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
941	2024-10-09	Artificial intelligence in hepatocellular carcinoma diagnosis: a comprehensive review of current literature 2024-Oct, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16663 PMID:38923550	综述	本文全面回顾了当前文献中关于人工智能在肝细胞癌诊断中的应用	本文分析和评估了在肝细胞癌诊断领域提出的各种人工智能模型，展示了这些模型在诊断性能上的显著提升	NA	本文旨在通过回顾现有文献，评估人工智能技术在肝细胞癌诊断中的应用效果	本文研究对象为肝细胞癌诊断中的人工智能模型	计算机视觉	肝癌	机器学习	深度学习	图像	NA
942	2024-10-09	Automatic Recognition of Auditory Brainstem Response Waveforms Using a Deep Learning-Based Framework 2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.840 PMID:38822760	研究论文	研究使用深度学习框架自动识别听觉脑干反应波形	提出了一种增强的Wide&Deep模型，结合Light-多层感知器（MLP）模型来训练听觉脑干反应波形的识别	Wide&Deep模型的性能略低于Light-MLP模型，特别是由于样本量有限	研究深度学习框架以提高不同年龄和听力水平参与者听觉脑干反应波形的自动识别	听觉脑干反应波形	机器学习	NA	深度学习	Wide&Deep模型，Light-多层感知器（MLP）模型	时间域和频率域的听觉脑干反应信号	100名参与者
943	2024-10-09	Separating group- and individual-level brain signatures in the newborn functional connectome: A deep learning approach 2024-Oct-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120806 PMID:39179011	研究论文	本文探讨了新生儿功能连接组中群体和个体水平脑信号的分离，采用深度生成模型VAE进行研究	本文首次使用VAE模型在新生儿功能连接数据中区分年龄相关变化和个体独特性，并发现某些皮质功能网络在捕捉个体特征方面表现出色	本文仅使用了两个公开数据集，样本量有限，且未探讨其他可能影响结果的因素	探讨新生儿功能连接组中个体独特性的存在及其与认知差异的关系	新生儿和成人的静息态功能磁共振成像数据	计算机视觉	NA	功能磁共振成像(fMRI)	变分自编码器(VAE)	图像	成人100例，新生儿464例
944	2024-10-09	Overcoming the Barrier of Incompleteness: A Hyperspectral Image Classification Full Model 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3279377 PMID:37279129	研究论文	本文提出了一种用于高光谱图像分类的全模型，通过创新的三要素解决了分类不完整的问题	首次提出了完整分类的三要素：广泛探索可用特征、充分重用代表性特征和差异化融合多领域特征	NA	解决高光谱图像分类中的不完整性问题	高光谱图像	计算机视觉	NA	NA	Transformer	图像	四个数据集，从小规模到大规模，每类仅使用五个训练样本
945	2024-10-09	A Survey of Automated Data Augmentation for Image Classification: Learning to Compose, Mix, and Generate 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282258 PMID:37342945	综述	本文综述了图像分类中自动数据增强技术的最新进展	将数据增强过程视为学习任务，并寻找最有效的数据增强方法	主要依赖于手工操作的数据增强方法，缺乏自动化和智能化的提升	探讨自动数据增强技术在图像分类中的应用及其未来发展方向	图像分类中的数据增强方法	计算机视觉	NA	自动数据增强	NA	图像	NA
946	2024-10-08	Joint segmentation of tumors in 3D PET-CT images with a network fusing multi-view and multi-modal information 2024-Oct-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7f1b PMID:39317235	研究论文	本文提出了一种用于3D PET-CT图像中肿瘤联合分割的深度学习算法	提出了多视图信息增强和多模态特征融合网络（MIEMFF-Net），结合动态多模态融合策略和多视图信息增强策略，有效利用PET和CT图像的代谢和解剖信息	未提及	解决现有方法在PET-CT图像肿瘤分割中忽略多模态和多视图信息的问题	3D PET-CT图像中的肿瘤	计算机视觉	软组织肉瘤	深度学习	MIEMFF-Net	图像	Soft Tissue Sarcomas数据集和AutoPET数据集
947	2024-10-08	An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context 2024-Oct-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52504-1 PMID:39366942	研究论文	本文开发了一种自适应权重集成方法，用于预测香港等热带和亚热带地区的不规则季节性流感活动	提出了自适应权重混合集成模型（AWBE），动态更新模型贡献，显著提高了预测准确性	NA	开发和比较不同模型在预测流感活动中的表现，特别是在不规则季节性的地区	香港地区的流感活动	机器学习	流感	NA	集成模型	时间序列数据	32次流行病，时间跨度为1998年至2019年
948	2024-10-08	Meta-learning for real-world class incremental learning: a transformer-based approach 2024-Oct-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71125-8 PMID:39367098	研究论文	本文提出了一种基于Transformer的元学习方法，用于解决现实世界中的类增量学习问题	本文的创新点在于将元学习应用于类增量学习，并提出了一种基于Transformer的聚合函数，能够在不重新训练的情况下完成任务	NA	本文的研究目的是将元学习应用于更贴近现实世界的类增量学习问题	本文的研究对象是类增量学习问题	自然语言处理	NA	元学习	Transformer	文本	NA
949	2024-10-08	Advanced mathematical modeling of mitigating security threats in smart grids through deep ensemble model 2024-Oct-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74733-6 PMID:39367158	研究论文	研究通过深度集成模型进行高级数学建模，以减轻智能电网中的安全威胁	提出了一种基于山羚优化和深度集成学习的入侵检测技术（MGODEL-ID），用于智能电网环境中的入侵检测	NA	开发一种新的入侵检测技术，以提高智能电网对网络攻击的可靠性和韧性	智能电网中的安全威胁和入侵检测	机器学习	NA	深度学习	深度集成模型	网络数据	NA
950	2024-10-08	Tabular deep learning: a comparative study applied to multi-task genome-wide prediction 2024-Oct-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05940-1 PMID:39367318	研究论文	本文比较了多种深度学习架构在多任务全基因组预测中的应用	首次系统性地比较了多种深度学习架构在表格数据上的表现，并应用于全基因组预测	实验仅限于特定的基因数据集，结果可能不适用于所有类型的基因数据	提高基因选择和疾病风险预测的准确性	多种深度学习架构在全基因组预测中的表现	机器学习	NA	深度学习	LassoNet	表格数据	三个多特征回归数据集和两个多类分类数据集
951	2024-10-08	Leveraging explainable deep learning methodologies to elucidate the biological underpinnings of Huntington's disease using single-cell RNA sequencing data 2024-Oct-04, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10855-5 PMID:39367331	研究论文	利用可解释深度学习方法解析亨廷顿病生物学基础的单细胞RNA测序数据	使用残差神经网络（ResNet）模型有效模拟亨廷顿病细胞，并利用SHapley Additive exPlanations（SHAP）算法识别影响亨廷顿病预测的基因	测试集的F1分数为96.53%，仍有提升空间	阐明亨廷顿病病理学的潜在机制	亨廷顿病细胞与健康细胞的差异基因表达模式	机器学习	神经退行性疾病	单细胞RNA测序	残差神经网络（ResNet）	基因表达数据	NA
952	2024-10-08	The power of deep learning in simplifying feature selection for hepatocellular carcinoma: a review 2024-Oct-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02682-1 PMID:39367397	综述	本文综述了深度学习技术在肝细胞癌（HCC）特征选择中的应用	深度学习技术在简化HCC特征选择过程中展示了显著的进步	将深度学习的潜力转化为临床现实仍面临挑战	综述深度学习模型和算法在HCC特征选择中的应用，并讨论其在临床实践中的潜力	肝细胞癌（HCC）的特征选择	机器学习	肝癌	深度学习	NA	NA	NA
953	2024-10-06	Development of brain tumor radiogenomic classification using GAN-based augmentation of MRI slices in the newly released gazi brains dataset 2024-Oct-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02699-6 PMID:39367444	研究论文	本文提出使用StyleGANv2-ADA模型对脑部MRI切片进行数据增强，以提高脑肿瘤分类模型的性能	首次在Gazi Brains 2020数据集上使用StyleGANv2-ADA进行数据增强，显著提高了脑肿瘤分类的准确率	NA	提高脑肿瘤分类模型的准确性	脑肿瘤的分类	计算机视觉	脑肿瘤	StyleGANv2-ADA	GAN	图像	使用了Gazi Brains 2020、BRaTS 2021和Br35h数据集
954	2024-10-08	Deep learning to estimate response of concurrent chemoradiotherapy in non-small-cell lung carcinoma 2024-Oct-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05708-4 PMID:39367461	研究论文	本文构建了一个深度学习模型，用于预测非小细胞肺癌患者在接受同步放化疗后的反应	首次使用深度学习模型预测非小细胞肺癌患者对同步放化疗的反应，并探索了相关的生物信号通路	NA	开发和验证一个深度学习模型，用于预测非小细胞肺癌患者在接受同步放化疗后的反应	非小细胞肺癌患者及其在接受同步放化疗后的反应	机器学习	肺癌	深度学习	ResNet50	图像	229名非小细胞肺癌患者
955	2024-10-08	Artificial intelligence and telemedicine in epilepsy and EEG: A narrative review 2024-Oct, Seizure DOI:10.1016/j.seizure.2024.08.024 PMID:39222613	综述	本文综述了人工智能和远程医疗在癫痫和脑电图诊断与管理中的应用	人工智能通过机器学习和深度学习提高了脑电图解释和癫痫发作预测的准确性	技术应用受到设备兼容性、临床工作流程整合、数据偏差和数据可用性等限制	探讨人工智能和远程医疗在癫痫和脑电图护理中的应用及其对未来癫痫护理的影响	癫痫患者和脑电图数据	机器学习	癫痫	机器学习	卷积神经网络 (CNN)	脑电图 (EEG)	NA
956	2024-10-08	Artificial intelligence-based differential diagnosis of orbital MALT lymphoma and IgG4 related ophthalmic disease using hematoxylin-eosin images 2024-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06501-1 PMID:38700592	研究论文	研究使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性	开发了一种基于深度学习的人工智能软件，能够区分IgG4相关眼病和眼眶MALT淋巴瘤	样本量较小，且仅限于IgG4相关眼病和眼眶MALT淋巴瘤的区分	探讨使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性	IgG4相关眼病和眼眶MALT淋巴瘤	数字病理学	淋巴瘤	深度学习	EVA	图像	127名患者，其中97名用于模型构建，30名用于模型评估
957	2024-10-07	Deep learning classification of EEG-based BCI monitoring of the attempted arm and hand movements 2024-Oct-28, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0356 PMID:38826067	研究论文	研究利用深度学习技术对基于脑电图（EEG）的脑机接口（BCI）进行分类，以监测手臂和手部运动尝试	结合卷积神经网络（CNN）和长短期记忆（LSTM）架构，提取EEG信号中的时空特征，并使用三种特征选择方法提高分类性能	研究主要集中在颈椎脊髓损伤（SCI）患者，未涵盖其他类型的运动障碍	提高颈椎脊髓损伤患者特定运动分类的平均性能	颈椎脊髓损伤患者的脑电图数据	机器学习	颈椎脊髓损伤	脑电图（EEG）	卷积神经网络（CNN）和长短期记忆（LSTM）	脑电图信号	来自格拉茨理工大学的低频多类脑电图数据集
958	2024-10-07	AML leukocyte classification method for small samples based on ACGAN 2024-Oct-28, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0028 PMID:38547466	研究论文	本文研究了基于辅助分类生成对抗网络（ACGAN）的小样本急性髓系白血病（AML）白细胞分类方法	本文首次将ACGAN应用于小样本白细胞分类任务，并展示了其在分类准确性上的竞争力	NA	评估ACGAN在小样本白细胞分类任务中的适用性	急性髓系白血病（AML）白细胞	机器学习	血液恶性肿瘤	生成对抗网络（GAN）	辅助分类生成对抗网络（ACGAN）	图像	小样本
959	2024-10-07	Vein segmentation and visualization of upper and lower extremities using convolution neural network 2024-Oct-28, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0331 PMID:38651783	研究论文	研究开发了一种基于深度学习自参数化卷积神经网络的静脉定位、识别和可视化框架，用于分割和可视化上下肢静脉图	提出了自参数化的U-Net模型，用于在不受约束条件下进行静脉分割和可视化，优于传统的CNN架构	研究样本量较小，仅涉及72名受试者	开发一种可靠的实时静脉定位和可视化系统，以辅助血管外科医生进行静脉穿刺、血管手术或慢性静脉疾病治疗	上下肢静脉的分割和可视化	计算机视觉	慢性静脉疾病	卷积神经网络	U-Net	图像	72名受试者的上下肢静脉数据
960	2024-10-07	Repairing Noise-Contaminated Low-Frequency Vibrational Spectra with an Attention U-Net 2024-Oct-05, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c10893 PMID:39367839	研究论文	本文开发了一种基于注意力增强U-net架构的深度学习去噪协议，用于修复低频振动光谱中的噪声污染	利用高频和低频振动模式之间的内在相关性，有效重建低频光谱特征	NA	解决低频振动光谱检测和分析中的挑战	低频振动模式在红外和拉曼光谱中的应用	机器学习	NA	深度学习	注意力U-net	光谱	实验中使用了吸附在Ag表面上的-1,2-双(4-吡啶基)乙烯(BPE)作为代表性系统