法来识别困难试验	实验未提及在其他数据集上的普遍性验证	提高运动想象脑机接口系统的分类性能	Open BMI 数据集中的运动想象试验	机器学习	NA	深度学习	深度卷积神经网络 (CNN)	数据集	NA
929	2024-08-05	How Artificial Intelligence Unravels the Complex Web of Cancer Drug Response 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1123 PMID:38588311	研究论文	该文章探讨了人工智能在癌症药物反应中的作用	研究通过解释性深度学习模型揭示了肿瘤细胞结构与药物反应之间的关系	NA	研究人工智能在精密医学中对癌症治疗的影响	研究CDK4/6抑制剂在乳腺癌治疗中的反应机制	数字病理学	乳腺癌	深度学习	解释性深度学习模型	NA	NA
930	2024-08-05	Integrated Fibrous Iontronic Pressure Sensors with High Sensitivity and Reliability for Human Plantar Pressure and Gait Analysis 2024-Jun-04, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c02919 PMID:38760182	研究论文	本文开发了一种高灵敏度和可靠性的综合性足底压力传感系统，适用于人类足底压力和步态分析。	该系统具有高模量、多孔层压的离子纤维结构，并利用统一的聚酰亚胺材料系统，实现了高灵敏度和广泛的传感范围，其准确性高达99.8%。	当前柔性传感器在结构变形性、功能层之间的机械不兼容性和复杂应力条件下的稳定性方面存在诸多挑战。	研究旨在开发一种优化的足底压力传感器，以实时监测和分析人类的运动和姿势。	研究对象为人类的足底压力及其在各种运动活动中的分布。	数字病理	NA	深度学习	NA	NA	超过150,000次循环的耐久性测试
931	2024-08-05	Automated Radiology Report Generation: A Review of Recent Advances 2024-Jun-03, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3408456 PMID:38829752	综述	此文对自动放射科报告生成的近期进展进行了方法论回顾	该文章评估了数据集、深度学习训练方法及最新模型架构，并探讨多模态输入和知识图谱的整合	NA	旨在评估和总结当前自动放射科报告生成方法的技术进展	当前的自动放射科报告生成方法	计算机视觉	NA	深度学习	CNN和变压器模型	数据集	NA
932	2024-08-05	Deep learning in the precise assessment of primary Sjögren's Syndrome based on ultrasound images 2024-Jun-03, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae312 PMID:38830044	研究论文	本研究旨在探讨基于灰度超声图像的深度学习模型在原发性干燥综合征的精准评估和准确诊断中的价值	提出了一种基于ResNet 50的深度学习模型，用于分析双侧下颌腺、腮腺和泪腺的灰度超声图像，且表现优于传统放射科医生的诊断	研究样本主要来自特定时间段的患者，可能限制结果的普适性	探讨深度学习在原发性干燥综合征的诊断中的应用	72名原发性干燥综合征患者和72名性别及年龄匹配的健康对照，以及41名患者和41名健康对照	自然语言处理	NA	深度学习	ResNet 50	图像	共184名样本（72名患者和72名健康对照，以及41名患者和41名健康对照）
933	2024-08-05	Compositionally Equivariant Representation Learning 2024-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3358955 PMID:38277249	研究论文	本文研究如何利用合成性学习更具可解释性和可推广性的医学图像分割表示	提出了基于可学习的von-Mises-Fisher (vMF) 核心模型化合成表示，强调合成等变性在医学图像生成因素中的重要性	未在不同医学图像数据集上测试合成性等变性模型的通用性	探索医学图像分割中更可解释及可推广的表示学习方法	医学图像（如MRI和CT扫描）	计算机视觉	NA	vMF核	NA	图像	NA
934	2024-08-05	TRA-ACGAN: A motor bearing fault diagnosis model based on an auxiliary classifier generative adversarial network and transformer network 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.03.033 PMID:38604873	研究论文	本文提出了一种基于辅助分类器生成对抗网络和变换网络的电动机轴承故障诊断模型TRA-ACGAN	该模型结合了ACGAN和变换网络，利用注意机制提取有效特征，避免了传统迭代和卷积结构的局限	尚未提及具体的局限性	研究电动机轴承故障诊断中的生成对抗网络的应用	电动机轴承故障数据及其诊断	深度学习	NA	生成对抗网络	ACGAN, 变换网络	故障数据	使用了CWRU数据集和PU数据集
935	2024-08-05	Deep Learning With Physics-Embedded Neural Network for Full Waveform Ultrasonic Brain Imaging 2024-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3363144 PMID:38329866	研究论文	本研究提出了一种基于物理嵌入神经网络的深度学习全波形反演技术，用于脑部超声成像	提出了嵌入物理原理的神经网络模型，能够替代传统的有限差分方法进行非线性波场计算	NA	开发一种可靠的脑组织定量成像技术	脑组织模型的成像	数字病理学	NA	全波形反演	前向卷积神经网络（FCNN）和反演子神经网络（ISNN）	图像	通过模拟和实验室测试进行评估的不同模型和组织切片
936	2024-08-05	A deep learning-based model for detecting Leishmania amastigotes in microscopic slides: a new approach to telemedicine 2024-Jun-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-024-09428-4 PMID:38824500	研究论文	本研究开发了一种基于深度学习的模型，用于在显微切片中检测利什曼虫的阿米巴体	提出了一种名为LeishFuNet的深度学习框架，通过同域迁移学习提高检测利什曼虫的性能	可能在某些病理情况下的检测效果需要进一步验证	开发一种基于深度学习的自动化诊断模型以检测利什曼病	用于检测利什曼虫的显微图像，包含138个阳性案例和154个阴性案例	计算机视觉	利什曼病	深度学习	VGG19, ResNet50, MobileNetV2, DenseNet 169	图像	292张自收集的高分辨率显微图像
937	2024-08-05	Vegetation change detection and recovery assessment based on post-fire satellite imagery using deep learning 2024-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63047-2 PMID:38824170	研究论文	本研究提供了一种新的方法来理解和评估火灾后对植被的影响	提出了一种名为深嵌入聚类（DEC）的无监督方法来检测植被变化，并开发了基于深度学习的自适应生成对抗神经网络模型（AdaptiGAN）进行植被恢复评估	未提及具体的局限性	评估火灾后植被的变化和恢复	受野火影响地区的植被变化	遥感	NA	深度学习，卫星遥感	深嵌入聚类（DEC），自适应生成对抗神经网络模型（AdaptiGAN）	卫星影像	NA
938	2024-08-05	Research of 2D-COS with metabolomics modifications through deep learning for traceability of wine 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63280-9 PMID:38824219	研究论文	提出了一种通过代谢组学分析与深度学习分类相结合的方法，以追溯葡萄酒的来源	结合代谢组学筛选与卷积神经网络，优化葡萄酒来源追溯的分类结果	未提及更广泛的应用或与其他分析方法的比较	研究葡萄酒的来源追溯方法	180个来自6个不同葡萄酒产区的葡萄酒样本	数字病理学	NA	UPLC-Q-TOF-MS	卷积神经网络 (CNN)	光谱	180个样本
939	2024-08-05	Adapting low-dose CT denoisers for texture preservation using zero-shot local noise-level matching 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17015 PMID:38478305	研究论文	本文提出了一种增强低剂量CT去噪算法的方法，旨在防止过度平滑现象并保持图像纹理的清晰度	提出的局部自适应噪声水平匹配算法能够在无额外训练数据的情况下增强去噪效果	该方法的有效性依赖于良好的噪声水平匹配，可能在某些极端图像情况下表现不佳	解决低剂量CT图像的过度平滑问题，设计无需大量训练数据的去噪算法	低剂量CT图像去噪算法的提升	数字病理学	NA	去噪	NA	图像	使用多种测试的低剂量CT去噪器进行实验
940	2024-08-05	Interpretable baseflow segmentation and prediction based on numerical experiments and deep learning 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121089 PMID:38733842	研究论文	本研究探讨了气象因素和地表变化如何影响高寒山区基流，通过深度学习模型进行基流分离与预测	采用灰狼优化数字滤波方法（GWO-DFM）进行快速基流分离，并使用长短期记忆神经网络（LSTM）模型解释基流预测中的可解释性	在数据稀缺的高寒山区选择最合适的基流分离方法具有挑战性	研究高寒山区基流变化及其响应机制，以便更好地管理水资源	高寒山区的基流及影响其变化的气象和地表因素	数值模拟	NA	灰狼优化数字滤波方法（GWO-DFM）、长短期记忆神经网络（LSTM）	LSTM	流量数据、气象数据、MODIS数据	63年流量时间序列（1958-2020），21年ERA5-land气象数据（2000-2020）