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
941	2024-08-05	CMAF-Net: a cross-modal attention fusion-based deep neural network for incomplete multi-modal brain tumor segmentation 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-9 PMID:39022265	研究论文	该研究提出了一种新型深度学习网络CMAF-Net，用于不完整多模态脑肿瘤分割	本文的创新点在于设计了跨模态注意力融合的深度神经网络，能够处理不同缺失模态情况	该研究未提及对不同模态缺失情况的通用适用性和其他数据集的验证	本研究的目的是改善不完整多模态脑肿瘤分割的准确性	研究对象为不同模态的脑肿瘤图像数据	计算机视觉	脑肿瘤	深度学习	3D U-Net	医学图像	使用BraTS 2018和BraTS 2020数据集进行评估
942	2024-08-05	Research on ultrasound-based radiomics: a bibliometric analysis 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1867 PMID:39022291	研究论文	本研究对基于超声的放射组学进行了系统的文献计量分析	首次对超声放射组学领域进行系统的文献计量分析，识别研究热点和前沿	缺乏对超声放射组学研究的深入实验数据和具体案例分析	系统化描述基于超声的放射组学研究的整体框架和特征	对2016年至2023年间的相关文献进行分析	数字病理学	甲状腺癌	文献计量分析	NA	文献	466篇相关文献
943	2024-08-05	Cervical cancer segmentation based on medical images: a literature review 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-369 PMID:39022282	综述	本文全面回顾了关于宫颈癌医学图像分割的文献，并讨论了目前分割过程中的挑战	提供了不同医学图像分割方法的分类及其优缺点的深入分析	现有文献中缺乏对宫颈癌医学图像分割领域的综合回顾	综述宫颈癌医学图像在靶区和风险器官的分割方法及其挑战	研究主要集中在利用CT、MR和PET图像进行宫颈癌的分割	数字病理学	宫颈癌	CT、MR、PET	传统或深度学习方法	医学图像	NA
944	2024-08-05	[A quantitative MRI comparative study of imaging markers for cerebral small vessel disease in the middle-aged and elderly patients with and without hypertension] 2024-Jul-23, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240110-00076 PMID:39019818	研究论文	本研究探讨了中老年高血压和非高血压患者脑小血管病的MRI标志物的差异	采用深度学习方法分割白质病变，并分析不同组别间的全脑白质病变概率差异	为回顾性分析，可能存在选择偏倚，限制了结果的普遍适用性	研究高血压对中老年患者脑小血管病影像学标志物的影响	316名中老年患者，包括259名高血压患者和57名非高血压患者	数字病理学	NA	MRI	深度学习	影像	316名患者
945	2024-08-05	Bifurcation detection in intravascular optical coherence tomography using vision transformer based deep learning 2024-Jul-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611c PMID:38981596	研究论文	本文提出了一种使用基于视觉变换器的深度学习方法进行血管内光相干断层扫描中的分叉检测	提出了一种基于视觉变换器的分类模型和地标检测模型结合的方法，显著提升了分叉检测的准确性	未明确提及本研究的局限性	研究旨在提升血管内光相干断层扫描中分叉检测的准确性	研究对象为8640幅临床血管内光相干断层扫描图像	数字病理学	心血管疾病	光学相干断层扫描	视觉变换器（ViT）	图像	8640幅临床图像
946	2024-08-05	Innovative approaches for coronary heart disease management: integrating biomedical sensors, deep learning, and stellate ganglion modulation 2024-Jul-18, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378099 PMID:39023137	研究论文	该研究评估了结合传统中医和现代生物医学技术治疗冠心病的有效性	首次将传统中医干预与现代生物医学传感器和星状神经节调节结合应用于冠心病治疗	需要进一步研究和传感器技术的进步来优化这种治疗方法	评价结合治疗方法对冠心病患者的症状缓解和临床结果的影响	117名冠心病患者，具有痰浊阻滞和实热型	数字病理学	冠心病	生物医学传感器	NA	临床数据	117名冠心病患者
947	2024-08-05	Arrhythmia detection in inter-patient ECG signals using entropy rate features and RR intervals with CNN architecture 2024-Jul-17, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378105 PMID:39021157	研究论文	本研究提出了一种通过1D卷积神经网络（CNN）实现心电图（ECG）信号中心律失常检测的创新方法	采用1D-CNN结合形态学和时间特征进行ECG分类，并引入熵率作为特征提取技术	仅验证了在MIT-BIH和INCART数据集上的性能，其他数据集的普适性尚待进一步验证	旨在改善心律失常检测的准确性，尤其是在不同患者之间的ECG信号分类	使用MIT-BIH和INCART心电图数据集进行心律失常检测和分类的研究对象	计算机视觉	NA	1D卷积神经网络（CNN）	CNN	心电图信号	在MIT-BIH数据集中进行了多达五类的交叉验证，INCART数据集为三类
948	2024-08-05	Deep learning approach to femoral AVN detection in digital radiography: differentiating patients and pre-collapse stages 2024-Jul-16, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07669-7 PMID:39010001	研究论文	本研究评估了一种新的深度学习模型，通过分析骨盆前后数字放射图法来诊断股骨头缺血性坏死（AVNFH）	提出了一种基于深度学习的模型，包括SVM和ANFIS层，用于股骨头缺血性坏死的检测	与经验丰富的放射科医生相比，模型的表现未达到统计显著性差异	评估深度学习模型在AVNFH诊断中的应用	1167个髋关节的放射影像	数字病理学	骨坏死	深度学习	SVM和ANFIS	放射图像	1167个髋关节的放射影像
949	2024-08-05	An efficient learning based approach for automatic record deduplication with benchmark datasets 2024-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63242-1 PMID:39009682	研究论文	提出了一种高效的学习基础记录去重方法，旨在改善多源数据的去重性能	提出了增强深度学习基础记录去重框架（EDL-RD），引入了LSTM变体和多种属性组合等创新点	NA	旨在提高多源数据记录去重的性能和可靠性	主要研究的是结构化数据中的重复记录问题	机器学习	NA	深度学习	LSTM	结构化数据	NA
950	2024-08-05	Decoding depression: a comprehensive multi-cohort exploration of blood DNA methylation using machine learning and deep learning approaches 2024-Jul-15, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02992-y PMID:39009577	研究论文	这篇文章探讨了血液DNA甲基化特征在抑郁症诊断中的应用	利用机器学习和深度学习评估抑郁症分类的新方法，发现1987个与抑郁症相关的CpG位点，提供了潜在的生物标志物	在使用统一数据时，甲基化的预测能力较低，未能在持出测试中表现出预测能力	研究抑郁症的血液DNA甲基化标志及其在不同人群中的稳定性	使用六个不同人群的血液样本进行的DNA甲基化签名分析	机器学习	抑郁症	DNA甲基化	随机森林分类器，联动自编码器-分类器	血液样本	1942个样本
951	2024-08-05	Unraveling Reactivity Origin of Oxygen Reduction at High-Entropy Alloy Electrocatalysts with a Computational and Data-Driven Approach 2024-Jul-11, The journal of physical chemistry. C, Nanomaterials and interfaces DOI:10.1021/acs.jpcc.4c01630 PMID:39015415	研究论文	本文探讨了高熵合金在电催化氧还原反应中的反应性起源	采用计算与数据驱动的方法深度学习原子间势，合理化了PdCuPtNiCo高熵合金纳米颗粒系统的电化学氧还原活性	具体的试验与理论模型支持之间的较为复杂的关系仍需进一步探索	深入理解高熵材料的表面反应性并加速其催化应用的开发	合成的PdCuPtNiCo高熵合金纳米颗粒系统	计算机视觉	NA	深度学习	NA	NA	NA
952	2024-08-05	PHACTboost: A Phylogeny-Aware Pathogenicity Predictor for Missense Mutations via Boosting 2024-Jul-03, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae136 PMID:38934805	研究论文	PHACTboost是一种基于梯度提升树的分类器，用于通过利用系统发育树提高错义突变的致病性预测	PHACTboost结合了PHACT评分、多个序列比对信息、系统发育树和祖先重建，从而优于之前的方法	NA	提高对遗传疾病的理解并促进更准确的诊断	215百万种氨基酸变化，涉及20,191种蛋白质	计算机视觉	NA	梯度提升树	NA	序列数据	215百万
953	2024-08-05	Comprehensive data analysis of white blood cells with classification and segmentation by using deep learning approaches 2024-Jul, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24839 PMID:38563259	研究论文	本文通过深度学习方法对不同数据集的白细胞进行了分类和分割的全面数据分析	该研究结合了多个数据集来进行白细胞分类和分割，这是以往研究中未见的	未提及方法在更大规模或更多样化数据集上的适用性	研究和优化白细胞的分类和分割方法	人类外周血细胞中的五种白细胞类型	计算机视觉	NA	深度学习	CNN, UNet, SegNet	图像	四种不同的数据集
954	2024-08-05	A multi-label transformer-based deep learning approach to predict focal visual field progression 2024-Jul, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06393-1 PMID:38334809	研究论文	该研究旨在开发和评估一种深度学习模型，以预测视野区域的进展。	该研究首次探索了使用深度学习模型预测视野进行性变化的方法。	研究只限于使用特定数量的视野检查数据进行训练，可能影响模型的通用性。	该研究的目的是通过深度学习预测青光眼患者的视野进展。	研究对象为1283名患者的2430只眼睛，这些眼睛进行了四次或更多次的视野检查。	计算机视觉	青光眼	深度学习	多标签变压器网络 (MTN)	视野数据	2430只眼睛，1283名患者
955	2024-08-05	Resting state electroencephalographic brain activity in neonates can predict age and is indicative of neurodevelopmental outcome 2024-Jul, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2024.05.002 PMID:38797002	研究论文	本研究探讨了新生儿静息状态下的脑电图如何预测其生物大脑年龄并反映神经发育结果	提出了一种基于深度学习的新模型，能够在减少数据需求的情况下准确预测新生儿的脑龄差距	模型仍然依赖于相对较小的数据集，可能在不同的临床环境下表现变异	研究静息状态下脑电图对新生儿生物大脑年龄和神经发育结果的预测能力	重点研究早产新生儿及其神经发育结果	数字病理学	NA	深度学习	NA	脑电图	包括来自两个临床站点的多个独立数据集
956	2024-08-05	Segmentation, feature extraction and classification of leukocytes leveraging neural networks, a comparative study 2024-Jul, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24832 PMID:38420862	研究论文	本文比较了多种机器学习和深度学习模型在白细胞分割、特征提取和分类中的表现	首次进行不同机器学习和深度学习模型的白细胞分类比较研究	未提及数据集的多样性和模型的可泛化性	提高白细胞分类的自动化准确性	白细胞的分割、特征提取和分类	计算机视觉	NA	深度学习	U-Net, U-Net + ResNet18, U-Net + ResNet34, AlexNet, VGG16, ResNet18	图像	两个数据集CellaVision和BCCD的样本
957	2024-08-05	An enumerative pre-processing approach for retinopathy severity grading using an interpretable classifier: a comparative study 2024-Jul, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06396-y PMID:38400856	研究论文	本文提出了一种枚举预处理方法，用于使用可解释分类器对糖尿病视网膜病变的严重程度进行分级。	该研究使用了一种独特的枚举预处理方法，与多种预训练模型进行比较，以提高糖尿病视网膜病变分级的准确性。	虽然使用了多个优化算法进行比较，但具体的局限性未在摘要中提及	旨在开发和实施一种高效的糖尿病视网膜病变筛查系统，以改善临床诊断结果。	研究对象为糖尿病视网膜病变的严重程度评估，通过深度学习模型进行分析。	机器学习	糖尿病视网膜病变	深度学习	K1-K2-K3-DFNN-LOA	图像	MESSIDOR 数据集
958	2024-08-05	A variational autoencoder trained with priors from canonical pathways increases the interpretability of transcriptome data 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011198 PMID:38959284	研究论文	本文探讨了如何利用变分自编码器(VAE)提高转录组数据的可解释性	提出了一种新型的VAE，利用生物数据的先验知识引导网络学习基于生物概念的转录组表示	简单的全连接自编码器性能优秀，但缺乏直接可解释的潜在维度	研究转录组数据的可解释性与深度学习技术的结合	转录组数据及其隐变量表示	机器学习	NA	变分自编码器 (VAE)	变分自编码器	转录组数据	NA
959	2024-08-05	Elevating nanomaterial optical sensor arrays through the integration of advanced machine learning techniques for enhancing visual inspection of food quality and safety 2024-Jul-17, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2024.2376113 PMID:39015031	综述	本综述总结了基于纳米材料的光学传感器阵列在食品质量和安全视觉监测中的应用	探讨了纳米材料与先进机器学习技术结合，提升食品质量检测效率的创新点	尚未提及具体的实验性研究数据或实证案例支持	旨在总结和讨论基于纳米材料的光学传感器在食品质量和安全监测中的应用	涵盖农药残留、重金属离子、细菌污染等食品相关指标的检测	机器学习	NA	光学传感器阵列	机器学习和深度学习方法	高维数据	NA
960	2024-08-05	A novel optimization-assisted multi-scale and dilated adaptive hybrid deep learning network with feature fusion for event detection from social media 2024-Jul-17, Network (Bristol, England) DOI:10.1080/0954898X.2024.2376705 PMID:39015012	研究论文	提出了一种新的基于社交媒体数据的事件检测方法	引入了多尺度和膨胀自适应混合深度学习网络，并通过改进的海狸优化算法调优参数	未提及具体的实验环境和数据多样性	提高社交媒体事件检测的准确性	社交媒体数据中的事件	自然语言处理	NA	BERT, TF-IDF	MDA-HDL (多尺度和膨胀自适应混合深度学习)	文本	两个数据集，分别的准确率为94.96和96.42