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
541	2024-10-26	GVVST: Image-Driven Style Extraction From Graph Visualizations for Visual Style Transfer 2024-Oct-24, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3485701 PMID:39446538	研究论文	本文提出了一种从现有设计良好的图可视化中自动提取视觉风格并应用于其他图的方法	本文创新性地利用深度学习技术，如显著性检测模型和多标签分类模型，开发了端到端的管道，用于提取全局和局部风格	本文主要关注节点-链接图，未涵盖其他类型的图可视化	简化图可视化设计过程，减轻设计师的工作量	节点-链接图的视觉风格提取与转移	计算机视觉	NA	深度学习	显著性检测模型、多标签分类模型	图像	NA
542	2024-10-26	Unmet Needs in Spondyloarthritis: Imaging in Axial Spondyloarthritis 2024-Oct-24, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2024-0937 PMID:39448248	综述	本文综述了轴性脊柱关节炎（axSpA）中影像学生物标志物的现状及其在临床实践中的应用	讨论了最新的MRI序列和基于深度学习的合成CT技术，这些技术可以在不使用电离辐射的情况下生成类似CT的图像	尽管MRI技术有所进步，但仍存在许多挑战，如骨髓水肿（BME）在多种疾病和健康个体中的出现，增加了鉴别诊断的难度	探讨轴性脊柱关节炎中影像学技术的优势、劣势及其在临床实践中的应用	轴性脊柱关节炎（axSpA）的影像学生物标志物及其在诊断和治疗评估中的应用	NA	脊柱关节炎	磁共振成像（MRI）、计算机断层扫描（CT）	NA	影像	NA
543	2024-10-26	Integrating VAI-Assisted Quantified CXRs and Multimodal Data to Assess the Risk of Mortality 2024-Oct-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01247-y PMID:39448455	研究论文	本研究开发了一种基于视觉人工智能（VAI）的模型，通过胸部X光片（CXR）和多模态数据来评估死亡风险	利用深度学习从CXR中提取特征，并结合Cox比例风险模型生成风险评分（CXR-risk），结合临床和实验室数据进一步提高预测准确性	研究为回顾性分析，且数据来自特定医疗机构，可能影响模型的泛化能力	开发一种广泛可用的死亡风险预测方法	通过胸部X光片和多模态数据评估患者的死亡风险	计算机视觉	NA	深度学习	Cox比例风险模型	图像	训练集41,945例，验证集10,492例，内部测试集31,707例，外部测试集4,441例
544	2024-10-26	An enhanced deep learning method for the quantification of epicardial adipose tissue 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75659-9 PMID:39438553	研究论文	本文提出了一种增强的深度学习方法，用于在冠状动脉CT血管造影（CCTA）扫描中量化心外膜脂肪组织（EAT）	该方法结合了数据驱动方法和特定的形态学信息，提高了EAT自动量化的准确性和可解释性	NA	开发一种自动量化心外膜脂肪组织的方法，以减少人工操作的劳动强度和人为误差	心外膜脂肪组织（EAT）的量化	计算机视觉	心血管疾病	深度学习	NA	图像	108名接受常规CCTA检查的患者，随机分配到训练集（60例）、验证集（8例）和测试集（40例）
545	2024-10-26	Hybrid deep models for parallel feature extraction and enhanced emotion state classification 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75850-y PMID:39438562	研究论文	本文提出了一种混合深度学习模型，用于并行特征提取和增强的情感状态分类	结合AlexNet和DenseNet进行特征提取，并通过PCA进行特征融合和降维，最后使用多类SVM进行分类，显著提高了情感分类的准确性	NA	提高情感和压力分类的准确性，特别是在机器人和人工智能应用中	情感和压力分类	机器学习	NA	深度学习	混合模型（AlexNet、DenseNet、PCA、SVM）	脑电信号	DEAP数据集包含32名参与者观看40段一分钟的音乐视频的脑电信号，EEG Brainwave数据集包含参与者观看六个不同电影片段的脑电信号
546	2024-10-26	Assessment of the relationship between central venous pressure waveform and the severity of tricuspid valve regurgitation using data science 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74890-8 PMID:39438502	研究论文	研究探讨了中心静脉压波形与三尖瓣反流严重程度之间的关系	使用Transformer深度学习技术处理中心静脉压波形的复杂特征	研究结果需要进一步验证和临床应用	探索中心静脉压波形与三尖瓣反流严重程度之间的关系	中心静脉压波形和三尖瓣反流	机器学习	心血管疾病	Transformer	Transformer	波形数据	436例患者
547	2024-10-26	Efficient labeling of french mammogram reports with MammoBERT 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76369-y PMID:39438627	研究论文	本文介绍了一种基于BERT的模型MammoBERT，用于高效地标记法语乳腺X光片报告	提出了基于BERT的模型MammoBERT，结合了现有规则系统的广泛性和放射科医生注释的精确性，显著提高了标记效率	研究中使用的数据集有限，可能影响模型的泛化能力	开发一种高效且有效的模型，用于大规模医学影像模型的开发	法语乳腺X光片报告的自动标记	自然语言处理	NA	BERT	BERT	文本	有限的数据集，包括放射科医生的注释和规则生成的注释
548	2024-10-26	An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75518-7 PMID:39438634	研究论文	本文介绍了一种改进的堆叠自编码器辅助优化的深度神经网络（ESAE-ODNN），用于预测干眼病（DED）	本文的创新点在于将混沌映射引入特征选择，使用SLSTM-STSA提高分类准确性，并通过增强量子细菌觅食优化算法（EQBFOA）进行优化	NA	本文的研究目的是开发一种新的方法来预测干眼病（DED），以提高早期诊断和治疗的效果	本文的研究对象是干眼病（DED）及其相关特征	机器学习	眼科疾病	深度学习	深度神经网络	数据集	NA
549	2024-10-26	A hybrid transformer and attention based recurrent neural network for robust and interpretable sentiment analysis of tweets 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76079-5 PMID:39438715	研究论文	提出了一种基于Transformer和注意力机制的混合循环神经网络模型TRABSA，用于推特情感分析	结合了Transformer架构、注意力机制和双向LSTM，提高了情感分析的准确性和可解释性	NA	解决现有情感分析模型在语言多样性、模型泛化性、可解释性和数据标注不足方面的挑战	推特文本的情感分类	自然语言处理	NA	Transformer模型、注意力机制、双向LSTM	混合模型	文本	124M条推特数据，包括来自32个英语国家的411,885条推特和来自美国各州的7,500条推特
550	2024-10-26	Detecting clinical medication errors with AI enabled wearable cameras 2024-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01295-2 PMID:39438764	研究论文	本文介绍了一种利用AI和可穿戴摄像头自动检测临床用药错误的新系统	首次开发了用于自动检测潜在用药错误的可穿戴摄像头系统，并创建了首个大规模视频数据集	NA	开发和评估一种自动检测临床用药错误的系统	临床用药错误，特别是注射器和药瓶上的药品标签	计算机视觉	NA	深度学习算法	NA	视频	418次药物抽取事件，涉及13名麻醉科医生，2家医院，17个手术室，55天
551	2024-10-26	Spatial attention-based CSR-Unet framework for subdural and epidural hemorrhage segmentation and classification using CT images 2024-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01455-6 PMID:39438833	研究论文	本文提出了一种基于空间注意力机制的CSR-Unet框架，用于CT图像中硬膜下和硬膜外出血的分割与分类	本文引入了空间注意力机制的CSR-Unet模型，以提高特征提取的效率和分割精度	NA	开发一种自动化的方法来辅助神经外科医生进行脑出血的诊断和治疗计划制定	CT图像中的硬膜下和硬膜外出血	计算机视觉	NA	深度学习	CSR-Unet	图像	NA
552	2024-10-25	A lightweight model design approach for few-shot malicious traffic classification 2024-Oct-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73342-7 PMID:39433748	研究论文	本文提出了一种轻量级的小样本恶意流量分类方法	通过改进传统的迁移学习，将源模型分割为公共和私有特征提取器，并采用对抗网络引导原则进行再训练，增强了模型的泛化能力	NA	解决当前深度学习方法在恶意流量分类中数据需求量大和计算资源不足的问题	恶意流量分类	机器学习	NA	迁移学习	对抗网络	流量数据	每类不超过15个样本
553	2024-10-26	A novel intelligent fault diagnosis method for gearbox based on multi-dimensional attention denoising convolution 2024-Oct-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75522-x PMID:39433807	研究论文	提出了一种基于多维注意力去噪卷积的新型智能齿轮箱故障诊断方法	引入多尺度深度可分离卷积模块和残差通道注意力模块，提高了故障特征提取和噪声抑制能力	NA	解决旋转机械振动数据中的噪声和多尺度故障特征提取问题	齿轮箱故障诊断	机器学习	NA	卷积神经网络	多维融合残差注意力网络（MFRANet）	振动数据	齿轮箱故障数据集
554	2024-10-26	iDLB-Pred: identification of disordered lipid binding residues in protein sequences using convolutional neural network 2024-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75700-x PMID:39433833	研究论文	本文提出了一种基于卷积神经网络的预测模型iDLB-Pred，用于识别蛋白质序列中的无序脂质结合残基	首次使用卷积神经网络等深度学习方法来预测蛋白质序列中的无序脂质结合残基	需要进一步验证模型在不同数据集上的泛化能力	开发一种高效的计算方法来预测蛋白质序列中的无序脂质结合残基	蛋白质序列中的无序脂质结合残基	机器学习	NA	卷积神经网络	卷积神经网络	蛋白质序列	使用了基准数据集进行特征提取和模型训练
555	2024-10-26	MIDC: Medical image dataset cleaning framework based on deep learning 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38910 PMID:39444398	研究论文	本文提出了一种基于深度学习的医疗图像数据集清洗框架MIDC，旨在通过自动清理错误标注的数据来提高公共数据集的质量	MIDC框架的创新点包括：利用多个相同疾病的公共数据集，通过不同的CNN自动识别图像并移除错误标注的数据；设计了一种新的分级规则，将数据集分为高精度和低精度数据集；设计了一个基于CNN的数据清洗模块，使用高精度数据集识别和清理低精度数据集	NA	提高医疗图像数据集的质量，以提升基于这些数据集训练的诊断模型的准确性	医疗图像数据集中的错误标注数据	计算机视觉	NA	深度学习	CNN	图像	使用了四种数据集：糖尿病视网膜、病毒性肺炎、乳腺癌和皮肤癌
556	2024-10-26	Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-analysis 2024-Oct-11, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005174 PMID:39451133	meta-analysis	本研究系统回顾和荟萃分析了人工智能在诊断腰椎管狭窄症中的表现	首次系统性评估了人工智能在不同类型和程度的腰椎管狭窄症诊断中的准确性	需要进一步的外部验证以提高对不同狭窄类别和轻中度狭窄水平的诊断准确性	评估人工智能在诊断腰椎管狭窄症中的诊断价值，为智能诊断工具的发展提供证据支持	人工智能在诊断腰椎管狭窄症中的应用	machine learning	腰椎管狭窄症	deep learning 和 machine learning	NA	image	48篇文章
557	2024-10-26	Development and Multinational Validation of an Ensemble Deep Learning Algorithm for Detecting and Predicting Structural Heart Disease Using Noisy Single-lead Electrocardiograms 2024-Oct-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.07.24314974 PMID:39417103	研究论文	开发并跨国验证了一种基于单导联心电图的深度学习算法，用于检测和预测结构性心脏病	提出了一种新的模型，能够从便携式/可穿戴设备获取的噪声单导联心电图中检测和预测多种结构性心脏病	NA	开发和验证一种能够在社区筛查中检测和预测结构性心脏病的AI算法	单导联心电图和结构性心脏病	机器学习	心血管疾病	深度学习	深度学习算法	心电图	266,740份心电图数据，来自99,205名患者
558	2024-10-26	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-Oct-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	研究使用深度卷积-循环模型从基于任务的动态功能连接中预测个体认知特征	首次使用深度卷积-循环模型从动态功能连接中预测认知特征，并展示了任务态动态功能连接比静息态动态功能连接具有更高的预测能力	去除混杂因素显著降低了预测性能，且没有特定的皮质网络显示出对一般和流体智力的显著相关性	从神经影像数据中理解智力和人类特征的神经基础	从语言和工作记忆任务的功能磁共振成像数据中预测认知得分	计算机视觉	NA	功能磁共振成像	卷积神经网络和长短期记忆网络	图像	874名受试者
559	2024-10-26	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-Oct, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	本文介绍了一种新的深度学习方法CNMI-YOLO，用于在数字病理学中进行有丝分裂识别	提出了CNMI-YOLO模型，结合YOLOv7和ConvNeXt架构，显著提高了有丝分裂识别的准确性和鲁棒性	NA	提高不同类型癌症中有丝分裂识别的准确性	有丝分裂细胞	数字病理学	NA	深度学习	YOLOv7, ConvNeXt	图像	使用了Mitosis Domain Generalization Challenge 2022数据集，包括不同扫描仪、物种和癌症类型的样本
560	2024-10-26	Deep Learning-Based Synthetic Computed Tomography for Low-Field Brain Magnetic Resonance-Guided Radiation Therapy 2024-Oct-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.09.046 PMID:39357787	研究论文	本文开发了一种基于条件生成对抗网络的合成计算机断层扫描（synCT）生成方法，用于低场磁共振引导的脑部放射治疗	本文首次将条件生成对抗网络应用于从低场磁共振图像生成高保真度的合成计算机断层扫描，以支持在线自适应放射治疗	模型在处理术后异常情况时表现不佳	开发一种能够从低场磁共振图像生成高保真度合成计算机断层扫描的方法，以支持在线自适应放射治疗	脑部肿瘤患者	计算机视觉	脑部肿瘤	条件生成对抗网络	生成对抗网络	图像	12名胶质瘤患者的数据用于训练模型，9名患者的数据用于二次验证