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
521	2024-08-13	Morphological Rule-Constrained Object Detection of Key Structures in Infant Fundus Image 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3234100 PMID:37018340	研究论文	本文旨在通过结合领域特定的形态学规则来提升基于深度学习的对象检测方法，特别是在婴儿眼底图像中对视盘和黄斑的检测	本文定义了五种形态学规则，包括数量限制、大小限制、距离限制、角度/斜率限制和位置限制，以提高对象检测的准确性	NA	提高视盘和黄斑检测的准确性，以辅助早产儿视网膜病变（ROP）的区域分割和疾病诊断	婴儿眼底图像中的视盘和黄斑	计算机视觉	早产儿视网膜病变	深度学习	NA	图像	2953张婴儿眼底图像，包含2935个视盘实例和2892个黄斑实例
522	2024-08-13	A Parkinson's Auxiliary Diagnosis Algorithm Based on a Hyperparameter Optimization Method of Deep Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3246961 PMID:37027659	研究论文	本文提出了一种基于深度学习超参数优化方法的帕金森病辅助诊断算法	采用了改进的人工蜂群算法（GDABC）和提出的'范围修剪策略'及'维度调整策略'来优化ResNet50的超参数	未提及具体限制	提高帕金森病的诊断准确性	帕金森病的辅助诊断	机器学习	帕金森病	深度学习	ResNet50	语音信号	使用King's College London的Mobile Device Voice Recordings (MDVR-CKL)数据集进行验证
523	2024-08-13	Medical Tumor Image Classification Based on Few-Shot Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3282226 PMID:37294647	research paper	本文提出了一种改进的小样本学习方法用于医学肿瘤图像分类，并引入特征融合策略以充分利用有限样本的特征信息	本文提出的改进小样本学习方法和特征融合策略在仅使用少量标记样本的情况下，实现了优于现有先进方法的分类准确率	NA	提高医学肿瘤图像分类的准确性	医学肿瘤图像	computer vision	NA	few-shot learning	NA	image	仅使用10个标记样本进行实验
524	2024-08-12	Deep learning approach for unified recognition of driver speed and lateral intentions using naturalistic driving data 2024-Jul-28, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106569 PMID:39121787	研究论文	本研究提出了一种基于深度学习的统一识别方法，用于识别驾驶员的速度和横向意图，使用自然驾驶数据	本研究首次考虑了驾驶环境对速度意图的影响，并利用横向意图中的时间依赖性来防止识别错误的变化，同时整合了速度和横向意图的耦合关系	NA	提高车辆安全性、智能化和燃油经济性	驾驶员的速度和横向意图	机器学习	NA	深度学习	LSTM	自然驾驶数据	大量自然驾驶数据
525	2024-08-12	A Hyper-Transformer model for Controllable Pareto Front Learning with Split Feasibility Constraints 2024-Jul-26, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106571 PMID:39121789	研究论文	本文提出了一种用于可控帕累托前沿学习的超变换器模型，该模型适用于具有分割可行性约束的多目标优化问题	本文创新性地使用了超变换器模型（Hyper-Trans）替代传统的多层感知器（Hyper-MLP）模型，以提高计算效率和准确性	NA	研究目的是改进可控帕累托前沿学习方法，使其在具有分割可行性约束的多目标优化问题中更有效	研究对象是可控帕累托前沿学习方法及其在多目标优化问题中的应用	机器学习	NA	超变换器模型	超变换器（Hyper-Trans）	NA	NA
526	2024-08-12	CAPE: a deep learning framework with Chaos-Attention net for Promoter Evolution 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae398 PMID:39120645	研究论文	本文介绍了一种名为CAPE的深度学习框架，该框架采用混沌注意力网络用于启动子进化，旨在预测启动子强度并指导其定向进化	CAPE模型通过综合提取启动子内的进化信息，并使用改进的DenseNet和Transformer结构处理整体信息，实现了对原核生物启动子强度预测的最新成果	NA	预测启动子强度并指导其定向进化，以降低传统启动子工程中的实验成本	原核生物启动子强度	机器学习	NA	深度学习	DenseNet, Transformer	序列数据	NA
527	2024-08-12	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	本文展示了利用深度学习从已灭绝生物的蛋白质组中挖掘抗生素肽的可能性	首次利用深度学习技术从已灭绝生物的蛋白质组中挖掘具有广谱抗菌活性的抗生素肽	NA	通过分子复活技术解决抗生素抗性和其他生物医学问题	从已灭绝生物的蛋白质组中挖掘抗生素肽	机器学习	NA	深度学习	神经网络	蛋白质序列	10,311,899个肽序列
528	2024-08-12	Multi-step ahead forecasting of electrical conductivity in rivers by using a hybrid Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM) model enhanced by Boruta-XGBoost feature selection algorithm 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65837-0 PMID:38951605	研究论文	本研究使用混合卷积神经网络-长短期记忆（CNN-LSTM）模型结合Boruta-XGBoost特征选择算法，预测澳大利亚两条河流（Albert River和Barratta Creek）的电导率（EC），预测时间长达10天	采用创新的深度学习算法CNN-LSTM，并结合Boruta-XGBoost特征选择方法，提高了预测电导率的准确性	随着预测时间范围从3天增加到10天，模型的性能略有下降	开发一种高效的软计算方法，用于准确预测河流中电导率的变化	澳大利亚的Albert River和Barratta Creek的电导率	机器学习	NA	Boruta-XGBoost特征选择算法	CNN-LSTM	时间序列数据	从两条河流的10年数据中，使用7年（2012-2018）作为训练集，3年（2019-2021）作为测试集
529	2024-08-12	Deep learning-based super-resolution of structural brain MRI at 1.5 T: application to quantitative volume measurement 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01165-8 PMID:38758489	研究论文	本研究探讨了基于深度学习的超分辨率技术在低分辨率图像上生成高分辨率磁共振图像的可行性，旨在缩短扫描时间，并通过脑体积测量评估其效果。	本研究采用了3D残差密集网络（RDN）进行模型训练，提高了图像质量，并通过脑体积测量验证了其有效性。	NA	研究基于深度学习的超分辨率技术在低分辨率磁共振图像上的应用，以缩短扫描时间并保持图像质量。	低分辨率磁共振图像和脑体积测量。	计算机视觉	NA	深度学习	3D残差密集网络（RDN）	图像	使用了多种磁共振扫描仪获取的活体脑图像进行模型训练和测试。
530	2024-08-12	Comparison of convolutional-neural-networks-based method and LCModel on the quantification of in vivo magnetic resonance spectroscopy 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01120-z PMID:37713007	研究论文	本研究比较了基于卷积神经网络的方法和LCModel在体内磁共振波谱定量分析中的应用	提出了基于卷积神经网络的方法和缩放程序，用于定量分析体内磁共振波谱，并引入基于标准误差（SE）的误差指数来指示代谢物预测的置信水平	NA	探讨基于卷积神经网络的方法结合缩放程序是否能有效反映不同脑区代谢物浓度的变化	体内磁共振波谱的代谢物浓度	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	波谱数据	43名受试者的三个脑区
531	2024-08-12	Improvement of image quality in diffusion-weighted imaging with model-based deep learning reconstruction for evaluations of the head and neck 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01129-4 PMID:37989922	研究论文	研究使用基于模型的深度学习方法在头颈部扩散加权成像（DWI）中进行图像重建的效果	采用基于模型的深度学习技术进行图像重建，显著提高了图像质量	NA	评估深度学习（DL）基于模型的图像重建在头颈部扩散加权成像中的应用效果	41名接受头颈部DWI检查的患者	计算机视觉	NA	扩散加权成像（DWI）	深度学习（DL）	图像	41名患者
532	2024-08-12	Learning to deep learning: statistics and a paradigm test in selecting a UNet architecture to enhance MRI 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01127-6 PMID:37989921	研究论文	本研究旨在评估用于增强低信噪比和欠采样MRI的240个密集UNet（DUNet）训练参数的统计显著性，并确定不同DUNet配置之间的差异及其对图像质量指标的影响的有效性。	强调了在比较不同深度学习模型时使用适当统计分析的重要性，并展示了UNet架构在增强各种采集协议中的意外有效性。	NA	评估训练参数的统计显著性，并确定不同DUNet配置之间的差异及其对图像质量的影响。	240个密集UNet（DUNet）用于增强低信噪比和欠采样MRI。	计算机视觉	NA	深度学习	UNet	MRI图像	240个密集UNet，涉及5种采集协议，24种损失函数权重和2种基本事实。
533	2024-08-12	Stop moving: MR motion correction as an opportunity for artificial intelligence 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01144-5 PMID:38386151	综述	本文综述了基于深度学习的磁共振成像（MRI）运动校正方法	详细介绍了用于图像域或频率域中运动伪影减少和运动估计的神经网络，并简述了运动估计在其他下游任务中的应用	指出了当前基于深度学习的MRI运动校正的局限性，并提出了未来的研究方向	旨在全面回顾基于深度学习的MRI运动校正方法，并加强不同研究领域之间的互动	磁共振成像中的运动校正	计算机视觉	NA	深度学习	神经网络	图像	NA
534	2024-08-12	Spinet-QSM: model-based deep learning with schatten p-norm regularization for improved quantitative susceptibility mapping 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01158-7 PMID:38598165	研究论文	本研究提出了一种基于模型的深度学习框架Spinet-QSM，通过Schatten p-范数正则化改进定量磁化率成像	该方法采用可学习的范数参数p，能够对训练数据进行自适应调整，并能强制执行任何p-范数（0 < p ≤ 2）在可训练的正则化器上	NA	开发一种有效的基于模型的深度学习框架来解决定量磁化率成像的逆问题	定量磁化率成像的逆问题	机器学习	NA	磁共振成像	CNN	图像	77个不同采集协议和临床条件的成像体积
535	2024-08-12	Results of the 2023 ISBI challenge to reduce GABA-edited MRS acquisition time 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01156-9 PMID:38613715	研究论文	比较机器学习方法在减少GABA-编辑磁共振波谱（MRS）采集时间中的应用	使用深度学习重建方法，以较少的瞬态数据实现了与传统方法相当的信号噪声比、线宽和拟合误差	某些深度学习模型在优化线宽和信号噪声比时未能提高整体光谱质量，需要更稳健的评价指标	通过挑战赛形式比较机器学习模型在减少GABA-编辑MRS采集时间中的效果	GABA-编辑磁共振波谱重建模型	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）和视觉变换器	光谱数据	使用了一季度通常采集的瞬态数据进行模型训练和测试
536	2024-08-11	Deep Learning-Based Identification of Tissue of Origin for Carcinomas of Unknown Primary Using MicroRNA Expression: Algorithm Development and Validation 2024-Jul-24, JMIR bioinformatics and biotechnology DOI:10.2196/56538 PMID:39046787	研究论文	本研究利用深度学习技术，通过微小RNA表达数据识别未知原发部位的癌组织的起源，并进行算法开发和验证	本研究首次使用深度学习技术提高对未知原发部位癌组织起源的识别准确性，从62.5%提升至97%	在独立验证集上的准确性相对较低，表明算法在不同数据集上的泛化能力有待提高	探索微小RNA作为高精度生物标志物，通过机器学习方法检测转移性癌症的组织起源	未知原发部位的癌组织（CUP）	机器学习	癌症	微小RNA表达分析	深度学习	微小RNA表达数据	362个转移性样本用于训练，194个原发肿瘤样本用于验证
537	2024-08-11	PND-Net: plant nutrition deficiency and disease classification using graph convolutional network 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66543-7 PMID:38969738	research paper	本文提出了一种基于图卷积网络（GNN）和卷积神经网络（CNN）的新型深度学习方法PND-Net，用于植物营养缺乏和疾病的分类	该方法通过多尺度空间金字塔池化进行区域特征学习，以提高疾病分类的准确性，并在多个公共数据集上实现了最先进的性能	NA	旨在提高农作物产量，通过早期识别和检测植物营养缺乏和疾病，促进农业发展	植物营养缺乏和疾病	machine learning	NA	graph convolutional network (GNN), convolutional neural network (CNN)	CNN, GCN	image	评估了两个营养缺乏数据集和两个疾病分类数据集，使用了四种不同的CNN作为骨干网络
538	2024-08-11	Application of artificial intelligence-based magnetic resonance imaging in diagnosis of cerebral small vessel disease 2024-Jul, CNS neuroscience & therapeutics IF:4.8Q1 DOI:10.1111/cns.14841 PMID:39045778	研究论文	本文总结了近年来全球在基于深度学习的人工智能技术在磁共振成像（MRI）评估脑小血管病（CSVD）中的应用研究成果	利用基于深度学习的人工智能技术提取影像中的高维特征，辅助医生进行临床决策	NA	探讨人工智能技术在MRI影像中评估CSVD征象的应用	脑小血管病（CSVD）及其在MRI影像中的表现	数字病理学	脑血管疾病	磁共振成像（MRI）	深度学习	影像	NA
539	2024-08-11	Neural network dose prediction for cervical brachytherapy: Overcoming data scarcity for applicator-specific models 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17230 PMID:38814165	研究论文	本文研究了三种神经网络训练方法在宫颈近距离放射治疗剂量预测中的应用，以确定最佳的剂量预测方法	通过训练所有治疗数据克服了每种施用器类型数据稀缺的挑战，实现了比单独训练每种施用器更优越的性能	NA	比较三种神经网络训练方法在宫颈近距离放射治疗剂量预测中的效果，以实现自动化治疗计划	四种施用器类型（tandem-and-ovoid [T&O], T&O with 1-7 needles [T&ON], tandem-and-ring [T&R] 和 T&R with 1-4 needles [T&RN]）的剂量预测	机器学习	宫颈癌	3D Cascade U-Net	CNN	图像	859个治疗计划，来自266名宫颈癌患者
540	2024-08-11	A Secure High-Order Gene Interaction Detection Algorithm Based on Deep Neural Network 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3214863 PMID:36251904	研究论文	本文提出了一种基于深度神经网络和差分隐私的高阶基因交互检测算法Deep-DPGI，用于识别复杂疾病的基因类型和预测致病基因	Deep-DPGI算法通过集成损失函数和逐层相关性分析方法，结合自适应噪声机制，保护了高阶基因交互的安全性，同时平衡了隐私和效用	NA	旨在提高高阶单核苷酸多态性交互检测的效能，并有效防止敏感信息的泄露	高阶单核苷酸多态性交互	机器学习	NA	深度学习	深度神经网络	基因数据	NA