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
1141	2024-08-05	Automatic Segmentation for Analysis of Murine Cardiac Ultrasound and Photoacoustic Image Data Using Deep Learning 2024-Aug, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.05.001 PMID:38825556	研究论文	本文使用深度学习方法自动分割小鼠心脏超声和光声图像数据	引入了使用U-Net深度神经网络对小鼠心脏图像进行快速分割的新方法	可能受限于图像质量不佳时的分割效果	提高小鼠心脏超声和光声图像的分割精度和效率	小鼠心脏的前壁区域	数字病理学	心血管疾病	深度学习	U-Net	图像	小鼠图像数据集
1142	2024-08-05	A Deep Learning Model for Automatically Quantifying the Anterior Segment in Ultrasound Biomicroscopy Images of Implantable Collamer Lens Candidates 2024-Aug, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.05.004 PMID:38777640	研究论文	本研究旨在开发和评估一种基于深度学习的模型，该模型能够自动测量植入性Collamer镜术前超声生物显微镜图像中的前房参数	提出了一种基于UNet++网络的深度学习模型，自动测量前房参数，并在其他中心进行验证	研究主要集中在特定医院的患者样本，可能不具备更广泛的人群适用性	研究的目的是开发一种能够自动测量眼科手术候选者前房参数的深度学习模型	研究对象为321名接受植入性Collamer镜手术的患者的1164张超声生物显微镜图像	计算机视觉	NA	超声生物显微镜 (UBM)	UNet++	图像	涉及321名患者的1164张图像和294张外部验证图像
1143	2024-08-05	EResNet-SVM: an overfitting-relieved deep learning model for recognition of plant diseases and pests 2024-Aug-15, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13462 PMID:38483173	研究论文	本文提出了一种深度学习模型EResNet-SVM，用于缓解植物疾病和害虫的过拟合问题。	通过增加卷积神经网络的特征提取层和引入稀疏激活函数，显著提高了模型的特征提取能力和分类准确性。	未提及具体的应用场景限制或特定的外部条件限制。	旨在提高植物疾病和害虫识别的准确性，并解决深度学习模型中的过拟合问题。	针对植物疾病和害虫的识别与分类进行了研究。	机器学习	植物疾病	深度学习	EResNet-SVM	图像	包含八种情况（七种植物疾病和一种正常）以及六种害虫的测试结果
1144	2024-08-05	Knowledge enhanced attention aggregation network for medicine recommendation 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108099 PMID:38810430	研究论文	提出了一种基于注意力聚合网络和增强图卷积的药物推荐模型KEAN	KEAN聚合患者就诊中的个别诊断和程序，捕捉影响疾病的重要特征，并整合复杂药物组合的医学知识	没有提及具体的局限性	提高药物推荐的准确性和效果	患者的临床记录和药物推荐	自然语言处理	NA	图卷积	注意力聚合网络	临床记录数据	MIMIC-III数据集
1145	2024-08-05	The prediction of pCR and chemosensitivity for breast cancer patients using DLG3, RADL and Pathomics signatures based on machine learning and deep learning 2024-Aug, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.101985 PMID:38805774	研究论文	本研究旨在使用多组学特征预测接受新辅助化疗的乳腺癌患者的病理完全响应(pCR)及化疗敏感性	首次探讨了放射组学、病理组学特征与化疗敏感性之间的关系，开发多组学标志用于预测pCR	研究为回顾性，多中心参与，可能受到选择偏倚的影响	评估多组学特征在乳腺癌患者新辅助化疗中的预测效用	311名接受新辅助化疗的恶性乳腺肿瘤患者	数字病理学	乳腺癌	机器学习（ML）和深度学习（DL）算法	NA	临床数据	311名乳腺癌患者
1146	2024-08-05	UmamiPreDL: Deep learning model for umami taste prediction of peptides using BERT and CNN 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108116 PMID:38823360	研究论文	本文提出了一种新的深度学习模型UmamiPreDL，用于预测肽的鲜味。	本研究使用生物序列转换器如ProtBert和ESM2作为特征编码器，并开发了4种模型架构，ProtBert-CNN模型的准确度达到了95%。	本研究可能在样本多样性和模型通用性方面存在一定限制，未在不同类型的肽上进行广泛测试。	研究鲜味预测模型，以提高食品工业中对鲜味成分的识别能力。	研究对象为肽及其对鲜味的影响。	机器学习	NA	深度学习	CNN	NA	使用5折交叉验证数据及独立数据进行测试，具体样本数量未明确
1147	2024-08-05	Cross vision transformer with enhanced Growth Optimizer for breast cancer detection in IoMT environment 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108110 PMID:38815500	研究论文	本文提出了一种新的技术，通过CrossViT和改进的Growth Optimizer算法提高乳腺癌检测的准确性	提出结合CNN和transformer的CrossViT模型，以及改进的Growth Optimizer算法用于特征选择	未提及具体的局限性	提高乳腺癌的检测准确性，帮助临床医生做出更准确的诊断	使用公共可用的乳腺癌数据集进行研究	计算机视觉	乳腺癌	深度学习	CrossViT	图像	使用三个公开的乳腺癌数据集进行评估
1148	2024-08-05	TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction 2024-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103190 PMID:38820677	研究论文	提出了一种新的方法TAI-GAN来解决动态心脏PET中的帧间运动校正问题	TAI-GAN利用时序和解剖学信息进行帧转换，克服了早期帧图像注册技术的局限性	本研究主要集中在Rb PET数据集上，缺乏对其他类型数据集的验证	提高动态心脏PET中的心肌血流量量化和冠状动脉疾病诊断的准确性	临床Rb PET数据集中的动态心脏图像	数字病理学	心血管疾病	正电子发射断层扫描(PET)	生成对抗网络(GAN)	图像	NA
1149	2024-08-05	Learning active subspaces and discovering important features with Gaussian radial basis functions neural networks 2024-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106335 PMID:38733793	研究论文	提出了一种改进的径向基函数神经网络模型，旨在提高预测性能并增强可解释性	通过可学习的精度矩阵修改了传统的径向基函数神经网络模型，使其能够提取关键特征和主动子空间	未提及具体的局限性	旨在通过提高模型的可预测性和可解释性来解决机器学习中的主要挑战	对回归、分类和特征选择任务进行数值实验	机器学习	NA	高斯径向基函数神经网络	NA	表格数据	NA
1150	2024-08-05	Towards complex dynamic physics system simulation with graph neural ordinary equations 2024-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106341 PMID:38692189	研究论文	本文提出了一种新模型GNSTODE，用于模拟复杂的粒子系统	引入了图网络与时空神经常微分方程的结合，以处理粒子系统中的时空依赖性	未提及具体的局限性	旨在理解和模拟复杂物理系统中的粒子交互行为	复杂粒子系统的模拟	机器学习	NA	神经常微分方程	图网络	观测数据	在两个真实世界的粒子系统中进行评估，未具体说明样本数量
1151	2024-08-05	Which images to label for few-shot medical image analysis? 2024-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103200 PMID:38801797	研究论文	该文章提出了一种新颖的模板选择策略，以在少量标记医疗图像分析中选择值得标记的图像	提出了一种新颖的模板选择策略（TECP），优先选择适合标注的图像以改善模型性能	该研究未提及TECP在不同类型数据集上的适用性分析	旨在通过改进标注策略来提升少样本医疗图像分析的效果	涉及多种少样本医疗任务，包括标志检测、解剖检测和解剖分割	计算机视觉	NA	深度学习	NA	医学图像	多个公共数据集
1152	2024-08-05	Multi-scale self-attention approach for analysing motor imagery signals in brain-computer interfaces 2024-Aug, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110182 PMID:38795979	研究论文	本文提出了一种利用多尺度自注意力机制分析运动想象信号的模型	创新点在于使用多尺度时空自注意力网络进行脑电图运动想象信号的分类	仍面临脑电图数据准确分类的挑战	研究旨在通过自注意力机制提高运动想象脑电图信号的分类精确度	研究对象为运动想象的脑电图信号，包括左手、右手、脚和舌头/休息四类	自然语言处理	NA	脑电图（EEG）	多尺度自注意力网络	信号	在BCI竞赛的IV-2b数据集上进行测试
1153	2024-08-05	CMAN: Cascaded Multi-scale Spatial Channel Attention-guided Network for large 3D deformable registration of liver CT images 2024-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103212 PMID:38830326	研究论文	提出了一种新的CNN基础的无监督学习配准方法CMAN，用于处理肝脏CT图像的大变形。	创新点在于采用双重粗到细的配准方法，结合空间通道注意力模块，有效提高大变形域的配准精度。	缺乏对更多复杂形状器官或其他医学图像的适应性验证。	研究旨在开发一种能够高效处理大变形图像配准的深度学习网络。	研究对象为肝脏CT图像。	计算机视觉	NA	深度学习	CNN	图像	使用了两个公开数据集进行训练，并在另一个公共数据集和一个私人数据集上进行了评估
1154	2024-08-05	Local spatial and temporal relation discovery model based on attention mechanism for traffic forecasting 2024-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106365 PMID:38739964	研究论文	提出了一种基于注意机制的局部空间和时间关系发现模型，旨在提高交通预测的准确性	引入了局部注意机制来建模历史输入数据的异步依赖性，并使用皮尔逊相关系数提取邻近道路历史交通条件对目标道路未来状态的影响	深度学习方法的属性使得其解释显式时空关系存在挑战	提高智能交通系统中交通预测的准确性	交通数据，通过深度学习方法建模交通状态演变模式	机器学习	NA	深度学习	注意机制模型	交通数据	多个数据集的实验结果
1155	2024-08-05	Improved weight initialization for deep and narrow feedforward neural network 2024-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106362 PMID:38733795	研究论文	提出了一种新的权重初始化方法，以解决RELU激活函数在深度神经网络中的‘死亡RELU’问题	提出了新的权重初始化方法，能有效解决深度和窄的前馈神经网络中的信号传播问题	尚未提及方法在极端情况下的表现和适用性	解决RELU激活函数导致的深度神经网络训练困难问题	深度和窄的前馈神经网络	机器学习	NA	NA	前馈神经网络	NA	通过一系列实验进行比较，样本大小未具体说明
1156	2024-08-05	Unsupervised mutual transformer learning for multi-gigapixel Whole Slide Image classification 2024-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103203 PMID:38810517	研究论文	提出了一种基于互变换学习的全无人监督的WSI分类算法	创新性地提出了一种完全无人监督的WSI分类算法，并通过互变换学习生成伪标签	未提及具体的局限性	研究WSI分类中的无人监督学习方法	多千兆像素的全幻灯片图像	计算病理学	癌症	变换学习	变换器	图像	在四个公开可用的数据集上进行了大量实验
1157	2024-08-05	Learning shared template representation with augmented feature for multi-object pose estimation 2024-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106352 PMID:38713968	研究论文	本研究提出了一种共享模板表示学习方法，结合增强语义特征以解决多对象姿态估计中的问题	通过学习共享模板表示并使用增强语义特征，提高了模型的泛化性能和匹配精度	未具体说明在更复杂或未见数据集上的表现	旨在简化多对象姿态估计中的模板表示学习过程	多对象姿态估计任务中的模板表示	计算机视觉	NA	深度学习	NA	图像	经过Linemo, Linemod-Occluded和TLESS数据集的广泛实验验证
1158	2024-08-05	Characterization and quantification of in-vitro equine bone resorption in 3D using μCT and deep learning-aided feature segmentation 2024-Aug, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117131 PMID:38777311	研究论文	本研究开发了一种准确的高通量方法来定量马骨吸收体积。	开发了一种基于深度学习的CNN用于3D μCT图像中骨吸收事件的识别，无需预培养成像。	主要基于马骨样本，可能不适用于其他种类的骨骼。	旨在定量分析马骨中的成骨细胞吸收活动。	以马骨切片为研究对象，分析骨吸收的3D表现。	数字病理学	NA	μCT	卷积神经网络（CNN U-Net类似）	3D图像	使用已知吸收区域的档案骨切片进行训练，样本量不详
1159	2024-08-05	Bridging Imaging and Clinical Scores in Parkinson's Progression via Multimodal Self-Supervised Deep Learning 2024-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500436 PMID:38770651	研究论文	本文提出了一种多模态的共同潜在生成模型，以综合理解帕金森病的神经退行性特征。	该文章的创新之处在于使用了耦合变分自编码器（VAEs）来共同建模帕金森病的神经影像和临床数据。	研究中提到模型的局限性和能力，但具体细节未详细阐述。	本研究旨在提供一个更全面的框架来了解帕金森病的神经退行性演变。	研究对象为帕金森进展标记倡议（PPMI）中的神经影像和临床数据。	数字病理学	帕金森病	耦合变分自编码器（VAEs）	潜在生成模型	神经影像和临床数据	涉及的样本数量未明确说明
1160	2024-08-05	On the evaluation of deep learning interpretability methods for medical images under the scope of faithfulness 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108238 PMID:38823117	研究论文	本文评估了深度学习模型对医学图像的可解释性，尤其关注忠实性	提出了一种基于HiResCAM的定量评估方法，探讨忠实性与评价指标之间的联系	HAAS指标未能提供有用的比较结果，评估几乎所有图图为不准确	评估医学归因图的质量并检验忠实性与指标结果的一致性	对四个医学图像数据集进行预训练深度学习架构的微调	数字病理学	NA	HiResCAM	深度学习架构	医学图像	四个医学图像数据集