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
221	2024-11-21	Evaluation of three-point correlation functions from structural images on CPU and GPU architectures: Accounting for anisotropy effects 2024-Oct, Physical review. E DOI:10.1103/PhysRevE.110.045306 PMID:39562887	研究论文	本文开发了在CPU和GPU架构上计算三点点相关函数的算法和代码，考虑了各向异性效应	本文提出了计算三点点相关函数的新算法，并展示了其在任意三角形模式下的计算速度与直角三角形模式相当	本文指出，当计算在频率域进行时，数据量会变得非常大，且目前尚不清楚n>3的点相关函数的优势	研究三点点相关函数在结构图像分析中的应用，并评估其在不同架构上的计算效率	三点点相关函数及其在结构图像分析中的应用	计算机视觉	NA	三点点相关函数计算	NA	图像	NA
222	2024-11-20	Artificial intelligence applications in personalizing lung cancer management: state of the art and future perspectives 2024-Oct-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-244 PMID:39552872	综述	本文综述了人工智能在个性化肺癌管理中的应用现状和未来展望	本文介绍了人工智能在肺癌诊断和管理中的创新应用，特别是基于机器学习和深度学习技术的AI模型	NA	探讨人工智能在非小细胞肺癌诊断和管理中的应用潜力	非小细胞肺癌的诊断、病理特征预测和基因突变预测	机器学习	肺癌	机器学习、深度学习	AI模型	患者数据	NA
223	2024-11-20	NeuroTD: A Time-Frequency Based Multimodal Learning Approach to Analyze Time Delays in Neural Activities 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.28.620662 PMID:39554073	研究论文	本文介绍了一种基于时间-频率的多模态学习方法NeuroTD，用于分析神经活动中的时间延迟	NeuroTD结合了孪生神经网络与频域变换和复值优化，用于推断多模态时间序列数据中的跨模态时间关系	NA	开发一种新的深度学习方法，用于对齐多模态时间序列数据并推断跨模态时间关系	神经活动的时间特征及其与行为的关系	机器学习	NA	钙成像、Neuropixels、深度电极、Patch-seq	孪生神经网络	时间序列数据	三个多模态数据集
224	2024-11-20	A Surface-based deep learning approach for cortical shape analysis 2024-Oct-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.29.620757 PMID:39554098	研究论文	本文应用基于球谐函数的卷积神经网络（SPHARM-Net）对MRI衍生的脑形态学指标进行分析，预测年龄、性别和阿尔茨海默病（AD）诊断	本文提出了一种基于球谐函数的卷积神经网络（SPHARM-Net），无需显式定义邻域大小，实现了旋转等变性	本文仅在健康成年人和AD患者样本中进行了验证，未来工作将扩展到更复杂的任务如情绪障碍分类	研究如何利用深度学习技术从脑部图像中预测临床因素	MRI衍生的脑形态学指标，包括顶点皮质曲率、凸度、厚度和表面积	计算机视觉	阿尔茨海默病	球谐函数卷积神经网络	卷积神经网络	图像	健康成年人样本量为32,979，AD患者样本量为1,213
225	2024-11-20	Application of deblur technology for improving the clarity of digital subtractive angiography 2024-Oct, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199221143168 PMID:36457291	研究论文	本文提出了一种基于深度学习的去模糊技术，用于提高数字减影血管造影（DSA）图像的清晰度	本文创新性地使用了深度学习方法来去模糊大焦点DSA图像，以获得更清晰和锐利的脑血管DSA图像	本文的局限性在于仅使用了52对配对的血管造影图像进行训练，且测试集仅包括10个身体模型和80张临床图像	研究目的是开发一种新的基于深度学习的方法，以提高大焦点DSA图像的清晰度	研究对象是数字减影血管造影（DSA）图像	计算机视觉	NA	深度学习	残差密集块（RDBs）	图像	训练集包括52对配对图像，超过350,000个裁剪的补丁；测试集包括10个身体模型和80张临床图像
226	2024-11-20	Short-length SSVEP data extension by a novel generative adversarial networks based framework 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10134-9 PMID:39555252	研究论文	本文提出了一种基于生成对抗网络（GAN）的端到端信号变换网络TEGAN，用于扩展短时稳态视觉诱发电位（SSVEP）信号的长度	引入了两阶段训练策略和LeCam-divergence正则化项来规范GAN的训练过程，显著提高了传统频率识别方法和基于深度学习方法的性能	NA	旨在解决SSVEP信号在实际应用中因数据量和长度不足而影响频率识别性能的问题	短时稳态视觉诱发电位（SSVEP）信号	脑机接口	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	信号	两个公开的SSVEP数据集（4类和12类数据集）
227	2024-11-20	Motor imagery decoding using source optimized transfer learning based on multi-loss fusion CNN 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10100-5 PMID:39555257	研究论文	本文提出了一种基于多损失融合卷积神经网络（MF-CNN）的源优化迁移学习方法（SOTL），用于解码多类运动想象任务	首次提出多损失融合卷积神经网络（MF-CNN）和源优化迁移学习（SOTL），优化源模型以提高目标模型的性能	NA	提高运动想象任务的分类准确性，并验证其在卒中患者康复训练中的应用	16名健康受试者和16名卒中患者的运动想象数据	机器学习	卒中	迁移学习	卷积神经网络（CNN）	运动想象数据	32名受试者（16名健康受试者和16名卒中患者）
228	2024-11-20	Multiresolution feature fusion for smart diagnosis of schizophrenia in adolescents using EEG signals 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10120-1 PMID:39555262	研究论文	本文提出了一种基于多分辨率特征融合的自动化诊断模型，用于从脑电图信号中高效诊断青少年精神分裂症	本文创新性地结合了卷积神经网络和集成袋装树模型，融合深度学习和手工特征，实现了优于现有方法的分类性能	NA	开发一种高效的自动化诊断系统，用于青少年精神分裂症的早期检测	青少年精神分裂症患者和健康对照组的脑电图信号	计算机视觉	精神分裂症	经验小波变换和经验模态分解	卷积神经网络和集成袋装树	脑电图信号	84名青少年，其中45名精神分裂症患者和39名健康对照组
229	2024-11-20	Research progress of epileptic seizure prediction methods based on EEG 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10109-w PMID:39555266	研究论文	本文介绍了基于EEG的癫痫发作预测方法的设计过程，并总结了当前研究中的常用方法和数据库	本文比较了深度学习算法与传统机器学习方法在癫痫发作预测中的优缺点，为研究人员提供了新技术和新思路	当前算法无法应用于临床，本文总结了其局限性并提出了改进建议	实现癫痫发作的早期预测和干预，以提高患者的生活质量	基于头皮EEG和颅内EEG的癫痫发作预测研究	数字病理学	癫痫	EEG	深度学习算法	EEG数据	NA
230	2024-11-20	Attention-based cross-frequency graph convolutional network for driver fatigue estimation 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10141-w PMID:39555279	研究论文	本文提出了一种基于注意力机制的跨频图卷积网络（ACF-GCN），用于通过脑电图（EEG）信号估计驾驶员的反应时间	创新点在于引入了多注意力机制来检测EEG通道在不同频率之间的长程依赖关系，并结合图卷积网络进行驾驶员反应时间的估计	NA	研究目的是通过EEG信号提高驾驶员疲劳水平的估计精度	研究对象是驾驶员的脑电图信号及其反应时间	机器学习	NA	脑电图（EEG）	图卷积网络（GCN）	脑电图信号	使用了公开数据集进行验证
231	2024-11-20	Lattice 123 pattern for automated Alzheimer's detection using EEG signal 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10104-1 PMID:39555305	研究论文	本文提出了一种基于晶格结构的特征工程框架，用于使用脑电图信号自动识别阿尔茨海默病	创新性地应用概率函数生成Lattice123模式，并结合多级离散小波变换进行多层次特征提取	需要在大规模多样化的数据库上验证其有效性	开发一种自动识别阿尔茨海默病的新方法	阿尔茨海默病和脑电图信号	数字病理学	阿尔茨海默病	多级离散小波变换	NA	脑电图信号	未明确提及具体样本数量
232	2024-11-20	Can artificial intelligence aid the urologists in detecting bladder cancer? 2024 Oct-Dec, Indian journal of urology : IJU : journal of the Urological Society of India IF:1.3Q3 DOI:10.4103/iju.iju_39_24 PMID:39555437	研究论文	本文探讨了人工智能在膀胱癌检测中的应用，特别是通过膀胱镜检查辅助泌尿科医生识别恶性区域	本文展示了基于人工智能的膀胱镜检查系统在膀胱癌检测中的潜力，通过深度学习算法处理大量图像和视频数据	尽管人工智能在膀胱癌检测中显示出潜力，但其应用仍存在疑问，未来研究应集中在确定哪些患者群体能从准确识别膀胱癌中获益最大	探讨人工智能在膀胱癌检测中的应用潜力	膀胱癌的检测和识别	计算机视觉	膀胱癌	深度学习算法	NA	图像和视频	五项研究的数据被用于分析
233	2024-11-19	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	本文提出了一种名为SHARP的方法，用于增强Hi-C数据的分辨率，通过信号分解和多尺度注意力机制克服了传统深度学习方法中的人工结构问题	SHARP方法通过将数据分解为三种信号类型，并仅对第三种信号应用深度学习，避免了传统方法中的人工结构问题。同时，SHARP结合了局部和全局注意力机制，以捕捉多尺度的上下文信息	NA	提高Hi-C数据的分辨率，并避免在增强过程中产生人工结构	Hi-C数据中的高分辨率特征	生物信息学	NA	深度学习	注意力机制	Hi-C数据	包括新样本和另一物种的数据
234	2024-11-19	Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning 2024-Oct, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2024.2419911 PMID:39512118	研究论文	研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制	整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响	NA	阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持	BACE1蛋白、抑制剂OV6和4B2	分子动力学	阿尔茨海默病	高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法	深度学习	分子动力学轨迹	NA
235	2024-11-18	Automated Speech Analysis for Risk Detection of Depression, Anxiety, Insomnia, and Fatigue: Algorithm Development and Validation Study 2024-Oct-31, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58572 PMID:39324329	研究论文	研究开发并验证了一种基于语音分析的算法，用于检测和估计抑郁症、焦虑症、失眠和疲劳的风险	该研究不仅关注单一症状，还考虑了症状的共存和相互作用，并引入了不确定性估计和公平性评估，以提高临床应用的安全性	模型在不同年龄组和教育水平上的公平性表现较差	探讨移动设备收集的语音数据在检测和估计抑郁症、焦虑症、疲劳和失眠方面的预测潜力	抑郁症、焦虑症、失眠和疲劳	机器学习	NA	语音活动检测、特征提取和模型训练	深度学习模型	语音数据	865名健康成年人
236	2024-11-18	Multiparametric MRI based deep learning model for prediction of early recurrence of hepatocellular carcinoma after SR following TACE 2024-Oct-08, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05941-w PMID:39379692	研究论文	本文开发并验证了一种结合深度学习和临床数据的模型，用于预测接受TACE后肝细胞癌患者的早期复发	本文创新性地将深度学习特征与临床数据结合，构建了一个预测肝细胞癌患者早期复发的诺模图模型	NA	开发和验证一种结合深度学习和临床数据的模型，用于预测肝细胞癌患者的早期复发	接受TACE后肝细胞癌患者的早期复发风险	机器学习	肝癌	MRI	深度学习模型	影像数据	511名接受SR后TACE的患者
237	2024-11-17	Diagnosis of Pancreatic Ductal Adenocarcinoma Using Deep Learning 2024-Oct-31, Sensors (Basel, Switzerland) DOI:10.3390/s24217005 PMID:39517902	研究论文	本研究利用深度学习网络分析病理图像，以准确诊断胰腺癌，特别是胰腺导管腺癌（PDAC）	本研究引入了多种先进的迁移学习模型，包括InceptionV3、DenseNet、ResNet、VGG、EfficientNet和一个专门设计的深度神经网络，并进行了比较分析以选择最准确的算法	NA	利用人工智能技术进行胰腺癌的早期诊断和检测，以提高患者治疗效果	胰腺导管腺癌（PDAC）的病理图像	计算机视觉	胰腺癌	深度学习算法	卷积神经网络（CNN）	图像	包含PDAC和/或慢性胰腺炎诊断病例的新数据集，并通过图像复制和创建不同维度的第二个数据集进行增强
238	2024-11-17	MR_NET: A Method for Breast Cancer Detection and Localization from Histological Images Through Explainable Convolutional Neural Networks 2024-Oct-31, Sensors (Basel, Switzerland) DOI:10.3390/s24217022 PMID:39517917	研究论文	本文提出了一种基于可解释卷积神经网络的乳腺癌症检测和定位方法	引入了名为MR_Net的新型深度学习模型，旨在提供更准确的乳腺癌检测和定位，并通过生成热图提供可解释的预测结果	未提及具体限制	开发一种能够早期和准确检测乳腺癌的方法，以提高治疗效果和生存率	乳腺组织病理图像	计算机视觉	乳腺癌	卷积神经网络	CNN	图像	未提及具体样本数量
239	2024-11-17	Enhancing Underwater SLAM Navigation and Perception: A Comprehensive Review of Deep Learning Integration 2024-Oct-31, Sensors (Basel, Switzerland) DOI:10.3390/s24217034 PMID:39517928	综述	本文综述了水下SLAM技术，特别是深度学习方法的整合，以提高水下导航和感知性能	本文详细评估了深度学习在水下图像处理和感知中的应用研究，并比较了标准和基于深度学习的SLAM系统	NA	探讨如何通过深度学习方法改进水下SLAM系统的性能	水下SLAM技术及其与深度学习方法的整合	计算机视觉	NA	深度学习	GAN, CNN, LSTM	图像	NA
240	2024-11-17	Deep Learning Approaches for the Assessment of Germinal Matrix Hemorrhage Using Neonatal Head Ultrasound 2024-Oct-31, Sensors (Basel, Switzerland) DOI:10.3390/s24217052 PMID:39517949	研究论文	本研究提出了一种基于YOLOv8模型的深度学习方法，用于自动评估新生儿头部超声图像中的生发基质出血（GMH）	本研究采用了YOLOv8模型进行GMH分级，并结合迁移学习和数据增强技术，显著提高了诊断的准确性和效率	NA	开发一种自动化的方法来提高新生儿生发基质出血的诊断准确性	新生儿头部超声图像中的生发基质出血	计算机视觉	NA	深度学习	YOLOv8	图像	586名婴儿的超声图像