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
881	2024-08-09	Understanding Short-Range Memory Effects in Deep Neural Networks 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3242969 PMID:37027555	研究论文	本研究探讨了深度神经网络中随机梯度下降（SGD）的短程记忆效应	提出SGD可以被视为由分形布朗运动（FBM）驱动的随机微分方程（SDE）的离散化，这一观点与传统的布朗或Lévy稳定运动驱动模型不同	NA	深入理解SGD的有效性和其在训练过程中的行为	随机梯度下降（SGD）及其在深度学习中的应用	机器学习	NA	随机梯度下降（SGD）	深度神经网络	NA	NA
882	2024-08-09	A Hybrid Neuromorphic Object Tracking and Classification Framework for Real-Time Systems 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243679 PMID:37027553	研究论文	本文提出了一种实时混合神经形态框架，用于使用基于事件的相机进行对象跟踪和分类	采用混合帧和事件的方法，结合帧基于前景事件密度的区域提议方法，实现硬件友好的对象跟踪方案，并在TrueNorth平台上通过能量高效深度网络进行分类	NA	解决深度学习推理在低功耗嵌入式平台上计算和内存密集的问题	对象跟踪和分类	计算机视觉	NA	基于事件的相机	TrueNorth (TN)	图像	使用原始收集的数据集进行训练和测试
883	2024-08-09	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	本文提出了一种名为STDAN的可变形注意力网络，用于时空视频超分辨率（STVSR）任务	设计了长短期特征插值（LSTFI）模块和时空可变形特征聚合（STDFA）模块，以更好地利用相邻输入帧的信息和动态视频帧中的时空上下文	NA	提高低分辨率（LR）和低帧率（LFR）视频的时空分辨率	时空视频超分辨率	计算机视觉	NA	双向循环神经网络（RNN）	可变形注意力网络	视频	多个数据集
884	2024-08-09	Deep learning-based automatic segmentation of bone graft material after maxillary sinus augmentation 2024-Aug, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14221 PMID:38033189	研究论文	研究深度学习在从锥束计算机断层扫描（CBCT）图像中自动分割上颌窦提升术后移植材料中的准确性和可靠性	提出了一种包含3D V-Net和3D Attention V-Net的深度学习模型，用于自动分割移植材料，其性能显著优于传统手动分割方法	NA	评估深度学习模型在上颌窦提升术后移植材料自动分割中的准确性和效率	上颌窦提升术后的移植材料	计算机视觉	NA	CBCT	3D V-Net, 3D Attention V-Net	图像	100对CBCT扫描（训练集82对，测试集18对）
885	2024-08-09	SASAN: ground truth for the effective segmentation and classification of skin cancer using biopsy images 2024-Aug-01, Diagnosis (Berlin, Germany) DOI:10.1515/dx-2024-0012 PMID:38487874	研究论文	本文提出了一种基于SASAN数据集的皮肤癌诊断方法，通过区域兴趣（ROI）提取来提高分类性能	引入SASAN数据集，专注于ROI提取，以忽略噪声特征并提高模型分类性能	NA	提高皮肤癌自动诊断的准确性	皮肤癌的分割和分类	机器学习	皮肤癌	深度学习	UNet, LinkNet, PSPNet, FPN	图像	包含多样皮肤癌病例的ASAN数据集
886	2024-08-09	Protein multi-level structure feature-integrated deep learning method for mutational effect prediction 2024-Aug, Biotechnology journal IF:3.2Q2 DOI:10.1002/biot.202400203 PMID:39115336	研究论文	本文介绍了一种基于蛋白质多级结构特征的深度学习方法MLSmut，用于预测突变效应	MLSmut方法整合了蛋白质的共进化、序列语义和几何特征，通过两阶段训练策略提高了预测性能	NA	旨在解决定向进化中识别最佳突变位点的挑战	蛋白质的突变效应	机器学习	NA	深度学习	深度学习模型	蛋白质数据	10个单点突变和2个多点突变扫描数据集，以及40-100个实验测量数据
887	2024-08-08	Two-Dimensional Laplace NMR Reconstruction through Deep Learning Enhancement 2024-Aug-07, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c05211 PMID:39046081	研究论文	本文提出了一种结合物理知识和数据驱动深度学习的二维拉普拉斯核磁共振（NMR）重建方法	该方法通过构建正向过程模型来模拟多维衰减信号之间的关系，并利用非迭代神经网络算法从合成数据中自动获取先验信息，避免了繁琐的参数调整	NA	改进二维拉普拉斯NMR的处理和重建	二维拉普拉斯NMR信号	机器学习	NA	深度学习	神经网络	NMR信号	NA
888	2024-08-08	Application of artificial intelligence in cancer diagnosis and tumor nanomedicine 2024-Aug-07, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr01832j PMID:39021117	综述	本文综述了人工智能在医学和纳米医学领域的应用，特别是其在癌症诊断中的重要性和挑战	探讨了人工智能在癌症诊断中利用结构化、非结构化和多模态融合数据的关键作用，并介绍了其在纳米医学传感器和纳米肿瘤药物中的应用	文章讨论了人工智能在癌症诊断中面临的挑战，并提出了未来的发展方向	旨在探讨人工智能在癌症诊断中的应用及其对提高癌症检测和患者预后的潜在影响	人工智能在癌症诊断和肿瘤纳米医学中的应用	机器学习	NA	深度学习	卷积神经网络	多模态数据	NA
889	2024-08-08	GalaxyDock-DL: Protein-Ligand Docking by Global Optimization and Neural Network Energy 2024-Aug-07, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00385 PMID:39109987	研究论文	本文介绍了一种基于全局优化和神经网络能量的蛋白质-配体对接方法GalaxyDock-DL，该方法通过深度学习训练能量函数来封装物理效应，从而显著提高对接性能	GalaxyDock-DL方法在训练数据上的过拟合程度较低，且不依赖已知的结合口袋中心位置信息，而是系统地依赖于目标蛋白质-配体复合物的物理性质	NA	提高蛋白质-配体复合体结构预测的性能，并指导生物功能配体的有效设计	蛋白质-配体复合体的结构预测和结合亲和力的预测	生物信息学	NA	深度学习	神经网络	结构数据	NA
890	2024-08-08	Deep learning-based dose prediction for magnetic resonance-guided prostate radiotherapy 2024-Aug-06, Medical physics IF:3.2Q1 DOI:10.1002/mp.17312 PMID:39106418	研究论文	本文开发了一种基于深度学习的剂量预测管道，用于前列腺MR-Linac治疗	利用深度学习技术快速预测剂量分布和剂量学评估标准，以辅助选择适应方法并减少治疗时间	仅在特定条件下进行了验证，可能需要进一步的临床验证	开发一种基于深度学习的剂量预测方法，以优化前列腺MR-Linac治疗的适应性放射治疗	前列腺癌患者接受MR-Linac治疗的剂量分布	机器学习	前列腺癌	深度学习	CNN	图像	35名前列腺癌患者的212张MR图像
891	2024-08-08	Automated Detection of Maxillary Sinus Opacifications Compatible with Sinusitis from CT Images 2024-Aug-06, Dento maxillo facial radiology DOI:10.1093/dmfr/twae042 PMID:39107903	研究论文	本研究开发了一种基于深度学习的自动检测模型，用于从CT图像中诊断上颌窦炎	采用基于You Only Look Once（YOLO）的模型进行物体检测，并通过迁移学习方法和数据增强技术提高了模型的鲁棒性	在挑战性测试数据集上，模型的精确度有所下降	提高上颌窦炎诊断的准确性，区分上颌窦炎、潴留囊肿和正常窦	上颌窦炎、潴留囊肿和正常窦的CT图像	计算机视觉	鼻窦炎	深度学习	YOLOv8n	图像	1080张冠状位CT图像，包括2158个上颌窦，其中1138个正常窦，366个囊肿，654个窦炎
892	2024-08-08	scTab: Scaling cross-tissue single-cell annotation models 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51059-5 PMID:39098889	研究论文	本文提出了一种名为scTab的自动化细胞类型预测模型，专门针对表格数据，并通过新颖的数据增强方案在大规模单细胞RNA-seq数据集上进行训练	scTab模型能够处理大规模数据集，并通过数据增强方案提高模型在跨组织注释中的泛化能力	NA	开发能够在大规模单细胞RNA-seq数据集上进行跨组织细胞类型预测的自动化模型	单细胞RNA-seq数据的细胞类型预测	机器学习	NA	单细胞RNA-seq	神经网络	表格数据	2220万细胞
893	2024-08-08	PLEKv2: predicting lncRNAs and mRNAs based on intrinsic sequence features and the coding-net model 2024-Aug-02, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10662-y PMID:39095710	研究论文	本文介绍了PLEKv2工具，该工具基于内在序列特征和编码网络模型，用于预测长非编码RNA（lncRNA）和信使RNA（mRNA）	PLEKv2相较于传统工具和基于深度学习的模型，在人类数据集上的预测准确率提高了8.1%至48.9%，并且在跨物种预测中表现出超过90%的准确率	NA	开发一种快速准确的工具来区分lncRNA和mRNA转录本	lncRNA和mRNA	生物信息学	NA	NA	CNN	序列数据	NA
894	2024-08-08	An EEG-based marker of functional connectivity: detection of major depressive disorder 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10041-5 PMID:39104678	研究论文	本研究提出了一种基于脑电图（EEG）信号的新型功能连接标记P-MSWC，并利用卷积神经网络（CNN）识别重度抑郁症（MDD）	本研究结合同步挤压小波变换和相干理论，提出了P-MSWC融合特征，该特征能全面捕捉原始EEG信号的信息并具有显著的抗噪能力	NA	开发一种快速且可靠的重度抑郁症检测方法	重度抑郁症患者与健康人群的脑功能连接差异	机器学习	精神疾病	同步挤压小波变换	CNN	脑电图信号	单一数据集准确率达到99.92%，合并数据集准确率达到97.86%
895	2024-08-08	Cognitive workload estimation using physiological measures: a review 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10051-3 PMID:39104683	综述	本文综述了利用生理测量方法估计认知工作负荷的研究进展	详细分析了所有生理测量方法在估计认知工作负荷中的应用	仍需探索所有生理测量方法在估计认知工作负荷中的详细分析	深入分析生理测量方法在评估认知工作负荷中的应用	认知工作负荷的生理测量方法	认知神经科学	NA	机器学习, 深度学习	NA	生理数据	NA
896	2024-08-08	ADHD/CD-NET: automated EEG-based characterization of ADHD and CD using explainable deep neural network technique 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10028-2 PMID:39104684	研究论文	本研究提出了一种基于脑电图（EEG）的深度学习系统ADHD/CD-NET，用于客观区分注意力缺陷多动障碍（ADHD）、ADHD合并行为障碍（CD）和单纯行为障碍（CD）	本研究首次提出了一种基于EEG的深度学习系统ADHD/CD-NET，能够客观区分ADHD、ADHD合并CD和单纯CD，并通过Grad-CAM技术解释了CNN模型的预测结果	NA	研究目的是开发一种能够客观区分ADHD和CD的深度学习系统，以减少误诊风险	研究对象包括ADHD、ADHD合并CD和单纯CD患者	机器学习	儿童神经发育障碍	脑电图（EEG）	卷积神经网络（CNN）	脑电信号	内部数据集包括45名ADHD患者、62名ADHD合并CD患者和16名CD患者；外部公共数据集包括61名ADHD患者和60名健康对照
897	2024-08-08	Deep learning networks based decision fusion model of EEG and fNIRS for classification of cognitive tasks 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09986-4 PMID:39104699	研究论文	本研究通过深度学习网络对EEG和fNIRS数据进行决策融合，以分类认知任务	研究展示了EEG和fNIRS数据融合在分类认知任务中的性能优于单一数据源	NA	探索EEG和fNIRS数据融合在认知任务分类中的应用	EEG和fNIRS数据在认知任务分类中的应用	机器学习	NA	深度学习	CNN, LSTM, GRU, CNN-LSTM, CNN-GRU, LSTM-GRU, CNN-LSTM-GRU	时间序列数据	数据集01包含26名受试者，数据集02包含29名受试者
898	2024-08-07	Unveil sleep spindles with concentration of frequency and time (ConceFT) 2024-Aug-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad66aa PMID:39042095	研究论文	本文介绍了一种名为'频率和时间集中'（ConceFT）的新型非线性时频分析工具，用于在脑电图（EEG）数据中自动注释睡眠纺锤波并测量其瞬时频率	ConceFT工具能有效减少随机脑电图影响，增强时频表示中的纺锤波可见性，并提供了一种准确的、可解释的基于EEG的睡眠纺锤波检测算法	NA	开发和验证一种新的自动睡眠纺锤波检测算法	睡眠纺锤波及其瞬时频率	NA	NA	Concentration of Frequency and Time (ConceFT)	NA	脑电图（EEG）数据	使用了Dream和Montreal Archive of Sleep Studies (MASS)基准数据库
899	2024-08-07	Linked color imaging with artificial intelligence improves the detection of early gastric cancer 2024-Aug-05, Digestive diseases (Basel, Switzerland) DOI:10.1159/000540728 PMID:39102801	研究论文	本研究开发了一种基于深度学习框架的计算机辅助检测系统（CADe），用于在白光成像（WLI）和链接彩色成像（LCI）模式下检测胃癌（GC），并比较了CADe与内镜医师的性能	CADe系统在LCI模式下检测胃癌的敏感性显著优于WLI模式，并且使用LCI的CADe敏感性显著高于使用LCI的专家内镜医师	NA	开发和评估一种计算机辅助检测系统（CADe），以提高早期胃癌的检测能力	胃癌（GC）的检测	计算机视觉	胃癌	深度学习	NA	图像	9021张图像来自385名患者，116个LCI和WLI视频来自110名患者
900	2024-08-07	The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review 2024-Aug-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01196-4 PMID:39097662	综述	本文通过系统回顾评估了医学领域中可信AI的数据质量框架，提出了METRIC框架。	提出了METRIC框架，这是一个专门针对医学训练数据的数据质量框架，包含15个意识维度，有助于减少偏见、增加鲁棒性、提高可解释性。	NA	探讨数据质量在医学深度学习应用中的重要性，并提出一个专门的数据质量框架。	医学领域的深度学习应用的数据质量。	机器学习	NA	深度学习	NA	数据集	从5408项研究中筛选出120项符合条件的记录。