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
401	2024-10-03	A novel hybrid deep learning IChOA-CNN-LSTM model for modality-enriched and multilingual emotion recognition in social media 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73452-2 PMID:39333289	研究论文	本文提出了一种新的混合深度学习模型IChOA-CNN-LSTM，用于社交媒体中的多模态和多语言情感识别	引入了IChOA-CNN-LSTM混合模型，结合CNN进行精确的图像特征提取，LSTM网络进行序列数据分析，以及改进的Chimp优化算法进行有效的特征融合	NA	通过多模态数据分析，理解公众在COVID-19疫情中的情感状态	从Twitter等平台获取的文本、图像、音频和视频数据	自然语言处理	NA	NA	CNN, LSTM	文本, 图像, 音频, 视频	NA
402	2024-10-03	Impact of a deep learning-based brain CT interpretation algorithm on clinical decision-making for intracranial hemorrhage in the emergency department 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73589-0 PMID:39333329	研究论文	研究评估了基于深度学习的脑CT解读算法对急诊部门颅内出血临床决策的影响	首次在模拟临床环境中评估深度学习算法对颅内出血诊断的影响	研究样本量较小，仅涉及十名急诊医疗专业人员	评估深度学习算法在急诊部门颅内出血诊断中的实际应用效果	急诊医疗专业人员在有无深度学习算法辅助下的诊断表现和决策一致性	计算机视觉	颅内出血	深度学习	NA	图像	十名急诊医疗专业人员
403	2024-10-03	A Data-Centric Approach to improve performance of deep learning models 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73643-x PMID:39333381	研究论文	本文探讨了从模型为中心转向数据为中心的方法，以提高深度学习模型的性能	提出了数据为中心的方法，通过数据增强、多阶段哈希和置信学习等技术生成高质量数据，以提升模型性能	数据为中心的方法面临生成高质量数据、确保数据隐私和解决数据偏见等挑战	旨在通过数据为中心的方法生成高质量数据，以提高深度学习模型的性能	研究了MNIST、Fashion MNIST和CIFAR-10等流行数据集，并使用ResNet-18作为通用框架进行实验	机器学习	NA	数据增强、多阶段哈希、置信学习	ResNet-18	图像	涉及MNIST、Fashion MNIST和CIFAR-10等流行数据集
404	2024-10-03	Length-scale study in deep learning prediction for non-small cell lung cancer brain metastasis 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73428-2 PMID:39333630	研究论文	研究深度学习在非小细胞肺癌脑转移预测中的长度尺度特征	开发了一种新方法来研究深度神经网络预测能力背后的特征长度尺度，并应用于分析深度神经网络在预测非小细胞肺癌脑转移中的能力	随着深度神经网络架构的规模和复杂性增加，其可解释性降低，难以解释病理特征以获得更广泛的临床见解	评估数字显微图像的可解释性，并指导未来显微系统设计	深度神经网络在预测非小细胞肺癌脑转移中的特征长度尺度	数字病理学	肺癌	深度学习	深度神经网络	图像	NA
405	2024-10-03	A deep learning model for differentiating paediatric intracranial germ cell tumour subtypes and predicting survival with MRI: a multicentre prospective study 2024-Sep-11, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03575-w PMID:39256746	研究论文	本研究开发了一种基于深度学习的模型iGNet，用于通过MRI图像区分儿童颅内生殖细胞肿瘤亚型并预测生存率	首次利用深度学习模型iGNet通过术前MR T2加权成像区分颅内生殖细胞肿瘤亚型，并预测生存率	研究样本量相对较小，且仅限于颅内生殖细胞肿瘤	开发一种深度学习模型，用于辅助区分颅内生殖细胞肿瘤亚型并预测生存率	儿童颅内生殖细胞肿瘤亚型及其生存率预测	计算机视觉	NA	深度学习	nnUNet	MRI图像	280例病理证实的颅内生殖细胞肿瘤患者，包括83例生殖细胞瘤和117例非生殖细胞瘤性生殖细胞肿瘤
406	2024-09-14	Heat wave attribution assessment using deep learning 2024-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00700-w PMID:39266671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
407	2024-10-02	Artificial intelligence-based fully automated stress left ventricular ejection fraction as a prognostic marker in patients undergoing stress cardiovascular magnetic resonance 2024-Sep-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae168 PMID:38985691	研究论文	本研究旨在评估基于人工智能的全自动应激左心室射血分数（LVEFAI）在应激心血管磁共振（CMR）患者中作为死亡预测标志物的增量预后价值	本研究首次使用基于人工智能的算法，结合多个深度学习网络进行左心室分割，评估应激状态下的左心室射血分数，并发现其在预测死亡方面具有增量预后价值	本研究仅限于应激心血管磁共振患者，样本量较大但仍需在更广泛的人群中验证	评估基于人工智能的全自动应激左心室射血分数在应激心血管磁共振患者中作为死亡预测标志物的增量预后价值	应激心血管磁共振患者	心血管疾病	心血管疾病	心血管磁共振（CMR）	深度学习网络	图像	9712名患者
408	2024-10-02	Machine learning assisted crystallographic reconstruction from atom probe tomographic images 2024-Sep-30, Journal of physics. Condensed matter : an Institute of Physics journal DOI:10.1088/1361-648X/ad81a2 PMID:39348858	研究论文	本文提出了一种结合改进的前向模拟过程和反向机器学习过程的新方法，用于从原子探针断层扫描图像中重建晶体学信息	采用深度学习模型（CNN、ViT和VAE）进行反向过程，显著提高了晶体取向的重建精度	NA	解决从原子探针断层扫描数据中准确重建晶体学信息的挑战	铝单晶的不同取向	计算机视觉	NA	原子探针断层扫描（APT）	卷积神经网络（CNN）、视觉变换器（ViT）、变分自编码器（VAE）	三维图像	10,000个原始三维图像，通过数据增强生成100,000个三维图像
409	2024-10-02	Deep learning detects subtle facial expressions in a multilevel society primate 2024-Sep-30, Integrative zoology IF:3.5Q1 DOI:10.1111/1749-4877.12905 PMID:39350466	研究论文	研究利用深度学习技术检测多层次社会灵长类动物的微妙面部表情	首次使用人工智能技术发现人类观察者无法察觉的非人类灵长类动物的微妙面部表情	研究仅限于金丝猴这一特定物种，且样本主要来自野外和实验室环境	探讨非人类灵长类动物面部表情的功能意义及其在复杂社会系统中的作用	金丝猴的面部表情	计算机视觉	NA	深度学习	EfficientNet, RepMLP, Tokens-To-Token ViT	图像	3427张金丝猴正面图像，来自275段视频
410	2024-10-02	Adaptive haze pixel intensity perception transformer structure for image dehazing networks 2024-Sep-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73866-y PMID:39341993	研究论文	提出了一种自适应雾像素强度感知Transformer结构，用于图像去雾网络	通过独特的三分支设计，结合Transformer的全局特征和CNN的局部特征，实现对雾残差的层次调节	未提及	解决基于深度学习的去雾网络在复杂现实雾场景和跨数据集挑战中的算法效率和色彩失真问题	雾图像中的像素强度和雾残差	计算机视觉	NA	Transformer, CNN	SwinTieredHazymers (STH)	图像	使用配对的干净-雾图像数据集进行实验
411	2024-10-02	FindCSV: a long-read based method for detecting complex structural variations 2024-Sep-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05937-w PMID:39342151	研究论文	提出了一种基于长读长测序数据检测复杂结构变异的新方法FindCSV	利用深度学习技术和共识序列来增强复杂和简单结构变异的检测	未提及具体限制	开发一种高效且准确的复杂结构变异检测方法	复杂和简单的结构变异	生物信息学	NA	长读长测序	深度学习	测序数据	未提及具体样本数量
412	2024-09-30	Dual stage MRI image restoration based on blind spot denoising and hybrid attention 2024-Sep-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01437-8 PMID:39342222	研究论文	本文提出了一种基于盲点去噪和混合注意力的双阶段MRI图像恢复方法	本文创新性地结合了盲点去噪和混合注意力机制，通过生成对抗网络（GAN）恢复去噪后的MRI图像细节	当前的去噪网络可能在未来被更先进的模型替代，以进一步提升性能	解决医学MRI图像中的噪声问题，提高图像质量和细节恢复	MRI图像中的噪声和细节信息	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	临床数据集
413	2024-10-02	Hand gesture recognition using sEMG signals with a multi-stream time-varying feature enhancement approach 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72996-7 PMID:39333258	研究论文	本文提出了一种基于多流时间变化特征增强方法的表面肌电信号手势识别系统	引入了一种轻量级的四流深度学习架构，结合了时间卷积网络（TCN）和卷积神经网络（CNN）的特征，以提高手势识别的准确性和稳定性	NA	开发一种高性能的表面肌电信号手势识别系统，以改善肌肉-计算机接口的部署	表面肌电信号（sEMG）手势识别	机器学习	NA	时间卷积网络（TCN），卷积神经网络（CNN），长短期记忆网络（LSTM）	四流深度学习架构	表面肌电信号（sEMG）	Ninapro DB1和DB9数据集
414	2024-10-02	A dataset of manually annotated filaments from H-alpha observations 2024-Sep-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03876-y PMID:39333537	研究论文	本文介绍了手动注释的H-alpha观测中的丝状物数据集MAGFiLO v1.0	MAGFiLO是首个规模如此之大的数据集，能够使先进的深度学习模型以前所未有的精度识别丝状物及其特征	NA	提供高质量的太阳丝状物数据集，支持深度学习和大规模分析	太阳丝状物的注释和特征	计算机视觉	NA	NA	深度学习模型	图像	10,244个注释丝状物，来自1,593次观测
415	2024-10-02	Prediction of android ransomware with deep learning model using hybrid cryptography 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70544-x PMID:39333540	研究论文	本文提出了一种基于深度学习和混合加密技术的安卓勒索软件预测模型	本文创新性地结合了深度学习模型和混合加密技术，提高了安卓勒索软件检测的准确性和数据存储的安全性	NA	解决安卓移动设备上勒索软件日益增多的问题，保护用户敏感数据的安全	安卓勒索软件的检测与分类，以及检测数据的安全存储	机器学习	NA	混合加密技术	AlexNet	APK文件	NA
416	2024-10-02	Explainability of CNN-based Alzheimer's disease detection from online handwriting 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72650-2 PMID:39333681	研究论文	本文研究了基于卷积神经网络的阿尔茨海默病在线书写检测的可解释性	本文通过解释卷积神经网络对在线书写数据生成的多元时间序列数据的预测，揭示了健康个体和阿尔茨海默病患者在书写运动行为上的显著差异	NA	解决深度学习模型在阿尔茨海默病检测中的可解释性问题	在线书写数据及其生成的多元时间序列数据	机器学习	阿尔茨海默病	卷积神经网络	CNN	时间序列数据	NA
417	2024-10-02	Histopathological correlations of CT-based radiomics imaging biomarkers in native kidney biopsy 2024-Sep-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01434-x PMID:39333936	研究论文	本研究评估了基于CT的放射组学特征与原发性肾活检中慢性组织病理学变化之间的历史放射学相关性，并构建和验证了一个基于放射组学的慢性程度预测模型	本研究首次探讨了CT放射组学特征与肾活检中慢性组织病理学变化之间的相关性，并开发了一个用于非侵入性评估肾纤维化的预测模型	本研究仅限于左肾的分析，且样本量较小	评估基于CT的放射组学特征与肾活检中慢性组织病理学变化之间的相关性，并开发一个预测模型	基于CT的放射组学特征与肾活检中的慢性组织病理学变化	数字病理学	肾病	放射组学	3D Swin UNEt Transformers	图像	18岁及以上接受肾活检和腹部CT扫描的患者
418	2024-10-02	Skin lesion segmentation using deep learning algorithm with ant colony optimization 2024-Sep-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02686-x PMID:39334181	研究论文	本文评估了结合蚁群优化（ACO）的混合残差网络（ResUNet）模型在皮肤病变分类中的有效性	提出了一种结合蚁群优化的混合残差网络（ResUNet）模型，显著提高了皮肤病变分类的准确性	未来研究将探索多模态成像信息和替代优化算法，以进一步提升模型的性能和临床适用性	评估混合ResUNet模型在皮肤病变分类中的有效性，并优化ACO性能以提高计算效率和临床实用性	皮肤病变分类	计算机视觉	皮肤癌	深度学习	混合残差网络（ResUNet）	图像	包含多种皮肤病变的复杂数据集
419	2024-10-02	Research on variety identification of common bean seeds based on hyperspectral and deep learning 2024-Sep-24, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125212 PMID:39348737	研究论文	本研究基于高光谱和深度学习技术，对常见豆种进行非破坏性品种识别	提出了一种结合Inception模块和残差结构的一维卷积神经网络模型（IResCNN），并与其他模型进行对比，最终实现了93.06%的识别准确率	NA	实现常见豆种的非破坏性品种识别，提高豆种的培育和高效利用	常见豆种的品种识别	机器学习	NA	高光谱技术	一维卷积神经网络（IResCNN）	高光谱图像	3078张高光谱图像，涵盖500个品种
420	2024-10-02	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults: Study of Domain Adaptation and Deep Learning 2024-Sep-16, JMIR aging IF:5.0Q1 DOI:10.2196/53793 PMID:39283346	研究论文	研究利用深度学习和领域自适应技术预测老年人对计算机认知训练项目的依从性	首次尝试使用领域自适应技术预测老年人对认知训练项目的日常依从性	NA	提高预测老年人对认知训练项目依从性失误的准确性，以开发定制的依从性支持系统	老年人的认知训练项目依从性	机器学习	NA	深度卷积神经网络、领域自适应	深度神经网络	时间序列数据	来自两个先前进行的认知训练干预研究的参与者数据